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	2024-12-18	Explainable deep learning diagnostic system for prediction of lung disease from medical images 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108012 PMID:38262202	研究论文	本文设计并开发了一种低成本的可解释深度学习诊断工具，用于从医学图像中预测肺部疾病	本文提出了一个结合数据增强技术的可解释深度学习诊断系统，并比较了多种类激活映射算法，展示了其在肺部疾病诊断中的优越性能	本文未详细讨论系统的实际应用场景和潜在的临床影响	开发一种可解释的深度学习诊断工具，以帮助早期诊断肺部疾病	肺部疾病的诊断，包括肺炎和COVID-19	计算机视觉	肺部疾病	深度学习	Inception-V3	图像	两个胸部X光数据集
922	2024-12-18	Automatic data augmentation to improve generalization of deep learning in H&E stained histopathology 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108018 PMID:38281317	研究论文	本文研究了自动数据增强方法在改善H&E染色组织病理学图像中深度学习模型泛化能力方面的应用	提出使用元学习框架自动搜索数据增强超参数，以提高模型在不同中心数据上的泛化能力	仅在两个特定任务上进行了验证，可能需要进一步扩展到其他病理学任务	探索自动数据增强方法在组织病理学图像分析中的应用，以提高深度学习模型的泛化能力	H&E染色组织病理学图像中的肿瘤转移检测和乳腺癌组织类型分类	数字病理学	乳腺癌	NA	卷积神经网络	图像	来自25个中心的数据
923	2024-12-18	Adversarial learning-based domain adaptation algorithm for intracranial artery stenosis detection on multi-source datasets 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108001 PMID:38280254	研究论文	本文介绍了一种基于对抗学习的领域自适应算法（ALDA），用于在多源数据集上检测颅内动脉狭窄	ALDA通过利用多源视网膜底片图像数据集，并采用对抗学习的概念，实现了特征表示共享和区分性学习，从而克服了传统算法在精度和泛化能力上的局限	NA	实现颅内动脉狭窄的准确检测和增强的泛化能力	颅内动脉狭窄的检测	计算机视觉	脑血管疾病	对抗学习	对抗学习算法	图像	多源视网膜底片图像数据集
924	2024-12-18	CT synthesis from MR images using frequency attention conditional generative adversarial network 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107983 PMID:38286104	研究论文	本文提出了一种基于频率注意力条件生成对抗网络（FACGAN）的模型，用于从MR图像合成CT图像	本文的创新点在于设计了频率循环生成模型（FCGM）以增强MR和CT之间的映射，并提出了残差频率通道注意力（RFCA）模块和引入高频损失（HFL）及循环一致高频损失（CHFL）来优化模型训练	NA	研究目的是提高从MR图像合成CT图像的质量，特别是在保留高频纹理信息方面	研究对象是MR图像和CT图像之间的映射关系	计算机视觉	NA	生成对抗网络（GAN）	条件生成对抗网络（FACGAN）	图像	使用了骨盆和脑部数据集进行验证
925	2024-12-18	Enhancing medical image analysis with unsupervised domain adaptation approach across microscopes and magnifications 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108055 PMID:38295480	研究论文	本文介绍了一种名为Fourier Adaptive Recognition System (FARS)的模型，旨在通过无监督域适应方法提高医学图像分析的适应性和鲁棒性，特别是在不同显微镜配置和放大倍数下的应用	FARS模型利用从边界框标签到更丰富的语义分割标签的转变，结合对抗训练和颜色域感知傅里叶域适应（F2DA），确保在不同显微镜配置下的一致特征提取，并通过类别依赖的上下文注意力增强跨域适应性	NA	提高深度学习模型在医学图像分析中的适应性和鲁棒性，特别是在不同成像条件和放大倍数下的应用	疟疾寄生虫识别以及肿瘤和癌症诊断	计算机视觉	NA	无监督域适应	FARS	图像	NA
