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
10561	2024-12-22	Automatic detection of cognitive impairment in patients with white matter hyperintensity and causal analysis of related factors using artificial intelligence of MRI 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108684 PMID:38852399	研究论文	本研究利用深度学习和影像组学开发模型，检测白质高信号患者的认知障碍，并分析相关因素的因果关系	首次使用深度学习和影像组学方法检测白质高信号患者的认知障碍，并进行因果关系分析	样本量较小，仅来自两家医院，可能影响模型的泛化能力	开发检测白质高信号患者认知障碍的模型，并分析相关因素的因果关系	白质高信号患者的认知障碍及相关因素	机器学习	NA	深度学习，影像组学	逻辑回归模型	影像数据	79名白质高信号患者，其中62名用于训练，17名用于测试，29名用于独立测试
10562	2024-12-22	New vision of HookEfficientNet deep neural network: Intelligent histopathological recognition system of non-small cell lung cancer 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108710 PMID:38843570	研究论文	本文提出了一种基于HookNet和EfficientNet结构的新型深度神经网络HookEfficientNet，用于非小细胞肺癌的智能组织病理学识别系统	HookEfficientNet结合了HookNet和EfficientNet的优点，能够充分利用宏观和微观信息进行病理诊断，并提高了识别精度	NA	开发一种高精度的人工智能引导的组织病理学识别系统，用于非小细胞肺癌的智能鉴别诊断	非小细胞肺癌（NSCLC）中的肺腺癌（LUAD）和肺鳞状细胞癌（LUSC）	数字病理学	肺癌	卷积神经网络（CNN）	HookEfficientNet	图像	216张肺腺癌（LUAD）和192张肺鳞状细胞癌（LUSC）的全切片图像（WSIs）
10563	2024-12-22	DeepRA: A novel deep learning-read-across framework and its application in non-sugar sweeteners mutagenicity prediction 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108731 PMID:38870727	研究论文	本文提出了一种名为DeepRA的新型深度学习-类比框架，用于预测非糖甜味剂的致突变性	本文的创新点在于结合了卷积深度神经网络和类比算法，开发了一种新的计算方法DeepRA，用于化学物质的致突变性分类	NA	评估非糖甜味剂的致突变性，为食品安全提供支持	非糖甜味剂及其相关化学物质的致突变性	机器学习	NA	卷积深度神经网络	CNN	分子描述符和分子指纹	来自Ames测试数据集的致突变性数据
10564	2024-12-22	G-MBRMD: Lightweight liver segmentation model based on guided teaching with multi-head boundary reconstruction mapping distillation 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108733 PMID:38897144	研究论文	提出了一种基于引导教学和多头边界重建映射蒸馏的轻量级肝脏分割模型G-MBRMD	引入了多头映射和边界重建策略，在知识蒸馏过程中有效引导学生模型掌握复杂教师模型的全局边界处理能力，提升了分割性能而不增加计算复杂度	未提及具体的局限性	开发一种高效且轻量级的肝脏分割模型，以降低计算成本并提高实际应用中的可行性	肝脏分割	计算机视觉	肝癌	知识蒸馏	Transformer, 卷积神经网络	图像	在LITS数据集上进行了实验
10565	2024-12-22	Prediction of drug-target binding affinity based on multi-scale feature fusion 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108699 PMID:38870725	研究论文	本文提出了一种基于多尺度特征融合的药物-靶点结合亲和力预测模型MSFFDTA	创新点在于设计了多尺度编码器来有效捕捉药物和蛋白质的多层次结构信息，并开发了选择性交叉注意力机制来过滤药物-蛋白质子结构对之间的不重要相互作用，保留关键相互作用	NA	旨在解决药物-靶点结合亲和力预测中的两个主要挑战：有效表示蛋白质和药物的复杂结构信息，以及精确建模蛋白质结合位点与药物关键子结构之间的相互作用	药物-靶点结合亲和力	机器学习	NA	多尺度特征融合	NA	结构信息	两个基准数据集
10566	2024-12-22	Using a hybrid neural network architecture for DNA sequence representation: A study on N4-methylcytosine sites 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108664 PMID:38875905	研究论文	本研究通过结合多种深度学习架构和特征编码技术，改进了预测Rosaceae植物基因组中N4-甲基胞嘧啶（4mC）位点的准确性	本研究引入了多种深度学习架构（如CNN、RNN和LSTM）以及预训练的自然语言处理模型，并结合fastText编码，显著提升了预测4mC位点的性能	NA	提高预测Fragaria vesca基因组中4mC位点的准确性	Rosaceae植物基因组中的N4-甲基胞嘧啶（4mC）位点	机器学习	NA	NA	CNN	DNA序列	NA
