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
141	2025-01-07	Deep Learning for Elucidating Modifications to RNA-Status and Challenges Ahead 2024-05-15, Genes IF:2.8Q2 DOI:10.3390/genes15050629 PMID:38790258	综述	本文综述了深度学习在RNA修饰和RNA结合蛋白研究中的应用，特别是mRNA-RBP结合问题	深度学习方法能够基于序列和二级结构等特征预测RNA修饰的存在与否，揭示了位点偏好的高度非线性序列模式和结构	文章未具体提及研究的局限性	探讨深度学习在RNA修饰和RNA结合蛋白研究中的应用，推动该领域的发展	RNA结合蛋白和RNA化学修饰	自然语言处理	NA	深度学习	NA	序列数据	NA
142	2025-01-07	Enhancing Classification Accuracy with Integrated Contextual Gate Network: Deep Learning Approach for Functional Near-Infrared Spectroscopy Brain-Computer Interface Application 2024-May-10, Sensors (Basel, Switzerland) DOI:10.3390/s24103040 PMID:38793895	研究论文	本研究提出了一种集成上下文门网络（ICGN）算法，用于提高功能性近红外光谱脑机接口（fNIRS-BCI）系统中的分类准确率	提出了一种新的ICGN算法，该算法能够从过滤后的数据中提取特征，并基于网络内前一个单元的信息生成模式，从而提高分类准确率	研究仅基于健康参与者的数据，未涉及患者数据，可能限制了算法的普适性	提高fNIRS-BCI系统中的分类准确率	健康参与者的手部抓握运动数据	脑机接口	NA	功能性近红外光谱（fNIRS）	集成上下文门网络（ICGN）、长短期记忆网络（LSTM）、双向长短期记忆网络（Bi-LSTM）	功能性近红外光谱数据	20名健康参与者的手部抓握运动数据和30名受试者的三类运动数据
143	2025-01-07	MedKnee: A New Deep Learning-Based Software for Automated Prediction of Radiographic Knee Osteoarthritis 2024-May-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14100993 PMID:38786291	研究论文	本文介绍了一种名为MedKnee的深度学习软件，用于自动化预测膝关节骨关节炎的X光影像	开发了新的深度学习软件MedKnee，用于辅助医生根据Kellgren和Lawrence (KL)评分诊断膝关节骨关节炎	在本地数据集上，MedKnee与风湿病学家的诊断一致率为74%，仍有提升空间	开发一种深度学习软件，辅助医生诊断膝关节骨关节炎	膝关节骨关节炎的X光影像	计算机视觉	骨关节炎	深度学习	Xception	图像	5000张膝关节X光影像，来自Osteoarthritis Initiative公共数据集
144	2025-01-07	Preoperative Molecular Subtype Classification Prediction of Ovarian Cancer Based on Multi-Parametric Magnetic Resonance Imaging Multi-Sequence Feature Fusion Network 2024-May-09, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050472 PMID:38790338	研究论文	本研究提出了一种基于多参数磁共振成像（mpMRI）数据融合的深度学习方法，旨在提高术前卵巢癌亚型分类的准确性	通过构建一个新的深度学习网络架构，整合多种序列特征，实现了对高级别浆液性癌和透明细胞癌的高精度预测	目前的研究主要集中在高级别浆液性癌和透明细胞癌的分类，未涵盖所有卵巢癌亚型	提高术前卵巢癌亚型分类的准确性	卵巢癌（OC）的不同亚型，特别是高级别浆液性癌和透明细胞癌	计算机视觉	卵巢癌	多参数磁共振成像（mpMRI）	深度学习网络架构	图像	未提及具体样本数量
145	2025-01-07	Human Activity Recognition Algorithm with Physiological and Inertial Signals Fusion: Photoplethysmography, Electrodermal Activity, and Accelerometry 2024-May-09, Sensors (Basel, Switzerland) DOI:10.3390/s24103005 PMID:38793858	研究论文	本研究探讨了通过融合生物信号和惯性信号来增强人类活动识别（HAR）模型的潜力	首次将光电容积描记图（BVP）和皮肤电活动（EDA）与加速度计数据融合，用于HAR分类	研究仅使用了手腕佩戴的传感器数据，未考虑其他身体部位的数据	提高人类活动识别的准确性	八种常见低、中、高强度活动	机器学习	NA	机器学习算法	随机森林（RF）、ResNet-18	加速度计（ACC）、血容量脉冲（BVP）、皮肤电活动（EDA）数据	NA
