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
21	2024-12-14	Novel Wearable HD-EMG Sensor With Shift-Robust Gesture Recognition Using Deep Learning 2023-10, IEEE transactions on biomedical circuits and systems IF:3.8Q2 DOI:10.1109/TBCAS.2023.3314053 PMID:37695958	研究论文	本文介绍了一种硬件-软件解决方案，通过使用深度学习提高肌电控制中手势识别的鲁棒性	提出了新型可穿戴64通道高密度肌电图（HD-EMG）传感器EMaGer，并结合卷积神经网络（CNN）和抗混叠CNN（AA-CNN）提出了阵列桶移数据增强（ABSDA）方法，以提高分类鲁棒性	NA	提高肌电控制中手势识别的鲁棒性	非截肢参与者的手势识别	机器学习	NA	高密度肌电图（HD-EMG）	卷积神经网络（CNN）	信号	12名非截肢参与者
22	2024-12-14	Federated Learning in Risk Prediction: A Primer and Application to COVID-19-Associated Acute Kidney Injury 2023, Nephron IF:2.3Q2 DOI:10.1159/000525645 PMID:35835066	研究论文	本文介绍了联邦学习在风险预测中的应用，特别是针对COVID-19相关急性肾损伤的情况	联邦学习提供了一种替代单机构方法的功能性选择，同时避免了数据共享的陷阱	NA	展示联邦学习在COVID-19相关急性肾损伤风险预测中的应用	COVID-19相关急性肾损伤的风险预测	机器学习	急性肾损伤	联邦学习	NA	数据	NA
23	2024-12-14	Application of Artificial Intelligence to the Monitoring of Medication Adherence for Tuberculosis Treatment in Africa: Algorithm Development and Validation 2023 Jan-Dec, JMIR AI DOI:10.2196/40167 PMID:38464947	研究论文	本文开发并验证了一种基于深度学习模型的算法，用于在非洲通过视频监控结核病治疗中的药物依从性	本文首次在临床环境中评估了人工智能在药物依从性监测中的应用，并展示了其在资源有限的环境中的潜力	由于缺乏公开的特定药物摄入视频帧数据集，本文未进行外部验证	开发一种深度学习模型，用于简单二分类和确认结核病治疗中的药物依从性，以提高视频监控患者的效率	成年结核病患者在乌干达进行的视频观察疗法研究中的药物摄入视频图像	计算机视觉	结核病	深度学习	卷积神经网络	视频	861个视频图像，其中497个用于训练模型，405个为正样本，92个为负样本
24	2024-12-13	Artificial Intelligence and Machine Learning in Cancer Related Pain: A Systematic Review 2023-Dec-08, medRxiv : the preprint server for health sciences DOI:10.1101/2023.12.06.23299610 PMID:38105979	综述	本文系统回顾了人工智能/机器学习（AI/ML）在癌症相关疼痛预测和管理决策中的应用	本文展示了多种新型AI/ML工具在癌症疼痛分类、风险分层和管理决策中的潜力	大多数研究缺乏外部验证和临床应用，模型校准报告不足	探索AI/ML在癌症疼痛相关结果预测和疼痛管理决策支持中的应用	癌症患者的疼痛管理	机器学习	癌症	NA	随机森林模型、Lasso模型、支持向量机	NA	44项研究，涵盖2006-2023年
25	2024-12-13	Sleep-Energy: An Energy Optimization Method to Sleep Stage Scoring 2023, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/ACCESS.2023.3263477 PMID:38292346	研究论文	本文提出了一种能量优化方法，用于改进自动睡眠分期生成的睡眠图质量	提出了一种基于能量优化的方法，通过条件概率评估每个时期的睡眠阶段，并采用能量最小化程序来提高自动睡眠分期的准确性	未提及具体限制	改进自动睡眠分期生成的睡眠图质量	睡眠分期和睡眠图质量	机器学习	NA	能量优化方法	深度学习模型	数据集	使用了Sleep EDFx和DRM-SUB数据集
