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
41	2024-12-11	MultiModRLBP: A Deep Learning Approach for Multi-Modal RNA-Small Molecule Ligand Binding Sites Prediction 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3400521 PMID:38739505	研究论文	本研究提出了一种名为MultiModRLBP的深度学习方法，用于预测RNA与小分子配体的结合位点	MultiModRLBP方法整合了多模态特征，包括RNA分子的核苷酸级别的3D结构属性、基于整体RNA结构的关联图以及丰富的RNA语义信息，能够更准确地捕捉结构层面的细微变化	NA	解决预测RNA与小分子结合位点的复杂挑战，探索RNA药物靶点的潜在价值	RNA与小分子配体的结合位点	机器学习	NA	深度学习算法	NA	结构数据	851个RNA与小分子配体的相互作用
42	2024-12-11	TransFOL: A Logical Query Model for Complex Relational Reasoning in Drug-Drug Interaction 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3401035 PMID:38743532	研究论文	本文提出了一种基于Cross-Transformer和图卷积网络（GCNs）的一阶逻辑查询形式的药物-药物相互作用（DDI）预测模型TransFOL	TransFOL模型通过结合Cross-Transformer和GCNs，能够处理更复杂的药物相互作用推理任务，并引入生物医学信息以增强模型的泛化能力	NA	旨在提高药物-药物相互作用预测的准确性和复杂性	药物-药物相互作用（DDI）及其相关的生物医学因素	机器学习	NA	图卷积网络（GCNs），Cross-Transformer	TransFOL	知识图谱	两个基准数据集
43	2024-12-10	AI and Big Data approaches to addressing the opioid crisis: a scoping review protocol 2024-Aug-31, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2024-084728 PMID:39645274	综述	本文概述了评估人工智能和大数据技术在应对阿片类药物危机中的最新进展的必要步骤	本文旨在填补关于人工智能驱动的技术在检测、治疗、预防或应对阿片类药物危机方面的有效性方面的综述空白	NA	评估人工智能和大数据技术在应对阿片类药物危机中的最新进展及其相关性	人工智能和大数据技术在应对阿片类药物危机中的应用	机器学习	NA	机器学习、深度学习和自然语言处理	NA	NA	NA
44	2024-12-10	An Attention-Based Hemispheric Relation Inference Network for Perinatal Brain Age Prediction 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3411620 PMID:38857141	研究论文	提出了一种基于注意力机制的半球关系推理网络（HRINet），用于预测围产期婴儿的大脑年龄	利用大脑结构侧化的自然特性，通过图注意力机制捕捉半球间关系，并传递侧化信息作为特征，描述双侧半球之间的交互发育	NA	评估大脑状态，如异常发育和老化	围产期婴儿的大脑年龄	计算机视觉	NA	图注意力机制	HRINet	图像	531名早产和足月新生儿
45	2024-12-10	Multi-View Fusion Network-Based Gesture Recognition Using sEMG Data 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3287979 PMID:37339021	研究论文	本文提出了一种基于多视图融合网络的手势识别方法，使用表面肌电图（sEMG）数据进行手势分类	提出了一个新颖的IMSE（Inception-MaxPooling-Squeeze-Excitation）网络模块，用于减少深度学习过程中特征信息的损失，并构建了多特征编码器以丰富稀疏sEMG特征图的信息	本文未提及具体的局限性	研究如何通过多视图融合网络减少稀疏sEMG特征信息损失，并提高手势识别的分类性能	表面肌电图（sEMG）信号及其在手势识别中的应用	机器学习	NA	表面肌电图（sEMG）	多视图融合网络	信号	在NinaPro DB1数据集中，使用300ms时间窗口获取的特征图进行手势动作分类，平均准确率达到93.96%，个体动作识别率的最大变化范围小于11.2%
46	2024-12-10	DCNNLFS: A Dilated Convolutional Neural Network With Late Fusion Strategy for Intelligent Classification of Gastric Histopathology Images 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3334709 PMID:37983160	研究论文	本文设计了一种带有后期融合策略的扩张卷积神经网络（DCNNLFS）用于胃病理图像的智能分类	引入扩张卷积和后期融合策略，增强了模型对细节的感知和分类能力	未提及	提高胃病理图像分类的准确性和细节感知能力	胃病理图像	计算机视觉	胃癌	扩张卷积	CNN	图像	未提及具体数量，但提到了一个胃病理图像数据集
47	2024-12-10	Polygonal Approximation Learning for Convex Object Segmentation in Biomedical Images With Bounding Box Supervision 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3341699 PMID:38090818	研究论文	本文提出了一种名为多边形近似学习（PAL）的新方法，用于在仅使用边界框监督的情况下进行生物医学图像中凸物体的实例分割	PAL方法利用检测模型中已有的信息，通过边界框的交集近似生成凸包，从而实现分割，无需精细标注	PAL方法在非凸物体实例分割任务中表现出色，但未详细讨论其在其他复杂场景中的应用	减少深度学习在生物医学图像分割中对精细标注数据的依赖	生物医学图像中的凸物体实例分割	计算机视觉	NA	NA	NA	图像	NA
