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
20541	2024-08-15	Application of artificial intelligence in drug design: A review 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108810 PMID:38991316	综述	本文综述了人工智能在药物设计中的应用	介绍了人工智能技术如何通过自动化、优化和个性化改进药物设计过程	NA	探讨人工智能在药物设计中的应用及其对制药行业的变革	人工智能技术及其在药物设计中的应用	计算机科学	NA	机器学习, 深度学习	NA	数据	NA
20542	2024-08-15	Optimized efficient attention-based network for facial expressions analysis in neurological health care 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108822 PMID:38986286	研究论文	本文提出了一种基于高效卷积块注意力模块（CBAM）的深度学习网络，用于在神经健康护理中分析面部表情，以辅助医生诊断神经障碍患者	该方法通过引入轻量级的CBAM模块，提高了特征提取的效率和准确性，同时模型体积小，适合部署在资源受限的移动医疗设备上	尽管模型表现出色，但仍需在更多样化的数据集上进行验证，以确保其泛化能力和鲁棒性	旨在通过自动化的面部表情分析技术，辅助医生早期诊断和治疗神经障碍	神经障碍患者，特别是阿尔茨海默病和帕金森病患者	计算机视觉	神经障碍	深度学习	卷积神经网络（CNN）	图像	实际神经障碍患者的面部表情数据
20543	2024-08-15	Unveiling the evolution of policies for enhancing protein structure predictions: A comprehensive analysis 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108815 PMID:38986287	研究论文	本文全面分析了提高蛋白质结构预测的政策演变，探讨了模板依赖和非依赖策略的发展及其对预测准确性的影响	引入了端到端和全原子扩散技术，以及在多序列比对和蛋白质语言模型中使用子采样的方法，显著提高了预测的准确性和效率	尽管蛋白质结构预测的准确性有所提高，但仍未达到预期的结构知识应用水平，需要在其他方面进行进一步发展	探讨提高蛋白质结构预测准确性的策略，并促进开放研究环境以支持这一目标	蛋白质结构预测的方法和技术，包括模板依赖和非依赖策略，以及多序列比对和深度学习技术的应用	结构生物学	NA	深度学习	CNN	多序列比对数据	NA
20544	2024-08-15	Evaluation of Cellpose segmentation with sequential thresholding for instance segmentation of cytoplasms within autofluorescence images 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108846 PMID:38976959	研究论文	本文介绍并测试了一种细胞质分割方法，该方法结合了Cellpose深度学习分割技术和后续处理算法CPPA，用于从自发光图像中进行细胞质实例分割。	本文提出的CPPA方法在细胞质识别方面超过了传统的CellProfiler方法，支持使用人工智能和后续处理技术进行自发光图像的精确分割。	NA	评估Cellpose分割与顺序阈值处理在自发光图像中细胞质实例分割的有效性。	静息T细胞、激活T细胞和MCF7细胞的自发光图像。	计算机视觉	NA	自发光成像	Cellpose（一种基于深度学习的分割方法）	图像	五张自发光图像，来自三种不同的细胞样本
20545	2024-08-15	DP-SSLoRA: A privacy-preserving medical classification model combining differential privacy with self-supervised low-rank adaptation 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108792 PMID:38964242	研究论文	本文提出了一种结合差分隐私和自监督低秩适应的隐私保护医疗分类模型DP-SSLoRA	DP-SSLoRA模型通过自监督预训练方法和低秩分解技术，有效平衡了医疗模型中的隐私保护和模型效用	NA	研究如何在保护患者隐私的同时，提高医疗深度学习模型的应用性能	医疗图像分类	计算机视觉	NA	差分隐私	DP-SSLoRA	图像	三个真实的胸部X光数据集
20546	2024-08-15	VmmScore: An umami peptide prediction and receptor matching program based on a deep learning approach 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108814 PMID:38944902	研究论文	本文介绍了一种基于深度学习的方法，用于预测鲜味肽及其最佳受体的匹配	提出了VmmScore算法，包含Mlp4Umami预测模块和mm-Score受体匹配模块，通过机器学习优化分子对接和评分系统，提高了受体识别的效率	NA	研究鲜味味觉感知机制，并提供一种快速且成本效益高的肽筛选方法	鲜味肽及其受体	机器学习	NA	分子对接	CNN	肽序列	从日本鲈鱼中提取的肽进行了虚拟筛选，并实验验证了三种肽的鲜味及其对应受体
20547	2024-08-15	An integrated deep learning approach for modeling dissolved oxygen concentration at coastal inlets based on hydro-climatic parameters 2024-Sep, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.122018 PMID:39111007	研究论文	本研究提出了一种基于水文气象参数的深度学习神经网络方法，用于模拟和预测埃及拉希德沿海入口处的溶解氧浓度	引入了创新的深度学习神经网络方法，显著提高了溶解氧预测的准确性，相较于最佳的传统机器学习方法，预测准确性提高了4%	NA	开发有效的溶解氧预测模型，以帮助沿海管理部门监测由于气候变化加速导致的溶解氧变化	埃及拉希德沿海入口处的溶解氧浓度	机器学习	NA	深度学习神经网络	深度学习神经网络	水文气象数据	NA