146	2025-01-07	Lightweight Low-Rank Adaptation Vision Transformer Framework for Cervical Cancer Detection and Cervix Type Classification 2024-May-08, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050468 PMID:38790335	研究论文	本文提出了一种结合低秩适应（LoRA）和视觉Transformer（ViT）模型的新型数字病理分类方法，用于宫颈癌检测和宫颈类型分类	使用LoRA技术，使得模型能够在较小数据集上有效训练，充分利用ViT表示视觉信息的能力，相比传统CNN模型（如ResNets）在性能和泛化能力上表现更优	NA	提高宫颈癌早期检测方法的效率和准确性，改善患者治疗效果	宫颈癌和宫颈类型	数字病理	宫颈癌	低秩适应（LoRA）	视觉Transformer（ViT）	图像	不同大小的数据集
147	2025-01-07	Electroencephalogram-Based ConvMixer Architecture for Recognizing Attention Deficit Hyperactivity Disorder in Children 2024-May-07, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci14050469 PMID:38790448	研究论文	本文提出了一种结合ConvMixer和高效通道注意力（ECA）模块的深度学习架构ConvMixer-ECA，用于通过脑电图（EEG）信号准确诊断儿童注意力缺陷多动障碍（ADHD）	ConvMixer-ECA架构结合了ConvMixer和ECA模块，显著提高了ADHD识别的准确性，并在实验中优于其他基于注意力的变体和现有的深度学习模型	样本量相对较小，仅包含121名儿童（60名健康儿童和61名ADHD儿童），可能影响模型的泛化能力	开发一种基于EEG信号的深度学习模型，用于儿童ADHD的早期诊断和干预	儿童（健康儿童和ADHD儿童）	机器学习	注意力缺陷多动障碍（ADHD）	脑电图（EEG）信号分析	ConvMixer-ECA	EEG信号	121名儿童（60名健康儿童和61名ADHD儿童）
148	2025-01-06	Scalable deep learning framework for sentiment analysis prediction for online movie reviews 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30756 PMID:38784532	研究论文	本文提出了一种用于在线电影评论情感分析预测的可扩展深度学习框架	提出了PEW-MCAB模型，结合了位置嵌入和预训练的Glove嵌入向量，以及多通道卷积神经网络和基于注意力的双向长短期记忆模型	未提及模型在处理多语言或跨文化情感分析时的表现	研究在线电影评论的情感分析预测	在线电影文本评论	自然语言处理	NA	深度学习	MCNN, AB模型	文本	使用了四个数据集：IMDB, MR (2002), MRC (2004), MR (2005)
149	2025-01-04	Semi-Supervised Learning for Multi-Label Cardiovascular Diseases Prediction: A Multi-Dataset Study 2024-05, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2023.3342828 PMID:38096090	研究论文	本文提出了一种多标签半监督模型ECGMatch，用于在有限监督下同时识别多种心血管疾病	提出了ECGAugment模块进行ECG数据增强，设计了超参数高效框架用于伪标签生成和优化，并提出了标签相关性对齐模块以捕捉不同心血管疾病的共现信息	模型在未见过的数据集上的性能仍需进一步验证	解决心电图（ECG）诊断系统中标签稀缺、多种心血管疾病共现及在未见数据集上表现不佳的问题	心血管疾病（CVDs）	机器学习	心血管疾病	深度学习	半监督学习模型（ECGMatch）	ECG数据	四个数据集
