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
161	2025-01-04	A deep learning model based on the BERT pre-trained model to predict the antiproliferative activity of anti-cancer chemical compounds 2024-Nov, SAR and QSAR in environmental research IF:2.3Q3 DOI:10.1080/1062936X.2024.2431486 PMID:39605280	研究论文	本研究利用基于BERT预训练模型的深度学习模型预测抗癌化合物的抗增殖活性	使用BERT预训练模型进行迁移学习，预测抗癌化合物的抗增殖活性，为药物发现提供新方法	模型在PC3和HepG2细胞系上的预测结果不够可靠	预测抗癌化合物的抗增殖活性，以加速药物发现过程	五种癌细胞系（HeLa、MCF7、MDA-MB231、PC3和MDA-MB）及合成的化合物	自然语言处理	癌症	BERT预训练模型	ChemBERTa	化学结构数据	超过3000个来自PubChem的合成分子，以及每个细胞线约25个小分子的内部数据集
162	2025-01-02	Predicting sinonasal inverted papilloma attachment using machine learning: Current lessons and future directions 2024-Nov-30, American journal of otolaryngology IF:1.8Q2 DOI:10.1016/j.amjoto.2024.104549 PMID:39740533	研究论文	本文开发了一种机器学习模型，用于分析CT图像并识别鼻窦内翻性乳头状瘤（IP）的附着部位	使用nnU-Net模型自动配置图像预处理、网络架构、训练和后处理，以识别IP附着部位	需要更大的样本量和更多样化的数据集以可靠地集成到临床实践中	开发一种机器学习模型，用于识别鼻窦内翻性乳头状瘤的附着部位	鼻窦内翻性乳头状瘤（IP）患者	数字病理学	鼻窦内翻性乳头状瘤	CT扫描	nnU-Net	图像	58名患者
163	2024-12-30	Automatic detection and segmentation of lesions in 18 F-FDG PET/CT imaging of patients with Hodgkin lymphoma using 3D dense U-Net 2024-Nov-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001892 PMID:39224914	研究论文	本研究提出了一种结合U-Net和DenseNet架构的自动分割方法，用于霍奇金淋巴瘤的PET/CT图像分割	结合U-Net和DenseNet架构，并使用Tversky损失函数，以提高小病灶分割的准确性和鲁棒性	样本量相对较小，训练集141个样本，测试集20个样本	提高霍奇金淋巴瘤在PET/CT图像中的自动分割准确性	霍奇金淋巴瘤患者的PET/CT图像	数字病理学	霍奇金淋巴瘤	PET/CT成像	3D dense U-Net	图像	训练集141个样本，测试集20个样本
164	2024-12-30	Evaluation of the prostate cancer and its metastases in the [ 68 Ga]Ga-PSMA PET/CT images: deep learning method vs. conventional PET/CT processing 2024-Nov-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001891 PMID:39224922	研究论文	本研究探讨了在[68Ga]Ga-PSMA PET扫描中使用深度学习进行衰减校正的可行性和优势	通过深度学习模型进行衰减校正，显著提高了图像质量和病变检测能力，并减少了患者的辐射暴露	研究样本量相对较小，且仅针对前列腺癌患者，可能限制了结果的普适性	评估深度学习在[68Ga]Ga-PSMA PET/CT图像中用于前列腺癌及其转移的诊断效果	700名前列腺癌患者的[68Ga]Ga-PSMA PET/CT图像	数字病理学	前列腺癌	PET/CT扫描	深度学习模型	图像	700名前列腺癌患者
165	2024-12-29	Three-Dimensional Thermal Tomography with Physics-Informed Neural Networks 2024-Nov-30, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10120140 PMID:39728902	研究论文	本文利用物理信息神经网络进行三维热成像，旨在从表面温度数据中准确重建内部温度场	结合物理约束的损失函数和统计不确定性，提高了模型在噪声环境下的鲁棒性，特别是在传统CNN难以处理的深层区域	在较大区域，特别是在远离表面的区域，网络的预测能力下降	研究非侵入性热成像中的内部温度场重建	表面温度数据	计算机视觉	NA	3D卷积神经网络	CNN	温度数据	小体模（如直径10厘米）
