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
11681	2024-12-12	Sex-and Stress-Dependent Plasticity of a Corticotropin Releasing Hormone / GABA Projection from the Basolateral Amygdala to Nucleus Accumbens that Mediates Reward Behaviors 2024-Dec-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.30.626183 PMID:39651305	研究论文	研究探讨了早期生活逆境（ELA）对小鼠奖励行为的影响，特别是从基底外侧杏仁核到伏隔核的皮质释放激素/GABA投射的性别依赖性可塑性	揭示了皮质释放激素/GABA从基底外侧杏仁核到伏隔核的投射在奖励行为中的性别特异性作用，并发现了早期生活逆境对这种投射的性别依赖性影响	研究主要集中在小鼠模型上，结果的普遍性和对人类的影响尚需进一步验证	探讨早期生活逆境对奖励行为的影响机制，特别是性别依赖性的神经回路变化	成年雄性和雌性CRH-Cre小鼠，分别在控制和早期生活逆境条件下	神经科学	NA	免疫染色、电生理学、组织清除、光片荧光显微镜、深度学习	NA	图像	成年雄性和雌性CRH-Cre小鼠，分别在控制和早期生活逆境条件下
11682	2024-12-12	Automatic classification of fungal-fungal interactions using deep leaning models 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.11.027 PMID:39655263	研究论文	本文开发了一种基于深度神经网络的AI自动化图像分类方法，用于自动分类真菌-真菌相互作用	本文首次引入了使用深度学习自动分类真菌-真菌相互作用的方法，并可轻松适应其他真菌物种	NA	开发一种自动化的方法来分类真菌-真菌相互作用，以克服传统方法耗时且难以复制的缺点	植物病原体与来自38,400个真菌菌株的单个分离物的相互作用	机器学习	NA	深度学习	DenseNet121	图像	38,400个真菌菌株
11683	2024-12-12	Conformational ensemble-based framework enables rapid development of Lassa virus vaccine candidates 2024-Nov-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.21.624760 PMID:39605488	研究论文	本文利用基于构象集合的框架，通过AI驱动的深度学习方法，快速开发了拉沙病毒疫苗候选物	采用AlphaFold2的变体（subsampled AF2）生成拉沙病毒糖蛋白复合物（GPC）的多样化结构，并通过ProteinMPNN重新设计GPC序列，以减少变构域的移动性，从而优化疫苗设计	需要进一步实验验证重新设计的GPC序列的免疫原性和保护效果	开发一种基于AI的框架，用于快速设计和优化拉沙病毒疫苗候选物	拉沙病毒的糖蛋白复合物（GPC）及其免疫原性	机器学习	NA	AlphaFold2（AF2），ProteinMPNN	深度学习模型	蛋白质结构	一个小型重新设计的GPC序列库
11684	2024-12-12	Learning Interpretable Brain Functional Connectivity via Self-Supervised Triplet Network With Depth-Wise Attention 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3429169 PMID:39028590	研究论文	本文提出了一种自监督的三元组网络与深度注意力机制（TripletNet-DA），用于学习可解释的大脑功能连接	创新点在于使用自监督的三元组网络结合深度注意力机制，能够生成可解释的功能连接特征，并在自闭症谱系障碍和重度抑郁症的分类任务中表现优异	NA	研究目的是解决传统功能连接测量方法的局限性，提出一种能够捕捉可解释功能连接特征的深度学习方法	研究对象是自闭症谱系障碍和重度抑郁症患者的大脑功能连接	机器学习	自闭症谱系障碍	深度学习	三元组网络	脑电图	NA
11685	2024-12-12	Predicting Continuous Locomotion Modes via Multidimensional Feature Learning From sEMG 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3441600 PMID:39133593	研究论文	本研究提出了一种名为Deep-STF的端到端深度学习模型，用于从表面肌电图（sEMG）信号中进行多维特征提取，以预测连续的运动模式和过渡	Deep-STF模型在空间、时间和频率维度上进行集成特征提取，能够准确且稳健地预测九种运动模式和十五种过渡，且在不同预测时间间隔内表现出色	在测试新地形时，模型的预测准确性有所下降，尽管通过微调可以提高	提高步行辅助设备的智能性和透明度，确保在不同运动模式之间的平滑过渡	表面肌电图（sEMG）信号中的多维特征	机器学习	NA	深度学习	深度学习模型	信号	NA
