深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
121	2024-12-18	Interpretable CRISPR/Cas9 off-target activities with mismatches and indels prediction using BERT 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107932 PMID:38199209	研究论文	本文开发了一种基于BERT的模型CRISPR-BERT，用于预测CRISPR/Cas9的脱靶效应，并提出了一种自适应批量类别平衡策略来处理数据不平衡问题	首次实现了同时预测脱靶位点的错配和插入缺失，并提出了自适应批量类别平衡策略来处理数据不平衡问题，同时通过可视化方法增强了模型的可解释性	NA	提高CRISPR/Cas9基因编辑中sgRNA的靶向特异性预测精度	CRISPR/Cas9系统的脱靶效应	机器学习	NA	BERT	BERT	序列数据	五个仅错配数据集和两个包含错配和插入缺失的数据集
122	2024-12-18	System for automatically assessing the likelihood of inferior alveolar nerve injury 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107923 PMID:38199211	研究论文	本文提出了一种基于全景放射图像的自动化系统，用于评估下牙槽神经损伤的可能性	提出了新的分割模型SS-TransUnet和分类算法CD-IAN injury class，提高了分割和分类的准确性，并增强了模型的可解释性	未提及具体的局限性	提高下颌第三磨牙和下颌管的分割精度以及下牙槽神经损伤可能性的分类准确性，减少下牙槽神经损伤的发生	下颌第三磨牙和下颌管的分割，以及下牙槽神经损伤可能性的分类	计算机视觉	口腔疾病	深度学习	SS-TransUnet	图像	未提及具体的样本数量
123	2024-12-17	Self-supervised learning-based cervical cytology for the triage of HPV-positive women in resource-limited settings and low-data regime 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107809 PMID:38113684	研究论文	本文提出了一种基于自监督学习的宫颈细胞学方法，用于资源有限和数据匮乏环境下HPV阳性女性的筛查	提出了Cervical Cell Copy-Pasting（CP）作为有效的数据增强方法，并展示了其在多种下游任务中的性能提升	实验仅基于内部数据集，可能限制了方法的普适性	开发一种适用于资源有限环境的深度学习辅助宫颈细胞学诊断方法	HPV阳性女性的宫颈细胞学筛查	数字病理学	宫颈癌	自监督学习	NA	图像	使用了基于低成本技术获取的液基细胞学宫颈涂片图像
124	2024-12-17	MSDSE: Predicting drug-side effects based on multi-scale features and deep multi-structure neural network 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107812 PMID:38091725	研究论文	提出了一种基于多尺度特征和深度多结构神经网络的药物副作用预测模型MSDSE	MSDSE综合考虑了药物的多尺度特征，包括SMILES序列的词嵌入、子结构分子指纹和化学结构图嵌入，并通过双层通道策略从局部到全局学习多模态特征	NA	开发一种适用于早期药物副作用筛选的深度学习框架	药物副作用的预测	机器学习	NA	深度学习	卷积神经网络、多头自注意力机制	文本、图	基准数据集
125	2024-12-17	AttCON: With better MSAs and attention mechanism for accurate protein contact map prediction 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107822 PMID:38091726	研究论文	本文提出了一种改进的蛋白质接触图预测算法AttCON，结合了改进的多序列比对生成算法DeepMSA+和基于注意力机制的深度学习模型	提出了DeepMSA+算法用于生成蛋白质多序列比对，并构建基于共进化信息和序列信息的特征表示；引入了参数无关的注意力模块，并使用Focal Loss函数解决数据不平衡问题；开发了加权评估指标W score，特别关注中程和长程接触预测的精度	未提及具体局限性	提高蛋白质接触图预测的准确性	蛋白质接触图预测	机器学习	NA	多序列比对	深度学习模型	序列	使用了CASP11到CASP15的数据集
126	2024-12-17	Beyond human in neurosurgical exams: ChatGPT's success in the Turkish neurosurgical society proficiency board exams 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107807 PMID:38091727	研究论文	本研究比较了ChatGPT在土耳其神经外科协会熟练度委员会考试中的表现与实际考生的表现，并分析了其回答错误的问题类型及其回答质量	ChatGPT在考试中的表现优于实际考生，且其回答的清晰度与问题难度无关	未提及	评估ChatGPT在神经外科考试中的表现	ChatGPT在土耳其神经外科协会熟练度委员会考试中的表现	自然语言处理	NA	深度学习	Chat Generative Pre-Trained Transformer (ChatGPT)	文本	260名考生和523个问题
