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
941	2024-12-18	Diagnosis of Alzheimer's disease via optimized lightweight convolution-attention and structural MRI 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108116 PMID:38346370	研究论文	本文提出了一种基于优化轻量级卷积注意力机制和结构磁共振成像的阿尔茨海默病诊断方法	本文创新性地将卷积注意力机制与Transformer分类器结合，并采用轻量级多头自注意力机制、倒置残差块和局部前馈网络，提升了诊断性能并减少了计算资源需求	本研究仅使用了ADNI数据库的数据，未来需要结合更多样化的数据库以提高模型的泛化能力	开发一种高效且准确的阿尔茨海默病诊断方法	阿尔茨海默病及其早期阶段（轻度认知障碍和健康对照）的诊断	计算机视觉	阿尔茨海默病	结构磁共振成像（sMRI）	Transformer	图像	使用了ADNI数据库的数据
942	2024-12-18	Cross comparison representation learning for semi-supervised segmentation of cellular nuclei in immunofluorescence staining 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108102 PMID:38350398	研究论文	提出了一种用于免疫荧光染色细胞图像数据集的半监督细胞分割算法，利用均值教师半监督学习框架和交叉比较表示学习块来提高特征紧凑性和可分离性	引入交叉比较表示学习块和多池化层注意力密集网络（MPAD-Net），以提高教师-学生模型在高维通道上的比较效果，增强分割精度	NA	开发一种高效的半监督学习算法，用于从免疫荧光染色图像中自动分割细胞核	免疫荧光染色细胞图像数据集和公共CRAG数据集	计算机视觉	NA	深度学习算法	均值教师半监督学习框架，多池化层注意力密集网络（MPAD-Net）	图像	仅使用20%的标记数据进行评估
943	2024-12-18	NIMEQ-SACNet: A novel self-attention precision medicine model for vision-threatening diabetic retinopathy using image data 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108099 PMID:38364659	研究论文	本研究提出了一种名为NIMEQ-SACNet的新型自注意力精准医疗模型，用于基于图像数据检测和分类威胁视力的糖尿病视网膜病变	本研究的创新点在于结合了增强量子启发二进制灰狼优化器（EQI-BGWO）和自注意力胶囊网络，显著提升了糖尿病视网膜病变的分类准确性	NA	本研究的目的是利用深度学习技术，特别是图像数据，来提高威胁视力的糖尿病视网膜病变的检测和分类准确性	本研究的对象是威胁视力的糖尿病视网膜病变（VTDR）的图像数据	计算机视觉	糖尿病视网膜病变	深度学习	自注意力胶囊网络（SACNet）	图像	NA
944	2024-12-18	A computational pipeline towards large-scale and multiscale modeling of traumatic axonal injury 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108109 PMID:38364663	研究论文	本文提出了一种计算管道，用于大规模和多尺度建模创伤性轴索损伤	本文的创新点在于建立了一个独特的、基于多模态数据的高效可扩展计算管道，能够从全局到微观尺度系统地研究创伤性轴索损伤的触发机制	本文的局限性在于目前仅基于一个冰球运动员的案例进行研究，未来需要扩展到更多个体和头部冲击情况	研究创伤性轴索损伤的触发机制，并开发深度学习模型用于未来应用	创伤性轴索损伤的建模和计算管道	生物力学建模	脑损伤	NA	深度学习模型	多模态数据	一个男性冰球运动员的案例
945	2024-12-18	METnet: A novel deep learning model predicting MET dysregulation in non-small-cell lung cancer on computed tomography images 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108136 PMID:38367451	研究论文	本文开发了一种基于深度学习的模型METnet，用于在非小细胞肺癌的CT图像上预测MET失调	提出了一个基于CT图像的非侵入性深度学习模型METnet，用于预测MET失调，并引入了RK-net算法进行自动图像处理和MedSAM模型进行自动组织分割	本文仅在内部测试数据集上验证了模型的性能，未提及外部验证或更大规模的数据集验证	开发一种非侵入性的方法来预测非小细胞肺癌中的MET失调，以指导分子水平的精确诊断和治疗	非小细胞肺癌患者的CT图像和临床数据	计算机视觉	肺癌	深度学习	卷积神经网络	图像	内部测试数据集
