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
21701	2024-08-10	Deep fine-KNN classification of ovarian cancer subtypes using efficientNet-B0 extracted features: a comprehensive analysis 2024-Jul-25, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-024-05879-z PMID:39052091	研究论文	本研究提出了一种结合深度学习和k-最近邻（KNN）方法的卵巢癌亚型分类方法	利用EfficientNet-B0的强大特征提取能力，并通过fine-KNN方法进行细粒度分类	NA	开发一种有效的卵巢癌亚型分类模型	五种不同的卵巢癌亚型：高级别浆液性癌（HGSC）、透明细胞卵巢癌（CC）、子宫内膜样癌（EC）、低级别浆液性癌（LGSC）和粘液性癌（MC）	数字病理学	卵巢癌	深度学习	EfficientNet-B0	图像	725张组织病理学图像，其中80%用于训练，20%用于测试
21702	2024-08-10	Construction of a Multi-Label Classifier for Extracting Multiple Incident Factors From Medication Incident Reports in Residential Care Facilities: Natural Language Processing Approach 2024-Jul-23, JMIR medical informatics IF:3.1Q2 DOI:10.2196/58141 PMID:39042454	研究论文	本文开发并评估了一种多标签分类器，利用自然语言处理技术从住宅护理机构的药物事件报告中识别与药物相关事件的因素	使用深度学习模型，包括BERT和ELECTRA，对日本住宅护理机构的药物事件报告进行多标签分类，以识别多个事件因素	由于标签数量有限，部分因素如'居民家庭'和'医疗人员'未纳入模型开发过程	开发和评估一种多标签分类器，以识别住宅护理机构中药物相关事件的因素，特别是涉及非医疗人员的事件	住宅护理机构中的药物事件报告	自然语言处理	NA	自然语言处理	BERT, ELECTRA	文本	2143份事件报告，包含7121个句子
21703	2024-08-10	Contextual AI models for single-cell protein biology 2024-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.18.549602 PMID:37503080	研究论文	本文介绍了一种名为Pinnacle的几何深度学习方法，用于生成上下文感知的蛋白质表示，并应用于多器官单细胞图谱中	Pinnacle能够学习上下文化的蛋白质相互作用网络，并生成反映细胞和组织结构的蛋白质表示，支持零样本检索组织层次结构	NA	开发一种新的方法来解析蛋白质在不同生物上下文中的功能和相互作用	蛋白质功能和相互作用	机器学习	NA	几何深度学习	几何深度学习模型	蛋白质相互作用网络	394,760个蛋白质表示，来自24个组织的156种细胞类型上下文
21704	2024-08-10	Developing a deep learning model for predicting ovarian cancer in Ovarian-Adnexal Reporting and Data System Ultrasound (O-RADS US) Category 4 lesions: A multicenter study 2024-Jul-09, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-024-05872-6 PMID:38981916	研究论文	开发一个深度学习模型，用于预测O-RADS US分类4病变中的卵巢癌，并在多中心研究中验证其诊断性能	使用DeepLabV3和YOLOv8联合进行卵巢肿瘤的分割、分类和检测，提高了诊断的精确度和召回率	研究基于回顾性分析，且样本来自三个中心，可能存在数据偏差	开发和验证一个深度学习模型，用于区分O-RADS US分类4病变中的良性与恶性卵巢肿瘤	O-RADS US分类4病变中的卵巢肿瘤	机器学习	卵巢癌	深度学习	DeepLabV3, YOLOv8	图像	总共1619张超声图像，涉及519名患者（包括269例良性肿瘤和250例恶性肿瘤）
21705	2024-08-10	Challenges and advances in two-dimensional photoacoustic computed tomography: a review 2024-Jul, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.7.070901 PMID:39006312	综述	本文综述了光声计算机断层扫描（PACT）技术在生物医学成像领域的挑战与进展	提出了多种解决方案，包括新兴的深度学习方法，以进一步提高PACT的性能	NA	回顾PACT技术的挑战与进展，并探讨其应用前景	PACT技术中的限制视野、各向异性分辨率、空间混叠、声学异质性（声速不匹配）和光谱解混的通量校正等问题	生物医学成像	NA	光声计算机断层扫描（PACT）	深度学习	图像	NA
21706	2024-08-10	Ensemble Deep Random Vector Functional Link Network Using Privileged Information for Alzheimer's Disease Diagnosis 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2022.3170351 PMID:35486562	研究论文	本文提出了一种使用特权信息进行阿尔茨海默病诊断的集成深度随机向量功能链接网络（edRVFL+）。	首次在深度RVFL模型中引入学习使用特权信息（LUPI）框架，并提出了一种新的生成特权信息的方法，通过不同的激活函数处理正常和特权信息。	NA	提高阿尔茨海默病诊断的准确性和泛化性能。	阿尔茨海默病（AD）的诊断。	机器学习	阿尔茨海默病	随机向量功能链接网络（RVFL）	深度RVFL+（dRVFL+）和集成深度RVFL+（edRVFL+）	特权信息	NA