127	2024-12-17	Generating bulk RNA-Seq gene expression data based on generative deep learning models and utilizing it for data augmentation 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107828 PMID:38101117	研究论文	本研究利用生成式深度学习模型生成批量RNA-Seq基因表达数据，并将其用于数据增强	首次使用生成对抗网络（GAN）和扩散模型（DM）生成高质量的批量RNA-Seq基因表达数据，并通过数据增强显著提升了分类模型的性能	未提及具体的局限性	开发一种基于生成式深度学习模型的方法，用于生成高质量的批量RNA-Seq基因表达数据，以增强下游任务的性能和可靠性	批量RNA-Seq基因表达数据	机器学习	NA	RNA-Seq	生成对抗网络（GAN）、扩散模型（DM）	基因表达数据	使用了迄今为止最大的数据集进行模型训练
128	2024-12-17	Pancreatic cancer pathology image segmentation with channel and spatial long-range dependencies 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107844 PMID:38103482	研究论文	本文提出了一种用于胰腺癌病理图像分割的通道和空间自注意力模块，以有效捕捉长距离特征依赖	引入了通道和空间自注意力模块，能够高效捕捉通道和空间上的长距离特征依赖，并提出了重新加权的交叉熵损失来缓解长尾分布对性能的影响	未提及	提高胰腺癌病理图像分割的准确性，以辅助病理学家实现更好的治疗效果	胰腺癌病理图像	数字病理学	胰腺癌	深度学习	自注意力机制	图像	使用了PCPI数据集和GlaS挑战数据集
129	2024-12-17	Medical image identification methods: A review 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107777 PMID:38104516	综述	本文综述了医学图像识别方法，分析和总结了机器学习、深度学习、卷积神经网络、迁移学习等技术在医学图像分析中的应用	强调了不同方法在医学图像分析中的最新进展和贡献，并总结了不同应用场景下的应用	未具体讨论每种方法的局限性	提供医学图像识别方法的全面概述，并探讨未来研究方向	医学图像识别方法及其在不同医学图像分析任务中的应用	计算机视觉	NA	机器学习、深度学习、卷积神经网络、迁移学习	卷积神经网络	图像	NA
130	2024-12-17	A deep learning model for Alzheimer's disease diagnosis based on patient clinical records 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107814 PMID:38113682	研究论文	本文提出了一种基于患者临床记录的深度学习模型，用于阿尔茨海默病（AD）的诊断	本文的创新点在于使用深度学习模型对AD风险因素进行分类，以减少误诊的影响	本文未详细说明所使用的重平衡方法和模型调优的具体细节	开发一种使用痴呆患者临床数据的深度学习模型，用于分类是否患有AD	痴呆患者的临床记录	机器学习	阿尔茨海默病	深度学习	神经网络模型	文本	未具体说明样本数量
131	2024-12-17	Deep-Orga: An improved deep learning-based lightweight model for intestinal organoid detection 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107847 PMID:38141452	研究论文	提出了一种基于YOLOX的轻量级深度学习模型Deep-Orga，用于自动化评估肠道类器官的形态	提出了Deep-Orga模型，通过改进模块提升了模型在肠道类器官检测中的性能	未提及具体的技术局限性	自动化评估类器官形态，减轻专业人员的劳动压力	肠道类器官	计算机视觉	NA	深度学习	YOLOX	图像	肠道类器官数据集
132	2024-12-17	Learning with limited annotations: A survey on deep semi-supervised learning for medical image segmentation 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107840 PMID:38157773	综述	本文综述了最近提出的用于医学图像分割的半监督学习方法，并总结了技术新颖性和实证结果	本文总结了半监督学习在医学图像分割中的技术新颖性，并分析了现有方法的局限性和未解决的问题	本文讨论了现有半监督学习方法的局限性和几个未解决的问题	探讨在有限标注情况下，半监督学习在医学图像分割中的应用	医学图像分割任务	计算机视觉	NA	半监督学习	深度学习模型	图像	NA
133	2024-12-17	Deep learning innovations in diagnosing diabetic retinopathy: The potential of transfer learning and the DiaCNN model 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107834 PMID:38159396	研究论文	本文介绍了一种基于深度学习的新方法，通过迁移学习和DiaCNN模型提高糖尿病视网膜病变（DR）的诊断精度	本文的创新点在于引入了迁移学习技术，利用InceptionResNetv2和Inceptionv3模型进行特征提取和微调，并提出了专门用于眼病分类的DiaCNN模型	NA	提高糖尿病视网膜病变的诊断精度，减少因DR导致的失明	糖尿病视网膜病变及其他眼病的诊断	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像	使用了包含八种不同眼病类别的Ocular Disease Intelligent Recognition (ODIR)数据集
