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
9901	2024-12-22	A deep learning approach for generating intracranial pressure waveforms from extracranial signals routinely measured in the intensive care unit 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108677 PMID:38833800	研究论文	本文提出了一种利用深度学习方法从重症监护病房中常规测量的体表信号生成颅内压波形的方法	本文首次提出利用深度学习模型从体表生理波形（动脉血压、光电容积描记和心电图）非侵入性地生成颅内压波形	研究样本量较小，仅涉及10名患者，且需要进一步的验证和优化	探索利用深度学习技术从体表信号非侵入性地生成颅内压波形的可能性	颅内压波形的生成	机器学习	NA	深度学习	深度学习模型	波形数据	10名重症监护病房中的患者，共600小时的高频（125 Hz）同步采集的颅内压、动脉血压、心电图和光电容积描记波形数据
9902	2024-12-22	Automatic height measurement of central serous chorioretinopathy lesion using a deep learning and adaptive gradient threshold based cascading strategy 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108610 PMID:38820776	研究论文	本文提出了一种基于深度学习和自适应梯度阈值的级联策略，用于自动测量中心性浆液性脉络膜视网膜病变（CSCR）病变的高度	本文创新性地提出了两种方案：方案Ⅰ借鉴集成学习的思想，整合多个模型在推理阶段定位病变高度方向的起始关键点；方案Ⅱ设计了自适应梯度阈值（AGT）技术，并通过级联策略进行初步定位和精确调整，显著减少了深度学习模型对训练样本的需求	NA	开发一种自动测量CSCR病变高度的方法，以辅助眼科医生诊断CSCR并评估治疗效果	中心性浆液性脉络膜视网膜病变（CSCR）病变的高度测量	计算机视觉	眼科疾病	深度学习	级联策略	图像	1152个样本
9903	2024-12-22	An innovative supervised longitudinal learning procedure of recurrent neural networks with temporal data augmentation: Insights from predicting fetal macrosomia and large-for-gestational age 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108665 PMID:38820775	研究论文	本文提出了一种创新的监督式纵向学习方法，通过时间数据增强技术结合递归神经网络（RNN）来预测胎儿巨大儿和大龄儿	本文创新性地结合了非线性混合效应模型进行时间数据增强，并将增强后的序列数据用于训练RNN，以克服纵向数据稀疏性的问题	NA	旨在提高对胎儿出生体重预测的准确性，特别是识别巨大儿和大龄儿等异常生长情况	胎儿出生体重及其相关异常生长情况	机器学习	NA	非线性混合效应模型	RNN	序列数据	NA
9904	2024-12-22	JOINEDTrans: Prior guided multi-task transformer for joint optic disc/cup segmentation and fovea detection 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108613 PMID:38781644	研究论文	提出了一种名为JOINEDTrans的先验引导多任务Transformer框架，用于联合视盘/视杯分割和黄斑检测	通过引入先验学习和多任务学习，有效结合眼底图像的空间特征，减轻了病变和其他成像问题引起的结构失真	未提及具体的局限性	提高视盘、视杯和黄斑的自动分割和检测效率	视盘、视杯和黄斑	计算机视觉	NA	Transformer	Transformer	图像	使用了GAMMA、REFUGE和PALM公开眼底图像数据集
9905	2024-12-22	Comprehensive quantitative radiogenomic evaluation reveals novel radiomic subtypes with distinct immune pattern in glioma 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108636 PMID:38810473	研究论文	本文通过定量放射基因组学评估，揭示了胶质瘤中具有不同免疫模式的新的放射组学亚型	本文创新性地利用放射组学特征预测胶质瘤的新亚型，并揭示了这些亚型在生存、免疫、基因组特征和药物反应方面的差异	本文的样本量相对较小，且仅限于特定的数据集，可能限制了结果的普适性	通过放射组学特征预测胶质瘤的新亚型，并研究其生存、免疫、基因组特征和药物反应	胶质瘤患者及其放射组学特征	数字病理学	脑肿瘤	深度学习	Mask R-CNN	图像	200名胶质瘤患者
9906	2024-12-22	AVBAE-MODFR: A novel deep learning framework of embedding and feature selection on multi-omics data for pan-cancer classification 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108614 PMID:38796884	研究论文	提出了一种名为AVBAE-MODFR的新型深度学习框架，用于多组学数据上的嵌入和特征选择，以实现泛癌分类	提出了一个两阶段的深度学习模型AVBAE-MODFR，通过对抗变分贝叶斯方法实现嵌入，并利用基于双网络的特征排序方法进行特征选择	未提及具体限制	开发有效的深度学习架构，用于癌症多组学数据的嵌入和特征选择，以实现泛癌分类	癌症多组学数据	机器学习	NA	深度学习	自编码器	多组学数据	使用了TCGA泛癌数据集
