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
19361	2024-08-15	Deep learning-based IDH1 gene mutation prediction using histopathological imaging and clinical data 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108902 PMID:39038392	研究论文	本文研究了使用组织病理学图像和临床数据通过深度学习方法预测IDH1基因突变的情况	采用集成学习方法结合组织病理学图像和临床数据模型来分类IDH1突变的存在与否，并使用超参数优化来提高分类准确性	NA	旨在通过组织病理学图像和临床数据分类IDH1基因突变的存在与否	成人型弥漫性胶质瘤患者的IDH1基因突变	数字病理学	脑肿瘤	深度学习	ABMIL, LightGBM	图像, 临床数据	546名患者
19362	2024-08-15	ToxinPred 3.0: An improved method for predicting the toxicity of peptides 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108926 PMID:39038391	研究论文	本文提出了一种改进的ToxinPred 3.0方法，用于更可靠和准确地预测肽的毒性	采用机器学习和深度学习技术，结合基于motif的方法，开发了混合或集成方法以提高预测性能	NA	改进现有的肽毒性预测方法，提高预测的准确性和可靠性	肽的毒性预测	机器学习	NA	机器学习，深度学习	ANN - LSTM，extra tree，ESM2-t33	序列数据	使用了80%的数据进行训练和五折交叉验证，剩余20%的数据作为独立数据集进行评估
19363	2024-08-15	A systematic literature analysis of multi-organ cancer diagnosis using deep learning techniques 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108910 PMID:39032244	综述	本文对2012年至2023年间使用深度学习技术进行多器官癌症诊断的文献进行了系统性回顾	总结了卷积神经网络模型架构和数据集，以及集成深度学习模型在分类癌症图像方面的优势	讨论了控制健康紧急情况的一些挑战和问题	旨在通过计算机辅助诊断系统提高癌症的早期识别	重点研究了乳腺癌、脑癌、肺癌、皮肤癌和肝癌五种主要肿瘤	计算机视觉	NA	深度学习	卷积神经网络	图像	NA
19364	2024-08-15	A dual-encoder double concatenation Y-shape network for precise volumetric liver and lesion segmentation 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108870 PMID:39024904	研究论文	本文提出了一种双编码器双连接Y形网络（DEDC-Net），用于从CT体积中精确分割肝脏和肿瘤	DEDC-Net利用残差和跳跃连接来增强特征重用，优化肝脏和肿瘤分割任务的性能	NA	开发一种新的深度学习网络，用于精确分割肝脏和肿瘤，以支持肝细胞癌诊断和术前切除规划	肝脏和肿瘤的分割	计算机视觉	肝癌	深度学习	CNN	图像	在LiTS数据集上进行了广泛的定性和定量实验，并在两个未见过的CT数据集（IDCARDb-01和COMET）上验证了模型的鲁棒性
19365	2024-08-15	Self-adaptive deep learning-based segmentation for universal and functional clinical and preclinical CT image analysis 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108853 PMID:39013341	研究论文	本文利用深度学习技术自动从CT和μCT图像中提取定量数据，以非侵入性监测心脏功能	提出了一种自适应深度学习方法，用于临床和临床前CT图像的分割，能够有效地测量左心室和右心室射血分数及心肌质量	需要进一步优化以扩大(μ)CT成像的应用范围	加速心脏衰竭新型治疗方案的临床前和临床研究	心脏CT图像和μCT图像	计算机视觉	心血管疾病	深度学习	nnU-Net	图像	40个CT图像分割结果，μCT训练集和测试集的详细样本数量未明确提及
19366	2024-08-15	deepbet: Fast brain extraction of T1-weighted MRI using Convolutional Neural Networks 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108845 PMID:39002314	研究论文	本文介绍了一种名为deepbet的高精度、快速脑提取工具，该工具使用卷积神经网络从T1加权MRI图像中进行脑提取	deepbet在跨数据集验证中达到了99.0的中位Dice分数，超过了当前最佳的深度学习和经典方法，并且在所有7837张图像中均保持了超过97.4的Dice分数	NA	开发一种快速、高精度的脑提取工具，用于神经影像预处理	T1加权MRI图像的脑提取	计算机视觉	NA	卷积神经网络	UNet	图像	7837张T1加权MRI图像来自191个不同的OpenNeuro数据集
19367	2024-08-15	Improving brain atrophy quantification with deep learning from automated labels using tissue similarity priors 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108811 PMID:38991315	研究论文	本文提出了一种基于深度学习的分割方法，用于量化脑萎缩，通过组织相似性先验改善自动标签的质量。	引入组织相似性正则化，利用同一受试者在短时间内扫描的组织体积相似性先验知识，提高了脑萎缩量化的一致性和准确性。	NA	提高脑萎缩量化方法的准确性和可靠性，以促进其在神经退行性疾病诊断和预后中的应用。	脑萎缩的量化，特别是阿尔茨海默病和多发性硬化症。	计算机视觉	阿尔茨海默病	MRI	深度学习	图像	两个不同的MRI数据集，MIRIAD和ADNI1，包含健康对照组和阿尔茨海默病受试者的纵向和短时间间隔成像。
