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
261	2024-12-22	Dual-domain faster Fourier convolution based network for MR image reconstruction 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108603 PMID:38781646	研究论文	本文提出了一种基于双域快速傅里叶卷积的网络，用于MR图像重建，通过引入Faster Inverse Fourier Convolution和softer Data Consistency层，提升了重建质量	提出了Faster Inverse Fourier Convolution扩展了k空间域重建网络的感受野，并引入了softer Data Consistency层以增强数据一致性与平滑性的平衡	NA	提升MR图像重建的质量	MR图像重建	计算机视觉	NA	深度学习	CNN	图像	使用了NYU fastMRI数据集
262	2024-12-22	EEGDiR: Electroencephalogram denoising network for temporal information storage and global modeling through Retentive Network 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108626 PMID:38810475	研究论文	本文提出了一种基于Retentive Network架构的脑电图去噪网络EEGDiR，用于时间信息存储和全局建模	首次将Retentive Network架构应用于脑电图去噪，并引入了信号嵌入策略，将一维脑电信号转换为二维嵌入空间，以适应网络处理	NA	提高脑电图信号去噪的精度和对脑功能的理解，以及神经疾病的诊断准确性	脑电图信号去噪	机器学习	NA	Retentive Network	Retentive Network	脑电图信号	NA
263	2024-12-22	MicroProteinDB: A database to provide knowledge on sequences, structures and function of ncRNA-derived microproteins 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108660 PMID:38820774	研究论文	开发了一个名为MicroProteinDB的数据库，用于提供非编码RNA衍生微蛋白的序列、结构和功能知识	首次开发了一个全面的数据库，整合了计算预测和实验验证的微蛋白信息，并提供了多种分析模块	NA	提供一个全面的数据库，帮助检索和分析非编码RNA衍生的微蛋白	非编码RNA衍生的微蛋白	生物信息学	NA	深度学习	NA	序列数据	NA
264	2024-12-22	View adaptive unified self-supervised technique for abdominal organ segmentation 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108659 PMID:38823366	研究论文	提出了一种半监督视图自适应统一模型（VAU-model），用于自动腹部器官分割	引入了一种新的优化函数，使3D深度学习模型能够统一学习医学体积数据的3D上下文，并根据不同视图（轴向、矢状和冠状）进行自适应调整	未提及具体限制	提高腹部器官分割的准确性，以支持体积分析、疾病诊断和医疗从业者的跟踪	腹部器官的自动分割	计算机视觉	NA	半监督对比学习	3D深度学习模型	体积数据	使用了三种数据集：BTCV、NIH和MSD
265	2024-12-22	KaryoXpert: An accurate chromosome segmentation and classification framework for karyotyping analysis without training with manually labeled metaphase-image mask annotations 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108601 PMID:38776728	研究论文	本文提出了一种名为KaryoXpert的染色体分割和分类框架，用于自动核型分析，无需手动标注的中期图像掩码注释	该框架结合了形态学算法和深度学习模型的优势，无需手动标注的训练数据，并提出了基于度量学习的分类模型，解决了类间相似性和批次效应的问题	NA	开发一种无需手动标注的自动染色体分割和分类框架，以支持临床核型诊断	染色体的分割和分类	计算机视觉	NA	深度学习	度量学习	图像	NA
266	2024-12-22	Probability maps for deep learning-based head and neck tumor segmentation: Graphical User Interface design and test 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108675 PMID:38820779	研究论文	本文开发了一种基于深度学习的方法，用于头颈部肿瘤的分割，并设计了一个图形用户界面（GUI）来展示肿瘤概率图	本文的创新点在于使用深度学习生成的概率图来替代单一的肿瘤轮廓，提供更直观且适合临床使用的分割结果	本文的局限性在于仅对九位专家进行了用户研究，样本量较小	展示深度学习生成的肿瘤概率图在头颈部肿瘤分割中的临床相关性、直观性和适用性	头颈部肿瘤的PET-CT图像分割	计算机视觉	头颈部癌症	深度学习	NA	图像	九位肿瘤勾画专家
267	2024-12-21	scHiCyclePred: a deep learning framework for predicting cell cycle phases from single-cell Hi-C data using multi-scale interaction information 2024-07-31, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06626-3 PMID:39085477	研究论文	本文提出了一种名为scHiCyclePred的深度学习框架，用于从单细胞Hi-C数据中预测细胞周期阶段，通过整合多尺度相互作用信息来提取3D染色质结构特征	scHiCyclePred通过整合多尺度相互作用信息，显著提高了细胞周期阶段预测的准确性，超越了现有的方法如Nagano_method和CIRCLET	NA	开发一种新的深度学习模型，用于从单细胞Hi-C数据中准确预测细胞周期阶段	单细胞Hi-C数据中的细胞周期阶段预测	生物信息学	NA	单细胞Hi-C技术	深度学习模型	单细胞Hi-C数据	NA
