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
361	2024-12-20	Enhancing a deep learning model for pulmonary nodule malignancy risk estimation in chest CT with uncertainty estimation 2024-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10714-7 PMID:38536463	研究论文	本文研究了不确定性估计对深度学习算法在肺结节恶性风险评估中的性能影响	本文创新性地将不确定性估计方法集成到现有的深度学习算法中，以提高其在肺结节恶性风险评估中的性能	本文的研究是回顾性的，且样本量相对较小，可能影响结果的普适性	研究不确定性估计对深度学习算法在肺结节恶性风险评估中的性能影响	肺结节的恶性风险评估	计算机视觉	肺癌	深度学习	深度学习算法	图像	883个结节（其中65个为恶性）用于开发不确定性阈值，374个结节（其中207个为恶性）用于外部验证
362	2024-12-20	Reduction of false positives using zone-specific prostate-specific antigen density for prostate MRI-based biopsy decision strategies 2024-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10700-z PMID:38538841	研究论文	本研究开发并测试了结合区域特异性前列腺特异性抗原密度（sPSAD）和PI-RADS来指导前列腺活检决策策略	本研究创新性地结合了区域特异性前列腺特异性抗原密度（sPSAD）和PI-RADS，以减少假阳性并提高前列腺癌检测的准确性	本研究为回顾性研究，样本量有限，可能存在选择偏倚	开发和验证一种新的方法，通过结合区域特异性前列腺特异性抗原密度和PI-RADS来优化前列腺活检决策策略	前列腺癌的检测和诊断	数字病理学	前列腺癌	深度学习系统（DLS）	nnU-Net	图像	1604名患者
363	2024-12-20	Automated abdominal CT contrast phase detection using an interpretable and open-source artificial intelligence algorithm 2024-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10769-6 PMID:38683384	研究论文	开发并验证了一种开源的人工智能算法，用于自动检测腹部CT扫描中的对比期	提出了一个开源且可解释的人工智能算法，用于准确检测腹部CT扫描中的对比期，并通过Shapley特征归因分析解释了关键特征	研究是回顾性的，且样本量相对较小	开发并验证一种能够准确检测腹部CT扫描中对比期的开源人工智能算法	腹部CT扫描中的对比期检测	计算机视觉	NA	深度学习	梯度提升分类器	图像	训练集包含172名患者，内部测试集包含28名患者，外部验证集使用VinDr-Multiphase CT数据集
364	2024-12-20	Semi-supervised model based on implicit neural representation and mutual learning (SIMN) for multi-center nasopharyngeal carcinoma segmentation on MRI 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108368 PMID:38663351	研究论文	本文提出了一种基于隐式神经表示和互学习的半监督模型SIMN，用于多中心鼻咽癌MRI图像的分割	本文创新性地结合了不确定性隐式神经表示和深度互学习方法，并引入了动态阈值和领域自适应算法，以提高模型在多中心数据上的分割性能	本文未详细讨论模型在不同医院数据上的泛化能力差异，以及在极端标注数据情况下的表现	开发一种能够在有限标注数据下，对多中心鼻咽癌MRI图像进行准确分割的半监督学习模型	鼻咽癌的GTV和MLN在多中心MRI图像上的分割	计算机视觉	鼻咽癌	深度学习	CNN和Transformer	图像	918名患者的MRI图像，来自三家医院
365	2024-12-20	MulStack: An ensemble learning prediction model of multilabel mRNA subcellular localization 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108289 PMID:38688123	研究论文	提出了一种基于随机森林和深度学习的集成学习预测模型MulStack，用于多标签mRNA亚细胞定位预测	首次在mRNA亚细胞定位领域引入位置编码，并结合序列级和残基级特征进行预测	未提及具体限制	开发一种新的计算方法来预测mRNA的亚细胞定位	mRNA的亚细胞定位	机器学习	NA	随机森林、深度学习、卷积神经网络(CNN)	集成学习模型	序列数据	未提及具体样本数量
