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
201	2024-12-21	Prediction of anti-cancer drug synergy based on cross-matching network and cancer molecular subtypes 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108441 PMID:38663353	研究论文	本研究提出了一种名为MolCross的深度学习算法，用于预测抗癌药物协同作用，结合隐式和显式特征交互以提高预测准确性	MolCross结合了隐式和显式特征交互，使用深度自编码器提取特征，并通过药物特定子网络和交叉网络分别进行隐式和显式特征交互，最终通过协同预测网络结合两种交互方法进行预测	NA	提高抗癌药物协同作用预测的准确性	抗癌药物协同作用及癌症分子亚型的影响	机器学习	癌症	深度学习	深度自编码器	分子亚型特征	NA
202	2024-12-21	A Swin transformer encoder-based StyleGAN for unbalanced endoscopic image enhancement 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108472 PMID:38663349	研究论文	本文提出了一种基于Swin Transformer编码器的StyleGAN模型，用于不平衡内窥镜图像的增强	创新点在于将预训练的Swin Transformer引入编码器提取多尺度特征，并在生成器中应用自注意力机制，使生成器能够自主学习不同图像区域之间的耦合	实验仅在一家三级医院的私人肠化生分级数据集上进行，结果的普适性有待验证	提高不平衡内窥镜图像数据集的质量，增强分类模型的鲁棒性	内窥镜图像数据集	计算机视觉	NA	Swin Transformer, StyleGAN	StyleGAN	图像	来自一家三级医院的私人肠化生分级数据集
203	2024-12-21	Advancing musculoskeletal tumor diagnosis: Automated segmentation and predictive classification using deep learning and radiomics 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108502 PMID:38678943	研究论文	本研究通过深度学习和放射组学技术，提出了一种自动分割和预测分类模型，用于提高肌肉骨骼肿瘤的诊断速度和准确性	提出了基于多尺度注意力和像素级重建的深度学习分割模型MSAPN，并结合放射组学特征进行良恶性分类	样本量相对较小，且仅使用了MRI数据	提高肌肉骨骼肿瘤的检测速度和诊断准确性	肌肉骨骼肿瘤的自动分割和良恶性分类	计算机视觉	肌肉骨骼肿瘤	深度学习	MSAPN	图像	170名患者
204	2024-12-21	Triple-task mutual consistency for semi-supervised 3D medical image segmentation 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108506 PMID:38688127	研究论文	本文提出了一种新的三任务互一致性框架（TTMC），用于半监督3D医学图像分割，通过引入Signed Attention Map（SAM）增强形状和边缘感知能力	创新性地构建了Signed Attention Map（SAM），并将其作为辅助任务，增强了边缘感知能力，同时通过优化的可微分变换层和任务级一致性正则化，解决了任务间的过度依赖问题	NA	提高半监督3D医学图像分割的性能，特别是通过利用未标记数据	3D医学图像的分割任务	计算机视觉	NA	深度学习	三任务深度网络	图像	使用了公开的Left Atrium数据集和NIH Pancreas数据集
205	2024-12-21	A dual data stream hybrid neural network for classifying pathological images of lung adenocarcinoma 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108519 PMID:38688128	研究论文	提出了一种名为Multi-Scale Network (MSNet)的深度学习框架，用于自动检测肺腺癌病理图像	采用双数据流输入方法，结合Swin Transformer和MLP-Mixer模型，有效利用数据块中的有益特征，同时降低模型复杂性和计算需求	未提及具体的局限性	开发一种高效的计算机辅助诊断系统，用于自动检测肺腺癌病理图像	肺腺癌病理图像	计算机视觉	肺癌	深度学习	Multi-Scale Network (MSNet)	图像	包含三个类别的肺腺癌病理图像数据集
206	2024-12-21	Nodule-CLIP: Lung nodule classification based on multi-modal contrastive learning 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108505 PMID:38688129	研究论文	本文提出了一种基于多模态对比学习的肺结节分类模型Nodule-CLIP，通过对比学习方法挖掘CT图像、肺结节复杂属性以及良恶性属性之间的关系，优化图像特征提取网络，提高对相似肺结节的区分能力	提出了Nodule-CLIP模型，通过对比学习方法深度挖掘CT图像、肺结节复杂属性及良恶性属性之间的关系，优化图像特征提取网络，提高分类能力	未提及具体的局限性	提高肺结节的分类准确性和区分相似肺结节的能力	肺结节的CT图像、复杂属性及良恶性属性	计算机视觉	肺癌	对比学习	Nodule-CLIP	图像	使用了公共数据集LIDC-IDRI进行测试和消融实验
207	2024-12-21	EEG power spectra parameterization and adaptive channel selection towards semi-supervised seizure prediction 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108510 PMID:38691913	研究论文	本文提出了一种自适应通道选择策略和半监督深度学习模型，用于减少EEG通道数量并限制准确预测癫痫发作所需的标记数据量	创新点在于结合了自适应通道选择和半监督学习方法，通过EEG功率谱参数化特征来识别与癫痫相关的通道，并使用生成对抗网络和双向长短期记忆网络进行癫痫预测	本文未详细讨论模型在不同类型癫痫患者中的泛化能力	研究目的是开发一种轻量级且计算高效的癫痫预测系统，以改善患者的生活质量	研究对象是使用EEG信号进行癫痫发作预测	机器学习	癫痫	EEG	生成对抗网络和双向长短期记忆网络	EEG信号	使用了CHB-MIT和Siena癫痫数据集