150	2025-01-04	A Dempster-Shafer Approach to Trustworthy AI With Application to Fetal Brain MRI Segmentation 2024-05, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2023.3346330 PMID:38198270	研究论文	本文提出了一种基于Dempster-Shafer理论的可信AI框架和实用系统，用于增强任何骨干AI系统，通过回退方法和故障安全机制来提高医学图像分割的鲁棒性	提出了一种新的可信AI理论框架和实用系统，结合Dempster-Shafer理论，自动丢弃违反专家知识的体素级标签，并使用回退方法处理这些体素	NA	提高医学图像分割的鲁棒性，确保AI模型在不同中心和病理情况下的可靠性	胎儿脑部MRI图像	医学图像处理	胎儿脑部异常	Dempster-Shafer理论	深度学习模型	3D T2w MRI图像	540个手动标注的胎儿脑部3D T2w MRI图像，来自13个中心
151	2024-12-21	A multi-instance tumor subtype classification method for small PET datasets using RA-DL attention module guided deep feature extraction with radiomics features 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108461 PMID:38626509	研究论文	本文提出了一种基于RA-DL注意力模块的多实例肿瘤亚型分类方法，用于小规模PET数据集，结合放射组学特征和深度特征进行肿瘤亚型分类	本文创新性地使用了RA-DL注意力机制来引导深度网络提取互补的深度特征，增强了最终特征的表达能力并减少了冗余	本文未提及具体的局限性	实现小规模PET数据集上的肿瘤亚型精确分类	肝癌、肺癌和淋巴瘤的肿瘤亚型	计算机视觉	肺癌	RA-DL注意力机制	支持向量机（SVM）	图像	三个PET数据集，包括肝癌数据集、肺癌数据集和淋巴瘤数据集
152	2024-12-21	Prediction of drug-target binding affinity based on deep learning models 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108435 PMID:38608327	综述	本文综述了基于深度学习模型的药物-靶点结合亲和力预测的研究进展	本文介绍了深度学习技术在药物发现中的新机遇，特别是通过药物-靶点结合亲和力预测的应用	本文未详细讨论现有深度学习模型在实际药物发现中的具体应用限制	探讨深度学习技术在药物-靶点结合亲和力预测中的应用及其在药物发现领域的机遇与挑战	药物-靶点结合亲和力预测	机器学习	NA	深度学习	卷积神经网络（CNN）、图卷积神经网络（GCN）、循环神经网络（RNN）、强化学习（RL）	数据集	NA
153	2024-12-21	Noise-Generating and Imaging Mechanism Inspired Implicit Regularization Learning Network for Low Dose CT Reconstrution 2024-05, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3347258 PMID:38145543	研究论文	本文提出了一种基于噪声生成和成像机制的全域隐式正则化学习网络，用于低剂量CT重建	该方法考虑了投影数据中固有噪声的统计特性以及正弦图和图像域的先验信息，并通过深度网络隐式学习正弦图和图像的正则化器，提供了一种更具解释性和有效性的重建过程	NA	提高低剂量CT重建的性能	低剂量CT图像重建	计算机视觉	NA	深度学习	深度神经网络	图像	NA
154	2024-12-21	Unsupervised Fusion of Misaligned PAT and MRI Images via Mutually Reinforcing Cross-Modality Image Generation and Registration 2024-05, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3347511 PMID:38147426	研究论文	提出了一种无监督的多阶段深度学习框架PAMRFuse，用于未对齐的PAT和MRI图像融合	首次尝试对未对齐的PAT和MRI图像进行信息融合，采用端到端的相互增强模式，实现跨模态图像生成和配准的联合优化	未提及具体的局限性	解决未对齐的PAT和MRI图像融合的挑战	PAT和MRI图像的融合	计算机视觉	NA	深度学习	自注意力融合网络	图像	小动物的PAT和MRI图像，来自商业成像系统