134	2024-12-17	Is fragment-based graph a better graph-based molecular representation for drug design? A comparison study of graph-based models 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107811 PMID:38168647	研究论文	本文比较了基于片段的图表示与传统图表示在药物设计中的效果	提出了基于片段的图表示方法，并通过实验验证其在数据有限情况下的优势	在大量训练数据的情况下，基于片段的分子图表示不一定优于传统方法	评估基于片段的图表示在药物设计中的有效性	比较八种基于深度学习算法的模型在12个基准数据集上的预测能力	机器学习	NA	图神经网络（GNNs）	GCN, AttentiveFP, D-MPNN, PharmHGT	分子数据	12个基准数据集
135	2024-12-17	Improving brain age prediction with anatomical feature attention-enhanced 3D-CNN 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107873 PMID:38181606	研究论文	提出了一种基于解剖特征注意力增强的3D卷积神经网络，用于改进从结构磁共振成像数据预测脑年龄	引入了解剖特征注意力（AFA）模块，有效捕捉显著的解剖特征，并结合深度卷积特征，简化了深度卷积特征的提取过程	未提及具体的技术局限性	改进从结构磁共振成像数据预测脑年龄的准确性	从结构磁共振成像数据中提取的解剖特征和深度卷积特征	计算机视觉	NA	深度学习	3D卷积神经网络（3D-CNN）	图像	2501个样本
136	2024-12-15	Deepfake detection using deep feature stacking and meta-learning 2024-Feb-29, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e25933 PMID:39670070	研究论文	本文提出了一种基于深度特征堆叠和元学习的深度伪造检测方法	本文创新性地结合了Xception和EfficientNet-B7模型的特征，并通过元学习器（多层感知器）进行分类，显著提高了检测准确率	NA	解决深度伪造视频检测问题	深度伪造视频	计算机视觉	NA	深度学习	多层感知器	视频	Celeb-DF (V2) 数据集和 FaceForensics++ 数据集
137	2024-12-15	STEFF: Spatio-temporal EfficientNet for dynamic texture classification in outdoor scenes 2024-Feb-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e25360 PMID:39668860	研究论文	本文提出了一种新的时空方法STEFF，用于户外场景中的动态纹理分类	STEFF方法结合了运动和外观的表示能力，通过视频序列之间的差异和平均操作符进行动态纹理分类	NA	解决动态纹理分类中的空间和时间特性未知的问题	户外场景中的动态纹理	计算机视觉	NA	深度学习	EfficientNet	视频	三个数据集：Yupenn、DynTex++和Yupenn++
138	2024-12-15	Resource-Efficient Neural Network Architectures for Classifying Nerve Cuff Recordings on Implantable Devices 2024-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3312361 PMID:37672367	研究论文	本文探讨了在植入式设备上对神经袖带记录进行分类的资源高效神经网络架构	提出了三种神经网络架构（ESCAPE-NET、全卷积网络和循环神经网络）的变体，显著减少了权重、内存和浮点运算的需求，同时保持了较高的分类准确性	未提及具体的局限性	减少植入式设备实现中的资源利用，同时保持神经路径分类的性能	使用56通道袖带电极记录的鼠坐骨神经信号	机器学习	NA	卷积神经网络（CNN）、循环神经网络	卷积神经网络（CNN）、全卷积网络、循环神经网络	神经信号	使用先前收集的56通道袖带电极记录的鼠坐骨神经信号
139	2024-12-15	Temporal-Spatial Correlation Attention Network for Clinical Data Analysis in Intensive Care Unit 2024-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3309956 PMID:37647192	研究论文	本文介绍了一种时空相关注意力网络（TSCAN），用于解决重症监护病房中的多种临床特征预测问题	本文提出了TSCAN模型，利用注意力机制有效识别临床数据中的相关项目和时间相关节点，从而提高预测准确性	NA	利用深度学习技术解决重症监护病房中的临床特征预测问题	重症监护病房中的临床数据，包括死亡率预测、住院时间预测、生理衰退检测和表型分类	机器学习	NA	注意力机制	TSCAN	临床数据	使用了来自MIMIC-IV数据库的数据
140	2024-12-15	Learning Without Real Data Annotations to Detect Hepatic Lesions in PET Images 2024-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3315268 PMID:37708016	研究论文	本文提出了一种无需真实数据标注的深度学习方法，用于在PET图像中检测肝部病变	创新点在于设计了一种区域引导的生成对抗网络（RG-GAN），并结合数据增强模块，能够在没有真实病变标注的情况下进行肝部病变检测	NA	设计一种无需真实数据标注的深度学习方法，用于在PET图像中检测肝部病变	神经内分泌肿瘤（NETs）的肝部病变检测	计算机视觉	肝部病变	生成对抗网络（GAN）	区域引导生成对抗网络（RG-GAN）	图像	NA