166	2024-12-29	STANet: A Novel Spatio-Temporal Aggregation Network for Depression Classification with Small and Unbalanced FMRI Data 2024-Nov-28, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10120138 PMID:39728900	研究论文	本文提出了一种新的时空聚合网络（STANet），用于处理小样本和不平衡的fMRI数据以进行抑郁症分类	STANet通过结合卷积神经网络（CNN）和循环神经网络（RNN）来捕捉大脑活动的时空特征，并引入合成少数类过采样技术（SMOTE）和注意力-傅里叶门控循环单元（AFGRU）分类器以提高模型性能	研究依赖于小样本和不平衡的fMRI数据，可能影响模型的泛化能力	提高抑郁症的早期诊断准确性	抑郁症患者	数字病理学	抑郁症	fMRI	CNN, RNN, AFGRU	fMRI图像	小样本和不平衡的fMRI数据
167	2024-12-29	Chinese Clinical Named Entity Recognition With Segmentation Synonym Sentence Synthesis Mechanism: Algorithm Development and Validation 2024-Nov-21, JMIR medical informatics IF:3.1Q2 DOI:10.2196/60334 PMID:39622697	研究论文	本文提出了一种基于邻近词计算的数据集增强算法，用于解决临床命名实体识别任务中的数据稀缺和标注困难问题	提出了一种基于邻近词汇的分段同义句合成（SSSS）算法，无需手动扩展专业领域词典，通过词汇分段从自然语言数据中重新组合新同义词，实现数据集的邻近扩展表达	算法依赖于现有的公共知识，可能在某些特定领域的应用中表现有限	解决临床命名实体识别任务中的数据稀缺和标注困难问题	电子病历文本中的命名实体	自然语言处理	NA	邻近词计算	RoBERTa + CRF, RoBERTa + BiLSTM + CRF	文本	CCKS-2017和CCKS-2019数据集
168	2024-12-29	Hierarchical Graph Convolutional Network Built by Multiscale Atlases for Brain Disorder Diagnosis Using Functional Connectivity 2024-11, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3282961 PMID:37339027	研究论文	本文提出了一种基于多尺度图谱的层次图卷积网络（MAHGCN），用于脑部疾病的诊断	首次利用多尺度图谱进行功能性连接网络（FCN）分析，并提出Atlas-guided Pooling（AP）方法，结合图卷积层进行多层次信息提取	研究主要依赖于静息态fMRI数据，未涉及其他类型的脑成像数据	开发一种新的深度学习框架，用于脑部疾病的诊断	阿尔茨海默病（AD）、轻度认知障碍（MCI）和自闭症谱系障碍（ASD）患者	数字病理学	老年疾病	功能性磁共振成像（fMRI）	层次图卷积网络（MAHGCN）	图像	1792名受试者
169	2024-12-29	The Impact of Multi-Institution Datasets on the Generalizability of Machine Learning Prediction Models in the ICU 2024-Nov-01, Critical care medicine IF:7.7Q1 DOI:10.1097/CCM.0000000000006359 PMID:38958568	研究论文	本文评估了深度学习模型在ICU中早期检测不良事件的跨医院可转移性	通过使用来自多个机构的公共数据集，系统评估了深度学习模型在不同医院间的可转移性，并探讨了多数据集训练对模型性能的影响	尽管使用了多数据集训练，但模型在新医院的表现仍依赖于训练数据中包含的兼容医院，且专门提升泛化性的方法在实验中未显著改善性能	评估深度学习模型在ICU中早期检测不良事件的跨医院可转移性	ICU中的成年患者	机器学习	NA	深度学习	深度学习模型	ICU数据	334,812次ICU住院记录