11686	2024-12-12	GKE-TUNet: Geometry-Knowledge Embedded TransUNet Model for Retinal Vessel Segmentation Considering Anatomical Topology 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3442528 PMID:39137084	研究论文	提出了一种名为GKE-TUNet的新型分割模型，用于视网膜血管分割，考虑了解剖学拓扑结构	通过嵌入显式的视网膜血管解剖学拓扑特征，改进了深度学习在提取复杂交织结构和小血管方面的能力	未提及具体的局限性	开发一种能够有效分割视网膜血管的自动化方法，以辅助临床诊断和视网膜病变筛查	视网膜血管的解剖学拓扑结构和分割	计算机视觉	NA	图卷积网络（GAT）	GKE-TUNet	图像	使用了DRIVE、CHASE-DB1和STARE数据集进行实验
11687	2024-12-12	A Physiological-Informed Generative Model for Improving Breast Lesion Classification in Small DCE-MRI Datasets 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3443705 PMID:39141452	研究论文	本文提出了一种基于生理学信息的生成模型，用于在小样本DCE-MRI数据集中提高乳腺病变分类的性能	本文的创新点在于结合了生理学基础的药代动力学模型和内在形变自编码器，实现了生理学感知的数据增强策略	本文的局限性在于仅在乳腺DCE-MRI数据集上进行了验证，尚未在其他类型的医学图像数据集上进行测试	本文的研究目的是提高在小样本DCE-MRI数据集中乳腺病变分类的准确性	本文的研究对象是乳腺DCE-MRI数据集中的病变分类	计算机视觉	乳腺癌	DCE-MRI	自编码器	图像	本文使用了两个私有数据集和一个公共数据集进行测试
11688	2024-12-12	Framework for Deep Learning Based Multi-Modality Image Registration of Snapshot and Pathology Images 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3444908 PMID:39150810	研究论文	本文提出了一种基于深度学习的多模态图像配准框架，用于将显微病理图像与其他成像模态进行配准	本文的创新点在于提供了一个基于深度学习的多模态图像配准框架，并验证了其在前列腺离体白光相机快照图像与病理苏木精-伊红图像配准中的应用	本文的局限性在于仅验证了前列腺样本的配准效果，尚未在其他类型的病理图像上进行广泛验证	本文的研究目的是开发一种能够有效配准多模态医学图像的深度学习框架	本文的研究对象是前列腺离体白光相机快照图像与病理苏木精-伊红图像的配准	数字病理学	前列腺癌	深度学习	NA	图像	前列腺样本
11689	2024-12-12	Mitigating Diagnostic Errors in Lung Cancer Classification: A Multi-Eyes Principle to Uncertainty Quantification 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3446040 PMID:39163183	研究论文	本文提出了一种基于多模型和不确定性量化技术的Multi-Eyes原则，用于减少肺癌诊断中的误差和认知偏差	本文的创新点在于引入了Multi-Eyes原则，通过多种深度学习模型和不确定性量化技术来减少诊断偏差，并提高诊断准确性	未来的研究可以探索不同的不确定性量化方法和反馈机制以进一步改进	提高计算机辅助诊断系统在肺癌分类中的诊断性能	肺癌诊断中的误差和认知偏差	计算机视觉	肺癌	深度学习	CNN	图像	使用了LIDC-IDRI数据集进行肺癌分类
11690	2024-12-12	Classification of Multi-Parametric Body MRI Series Using Deep Learning 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3448373 PMID:39178097	研究论文	本文提出了一种基于深度学习的分类模型，用于分类8种不同类型的多参数磁共振成像（mpMRI）序列，以提高放射科医生的阅片效率	本文首次使用深度学习模型对多参数磁共振成像序列进行分类，并比较了ResNet、EfficientNet和DenseNet三种模型的性能	模型在外部数据集上的表现略低于内部数据集，表明模型在不同数据分布上的泛化能力有待提高	开发一种能够准确分类多参数磁共振成像序列的深度学习模型，以提高放射科医生的工作效率	8种不同类型的多参数磁共振成像序列	计算机视觉	NA	深度学习	DenseNet-121	图像	训练数据包括来自不同机构的729个研究，外部数据集包括DLDS和CPTAC-UCEC数据集
