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
161	2024-12-21	Classifying alkaliphilic proteins using embeddings from protein language model 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108385 PMID:38547659	研究论文	本文提出了一种利用蛋白质语言模型ESM-2(3B)的嵌入来分类嗜碱蛋白的新方法	首次尝试使用预训练的蛋白质语言模型嵌入来分类嗜碱蛋白	NA	开发一种计算方法来识别嗜碱蛋白，以促进蛋白质工程和设计	嗜碱蛋白和非嗜碱蛋白	机器学习	NA	蛋白质语言模型	深度学习框架	蛋白质序列	1,002个嗜碱蛋白和1,866个非嗜碱蛋白
162	2024-12-21	Cross-patch feature interactive net with edge refinement for retinal vessel segmentation 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108443 PMID:38608328	研究论文	提出了一种基于双解码器的跨块特征交互网络（CFI-Net），用于视网膜血管分割，通过边缘细化提高分割的连续性和完整性	提出了联合细化下采样方法（JRDM）和跨块交互注意力机制（CIAM），以及自适应空间上下文引导方法（ASCGM），以减少特征损失并增强多尺度空间通道特征	未提及具体的局限性	提高视网膜血管分割的准确性和连续性，辅助临床医生诊断视网膜疾病	视网膜血管的分割	计算机视觉	NA	深度学习	双解码器网络	图像	使用了两个视网膜图像数据集和一个冠状动脉造影数据集
163	2024-12-21	H2MaT-Unet:Hierarchical hybrid multi-axis transformer based Unet for medical image segmentation 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108387 PMID:38613886	研究论文	本文提出了一种基于分层混合多轴Transformer的Unet模型H2MaT-Unet，用于医学图像分割	引入了一种分层混合多轴注意力机制，结合了分层后特征数据和多轴注意力机制，增强了局部和全局特征交互，并引入了空间和通道重建卷积模块ScConv以增强特征聚合	未提及具体局限性	提高医学图像分割的准确性和效率	医学图像的分割和病灶定位	计算机视觉	NA	分层混合多轴注意力机制，空间和通道重建卷积模块ScConv	Unet	图像	未提及具体样本数量
164	2024-12-21	Anatomically aware dual-hop learning for pulmonary embolism detection in CT pulmonary angiograms 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108464 PMID:38613894	研究论文	本文提出了一种基于深度学习的方法，结合计算机视觉和深度神经网络，用于在CT肺动脉造影中检测肺栓塞	本文的创新点包括：(1) 自动检测解剖结构；(2) 解剖结构感知的预训练；(3) 用于肺栓塞检测的双跳深度神经网络	NA	提高肺栓塞在CT肺动脉造影中的检测准确性和速度	肺栓塞在CT肺动脉造影中的检测	计算机视觉	心血管疾病	深度学习	深度神经网络	图像	多中心大规模的RSNA数据集
165	2024-12-21	Tumor conspicuity enhancement-based segmentation model for liver tumor segmentation and RECIST diameter measurement in non-contrast CT images 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108420 PMID:38613896	研究论文	本文提出了一种基于肿瘤显著性增强的分割模型，用于在非增强CT图像上进行肝肿瘤分割和RECIST直径测量	开发了一种基于强度的肿瘤显著性增强模型（ITCE），并设计了基于肿瘤显著性增强的肝肿瘤分割模型（TCELiTS），以提高非增强CT图像上的肝肿瘤分割精度	NA	提高非增强CT图像上肝肿瘤分割的准确性	肝肿瘤（包括肝细胞癌和肝血管瘤）	计算机视觉	肝癌	深度卷积神经网络	CNN	图像	100名经组织病理学确诊的肝肿瘤患者（64名肝细胞癌，36名肝血管瘤）
166	2024-12-21	CRIECNN: Ensemble convolutional neural network and advanced feature extraction methods for the precise forecasting of circRNA-RBP binding sites 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108466 PMID:38615462	研究论文	提出了一种名为CRIECNN的新型集成深度学习模型，用于提高circRNA-RBP结合位点的预测准确性	采用了先进的特征提取方法和多种编码技术，结合了集成卷积神经网络、BiLSTM和自注意力机制，显著提升了预测性能	未提及具体的研究局限性	提高circRNA-RBP结合位点的预测准确性，增进对circRNA及其调控作用的了解	circRNA与RNA结合蛋白（RBP）的相互作用	机器学习	NA	NA	集成卷积神经网络、BiLSTM、自注意力机制	序列数据	涉及四种不同的序列数据集和编码技术（BERT、Doc2Vec、KNF、EIIP）