20548	2024-08-15	Self-normalization for a 1 mm3resolution clinical PET system using deep learning 2024-Aug-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad69fb PMID:39084640	研究论文	首次提出基于条件生成对抗网络（cGANs）的正电子发射断层扫描（PET）图像端到端自归一化框架	开发了极化自注意力（PSA）Pix2Pix网络，并在几何因子校正输入图像上训练的2.5D PSA Pix2Pix显示出最佳性能	NA	提高PET图像质量和病变检测能力，无需单独的归一化扫描	评估不同方法在PET图像自归一化中的效果	计算机视觉	NA	条件生成对抗网络（cGANs）	Pix2Pix, 极化自注意力（PSA）Pix2Pix	图像	26,000对轴向图像切片用于训练和测试
20549	2024-08-15	Hierarchical multi-level dynamic hyperparameter deformable image registration with convolutional neural network 2024-Aug-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad67a6 PMID:39053510	研究论文	提出了一种新的动态超参数块，包含分布式映射网络、动态卷积、注意力特征提取层和实例归一化层，以改进深度学习可变形图像配准（DLDIR）中的超参数调整过程	引入了动态超参数块和分层多级架构，以提高配准性能和减少训练时间	未提及具体限制	旨在通过动态超参数选择和改进的网络架构提高图像配准的速度和准确性	大脑和肺部图像配准	计算机视觉	NA	动态卷积	卷积神经网络（CNN）	图像	使用了OASIS和DIR-Lab数据集
20550	2024-08-15	Wasserstein generative adversarial network with gradient penalty and convolutional neural network based motor imagery EEG classification 2024-Aug-14, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6cf5 PMID:39116892	研究论文	本文提出了一种新的数据增强方法和深度学习分类模型，以进一步提高运动想象脑电图（MI-EEG）的解码性能	提出了一种改进的带有梯度惩罚的Wasserstein生成对抗网络数据增强方法，有效扩展了用于模型训练的数据集，并设计了一个简洁高效的深度学习模型以进一步提高解码性能	NA	提高运动想象脑电图数据的解码性能	运动想象脑电图数据	机器学习	NA	连续小波变换	卷积神经网络（CNN）	时间-频率图	BCI竞赛IV 2a和2b数据集以及实际收集的数据集
20551	2024-08-15	Automated diagnosis of adenoid hypertrophy with lateral cephalogram in children based on multi-scale local attention 2024-08-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69827-0 PMID:39127777	研究论文	本文提出了一种基于多尺度局部注意力的方法，用于自动诊断儿童的腺样体肥大	本研究设计了一种基于局部注意力的方法，通过融合腺样体的空间和通道信息，提高了诊断的准确性	NA	开发一种自动化的、标准化的方法来诊断腺样体肥大	儿童的腺样体肥大	计算机视觉	NA	深度学习	CNN	图像	三个医院的数据集
20552	2024-08-15	UAV propeller fault diagnosis using deep learning of non-traditional χ2-selected Taguchi method-tested Lempel-Ziv complexity and Teager-Kaiser energy features 2024-Aug-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69462-9 PMID:39127843	研究论文	本研究探讨了使用非传统特征提取方法（如排列熵、Lempel-Ziv复杂度和Teager-Kaiser能量算子）进行无人机螺旋桨故障诊断的应用	本研究采用非传统特征提取方法，并通过χ²特征选择和Taguchi方法测试，提高了故障诊断的准确性	NA	提高无人机螺旋桨故障检测和隔离的准确性和效率	无人机螺旋桨的故障诊断	机器学习	NA	深度神经网络	深度神经网络	数据集	包含多种螺旋桨故障配置的PADRE数据集
20553	2024-08-15	Advancing Automatic Gastritis Diagnosis: An Interpretable Multilabel Deep Learning Framework for the Simultaneous Assessment of Multiple Indicators 2024-08, The American journal of pathology DOI:10.1016/j.ajpath.2024.04.007 PMID:38762117	研究论文	本文开发了一种基于注意力的多实例多标签学习网络（AMMNet），用于同时诊断活动性、萎缩性和肠上皮化生等胃炎指标，并评估了其在实际应用中的性能。	AMMNet能够同时诊断多个胃炎指标，并提供可解释的标签，这在之前的深度学习模型中是缺失的。	NA	提高胃炎诊断的准确性和效率，并增强模型的可解释性。	胃炎的多个形态学指标，包括活动性、萎缩性和肠上皮化生。	机器学习	胃炎	多实例多标签学习	注意力网络	图像	1096名患者