11691	2024-12-12	A Multi-Task Transformer With Local-Global Feature Interaction and Multiple Tumoral Region Guidance for Breast Cancer Diagnosis 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3454000 PMID:39226204	研究论文	本文提出了一种多任务网络，结合局部-全局特征交互和多肿瘤区域引导，用于基于乳腺超声的肿瘤分割和分类	本文创新性地提出了一个双流编码器，结合CNN和Transformer，促进局部和全局特征的分层交互与融合，并设计了一个多肿瘤区域引导模块，显式学习肿瘤内和肿瘤周围区域的长程非局部依赖关系	NA	提高乳腺超声图像中肿瘤分割和分类的准确性	乳腺超声图像中的肿瘤	计算机视觉	乳腺癌	深度学习	Transformer	图像	两个乳腺超声数据集
11692	2024-12-12	A Systematic Review on the Use of Consumer-Based ECG Wearables on Cardiac Health Monitoring 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3456028 PMID:39240746	综述	本文系统回顾了用于心脏健康监测的消费级心电图可穿戴设备，探讨了用于诊断和预防心脏相关疾病的模型或算法，并讨论了采用消费级可穿戴设备进行健康监测的挑战和未来工作	本文总结了消费级可穿戴设备的心电图功能、可用的心电图数据集以及用于检测心脏疾病和监测长期健康的各种算法，并讨论了心脏健康监测的集成挑战和未来方向	当前文献的潜在局限性包括算法推理和比较的缺乏以及数据泛化能力的有限	总结消费级心电图可穿戴设备的使用情况，探讨通过心电图分析诊断和预防心脏相关疾病的模型或算法，并讨论采用消费级可穿戴设备进行健康监测的挑战和未来工作	消费级心电图可穿戴设备、心电图信号、心脏相关疾病	数字病理学	心血管疾病	心电图分析	卷积神经网络（CNN）	心电图数据	102篇相关论文
11693	2024-12-12	LHAR: Lightweight Human Activity Recognition on Knowledge Distillation 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3298932 PMID:37494155	研究论文	本文提出了一种轻量级的人类活动识别框架LHAR，通过知识蒸馏技术提升智能穿戴设备上的个性化用户活动识别准确率	LHAR框架结合了跨人群活动识别任务与轻量级模型任务，采用教师-学生架构，学生网络使用深度可分离卷积层减少参数，并通过复杂教师模型的暗知识提升泛化能力	NA	提升智能穿戴设备上个性化用户活动识别的准确率和效率	人类活动识别任务	机器学习	NA	知识蒸馏	深度可分离卷积网络	传感器数据	NA
11694	2024-12-12	SFWN: A Novel Semi-Supervised Feature Weighted Neural Network for Gene Data Feature Learning and Mining With Graph Modeling 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3309842 PMID:37643105	研究论文	提出了一种新的半监督特征加权神经网络模型SFWN，用于基因数据特征学习和挖掘，通过图建模提高基因表达数据的分类准确性	首次使用基因表达数据的外部知识构建特征图、相似性核和样本图，并提出了一种新的半监督学习算法SGA和图稀疏模块SGCN，以解决稀疏表示问题和过平滑问题	NA	提高基因表达数据的特征学习和分类准确性，为相关疾病的诊断和临床实践提供新的工具	基因表达数据及其在疾病诊断中的应用	机器学习	NA	图神经网络（GNN）	半监督特征加权神经网络（SFWN）	基因表达数据	多个公共数据集
11695	2024-12-12	Uncertainty-Aware Health Diagnostics via Class-Balanced Evidential Deep Learning 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3360002 PMID:38319779	研究论文	本文提出了一种基于类别平衡的证据深度学习框架，用于实现健康诊断模型的公平和可靠的不确定性估计	引入了池化损失和可学习的先验分布，以解决类别不平衡问题，并提升不确定性估计的准确性	未提及具体实验的局限性或方法的适用范围	提高深度学习在健康诊断中的不确定性量化能力，特别是在类别不平衡数据上的应用	类别不平衡的健康诊断数据	机器学习	NA	证据深度学习	深度学习模型	健康数据	使用了具有不同不平衡程度的基准数据和多种自然不平衡的健康数据进行实验