946	2024-12-18	MCPNET: Development of an interpretable deep learning model based on multiple conformations of the compound for predicting developmental toxicity 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108037 PMID:38377716	研究论文	本文开发了一种基于化合物多构象的可解释深度学习模型MCPNET，用于预测发育毒性	提出了基于多构象点网络的深度学习框架MCPNET，通过多构象的静电势分布提取分子特征，提高了模型的准确性和可解释性	需要进一步验证模型在不同数据集上的泛化能力	开发一种可解释的深度学习模型，用于准确预测化合物的发育毒性	基于斑马鱼胚胎的化合物发育毒性数据集	机器学习	NA	深度学习	MCPNET	3D分子表示	包含发育毒性的化合物数据集
947	2024-12-18	JoCoRank: Joint correlation learning with ranking similarity regularization for imbalanced fetal brain age regression 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108111 PMID:38382384	研究论文	提出了一种名为JoCoRank的联合相关学习算法，结合排序相似性正则化，用于不平衡胎儿脑龄回归任务	JoCoRank算法同时捕捉个体、全局和同伴级别的有价值关系信息，并通过排序相似性正则化校准偏差特征表示	未提及具体的局限性	开发一种新的深度学习算法，用于提高胎儿脑龄估计的准确性和公平性	胎儿脑龄估计	计算机视觉	NA	MRI	深度学习模型	图像	1327张MRI图像，来自157名健康胎儿，胎龄在22至34周之间
948	2024-12-18	DeepSF-4mC: A deep learning model for predicting DNA cytosine 4mC methylation sites leveraging sequence features 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108166 PMID:38382385	研究论文	提出了一种名为DeepSF-4mC的深度学习模型，用于预测DNA胞嘧啶4mC甲基化位点，利用序列特征提高预测准确性和模型稳定性	引入多种编码技术以提高预测准确性，增加模型稳定性，并减少计算资源需求；利用迁移学习和集成学习技术增强模型性能和鲁棒性	未提及具体局限性	开发一种高效的计算策略来预测DNA胞嘧啶4mC甲基化位点，以克服传统实验室方法的局限性	DNA胞嘧啶4mC甲基化位点	机器学习	NA	深度学习	深度学习模型	序列	未提及具体样本数量
949	2024-12-18	HVS-Unsup: Unsupervised cervical cell instance segmentation method based on human visual simulation 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108147 PMID:38387385	研究论文	提出了一种基于人类视觉模拟的无监督宫颈细胞实例分割方法HVS-Unsup	利用先验知识生成伪标签，将无监督实例分割转化为监督任务，设计了Nucleus Enhanced Module和Mask-Assisted Segmentation模块解决细胞重叠和粘连问题，提出Category-Wise droploss减少低对比度图像中的细胞遗漏，采用迭代自训练策略纠正错误标注	未提及具体局限性	解决宫颈癌自动诊断中深度学习方法需要大量标注数据的问题	宫颈细胞的实例分割	数字病理学	宫颈癌	NA	NA	图像	使用了MS-cellSeg、Cx22和ISBI2015数据集
950	2024-12-18	Bias reduction using combined stain normalization and augmentation for AI-based classification of histological images 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108130 PMID:38387381	研究论文	本文研究了通过结合染色归一化和增强方法来减少基于AI的组织学图像分类中的偏差	提出了两种新方法：染色增强（AugmentHE）和快速归一化（HEnorm），并验证了它们在减少偏差和提高模型泛化能力方面的效果	未提及具体的研究局限性	旨在减少AI模型在组织学图像分类中的染色偏差，提高模型的准确性和泛化能力	乳腺癌组织学分级多中心数据集中的组织学图像	数字病理学	乳腺癌	深度学习	分类模型	图像	多中心数据集，具体样本数量未提及