167	2024-12-21	Semantic uncertainty Guided Cross-Transformer for enhanced macular edema segmentation in OCT images 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108458 PMID:38631114	研究论文	提出了一种名为语义不确定性引导的跨变压器网络（SuGCTNet）的新方法，用于OCT图像中多类黄斑水肿的同时分割	引入了语义不确定性引导的注意力模块（SuGAM）和跨变压器模块（CTM），通过语义不确定性和多尺度图像特征来提高分割性能	未提及具体限制	提高黄斑水肿在OCT图像中的分割准确性和连续性	黄斑水肿及其相关病变（如内层视网膜液体、亚视网膜液体和色素上皮脱离）	计算机视觉	眼科疾病	深度学习	跨变压器网络（Cross-Transformer Network）	图像	使用了公共数据集和多种OCT成像设备的数据
168	2024-12-21	One-shot skill assessment in high-stakes domains with limited data via meta learning 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108470 PMID:38636326	研究论文	本文介绍了一种名为A-VBANet的元学习模型，能够在高风险领域通过一次性学习进行技能评估	提出了A-VBANet模型，能够在数据有限的情况下进行领域无关的技能评估，并通过一次性学习实现高精度评估	NA	开发一种能够在数据有限的高风险领域进行技能评估的深度学习模型	在腹腔镜和机器人模拟器以及真实的腹腔镜胆囊切除术中评估手术技能	机器学习	NA	元学习	A-VBANet	视频	五个腹腔镜和机器人模拟器以及真实的腹腔镜胆囊切除术
169	2024-12-21	DesTrans: A medical image fusion method based on Transformer and improved DenseNet 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108463 PMID:38640634	研究论文	提出了一种基于Transformer和改进DenseNet的医学图像融合方法，以提高图像融合的效果	引入了Transformer和改进的DenseNet网络模块，增强了特征提取能力，减少了特征损失和边缘模糊问题	未提及具体的局限性	提高医学图像融合的效果，解决传统方法中的边缘模糊和信息冗余问题	医学图像和自然图像的融合	计算机视觉	NA	深度学习	Transformer, DenseNet	图像	未提及具体样本数量
170	2024-12-21	Exploratory drug discovery in breast cancer patients: A multimodal deep learning approach to identify novel drug candidates targeting RTK signaling 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108433 PMID:38642491	研究论文	本研究开发了一种多模态深度神经网络（MM-DNN）模型，用于识别针对RTK信号通路的乳腺癌新药候选物	创新性地采用了多模态深度学习方法，结合组学数据进行药物发现，显著提高了预测准确性	研究主要集中在RTK信号通路，未涵盖其他潜在的药物靶点	开发一种新的药物发现策略，用于识别针对RTK信号通路的乳腺癌新药候选物	乳腺癌患者及RTK信号通路相关药物候选物	机器学习	乳腺癌	多模态深度神经网络（MM-DNN）	多模态深度神经网络（MM-DNN）	组学数据（基因组、蛋白质组表达数据和药物反应数据）	从PubChem数据库中筛选的RTK信号通路相关药物分子
171	2024-12-21	Advancing cancer driver gene detection via Schur complement graph augmentation and independent subspace feature extraction 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108484 PMID:38643595	研究论文	本文提出了一种名为SCIS-CDG的模型，通过Schur补图增强和独立子空间特征提取技术来提高癌症驱动基因的预测准确性	引入了Schur补图增强策略和独立子空间特征提取技术，增强了模型的泛化能力和对复杂网络的处理能力，并引入了基于基因网络结构的特征扩展组件和可学习的注意力权重机制	未提及具体的局限性	提高癌症驱动基因的预测准确性，指导癌症治疗	癌症驱动基因	机器学习	NA	Schur补图增强，独立子空间特征提取，图神经网络	图神经网络	基因网络数据	未提及具体样本数量
172	2024-12-20	A systematic review of machine learning-based tumor-infiltrating lymphocytes analysis in colorectal cancer: Overview of techniques, performance metrics, and clinical outcomes 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108306 PMID:38554659	综述	本文系统回顾了基于机器学习的结直肠癌肿瘤浸润淋巴细胞分析，概述了技术、性能指标和临床结果	本文探讨了机器学习在结直肠癌病理图像中分析肿瘤浸润淋巴细胞的潜力，特别是深度学习和非深度学习技术的应用	需要一个大规模的多机构结直肠癌数据集，包含多样化和多民族人群，以推广机器学习方法	系统回顾基于机器学习的结直肠癌肿瘤浸润淋巴细胞分析	结直肠癌病理图像中的肿瘤浸润淋巴细胞	数字病理学	结直肠癌	机器学习	深度学习	图像	需要大规模多机构和多民族的结直肠癌数据集