48	2024-12-10	Precision and Robust Models on Healthcare Institution Federated Learning for Predicting HCC on Portal Venous CT Images 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3400599 PMID:38739503	研究论文	本研究提出了一种在联邦学习框架下结合二维和三维深度学习模型用于精确分割肝癌和肿瘤区域的创新策略	引入了一种结合二维和三维深度学习模型的联邦学习框架，显著提高了肝癌和肿瘤区域的分割效率和准确性	未来研究将集中在改进联邦学习算法及其在AI系统操作中的持续集成和部署过程	开发一种在联邦学习框架下结合二维和三维深度学习模型用于精确分割肝癌和肿瘤区域的方法	肝癌和肿瘤区域的精确分割	计算机视觉	肝癌	联邦学习	Hybrid-ResUNet	CT图像	131个CT扫描
49	2024-12-10	Non-Contact Blood Pressure Estimation From Radar Signals by a Stacked Deformable Convolution Network 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3400961 PMID:38743528	研究论文	本文介绍了一种基于雷达信号的无接触血压监测方法，结合了传统的雷达信号处理和创新的深度学习架构	提出了基于雷达信号的堆叠可变形卷积网络（RSD-Net），通过结合通道和空间自注意力机制，增强了雷达信号的特征提取能力	NA	开发一种无接触的连续血压监测方法	健康个体的血压	机器学习	NA	雷达信号处理	堆叠可变形卷积网络（RSD-Net）	雷达信号	30名健康个体
50	2024-12-10	Segmentation Guided Crossing Dual Decoding Generative Adversarial Network for Synthesizing Contrast-Enhanced Computed Tomography Images 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3403199 PMID:38768004	研究论文	提出了一种新的生成对抗网络模型SGCDD-GAN，用于从非增强CT图像合成增强CT图像	引入了一个交叉双解码生成器，包括注意力解码器和改进的变换解码器，并通过交叉技术增强彼此的能力，同时采用多任务学习策略引导生成器更多关注病变区域	未提及	提高从非增强CT图像合成增强CT图像的准确性，减轻患者使用对比剂的负担	合成增强CT图像以诊断肝脏病变	计算机视觉	肝脏病变	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	使用了一个内部增强CT数据集进行测试
51	2024-12-10	Attention-Based MultiOffset Deep Learning Reconstruction of Chemical Exchange Saturation Transfer (AMO-CEST) MRI 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3404225 PMID:38776205	研究论文	提出了一种基于注意力机制的多偏移深度学习重建网络（AMO-CEST），用于加速化学交换饱和转移（CEST）磁共振成像（MRI）的采集	引入了注意力机制和多径向k空间采样策略，结合扩张卷积和数据一致性模块，提高了CEST-MRI图像的质量和重建效率	NA	加速CEST-MRI的采集并保持图像质量	小鼠脑部数据集中的5760张CEST图像	计算机视觉	NA	MRI	深度学习网络	图像	5760张CEST图像
52	2024-12-09	Improved Robustness for Deep Learning-based Segmentation of Multi-Center Myocardial Perfusion MRI Datasets Using Data Adaptive Uncertainty-guided Space-time Analysis 2024-Aug-09, ArXiv PMID:39148930	研究论文	本文提出了一种数据自适应不确定性引导的时空分析方法，用于提高多中心心肌灌注MRI数据集的深度学习分割算法的鲁棒性	本文提出了一种数据自适应不确定性引导的时空分析方法（DAUGS），通过使用时空滑动补丁分析和不确定性映射，自动选择最佳分割结果，从而提高多中心数据集的鲁棒性	NA	开发一种能够分析多中心数据集的深度学习技术，尽管训练数据有限且软件和硬件存在差异	心肌灌注MRI数据集	计算机视觉	心血管疾病	深度学习	U-Net	图像	150名受试者，21,150张首次通过图像
53	2024-12-09	Improving Image Segmentation with Contextual and Structural Similarity 2024-Aug, Pattern recognition IF:7.5Q1 DOI:10.1016/j.patcog.2024.110489 PMID:38645435	研究论文	本文提出了一种新的上下文相似性损失（CSL）和结构相似性损失（SSL），用于改进医学图像分割中的语义一致性	引入了上下文相似性损失和结构相似性损失，以显式地考虑体素间关系，从而提高分割性能	NA	改进医学图像分割中的语义一致性	临床锥束计算机断层扫描（CBCT）数据集和公开的胰腺数据集	计算机视觉	颅颌面畸形	深度学习	NA	图像	涉及多种颅颌面畸形的患者数据集和公开的胰腺数据集
54	2024-12-08	Digital-SMLM for precisely localizing emitters within the diffraction limit 2024-Aug, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2023-0936 PMID:39635039	研究论文	本文介绍了一种名为Digital-SMLM的新方法，通过结合实验数据集和深度学习，精确预测亚衍射极限点的发射器数量和位置	Digital-SMLM在预测亚衍射极限点的发射器数量和位置方面优于Deep-STORM，并能更准确地恢复目标分子的真实分布	NA	开发一种新的方法，以精确预测亚衍射极限点的发射器数量和位置，用于生物医学研究中的定量分析或分子机制调查	亚衍射极限点的发射器数量和位置	计算机视觉	NA	单分子定位显微镜（SMLM）	深度学习	图像	NA