170	2024-12-29	Dual Attention Relation Network With Fine-Tuning for Few-Shot EEG Motor Imagery Classification 2024-11, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3287181 PMID:37379192	研究论文	本文提出了一种新颖的双向少样本网络，用于改进未见受试者的运动想象（MI）脑电图（EEG）分类	提出了一种包含嵌入模块、时间注意力模块、聚合注意力模块和关系模块的双向少样本网络，能够有效学习未见受试者类别的代表性特征并进行分类	未见受试者数据的标签稀缺性和低信噪比（SNR）仍然是挑战	提高未见受试者的运动想象脑电图分类准确率	运动想象（MI）脑电图（EEG）数据	机器学习	NA	深度学习	双向少样本网络	脑电图（EEG）信号	使用BCI竞赛IV 2a、2b和GIST数据集进行跨受试者和跨数据集分类任务评估
171	2024-12-29	DiamondNet: A Neural-Network-Based Heterogeneous Sensor Attentive Fusion for Human Activity Recognition 2024-11, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3285547 PMID:37402195	研究论文	本文提出了一种基于神经网络的异质传感器注意力融合框架DiamondNet，用于细粒度的人类活动识别	DiamondNet框架通过多传感器模态的创建、去噪、特征提取和融合，引入注意力机制和图卷积网络，显著提升了人类活动识别的性能	NA	提升基于轻量传感器的人类活动识别性能	人类活动识别	机器学习	NA	NA	1-D卷积去噪自编码器（1-D-CDAEs）、注意力机制、图卷积网络	传感器数据	三个公共数据集
172	2024-12-29	Emotion-Semantic-Aware Dual Contrastive Learning for Epistemic Emotion Identification of Learner-Generated Reviews in MOOCs 2024-11, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3294636 PMID:37486839	研究论文	本文提出了一种情感语义感知的双重对比学习方法（ES-DCL），用于识别大规模开放在线课程（MOOCs）中学习者生成评论的认知情感	通过从两个不同视角提取隐式语义特征和人类可解释的情感特征，形成互补的情感语义特征，并设计两种对比损失（标签对比损失和特征对比损失）来训练情感语义特征在样本空间中的判别分布，解决不同类别认知情感之间的各向异性问题	未明确提及具体局限性	提高MOOCs中学习者生成评论的认知情感识别性能	MOOCs中学习者生成的评论	自然语言处理	NA	双重对比学习	ES-DCL	文本	四个不同学科的MOOCs评论数据集
173	2024-12-28	Revolutionizing Epithelial Differentiability Analysis in Small Airway-on-a-Chip Models Using Label-Free Imaging and Computational Techniques 2024-Nov-29, Biosensors DOI:10.3390/bios14120581 PMID:39727846	研究论文	本文提出了一种与小型气道芯片系统兼容的无标记形态成像平台，通过深度学习和图像识别技术分析人类小气道上皮细胞的分化能力	结合深度学习和无标记成像技术，显著提高了小型气道芯片模型的效率和稳定性，并开发了自动处理纤毛细胞跳动图像和计算跳动频率的定制MATLAB程序	NA	提高小型气道芯片模型的效率和稳定性，并研究人类小气道上皮细胞的分化能力	人类小气道上皮细胞（HSAECs）	数字病理学	NA	无标记成像、深度学习、图像识别	深度学习	图像	NA
174	2024-12-28	Deep Learning-Based Method for Detecting Traffic Flow Parameters Under Snowfall 2024-Nov-22, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10120301 PMID:39728198	研究论文	本文提出了一种基于深度学习的方法，用于在降雪条件下从交通流视频中提取交通流参数	提出了一个包含四个阶段的框架，专门针对降雪条件下的图像退化和交通流参数识别精度下降问题，其中前两个阶段提出了一种深度学习网络用于去除雪粒和雪痕，后两个阶段结合了yolov5车辆识别和虚拟线圈方法进行交通流参数估计	NA	提高在降雪条件下交通流参数检测的准确性和速度	降雪条件下的交通流视频	计算机视觉	NA	深度学习	yolov5	视频	NA
175	2024-12-28	Evaluating Brain Tumor Detection with Deep Learning Convolutional Neural Networks Across Multiple MRI Modalities 2024-Nov-21, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10120296 PMID:39728193	研究论文	本研究评估了使用深度学习卷积神经网络（CNN）在多种MRI模态下检测脑肿瘤的效果	通过四种不同的CNN架构结合迁移学习技术，评估了六种基本MRI序列在检测脑肿瘤中的诊断性能，并识别了MRI模态与神经网络的最佳组合	样本量相对较小，仅包含62名患者的1646个MRI切片	提高MRI在脑肿瘤检测中的诊断准确性	脑肿瘤患者和正常人的MRI切片	计算机视觉	脑肿瘤	MRI	CNN	图像	62名患者的1646个MRI切片
