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
9941	2024-12-21	Bayesian unsupervised clustering identifies clinically relevant osteosarcoma subtypes 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae665 PMID:39701601	研究论文	本文使用贝叶斯无监督聚类方法，通过潜在过程分解（LPD）模型对骨肉瘤进行亚型分类，并验证了其临床相关性	本文采用了更复杂的无监督贝叶斯模型LPD，能够处理个体癌症样本的异质性，并解析转录组数据的结构，提供临床相关信息	NA	识别癌症亚型，为精准医学的发展提供支持	骨肉瘤的亚型分类	机器学习	骨肉瘤	RNA测序（RNA-seq）	潜在过程分解（LPD）	转录组数据	NA
9942	2024-12-21	Detection of hate: speech tweets based convolutional neural network and machine learning algorithms 2024-11-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76632-2 PMID:39572576	研究论文	本文讨论了使用基于TF-IDF的特征工程方法，结合多种机器学习和深度学习分类器，自动识别社交媒体上的仇恨言论	本文创新性地结合了多种机器学习和深度学习算法，包括卷积神经网络（CNN），以提高仇恨言论检测的准确性	本文未详细讨论数据集的多样性和可能的偏差问题	研究目的是解决社交媒体上仇恨言论的自动识别问题	研究对象是社交媒体上的仇恨言论推文	机器学习	NA	TF-IDF	CNN	文本	使用了三个不同的数据集，包括'Hate speech offensive tweets by Davidson et al.'、'Twitter hate speech'以及合并后的'Cyberbullying dataset (toxicity_parsed_dataset)'
9943	2024-12-21	A review of multimodal deep learning methods for genomic-enabled prediction in plant breeding 2024-Nov-05, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyae161 PMID:39499217	综述	本文综述了多模态深度学习方法在植物育种基因组预测中的应用	多模态深度学习方法通过引入多种输入信息源，提升了传统单模态深度学习的预测能力，能够更有效地捕捉不同模态之间的交互	多模态深度学习需要更多的计算资源，且在应用时需要选择合适的架构和融合策略	探讨多模态深度学习在植物育种基因组选择中的应用潜力，并提供相关理论基础和实践指导	多模态深度学习方法及其在植物育种中的应用	机器学习	NA	多模态深度学习	神经网络	基因组数据	NA
9944	2024-12-21	Deep learning classification of pediatric spinal radiographs for use in large scale imaging registries 2024-Nov, Spine deformity IF:1.6Q3 DOI:10.1007/s43390-024-00933-9 PMID:39039392	研究论文	本研究开发并应用了一种自动分类小儿脊柱X光片的算法	使用EfficientNet B6架构的深度学习分类器，能够高精度地区分10种术前和术后脊柱X光片类别	在数据集中少于100张图片的类别上表现较低	开发一种自动分类小儿脊柱X光片的算法，用于大规模影像注册	小儿脊柱侧弯患者的脊柱X光片	计算机视觉	脊柱侧弯	深度学习	卷积神经网络	图像	7777张AP图像和5621张侧位图像
9945	2024-12-21	Contrastive machine learning reveals Parkinson's disease specific features associated with disease severity and progression 2024-08-07, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06648-x PMID:39112797	研究论文	本研究使用对比深度学习方法分析了932名帕金森病患者和366名对照组的磁共振成像数据，揭示了与疾病严重程度和进展相关的帕金森病特异性神经解剖学改变	本研究首次使用对比深度学习方法分析帕金森病患者的MRI数据，揭示了与疾病严重程度和进展相关的特异性神经解剖学改变，并发现了与免疫功能相关的脑脊液蛋白	本研究仅分析了MRI数据，未涉及其他类型的生物标志物或数据	揭示帕金森病特异性神经解剖学改变与疾病严重程度和进展的关系	932名帕金森病患者和366名对照组的磁共振成像数据	机器学习	帕金森病	对比深度学习	NA	图像	932名帕金森病患者和366名对照组
