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
221	2025-01-16	Five dominant dimensions of brain aging are identified via deep learning: associations with clinical, lifestyle, and genetic measures 2023-Dec-30, medRxiv : the preprint server for health sciences DOI:10.1101/2023.12.29.23300642 PMID:38234857	研究论文	本文利用深度学习技术识别了大脑衰老的五个主要维度，并探讨了这些维度与临床、生活方式和遗传因素之间的关联	使用先进的深度表示学习方法Surreal-GAN，首次在大规模多样化人群中量化了大脑衰老的五个主要模式，并揭示了这些模式与多种生物医学、生活方式和遗传因素的显著关联	研究依赖于MRI数据，可能无法完全捕捉大脑衰老的所有复杂性和细微变化	通过深度学习技术精确描述个体大脑衰老的神经退行性特征，并探索其与多种因素的关联	49,482名来自11项研究的个体	机器学习	老年疾病	MRI, Surreal-GAN	GAN	图像	49,482名个体
222	2025-01-16	Deep Learning-based Diagnosis and Localization of Pneumothorax on Portable Supine Chest X-ray in Intensive and Emergency Medicine: A Retrospective Study 2023-Dec-04, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-023-02023-1 PMID:38048012	研究论文	本研究开发了两种基于深度学习的系统，用于在便携式仰卧位胸部X光片（SCXRs）上诊断和定位气胸	创新点在于开发了两种深度学习系统，分别基于目标检测和图像分割技术，用于气胸的诊断和定位，并在不同患者和图像特征的数据集上表现出良好的外部泛化能力	随着气胸尺寸的减小，两种系统的性能有所下降	开发用于气胸诊断和定位的深度学习系统	便携式仰卧位胸部X光片（SCXRs）	计算机视觉	气胸	深度学习	EfficientNet-B2, DneseNet-121, Inception-v3, Deformable DETR, TOOD, VFNet, UNet	图像	训练集1571张图像，测试集1071张图像
223	2025-01-16	Handling high-dimensional data with missing values by modern machine learning techniques 2023, Journal of applied statistics IF:1.2Q2 DOI:10.1080/02664763.2022.2068514 PMID:36819079	研究论文	本文讨论了处理高维数据中缺失值的现代机器学习技术	提出了基于深度学习（DL）和XGboost的方法，用于估计总体均值和百分位数等参数，并通过模拟研究和实际应用展示了这些方法的优势	模拟研究有限，可能无法全面反映所有情况	探讨高维数据中缺失值的处理方法，以减少无应答偏差	高维数据	机器学习	NA	深度学习（DL）、XGboost、惩罚回归方法、基于树的方法	深度学习（DL）、XGboost	高维数据	NA
224	2025-01-16	Adversarial confound regression and uncertainty measurements to classify heterogeneous clinical MRI in Mass General Brigham 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0277572 PMID:36862751	研究论文	本文介绍了一种新颖的深度学习架构MUCRAN，用于在临床脑部MRI数据上训练深度学习模型，同时回归人口统计学和技术混杂因素	提出了MUCRAN架构，能够成功回归大量临床数据集中的主要混杂因素，并结合不确定性量化方法自动排除分布外数据，提高了AD检测的准确性	NA	提高在异质临床数据中基于深度学习的疾病检测的准确性和通用性	临床脑部MRI数据	计算机视觉	阿尔茨海默病	深度学习	MUCRAN	MRI图像	17,076例临床T1轴向脑部MRI
225	2025-01-15	Functional Imaging Derived ADHD Biotypes Based on Deep Clustering May Guide Personalized Medication Therapy 2023-Sep-14, Research square DOI:10.21203/rs.3.rs-3272441/v1 PMID:37790426	研究论文	本文提出了一种基于图卷积网络和深度聚类的ADHD生物型检测方法，旨在通过功能性网络连接性（FNC）识别ADHD生物型，以指导个性化药物治疗	创新点在于使用图卷积网络和深度聚类技术对ADHD患者进行分类，并发现不同生物型对药物治疗的反应存在显著差异	研究样本主要来自青少年脑认知发展研究（ABCD），可能限制了结果的普遍性	研究目的是通过神经影像标记物识别ADHD生物型，以指导个性化药物治疗	研究对象为1069名ADHD患者和130名接受纵向药物治疗的ADHD青少年	机器学习	神经发育障碍	功能性网络连接性（FNC）	图卷积网络（GCN）和深度聚类	神经影像数据	1069名ADHD患者和130名ADHD青少年
