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
921	2024-11-15	Wfold: A new method for predicting RNA secondary structure with deep learning 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109207 PMID:39341115	研究论文	提出了一种基于深度学习的RNA二级结构预测新方法Wfold	Wfold利用图像化表示的RNA序列，结合U-net和Transformer编码器，通过自注意力机制和局部信息收集提高预测准确性	NA	提高RNA二级结构预测的准确性	RNA二级结构	机器学习	NA	深度学习	U-net和Transformer	图像	跨家族和家族内RNA数据集
922	2024-11-15	Preoperative markers for identifying CT ≤2 cm solid nodules of lung adenocarcinoma based on image deep learning 2024-Nov, Thoracic cancer IF:2.3Q2 DOI:10.1111/1759-7714.15448 PMID:39354738	研究论文	本文基于深度学习图像分析，研究了术前识别CT图像中≤2cm的实性肺腺癌结节的标志物	通过LASSO回归和决策树分析识别出与实性为主的腺癌高度相关的诊断因子，并构建了逻辑模型和诺模图	样本量相对较小，可能影响模型的泛化能力	研究术前识别肺腺癌实性结节的标志物，以辅助手术方案的选择和长期预后评估	临床分期为IA1-2的原发性肺腺癌患者	计算机视觉	肺癌	深度学习	逻辑模型	图像	1489名患者
923	2024-11-15	Visual interpretation of deep learning model in ECG classification: A comprehensive evaluation of feature attribution methods 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109088 PMID:39353296	研究论文	本文评估了11种流行的特征归因方法在基于ResNet-18架构的深度学习模型中对心电图分类的视觉解释效果	首次对多种特征归因方法在心电图数据集上的适用性进行了大规模评估	研究仅限于17种不同的诊断，且不同诊断中Guided Grad-CAM的效果有所不同	评估特征归因方法在心电图分类中的适用性，以帮助临床医生理解模型的决策过程	11种特征归因方法在5个大型心电图数据集上的表现	计算机视觉	心血管疾病	NA	ResNet-18	心电图	5个大型心电图数据集，涉及17种不同诊断
924	2024-11-15	Multimodal brain tumor segmentation and classification from MRI scans based on optimized DeepLabV3+ and interpreted networks information fusion empowered with explainable AI 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109183 PMID:39357134	研究论文	本文提出了一种基于优化DeepLabV3+和解释网络信息融合的深度学习和可解释AI框架，用于MRI扫描中的多模态脑肿瘤分割和分类	本文的创新点在于结合了贝叶斯优化（BO）进行超参数初始化，并使用LIME方法检查模型的可解释性，提高了分割和分类的准确性	NA	开发一种用于脑肿瘤分割和分类的深度学习和可解释AI框架，以提高医学影像中机器决策和预测的可信度	脑肿瘤的MRI扫描图像	计算机视觉	脑肿瘤	贝叶斯优化（BO）、Atrous Spatial Pyramid Pooling（ASPP）	DeepLabV3+、Inverted Residual Bottleneck 96 layers（IRB-96）、Inverted Residual Bottleneck Self-Attention（IRB-Self）	图像	Figshare数据集
925	2024-11-15	On-site burn severity assessment using smartphone-captured color burn wound images 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109171 PMID:39362001	研究论文	本文介绍了一种利用智能手机拍摄的彩色烧伤伤口图像进行自动烧伤严重程度评估的创新分析平台	提出了一个新颖的联合任务深度学习模型，能够同时分割烧伤区域和身体部位，并引入了非对称注意力机制	NA	开发一种自动化的烧伤严重程度评估方法，减少临床评估中的观察者间差异	烧伤伤口图像和身体部位图像	计算机视觉	烧伤	深度学习	联合任务深度学习模型	图像	1340张彩色烧伤伤口图像
926	2024-11-15	Unveiling Thymoma Typing Through Hyperspectral Imaging and Deep Learning 2024-Nov, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400325 PMID:39362657	研究论文	本研究通过高光谱成像和深度学习技术对胸腺瘤进行分类	本研究首次将高光谱成像与深度学习相结合，用于胸腺瘤的分类，显著提高了分类精度和效率	NA	开发一种自动化胸腺瘤诊断方法，提高诊断准确性和效率	胸腺瘤的病理切片图像	计算机视觉	胸腺瘤	高光谱成像	残差网络	图像	NA
927	2024-11-15	Automatic Acne Severity Grading with a Small and Imbalanced Data Set of Low-Resolution Images 2024-Nov, Dermatology and therapy IF:3.5Q1 DOI:10.1007/s13555-024-01283-0 PMID:39379778	研究论文	本文开发了一种基于深度学习的痤疮严重程度分级模型，能够在低分辨率图像的小规模且不平衡的数据集上进行训练	该模型能够在数据集规模小且严重程度分布不平衡的情况下，达到与传统方法相当的准确率	数据集规模小且严重程度分布不平衡，可能影响模型的泛化能力	开发一种能够在有限数据条件下准确分级痤疮严重程度的深度学习模型	痤疮严重程度分级	计算机视觉	皮肤疾病	深度学习	深度学习模型	图像	1374张图像，来自391名不同患者的痤疮图像
