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
12841	2024-12-17	Learning with limited annotations: A survey on deep semi-supervised learning for medical image segmentation 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107840 PMID:38157773	综述	本文综述了最近提出的用于医学图像分割的半监督学习方法，并总结了技术新颖性和实证结果	本文总结了半监督学习在医学图像分割中的技术新颖性，并分析了现有方法的局限性和未解决的问题	本文讨论了现有半监督学习方法的局限性和几个未解决的问题	探讨在有限标注情况下，半监督学习在医学图像分割中的应用	医学图像分割任务	计算机视觉	NA	半监督学习	深度学习模型	图像	NA
12842	2024-12-17	Deep learning innovations in diagnosing diabetic retinopathy: The potential of transfer learning and the DiaCNN model 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107834 PMID:38159396	研究论文	本文介绍了一种基于深度学习的新方法，通过迁移学习和DiaCNN模型提高糖尿病视网膜病变（DR）的诊断精度	本文的创新点在于引入了迁移学习技术，利用InceptionResNetv2和Inceptionv3模型进行特征提取和微调，并提出了专门用于眼病分类的DiaCNN模型	NA	提高糖尿病视网膜病变的诊断精度，减少因DR导致的失明	糖尿病视网膜病变及其他眼病的诊断	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像	使用了包含八种不同眼病类别的Ocular Disease Intelligent Recognition (ODIR)数据集
12843	2024-12-17	Is fragment-based graph a better graph-based molecular representation for drug design? A comparison study of graph-based models 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107811 PMID:38168647	研究论文	本文比较了基于片段的图表示与传统图表示在药物设计中的效果	提出了基于片段的图表示方法，并通过实验验证其在数据有限情况下的优势	在大量训练数据的情况下，基于片段的分子图表示不一定优于传统方法	评估基于片段的图表示在药物设计中的有效性	比较八种基于深度学习算法的模型在12个基准数据集上的预测能力	机器学习	NA	图神经网络（GNNs）	GCN, AttentiveFP, D-MPNN, PharmHGT	分子数据	12个基准数据集
12844	2024-12-17	Improving brain age prediction with anatomical feature attention-enhanced 3D-CNN 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107873 PMID:38181606	研究论文	提出了一种基于解剖特征注意力增强的3D卷积神经网络，用于改进从结构磁共振成像数据预测脑年龄	引入了解剖特征注意力（AFA）模块，有效捕捉显著的解剖特征，并结合深度卷积特征，简化了深度卷积特征的提取过程	未提及具体的技术局限性	改进从结构磁共振成像数据预测脑年龄的准确性	从结构磁共振成像数据中提取的解剖特征和深度卷积特征	计算机视觉	NA	深度学习	3D卷积神经网络（3D-CNN）	图像	2501个样本
12845	2024-12-17	Large-scale genomic survey with deep learning-based method reveals strain-level phage specificity determinants 2024-01-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae017 PMID:38649301	研究论文	本研究提出了一种基于深度学习的SpikeHunter方法，用于大规模分析噬菌体编码的尾丝蛋白，揭示了噬菌体特异性的决定因素	首次使用深度学习方法（基于ESM-2蛋白语言模型）对大规模噬菌体尾丝蛋白进行分析，揭示了尾丝蛋白在决定噬菌体宿主范围中的关键作用	NA	研究噬菌体特异性的决定因素，为噬菌体疗法提供指导	噬菌体编码的尾丝蛋白及其与细菌多糖受体的相互作用	机器学习	NA	深度学习	ESM-2蛋白语言模型	基因组数据	787,566个细菌基因组，来自5种高致病性抗生素抗性病原体
12846	2024-12-17	Stratum corneum nanotexture feature detection using deep learning and spatial analysis: a noninvasive tool for skin barrier assessment 2024-Jan-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae095 PMID:39657103	研究论文	本文提出了一种基于深度学习和空间分析的皮肤屏障评估方法，用于检测角质层纳米纹理特征	本文创新性地结合了深度学习目标检测器和空间分析算法，开发了一种精确计算CNO密度的方法，称为有效角质层地形指数（ECTI）	本文的局限性在于样本量相对较小，且仅针对特应性皮炎患者和健康对照组	开发一种非侵入性工具，用于评估皮肤屏障功能，并区分不同严重程度的特应性皮炎	特应性皮炎患者和健康对照组的角质层纳米纹理特征	计算机视觉	皮肤疾病	深度学习	目标检测器	图像	45名特应性皮炎患者和15名健康对照组，共1000多张角质层纳米纹理图像