208	2024-12-21	CauDR: A causality-inspired domain generalization framework for fundus-based diabetic retinopathy grading 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108459 PMID:38701588	研究论文	提出了一种基于因果关系的领域泛化框架CauDR，用于基于眼底图像的糖尿病视网膜病变分级	引入因果分析中的do-操作到模型架构中，提出了一种新的通用结构因果模型（SCM）来分析眼底图像中的虚假相关性，从而提高模型的泛化能力	未提及具体的局限性	开发一种能够跨领域泛化的糖尿病视网膜病变分级系统	基于眼底图像的糖尿病视网膜病变分级	计算机视觉	糖尿病视网膜病变	深度学习	结构因果模型（SCM）	图像	重新组织了现有数据集为4DR基准，具体样本数量未提及
209	2024-12-21	Diabetic retinopathy prediction based on vision transformer and modified capsule network 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108523 PMID:38701591	研究论文	本文提出了一种基于微调视觉变换器和改进胶囊网络的混合深度学习方法，用于自动预测糖尿病视网膜病变的严重程度	创新点在于结合了微调视觉变换器和改进胶囊网络，并引入了功率法变换技术和对比度限制自适应直方图均衡技术进行预处理	NA	开发一种自动化方法来辅助糖尿病视网膜病变的诊断	糖尿病视网膜病变的严重程度	计算机视觉	糖尿病性视网膜病变	视觉变换器，胶囊网络	混合深度学习模型	图像	使用了四个数据集：APTOS、Messidor-2、DDR和EyePACS
210	2024-12-21	Attention-based convolutional neural network with multi-modal temporal information fusion for motor imagery EEG decoding 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108504 PMID:38701593	研究论文	本文提出了一种结合卷积神经网络和自注意力机制的深度学习网络，用于融合多模态时间信息和全局依赖性，以解码运动想象脑电信号	创新点在于引入了自注意力机制来捕捉全局依赖性，并设计了卷积编码器来融合平均池化和方差池化的特征，同时提出了信号分割与重组的数据增强方法	NA	旨在提高运动想象脑电信号解码的准确性和泛化能力	运动想象脑电信号	机器学习	NA	卷积神经网络 (CNN)	卷积神经网络 (CNN)	脑电信号 (EEG)	BCI Competition IV-2a和BCI Competition IV-2b数据集
211	2024-12-21	RTSeg-net: A lightweight network for real-time segmentation of fetal head and pubic symphysis from intrapartum ultrasound images 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108501 PMID:38703545	研究论文	提出了一种轻量级的实时分割网络RTSeg-Net，用于从产时超声图像中分割胎儿头部和耻骨联合	引入了创新的分布偏移卷积块、标记化的多层感知器块和高效的特征融合块，显著提高了分割性能并减少了计算资源需求	NA	开发一种能够在硬件资源有限的系统上实现高精度实时分割的深度学习模型	胎儿头部和耻骨联合的分割	计算机视觉	NA	深度学习	RTSeg-Net	图像	两个不同的产时超声图像数据集
212	2024-12-21	Fine-grained food image classification and recipe extraction using a customized deep neural network and NLP 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108528 PMID:38718665	研究论文	本文提出了一种新的框架，结合深度神经网络和自然语言处理技术，用于食品图像分类和自动化食谱提取	本文提出了一个定制的轻量级深度卷积神经网络模型MResNet-50用于食品图像分类，并使用自然语言处理算法Word2Vec和Transformers进行自动化配料处理和食谱提取，同时构建了一个表示性的半结构化领域本体来存储菜肴、食品项和配料之间的关系	NA	解决食品图像分类和自动化食谱提取中的类内变异性和类间相似性问题	食品图像和食谱	计算机视觉	NA	深度学习	CNN	图像	Food-101和UECFOOD256数据集
213	2024-12-21	Deep continual learning for medical call incidents text classification under the presence of dataset shifts 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108548 PMID:38718666	研究论文	本文旨在开发和评估一种深度分类器，能够在数据集偏移的情况下有效优先处理紧急医疗呼叫事件（EMCI）的生命威胁级别	首次探索使用真实EMCI数据进行持续学习（CL）方法，并证明了CL技术在适应数据分布变化方面的有效性	NA	开发和评估一种能够在数据集偏移情况下有效优先处理紧急医疗呼叫事件生命威胁级别的深度分类器	紧急医疗呼叫事件（EMCI）的生命威胁级别分类	自然语言处理	NA	持续学习（CL）	DistilBERT	文本	1982746个独立的EMCI实例