11696	2024-12-12	PCGmix: A Data-Augmentation Method for Heart-Sound Classification 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3458430 PMID:39255074	研究论文	提出了一种名为PCGmix的数据增强方法，用于心音分类，以解决深度学习模型在心血管疾病检测中数据不足的问题	PCGmix算法通过分割和重新组装PCG录音，并结合精细的插值方法，确保保留与心血管疾病检测相关的主要诊断特征	实验仅在公开的心音录音数据库上进行，未提及在其他数据集或实际临床环境中的验证	提高深度学习模型在数据受限环境下对心血管疾病检测的准确性	心音数据（PCG数据）的增强和分类	机器学习	心血管疾病	数据增强	NA	音频	使用了公开的正常和异常心音录音数据库，具体样本数量未提及
11697	2024-12-12	A Feature Fusion Model Based on Temporal Convolutional Network for Automatic Sleep Staging Using Single-Channel EEG 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3457969 PMID:39504300	研究论文	本文提出了一种基于时序卷积网络的特征融合模型，用于使用单通道脑电图进行自动睡眠分期	提出了特征融合时序卷积网络（FFTCN）算法，结合一维卷积神经网络（1D-CNN）和二维卷积神经网络（2D-CNN）提取时序和时频特征，并通过时序卷积网络（TCN）进行序列级分类	未提及具体局限性	提高使用单通道脑电图进行自动睡眠分期的准确性	健康受试者的睡眠分期	机器学习	NA	连续小波变换（CWT）	时序卷积网络（TCN）	脑电图（EEG）	使用了SHHS-1、Sleep-EDF-153和ISRUC-S1数据集
11698	2024-12-12	Development of a Deep Learning-Based Predictive Model for Improvement after Holmium Laser Enucleation of the Prostate According to Detrusor Contractility 2024-Nov, International neurourology journal IF:1.8Q3 DOI:10.5213/inj.2448362.181 PMID:39638455	研究论文	本研究开发了一种基于深度学习的预测模型，用于预测男性下尿路症状/良性前列腺增生患者在接受钬激光前列腺剜除术后症状改善情况	本研究创新性地使用深度神经网络（DNN）进行多分类预测，并与其他机器学习模型进行比较，结果显示DNN的预测性能优于其他模型	本研究的样本数据来自单一医疗中心，可能存在地域和人群的局限性	开发一种人工智能模型，用于预测钬激光前列腺剜除术后症状改善情况，特别是最大流速（MFR）和排尿效率（VE）的变化	接受钬激光前列腺剜除术的男性下尿路症状/良性前列腺增生患者	机器学习	前列腺疾病	深度神经网络（DNN）	DNN	数值数据	1933名患者，其中1142名患者的数据用于研究，992名用于模型训练，150名用于外部验证
11699	2024-12-12	MDNNSyn: A Multi-Modal Deep Learning Framework for Drug Synergy Prediction 2024-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3421916 PMID:38954565	研究论文	本文提出了一种多模态深度学习框架MDNNSyn，用于预测药物协同作用	MDNNSyn利用多层超图神经网络提取拓扑模态特征，并通过相似性策略构建语义模态特征，结合门控神经网络进行多模态融合，从而提高药物协同作用预测的准确性	NA	开发一种能够考虑药物间和细胞系间多种生物关系的计算模型，以提高药物协同作用预测的准确性	药物协同作用预测	机器学习	癌症	多层超图神经网络	多模态融合网络	多源信息	DrugCombDB和Oncology-Screen数据集
11700	2024-12-12	DeepFusionCDR: Employing Multi-Omics Integration and Molecule-Specific Transformers for Enhanced Prediction of Cancer Drug Responses 2024-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3417014 PMID:38935469	研究论文	本文介绍了一种名为DeepFusionCDR的新方法，通过无监督对比学习整合多组学特征，并结合分子SMILES特异性变换器来增强癌症药物反应预测	创新点在于整合了多组学数据（包括突变、转录组、甲基化组和拷贝数变异数据）以及分子特异性变换器来提取药物特征，从而提高癌症药物反应预测的准确性	NA	旨在通过多组学融合和分子特异性变换器来增强癌症药物反应的预测	癌症药物反应（CDR）的预测	机器学习	NA	无监督对比学习	多层感知器（MLP）	多组学数据（突变、转录组、甲基化组、拷贝数变异数据）和分子SMILES数据	使用了GDSC数据集和TCGA患者数据