268	2024-12-21	Mediodorsal thalamus and ventral pallidum contribute to subcortical regulation of the default mode network 2024-07-23, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06531-9 PMID:39039239	研究论文	研究探讨了腹侧苍白球（VP）和中背侧丘脑（MD）在树鼩默认模式网络（DMN）调控中的作用	首次揭示了VP和MD在DMN调控中的重要性，并扩展了哺乳动物间DMN调控的同源性	研究仅在树鼩中进行，结果的普适性有待进一步验证	探讨亚皮质结构在默认模式网络调控中的作用	腹侧苍白球（VP）和中背侧丘脑（MD）	NA	NA	电生理学和基于深度学习的分类	深度学习	行为状态	树鼩
269	2024-12-21	Impact of imperfect annotations on CNN training and performance for instance segmentation and classification in digital pathology 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108586 PMID:38796882	研究论文	本文研究了噪声标注对数字病理学中用于实例分割和分类的CNN模型训练和性能的影响	提出了使用小规模正确标注的验证集来避免过拟合噪声标注，并强调了预训练的益处	未提及具体的局限性	研究噪声标注对CNN模型在数字病理学中实例分割和分类任务中的影响	数字病理学中的细胞核实例分割和分类	数字病理学	NA	NA	CNN	图像	未提及具体样本数量
270	2024-12-21	Iterative feedback-based models for image and video polyp segmentation 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108569 PMID:38781640	研究论文	本文提出了一种基于迭代反馈单元的视频息肉分割模型FlowICBNet，通过引入参考帧选择和流引导变形模块，提高了结肠镜图像中息肉分割的准确性	本文将迭代反馈单元（IFU）扩展到视频息肉分割领域，并引入了参考帧选择（RFS）和流引导变形（FGW）模块，有效解决了内窥镜成像中的常见问题	NA	提高结肠镜图像中息肉分割的准确性，辅助自动化结直肠癌诊断	结肠镜图像和视频中的息肉	计算机视觉	结直肠癌	深度学习	CNN	视频	一个大型视频息肉分割数据集
271	2024-12-19	A foundational large language model for edible plant genomes 2024-07-09, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06465-2 PMID:38982288	研究论文	本文介绍了AgroNT，一个基于48种植物基因组训练的大型语言模型，主要关注作物物种，并展示了其在基因组学研究中的应用	AgroNT模型在监管注释、启动子/终止子强度、组织特异性基因表达和功能变异优先级方面取得了最先进的预测结果，并提出了植物基因组基准（PGB）	NA	利用大型语言模型在作物基因组改良中进行准确预测	48种植物基因组，特别是作物物种	机器学习	NA	NA	大型语言模型	基因组数据	48种植物物种
272	2024-12-18	Stiffness-Tunable Substrate Fabrication by DMD-Based Optical Projection Lithography for Cancer Cell Invasion Studies 2024-07, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3364971 PMID:38345950	研究论文	本文提出了一种基于数字微镜器件（DMD）光学投影光刻技术构建可调刚度基底的方法，用于研究癌细胞侵袭行为	首次使用DMD光学投影光刻技术构建可调刚度基底，并结合深度学习算法实时检测和跟踪癌细胞在不同刚度肿瘤模型中的侵袭轨迹	未提及具体的研究局限性	揭示癌细胞侵袭行为的机制，并探索个性化治疗的可能性	胃癌细胞在不同刚度肿瘤模型中的侵袭行为	NA	胃癌	DMD光学投影光刻技术	深度学习算法	图像	未提及具体样本数量
273	2024-12-18	The Deep-Match Framework: R-Peak Detection in Ear-ECG 2024-07, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3359752 PMID:38285581	研究论文	本文介绍了一种深度匹配滤波器（Deep-MF）用于在可穿戴心电图（Ear-ECG）中准确检测R波峰，从而提高Ear-ECG在实际场景中的实用性	提出了深度匹配滤波器（Deep-MF），通过编码器阶段和R波峰分类器阶段实现对R波峰的高精度检测，并在噪声心电图中表现优于现有算法	未提及具体限制	解决Ear-ECG信号质量下降的问题，提高其在实际应用中的实用性	Ear-ECG中的R波峰检测	机器学习	NA	深度学习	深度匹配滤波器（Deep-MF）	心电图（ECG）信号	36名年龄在18-75岁之间的受试者
274	2024-12-18	ECGVEDNET: A Variational Encoder-Decoder Network for ECG Delineation in Morphology Variant ECGs 2024-07, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3363077 PMID:38319768	研究论文	本文提出了一种用于形态变异心电图（ECG） delineation 的变分编码器-解码器网络 ECGVEDNET	提出了一个大规模的12导联ECG数据集ICDIRS，并设计了一种新的变分编码器-解码器网络ECGVEDNET，以解决ECG形态变异问题，并通过迁移学习框架将ICDIRS上学到的知识迁移到较小的数据集上	NA	开发一种能够在形态变异ECG中准确 delineation 的深度学习模型	心电图（ECG）的 fiducial points	机器学习	心血管疾病	变分编码器-解码器网络	变分编码器-解码器网络	ECG数据	156,145个QRS起始点和156,145个T峰点