9946	2024-12-21	Differentially localized protein identification for breast cancer based on deep learning in immunohistochemical images 2024-08-02, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06548-0 PMID:39095659	研究论文	本文基于深度学习框架，利用乳腺免疫组化图像的特征构建定位预测模型，识别出与乳腺癌相关的差异定位蛋白	本文首次通过深度学习方法从免疫组化图像中识别出六个具有稳定差异定位的蛋白，并揭示了这些蛋白与乳腺癌的密切关联	本文未详细探讨这些差异定位蛋白的具体分子机制及其在乳腺癌中的具体作用	识别与乳腺癌相关的差异定位蛋白，揭示其潜在的分子机制，并为乳腺癌的早期诊断和治疗提供帮助	乳腺免疫组化图像中的差异定位蛋白	数字病理学	乳腺癌	深度学习	NA	图像	未明确说明具体样本数量
9947	2024-12-21	Deep learning analysis for differential diagnosis and risk classification of gastrointestinal tumors 2024-08, Scandinavian journal of gastroenterology IF:1.6Q3 DOI:10.1080/00365521.2024.2368241 PMID:38950889	研究论文	本研究使用基于深度学习的计算机辅助诊断系统（EUS-CAD）分析内镜超声（EUS）图像，评估其区分胃肠道间质瘤（GISTs）与其他间质瘤及其风险分类的能力	首次将人工智能应用于内镜超声图像的分析，并成功展示了GIST风险分类的可行性	研究样本量较小，且仅限于肌肉层来源的亚上皮病变	评估基于深度学习的计算机辅助诊断系统在内镜超声图像中区分胃肠道间质瘤与其他间质瘤及其风险分类的能力	胃肠道间质瘤（GISTs）与其他间质瘤的区分及其风险分类	计算机视觉	胃肠道肿瘤	深度学习分析	NA	图像	101例经病理证实的肌肉层来源的亚上皮病变，包括69例GISTs、17例平滑肌瘤和15例神经鞘瘤
9948	2024-12-21	scHiCyclePred: a deep learning framework for predicting cell cycle phases from single-cell Hi-C data using multi-scale interaction information 2024-07-31, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06626-3 PMID:39085477	研究论文	本文提出了一种名为scHiCyclePred的深度学习框架，用于从单细胞Hi-C数据中预测细胞周期阶段，通过整合多尺度相互作用信息来提取3D染色质结构特征	scHiCyclePred通过整合多尺度相互作用信息，显著提高了细胞周期阶段预测的准确性，超越了现有的方法如Nagano_method和CIRCLET	NA	开发一种新的深度学习模型，用于从单细胞Hi-C数据中准确预测细胞周期阶段	单细胞Hi-C数据中的细胞周期阶段预测	生物信息学	NA	单细胞Hi-C技术	深度学习模型	单细胞Hi-C数据	NA
9949	2024-12-21	Mediodorsal thalamus and ventral pallidum contribute to subcortical regulation of the default mode network 2024-07-23, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06531-9 PMID:39039239	研究论文	研究探讨了腹侧苍白球（VP）和中背侧丘脑（MD）在树鼩默认模式网络（DMN）调控中的作用	首次揭示了VP和MD在DMN调控中的重要性，并扩展了哺乳动物间DMN调控的同源性	研究仅在树鼩中进行，结果的普适性有待进一步验证	探讨亚皮质结构在默认模式网络调控中的作用	腹侧苍白球（VP）和中背侧丘脑（MD）	NA	NA	电生理学和基于深度学习的分类	深度学习	行为状态	树鼩
9950	2024-12-21	Impact of imperfect annotations on CNN training and performance for instance segmentation and classification in digital pathology 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108586 PMID:38796882	研究论文	本文研究了噪声标注对数字病理学中用于实例分割和分类的CNN模型训练和性能的影响	提出了使用小规模正确标注的验证集来避免过拟合噪声标注，并强调了预训练的益处	未提及具体的局限性	研究噪声标注对CNN模型在数字病理学中实例分割和分类任务中的影响	数字病理学中的细胞核实例分割和分类	数字病理学	NA	NA	CNN	图像	未提及具体样本数量