55	2024-12-02	Enhancing chest X-ray datasets with privacy-preserving large language models and multi-type annotations: a data-driven approach for improved classification 2024-Aug-15, ArXiv PMID:38711436	研究论文	本文提出了一种利用隐私保护的大型语言模型和多类型注释来增强胸部X光数据集的方法，以提高分类效果	本文提出了MAPLEZ方法，利用本地可执行的大型语言模型从胸部X光报告中提取和增强发现标签，不仅提取二元标签，还提取位置、严重程度和放射科医生的不确定性	NA	提高胸部X光图像分析中数据集标签的质量和分类模型的性能	胸部X光报告中的异常发现标签	计算机视觉	NA	大型语言模型	深度学习模型	文本	五个测试集中的八种异常
56	2024-12-02	Application of image recognition technology in pathological diagnosis of blood smears 2024-Aug-06, Clinical and experimental medicine IF:3.2Q2 DOI:10.1007/s10238-024-01379-z PMID:39105953	研究论文	本文综述了利用图像识别算法诊断血液涂片中疾病的方法和步骤，重点介绍了疟疾和白血病的诊断	利用图像识别技术提高血液涂片诊断的效率和准确性	NA	探讨图像识别技术在血液涂片病理诊断中的应用	血液涂片中的疟疾和白血病	计算机视觉	血液疾病	图像识别技术	神经网络	图像	NA
57	2024-12-02	DeepResBat: deep residual batch harmonization accounting for covariate distribution differences 2024-Aug-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.18.574145 PMID:38293022	研究论文	本文提出了一种基于深度神经网络的MRI数据集间变异性校正方法DeepResBat，通过结合非线性回归树和条件变分自编码器，显式考虑协变量分布差异，从而提高数据集间的一致性	本文的创新点在于提出了两种新的深度学习方法（coVAE和DeepResBat），显式考虑了协变量分布差异，并证明了不考虑协变量会导致次优的校正效果	coVAE方法在不存在关联的情况下会产生虚假的协变量关联，未来研究应避免这一假阳性陷阱	研究目的是开发一种能够显式考虑协变量分布差异的深度学习方法，以提高多数据集MRI数据的校正效果	研究对象是来自三个大洲的三个数据集，共2787名参与者和10085个解剖T1扫描图像	机器学习	NA	深度神经网络	条件变分自编码器（cVAE）	MRI图像	2787名参与者和10085个解剖T1扫描图像
58	2024-11-29	Dissecting the regulatory logic of specification and differentiation during vertebrate embryogenesis 2024-Aug-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.27.609971 PMID:39253514	研究论文	研究探讨了脊椎动物胚胎发生过程中转录因子与染色质可及性之间的相互作用，揭示了基因调控逻辑	开发了深度学习模型预测染色质可及性，并发现了Nanog在启动中内胚层基因增强子可及性中的新功能，描述了瞬时分化的新模式	NA	系统解码脊椎动物胚胎发生过程中指导细胞类型分化的基因调控逻辑	早期斑马鱼胚胎发生过程中的RNA表达和染色质可及性	基因调控	NA	单细胞多组学	深度学习模型	RNA表达和染色质可及性数据	早期斑马鱼胚胎的单细胞数据
59	2024-11-29	Lung pneumonia severity scoring in chest X-ray images using transformers 2024-Aug, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03066-3 PMID:38589723	研究论文	本文介绍了一种基于Vision Transformers（ViT）的神经网络模型，用于在胸部X光图像中量化COVID-19和其他肺部疾病的严重程度	提出了一个名为Vision Transformer Regressor Infection Prediction（ViTReg-IP）的新方法，结合了ViT架构和回归头，以及一种新的图像增强方案	未提及	开发一种鲁棒且适应性强的方法，用于通过胸部X光图像诊断和评估肺部肺炎的严重程度	COVID-19和其他肺部疾病的严重程度量化	计算机视觉	肺部疾病	Vision Transformers（ViT）	Vision Transformer Regressor Infection Prediction（ViTReg-IP）	图像	使用了来自不同开放源的多种胸部X光图像数据集进行评估
60	2024-11-29	Enhancing deep learning pre-trained networks on diabetic retinopathy fundus photographs with SLIC-G 2024-Aug, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03093-0 PMID:38649629	研究论文	本文提出了一种混合图像处理方法SLIC-G，用于增强深度学习预训练网络在糖尿病视网膜病变眼底照片上的性能	引入超像素分割和高斯平滑操作作为图像处理方法，解决了像素级检测的挑战，并提高了分类性能	未提及具体限制	提高深度学习网络在糖尿病视网膜病变数据集上的分类性能	糖尿病视网膜病变眼底照片	计算机视觉	糖尿病视网膜病变	SLIC-G	深度学习网络	图像	未提及具体样本数量