26	2024-12-12	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	本文利用深度表示学习方法Surreal-GAN，在大规模多样化的49,482名个体中识别出五种主要的脑老化模式，并量化了这些模式与临床、生活方式和遗传因素的关联	本文首次使用Surreal-GAN方法在大规模多样化的群体中识别和量化脑老化的五种主要模式，并展示了这些模式与多种因素的显著关联	本文未详细讨论Surreal-GAN方法的具体实现细节，且未在其他数据集上验证其泛化能力	揭示脑老化的异质性，并探索其与临床、生活方式和遗传因素的关联	49,482名来自11个研究的个体的大脑MRI数据	计算机视觉	NA	深度学习	GAN	图像	49,482名个体
27	2024-12-12	Prognosis Forecast of Re-Irradiation for Recurrent Nasopharyngeal Carcinoma Based on Deep Learning Multi-Modal Information Fusion 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3286656 PMID:37384472	研究论文	本研究利用深度学习多模态信息融合技术，预测复发性鼻咽癌再放疗后的鼻咽坏死情况	提出了一种基于多模态信息融合的深度学习方法，通过监督分类损失和自监督重建损失的结合，有效融合了多序列核磁共振成像和计划剂量的信息	未提及具体的研究局限性	通过预测鼻咽坏死情况，为临床决策提供支持，减少再放疗引起的并发症	复发性鼻咽癌患者再放疗后的鼻咽坏死情况	机器学习	鼻咽癌	深度学习	NA	图像	多中心数据集
28	2024-12-12	Self-Supervised Triplet Contrastive Learning for Classifying Endometrial Histopathological Images 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3314663 PMID:37698968	研究论文	本文提出了一种新的自监督三重对比学习模型，用于分类子宫内膜组织病理学图像	本文创新性地引入了随机马赛克掩码（RMM）模块和瓶颈Transformer（BoT）模型，以增强模型的泛化能力和全局信息学习能力	本文未详细讨论模型在不同数据分布下的泛化能力以及对标注数据依赖的具体程度	开发一种能够有效分类子宫内膜组织病理学图像的自监督学习模型，以辅助病理学家进行早期子宫内膜癌或癌前病变的诊断	子宫内膜组织病理学图像	数字病理学	子宫内膜癌	自监督学习	三重对比学习模型	图像	公共数据集和内部数据集，分别用于四分类和三分类任务
29	2024-12-12	Fusion-Based Deep Learning Architecture for Detecting Drug-Target Binding Affinity Using Target and Drug Sequence and Structure 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3315073 PMID:37703165	研究论文	本文提出了一种基于多尺度卷积神经网络和图神经网络的融合协议CGraphDTA，用于预测药物-靶点结合亲和力	CGraphDTA是首个将靶点序列和结构作为输入的模型，利用多尺度卷积神经网络从序列中提取特征，图神经网络从分子结构中提取图表示	NA	加速药物发现	药物-靶点结合亲和力的预测	机器学习	NA	多尺度卷积神经网络，图神经网络	CNN，GNN	序列，结构	NA
30	2024-12-12	MFD-Net: Modality Fusion Diffractive Network for Segmentation of Multimodal Brain Tumor Image 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3318640 PMID:37747864	研究论文	本文提出了一种用于多模态脑肿瘤图像分割的模态融合衍射网络（MFD-Net）	设计了基于夫琅禾费单缝衍射原理的衍射块，强调邻近的高置信度特征点并抑制低质量或孤立的特征点，增强了特征的相互关联性；采用全局被动接收模式克服了固定感受野的问题；通过自监督方法有效利用每种模态的固有泛化信息	未提及具体限制	实现脑肿瘤的自动和准确分割	多模态脑肿瘤图像	计算机视觉	脑肿瘤	多参数磁共振成像（mpMRI）	MFD-Net	图像	使用了BraTS 2022、2018、2019和2021数据集
