深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
1121	2024-12-18	CLCLSA: Cross-omics Linked embedding with Contrastive Learning and Self Attention for multi-omics integration with incomplete multi-omics data 2023-Apr-12, ArXiv PMID:37090237	研究论文	本文提出了一种名为CLCLSA的深度学习方法，用于整合不完整的多组学数据，通过跨组学链接嵌入、对比学习和自注意力机制来实现	创新点在于使用跨组学自编码器学习不同类型生物数据的特征表示，并结合多组学对比学习和特征级、组学级的自注意力机制，以动态识别最具信息量的特征	本文未提及具体的局限性	研究目的是通过整合异质性和高维的多组学数据，更全面地理解疾病和表型	研究对象是多组学数据，特别是存在不完整数据的情况	机器学习	NA	对比学习、自注意力机制	自编码器	多组学数据	四个公共多组学数据集	NA	NA	NA	NA
1122	2024-12-18	A Multitask Approach for Automated Detection and Segmentation of Thyroid Nodules in Ultrasound Images 2023-Mar-28, medRxiv : the preprint server for health sciences DOI:10.1101/2023.01.31.23285223 PMID:36778410	研究论文	本文提出了一种多任务方法，用于在超声图像中自动检测和分割甲状腺结节	该方法通过结合异常检测模块与U-Net架构变体，实现了对可疑图像的检测和潜在结节的分割，提高了模型的临床可转化性	NA	开发一种自动化的方法，用于在超声图像中检测和分割甲状腺结节，以改善风险分层并减少医疗成本和患者不适	甲状腺结节和甲状腺癌	计算机视觉	甲状腺癌	深度学习	U-Net	图像	280名患者，共9,888张图像	NA	NA	NA	NA
1123	2024-12-18	Automated evaluation of cardiac contractile dynamics and aging prediction using machine learning in a Drosophila model 2023-Mar-21, Research square DOI:10.21203/rs.3.rs-2635745/v1 PMID:36993511	研究论文	本文提出了一种基于深度学习的平台，用于果蝇心脏的光学显微镜图像分割，并首次量化了心脏生理参数在衰老过程中的变化	首次使用深度学习和机器学习方法预测果蝇的衰老，并量化心脏生理参数，同时提出了预测心律失常的节律级动态分析方法	本文未详细讨论模型的可解释性和泛化能力	开发一种自动化方法，用于评估果蝇心脏收缩动力学和预测衰老	果蝇心脏的收缩动力学和衰老过程	机器学习	心血管疾病	深度学习	CNN	视频	实验测试数据集用于验证衰老模型	NA	NA	NA	NA
1124	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	NA	NA	NA	NA
1125	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	NA	NA	NA	NA
1126	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	NA	NA	NA	NA
1127	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	NA	NA	NA	NA
1128	2024-12-16	OCTOPUS - Optical coherence tomography plaque and stent analysis software 2023-Feb, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e13396 PMID:36816277	研究论文	本文介绍并评估了一种高度自动化的软件包OCTOPUS，用于在血管内光学相干断层扫描（IVOCT）图像中进行冠状动脉斑块和支架的定量分析	开发了OCTOPUS软件，提供高度自动化的冠状动脉斑块和支架分析，包括深度学习斑块分割和机器学习支架支柱识别等算法	目前OCTOPUS主要作为离线研究工具使用，尚未应用于实时治疗规划	开发一种用于IVOCT图像中冠状动脉斑块和支架分析的自动化软件	冠状动脉斑块和支架	数字病理学	心血管疾病	光学相干断层扫描（IVOCT）	深度学习模型和机器学习模型	图像	34个新的pullbacks样本	NA	NA	NA	NA
1129	2024-12-15	Enhancing diagnosis of Hirschsprung's disease using deep learning from histological sections of post pull-through specimens: preliminary results 2023-Nov-29, Pediatric surgery international IF:1.5Q3 DOI:10.1007/s00383-023-05590-z PMID:38019366	研究论文	本研究利用深度学习技术从回拉手术后的组织学切片中识别Hirschsprung病中的神经节细胞和肥大神经，以提高诊断准确性	首次使用AI技术基于U-net模型识别Hirschsprung病中的神经节细胞和肥大神经	研究样本量较小，且仅限于回拉手术后的组织学切片	开发一种基于人工智能的方法来提高Hirschsprung病的组织学诊断准确性	Hirschsprung病中的神经节细胞和肥大神经	数字病理学	Hirschsprung病	深度学习	U-net	图像	108个标注样本，数据增强后生成19,600张图像，最终用于训练和验证的图像为1945张	NA	NA	NA	NA
1130	2024-12-14	DraiNet: AI-driven decision support in pneumothorax and pleural effusion management 2023-Dec-27, Pediatric surgery international IF:1.5Q3 DOI:10.1007/s00383-023-05609-5 PMID:38151565	研究论文	本文介绍了DraiNet，一种用于检测儿童气胸和胸腔积液的深度学习模型，旨在辅助评估是否需要胸管引流	DraiNet通过结合深度学习算法和临床专业知识，提供了一个有价值的工具，用于非外科团队和急诊室医生在手术干预方面的决策支持	NA	开发一种AI驱动的决策支持工具，以增强在气胸和胸腔积液管理中的临床决策	儿童气胸和胸腔积液的检测	计算机视觉	气胸	深度学习	深度学习模型	CT扫描图像	多样化的儿童CT扫描数据集，由经验丰富的外科医生仔细标注	NA	NA	NA	NA
1131	2024-12-14	Flexible Gel-Free Multi-Modal Wireless Sensors With Edge Deep Learning for Detecting and Alerting Freezing of Gait Symptom 2023-10, IEEE transactions on biomedical circuits and systems IF:3.8Q2 DOI:10.1109/TBCAS.2023.3281596 PMID:37256796	研究论文	开发了一种灵活的无凝胶多模态无线传感器，结合边缘深度学习技术用于检测和预警帕金森病患者的步态冻结症状	提出了一个新颖的轻量级深度学习模型，并在低功耗微控制器上进行推理，实现了高检测灵敏度和特异性	需要进一步的临床实验来验证其在实际应用中的效果	开发一种能够检测和预警步态冻结症状的可穿戴传感器，以帮助帕金森病患者预防跌倒	帕金森病患者的步态冻结症状	机器学习	神经退行性疾病	深度学习	深度学习模型	多模态数据	NA	NA	NA	NA	NA
1132	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	NA	NA	NA	NA
1133	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	NA	NA	NA	NA
1134	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	NA	NA	NA	NA
1135	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	NA	NA	NA	NA
1136	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	NA	NA	NA	NA
1137	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	NA	NA	NA	NA
1138	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	NA	NA	NA	NA
1139	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	NA	NA	NA	NA
1140	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	NA	NA	NA	NA