深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
241	2024-12-20	Applying image features of proximal paracancerous tissues in predicting prognosis of patients with hepatocellular carcinoma 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108365 PMID:38537563	研究论文	本研究探讨了近端癌旁组织图像特征在预测肝细胞癌患者预后和肿瘤复发中的作用	首次将癌旁组织微环境的图像特征纳入肝细胞癌预后预测模型，并发现与免疫细胞浸润和纤维化反应相关的特征是最重要的预测因素	样本量相对较小，且仅限于两个数据集，未来需要更大规模的研究验证	探讨癌旁组织微环境图像特征在肝细胞癌预后预测中的作用	肝细胞癌患者的预后和肿瘤复发	数字病理学	肝细胞癌	深度学习	Lasso Cox生存模型	图像	146名肝细胞癌患者（SYSM数据集）和225名肝细胞癌患者（TCGA-LIHC数据集）	NA	NA	NA	NA
242	2024-12-20	FLP: Factor lattice pattern-based automated detection of Parkinson's disease and specific language impairment using recorded speech 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108280 PMID:38547655	研究论文	本文提出了一种基于因子晶格模式（FLP）的特征工程模型，用于自动检测帕金森病（PD）和特定语言障碍（SLI），通过分析录音的语音信号	本文创新性地引入了一种量子启发式的因子晶格模式（FLP）特征提取方法，并开发了一种自组织特征工程模型，能够动态选择最优特征模式	本文未详细讨论模型的计算复杂度和实际应用中的可扩展性	开发一种准确且计算轻量级的模型，用于通过语音信号检测帕金森病和特定语言障碍	帕金森病（PD）和特定语言障碍（SLI）患者的语音信号	机器学习	神经退行性疾病	因子晶格模式（FLP）特征提取	支持向量机（SVM）和k近邻（k-NN）	语音信号	三个包含帕金森病和特定语言障碍患者的语音数据集	NA	NA	NA	NA
243	2024-12-20	Global attention based GNN with Bayesian collaborative learning for glomerular lesion recognition 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108369 PMID:38552283	研究论文	本文提出了一种基于全局注意力机制的图神经网络（GNN），结合贝叶斯协同学习（BCL）用于肾小球病变识别	创新点包括使用全局注意力池化（GAP）提取高层次语义特征，结合贝叶斯协同学习增强节点特征的微调和融合，并引入软分类头以缓解纯硬分类带来的语义模糊问题	NA	开发一种高效且准确的模型用于肾小球病变识别，并推广到其他病理图像分类任务	肾小球病变图像	数字病理学	肾脏疾病	图神经网络（GNN）	GNN	图像	491张全切片图像（WSIs）和9030张图像	NA	NA	NA	NA
244	2024-12-20	Image-based profiling and deep learning reveal morphological heterogeneity of colorectal cancer organoids 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108322 PMID:38554658	研究论文	本文通过基于图像的分析和深度学习揭示了结直肠癌类器官的形态异质性	本文首次通过图像分析和深度学习模型识别了结直肠癌类器官的两种形态亚型，并验证了这些亚型与功能参数的相关性，提出了一种基于生成模型的凋亡强度预测方法	本文主要基于图像分析和单细胞RNA测序，未涉及其他类型的实验验证	研究结直肠癌类器官的形态异质性及其与功能参数的关系	结直肠癌类器官的形态亚型及其与存活率和凋亡水平的关系	数字病理学	结直肠癌	图像分析、单细胞RNA测序	生成模型、目标检测神经网络	图像	31360张明场图像和17000多张匹配的荧光图像	NA	NA	NA	NA
245	2024-12-20	Dual-Channel in Spatial-Frequency Domain CycleGAN for perceptual enhancement of transcranial cortical vascular structure and function 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108377 PMID:38569233	研究论文	本文提出了一种名为空间-频域双通道CycleGAN（SF-CycleGAN）的无监督深度学习方法，用于增强经颅皮质血管结构和功能的感知质量	SF-CycleGAN能够在不进行开颅手术的情况下，非侵入性地提高激光散斑对比成像（LSCI）的信噪比，并实现对小皮质血管的功能观察	NA	开发一种无监督深度学习方法，以提高经颅皮质血管结构和功能的感知质量	经颅皮质血管结构和功能	计算机视觉	NA	激光散斑对比成像（LSCI）	CycleGAN	图像	NA	NA	NA	NA	NA