21707	2024-08-10	Integrated CNN and Federated Learning for COVID-19 Detection on Chest X-Ray Images 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2022.3184319 PMID:35724281	研究论文	本文提出了一种结合卷积神经网络（CNN）和联邦学习（FL）的COVID-19检测框架FedFocus，用于胸部X光图像的COVID-19检测	FedFocus框架通过动态焦点机制提高了模型训练效率、准确性和稳定性，同时保护了患者隐私	NA	提高COVID-19检测的效率和准确性，同时保护患者隐私	COVID-19检测	计算机视觉	COVID-19	联邦学习（FL）	CNN	图像	基于三个真实城市的流行病学数据进行划分
21708	2024-08-10	Federated Learning Empowered Real-Time Medical Data Processing Method for Smart Healthcare 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2022.3185395 PMID:35737631	研究论文	本文提出了一种基于联邦学习的实时医疗数据处理方法，用于智能医疗中的计算机辅助诊断	该方法通过联邦学习融合新旧模型，并利用旧数据中的代表性样本帮助新模型复习旧知识，有效缓解了灾难性遗忘问题	NA	解决深度学习技术在医疗领域应用中，由于医疗数据按时间顺序获取而导致的实时数据处理难题	实时医疗数据流中的疾病诊断模型	机器学习	NA	联邦学习	NA	数据流	NA
21709	2024-08-10	A Deep Learning Approach Considering Image Background for Pneumonia Identification Using Explainable AI (XAI) 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2022.3190265 PMID:35820002	研究论文	本文提出了一种考虑图像背景因素的深度学习方法，用于通过可解释的深度学习（XAI）进行肺炎识别	本文创新地考虑了肺部X光图像背景对模型测试效果的影响，并通过去除图像背景和应用Grad-CAM方法提高了肺炎识别的准确性和可解释性	传统深度学习方法在肺炎识别中较少考虑图像背景的影响，限制了模型准确性的提升	提高肺炎识别的准确性和可解释性	肺部X光图像中的肺炎识别	机器学习	肺部感染	深度学习	CNN	图像	未明确提及具体样本数量
21710	2024-08-10	Predicting Drug-Target Interactions Via Dual-Stream Graph Neural Network 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2022.3204188 PMID:36074878	研究论文	本文提出了一种名为DSG-DTI的双流图神经网络框架，用于预测药物-靶点相互作用	DSG-DTI框架包括异构图自编码器和基于异构注意力网络的矩阵补全，能够精确地将已知类型的节点嵌入高维空间，并通过注意力机制有效地提取长程依赖关系	NA	解决药物-靶点相互作用预测中的挑战，如药物和蛋白质之间丰富而复杂的关系以及异构图中中间节点的校准问题	药物-靶点相互作用	机器学习	NA	图神经网络	双流图神经网络	图数据	在两个公开基准数据集上验证模型
21711	2024-08-10	Graph Embedded Ensemble Deep Randomized Network for Diagnosis of Alzheimer's Disease 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2022.3202707 PMID:36112566	研究论文	本文提出了一种扩展的图嵌入随机向量功能链接（EGERVFL）模型，用于阿尔茨海默病的诊断，并通过实验验证了其性能优于基线模型	提出的EGERVFL模型在优化过程中采用了图嵌入框架下的内在和惩罚子空间学习准则，相比标准RVFL模型，能更好地描述数据的几何关系	NA	开发一种新的深度学习模型，用于提高阿尔茨海默病诊断的准确性	阿尔茨海默病和UCI数据集	机器学习	阿尔茨海默病	图嵌入框架	EGERVFL	数据集	NA
21712	2024-08-10	A Cascaded Mutliresolution Ensemble Deep Learning Framework for Large Scale Alzheimer's Disease Detection Using Brain MRIs 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2022.3219032 PMID:36322495	研究论文	本文提出了一种集成多分辨率深度学习框架，用于通过脑部MRI进行大规模阿尔茨海默病检测	该框架采用PartialNet的分层设计，通过深度监督和特征重用提高了学习能力，并在梯度消失和前向流动减少方面表现更优	NA	提高阿尔茨海默病诊断的预测性能	阿尔茨海默病	机器学习	阿尔茨海默病	MRI	PartialNet	图像	379名患者
21713	2024-08-10	A YOLOX-Based Deep Instance Segmentation Neural Network for Cardiac Anatomical Structures in Fetal Ultrasound Images 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2022.3222356 PMID:36378800	研究论文	本文提出了一种基于YOLOX的深度实例分割神经网络，用于胎儿超声图像中心脏解剖结构的定位和分割	首次研究了胎儿四腔视图中13种解剖结构的实例分割，并设计了一种新的多级非极大值抑制机制以提高分割性能	未提及具体限制	提高胎儿超声图像中心脏解剖结构分割的效率和准确性	胎儿超声图像中的心脏解剖结构	计算机视觉	先天性心脏病	YOLOX	CNN	图像	临床数据集上的大量实验