926	2024-12-18	DeBERTa-BiLSTM: A multi-label classification model of Arabic medical questions using pre-trained models and deep learning 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107921 PMID:38295474	研究论文	本文提出了一种基于预训练模型和深度学习的阿拉伯语医学问题多标签分类模型DeBERTa-BiLSTM	本文结合了DeBERTa和BiLSTM网络的优势，提出了一种新的深度学习模型用于阿拉伯语多标签COVID-19问题分类	本文未提及模型的局限性	构建一个阿拉伯语医学问题的多标签分类模型，以提高医疗问答系统的效率	阿拉伯语医学问题，特别是与COVID-19相关的问题	自然语言处理	NA	深度学习	DeBERTa-BiLSTM	文本	NA
927	2024-12-18	Enhancing Internet of Medical Things security with artificial intelligence: A comprehensive review 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108036 PMID:38295478	综述	本文综述了人工智能技术在提升医疗物联网（IoMT）安全性方面的应用	本文系统性地收集和分类了关于使用AI技术提升网络安全性能的研究，强调了机器学习和深度学习技术在提高网络安全措施性能、速度、可靠性和有效性方面的优势	本文主要为综述性质，未提出具体的技术实现或实验验证	探讨人工智能技术在提升医疗物联网安全性方面的潜力	医疗物联网设备的安全性和隐私保护	机器学习	NA	机器学习（ML）、深度学习（DL）	NA	NA	NA
928	2024-12-18	DEPICTER: Deep representation clustering for histology annotation 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108026 PMID:38308865	研究论文	本文介绍了一种名为DEPICTER的交互式分割工具，用于组织病理学注释，能够在全切片图像级别生成密集的分割图	DEPICTER利用自监督和半监督学习方法，允许用户参与分割过程，生成可靠结果并减少工作量，同时采用了一种新颖的种子迭代聚类方法进行标签传播	本文未详细讨论DEPICTER在不同类型癌症或复杂病理情况下的表现	开发一种实用的交互式分割工具，用于组织病理学注释，减少专家手动标注的工作量	组织病理学全切片图像的自动分割	数字病理学	NA	深度学习	NA	图像	三个公共癌症分类数据集
929	2024-12-18	A multi-module algorithm for heartbeat classification based on unsupervised learning and adaptive feature transfer 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108072 PMID:38301518	研究论文	本文提出了一种基于无监督学习和自适应特征迁移的多模块算法，用于解决心跳分类中标注数据稀缺的问题	本文的创新点在于设计了无监督特征提取器和自适应迁移方法，有效消除了源域和目标域数据库之间的概率分布差异	本文的局限性在于实验仅使用了MNIST-DB和MIT-DB两个数据库，可能无法全面验证算法的普适性	本文的研究目的是解决心跳分类中标注数据稀缺的问题，并探索有效的域差异消除方法	本文的研究对象是心跳分类任务中的源域和目标域数据库	机器学习	NA	无监督学习，自适应特征迁移	多模块算法	图像	源域数据库使用MNIST-DB，目标域数据库使用MIT-DB
930	2024-12-18	Systematic comparison of 3D Deep learning and classical machine learning explanations for Alzheimer's Disease detection 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108029 PMID:38308870	研究论文	本文系统比较了3D深度学习与经典机器学习在阿尔茨海默病检测中的模型解释	本文首次系统比较了3D深度学习与经典机器学习在阿尔茨海默病检测中的模型解释，并分析了它们在激活脑区上的差异	本文仅比较了特定模型和解释方法，未涵盖所有可能的组合	研究深度学习与经典机器学习在阿尔茨海默病检测中的模型解释差异	3D深度学习模型与经典机器学习模型的解释方法	机器学习	阿尔茨海默病	SHapley Additive exPlanations (SHAP)、Local Interpretable Model-agnostic Explanations (LIME)、Gradient-weighted Class Activation Mapping (GradCAM)、GradCAM++、排列特征重要性	3D DenseNets、EfficientNets、Squeeze-and-Excitation (SE) networks、Random Forests (RFs)、Support Vector Machines (SVMs)、eXtreme Gradient Boosting (XGBoost)、Light Gradient Boosting (LightGBM)、Decision Trees (DTs)、Logistic Regression (LR)	图像	Alzheimer's Disease Neuroimaging Initiative (ADNI)数据集、Australian Imaging and Lifestyle flagship study of Ageing (AIBL)数据集、Open Access Series of Imaging Studies (OASIS)数据集