19368	2024-08-15	Application of artificial intelligence in drug design: A review 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108810 PMID:38991316	综述	本文综述了人工智能在药物设计中的应用	介绍了人工智能技术如何通过自动化、优化和个性化改进药物设计过程	NA	探讨人工智能在药物设计中的应用及其对制药行业的变革	人工智能技术及其在药物设计中的应用	计算机科学	NA	机器学习, 深度学习	NA	数据	NA
19369	2024-08-15	Optimized efficient attention-based network for facial expressions analysis in neurological health care 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108822 PMID:38986286	研究论文	本文提出了一种基于高效卷积块注意力模块（CBAM）的深度学习网络，用于在神经健康护理中分析面部表情，以辅助医生诊断神经障碍患者	该方法通过引入轻量级的CBAM模块，提高了特征提取的效率和准确性，同时模型体积小，适合部署在资源受限的移动医疗设备上	尽管模型表现出色，但仍需在更多样化的数据集上进行验证，以确保其泛化能力和鲁棒性	旨在通过自动化的面部表情分析技术，辅助医生早期诊断和治疗神经障碍	神经障碍患者，特别是阿尔茨海默病和帕金森病患者	计算机视觉	神经障碍	深度学习	卷积神经网络（CNN）	图像	实际神经障碍患者的面部表情数据
19370	2024-08-15	Unveiling the evolution of policies for enhancing protein structure predictions: A comprehensive analysis 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108815 PMID:38986287	研究论文	本文全面分析了提高蛋白质结构预测的政策演变，探讨了模板依赖和非依赖策略的发展及其对预测准确性的影响	引入了端到端和全原子扩散技术，以及在多序列比对和蛋白质语言模型中使用子采样的方法，显著提高了预测的准确性和效率	尽管蛋白质结构预测的准确性有所提高，但仍未达到预期的结构知识应用水平，需要在其他方面进行进一步发展	探讨提高蛋白质结构预测准确性的策略，并促进开放研究环境以支持这一目标	蛋白质结构预测的方法和技术，包括模板依赖和非依赖策略，以及多序列比对和深度学习技术的应用	结构生物学	NA	深度学习	CNN	多序列比对数据	NA
19371	2024-08-15	Evaluation of Cellpose segmentation with sequential thresholding for instance segmentation of cytoplasms within autofluorescence images 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108846 PMID:38976959	研究论文	本文介绍并测试了一种细胞质分割方法，该方法结合了Cellpose深度学习分割技术和后续处理算法CPPA，用于从自发光图像中进行细胞质实例分割。	本文提出的CPPA方法在细胞质识别方面超过了传统的CellProfiler方法，支持使用人工智能和后续处理技术进行自发光图像的精确分割。	NA	评估Cellpose分割与顺序阈值处理在自发光图像中细胞质实例分割的有效性。	静息T细胞、激活T细胞和MCF7细胞的自发光图像。	计算机视觉	NA	自发光成像	Cellpose（一种基于深度学习的分割方法）	图像	五张自发光图像，来自三种不同的细胞样本
19372	2024-08-15	DP-SSLoRA: A privacy-preserving medical classification model combining differential privacy with self-supervised low-rank adaptation 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108792 PMID:38964242	研究论文	本文提出了一种结合差分隐私和自监督低秩适应的隐私保护医疗分类模型DP-SSLoRA	DP-SSLoRA模型通过自监督预训练方法和低秩分解技术，有效平衡了医疗模型中的隐私保护和模型效用	NA	研究如何在保护患者隐私的同时，提高医疗深度学习模型的应用性能	医疗图像分类	计算机视觉	NA	差分隐私	DP-SSLoRA	图像	三个真实的胸部X光数据集
19373	2024-08-15	VmmScore: An umami peptide prediction and receptor matching program based on a deep learning approach 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108814 PMID:38944902	研究论文	本文介绍了一种基于深度学习的方法，用于预测鲜味肽及其最佳受体的匹配	提出了VmmScore算法，包含Mlp4Umami预测模块和mm-Score受体匹配模块，通过机器学习优化分子对接和评分系统，提高了受体识别的效率	NA	研究鲜味味觉感知机制，并提供一种快速且成本效益高的肽筛选方法	鲜味肽及其受体	机器学习	NA	分子对接	CNN	肽序列	从日本鲈鱼中提取的肽进行了虚拟筛选，并实验验证了三种肽的鲜味及其对应受体