226	2025-01-14	An efficient memory reserving-and-fading strategy for vector quantization based 3D brain segmentation and tumor extraction using an unsupervised deep learning network 2023-Apr-26, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09965-9 PMID:37362765	研究论文	本文提出了一种基于向量量化（VQ）的三维脑图像分割方法，采用无监督的三维深度嵌入聚类（3D-DEC）网络和高效的内存保留与衰减策略，旨在解决深度学习网络在脑图像分割中需要大量手动标注数据和计算效率低的问题	提出了一种新的无监督3D-DEC网络和内存保留与衰减策略，避免了手动数据标注，并显著提高了模型效率	未提及具体局限性	提高三维脑图像分割的准确性和计算效率，减少对手动标注数据的依赖	三维脑图像，特别是脑肿瘤数据	计算机视觉	脑肿瘤	向量量化（VQ），无监督深度学习	3D-DEC网络	三维MRI图像	两个权威的MRI脑肿瘤数据库（IBSR和BrainWeb）以及来自研究机构的真实3D脑肿瘤数据
227	2025-01-12	Experimental validation of computer-vision methods for the successful detection of endodontic treatment obturation and progression from noisy radiographs 2023-10, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-023-00685-8 PMID:37097541	研究论文	本研究评估了去噪和数据平衡对深度学习从X光片中检测牙髓治疗结果的影响，并开发了预测牙髓治疗质量的深度学习模型和分类器	首次将去噪和数据平衡技术应用于牙髓治疗结果的深度学习检测，并开发了基于YOLO系列模型的实时深度学习计算机视觉系统	样本量相对较小，仅包含250张去标识的牙科X光片，且数据集经过增强处理，可能影响模型的泛化能力	评估去噪和数据平衡对深度学习检测牙髓治疗结果的影响，并开发预测牙髓治疗质量的深度学习模型	牙髓治疗结果的X光片	计算机视觉	牙科疾病	深度学习	YOLOv5s, YOLOv5x, YOLOv7	图像	250张去标识的牙科X光片，增强后生成2226张图像
228	2025-01-12	Effect of data size on tooth numbering performance via artificial intelligence using panoramic radiographs 2023-10, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-023-00689-4 PMID:37405624	研究论文	本研究探讨了数据量对使用全景X光片进行牙齿编号检测的模型性能的影响	通过不同大小的数据集（1000、1500、2000和2500张全景X光片）来研究数据量对模型性能的影响，并采用YOLOv4算法进行模型训练	研究仅使用了3000张匿名成人牙齿全景X光片，样本量可能不足以全面反映数据量对模型性能的影响	研究数据量对牙齿编号检测模型性能的影响	3000张匿名成人牙齿全景X光片	计算机视觉	NA	图像处理和深度学习算法	YOLOv4	图像	3000张匿名成人牙齿全景X光片
229	2025-01-12	Clinical and genetic associations of deep learning-derived cardiac magnetic resonance-based left ventricular mass 2023-03-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37173-w PMID:36944631	研究论文	本研究利用深度学习技术对43,230名UK Biobank参与者的心脏磁共振成像数据进行全基因组关联研究，以探索左心室质量与心血管事件风险的关系	首次使用深度学习技术进行心脏磁共振成像数据的全基因组关联研究，并识别出11个新的与左心室质量相关的基因变异	研究主要基于UK Biobank数据，可能无法完全代表其他人群	探索左心室质量与心血管事件风险的遗传关联	43,230名UK Biobank参与者	机器学习	心血管疾病	深度学习	NA	心脏磁共振成像数据	43,230名UK Biobank参与者
