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
1	2024-12-22	Model Agnostic Semi-Supervised Meta-Learning Elucidates Understudied Out-of-distribution Molecular Interactions 2024-Mar-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.17.541172 PMID:37292680	研究论文	本文开发了一种半监督元学习框架MMAPLE，用于解决数据分布偏移和标签数据稀缺的问题，并在多个应用中展示了其有效性	提出了MMAPLE框架，通过有效利用分布外的未标记数据，在迁移学习失败时仍能取得显著的预测效果	NA	解决生物学问题中由于实验限制和人类偏见导致的未充分研究问题，特别是在数据分布偏移和标签数据稀缺的情况下	分布外的药物-靶点相互作用、隐藏的人类代谢物-酶相互作用以及未充分研究的微生物组代谢物-人类受体相互作用	机器学习	NA	半监督元学习	MMAPLE	分子相互作用数据	NA
2	2024-12-20	DDParcel: Deep Learning Anatomical Brain Parcellation From Diffusion MRI 2024-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3331691 PMID:37943635	研究论文	本文介绍了一种名为DDParcel的深度学习方法，用于直接从扩散MRI数据中快速准确地进行大脑解剖区域的划分	DDParcel通过多层次融合网络直接从dMRI数据中进行大脑解剖区域的划分，无需依赖解剖MRI数据，提高了测试重测的可重复性和区域同质性	NA	开发一种新的深度学习方法，用于从扩散MRI数据中直接进行大脑解剖区域的划分	大脑的解剖区域划分	计算机视觉	NA	扩散MRI	多层次融合网络	图像	使用了Human Connectome Project的高质量数据进行训练，并在多种人群和dMRI采集协议上进行了验证
3	2024-12-20	A Transformer-Based Knowledge Distillation Network for Cortical Cataract Grading 2024-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3327274 PMID:37874703	研究论文	本文提出了一种基于Transformer的知识蒸馏网络TKD-Net，用于皮质性白内障分级	创新点包括设计了区域分解策略提取更精细的特征，引入特殊子评分考虑临床皮质混浊评估的关键因素，并开发了多模态混合注意力Transformer有效融合子评分和图像模态，同时设计了基于Transformer的知识蒸馏方法解决模态缺失和不确定数据问题	获取子评分模态在临床上是一个挑战，可能导致模态缺失问题	开发一种新的方法用于自动皮质性白内障分级	皮质性白内障的自动分级	计算机视觉	眼科疾病	Transformer	Transformer	图像	使用了由LOCS III分级系统标注的常用裂隙灯图像数据集
4	2024-12-20	Probabilistic Brain Extraction in MR Images via Conditional Generative Adversarial Networks 2024-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3327942 PMID:37883281	研究论文	本文提出了一种基于条件生成对抗网络（cGAN）的概率性脑提取算法，用于在MR图像中分割脑部区域	本文的创新点在于将脑提取任务重新定义为贝叶斯推理问题，并利用cGAN来解决这一问题，从而考虑了脑提取中的固有不确定性	NA	开发一种更准确和鲁棒的脑提取算法，并量化脑提取中的不确定性	MR图像中的脑部区域	计算机视觉	NA	条件生成对抗网络（cGAN）	cGAN	图像	来自五个数据集（NFBS、CC359、LPBA、IBSR及其组合）的头MR图像
5	2024-12-20	Learning Spatio-Temporal Model of Disease Progression With NeuralODEs From Longitudinal Volumetric Data 2024-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3330576 PMID:37934647	研究论文	本文开发了一种深度学习方法，通过处理单个医学扫描来模拟年龄相关疾病的进展，并提供未来时间点的目标解剖结构分割	本文利用NeuralODEs解决大规模时间像素级变化建模问题，并引入时间Dice损失来学习时间目标	NA	开发一种能够预测年龄相关疾病未来解剖变化的深度学习方法	年龄相关疾病的地理萎缩和阿尔茨海默病的脑室变化	机器学习	老年病	NeuralODEs	NeuralODEs	图像	967个视网膜OCT体积数据（100名地理萎缩患者）和2823个脑MRI体积数据（633名阿尔茨海默病患者）
6	2024-12-20	Moving Beyond Simulation: Data-Driven Quantitative Photoacoustic Imaging Using Tissue-Mimicking Phantoms 2024-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3331198 PMID:37938947	研究论文	本文介绍了一种使用组织模拟幻影数据进行数据驱动的定量光声成像方法	首次引入实验上经过良好表征的成像幻影及其数字双胞胎，通过在实验数据上训练U-Net模型，实现了对吸收系数的像素级估计	绝对定量误差仍然较高，需要进一步改进	旨在通过数据驱动的深度学习方法，克服光声成像中模拟与实验之间的领域差距，实现对光学吸收系数的准确测量	组织模拟幻影数据及其数字双胞胎，以及小鼠模型	计算机视觉	NA	光声成像	U-Net	图像	实验上经过良好表征的成像幻影数据集