9907	2024-12-22	Intrinsically explainable deep learning architecture for semantic segmentation of histological structures in heart tissue 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108624 PMID:38795420	研究论文	本文提出了一种用于心脏组织显微结构语义分割的内在可解释深度学习架构	本文创新性地设计了一个自定义的注意力门，结合空间和编码器注意力机制，模拟病理学家的决策过程	NA	支持病理学家在诊断过程中对组织样本结构和相关上下文信息的分析	心脏组织中的血管、炎症和心内膜的语义分割	数字病理学	心血管疾病	深度学习	注意力机制	图像	NA
9908	2024-12-22	A review of deep learning-based information fusion techniques for multimodal medical image classification 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108635 PMID:38796881	综述	本文综述了基于深度学习的多模态医学图像分类信息融合技术的发展	探讨了不同融合方案（输入融合、中间融合和输出融合）在多模态分类网络中的应用，并展望了Transformer-based多模态融合技术的未来	讨论了网络架构选择、处理不完整多模态数据管理以及多模态融合的潜在限制	分析深度学习在多模态医学图像分类中的应用，提供不同网络架构在多模态融合场景中的适用性见解	多模态医学图像分类任务	计算机视觉	NA	深度学习	Transformer	图像	NA
9909	2024-12-22	Dual-domain faster Fourier convolution based network for MR image reconstruction 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108603 PMID:38781646	研究论文	本文提出了一种基于双域快速傅里叶卷积的网络，用于MR图像重建，通过引入Faster Inverse Fourier Convolution和softer Data Consistency层，提升了重建质量	提出了Faster Inverse Fourier Convolution扩展了k空间域重建网络的感受野，并引入了softer Data Consistency层以增强数据一致性与平滑性的平衡	NA	提升MR图像重建的质量	MR图像重建	计算机视觉	NA	深度学习	CNN	图像	使用了NYU fastMRI数据集
9910	2024-12-22	EEGDiR: Electroencephalogram denoising network for temporal information storage and global modeling through Retentive Network 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108626 PMID:38810475	研究论文	本文提出了一种基于Retentive Network架构的脑电图去噪网络EEGDiR，用于时间信息存储和全局建模	首次将Retentive Network架构应用于脑电图去噪，并引入了信号嵌入策略，将一维脑电信号转换为二维嵌入空间，以适应网络处理	NA	提高脑电图信号去噪的精度和对脑功能的理解，以及神经疾病的诊断准确性	脑电图信号去噪	机器学习	NA	Retentive Network	Retentive Network	脑电图信号	NA
9911	2024-12-22	MicroProteinDB: A database to provide knowledge on sequences, structures and function of ncRNA-derived microproteins 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108660 PMID:38820774	研究论文	开发了一个名为MicroProteinDB的数据库，用于提供非编码RNA衍生微蛋白的序列、结构和功能知识	首次开发了一个全面的数据库，整合了计算预测和实验验证的微蛋白信息，并提供了多种分析模块	NA	提供一个全面的数据库，帮助检索和分析非编码RNA衍生的微蛋白	非编码RNA衍生的微蛋白	生物信息学	NA	深度学习	NA	序列数据	NA
9912	2024-12-22	View adaptive unified self-supervised technique for abdominal organ segmentation 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108659 PMID:38823366	研究论文	提出了一种半监督视图自适应统一模型（VAU-model），用于自动腹部器官分割	引入了一种新的优化函数，使3D深度学习模型能够统一学习医学体积数据的3D上下文，并根据不同视图（轴向、矢状和冠状）进行自适应调整	未提及具体限制	提高腹部器官分割的准确性，以支持体积分析、疾病诊断和医疗从业者的跟踪	腹部器官的自动分割	计算机视觉	NA	半监督对比学习	3D深度学习模型	体积数据	使用了三种数据集：BTCV、NIH和MSD
9913	2024-12-22	KaryoXpert: An accurate chromosome segmentation and classification framework for karyotyping analysis without training with manually labeled metaphase-image mask annotations 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108601 PMID:38776728	研究论文	本文提出了一种名为KaryoXpert的染色体分割和分类框架，用于自动核型分析，无需手动标注的中期图像掩码注释	该框架结合了形态学算法和深度学习模型的优势，无需手动标注的训练数据，并提出了基于度量学习的分类模型，解决了类间相似性和批次效应的问题	NA	开发一种无需手动标注的自动染色体分割和分类框架，以支持临床核型诊断	染色体的分割和分类	计算机视觉	NA	深度学习	度量学习	图像	NA