366	2024-12-20	Prediction of systemic lupus erythematosus-related genes based on graph attention network and deep neural network 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108371 PMID:38691916	研究论文	本文提出了一种基于图注意力网络和深度神经网络的方法SLEDL，用于预测系统性红斑狼疮相关的基因	本文创新性地将深度学习方法应用于系统性红斑狼疮相关基因的预测，利用图神经网络捕捉基因相互作用网络中的特征	本文未详细讨论模型的可解释性和泛化能力	通过深度学习方法识别系统性红斑狼疮相关的基因，减少生物实验的资源消耗	系统性红斑狼疮相关的基因	机器学习	自身免疫性疾病	深度学习	图注意力网络和深度神经网络	基因相互作用网络	未明确提及具体样本数量
367	2024-12-20	Fine-grained Patient Similarity Measuring using Contrastive Graph Similarity Networks 2024-Jun, Proceedings. IEEE International Conference on Healthcare Informatics DOI:10.1109/ichi61247.2024.00009 PMID:39698046	研究论文	本文提出了一种新的对比图相似网络，用于在大规模电子健康记录数据集中计算患者之间的相似度	本文的创新点在于应用基于图的相似性分析，明确提取每个患者的临床特征，并通过聚合同类患者的信息生成丰富的患者表示	NA	研究目的是改进电子健康记录数据分析中的患者表示学习，特别是在临床推理场景中考虑患者相似性	研究对象是电子健康记录数据中的患者相似性计算	机器学习	NA	深度学习	对比图相似网络	电子健康记录	大规模电子健康记录数据库
368	2024-12-20	A systematic review of machine learning-based tumor-infiltrating lymphocytes analysis in colorectal cancer: Overview of techniques, performance metrics, and clinical outcomes 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108306 PMID:38554659	综述	本文系统回顾了基于机器学习的结直肠癌肿瘤浸润淋巴细胞分析，概述了技术、性能指标和临床结果	本文探讨了机器学习在结直肠癌病理图像中分析肿瘤浸润淋巴细胞的潜力，特别是深度学习和非深度学习技术的应用	需要一个大规模的多机构结直肠癌数据集，包含多样化和多民族人群，以推广机器学习方法	系统回顾基于机器学习的结直肠癌肿瘤浸润淋巴细胞分析	结直肠癌病理图像中的肿瘤浸润淋巴细胞	数字病理学	结直肠癌	机器学习	深度学习	图像	需要大规模多机构和多民族的结直肠癌数据集
369	2024-12-20	RAPHIA: A deep learning pipeline for the registration of MRI and whole-mount histopathology images of the prostate 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108318 PMID:38522253	研究论文	本文介绍了一种名为RAPHIA的端到端深度学习管道，用于高效准确地配准前列腺的MRI和全切片组织病理学图像	RAPHIA通过自动化多个耗时的手动步骤，显著减少了计算时间，并通过将组织病理学图像表示转换为MRI图像表示来消除对多模态图像相似性度量的需求	NA	开发一种用于早期前列腺癌检测的机器学习方法	前列腺的MRI和全切片组织病理学图像的配准	数字病理学	前列腺癌	深度学习	深度学习配准网络	图像	NA
370	2024-12-20	Glass box machine learning for retrospective cohort studies using many patient records. The complex example of bleeding peptic ulcer 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108085 PMID:38513393	研究论文	本文提出了一种称为“玻璃盒机器学习”的部分监督数据挖掘和预测技术，并将其应用于回顾性队列研究中，以帮助选择未来队列研究和类似临床试验的候选患者	本文的创新点在于将传统的神经网络权重替换为有意义的“概率知识元素”，并结合深度学习方法，提供了一种具有解释性的研究设计	本文的局限性在于其方法主要适用于回顾性队列研究，且需要大量的结构化医疗记录	研究目的是开发一种新的机器学习方法，用于回顾性队列研究，并帮助分析深度学习方法	研究对象是出血性消化性溃疡，这是一种复杂的疾病，具有许多影响因素	机器学习	消化系统疾病	玻璃盒机器学习	神经网络	结构化医疗记录	大量患者记录