246	2024-12-20	Robust deep learning from incomplete annotation for accurate lung nodule detection 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108361 PMID:38569236	研究论文	本文探讨了在不完全标注的数据集上进行肺结节检测，并提出了FULFIL算法，通过图卷积网络和教师-学生框架实现自适应标注和学习	提出了FULFIL算法，利用图卷积网络发现标注与未标注结节之间的关系，并通过教师-学生框架进行自适应学习，设计了双视角损失函数以增强模型的鲁棒性和泛化能力	实验仅使用了LUNA数据集，且仅使用了10%的实例级标注，可能限制了算法的普适性和性能	探索在不完全标注的数据集上进行肺结节检测，并提出一种新的算法以降低标注成本并提高检测性能	肺结节检测	计算机视觉	肺癌	图卷积网络	图卷积网络	图像	使用了LUNA数据集，仅使用了10%的实例级标注	NA	NA	NA	NA
247	2024-12-20	LRFNet: A real-time medical image fusion method guided by detail information 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108381 PMID:38569237	研究论文	本文提出了一种名为LRFNet的实时多模态医学图像融合方法，通过轻量级残差融合网络提升图像融合的效率和细节保留	设计了三分支特征提取框架和轻量级残差单元，提出基于小波变换高频图像信息自适应加权的损失函数策略	未提及具体局限性	提升多模态医学图像融合的效率和细节保留	MRI和功能图像的多模态医学图像融合	计算机视觉	NA	小波变换	轻量级残差融合网络	图像	未提及具体样本数量	NA	NA	NA	NA
248	2024-12-20	SG-Transunet: A segmentation-guided Transformer U-Net model for KRAS gene mutation status identification in colorectal cancer 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108293 PMID:38574528	研究论文	本文提出了一种名为SG-Transunet的分割引导Transformer U-Net模型，用于结直肠癌中KRAS基因突变状态的识别	本文的创新点在于结合了卷积神经网络和Transformer的优势，设计了频率域补充块和聚合注意力模块，以增强空间-频率域特征的判别能力，并引入了相互约束的损失函数	本文的局限性在于使用了小规模数据集，可能存在过拟合风险	本文的研究目的是提高结直肠癌中KRAS基因突变状态识别的准确性	本文的研究对象是结直肠癌患者的KRAS基因突变状态	计算机视觉	结直肠癌	卷积神经网络（CNN）、Transformer	SG-Transunet	图像	小规模数据集	NA	NA	NA	NA
249	2024-12-20	Prediction of protein N-terminal acetylation modification sites based on CNN-BiLSTM-attention model 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108330 PMID:38588617	研究论文	本文提出了一种基于CNN-BiLSTM-attention模型的蛋白质N端乙酰化修饰位点预测方法	本文创新性地结合了卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）和注意力机制，构建了一个深度学习模型DeepCBA，用于预测蛋白质N端乙酰化修饰位点	NA	准确识别蛋白质N端乙酰化修饰位点，以深入了解细胞过程和其他可能的功能机制	蛋白质N端乙酰化修饰位点	机器学习	NA	卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）、注意力机制	CNN-BiLSTM-attention	蛋白质序列	从Uniport数据库中选择低冗余蛋白质序列，并通过CD-HIT工具进一步减少冗余	NA	NA	NA	NA