928	2024-11-15	A Deep Learning System to Predict Epithelial Dysplasia in Oral Leukoplakia 2024-Nov, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345241272048 PMID:39382109	研究论文	研究开发了一种深度学习系统，用于预测口腔白斑病中的上皮异型增生	首次使用深度学习模型预测口腔白斑病中的上皮异型增生，并展示了其在临床决策支持中的潜力	研究仅限于回顾性图像数据，尚未进行前瞻性临床试验验证	开发和验证一种深度学习模型，用于预测口腔白斑病中的上皮异型增生，并评估其在临床决策支持中的表现	口腔白斑病患者的口腔照片和上皮异型增生状态	机器学习	口腔癌	深度学习	EfficientNet-B2	图像	2073张口腔白斑病患者的口腔照片
929	2024-11-15	Machine vision-assisted genomic prediction and genome-wide association of spleen-related traits in large yellow croaker infected with visceral white-nodules disease 2024-Nov, Fish & shellfish immunology IF:4.1Q1 DOI:10.1016/j.fsi.2024.109948 PMID:39384056	研究论文	本文研究了机器视觉辅助下的大黄鱼脾脏相关性状的基因预测和全基因组关联分析	提出了基于机器视觉的图像分割框架，用于提取脾脏特征，并结合深度卷积神经网络进行自动特征学习和对象分割	NA	探索大黄鱼内脏白点病抗性相关性状的基因预测和全基因组关联分析	大黄鱼脾脏相关性状和内脏白点病抗性	机器学习	NA	深度学习	卷积神经网络	图像	NA
930	2024-11-15	Ensemble approach of deep learning models for binary and multiclass classification of histopathological images for breast cancer 2024-Nov, Pathology, research and practice DOI:10.1016/j.prp.2024.155644 PMID:39395299	研究论文	本文研究了使用深度学习模型对乳腺癌病理图像进行二分类和多分类	提出了使用Vision Transformer (ViT)、Convmixer和VGG-19三种深度学习模型进行乳腺癌肿瘤检测和分类，并进行了模型集成	集成模型ViT-Convmixer的性能相比ViT模型有所下降	提高乳腺癌早期诊断的准确性，减少人为误差	乳腺癌病理图像	计算机视觉	乳腺癌	深度学习	Vision Transformer (ViT), Convmixer, VGG-19	图像	使用了Breast cancer histopathological (Break His)图像数据库，采用80:20的训练方案
931	2024-11-15	Deep learning from head CT scans to predict elevated intracranial pressure 2024 Nov-Dec, Journal of neuroimaging : official journal of the American Society of Neuroimaging IF:2.3Q2 DOI:10.1111/jon.13241 PMID:39387348	研究论文	本文开发了一种利用头部CT扫描图像预测颅内压升高的深度学习模型	本文提出了一个基于简单CT图像的微创颅内压预测模型，以防止由颅内压升高引起的继发性脑损伤	本文未详细讨论模型的泛化能力和在不同临床环境中的适用性	开发一种非侵入性监测技术，用于预测颅内压升高，以防止继发性脑损伤	颅内压升高的预测	计算机视觉	NA	深度学习	深度学习模型	图像	NA
932	2024-11-15	Trends in brain MRI and CP association using deep learning 2024-Nov, La Radiologia medica DOI:10.1007/s11547-024-01893-w PMID:39388027	研究论文	本文研究了使用深度学习模型分析脑部MRI与脑瘫（CP）之间的关联	引入了两种深度学习模型SSeq-DL和SMS-DL，分别用于单序列和多序列脑部MRI的训练，并采用了专门设计的注意力机制和并行计算技术来识别CP相关的脑部趋势	NA	旨在通过深度学习模型早期识别脑瘫并关联脆弱的脑部MRI扫描，以促进早期干预和康复	脑瘫（CP）及其与脑部MRI扫描的关联	计算机视觉	脑瘫	深度学习	SSeq-DL和SMS-DL	MRI图像	NA
933	2024-11-15	Sitetack: a deep learning model that improves PTM prediction by using known PTMs 2024-Nov-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae602 PMID:39388212	研究论文	本文介绍了一种名为Sitetack的深度学习模型，通过利用已知的蛋白质翻译后修饰（PTM）位点来提高PTM预测的准确性	通过在序列编码中标记已知的PTM位点，显著提高了现有模型的预测性能，并展示了PTM位点对其他PTM预测的重要性	未明确提及	提高蛋白质翻译后修饰（PTM）位点的预测准确性	蛋白质翻译后修饰（PTM）位点	机器学习	NA	深度学习	卷积神经网络（CNN）	序列数据	未明确提及
934	2024-11-15	Deep coupled registration and segmentation of multimodal whole-brain images 2024-Nov-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae606 PMID:39400311	研究论文	本文介绍了一种用于多模态全脑图像联合配准和分割的深度学习框架	该框架在两个层次上深度耦合和协作配准与分割任务，通过学习统一的共同潜在特征表示来建立强特征级耦合，并引入相互监督的双分支网络来解耦潜在特征，从而促进任务级协作	NA	开发一种能够有效利用配准和分割任务之间相关性和互补性的高吞吐量方法	多模态全脑图像的配准和分割	计算机视觉	NA	深度学习	双分支网络	图像	包括小鼠和人类的多模态和单模态数据集