155	2024-12-21	Semi-Supervised Thyroid Nodule Detection in Ultrasound Videos 2024-05, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3348949 PMID:38163305	研究论文	本文提出了一种基于超声视频的半监督甲状腺结节检测框架	创新点在于构建了相邻帧引导的检测骨干网络，并提出了伪标签适应策略以减少标注工作量	NA	旨在开发一种能够有效利用空间和时间信息进行甲状腺结节检测的方法	甲状腺结节在超声视频中的检测	计算机视觉	甲状腺疾病	深度学习	CNN	视频	996个横切面视图和1088个纵切面视图的超声视频
156	2024-12-21	High-Frequency Space Diffusion Model for Accelerated MRI 2024-05, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3351702 PMID:38194398	研究论文	本文提出了一种新的高频空间扩散模型（HFS-SDE），用于加速磁共振成像（MRI）重建	该模型专门针对高频空间进行扩散过程，确保低频区域的全采样确定性，并加速反向扩散的采样过程	NA	解决现有扩散模型在快速MRI成像中重建低频区域的不确定性和收敛时间长的问题	磁共振成像（MRI）重建	计算机视觉	NA	扩散模型	SDE	图像	使用公开的fastMRI数据集进行实验
157	2024-12-21	Encoding Enhanced Complex CNN for Accurate and Highly Accelerated MRI 2024-05, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3351211 PMID:38194397	研究论文	本文提出了一种编码增强的复杂卷积神经网络（EN2 complex CNN），用于高度欠采样的肺部MRI重建	该方法通过沿频率或相位编码方向进行卷积，模拟k空间采样机制，最大化利用k空间的编码相关性和完整性，并采用复杂卷积从复杂k空间数据中学习丰富的表示	NA	加速MRI成像并提高图像重建质量	肺部MRI图像	计算机视觉	NA	卷积神经网络（CNN）	复杂卷积神经网络（complex CNN）	图像	超极化129Xe和1H肺部MRI数据，6倍欠采样
158	2024-12-21	LIT-Former: Linking In-Plane and Through-Plane Transformers for Simultaneous CT Image Denoising and Deblurring 2024-05, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3351723 PMID:38194396	研究论文	本文研究了3D低剂量计算机断层扫描（CT）成像，提出了一种名为LIT-Former的模型，用于同时进行平面内去噪和平面外去模糊	LIT-Former通过链接平面内和平面外Transformer，结合了卷积网络和Transformer网络的优势，设计了高效的多头自注意力模块（eMSM）和高效卷积前馈网络（eCFN）	NA	开发一种能够同时进行平面内去噪和平面外去模糊的模型，以提高3D CT图像的质量	3D低剂量CT图像	计算机视觉	NA	Transformer网络	Transformer	图像	模拟和临床数据集
159	2024-12-21	Deep Omni-Supervised Learning for Rib Fracture Detection From Chest Radiology Images 2024-05, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3353248 PMID:38215335	研究论文	本文提出了一种新的全监督目标检测网络ORF-Netv2，用于肋骨骨折检测，通过利用各种形式的标注数据来提高检测性能	提出了一个统一的全监督框架，能够利用全标注、弱标注和无标注数据进行训练，并引入了多分支全监督检测头和基于协同训练的动态标签分配策略	NA	开发一种标签高效的目标检测模型，减轻放射科医生的标注负担	肋骨骨折检测	计算机视觉	NA	深度学习	目标检测网络	图像	三个肋骨骨折数据集，包括胸部CT和X光图像
160	2024-12-21	COSST: Multi-Organ Segmentation With Partially Labeled Datasets Using Comprehensive Supervisions and Self-Training 2024-05, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3354673 PMID:38224508	研究论文	本文提出了一种名为COSST的两阶段框架，用于在部分标注的多器官分割数据集上进行统一模型的训练	提出了一个新颖的两阶段框架COSST，结合了全面的监督信号和自训练方法，并通过潜在空间中的异常检测来评估伪标签的可靠性	未提及具体的局限性	研究如何在部分标注的医学图像数据集上学习统一的模型，以充分利用这些数据集的协同潜力	多器官分割任务	计算机视觉	NA	自训练	NA	图像	12个CT数据集，包括一个公开数据集和三个私有数据集