931	2024-12-18	Scale based entropy measures and deep learning methods for analyzing the dynamical characteristics of cardiorespiratory control system in COVID-19 subjects during and after recovery 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108032 PMID:38310805	研究论文	本文研究了COVID-19患者在康复期间和康复后心肺控制系统动态特征的分析方法	本文创新性地将基于尺度的熵方法与深度学习技术相结合，用于分析COVID-19患者的心肺控制系统动态特征	本文的局限性在于样本量较小，且仅使用了单一的设备进行数据采集	研究目的是通过结合基于尺度的熵方法和深度学习技术，分析COVID-19患者心肺控制系统的动态特征，并辅助临床决策	研究对象是COVID-19患者在感染期间和康复后的氧饱和度变异性信号	机器学习	呼吸系统疾病	基于尺度的熵方法（包括多尺度熵、多尺度排列熵和多尺度模糊熵）	径向基函数网络（RBFN）和带有动态延迟算法的径向基函数网络（RBFNDDA）	信号	88条记录，来自44名受试者（26名男性和18名女性）
932	2024-12-18	DSFF-GAN: A novel stain transfer network for generating immunohistochemical image of endometrial cancer 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108046 PMID:38325211	研究论文	提出了一种名为DSFF-GAN的新型双尺度特征融合生成对抗网络，用于从H&E染色图像生成子宫内膜癌的免疫组化图像	引入了双尺度特征融合块和循环结构-颜色相似性损失，并结合阳性细胞区域的标记信息作为先验知识，以提高模型的染色转移能力和评估指标	未提及具体的局限性	改进从H&E染色图像生成免疫组化图像的质量，以应用于子宫内膜癌的检测和诊断	子宫内膜癌和乳腺癌的免疫组化图像	计算机视觉	子宫内膜癌	生成对抗网络（GAN）	DSFF-GAN	图像	使用了子宫内膜癌和公开的乳腺癌免疫组化数据集
933	2024-12-18	DBNet-SI: Dual branch network of shift window attention and inception structure for skin lesion segmentation 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108090 PMID:38320341	研究论文	本文提出了一种结合移位窗口注意力和inception结构的双分支网络DBNet-SI，用于皮肤病变分割	创新点包括提出双分支模块MSI，结合移位窗口注意力和inception结构，以及设计了跨分支双向交互模块和渐进特征增强与信息补偿模块PFEIC	NA	提高皮肤病变分割的准确性	皮肤病变	计算机视觉	NA	卷积神经网络	U型网络	图像	使用了ISIC2017和ISIC2018数据集
934	2024-12-18	A review of traditional Chinese medicine diagnosis using machine learning: Inspection, auscultation-olfaction, inquiry, and palpation 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108074 PMID:38330826	综述	本文综述了基于机器学习的中药诊断研究现状，涵盖了望、闻、问、切四种诊断方法及其综合应用	本文总结了机器学习在中药诊断中的应用，并探讨了未来的研究方向	本文主要为综述性文章，未提出具体的创新方法或模型	回顾和总结机器学习在中药诊断中的研究现状，并探讨其挑战和未来研究方向	中药诊断中的望、闻、问、切四种方法及其综合应用	机器学习	NA	机器学习	NA	NA	NA
935	2024-12-18	GLFNet: Global-local fusion network for the segmentation in ultrasound images 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108103 PMID:38335822	研究论文	本文提出了一种名为GLFNet的混合网络结构，用于超声图像分割，通过结合全局语义信息和局部细节来提高分割性能	GLFNet通过引入Global-Local Fusion Blocks（GLFBlocks），将全局和局部特征融合，解决了传统CNN和Vision Transformers的局限性	NA	提高超声图像分割的准确性	超声图像中的病变区域	计算机视觉	NA	深度学习	混合网络（CNN和Vision Transformers的结合）	图像	DDTI数据集、BUSI数据集和BUID数据集