12847	2024-12-17	Learning a generalized graph transformer for protein function prediction in dissimilar sequences 2024-Jan-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae093 PMID:39657158	研究论文	本文提出了一种名为GALA的新方法，结合图变换器架构和注意力池化模块，用于蛋白质功能预测，并通过对抗学习和标签嵌入对齐来提高模型的泛化能力	GALA方法通过对抗学习和标签嵌入对齐，确保了在不同环境下的表示不变性，显著提高了对非同源蛋白质功能预测的泛化能力	NA	开发一种能够对非同源蛋白质进行功能预测的深度学习方法	蛋白质序列和结构	机器学习	NA	图变换器架构、对抗学习、注意力池化模块	图变换器	序列、结构	来自PDB数据库和Swiss-Prot数据库的数据集
12848	2024-12-17	Forecasting air pollution with deep learning with a focus on impact of urban traffic on PM10 and noise pollution 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313356 PMID:39656668	研究论文	本研究使用带有长短期记忆单元（LSTM）的循环神经网络（RNN）模型，预测斯科普里多个地点的PM10颗粒物水平，并分析城市交通对空气和噪音污染的影响	本研究首次利用深度学习模型预测多个地点的PM10水平，并分析了城市交通对空气和噪音污染的影响	研究仅限于斯科普里的数据，且未探讨其他可能影响空气污染的因素	预测空气污染水平并分析城市交通对其的影响	PM10颗粒物水平及城市交通对空气和噪音污染的影响	机器学习	NA	NA	RNN, LSTM	数据	多个地点的历史空气质量测量数据及气象条件数据
12849	2024-12-17	CISepsis: a causal inference framework for early sepsis detection 2024, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2024.1488130 PMID:39679198	研究论文	本文提出了一种基于因果推理的早期脓毒症检测方法，通过消除混杂因素的影响来提高模型的预测准确性	本文的创新点在于引入了因果推理框架，通过后门调整和工具变量方法消除混杂因素的影响，从而更准确地捕捉脓毒症的因果关系	本文的局限性在于未来研究需要进一步探索特定指标或治疗干预对脓毒症的影响，并验证该方法在临床应用中的潜力	本文的研究目的是提高早期脓毒症检测的准确性，增强模型的泛化能力、鲁棒性和可解释性	本文的研究对象是脓毒症的早期预测	机器学习	脓毒症	因果推理	NA	结构化数据和非结构化数据	使用了MIMIC-IV数据集
12850	2024-12-17	MetaNO: How to Transfer Your Knowledge on Learning Hidden Physics 2023-Dec-15, Computer methods in applied mechanics and engineering IF:6.9Q1 DOI:10.1016/j.cma.2023.116280 PMID:38292246	研究论文	本文提出了一种新的元学习方法MetaNO，用于神经算子，旨在在不同参数场的未知PDE之间转移解算子的知识	提出了一种新的元学习方法MetaNO，能够在不同参数场的未知PDE之间转移解算子的知识，并证明了其在神经算子模型第一层捕获底层参数场的能力	NA	研究如何将知识从已知的物理系统转移到新的、未见过的材料样本上，以提高采样效率	材料样本的微观结构和力学参数，以及隐藏的PDE的解算子	机器学习	NA	神经算子	神经算子	数据	NA
12851	2024-12-17	Simultaneous data assimilation and cardiac electrophysiology model correction using differentiable physics and deep learning 2023-Dec-06, Interface focus IF:3.6Q1 DOI:10.1098/rsfs.2023.0043 PMID:38106918	研究论文	本文提出了一种结合可微物理和深度学习的混合方法，用于同时进行数据同化和心脏电生理学模型修正	本文的创新点在于将深度学习与物理模型相结合，通过数据驱动的方式补充简化的心脏模型，并同时估计模型参数	本文的局限性在于未详细讨论该方法在实际临床应用中的可行性和效果	本文的研究目的是改进心脏电生理学建模，提供一种鲁棒的生物物理工具用于预测	本文的研究对象是心脏电生理学模型及其参数估计	生物医学工程	心血管疾病	深度学习	混合模型	数据	NA
12852	2024-12-17	AI prediction of extracorporeal shock wave lithotripsy outcomes for ureteral stones by machine learning-based analysis with a variety of stone and patient characteristics 2023-Dec-02, Urolithiasis IF:2.0Q2 DOI:10.1007/s00240-023-01506-7 PMID:38041695	研究论文	本文提出了一种基于机器学习的人工智能预测方法，用于预测体外冲击波碎石术治疗输尿管结石的结果	该方法通过分析多种变量，包括患者特征和结石特征，使用非线性支持向量机进行预测，并应用排列特征重要性分析各因素对预测结果的影响	未来需要使用更大规模的高分辨率临床非对比CT图像数据进行验证，并考虑应用深度学习技术	开发一种能够有效预测体外冲击波碎石术治疗输尿管结石结果的人工智能方法	输尿管结石患者及其体外冲击波碎石术治疗结果	机器学习	泌尿系统疾病	非对比CT图像分析	支持向量机	图像	171名患者
12853	2024-12-17	Deep learning accelerated discovery of photonic power dividers 2023-Apr, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0715 PMID:39677593	研究论文	本文应用深度学习加速的逆向设计算法，发现了一系列性能优异的光子功率分配器	本文提出的深度学习模型能够在TE和TM极化下实现高精度设计，并能快速搜索满足紧凑尺寸、超低损耗、超宽带宽和制造随机性鲁棒性的设计空间	NA	加速光子功率分配器的设计和发现	光子功率分配器	光子学	NA	深度学习	深度学习模型	光子器件设计	NA