10567	2024-12-22	Systematic Review of Retinal Blood Vessels Segmentation Based on AI-driven Technique 2024-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01010-3 PMID:38438695	综述	本文对基于人工智能技术的视网膜血管分割进行了系统性回顾	本文涵盖了多种基于深度学习和机器学习的图像分割方法，包括卷积像素标记网络、编码器-解码器架构、多尺度和基于金字塔的方法、循环网络、视觉注意力模型以及对抗生成模型	NA	分析和评估基于深度学习和机器学习的图像分割模型在视网膜血管分割中的应用	视网膜血管的图像分割	计算机视觉	NA	深度学习（DL）和机器学习（ML）	卷积神经网络（CNN）、循环网络、生成对抗网络（GAN）等	图像	NA
10568	2024-12-22	Concurrent optogenetic motor mapping of multiple limbs in awake mice reveals cortical organization of coordinated movements 2024-Jul-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.05.602302 PMID:39005269	研究论文	本文开发了一种多肢光遗传学运动映射技术（MOMM），用于在清醒小鼠中同时映射多个肢体的运动表示，并探讨了皮质对协调运动的组织结构	首次使用光遗传学技术在清醒小鼠中进行多肢运动映射，揭示了皮质对协调和行为相关运动输出的地形组织	研究仅限于小鼠模型，尚未在其他物种中验证	开发一种新的技术来映射皮质中多肢协调运动的地形组织	清醒小鼠的皮质中多肢协调运动的地形组织	神经科学	NA	光遗传学刺激，DeepLabCut（DLC），三维三角测量	NA	运动映射数据	多只清醒小鼠
10569	2024-12-22	Deep learning reveals lung shape differences on baseline chest CT between mild and severe COVID-19: A multi-site retrospective study 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108643 PMID:38815485	研究论文	本研究利用机器学习和统计图谱方法，探讨了COVID-19患者在基线胸部CT上的肺部形状变化，并评估了这些变化与COVID-19严重程度的关系	首次通过深度学习模型（3D残差卷积网络）结合肺部浸润（磨玻璃影和实变区域）来表征COVID-19患者的肺部形状差异，并发现这些差异与COVID-19的严重程度相关	研究为回顾性多中心研究，样本主要集中在COVID-19患者，未涉及其他肺部疾病患者	探讨COVID-19患者肺部形状的变化及其与疾病严重程度的关系	COVID-19患者的肺部形状变化	计算机视觉	COVID-19	机器学习	3D残差卷积网络	图像	3443名患者，包括健康人群、轻度COVID-19患者和重度COVID-19患者
10570	2024-12-22	CKG-IMC: An inductive matrix completion method enhanced by CKG and GNN for Alzheimer's disease compound-protein interactions prediction 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108612 PMID:38838556	研究论文	本文提出了一种名为CKG-IMC的深度学习模型，用于预测阿尔茨海默病中的化合物-蛋白质相互作用	CKG-IMC模型结合了协同知识图谱、主邻域聚合图神经网络和归纳矩阵补全，实现了对化合物-蛋白质相互作用关系的高精度预测	NA	开发治疗阿尔茨海默病的新药物并识别相关靶点	阿尔茨海默病中的化合物-蛋白质相互作用	机器学习	阿尔茨海默病	图神经网络	图神经网络	图数据	NA
10571	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
10572	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
10573	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
10574	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
10575	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
10576	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
10577	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
10578	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
10579	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
10580	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