936	2024-12-18	Enhancing drug-food interaction prediction with precision representations through multilevel self-supervised learning 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108104 PMID:38335821	研究论文	本文提出了一种通过多层次自监督学习来增强药物-食物相互作用预测的精确特征表示方法	本文创新性地通过扰动相互作用模块、特征对齐和领域分离模块以及推理反馈模块，实现了对食物特征的更精确表征，并首次将数据增强、特征对齐、领域分离和对比学习结合在一起	NA	提高药物-食物相互作用预测的准确性	药物-食物相互作用	机器学习	NA	自监督学习	NA	特征数据	多个数据集
937	2024-12-18	Artificial intelligence to predict T4 stage of pancreatic ductal adenocarcinoma using CT imaging 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108125 PMID:38340439	研究论文	本研究开发并验证了一种自动化人工智能管道，用于使用增强CT影像预测胰腺导管腺癌的T4阶段	首次使用深度学习模型自动分割胰腺导管腺癌，并结合放射组学特征构建预测模型	研究样本量相对较小，且仅在两家机构进行，可能存在一定的偏倚	开发和验证一种自动化人工智能管道，用于准确预测胰腺导管腺癌的T4阶段	胰腺导管腺癌的T4阶段	数字病理学	胰腺癌	深度学习	深度学习模型	影像	509名胰腺导管腺癌患者
938	2024-12-18	Predicting Drug-Protein Interactions through Branch-Chain Mining and multi-dimensional attention network 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108127 PMID:38350397	研究论文	本文提出了一种名为BCMMDA的端到端框架，用于预测药物-蛋白质相互作用，通过分支链挖掘和多维注意力网络来改进预测性能	本文的创新点在于结合了多维注意力机制和卷积神经网络，考虑了多种子结构类型，并能够集中关注关键子结构和元素，从而提高药物-蛋白质相互作用的预测能力	本文的局限性在于仅在四个已知的基准数据集上进行了评估，可能需要进一步验证其在更多数据集上的泛化能力	本文的研究目的是通过计算方法提高药物-蛋白质相互作用的预测精度，从而加速药物发现和再利用的进程	本文的研究对象是药物-蛋白质相互作用及其相关的子结构	机器学习	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	文本	四个已知的基准数据集
939	2024-12-18	FMB: Dual-view fusion and registration of 2D DSA images and 3D MRA images for neurointerventional-based procedures 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107987 PMID:38350395	研究论文	本文提出了一种用于神经介入手术的双视图融合和配准方法，结合2D DSA图像和3D MRA图像以提高手术效率	本文引入了基于Factor of Maximum Bounds (FMB)的配准方法，通过放松下界约束和增强上界约束，并利用第二视角挖掘更多局部共识信息，从而生成更准确的姿态估计	NA	提高神经介入手术中多模态图像的配准效率和准确性	2D DSA图像和3D MRA图像的配准	计算机视觉	NA	深度学习	NA	图像	NA
940	2024-12-18	Towards a diagnostic tool for neurological gait disorders in childhood combining 3D gait kinematics and deep learning 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108095 PMID:38350399	研究论文	本文探讨了将3D步态运动学与深度学习结合用于儿童神经性步态障碍诊断的可行性	首次将深度学习与3D步态分析数据结合，用于儿童步态障碍的诊断，并展示了其在区分健康与病理步态、不同病因的病理步态以及确定中风发病时间方面的潜力	研究仅限于特定的病理类型和样本量，未来需要进一步验证和扩展	探索深度学习与3D步态分析结合用于儿童步态障碍诊断的可行性	371名儿童的步态数据，包括不同病理类型和健康儿童	机器学习	神经肌肉疾病	3D步态分析	ResNet, LSTM, InceptionTime	时间序列数据	371名儿童，共6400个步态周期