230	2025-01-07	Ultrafast Cardiac Imaging Using Deep Learning for Speckle-Tracking Echocardiography 2023-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2023.3326377 PMID:37862280	研究论文	本文探讨了使用深度学习进行超快速心脏成像的方法，特别是针对斑点追踪超声心动图	本文创新性地将复杂加权卷积神经网络（CNN）用于图像重建，并结合先进的斑点追踪方法，评估了在保持心脏运动追踪能力的同时实现高质量图像重建的可行性	虽然本文在模拟和实验数据上展示了良好的性能，但在实际临床环境中的应用仍需进一步验证	研究目的是开发一种能够在超快速超声成像中同时实现高质量图像重建和心脏运动追踪的深度学习方法	心脏成像，特别是斑点追踪超声心动图	计算机视觉	心血管疾病	深度学习，斑点追踪超声心动图	CNN	图像	模拟数据、体外实验数据（旋转盘模型）和体内数据集
231	2025-01-07	Review of Deep Learning Approaches for Interleaved Photoacoustic and Ultrasound (PAUS) Imaging 2023-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2023.3329119 PMID:37910419	综述	本文综述了深度学习在光声和超声（PAUS）成像中的应用背景和现状	探讨了深度学习如何克服当前PAUS成像系统的技术限制，并识别了将PAUS技术稳健转化为临床应用的挑战和机遇	使用传统有限视角和带宽传感器无法提供高质量的光声源图，尤其是血管结构	总结深度学习在PAUS成像中的应用，并探讨其临床转化的潜力	光声和超声（PAUS）成像技术	医学影像	NA	深度学习	NA	图像	NA
232	2025-01-05	Retinal OCT Layer Segmentation via Joint Motion Correction and Graph-Assisted 3D Neural Network 2023, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2023.3317011 PMID:39737086	研究论文	本文提出了一种结合运动校正和图辅助3D神经网络的视网膜OCT层分割方法，以提高分割精度	提出了结合运动校正和分割的3D神经网络，并引入了一种新颖的图金字塔结构	NA	提高视网膜OCT层分割的精度，以更好地诊断和评估视网膜及全身性疾病	视网膜OCT图像	计算机视觉	视网膜疾病	OCT成像技术	3D卷积神经网络	3D图像	包含正常样本和多种疾病样本的大型OCT分割数据集
233	2025-01-04	Deep learning-based method for segmenting epithelial layer of tubules in histopathological images of testicular tissue 2023-Feb, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.S1.S17501 PMID:37153721	研究论文	本文提出了一种基于深度学习的自动化方法，用于分割睾丸组织病理图像中的生精小管上皮层	使用ResNet-34作为特征编码器模块，并在编码模块中集成了压缩和激励注意力块，以提高上皮层的分割和定位效果	尽管在有限训练集上表现良好，但训练集规模较小	开发自动化方法以检测睾丸组织中的异常	睾丸组织中的生精小管上皮层	数字病理学	NA	深度学习	CNN	图像	NA
234	2025-01-04	ViTab Transformer Framework for Predicting Induced Electric Field and Focality in Transcranial Magnetic Stimulation 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3331258 PMID:37938962	研究论文	本研究开发了一种基于深度学习的ViTab Transformer模型，用于预测经颅磁刺激中的感应电场和聚焦性，以替代耗时的电磁模拟软件	提出了ViTab Transformer模型，通过考虑多个输入参数（如MRI图像源、线圈类型、线圈位置、电流变化率、脑组织导电性和线圈与头皮的距离）来预测电场最大值、刺激面积和刺激体积，克服了现有模型仅考虑少数输入参数的局限性	未提及具体局限性	开发一种深度学习模型，以提高经颅磁刺激在神经系统疾病治疗中的效果和寻找新的临床应用	经颅磁刺激中的感应电场和聚焦性	机器学习	神经系统疾病	深度学习	Transformer	图像和表格数据	未提及具体样本数量
235	2025-01-04	A Probability Fusion Approach for Foot Placement Prediction in Complex Terrains 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3333685 PMID:37971912	研究论文	本文提出了一种概率融合方法，用于预测复杂地形中的足部放置，以更好地辅助下肢残疾人士的日常行走	该方法结合了深度学习模型和环境信息，能够在复杂地形中预测下一步的足部放置，相比现有研究在复杂地形中实现了更快和更准确的预测	实验主要针对结构化地形和复杂地形，未涉及更多样化的地形或更广泛的用户群体	研究目的是开发一种能够在复杂地形中预测足部放置的方法，以辅助下肢残疾人士的行走	研究对象为下肢残疾人士在复杂地形中的足部放置	机器学习	下肢残疾	深度学习	深度学习模型	增强数据	实验包括结构化地形实验和复杂地形实验