9951	2024-12-21	Iterative feedback-based models for image and video polyp segmentation 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108569 PMID:38781640	研究论文	本文提出了一种基于迭代反馈单元的视频息肉分割模型FlowICBNet，通过引入参考帧选择和流引导变形模块，提高了结肠镜图像中息肉分割的准确性	本文将迭代反馈单元（IFU）扩展到视频息肉分割领域，并引入了参考帧选择（RFS）和流引导变形（FGW）模块，有效解决了内窥镜成像中的常见问题	NA	提高结肠镜图像中息肉分割的准确性，辅助自动化结直肠癌诊断	结肠镜图像和视频中的息肉	计算机视觉	结直肠癌	深度学习	CNN	视频	一个大型视频息肉分割数据集
9952	2024-12-21	Deep learning models for ischemic stroke lesion segmentation in medical images: A survey 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108509 PMID:38677171	综述	本文全面回顾了用于医学图像中缺血性卒中病变分割的深度学习模型	总结了将深度学习架构（如基于CNN和基于transformer的模型）适应于卒中病变分割任务的创新点，并分析了其动机、修改和结果	未提及具体的研究局限性	旨在支持自动化卒中病变分割领域的持续进展	缺血性卒中病变的分割	计算机视觉	脑血管疾病	深度学习	CNN, transformer	图像	涉及三个主要的公共基准数据集：ATLAS, ISLES 和 AISD
9953	2024-12-21	3D reconstruction from endoscopy images: A survey 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108546 PMID:38704902	综述	本文综述了从内窥镜图像进行三维重建的方法	本文总结了基于深度学习方法在内窥镜环境下解决光照不一致和纹理稀疏等挑战的研究进展	本文主要集中在过去十年内的研究，未涵盖更早期的技术	探讨内窥镜图像三维重建技术在医学应用中的现状和未来发展	内窥镜图像的三维重建方法	计算机视觉	NA	深度学习	NA	图像	综述了170篇发表于2013年至2023年间的论文
9954	2024-12-21	Brain tumor detection with integrating traditional and computational intelligence approaches across diverse imaging modalities - Challenges and future directions 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108412 PMID:38691914	综述	本研究全面回顾了脑肿瘤分割和分类技术，探讨了基于图像处理、机器学习和深度学习的各种方法	本研究强调了现有分割和分类技术的挑战，并提出了未来研究的方向	本研究主要集中在回顾现有方法，未提出新的算法或模型	旨在回顾脑肿瘤分割和分类的现有方法，讨论其优缺点，并探讨未来的研究方向	脑肿瘤的分割和分类技术	计算机视觉	脑肿瘤	NA	NA	图像	使用多种磁共振成像（MRI）的开源数据集
9955	2024-12-21	Recent advancements and applications of deep learning in heart failure: Α systematic review 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108557 PMID:38728995	综述	本文系统回顾了深度学习在心力衰竭评估中的最新进展和应用	强调了深度学习在区分受影响个体与健康个体、识别潜在心肌病和其他合并症方面的潜力	NA	系统探讨深度学习技术在心力衰竭评估中的贡献，旨在提高诊断准确性、个性化治疗策略并解决合并症的影响	心力衰竭的诊断和管理	机器学习	心血管疾病	深度学习	NA	NA	NA
9956	2024-12-21	A review of big data technology and its application in cancer care 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108577 PMID:38739981	综述	本文综述了大数据技术及其在癌症护理中的应用	本文总结了大数据技术在癌症护理中的应用，并探讨了其在管理大规模异构数据和结合人工智能技术方面的潜力	本文主要讨论了当前大数据技术在癌症护理中的应用现状和挑战，未涉及具体的技术实现细节	探讨大数据技术在癌症护理中的应用及其未来发展方向	大数据技术及其在癌症护理中的应用	机器学习	癌症	NA	NA	数据	NA