951	2024-12-18	Multi-level feature extraction and reconstruction for 3D MRI image super-resolution 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108151 PMID:38387383	研究论文	本文提出了一种多层次特征提取与重建方法，用于3D MRI图像的超分辨率重建	设计了三重混合卷积，利用不同滤波操作的优势和独特性，全面提取不同类型的特征，并采用软跨尺度残差操作提高参数优化效果	未提及具体限制	提高MRI图像的空间分辨率，以满足精确诊断的需求	3D MRI图像	计算机视觉	NA	深度学习	卷积神经网络	图像	使用了无病变和胶质瘤数据集进行实验
952	2024-12-18	A Review of deep learning methods for denoising of medical low-dose CT images 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108112 PMID:38387380	综述	本文综述了基于深度学习的低剂量CT图像去噪方法，分类并总结了不同网络结构的特点和去噪性能	首次全面介绍和回顾了Transformer结构在低剂量CT图像去噪任务中的应用	未涉及实际临床应用中的验证和评估	系统调研低剂量CT图像去噪领域的现状、挑战和未来研究方向	低剂量CT图像去噪方法	计算机视觉	NA	深度学习	CNN, 编码器-解码器, GAN, Transformer	图像	NA
953	2024-12-18	Deep reinforcement learning enables better bias control in benchmark for virtual screening 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108165 PMID:38402838	研究论文	本文介绍了一种名为MUBD的新基准，利用深度强化学习在虚拟筛选中实现更好的偏差控制	提出了MUBD基准，利用深度强化学习在诱饵生成过程中控制偏差，并通过广泛的验证证明了其在控制领域偏差、人工富集偏差和类似物偏差方面的优越性	未提及	解决虚拟筛选中模型训练和基准测试数据集的偏差问题	虚拟筛选中的偏差控制和基准测试	机器学习	NA	深度强化学习	深度学习模型	数据集	未提及
954	2024-12-18	Decoding protein binding landscape on circular RNAs with base-resolution transformer models 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108175 PMID:38402841	研究论文	本文介绍了一种名为CircSite的混合深度学习工具，用于在单核苷酸分辨率下预测RNA结合蛋白（RBP）在环状RNA（circRNA）上的结合位点	CircSite利用卷积神经网络（CNN）和Transformer分别学习circRNA与RBP结合的局部和全局表示，能够精确预测RBP结合的核苷酸并检测关键子序列	NA	开发一种能够以单核苷酸分辨率预测RNA结合蛋白在环状RNA上结合位点的工具	环状RNA（circRNA）及其与RNA结合蛋白（RBP）的相互作用	机器学习	NA	卷积神经网络（CNN）和Transformer	混合模型（CNN和Transformer）	RNA序列	37个circRNA与蛋白质相互作用的数据集
955	2024-12-18	The added value of temporal data and the best way to handle it: A use-case for atrial fibrillation using general practitioner data 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108097 PMID:38412689	研究论文	本文比较了非时间模型和时间模型在预测房颤中的表现，发现时间模型在处理时间数据方面具有优势	本文首次对比了非时间模型和时间模型在预测房颤中的表现，并发现时间模型（如LSTM和CKConv）在处理时间数据方面表现更优	本文的局限性在于序列长度有限，可能影响了LSTM和CKConv算法的性能	比较不同算法在预测房颤中的表现，探讨时间数据在预测中的重要性	房颤的预测	机器学习	心血管疾病	NA	LSTM, CKConv, 逻辑回归, XGBoost, 神经网络	文本	三个数据集，每个数据集包含365天的观察窗口和14、180、360天的预测窗口