21714	2024-08-10	An Automated Framework for Histopathological Nucleus Segmentation With Deep Attention Integrated Networks 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2022.3233400 PMID:37018302	研究论文	本文提出了一种基于深度注意力集成网络的自动组织学核分割框架，旨在提高病理分析的准确性和效率	引入了深度注意力集成网络（DAINets），结合空间注意力和通道注意力模块，以及特征融合分支和基于标记的分水岭算法，提高了核分割的准确性	NA	开发一种自动化的核分割方法，以辅助病理学家进行更精确的诊断	组织学核分割	数字病理学	NA	深度学习	深度注意力集成网络（DAINets）	图像	多器官核数据集
21715	2024-08-10	An Edge-Cloud-Aided Private High-Order Fuzzy C-Means Clustering Algorithm in Smart Healthcare 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2022.3233380 PMID:37018339	研究论文	本文提出了一种新的高阶多模态学习方法，结合多模态深度学习和Tucker分解（F-HoFCM），并引入边缘-云辅助的隐私保护方案，以提高智能医疗中多模态医疗数据聚类的效率。	本文创新性地采用了多模态深度学习和Tucker分解的高阶多模态学习方法，并设计了边缘-云辅助的隐私保护方案，有效提升了聚类效率和结果准确性。	NA	旨在提高智能医疗中多模态医疗数据聚类的效率和准确性。	多模态医疗数据。	智能医疗	NA	多模态深度学习，Tucker分解	高阶模糊c均值（F-HoFCM）	多模态数据	NA
21716	2024-08-10	A Deep Learning Method for Pneumonia Detection Based on Fuzzy Non-Maximum Suppression 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3247483 PMID:37027655	研究论文	本文提出了一种基于模糊非极大值抑制（FNMS）的深度学习方法，用于在胸部X光片中检测肺炎区域	引入了Res2Net到Retinanet中以获取肺炎的多尺度特征，并提出了一种新的预测框融合算法FNMS，通过融合重叠的检测框获得更稳健的预测框	NA	提高肺炎检测的准确性和鲁棒性	肺炎在胸部X光片中的检测	计算机视觉	肺炎	深度学习	Retinanet	图像	肺炎检测数据集
21717	2024-08-10	A Robust Deep Learning Framework Based on Spectrograms for Heart Sound Classification 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3247433 PMID:37027654	研究论文	本文提出了一种基于频谱图的鲁棒深度学习框架，用于自动分类心音波	引入了改进的注意力模块，结合了Squeeze-and-Excitation模块和坐标注意力模块，用于特征融合	NA	开发一种自动分类心音波的神经网络结构，以辅助早期心脏病的检测	心音波的自动分类	机器学习	心血管疾病	短时傅里叶变换（STFT）	神经网络	频谱图	在两个公开数据集上进行了验证实验
21718	2024-08-10	Deep Learning-Empowered Clinical Big Data Analytics in Healthcare Digital Twins 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3252668 PMID:37028038	研究论文	本文利用深度学习算法在医疗领域进行数据分析，以提高疾病识别的准确性，并通过数字孪生模块建立医疗护理和疾病辅助诊断模型	采用改进的随机森林算法和ReliefF & Wrapper随机森林算法，提高了疾病识别的准确性	NA	实现智能医疗服务模式，解决医疗资源有限的问题	医疗数据分析和疾病识别	机器学习	NA	深度学习算法	随机森林算法	临床试验数据	NA
21719	2024-08-10	Deep Factor Learning for Accurate Brain Neuroimaging Data Analysis on Discrimination for Structural MRI and Functional MRI 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3252577 PMID:37028037	研究论文	本研究提出了一种基于希尔伯特基张量的深度因子学习模型（HB-DFL），用于自动提取神经影像数据的潜在低维简洁因子，并通过多分支卷积神经网络实现可靠的分类。	HB-DFL模型通过多卷积神经网络在非线性方式下沿所有可能维度提取特征，无需先验知识，并利用希尔伯特基张量增强解的稳定性，提高了分类准确性和因子学习的稳定性。	NA	旨在提高神经影像数据分析的准确性和稳定性，特别是在结构MRI和功能MRI的区分上。	神经影像数据，特别是结构MRI和功能MRI，以及帕金森病（PD）和注意缺陷多动障碍（ADHD）的区分。	计算机视觉	神经退行性疾病	卷积神经网络（CNN）	深度因子学习模型（HB-DFL）	神经影像数据	使用了公开的MRI数据集进行PD和ADHD的区分研究
21720	2024-08-10	SSP-Net: A Siamese-Based Structure-Preserving Generative Adversarial Network for Unpaired Medical Image Enhancement 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3256709 PMID:37028340	研究论文	提出了一种基于孪生结构的图像增强方法SSP-Net，用于未配对的医学图像增强	引入了生成对抗网络机制，通过联合迭代对抗学习实现结构保留增强	NA	解决深度学习方法在医学图像增强中面临的低质量训练集和缺乏大量配对训练数据的问题	未配对的低质量和高质量医学图像	计算机视觉	NA	生成对抗网络	孪生网络	图像	未配对的低质量和高质量医学图像数据