7	2024-12-19	CRMEFNet: A coupled refinement, multiscale exploration and fusion network for medical image segmentation 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108202 PMID:38402839	研究论文	本文提出了一种名为CRMEFNet的耦合优化、多尺度探索和融合网络，用于医学图像分割	CRMEFNet包含三个主要创新：耦合优化模块（CRM）、多尺度探索和融合模块（MEFM）以及级联渐进解码器（CPD），通过优化和融合多尺度特征来解决现有方法在多层次特征表示和复杂纹理像素识别方面的局限性	NA	提高医学图像分割任务的准确性，特别是在病变区域的分割上	医学图像中的目标区域，如病变	计算机视觉	NA	深度学习	CNN	图像	五个医学图像分割任务，十个数据集
8	2024-12-19	U-PASS: An uncertainty-guided deep learning pipeline for automated sleep staging 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108205 PMID:38401452	研究论文	本文介绍了一种名为U-PASS的不确定性引导深度学习管道，用于自动睡眠分期，并展示了其在临床数据上的显著性能提升	U-PASS在每个阶段都集成了不确定性估计，通过优化训练数据集、寻求领域专家反馈以及将最不确定的样本交由专家处理，显著提高了模型的准确性	NA	开发一种能够有效估计不确定性并提高机器学习系统在临床应用中可靠性的方法	睡眠分期任务，特别是老年睡眠呼吸暂停患者的睡眠数据	机器学习	NA	深度学习	NA	睡眠数据	老年睡眠呼吸暂停患者的临床数据
9	2024-12-19	Weakly supervised learning for multi-class medical image segmentation via feature decomposition 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108228 PMID:38422964	研究论文	本文提出了一种基于特征分解的弱监督学习方法，用于多类别医学图像分割	本文的创新点在于提出了一种基于语义亲和力的特征分解模块，通过最大化类间特征距离来学习类无关和类相关的特征，并结合交叉引导损失和互斥损失来解决标签共生和位置邻接问题	本文的局限性在于实验仅在三个数据集上进行了验证，未来需要更多数据集和实际应用场景的验证	本文的研究目的是解决多类别医学图像分割中的弱监督学习问题	本文的研究对象是多类别医学图像的分割	计算机视觉	NA	弱监督学习	多层次分类网络	图像	三个数据集
10	2024-12-19	Neighborhood evaluator for efficient super-resolution reconstruction of 2D medical images 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108212 PMID:38422967	研究论文	本文提出了一种高效的邻域评估器，用于在任意分辨率下重建2D医学图像的超分辨率	本文提出了一种新的超分辨率策略，通过邻域评估器控制网络深度，显著减少了参数数量和计算工作量，并在多个尺度上实现了高效的重建	NA	开发一种高效的超分辨率算法，满足医学图像在任意分辨率和高效率应用中的需求	2D医学图像的超分辨率重建	计算机视觉	NA	深度学习	邻域评估器	图像	全景放射图像和两个外部公共数据集
11	2024-12-19	LumVertCancNet: A novel 3D lumbar vertebral body cancellous bone location and segmentation method based on hybrid Swin-transformer 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108237 PMID:38422966	研究论文	提出了一种基于混合Swin-transformer的新型3D腰椎椎体松质骨定位与分割方法	提出了一个两阶段的粗到细解决方案，结合了Swin-transformer和CNN的优势，并引入了新的LumAnatomy损失函数和多尺度注意力特征融合模块（MSA-FFM）	需要大量的标注数据，且算法复杂度较高	解决腰椎椎体松质骨的自动定位与分割问题，以辅助医学诊断和骨强度的人群分析	腰椎椎体松质骨的定位与分割	计算机视觉	NA	Swin-transformer, CNN	混合模型	图像	185个CT扫描数据
12	2024-12-19	Unsupervised domain adaptation for histopathology image segmentation with incomplete labels 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108226 PMID:38428096	研究论文	本文提出了一种基于不完全标签的无监督域适应方法，用于组织病理学图像分割	本文提出了一种新的场景，即基于不完全标签的无监督域适应分割任务，并设计了SASN-IL网络，通过自适应染色调制模块提高模型在目标域上的分割性能	本文仅在一个胃癌数据集上进行了验证，未来需要在更多不同类型的数据集上进行测试	提高深度学习算法在组织病理学图像分割中的泛化能力	组织病理学图像的分割	数字病理学	胃癌	无监督域适应	SASN-IL	图像	一个胃癌数据集
13	2024-12-19	ECPC-IDS: A benchmark endometrial cancer PET/CT image dataset for evaluation of semantic segmentation and detection of hypermetabolic regions 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108217 PMID:38430743	研究论文	本文发布了一个公开的子宫内膜癌PET/CT图像数据集ECPC-IDS，用于评估语义分割和检测高代谢区域	首次公开了一个包含大量多模态图像的子宫内膜癌数据集，为计算机辅助诊断提供了新的研究资源	NA	发布一个公开的子宫内膜癌PET/CT图像数据集，以促进计算机辅助诊断技术的发展	子宫内膜癌的PET/CT图像	计算机视觉	子宫内膜癌	深度学习	语义分割和目标检测模型	图像	分割部分包含7159张PET和CT图像，目标检测部分包含3579张PET和CT图像及XML标注文件