20554	2024-08-15	Deep learning reconstruction for coronary CT angiography in patients with origin anomaly, stent or bypass graft 2024-Aug, La Radiologia medica DOI:10.1007/s11547-024-01846-3 PMID:39023665	研究论文	开发并验证了一种深度学习模型，用于自动重建冠状动脉CT血管造影（CCTA），特别是在有起源异常、支架或旁路移植的患者中。	该深度学习模型能够准确自动重建CCTA，显著减少了后处理时间并改善了临床工作流程。	NA	开发和验证一种深度学习模型，用于自动重建冠状动脉CT血管造影。	冠状动脉CT血管造影（CCTA）在有起源异常、支架或旁路移植的患者中的自动重建。	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	训练集包含6063名患者，验证集包含1962名患者，外部测试集包含812名患者。
20555	2024-08-15	Attention 3D U-NET for dose distribution prediction of high-dose-rate brachytherapy of cervical cancer: Direction modulated brachytherapy tandem applicator 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17238 PMID:38830129	研究论文	本文开发了一种基于注意力机制的3D U-NET模型，用于预测宫颈癌高剂量率近距离治疗中方向调制近距离治疗（DMBT）的剂量分布。	引入了注意力门控机制的3D U-NET模型，提高了剂量预测的准确性，并能在近实时应用中快速预测剂量分布。	NA	开发一种高效的深度学习模型，用于宫颈癌高剂量率近距离治疗的剂量预测。	宫颈癌患者的剂量分布预测。	计算机视觉	宫颈癌	深度学习	3D U-NET	图像	122例回顾性临床高剂量率近距离治疗计划
20556	2024-08-15	Deep learning-based magnetic resonance imaging analysis for chronic cerebral hypoperfusion risk 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17237 PMID:38820428	研究论文	本文提出了一种基于深度学习的磁共振成像分析方法，用于提高慢性脑低灌注（CCH）的诊断准确性	提出了CCH-Network（CCHNet），一种结合卷积和Transformer模块的端到端深度学习模型，以及一种新颖的对抗训练方法，以提高特征知识捕获能力	NA	提高慢性脑低灌注（CCH）的诊断准确性	慢性脑低灌注（CCH）的诊断	机器学习	NA	磁共振成像（MRI）	CNN, Transformer	图像	训练和测试集共204例，验证集108例
20557	2024-08-15	Liver fibrosis automatic diagnosis utilizing dense-fusion attention contrastive learning network 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17130 PMID:38753547	研究论文	本文提出了一种基于密集融合注意力对比学习网络的肝纤维化自动诊断方法	开发了一种自定义的多视角对比学习网络，用于自动分类多参数DWI图像并探索不同DWI参数之间的协同作用	在有限样本的数据集中识别有效的DWI参数并挖掘潜在特征仍是一个挑战	开发一种新的深度学习模型，用于自动识别和分类多参数DWI图像，以辅助肝纤维化的诊断	肝纤维化及其相关DWI参数	计算机视觉	肝病	扩散加权成像(DWI)	密集融合注意力对比学习网络(DACLN)	图像	使用了一组真实的临床数据进行模型评估
20558	2024-08-15	Swin MoCo: Improving parotid gland MRI segmentation using contrastive learning 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17128 PMID:38749016	研究论文	本文提出了一种基于对比学习的Swin MoCo网络，用于改善腮腺MRI图像的分割效果	使用Swin Transformer作为骨干网络，并通过迁移学习初始化权重，提高了对小规模医学图像数据集的训练效果	NA	旨在通过对比学习方法改善腮腺肿瘤MRI图像的分割	腮腺及其肿瘤的MRI图像分割	计算机视觉	腮腺肿瘤	对比学习	Swin Transformer	图像	NA
20559	2024-08-15	Deep learning enhancing guide RNA design for CRISPR/Cas12a-based diagnostics 2024-Aug, iMeta IF:23.7Q1 DOI:10.1002/imt2.214 PMID:39135699	研究论文	本文提出了一种基于深度学习的增强型crRNA设计系统EasyDesign，用于Cas12a介导的诊断	该系统采用优化的卷积神经网络（CNN）预测模型，训练于包含11,496个实验验证的Cas12a检测案例的综合数据集，实现了0.812的Spearman相关系数，并在未训练数据中的四种病原体上展示了优越的预测性能	NA	提高患者治疗效果和抗击传染病，通过改进CRISPR/Cas12a系统的crRNA设计	Cas12a-based检测系统的crRNA设计	机器学习	NA	CRISPR/Cas12a	CNN	实验数据	11,496个实验验证的Cas12a检测案例
20560	2024-08-15	Two-stage adversarial learning based unsupervised domain adaptation for retinal OCT segmentation 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17012 PMID:38426594	研究论文	本文提出了一种基于两阶段对抗学习网络（TSANet）的无监督跨域光学相干断层扫描（OCT）图像分割方法	采用傅里叶变换减少图像风格差异，并通过对抗学习网络和伪标签精调段器，提高了跨域泛化能力	NA	解决OCT图像因设备或成像协议不同导致的域偏移问题	OCT图像的跨域分割	计算机视觉	NA	对抗学习	TSANet	图像	用于脉络膜分割的模型在源域训练400张图像，验证100张图像，目标域I训练1320张未标记图像，测试330张图像，目标域II训练400张未标记图像，测试200张图像；用于视网膜劈裂分割的模型在源域训练1284张图像，验证312张图像，目标域训练1024张未标记图像，测试200张图像