176	2024-12-28	Spatial and Modal Optimal Transport for Fast Cross-Modal MRI Reconstruction 2024-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3406559 PMID:38805327	研究论文	本文提出了一种利用T1加权图像加速T2加权图像获取的端到端深度学习框架	采用最优传输（OT）方法进行跨模态合成，有效缓解空间错位效应，并通过重建任务与跨模态合成任务的交替迭代框架优化最终结果	需要迭代实验和调整参数，可能增加计算复杂度	加速T2加权图像的获取，提高多模态MRI图像分析的质量	T1加权图像和T2加权图像	计算机视觉	NA	深度学习，最优传输（OT）	端到端深度学习框架	MRI图像	FastMRI和内部数据集
177	2024-12-28	Do as Sonographers Think: Contrast-Enhanced Ultrasound for Thyroid Nodules Diagnosis via Microvascular Infiltrative Awareness 2024-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3405621 PMID:38801692	研究论文	本文提出了一种深度学习模型，用于模拟超声医师的诊断推理过程，以提高甲状腺结节的诊断准确性	该模型首次结合了动态对比增强超声（CEUS）的微血管灌注观察和灰度超声（US）的额外信息，通过时间投影注意力和自适应整合机制，实现了对甲状腺结节的更准确诊断	研究为回顾性研究，样本量相对较小，且微血管浸润扩张的机制仍不明确	提高甲状腺结节的诊断准确性	甲状腺结节	数字病理学	甲状腺疾病	动态对比增强超声（CEUS）	深度学习模型	视频	282个CEUS视频
178	2024-12-28	Cross-Domain Mutual-Assistance Learning Framework for Fully Automated Diagnosis of Primary Tumor in Nasopharyngeal Carcinoma 2024-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3400406 PMID:38739507	研究论文	本文提出了一种新的跨域互助学习框架，用于鼻咽癌原发肿瘤的完全自动化诊断	该框架结合了3D跨域知识感知网络和多域互信息共享融合网络，能够自动挖掘跨域不变特征并智能融合多域、多尺度的T分期诊断特征	NA	提高鼻咽癌原发肿瘤的T分期诊断准确性，以指导治疗决策和预后评估	鼻咽癌原发肿瘤	数字病理学	鼻咽癌	深度学习	CNN	MR图像	内部和外部MR图像数据集
179	2024-12-28	Simulating the Cellular Context in Synthetic Datasets for Cryo-Electron Tomography 2024-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3398401 PMID:38717878	研究论文	本文提出了一种模拟低阶细胞结构的方法，用于生成冷冻电子断层扫描（cryo-ET）的合成数据集，以训练深度学习算法	提出了几何和组织模型来模拟cryo-ET成像的低阶细胞结构，并使用参数化随机模型生成多样化的几何和组织，以模拟具有代表性的数据集	当前模拟器无法生成细胞断层扫描中的许多低阶特征	生成用于训练深度学习算法的真实合成数据集，以辅助实验数据的获取和解释	细胞结构，特别是细胞质或膜结合大分子簇、不同几何形状的膜以及微管或类肌动蛋白网络等丝状结构	数字病理学	NA	冷冻电子断层扫描（cryo-ET）	深度学习算法	图像	NA
180	2024-12-28	GC2: Generalizable Continual Classification of Medical Images 2024-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3398533 PMID:38717881	研究论文	本文提出了一种名为GC2的持续学习方法，用于医学图像分类，旨在解决灾难性遗忘问题并增强模型的分布外鲁棒性	GC2通过逐步基于责任的网络剪枝、对抗性图像增强和知识蒸馏方法，显著减少了遗忘并提高了泛化能力	NA	研究目的是设计一种能够在持续学习新任务的同时保持先前知识的医学图像分类方法	医学图像	计算机视觉	NA	对抗性图像增强、知识蒸馏	深度学习模型	图像	NA