371	2024-12-20	PHE-SICH-CT-IDS: A benchmark CT image dataset for evaluation semantic segmentation, object detection and radiomic feature extraction of perihematomal edema in spontaneous intracerebral hemorrhage 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108342 PMID:38522249	研究论文	本文介绍了一个名为PHE-SICH-CT-IDS的公开CT图像数据集，用于评估自发性脑出血中周围血肿水肿的语义分割、目标检测和放射组学特征提取	本文首次公开了一个用于自发性脑出血中周围血肿水肿的数据集，涵盖了多种数据格式，适用于不同的医学场景	NA	建立一个公开的CT图像数据集，用于评估自发性脑出血中周围血肿水肿的分割、检测和放射组学特征提取方法	自发性脑出血中的周围血肿水肿	数字病理学	脑血管疾病	CT扫描	NA	图像	120个脑部CT扫描和7,022张CT图像
372	2024-12-20	Linear semantic transformation for semi-supervised medical image segmentation 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108331 PMID:38522252	研究论文	本文提出了一种新的半监督学习框架，通过线性语义变换实现医学图像分割	提出了线性语义变换方法，结合自监督学习和半监督学习，从多样化的语义中构建广义表示，实现医学图像分割	实验仅在五个医学分割数据集上进行了测试，未来可能需要在更多数据集上验证其泛化能力	开发一种高效的半监督学习方法，用于医学图像分割	医学图像的语义表示和分割	计算机视觉	NA	深度学习	自监督学习框架	图像	五个医学分割数据集
373	2024-12-20	Extensive T1-weighted MRI preprocessing improves generalizability of deep brain age prediction models 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108320 PMID:38531250	研究论文	本文研究了T1加权磁共振图像（T1w MRI）预处理对深度学习脑龄预测模型性能的影响	本文发现广泛的T1w预处理可以提高模型在新数据集上的预测误差，这与现有研究认为最小预处理更适用于未见过的扫描仪的结论相反	本文仅评估了四种预处理管道和四种深度学习模型，可能未涵盖所有可能的预处理方法和模型	研究T1w MRI预处理对深度学习脑龄预测模型性能的影响	T1加权磁共振图像（T1w MRI）和深度学习脑龄预测模型	计算机视觉	NA	深度学习	深度学习模型（未具体说明模型类型）	图像	未具体说明样本数量
374	2024-12-20	Dual-TranSpeckle: Dual-pathway transformer based encoder-decoder network for medical ultrasound image despeckling 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108313 PMID:38531247	研究论文	提出了一种基于双路径Transformer的编码-解码网络Dual-TranSpeckle，用于医学超声图像去噪	引入了双路径（语义路径和像素路径）来并行传输图像特征信息，并设计了Dual Block和Merge Block模块来增强特征交互和自注意力计算	未提及具体限制	提高医学超声图像去噪效果	医学超声图像	计算机视觉	NA	Transformer	编码-解码网络	图像	使用了两个公开数据集和一个私有数据集
375	2024-12-20	Applying image features of proximal paracancerous tissues in predicting prognosis of patients with hepatocellular carcinoma 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108365 PMID:38537563	研究论文	本研究探讨了近端癌旁组织图像特征在预测肝细胞癌患者预后和肿瘤复发中的作用	首次将癌旁组织微环境的图像特征纳入肝细胞癌预后预测模型，并发现与免疫细胞浸润和纤维化反应相关的特征是最重要的预测因素	样本量相对较小，且仅限于两个数据集，未来需要更大规模的研究验证	探讨癌旁组织微环境图像特征在肝细胞癌预后预测中的作用	肝细胞癌患者的预后和肿瘤复发	数字病理学	肝细胞癌	深度学习	Lasso Cox生存模型	图像	146名肝细胞癌患者（SYSM数据集）和225名肝细胞癌患者（TCGA-LIHC数据集）