12854	2024-12-17	Machine Learning and Deep Learning Approaches in Breast Cancer Survival Prediction Using Clinical Data 2019, Folia biologica IF:1.1Q4 DOI:10.14712/fb2019065050212 PMID:32362304	研究论文	本研究使用机器学习和深度学习方法，基于4902名患者的临床数据预测乳腺癌生存率	本研究测试了深度学习算法以提高预测模型的准确性，并发现肿瘤大小是乳腺癌生存预测的最重要特征	参数配置和数据转换等因素会影响预测模型的准确性	提高乳腺癌生存预测的准确性	乳腺癌患者的生存率	机器学习	乳腺癌	机器学习、深度学习	多层感知器（MLP）、随机森林（RF）、决策树（DT）、支持向量机（SVM）	临床数据	4902名患者
12855	2024-12-16	Multi-task magnetic resonance imaging reconstruction using meta-learning 2025-Feb, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110278 PMID:39580007	研究论文	本文提出了一种基于元学习的磁共振成像（MRI）多任务重建方法	该方法通过元学习框架，能够在不同图像对比度下高效学习图像特征，并实现多任务学习，从而在高速加速率下超越现有的单任务学习方法	NA	提高磁共振成像数据在不同成像序列下的重建效果	磁共振成像数据	计算机视觉	NA	磁共振成像（MRI）	元学习	图像	多个MRI数据集
12856	2024-12-16	DDKG: A Dual Domain Knowledge Guidance strategy for localization and diagnosis of non-displaced femoral neck fractures 2025-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103393 PMID:39581120	研究论文	提出了一种双领域知识引导策略DDKG，用于非移位股骨颈骨折的定位和诊断	利用空间和语义领域知识引导模型学习非移位股骨颈骨折的鲁棒表示，无需手动标注髋关节位置	未提及具体局限性	提高非移位股骨颈骨折的诊断准确性和鲁棒性	非移位股骨颈骨折的定位和诊断	计算机视觉	骨科疾病	深度学习	NA	图像	来自四个不同中心的数据集
12857	2024-12-16	CLMS: Bridging domain gaps in medical imaging segmentation with source-free continual learning for robust knowledge transfer and adaptation 2025-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103404 PMID:39616943	研究论文	本文提出了一种名为CLMS的端到端无源领域自适应框架，通过多尺度重建、持续学习和风格对齐来弥合医疗图像分割中的领域差距	CLMS框架整合了多尺度重建、持续学习和风格对齐，能够在没有原始源数据的情况下，仅使用未标记的目标数据或公开数据进行领域自适应，避免了灾难性遗忘并保留了源知识	NA	解决深度学习模型在不同医疗环境中应用时因数据差异导致的性能下降问题，实现模型在新临床环境中的安全可靠部署	前列腺MRI分割、结肠镜息肉分割和视网膜图像中的plus疾病分类	计算机视觉	NA	深度学习	NA	图像	NA
12858	2024-12-16	The Developing Human Connectome Project: A fast deep learning-based pipeline for neonatal cortical surface reconstruction 2025-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103394 PMID:39631250	研究论文	本文提出了一种基于深度学习的快速管道，用于新生儿皮质表面重建，旨在加速Developing Human Connectome Project (dHCP)中的脑图像处理	引入了一种多尺度形变网络进行端到端的可微分皮质表面重建，并集成了一种快速无监督的球形映射方法以最小化皮质表面与投影球体之间的度量失真	未提及具体的局限性	加速Developing Human Connectome Project (dHCP)中的新生儿皮质表面重建过程	新生儿脑部结构磁共振成像数据	计算机视觉	NA	深度学习	多尺度形变网络	图像	测试样本为82.5%
12859	2024-12-16	Multi-scale region selection network in deep features for full-field mammogram classification 2025-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103399 PMID:39615148	研究论文	本文提出了一种深度多尺度区域选择网络（MRSN），用于无需ROI或分割标注的全场乳腺X光片分类	MRSN通过多尺度特征选择，避免了依赖ROI标注，同时提高了模型性能	NA	开发一种无需ROI标注的全场乳腺X光片分类方法，以降低计算机辅助诊断系统的成本和复杂性	乳腺X光片图像	计算机视觉	乳腺癌	深度卷积神经网络	CNN	图像	两个公开数据集和一个私有数据集
12860	2024-12-16	Time-Series MR Images Identifying Complete Response to Neoadjuvant Chemotherapy in Breast Cancer Using a Deep Learning Approach 2025-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29405 PMID:38850180	研究论文	本文研究了使用深度学习方法基于VGG-LSTM网络通过时间序列动态对比增强磁共振成像（DCE-MRI）识别乳腺癌患者对新辅助化疗的病理完全反应（pCR）	本文提出了结合时间序列DCE-MR图像、临床特征和影像特征的组合模型，显著提高了pCR识别的准确性	本文为回顾性研究，样本量有限，且仅在两个中心进行了验证	旨在通过深度学习模型识别乳腺癌患者对新辅助化疗的病理完全反应	乳腺癌患者对新辅助化疗的病理完全反应	机器学习	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	VGG-LSTM网络	图像	中心A：235名患者（训练集164名，验证集71名）；中心B：150名患者作为测试集