956	2024-12-18	Automated mitral inflow Doppler peak velocity measurement using deep learning 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108192 PMID:38417384	研究论文	本研究提出了一种基于深度学习模型的自动检测二尖瓣流入多普勒图像峰值速度的方法	创新点在于引入了一种独立于心电图信息的深度学习模型，用于自动检测二尖瓣流入多普勒图像的峰值速度	NA	开发一种自动化的方法来测量二尖瓣流入多普勒图像的峰值速度，减少临床医生手动评估的变异性	二尖瓣流入多普勒图像的峰值速度	计算机视觉	NA	深度学习	热图回归网络	图像	由多位心脏病专家标注的多普勒图像数据集
957	2024-12-18	A novel radiological software prototype for automatically detecting the inner ear and classifying normal from malformed anatomy 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108168 PMID:38432006	研究论文	开发了一种新型放射学软件原型，能够自动检测内耳并分类正常与畸形解剖结构	该研究创新性地开发了一种能够自动读取DICOM文件、裁剪内耳并分类正常与畸形解剖结构的放射学软件原型，结合了先进的图像处理和深度学习技术	该工具在临床决策中需要合格医疗专业人员的监督	开发并验证一种全自动工作流程，用于分类正常与异常内耳解剖结构	内耳的正常与畸形解剖结构	计算机视觉	NA	深度学习卷积神经网络（DL CNN）	卷积神经网络（CNN）	图像	2053名患者，1200个内耳CT
958	2024-12-18	WBC YOLO-ViT: 2 Way - 2 stage white blood cell detection and classification with a combination of YOLOv5 and vision transformer 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107875 PMID:38154163	研究论文	本文提出了一种结合YOLOv5和视觉变换器（ViT）的两阶段白细胞检测和分类方法	本文的创新点在于将YOLOv5的快速目标检测能力与ViT的强大图像表示能力相结合，用于白细胞的检测和分类	本文的局限性在于处理微观图像时面临的有限数据、分辨率噪声、不规则形状和不同来源的颜色变化问题	研究目的是提高白细胞检测和分类的准确性、效率，并减少人为偏差	研究对象是白细胞（即白血球）的检测和分类	计算机视觉	NA	YOLOv5, 视觉变换器（ViT）	YOLO, ViT	图像	16类白细胞和细胞核图像
959	2024-12-18	A deep learning framework for predicting molecular property based on multi-type features fusion 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107911 PMID:38160501	研究论文	提出了一种基于多类型特征融合的深度学习框架DLF-MFF，用于预测分子属性	通过融合分子指纹、2D分子图、3D分子图和分子图像等多种特征，提升了分子属性预测的准确性	未提及具体的局限性	开发一种新的深度学习模型，用于准确预测分子属性，并应用于COVID-19药物重定位	分子属性的预测以及潜在的抗SARS-CoV-2抑制剂的识别	机器学习	NA	深度学习	深度学习框架	分子指纹、2D分子图、3D分子图、分子图像	6个基准数据集，包含多种分子属性，以及2500种药物
960	2024-12-18	DeepGraFT: A novel semantic segmentation auxiliary ROI-based deep learning framework for effective fundus tessellation classification 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107881 PMID:38159401	研究论文	本文介绍了一种名为DeepGraFT的自动视网膜网格分类系统，利用深度学习的分类与分割协同决策模型进行视网膜网格的检测与分类	DeepGraFT通过引入分类与分割协同决策模型，显著提高了视网膜网格分类的准确性，并展示了其在预测病理性近视进展中的潜在临床应用	本文未详细讨论DeepGraFT在不同种族或人群中的泛化能力，以及其在实际临床环境中的应用效果	开发一种自动化的视网膜网格分类系统，以帮助预测病理性近视的进展和预后	视网膜网格（FT）及其在病理性近视中的临床意义	计算机视觉	眼科疾病	深度学习	ConvNeXt	图像	训练集来自内部队列（MAGIC），验证集包括内部队列的其余部分和独立的公开队列（UK Biobank）