376	2024-12-20	FLP: Factor lattice pattern-based automated detection of Parkinson's disease and specific language impairment using recorded speech 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108280 PMID:38547655	研究论文	本文提出了一种基于因子晶格模式（FLP）的特征工程模型，用于自动检测帕金森病（PD）和特定语言障碍（SLI），通过分析录音的语音信号	本文创新性地引入了一种量子启发式的因子晶格模式（FLP）特征提取方法，并开发了一种自组织特征工程模型，能够动态选择最优特征模式	本文未详细讨论模型的计算复杂度和实际应用中的可扩展性	开发一种准确且计算轻量级的模型，用于通过语音信号检测帕金森病和特定语言障碍	帕金森病（PD）和特定语言障碍（SLI）患者的语音信号	机器学习	神经退行性疾病	因子晶格模式（FLP）特征提取	支持向量机（SVM）和k近邻（k-NN）	语音信号	三个包含帕金森病和特定语言障碍患者的语音数据集
377	2024-12-20	Global attention based GNN with Bayesian collaborative learning for glomerular lesion recognition 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108369 PMID:38552283	研究论文	本文提出了一种基于全局注意力机制的图神经网络（GNN），结合贝叶斯协同学习（BCL）用于肾小球病变识别	创新点包括使用全局注意力池化（GAP）提取高层次语义特征，结合贝叶斯协同学习增强节点特征的微调和融合，并引入软分类头以缓解纯硬分类带来的语义模糊问题	NA	开发一种高效且准确的模型用于肾小球病变识别，并推广到其他病理图像分类任务	肾小球病变图像	数字病理学	肾脏疾病	图神经网络（GNN）	GNN	图像	491张全切片图像（WSIs）和9030张图像
378	2024-12-20	Image-based profiling and deep learning reveal morphological heterogeneity of colorectal cancer organoids 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108322 PMID:38554658	研究论文	本文通过基于图像的分析和深度学习揭示了结直肠癌类器官的形态异质性	本文首次通过图像分析和深度学习模型识别了结直肠癌类器官的两种形态亚型，并验证了这些亚型与功能参数的相关性，提出了一种基于生成模型的凋亡强度预测方法	本文主要基于图像分析和单细胞RNA测序，未涉及其他类型的实验验证	研究结直肠癌类器官的形态异质性及其与功能参数的关系	结直肠癌类器官的形态亚型及其与存活率和凋亡水平的关系	数字病理学	结直肠癌	图像分析、单细胞RNA测序	生成模型、目标检测神经网络	图像	31360张明场图像和17000多张匹配的荧光图像
379	2024-12-20	Dual-Channel in Spatial-Frequency Domain CycleGAN for perceptual enhancement of transcranial cortical vascular structure and function 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108377 PMID:38569233	研究论文	本文提出了一种名为空间-频域双通道CycleGAN（SF-CycleGAN）的无监督深度学习方法，用于增强经颅皮质血管结构和功能的感知质量	SF-CycleGAN能够在不进行开颅手术的情况下，非侵入性地提高激光散斑对比成像（LSCI）的信噪比，并实现对小皮质血管的功能观察	NA	开发一种无监督深度学习方法，以提高经颅皮质血管结构和功能的感知质量	经颅皮质血管结构和功能	计算机视觉	NA	激光散斑对比成像（LSCI）	CycleGAN	图像	NA
380	2024-12-20	Robust deep learning from incomplete annotation for accurate lung nodule detection 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108361 PMID:38569236	研究论文	本文探讨了在不完全标注的数据集上进行肺结节检测，并提出了FULFIL算法，通过图卷积网络和教师-学生框架实现自适应标注和学习	提出了FULFIL算法，利用图卷积网络发现标注与未标注结节之间的关系，并通过教师-学生框架进行自适应学习，设计了双视角损失函数以增强模型的鲁棒性和泛化能力	实验仅使用了LUNA数据集，且仅使用了10%的实例级标注，可能限制了算法的普适性和性能	探索在不完全标注的数据集上进行肺结节检测，并提出一种新的算法以降低标注成本并提高检测性能	肺结节检测	计算机视觉	肺癌	图卷积网络	图卷积网络	图像	使用了LUNA数据集，仅使用了10%的实例级标注