935	2024-11-15	Lifestyle factors in the biomedical literature: an ontology and comprehensive resources for named entity recognition 2024-Nov-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae613 PMID:39412443	研究论文	本文介绍了一种新的生活方式因素本体（LSFO），并开发了基于字典和基于变压器的命名实体识别（NER）系统来识别和规范化生活方式因素	提出了一个新的生活方式因素本体（LSFO），并创建了一个手动注释的生活方式因素语料库（LSF200），用于训练和评估NER系统	基于字典的NER系统的F-score为64%，基于变压器的NER系统的F-score为76%，表明仍有改进空间	系统地描述和识别生物医学文献中的生活方式因素	生活方式因素及其在生物医学文献中的识别	自然语言处理	NA	命名实体识别（NER）	变压器	文本	LSF200语料库包含手动注释的生活方式因素
936	2024-11-15	TRAITER: transformer-guided diagnosis and prognosis of heart failure using cell nuclear morphology and DNA damage marker 2024-Nov-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae610 PMID:39412446	研究论文	本文介绍了一种基于Transformer的深度学习方法TRAITER，用于心力衰竭的诊断和预后	TRAITER结合了图像分割技术和Vision Transformer，能够从心脏组织细胞核形态图像和DNA损伤标记的双染色图像中预测心力衰竭的可能性和左心室逆向重塑的潜力	NA	开发一种精确诊断和预后心力衰竭的新方法	心力衰竭的诊断和预后	计算机视觉	心血管疾病	图像分割技术	Vision Transformer	图像	心力衰竭预测使用了来自9名患者的31,158张图像，左心室逆向重塑预测使用了来自46名患者的231,840张图像
937	2024-11-15	Deep learning-based enhancement of fluorescence labeling for accurate cell lineage tracing during embryogenesis 2024-Nov-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae626 PMID:39418183	研究论文	本文介绍了一种基于深度学习的方法DELICATE，用于增强荧光标记，提高胚胎发育过程中细胞谱系追踪的准确性	DELICATE方法通过提高局部信噪比和改善细胞核荧光强度的均匀性，显著提高了自动化细胞谱系追踪的准确性，特别是在C. elegans胚胎后期阶段	NA	开发一种新的方法来提高自动化细胞谱系追踪的准确性，减少人工校正的工作量	C. elegans胚胎发育过程中的细胞谱系追踪	计算机视觉	NA	深度学习	NA	图像	C. elegans胚胎，特别是350细胞后的阶段
938	2024-11-15	EuDockScore: Euclidean graph neural networks for scoring protein-protein interfaces 2024-Nov-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae636 PMID:39441796	研究论文	本文介绍了利用欧几里得图神经网络架构改进蛋白质-蛋白质相互作用的评分函数	提出了EuDockScore和EuDockScore-Ab模型，分别用于一般蛋白质-蛋白质相互作用和抗体-抗原相互作用的评分，以及基于AlphaFold-Multimer输出的EuDockScore-AFM模型	NA	改进蛋白质-蛋白质相互作用的评分函数	蛋白质-蛋白质相互作用和抗体-抗原相互作用	机器学习	NA	欧几里得图神经网络	图神经网络	蛋白质结构	NA
939	2024-11-15	Enhancing Autism Spectrum Disorder identification in multi-site MRI imaging: A multi-head cross-attention and multi-context approach for addressing variability in un-harmonized data 2024-Nov, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102998 PMID:39442245	研究论文	本文提出了一种多站点MRI影像中自闭症谱系障碍识别的新方法，通过多头部交叉注意力和多上下文模型来解决数据不一致性问题	本文创新性地提出了交叉组合多尺度多上下文框架（CCMSMCF），结合多头部注意力交叉尺度模块（MHACSM）和残差多上下文模块（RMCN），并采用多种损失函数进行训练，以提高模型的泛化能力	本文未详细讨论模型的计算复杂度和训练时间，以及在不同数据集上的泛化性能	旨在减少多站点MRI影像分析中的站点和扫描仪变异性，开发一种在不同扫描仪和站点上均有效的模型	自闭症谱系障碍（ASD）的早期诊断	计算机视觉	自闭症	MRI	CNN	影像	使用Autism Brain Imaging Data Exchange I (ABIDE-I)数据集，包含来自多个扫描仪和站点的数据
940	2024-11-15	Automated counting and classifying Daphnia magna using machine vision 2024-Nov, Aquatic toxicology (Amsterdam, Netherlands) DOI:10.1016/j.aquatox.2024.107126 PMID:39461039	研究论文	本文研究了使用机器视觉自动计数和分类Daphnia magna	利用Mask2Former和U-Net模型结合OpenCV技术，实现了对Daphnia magna的高精度自动计数和分类	NA	提高Daphnia magna计数和分类的准确性和效率	Daphnia magna的生存和繁殖率	计算机视觉	NA	OpenCV	Mask2Former, U-Net	图像	NA