250	2024-12-20	A feature-enhanced network for stroke lesion segmentation from brain MRI images 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108326 PMID:38599066	研究论文	提出了一种用于脑MRI图像中卒中病变分割的特征增强网络FRPNet	引入了双注意力门（TAG）和多维度注意力池化（MAP）模块，分别用于提取病变的全局和局部特征，并减少编码过程中特征的损失	当前深度学习方法在注意力结构和下采样过程中存在局限性	提高卒中病变分割的准确性和速度，以辅助医生进行准确的诊断和及时的治疗	脑MRI图像中的卒中病变	计算机视觉	卒中	深度学习	FRPNet	图像	两个包含所有卒中阶段和多个序列卒中图像的缺血性卒中数据集	NA	NA	NA	NA
251	2024-08-07	Author Correction: Optimized model architectures for deep learning on genomic data 2024-May-23, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06318-y PMID:38783006	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
252	2024-12-18	Frequency Domain Channel-Wise Attack to CNN Classifiers in Motor Imagery Brain-Computer Interfaces 2024-05, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3344295 PMID:38113159	研究论文	本文提出了一种基于频域的通道级攻击方法，用于攻击运动想象脑机接口中的卷积神经网络分类器	本文的创新点在于提出了一种基于频域扰动的攻击方法，而不是传统的时域扰动方法，并且该方法在黑盒场景下不需要详细的模型知识	NA	研究如何评估和攻击运动想象脑机接口中的卷积神经网络模型的脆弱性	运动想象脑机接口中的卷积神经网络分类器	机器学习	NA	卷积神经网络	卷积神经网络	脑电信号	四个公开的运动想象数据集	NA	NA	NA	NA
253	2024-12-18	A Human-Centered AI Framework for Efficient Labelling of ECGs From Drug Safety Trials 2024-05, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3348329 PMID:38157467	研究论文	本文提出了一种以人为中心的人工智能框架，用于高效标记药物安全试验中的心电图（ECG）数据	该框架结合了深度学习（DL）技术与人类专家知识，通过自动化测量与专家验证相结合的方式，显著减少了ECG标记的工作量，同时保持了高准确性	本文未详细讨论该框架在不同类型ECG数据上的泛化能力，以及在更大规模数据集上的表现	旨在提高药物安全试验中心电图标记的效率和准确性	药物安全试验中的心电图数据，特别是QT间期的测量	机器学习	NA	深度学习（DL）	NA	心电图（ECG）数据	3个药物安全试验的数据，每个试验中仅10%的数据需要专家审查	NA	NA	NA	NA
254	2024-12-17	The utility of artificial intelligence in identifying radiological evidence of lung cancer and pulmonary tuberculosis in a high-burden tuberculosis setting 2024-05-31, South African medical journal = Suid-Afrikaanse tydskrif vir geneeskunde DOI:10.7196/SAMJ.2024.v114i6.1846 PMID:39041503	研究论文	评估qXR软件在识别高负担结核病环境中肺部影像中肺癌和肺结核的效用	利用人工智能（AI）和深度学习（DL）系统检测肺部疾病的影像学变化，特别是在资源有限的医疗系统中	研究样本量有限，且仅在一家三级医疗机构进行	评估qXR软件在检测肺部影像中肺癌或肺结核的效用	382张胸部X光片，包括127张肺癌、144张肺结核和111张正常影像	计算机视觉	肺结核	深度学习（DL）	NA	影像	382张胸部X光片	NA	NA	NA	NA
255	2024-12-17	Deep learning for cross-region streamflow and flood forecasting at a global scale 2024-May-06, Innovation (Cambridge (Mass.)) DOI:10.1016/j.xinn.2024.100617 PMID:39677966	研究论文	本文提出了一种名为编码器-解码器双层长短期记忆网络（ED-DLSTM）的混合深度学习模型，用于全球范围内的跨区域径流和洪水预报	本文的创新点在于提出了ED-DLSTM模型，该模型结合了深度学习和传统水文模型的优点，能够有效处理全球范围内（包括有测站和无测站）的流域径流预报问题，并通过空间属性编码模块增强了模型的跨区域能力	本文的局限性在于未详细讨论模型的计算复杂度和实际应用中的计算资源需求	研究目的是解决全球范围内径流和洪水预报的挑战，特别是在无测站流域中的应用	研究对象包括全球范围内的2000多个有测站流域和160个无测站流域	机器学习	NA	深度学习	编码器-解码器双层长短期记忆网络（ED-DLSTM）	历史数据	超过2000个有测站流域和160个无测站流域	NA	NA	NA	NA
