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
21	2024-12-21	ECG waveform generation from radar signals: A deep learning perspective 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108555 PMID:38749323	研究论文	本文提出了一种基于深度学习的方法，从非接触雷达数据生成连续的ECG波形	创新点在于使用1D CNN模型MultiResLinkNet从雷达信号生成ECG波形，无需侵入性或可穿戴生物传感器及昂贵设备	NA	提出一种创新方法，从非接触雷达数据生成连续ECG波形，以解决传统ECG监测的局限性	从雷达信号生成ECG波形的方法及其实际应用	机器学习	心血管疾病	深度学习	1D CNN	雷达信号和ECG信号	30名参与者在五种不同场景下的数据
22	2024-12-21	Explaining deep learning for ECG analysis: Building blocks for auditing and knowledge discovery 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108525 PMID:38749322	研究论文	本文探讨了可解释人工智能（XAI）方法在心电图（ECG）分析中的应用，以提高深度学习模型的透明度和可解释性	本文首次通过定量分析验证了模型行为与心脏病专家决策规则的一致性，并展示了XAI技术在识别心肌梗死亚型等知识发现中的应用	本文主要关注事后解释方法，未涉及模型训练过程中的可解释性问题	提高深度学习模型在ECG分析中的透明度和可解释性，促进其在临床决策中的应用	心电图数据和心脏病专家的决策规则	机器学习	心血管疾病	可解释人工智能（XAI）	深度神经网络	心电图数据	整个患者子组的ECG数据
23	2024-12-21	Improving the classification of multiple sclerosis and cerebral small vessel disease with interpretable transfer attention neural network 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108530 PMID:38749324	研究论文	本文提出了一种可解释的深度学习模型，用于区分多发性硬化症和脑小血管疾病	首次在神经影像学领域使用可解释的迁移学习注意力神经网络模型，通过注意力模块提供模型解释，增强了对神经系统疾病的鉴别诊断能力	NA	开发一种实用的诊断影像辅助工具，以减少误诊风险并改善患者预后	多发性硬化症和脑小血管疾病	计算机视觉	神经系统疾病	深度学习	注意力神经网络	图像	北京天坛医院临床诊断的多发性硬化症患者112例和脑小血管疾病患者321例
24	2024-12-21	A novel approach for melanoma detection utilizing GAN synthesis and vision transformer 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108572 PMID:38749327	研究论文	本文提出了一种基于生成对抗网络（GAN）合成和视觉变换器（Vision Transformer）的两阶段框架，用于黑色素瘤的检测	本文的创新点在于使用Style Generative Adversarial Networks生成多样化的黑色素瘤图像，并通过BatchFormer的视觉变换器进行特征提取和检测，以提高诊断准确性	NA	提高黑色素瘤检测的准确性	黑色素瘤	计算机视觉	皮肤癌	生成对抗网络（GAN）	视觉变换器（Vision Transformer）	图像	ISIC2020数据集
25	2024-12-21	DeepSeq2Drug: An expandable ensemble end-to-end anti-viral drug repurposing benchmark framework by multi-modal embeddings and transfer learning 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108487 PMID:38653064	研究论文	提出了一种名为DeepSeq2Drug的可扩展集成端到端抗病毒药物重定位基准框架，通过多模态嵌入和迁移学习来改进传统的药物重定位方法	利用多模态嵌入和集成策略来补充药物和病毒的数量，并保证新预测的准确性，提供了一个可扩展的框架	未提及具体限制	改进传统的药物重定位方法，特别是在应对新兴病毒爆发和降低药物发现成本方面	抗病毒药物重定位	机器学习	NA	多模态嵌入和迁移学习	集成模型	文本、图像、图和序列	未提及具体样本数量
26	2024-12-21	ISMI-VAE: A deep learning model for classifying disease cells using gene expression and SNV data 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108485 PMID:38653063	研究论文	本文提出了一种基于变分自编码器（VAE）的深度学习模型ISMI-VAE，用于整合和分析单细胞RNA测序（scRNA-seq）和单核苷酸变异（SNV）数据，以分类疾病细胞	ISMI-VAE通过利用SNV和基因表达数据的特性，克服了高噪声水平，并引入了注意力机制来反映特征重要性，分析潜在的致病基因特征	NA	开发一种能够有效整合和分析多模态数据（基因表达和SNV数据）的深度学习模型，以提高疾病细胞分类的准确性和可解释性	癌症和COVID-19的单细胞数据	机器学习	癌症	单细胞RNA测序（scRNA-seq），单核苷酸变异（SNV）	变分自编码器（VAE）	基因表达数据，SNV数据	三个癌症数据集和一个COVID-19数据集
27	2024-12-21	Deep learning and machine learning approaches to classify stomach distant metastatic tumors using DNA methylation profiles 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108496 PMID:38657466	研究论文	本文开发了机器学习和深度学习模型，基于DNA甲基化谱对胃腺癌的远处转移进行分类	本文首次使用深度神经网络（DNN）与其他机器学习模型（如SVM、RF、NB和DT）进行比较，展示了DNN在分类胃腺癌远处转移方面的优越性能，并采用了加权随机采样技术来处理数据不平衡问题	本文未详细讨论模型的泛化能力和在其他癌症类型中的适用性	研究目的是通过DNA甲基化谱早期识别胃腺癌的远处转移，以改善预后	研究对象是胃腺癌的DNA甲基化谱	机器学习	胃癌	DNA甲基化测序	深度神经网络（DNN）	DNA甲基化数据	具体样本数量未在摘要中提及
28	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
29	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
30	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
31	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
32	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
33	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
34	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
35	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
36	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
37	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
38	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
39	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
40	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