173	2024-12-20	Glass box machine learning for retrospective cohort studies using many patient records. The complex example of bleeding peptic ulcer 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108085 PMID:38513393	研究论文	本文提出了一种称为“玻璃盒机器学习”的部分监督数据挖掘和预测技术，并将其应用于回顾性队列研究中，以帮助选择未来队列研究和类似临床试验的候选患者	本文的创新点在于将传统的神经网络权重替换为有意义的“概率知识元素”，并结合深度学习方法，提供了一种具有解释性的研究设计	本文的局限性在于其方法主要适用于回顾性队列研究，且需要大量的结构化医疗记录	研究目的是开发一种新的机器学习方法，用于回顾性队列研究，并帮助分析深度学习方法	研究对象是出血性消化性溃疡，这是一种复杂的疾病，具有许多影响因素	机器学习	消化系统疾病	玻璃盒机器学习	神经网络	结构化医疗记录	大量患者记录
174	2024-12-20	PHE-SICH-CT-IDS: A benchmark CT image dataset for evaluation semantic segmentation, object detection and radiomic feature extraction of perihematomal edema in spontaneous intracerebral hemorrhage 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108342 PMID:38522249	研究论文	本文介绍了一个名为PHE-SICH-CT-IDS的公开CT图像数据集，用于评估自发性脑出血中周围血肿水肿的语义分割、目标检测和放射组学特征提取	本文首次公开了一个用于自发性脑出血中周围血肿水肿的数据集，涵盖了多种数据格式，适用于不同的医学场景	NA	建立一个公开的CT图像数据集，用于评估自发性脑出血中周围血肿水肿的分割、检测和放射组学特征提取方法	自发性脑出血中的周围血肿水肿	数字病理学	脑血管疾病	CT扫描	NA	图像	120个脑部CT扫描和7,022张CT图像
175	2024-12-20	Linear semantic transformation for semi-supervised medical image segmentation 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108331 PMID:38522252	研究论文	本文提出了一种新的半监督学习框架，通过线性语义变换实现医学图像分割	提出了线性语义变换方法，结合自监督学习和半监督学习，从多样化的语义中构建广义表示，实现医学图像分割	实验仅在五个医学分割数据集上进行了测试，未来可能需要在更多数据集上验证其泛化能力	开发一种高效的半监督学习方法，用于医学图像分割	医学图像的语义表示和分割	计算机视觉	NA	深度学习	自监督学习框架	图像	五个医学分割数据集
176	2024-12-20	Extensive T1-weighted MRI preprocessing improves generalizability of deep brain age prediction models 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108320 PMID:38531250	研究论文	本文研究了T1加权磁共振图像（T1w MRI）预处理对深度学习脑龄预测模型性能的影响	本文发现广泛的T1w预处理可以提高模型在新数据集上的预测误差，这与现有研究认为最小预处理更适用于未见过的扫描仪的结论相反	本文仅评估了四种预处理管道和四种深度学习模型，可能未涵盖所有可能的预处理方法和模型	研究T1w MRI预处理对深度学习脑龄预测模型性能的影响	T1加权磁共振图像（T1w MRI）和深度学习脑龄预测模型	计算机视觉	NA	深度学习	深度学习模型（未具体说明模型类型）	图像	未具体说明样本数量
177	2024-12-20	Dual-TranSpeckle: Dual-pathway transformer based encoder-decoder network for medical ultrasound image despeckling 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108313 PMID:38531247	研究论文	提出了一种基于双路径Transformer的编码-解码网络Dual-TranSpeckle，用于医学超声图像去噪	引入了双路径（语义路径和像素路径）来并行传输图像特征信息，并设计了Dual Block和Merge Block模块来增强特征交互和自注意力计算	未提及具体限制	提高医学超声图像去噪效果	医学超声图像	计算机视觉	NA	Transformer	编码-解码网络	图像	使用了两个公开数据集和一个私有数据集
178	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）
179	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
180	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