275	2024-12-18	Self-Supervised Learning Improves Accuracy and Data Efficiency for IMU-Based Ground Reaction Force Estimation 2024-07, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3361888 PMID:38315597	研究论文	本文提出使用自监督学习（SSL）技术来提高基于IMU的地反作用力（GRF）估计的准确性和数据效率	利用自监督学习技术，通过预训练深度学习模型，减少了对大量标记数据的需求，并显著提高了GRF估计的准确性	本文未详细讨论自监督学习在其他类型运动数据上的适用性	提高基于IMU的地反作用力估计的准确性和数据效率	基于IMU的地反作用力估计	机器学习	NA	自监督学习（SSL）	Transformer模型	IMU数据	三个预训练数据集，包括真实IMU数据、合成IMU数据或两者的组合
276	2024-12-17	Deep learning microstructure estimation of developing brains from diffusion MRI: A newborn and fetal study 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103186 PMID:38701657	研究论文	本文提出了一种基于深度学习的方法，通过少量扩散加权测量来估计新生儿和胎儿大脑的纤维方向分布函数（FOD）	本文的创新点在于使用深度学习方法，通过仅六个扩散加权测量来估计FOD，相比传统方法和现有的深度学习方法，取得了更好的结果	本文指出扩散加权磁共振成像（dMRI）在探测发育中大脑微结构时存在固有的局限性	研究目的是开发一种新的深度学习方法，用于从有限的扩散加权磁共振成像数据中估计发育中大脑的纤维方向分布函数	研究对象是新生儿和胎儿的大脑白质	计算机视觉	NA	扩散加权磁共振成像（dMRI）	深度学习模型	图像	涉及两个临床外部数据集的新生儿和胎儿样本
277	2024-12-15	Identifying and training deep learning neural networks on biomedical-related datasets 2024-Jul-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae232 PMID:39041915	研究论文	本文描述了一个名为'NIGMS Sandbox for Cloud-based Learning'学习平台的资源模块的开发，该模块提供关于在生物医学图像数据上实现深度学习算法的交互式学习材料	该模块通过使用适当的云资源进行数据访问和分析，帮助用户识别和集成正确的神经网络类型，并强调了云计算在实现神经网络方面的易用性	NA	介绍不同类型的深度学习神经网络，并涵盖生物医学研究中常用的实践	生物医学图像数据	机器学习	NA	深度学习	神经网络	图像	NA
278	2024-12-15	Enhancing wound healing through deep reinforcement learning for optimal therapeutics 2024-Jul, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.240228 PMID:39086835	研究论文	本文提出了一种结合深度学习、最优控制和强化学习的自适应闭环控制框架，以加速伤口愈合	通过深度学习和强化学习自适应学习非线性伤口愈合动力学的线性表示，并训练深度强化学习代理跟踪最优信号，无需复杂的数学建模	NA	加速伤口愈合并找到最优治疗策略	伤口愈合过程及其治疗策略	机器学习	NA	深度学习、最优控制、强化学习	深度强化学习代理	NA	NA
279	2024-12-13	Deep Learning for Face Detection and Pain Assessment in Japanese macaques (Macaca fuscata) 2024-07-01, Journal of the American Association for Laboratory Animal Science : JAALAS IF:1.2Q2 DOI:10.30802/AALAS-JAALAS-23-000056 PMID:38428929	研究论文	研究使用深度学习模型检测日本猕猴面部表情以评估其疼痛状态	首次使用深度学习模型对日本猕猴的面部表情进行疼痛检测，并通过预处理和微调提高了分类模型的准确性	分类准确率仍有提升空间，可能受到背景、光照、肤色等因素的影响	研究深度学习模型在动物疼痛评估中的应用	日本猕猴的面部表情	计算机视觉	NA	深度学习	ResNet50	视频	30到60分钟的日本猕猴腹腔手术视频，包括手术前和手术后一天的记录
280	2024-12-13	Evaluation of machine learning models for cytochrome P450 3A4, 2D6, and 2C9 inhibition 2024-07, Journal of applied toxicology : JAT IF:2.7Q3 DOI:10.1002/jat.4601 PMID:38544296	研究论文	本文系统评估了传统机器学习和深度学习模型在预测三种主要CYP酶（CYP3A4、CYP2D6和CYP2C9）抑制中的表现	本文首次系统比较了不同机器学习算法和分子表示方法在CYP酶抑制预测中的性能，发现XGBoost和CatBoost算法结合指纹/理化描述符特征表现最佳	本文未探讨数据量和采样策略对模型性能的影响，且深度学习模型的表现普遍不如传统机器学习模型	评估不同机器学习模型在预测CYP酶抑制中的表现，为未来CYP抑制模型的开发提供参考	CYP3A4、CYP2D6和CYP2C9三种主要CYP酶的抑制	机器学习	NA	机器学习算法（XGBoost、CatBoost、深度学习）	XGBoost、CatBoost、深度学习模型	分子指纹和理化描述符	NA