256	2024-12-16	A generalization performance study on the boosting radiotherapy dose calculation engine based on super-resolution 2024-May, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2022.10.006 PMID:36631314	研究论文	本研究开发了一种基于超分辨率的深度学习模型，用于在临床实践中快速准确地预测剂量分布	提出了多阶段剂量超分辨率网络（MDSR Net）架构，结合稀疏掩模模块和多阶段渐进剂量分布恢复方法，显著提高了剂量预测的准确性和泛化能力	未提及具体的局限性	开发一种高效准确的剂量计算方法，以促进在线自适应放射治疗技术（OLART）的广泛应用	不同疾病部位的VMAT计划中的剂量分布	机器学习	NA	深度学习	多阶段剂量超分辨率网络（MDSR Net）	图像	340个VMAT计划，其中240个用于模型训练，60个用于模型基准测试，40个用于模型泛化评估	NA	NA	NA	NA
257	2024-12-15	A bi-directional segmentation method for prostate ultrasound images under semantic constraints 2024-05-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61238-5 PMID:38778034	研究论文	本文提出了一种基于语义约束的双向分割方法，用于前列腺超声图像的分割	本文提出的BiSeC模型在前列腺超声图像分割中表现优异，Dice相似系数达到96.74%，交并比达到93.71%	NA	解决前列腺经直肠超声图像分割中的挑战	前列腺经直肠超声图像	计算机视觉	前列腺癌	深度学习	BiSeC模型	图像	NA	NA	NA	NA	NA
258	2024-12-15	Adaptive temporal compression for reduction of computational complexity in human behavior recognition 2024-05-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61286-x PMID:38720020	研究论文	本文提出了一种自适应时间压缩（ATC）模块，用于减少人类行为识别中的计算复杂度	提出了自适应时间压缩（ATC）模块，通过消除视频数据中的冗余帧来实现数据压缩，从而减少GPU计算负载和时间复杂度	未提及具体的技术局限性	解决三维卷积在人类行为识别中带来的参数数量增加、时间复杂度增加以及对GPU依赖性强的问题	人类行为识别中的计算复杂度问题	计算机视觉	NA	三维卷积	三维卷积神经网络	视频	未提及具体样本数量	NA	NA	NA	NA
259	2024-12-14	Systematic Review of Emotion Detection with Computer Vision and Deep Learning 2024-May-28, Sensors (Basel, Switzerland) DOI:10.3390/s24113484 PMID:38894274	综述	本文对使用深度学习和计算机视觉进行面部和姿态情绪识别的研究进行了系统性综述	提出了一个分类法，描述了用于情绪检测的表情类型、测试环境、当前相关的深度学习方法以及使用的数据集	未明确分类混合和增强模型	对使用深度学习方法和计算机视觉进行面部和姿态情绪识别的研究进行系统性综述	面部和姿态情绪识别	计算机视觉	NA	深度学习	卷积神经网络（CNN）、区域卷积神经网络（R-CNN）、视觉变换器（ViT）、其他神经网络（NNs）	图像	分析了77篇来自不同来源的论文	NA	NA	NA	NA
260	2024-12-13	Geometry-Complete Diffusion for 3D Molecule Generation and Optimization 2024-May-24, ArXiv PMID:36798459	研究论文	本文提出了一种名为Geometry-Complete Diffusion Model (GCDM)的3D分子生成和优化模型	GCDM在生成和优化3D分子方面显著优于现有的3D分子扩散模型，能够生成更大比例的有效且能量稳定的大分子	NA	解决现有3D分子生成方法无法学习重要几何特性的问题	3D分子的生成和优化	机器学习	NA	等变图神经网络 (GNNs)，去噪扩散框架	Geometry-Complete Diffusion Model (GCDM)	3D分子数据	QM9数据集和GEOM-Drugs数据集	NA	NA	NA	NA