19374	2024-08-15	An integrated deep learning approach for modeling dissolved oxygen concentration at coastal inlets based on hydro-climatic parameters 2024-Sep, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.122018 PMID:39111007	研究论文	本研究提出了一种基于水文气象参数的深度学习神经网络方法，用于模拟和预测埃及拉希德沿海入口处的溶解氧浓度	引入了创新的深度学习神经网络方法，显著提高了溶解氧预测的准确性，相较于最佳的传统机器学习方法，预测准确性提高了4%	NA	开发有效的溶解氧预测模型，以帮助沿海管理部门监测由于气候变化加速导致的溶解氧变化	埃及拉希德沿海入口处的溶解氧浓度	机器学习	NA	深度学习神经网络	深度学习神经网络	水文气象数据	NA
19375	2024-08-15	Self-normalization for a 1 mm3resolution clinical PET system using deep learning 2024-Aug-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad69fb PMID:39084640	研究论文	首次提出基于条件生成对抗网络（cGANs）的正电子发射断层扫描（PET）图像端到端自归一化框架	开发了极化自注意力（PSA）Pix2Pix网络，并在几何因子校正输入图像上训练的2.5D PSA Pix2Pix显示出最佳性能	NA	提高PET图像质量和病变检测能力，无需单独的归一化扫描	评估不同方法在PET图像自归一化中的效果	计算机视觉	NA	条件生成对抗网络（cGANs）	Pix2Pix, 极化自注意力（PSA）Pix2Pix	图像	26,000对轴向图像切片用于训练和测试
19376	2024-08-15	Hierarchical multi-level dynamic hyperparameter deformable image registration with convolutional neural network 2024-Aug-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad67a6 PMID:39053510	研究论文	提出了一种新的动态超参数块，包含分布式映射网络、动态卷积、注意力特征提取层和实例归一化层，以改进深度学习可变形图像配准（DLDIR）中的超参数调整过程	引入了动态超参数块和分层多级架构，以提高配准性能和减少训练时间	未提及具体限制	旨在通过动态超参数选择和改进的网络架构提高图像配准的速度和准确性	大脑和肺部图像配准	计算机视觉	NA	动态卷积	卷积神经网络（CNN）	图像	使用了OASIS和DIR-Lab数据集
19377	2024-08-15	Wasserstein generative adversarial network with gradient penalty and convolutional neural network based motor imagery EEG classification 2024-Aug-14, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6cf5 PMID:39116892	研究论文	本文提出了一种新的数据增强方法和深度学习分类模型，以进一步提高运动想象脑电图（MI-EEG）的解码性能	提出了一种改进的带有梯度惩罚的Wasserstein生成对抗网络数据增强方法，有效扩展了用于模型训练的数据集，并设计了一个简洁高效的深度学习模型以进一步提高解码性能	NA	提高运动想象脑电图数据的解码性能	运动想象脑电图数据	机器学习	NA	连续小波变换	卷积神经网络（CNN）	时间-频率图	BCI竞赛IV 2a和2b数据集以及实际收集的数据集
19378	2024-08-15	Automated diagnosis of adenoid hypertrophy with lateral cephalogram in children based on multi-scale local attention 2024-08-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69827-0 PMID:39127777	研究论文	本文提出了一种基于多尺度局部注意力的方法，用于自动诊断儿童的腺样体肥大	本研究设计了一种基于局部注意力的方法，通过融合腺样体的空间和通道信息，提高了诊断的准确性	NA	开发一种自动化的、标准化的方法来诊断腺样体肥大	儿童的腺样体肥大	计算机视觉	NA	深度学习	CNN	图像	三个医院的数据集
19379	2024-08-15	UAV propeller fault diagnosis using deep learning of non-traditional χ2-selected Taguchi method-tested Lempel-Ziv complexity and Teager-Kaiser energy features 2024-Aug-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69462-9 PMID:39127843	研究论文	本研究探讨了使用非传统特征提取方法（如排列熵、Lempel-Ziv复杂度和Teager-Kaiser能量算子）进行无人机螺旋桨故障诊断的应用	本研究采用非传统特征提取方法，并通过χ²特征选择和Taguchi方法测试，提高了故障诊断的准确性	NA	提高无人机螺旋桨故障检测和隔离的准确性和效率	无人机螺旋桨的故障诊断	机器学习	NA	深度神经网络	深度神经网络	数据集	包含多种螺旋桨故障配置的PADRE数据集
19380	2024-08-15	Advancing Automatic Gastritis Diagnosis: An Interpretable Multilabel Deep Learning Framework for the Simultaneous Assessment of Multiple Indicators 2024-08, The American journal of pathology DOI:10.1016/j.ajpath.2024.04.007 PMID:38762117	研究论文	本文开发了一种基于注意力的多实例多标签学习网络（AMMNet），用于同时诊断活动性、萎缩性和肠上皮化生等胃炎指标，并评估了其在实际应用中的性能。	AMMNet能够同时诊断多个胃炎指标，并提供可解释的标签，这在之前的深度学习模型中是缺失的。	NA	提高胃炎诊断的准确性和效率，并增强模型的可解释性。	胃炎的多个形态学指标，包括活动性、萎缩性和肠上皮化生。	机器学习	胃炎	多实例多标签学习	注意力网络	图像	1096名患者