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
1041	2024-12-18	TSCA-Net: Transformer based spatial-channel attention segmentation network for medical images 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107938 PMID:38219644	研究论文	本文提出了一种基于Transformer的空间-通道注意力分割网络TSCA-Net，用于医学图像分割	该方法结合了CNN和Transformer的优点，通过空间和通道注意力模块提取全局互补信息，并设计了空间和通道特征融合块以更好地融合信息	未提及具体的局限性	提高医学图像分割的性能	医学图像中的目标定位和分割	计算机视觉	NA	Transformer	CNN	图像	五个公开的医学图像数据集，包括不同模态的数据
1042	2024-12-18	Diagnosis of pathological speech with streamlined features for long short-term memory learning 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107976 PMID:38219647	研究论文	本文提出了一种基于简化特征的长短期记忆网络学习方法，用于病理语音的诊断	本文引入了时间-空间和时间-频率特征，用于区分正常和病理语音，并结合长短期记忆网络进行训练，提高了诊断的准确性和可靠性	NA	开发一种高效的病理语音诊断工具，以提高诊断的准确性和治疗的有效性	病理语音和正常语音的区分	机器学习	NA	长短期记忆网络（LSTM）	LSTM	语音信号	使用了公开的语音数据库进行训练和验证
1043	2024-12-18	SG-MIAN: Self-guided multiple information aggregation network for image-level weakly supervised skin lesion segmentation 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107988 PMID:38232452	研究论文	提出了一种自引导多信息聚合网络（SG-MIAN），用于基于图像级标签的弱监督皮肤病变分割	创新点在于提出了自引导多信息聚合网络（SG-MIAN），利用多空间感知器（MSP）和辅助激活结构（AAS）以及两个辅助损失函数，实现了更精确的病变区域定位和边界激活	文章未提及具体的局限性	旨在减少像素级标注的成本，实现基于图像级标签的皮肤病变分割	皮肤病变区域的分割	计算机视觉	皮肤疾病	深度学习	自引导多信息聚合网络（SG-MIAN）	图像	使用了HAM10000数据集和PH数据集
1044	2024-12-18	HoLy-Net: Segmentation of histological images of diffuse large B-cell lymphoma 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107978 PMID:38237235	研究论文	本文提出了一种用于弥漫性大B细胞淋巴瘤（DLBCL）组织学图像分割的深度学习模型HoLy-Net	HoLy-Net是基于HoVer-Net的深度学习模型，专门用于DLBCL图像的分割，能够处理H&E染色和免疫组化（IHC）染色的图像，并提供了一个新的数据集LyNSeC，包含大量注释的细胞核	NA	开发一种能够自动分割弥漫性大B细胞淋巴瘤（DLBCL）组织学图像的方法，并提供新的数据集以支持大规模的定量研究	弥漫性大B细胞淋巴瘤（DLBCL）的组织学图像	数字病理学	淋巴瘤	深度学习	HoLy-Net（基于HoVer-Net）	图像	73,931个H&E染色的细胞核和87,316个IHC染色的细胞核
1045	2024-12-18	Combined-task deep network based on LassoNet feature selection for predicting the comorbidities of acute coronary syndrome 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107992 PMID:38242014	研究论文	本文提出了一种基于LassoNet特征选择的Combined-task深度网络（CDNL），用于预测急性冠状动脉综合征（ACS）的合并症	本文的创新点在于引入LassoNet特征选择方法，并通过跨任务的相关性评分计算方法，开发了一种优化的多任务预测模型	本文的局限性在于仅在中国的三级医院进行了横断面研究，样本和数据来源较为局限	研究目的是准确预测急性冠状动脉综合征的合并症，以提供个性化的护理和临床决策	研究对象是急性冠状动脉综合征及其合并症，包括高血压、糖尿病、高脂血症和心力衰竭	机器学习	心血管疾病	LassoNet特征选择	深度网络	临床数据	2941个样本，包含42个临床特征
1046	2024-12-18	Unlocking the therapeutic potential of drug combinations through synergy prediction using graph transformer networks 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108007 PMID:38242015	研究论文	本研究开发了一种基于图变换网络的SynergyGTN模型，用于预测抗癌药物组合的协同作用	首次使用图变换网络来预测药物组合的协同作用，并在多个验证策略中表现出更高的准确性	NA	开发一种高效可靠的计算方法来预测抗癌药物组合的协同作用	抗癌药物组合的协同作用	机器学习	癌症	图变换网络	图变换网络	基因表达数据	使用了Astrazeneca Dream数据集进行验证
1047	2024-12-18	Pathogenicity classification of missense mutations based on deep generative model 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107980 PMID:38242017	研究论文	本文提出了一种基于深度生成模型的错义突变致病性分类方法	引入梯子结构与LSTM网络结合，克服了VAE框架的局限性，减少了信息传递过程中的原始信息损失	未提及具体局限性	识别与疾病相关的错义突变并对其致病性进行分类，为疾病遗传基础和蛋白质功能提供见解	错义突变的致病性分类	机器学习	NA	深度学习	LSTM-Ladder AutoEncoder	氨基酸序列	27572个可能的错义突变
1048	2024-12-18	Arbitrary scale super-resolution diffusion model for brain MRI images 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108003 PMID:38262200	研究论文	本文提出了一种任意尺度超分辨率扩散模型（ASSRDM），用于脑部MRI图像的超分辨率重建	结合隐式神经表示和去噪扩散概率模型，实现了任意尺度的医学图像超分辨率重建，并提出了连续分辨率调节机制	未提及具体限制	开发一种能够生成任意尺度高分辨率MRI图像的方法，以帮助放射科医生更好地观察病变	脑部MRI图像	计算机视觉	NA	去噪扩散概率模型	扩散模型	图像	使用了IXI和fastMRI数据集进行实验
1049	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
1050	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
1051	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
1052	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
1053	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
1054	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
1055	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
1056	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
1057	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
1058	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
1059	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）
1060	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