31	2024-12-12	Large AI Models in Health Informatics: Applications, Challenges, and the Future 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3316750 PMID:37738186	综述	本文全面回顾了大型AI模型在健康信息学中的应用、挑战及未来发展方向	探讨了大型AI模型在健康信息学中的七个关键应用领域，并提出了未来发展的潜在方向	未具体讨论大型AI模型在健康信息学中的具体技术细节和实际应用案例	探讨大型AI模型在健康信息学中的应用、挑战及未来发展方向	大型AI模型在健康信息学中的应用领域及未来发展方向	健康信息学	NA	NA	大型AI模型	多模态数据	NA
32	2024-12-12	Deeply Accelerated Arterial Spin Labeling Perfusion MRI for Measuring Cerebral Blood Flow and Arterial Transit Time 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3312662 PMID:37812536	研究论文	本文提出了一种基于深度学习的算法，用于减少动脉自旋标记（ASL）灌注MRI中的后标记延迟（PLD）数量，并准确估计脑血流量（CBF）和动脉转运时间（ATT）	本文的创新点在于使用深度学习算法减少了所需的PLD数量，并能够准确估计CBF和ATT，解决了传统方法中扫描时间过长和信噪比降低的问题	本文的局限性在于仅在Human Connectome Project数据集上进行了训练和测试，可能需要进一步验证其在其他数据集上的泛化能力	研究目的是开发一种能够在临床上实用的方法，通过减少PLD数量来准确测量脑血流量和动脉转运时间	研究对象是脑血流量（CBF）和动脉转运时间（ATT）的测量	医学影像	NA	动脉自旋标记（ASL）灌注MRI	深度神经网络	图像	使用了Human Connectome Project中的多PLD ASL MRI数据集
33	2024-12-12	Patterns of subregional cerebellar atrophy across epilepsy syndromes: An ENIGMA-Epilepsy study 2023-Oct-23, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.21.562994 PMID:37961570	研究论文	研究量化了癫痫患者和健康对照组中不同小脑亚区域体积的差异	首次系统性地研究了不同癫痫综合征中小脑亚区域的萎缩模式，并提供了深部小脑和后叶灰质体积损失的证据	研究仅基于横断面数据，未考虑纵向变化	探讨不同癫痫综合征中小脑亚区域的萎缩模式及其与疾病特征的关系	癫痫患者和健康对照组的小脑亚区域体积	神经科学	癫痫	结构MRI	深度学习	图像	1602名癫痫患者和1022名健康对照组
34	2024-12-12	Systematic review of deep learning image analyses for the diagnosis and monitoring of skin disease 2023-Sep-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00914-8 PMID:37758829	综述	本文系统回顾了使用深度学习图像分析技术进行皮肤病诊断和监测的研究	本文首次系统性地评估了深度学习算法在多种常见皮肤病诊断和严重程度评估中的应用	当前研究存在高偏倚风险和适用性问题，且大多数研究未报告参与者的种族/皮肤类型，缺乏真实世界的外部验证	评估深度学习图像分析技术在皮肤病诊断和监测中的潜力	常见皮肤病，如痤疮、银屑病、湿疹、酒渣鼻、白癜风、荨麻疹	计算机视觉	皮肤病	深度学习	神经网络	图像	64项研究，涉及多种皮肤病
35	2024-12-12	Functional connectivity signatures of major depressive disorder: machine learning analysis of two multicenter neuroimaging studies 2023-Jul, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-023-01977-5 PMID:36792654	研究论文	本文利用机器学习和深度学习算法，分析了两个多中心神经影像数据集，以区分重度抑郁症患者与健康对照组，并识别抑郁症的神经生理学特征	本文首次在两个最大的重度抑郁症静息态数据集中应用了图卷积神经网络（GCN）和GCN-Explainer进行特征可视化，揭示了丘脑超连接性作为抑郁症的显著神经生理学特征	分类准确率较低，表明静息态功能连接作为重度抑郁症的生物标志物可靠性较差，可能是由于疾病的异质性	开发用于精神病学的诊断工具，并识别重度抑郁症的神经生理学特征	重度抑郁症患者与健康对照组的静息态功能连接	机器学习	精神疾病	功能磁共振成像（fMRI）	支持向量机（SVM）和图卷积神经网络（GCN）	功能连接矩阵	REST-meta-MDD数据集2338例，PsyMRI数据集1039例