9957	2024-12-21	Spach Transformer: Spatial and Channel-Wise Transformer Based on Local and Global Self-Attentions for PET Image Denoising 2024-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3336237 PMID:37995174	研究论文	本文提出了一种基于局部和全局自注意力机制的空间和通道Transformer模型，用于PET图像去噪	提出了Spach Transformer，结合局部和全局多头部自注意力机制，能够有效处理3D图像中的长程依赖关系，同时降低计算成本	未提及具体限制	提高PET图像质量，解决低信噪比问题	PET图像去噪	计算机视觉	NA	多头部自注意力机制	Transformer	图像	使用了不同PET示踪剂的数据集，包括18F-FDG、18F-ACBC、18F-DCFPyL和68Ga-DOTATATE
9958	2024-12-21	Machine Learning Analysis of Human Skin by Optoacoustic Mesoscopy for Automated Extraction of Psoriasis and Aging Biomarkers 2024-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3356180 PMID:38241120	研究论文	本文介绍了一种基于深度学习的框架DeepRAP，用于分析和量化通过光声显微镜（RSOM）记录的皮肤形态特征，并提取用于疾病表征的成像生物标志物	首次提出了一种自动化的方法来分析三维RSOM数据集，并使用多网络分割策略基于卷积神经网络进行迁移学习，实现了皮肤层和真皮微血管的自动识别与分割	本文未详细讨论DeepRAP在其他皮肤病或不同人群中的适用性	开发一种能够自动分析RSOM数据并提取皮肤疾病和老化生物标志物的框架	银屑病患者和健康志愿者的皮肤微血管特征	机器学习	银屑病	光声显微镜（RSOM）	卷积神经网络（CNN）	图像	25名银屑病患者和75名健康志愿者
9959	2024-12-21	Synthetic Optical Coherence Tomography Angiographs for Detailed Retinal Vessel Segmentation Without Human Annotations 2024-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3354408 PMID:38224512	研究论文	本文提出了一种基于空间殖民化模拟的轻量级视网膜血管网络模拟方法，用于生成合成光学相干断层扫描血管造影（OCTA）图像，并通过三种对比度适应管道减少真实图像与合成图像之间的领域差距，以实现更详细的视网膜血管分割	本文的创新点在于提出了一种基于空间殖民化的轻量级视网膜血管网络模拟方法，并引入了三种对比度适应管道，以减少真实图像与合成图像之间的领域差距，从而提高视网膜血管分割的性能	本文的局限性在于尽管合成的OCTA图像在实验中表现出色，但其在真实临床环境中的实际应用效果仍需进一步验证	本文的研究目的是开发一种无需人工标注的视网膜血管分割方法，以解决现有深度学习方法在缺乏大规模详细标注数据集时的局限性	本文的研究对象是视网膜血管的分割	计算机视觉	NA	光学相干断层扫描血管造影（OCTA）	深度学习模型	图像	本文使用了三个公开数据集进行实验
9960	2024-12-21	GMIM: Self-supervised pre-training for 3D medical image segmentation with adaptive and hierarchical masked image modeling 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108547 PMID:38728994	研究论文	提出了一种名为GMIM的自监督预训练方法，用于3D医学图像分割，通过自适应和分层掩码图像建模来学习器官和组织之间的相关性	提出了网格掩码图像建模方法，设计了包含在线分支和目标分支的孪生框架，并采用了自适应和分层掩码策略，以提高医学视觉Transformer在3D医学图像分割中的灵活性和通用性	实验仅在两个公开数据集上进行了验证，可能需要更多数据集来进一步验证其泛化能力	开发一种灵活且通用的自监督预训练方法，用于3D医学图像分割	3D医学图像中的器官和组织	计算机视觉	NA	自适应和分层掩码图像建模	Transformer	图像	两个公开数据集