14	2024-12-19	scAuto as a comprehensive framework for single-cell chromatin accessibility data analysis 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108230 PMID:38442554	研究论文	本文开发了一个名为scAuto的预训练深度学习框架，用于单细胞染色质可及性数据的分析，并提供了一个用户友好的在线分析工具	scAuto通过预训练和微调的方法，学习DNA序列的通用语法，并将其应用于单细胞染色质可及性分析任务，提供了一个全面的分析框架和交互式网络服务器	NA	开发一个全面的单细胞染色质可及性数据分析框架，并提供用户友好的在线分析工具	单细胞染色质可及性数据	机器学习	NA	深度学习	Transformer	文本	Buenrostro2018数据集
15	2024-12-19	CODENET: A deep learning model for COVID-19 detection 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108229 PMID:38447500	研究论文	本文提出了一种基于深度学习的新模型CODENET，用于通过胸部X光片进行COVID-19的自动诊断	该研究引入了对比学习技术，以充分利用潜在图像数据，增强模型在不同数据域中的特征提取能力和泛化能力	NA	开发一种准确且实用的自动诊断框架，用于COVID-19的检测，并提供良好的可解释性	COVID-19的自动诊断	计算机视觉	COVID-19	对比学习	CNN	图像	NA
16	2024-12-18	A multitask approach for automated detection and segmentation of thyroid nodules in ultrasound images 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107974 PMID:38244471	研究论文	本文提出了一种多任务方法，用于在超声图像中自动检测和分割甲状腺结节	该方法通过结合异常检测模块与UNet架构变体，实现了对可疑图像的检测和潜在结节的分割，提高了检测和分割的准确性	本文未详细讨论该方法在不同设备和操作人员之间的泛化能力	开发一种自动化的多任务方法，以提高甲状腺结节在超声图像中的检测和分割效率	甲状腺结节在超声图像中的检测和分割	计算机视觉	甲状腺癌	深度学习	UNet	图像	280名患者，共9888张图像
17	2024-12-18	Artificial intelligence image-based prediction models in IBD exhibit high risk of bias: A systematic review 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108093 PMID:38354499	综述	本文系统回顾了基于人工智能的炎症性肠病（IBD）图像预测模型的方法学质量和偏倚风险	本文首次系统评估了基于人工智能的IBD图像预测模型的偏倚风险	本文仅限于使用常规影像数据的英文发表研究，未涵盖所有可能的数据来源和语言	评估机器学习和深度学习在IBD图像预测研究中的方法学质量和偏倚风险	基于人工智能的IBD图像预测模型	机器学习	炎症性肠病	NA	机器学习模型和深度学习模型	图像	40项研究，其中39项开发了诊断模型，7项使用机器学习方法，33项使用深度学习方法
18	2024-12-18	Identification of autism spectrum disorder based on electroencephalography: A systematic review 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108075 PMID:38301514	综述	本文系统回顾了基于脑电图（EEG）的孤独症谱系障碍（ASD）识别方法，包括传统机器学习和深度学习技术	本文综合了基于EEG的ASD识别方法，并探讨了传统机器学习和深度学习技术的优缺点	本文未提供新的研究数据或方法，而是对现有研究进行了综述	旨在促进基于EEG信号的自动化ASD识别方法的发展	孤独症谱系障碍（ASD）儿童的脑电图数据	机器学习	孤独症谱系障碍	脑电图（EEG）	传统机器学习方法和深度学习方法	脑电图数据	NA
19	2024-12-18	TBACkp: HER2 expression status classification network focusing on intrinsic subenvironmental characteristics of breast cancer liver metastases 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108002 PMID:38277921	研究论文	本文提出了一种基于AI的诊断模型TBACkp，用于快速诊断乳腺癌肝转移患者的HER2表达状态	该模型采用并行结构，包含Branch Block和Trunk Block，结合了CNN和自注意力机制，能够更细致和全面地提取图像特征	NA	开发一种非侵入性方法，用于快速诊断乳腺癌肝转移患者的HER2表达状态	乳腺癌肝转移患者的HER2表达状态	计算机视觉	乳腺癌	NA	CNN	图像	151名乳腺癌肝转移患者的增强腹部CT图像
20	2024-12-18	CLCLSA: Cross-omics linked embedding with contrastive learning and self attention for integration with incomplete multi-omics data 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108058 PMID:38295477	研究论文	本文提出了一种名为CLCLSA的深度学习方法，用于整合不完整的多组学数据	该方法结合了对比学习和自注意力机制，通过跨组学的统一嵌入来处理不完整的多组学数据	实验仅在四个公开的多组学数据集上进行，可能需要更多数据集验证其泛化能力	开发一种能够有效整合不完整多组学数据的方法，以更好地理解复杂遗传疾病的病因	多组学数据，包括但不限于基因组学、转录组学、蛋白质组学等	机器学习	NA	对比学习，自注意力机制	自编码器，Softmax分类器	多组学数据	四个公开的多组学数据集