214	2024-12-20	Semi-supervised model based on implicit neural representation and mutual learning (SIMN) for multi-center nasopharyngeal carcinoma segmentation on MRI 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108368 PMID:38663351	研究论文	本文提出了一种基于隐式神经表示和互学习的半监督模型SIMN，用于多中心鼻咽癌MRI图像的分割	本文创新性地结合了不确定性隐式神经表示和深度互学习方法，并引入了动态阈值和领域自适应算法，以提高模型在多中心数据上的分割性能	本文未详细讨论模型在不同医院数据上的泛化能力差异，以及在极端标注数据情况下的表现	开发一种能够在有限标注数据下，对多中心鼻咽癌MRI图像进行准确分割的半监督学习模型	鼻咽癌的GTV和MLN在多中心MRI图像上的分割	计算机视觉	鼻咽癌	深度学习	CNN和Transformer	图像	918名患者的MRI图像，来自三家医院
215	2024-12-20	MulStack: An ensemble learning prediction model of multilabel mRNA subcellular localization 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108289 PMID:38688123	研究论文	提出了一种基于随机森林和深度学习的集成学习预测模型MulStack，用于多标签mRNA亚细胞定位预测	首次在mRNA亚细胞定位领域引入位置编码，并结合序列级和残基级特征进行预测	未提及具体限制	开发一种新的计算方法来预测mRNA的亚细胞定位	mRNA的亚细胞定位	机器学习	NA	随机森林、深度学习、卷积神经网络(CNN)	集成学习模型	序列数据	未提及具体样本数量
216	2024-12-20	Prediction of systemic lupus erythematosus-related genes based on graph attention network and deep neural network 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108371 PMID:38691916	研究论文	本文提出了一种基于图注意力网络和深度神经网络的方法SLEDL，用于预测系统性红斑狼疮相关的基因	本文创新性地将深度学习方法应用于系统性红斑狼疮相关基因的预测，利用图神经网络捕捉基因相互作用网络中的特征	本文未详细讨论模型的可解释性和泛化能力	通过深度学习方法识别系统性红斑狼疮相关的基因，减少生物实验的资源消耗	系统性红斑狼疮相关的基因	机器学习	自身免疫性疾病	深度学习	图注意力网络和深度神经网络	基因相互作用网络	未明确提及具体样本数量
217	2024-12-20	Fine-grained Patient Similarity Measuring using Contrastive Graph Similarity Networks 2024-Jun, Proceedings. IEEE International Conference on Healthcare Informatics DOI:10.1109/ichi61247.2024.00009 PMID:39698046	研究论文	本文提出了一种新的对比图相似网络，用于在大规模电子健康记录数据集中计算患者之间的相似度	本文的创新点在于应用基于图的相似性分析，明确提取每个患者的临床特征，并通过聚合同类患者的信息生成丰富的患者表示	NA	研究目的是改进电子健康记录数据分析中的患者表示学习，特别是在临床推理场景中考虑患者相似性	研究对象是电子健康记录数据中的患者相似性计算	机器学习	NA	深度学习	对比图相似网络	电子健康记录	大规模电子健康记录数据库
218	2024-12-19	A Fusion Learning Model Based on Deep Learning for Single-Cell RNA Sequencing Data Clustering 2024-06, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2024.0512 PMID:38758925	研究论文	本文提出了一种基于深度学习的融合学习模型，用于单细胞RNA测序数据的聚类	创新点在于将深度学习技术应用于单细胞RNA测序数据的聚类任务，并提出了一个融合学习模型	NA	旨在提高单细胞RNA测序数据聚类的准确性和效率	单细胞RNA测序数据	机器学习	NA	RNA-seq	深度学习模型	测序数据	NA
219	2024-12-18	Automated assessment of cardiac dynamics in aging and dilated cardiomyopathy Drosophila models using machine learning 2024-06-07, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06371-7 PMID:38849449	研究论文	本文利用机器学习技术对果蝇模型中的心脏动态进行自动化评估，特别是针对衰老和扩张型心肌病（DCM）	本文创新性地利用深度学习对果蝇心脏的光学显微图像进行分割，并采用两种创新方法（深度学习视频分类和基于心脏参数的机器学习）预测果蝇的衰老，同时扩展了深度学习方法以评估与OGDH敲低相关的心脏功能障碍	NA	研究果蝇模型中衰老和扩张型心肌病的心脏动态，并开发自动化评估方法	果蝇模型中的心脏动态，特别是衰老和扩张型心肌病（DCM）	机器学习	心血管疾病	深度学习	深度学习模型	视频	实验数据集
220	2024-12-18	Tibetan Plateau grasslands might increase sequestration of microbial necromass carbon under future warming 2024-06-04, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06396-y PMID:38834864	研究论文	本研究探讨了青藏高原草地在未来变暖条件下微生物腐殖质碳（MNC）的固碳能力变化	首次使用基于堆叠自编码器的深度学习模型，预测了青藏高原草地在当前和变暖条件下的MNC总体分布	研究基于大范围采样和已发表的观察数据，可能存在数据偏差	探讨青藏高原草地在变暖条件下的土壤碳固存能力变化	青藏高原草地的微生物腐殖质碳（MNC）	NA	NA	深度学习模型	堆叠自编码器	环境变量	大范围采样和已发表的观察数据