36	2024-12-12	Geometric Deep Learning for Unsupervised Registration of Diffusion Magnetic Resonance Images 2023-Jun, Information processing in medical imaging : proceedings of the ... conference DOI:10.1007/978-3-031-34048-2_43 PMID:38205236	研究论文	本文提出了首个端到端的基于几何深度学习的非刚性配准模型，用于扩散磁共振图像（dMRI）中的纤维方向分布场（fODF）	首次提出了一种基于几何深度学习的非刚性配准模型，能够对扩散MRI中的fODF进行无监督配准，并引入了新的可微分层用于局部雅可比估计和重定向	NA	开发一种快速且准确的非刚性配准算法，用于扩散磁共振图像	扩散磁共振图像中的纤维方向分布场（fODF）	计算机视觉	NA	扩散磁共振成像（dMRI）	几何深度学习模型	图像	NA
37	2024-12-12	Video-Based Deep Learning for Automated Assessment of Left Ventricular Ejection Fraction in Pediatric Patients 2023-05, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2023.01.015 PMID:36754100	研究论文	本文介绍了一种基于视频的深度学习算法EchoNet-Peds，用于自动评估儿科患者左心室射血分数	EchoNet-Peds是首个专门针对儿科患者设计的深度学习算法，能够在左心室分割和射血分数估计方面达到人类专家水平	NA	开发一种能够准确、快速自动化评估儿科患者左心室射血分数的人工智能算法	儿科患者的左心室射血分数	机器学习	心血管疾病	深度学习	深度学习算法	视频	4467个儿科超声心动图
38	2024-12-11	The Contrastive Network With Convolution and Self-Attention Mechanisms for Unsupervised Cell Segmentation 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3310507 PMID:37651477	研究论文	本文提出了一种基于卷积和自注意力机制的无监督细胞分割对比网络	该模型能够在没有任何标注的情况下对H&E染色切片上的细胞区域进行分割，无需生成伪标签，且在捕获对象边缘和上下文信息方面优于纯CNN或Transformer	NA	开发一种无需任何标注的无监督细胞分割方法	H&E染色切片上的细胞区域	数字病理学	NA	卷积神经网络，自注意力机制	对比网络	图像	NA
39	2024-12-11	SwinDAE: Electrocardiogram Quality Assessment Using 1D Swin Transformer and Denoising AutoEncoder 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3314698 PMID:37698969	研究论文	本文提出了一种名为SwinDAE的模型，用于心电图信号质量评估，结合了1D Swin Transformer和去噪自编码器	创新点在于将1D Swin Transformer引入去噪自编码器中，并提出了波形成分定位损失用于联合监督	NA	研究目的是提高心电图信号质量评估的泛化能力	心电图信号	机器学习	NA	去噪自编码器	Swin Transformer	信号	使用了PTB-XL数据集进行预训练，并在BUT QDB数据集上进行微调
40	2024-12-11	Evolutionary Architecture Optimization for Retinal Vessel Segmentation 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3314981 PMID:37703164	研究论文	本研究提出了一种新的神经架构搜索方法MedUNAS，用于视网膜血管分割问题，通过优化U型网络架构以提高分割性能和降低推理时间	首次将对立差分进化（ODE）应用于视网膜血管分割问题的神经架构搜索，并提出了MedUNAS方法	需要进一步验证生成的网络在其他医疗图像分割任务中的泛化能力	开发一种自动化且高效的神经架构搜索方法，用于视网膜血管分割	视网膜血管分割问题	计算机视觉	NA	神经架构搜索（NAS）	U型网络	图像	涉及多个数据集，具体样本数量未明确说明