9914	2024-12-22	Probability maps for deep learning-based head and neck tumor segmentation: Graphical User Interface design and test 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108675 PMID:38820779	研究论文	本文开发了一种基于深度学习的方法，用于头颈部肿瘤的分割，并设计了一个图形用户界面（GUI）来展示肿瘤概率图	本文的创新点在于使用深度学习生成的概率图来替代单一的肿瘤轮廓，提供更直观且适合临床使用的分割结果	本文的局限性在于仅对九位专家进行了用户研究，样本量较小	展示深度学习生成的肿瘤概率图在头颈部肿瘤分割中的临床相关性、直观性和适用性	头颈部肿瘤的PET-CT图像分割	计算机视觉	头颈部癌症	深度学习	NA	图像	九位肿瘤勾画专家
9915	2024-12-22	Overview of AlphaFold2 and breakthroughs in overcoming its limitations 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108620 PMID:38761500	综述	本文综述了AlphaFold2在蛋白质结构预测领域的突破及其局限性，并探讨了其应用和未来发展方向	AlphaFold2通过深度学习方法实现了高精度的蛋白质三维结构预测，显著推动了蛋白质折叠领域的进展	尽管AlphaFold2在蛋白质结构预测方面取得了突破，但仍有许多方面需要进一步研究，如动态变化、点突变等	探讨AlphaFold2在蛋白质结构预测中的应用及其在药物靶点发现中的潜力	AlphaFold2及其在蛋白质结构预测、动态变化、点突变等方面的应用	机器学习	NA	深度学习	AlphaFold2	蛋白质序列	NA
9916	2024-12-22	Machine learning-based longitudinal prediction for GJB2-related sensorineural hearing loss 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108597 PMID:38763069	研究论文	本研究旨在利用机器学习构建一个预测GJB2相关感音神经性听力损失进展的模型，以实现个性化的医疗规划	首次利用机器学习技术构建了GJB2相关感音神经性听力损失的纵向预测模型，并展示了其在个性化医疗规划中的应用潜力	研究样本仅限于具有双等位GJB2变异的感音神经性听力损失患者，可能限制了模型的普适性	构建一个能够预测GJB2相关感音神经性听力损失进展的机器学习模型，以支持个性化的医疗干预	具有双等位GJB2变异的感音神经性听力损失患者	机器学习	感音神经性听力损失	机器学习	LSTM	音频图	449名患者，2184份音频图
9917	2024-12-22	Multi-scale feature fusion and class weight loss for skin lesion classification 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108594 PMID:38761501	研究论文	本文提出了一种多尺度特征融合结构和类权重损失方法，用于皮肤病变分类	创新点包括多尺度特征融合结构、类权重、标签平滑和重采样方法，以及对HAM10000_RE数据集的头发特征去除实验	未提及具体局限性	提高皮肤病变图像分类的准确性	皮肤病变图像	计算机视觉	皮肤癌	深度学习	NA	图像	使用了HAM10000和ISIC2019数据集
9918	2024-12-22	Linguistic-based Mild Cognitive Impairment detection using Informative Loss 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108606 PMID:38763068	研究论文	本文提出了一种基于自然语言处理技术的深度学习方法，用于区分老年人的轻度认知障碍和正常认知状态	提出了一个新的损失函数InfoLoss，通过观察每个句子序列的熵减少来提高分类准确性	NA	开发一种能够区分轻度认知障碍和正常认知状态的深度学习方法	老年人的轻度认知障碍和正常认知状态	自然语言处理	NA	自然语言处理技术	Transformer、多层感知器	文本	I-CONECT研究项目中的视频采访转录数据
9919	2024-12-22	Exploring UMAP in hybrid models of entropy-based and representativeness sampling for active learning in biomedical segmentation 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108605 PMID:38772054	研究论文	本文研究了在医学分割中基于主动学习的熵和代表性采样技术的混合模型，特别是探讨了UMAP在捕捉代表性方面的作用	本文提出了一种新的混合采样技术Entropy-UMAP，并在医学分割任务中取得了显著的Dice分数提升	本文仅在心脏和前列腺数据集上进行了验证，尚未在其他医学数据集上进行广泛测试	探索UMAP在基于主动学习的医学分割中的应用，并评估其与熵采样结合的效果	心脏和前列腺的医学分割任务	计算机视觉	NA	UMAP	NA	图像	心脏和前列腺数据集
9920	2024-12-22	UNSEG: unsupervised segmentation of cells and their nuclei in complex tissue samples 2024-Apr-23, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.13.566842 PMID:38014263	研究论文	本文介绍了一种无监督的细胞及其核在复杂组织样本中分割的方法UNSEG	UNSEG在无需训练数据的情况下实现了深度学习级别的性能，并引入了新的扰动分水岭算法，提高了经典分水岭的准确性	文中提到分割准确性的量化可能存在偏差，且分割在组织样本中仍然是一个具有挑战性的问题	开发一种无需标签的无监督学习方法，用于复杂组织样本中细胞及其核的分割	复杂组织样本中的细胞及其核	计算机视觉	NA	无监督学习	UNSEG	图像	包括一个高质量的胃肠道组织（GIT）数据集和公开数据集