236	2025-01-04	Depression Identification Using EEG Signals via a Hybrid of LSTM and Spiking Neural Networks 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3336467 PMID:37995160	研究论文	本文提出了一种结合LSTM和脉冲神经网络（SNN）的新框架，用于通过EEG信号有效分类个体抑郁水平	首次将SNN架构与LSTM结构结合，模拟抑郁不同阶段的大脑基础结构，并利用原始EEG信号进行分类	NA	通过EEG信号定量评估抑郁严重程度，并分类个体抑郁水平	抑郁患者的EEG信号	机器学习	抑郁症	EEG信号分析	LSTM, SNN	EEG信号	NA
237	2025-01-04	Graph Reasoning Module for Alzheimer's Disease Diagnosis: A Plug-and-Play Method 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3337533 PMID:38015665	研究论文	本文提出了一种图推理模块（GRM），用于增强基于卷积神经网络（CNN）的阿尔茨海默病（AD）检测模型，通过模拟不同脑区之间的潜在关系来提高诊断性能	提出了一种可即插即用的图推理模块（GRM），结合自适应图Transformer（AGT）块、图卷积网络（GCN）块和特征图重建（FMR）块，有效解决了CNN方法在关联空间远距离信息上的不足	未提及具体局限性	提高阿尔茨海默病（AD）的诊断性能	阿尔茨海默病（AD）患者的结构磁共振成像（sMRI）数据	计算机视觉	老年病	结构磁共振成像（sMRI）	CNN, 自适应图Transformer（AGT）, 图卷积网络（GCN）	图像	未提及具体样本数量
238	2025-01-04	LSTM-MSA: A Novel Deep Learning Model With Dual-Stage Attention Mechanisms Forearm EMG-Based Hand Gesture Recognition 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3336865 PMID:38015666	研究论文	本文介绍了一种结合长短期记忆网络和双阶段注意力机制的LSTM-MSA模型，用于分析肌电图（EMG）信号，以提高手势识别的准确性和鲁棒性	LSTM-MSA模型结合了LSTM层和注意力机制，能够有效捕捉相关信号特征并准确预测意图动作，具有双阶段注意力、端到端特征提取与分类集成以及个性化训练等显著特点	NA	提高EMG信号在手势识别中的准确性和鲁棒性，应用于假肢控制、康复和人机交互等领域	肌电图（EMG）信号	机器学习	NA	NA	LSTM	信号	多个数据集
239	2025-01-04	Mixture of Experts for EEG-Based Seizure Subtype Classification 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3337802 PMID:38032784	研究论文	本文提出了两种新颖的专家混合模型（MoE），Seizure-MoE和Mix-MoE，用于基于EEG的癫痫亚型分类	Mix-MoE模型通过引入不平衡采样器和整合手动EEG特征的先验知识，解决了类别不平衡和缺乏先验知识的问题	需要大量标记的EEG样本来训练模型，且模型在其他EEG分类问题上的扩展性尚未完全验证	提高基于EEG的癫痫亚型分类的准确性和效率	癫痫患者的EEG数据	机器学习	癫痫	EEG	Mixture of Experts (MoE), Seizure-MoE, Mix-MoE	EEG信号	两个公共数据集
240	2025-01-04	Accurate COP Trajectory Estimation in Healthy and Pathological Gait Using Multimodal Instrumented Insoles and Deep Learning Models 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3338519 PMID:38032788	研究论文	本研究介绍了一种新型深度循环神经网络，通过融合来自经济型异质鞋垫嵌入式传感器的数据，准确估计动态COP轨迹	使用深度循环神经网络融合低成本传感器数据，实现在实验室外环境中准确估计COP轨迹	需要进一步验证在不同病理条件下的广泛适用性	开发一种在实验室外环境中准确测量COP轨迹的方法，以评估步态和平衡功能的变化	健康个体和神经肌肉疾病患者	机器学习	神经肌肉疾病	深度循环神经网络	RNN	传感器数据（FSR和IMU）	健康个体和神经肌肉疾病患者