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	2024-12-19	EEG-Based Machine Learning Models to Evaluate Haptic Delay: Should We Label Data Based on Self-Reporting or Physical Stimulation? 2023 Oct-Dec, IEEE transactions on haptics IF:2.4Q2 DOI:10.1109/TOH.2023.3270666 PMID:37126610	研究论文	本文探讨了基于EEG数据的机器学习模型在评估触觉延迟时，使用自我报告标签与物理刺激标签的比较	首次系统研究了在评估触觉体验时，使用自我报告标签与物理刺激标签对机器学习模型性能的影响	研究结果仅适用于触觉延迟这一特定触觉体验，不能推广到其他触觉体验	探讨在评估触觉体验时，使用自我报告标签与物理刺激标签哪种方法更有效	触觉延迟的评估	机器学习	NA	EEG	机器学习模型和深度学习模型	EEG数据	NA
22	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
23	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
24	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
25	2024-12-10	Mesh2SSM: From Surface Meshes to Statistical Shape Models of Anatomy 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43907-0_59 PMID:38659613	研究论文	提出了一种新的方法Mesh2SSM，利用无监督、排列不变的表示学习来估计如何将模板点云变形为特定于对象的网格，形成基于对应关系的形状模型	Mesh2SSM能够学习特定于群体的模板，减少由于模板选择带来的偏差，并且直接在网格上操作，计算效率高	现有深度学习模型仍然存在局限性，需要已建立/优化的形状模型进行训练	开发一种新的统计形状建模方法，以更好地捕捉人体解剖结构中的非线性变异性	医学图像（如MRI和CT扫描）中分割的解剖结构	计算机视觉	NA	深度学习	NA	网格	NA
26	2024-12-08	RECOVER identifies synergistic drug combinations in vitro through sequential model optimization 2023-10-23, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2023.100599 PMID:37797618	研究论文	本文通过深度学习模型优化，识别体外协同药物组合	采用顺序模型优化方法，通过深度学习模型选择富集协同作用的药物组合，并发现药物嵌入开始反映生物机制	药物组合数据库偏向于协同药物，结果在分布外不具有普遍性	识别体外协同药物组合	小分子药物组合	机器学习	癌症	深度学习	深度学习模型	药物组合数据	涉及5轮实验，评估了约5%的总搜索空间
27	2024-12-08	Human emotion recognition with a microcomb-enabled integrated optical neural network 2023-Oct, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2023-0298 PMID:39635194	研究论文	本文提出了一种基于微梳的集成光学神经网络（MIONN），用于以光速和低功耗进行人类情感识别	创新点在于利用微梳生成的频率通道对大规模张量数据进行独立编码，并通过并行计算实现高速低功耗的情感识别	NA	开发一种高速且节能的神经形态计算硬件，用于具有情感交互能力的深度学习模型	人类情感识别	机器学习	NA	微梳技术	光学神经网络	张量数据	在盲测集上实现了78.5%的准确率，成功识别了六种基本人类情感
28	2024-12-08	Diffusion probabilistic model based accurate and high-degree-of-freedom metasurface inverse design 2023-Oct, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2023-0292 PMID:39635197	研究论文	提出了一种基于扩散概率理论的元表面逆设计方法	通过学习将原始结构转化为高斯分布的马尔可夫过程，逐步去除噪声并生成符合S参数条件的高自由度元原子，避免了GAN对抗训练过程中的模型不稳定性	未提及	改进元表面逆设计方法，提高生成效率和质量	元表面及其逆设计	计算机视觉	NA	扩散概率模型	扩散概率模型	S参数	未提及
29	2024-11-15	Delineating yeast cleavage and polyadenylation signals using deep learning 2023-Oct-13, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.10.561764 PMID:37873420	研究论文	本文利用深度学习模型解析酵母中3'-端切割和多聚腺苷酸化信号的形成机制	开发了深度学习模型来解析酵母中多聚腺苷酸化信号的形成机制，并量化其在介导多聚腺苷酸化位点形成、切割异质性和强度中的位置重要性	NA	探讨酵母中多聚腺苷酸化信号的形成机制	酵母中的多聚腺苷酸化信号	机器学习	NA	深度学习	深度学习模型	序列数据	NA
30	2024-11-09	Fully Bayesian VIB-DeepSSM 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43898-1_34 PMID:39503046	研究论文	本文提出了一种全贝叶斯变分信息瓶颈深度形状模型（Fully Bayesian VIB-DeepSSM），用于从3D图像中预测解剖结构的形状，并进行不确定性量化	本文的创新点在于提出了全贝叶斯变分信息瓶颈框架，结合了具体丢弃和批量集成两种可扩展实现方法，并通过多模态边缘化进一步增强了不确定性校准	NA	本文的研究目的是改进从3D图像中预测解剖结构形状的不确定性量化方法	本文的研究对象是解剖结构的形状预测和不确定性量化	计算机视觉	NA	变分信息瓶颈	全贝叶斯神经网络	3D图像	合成形状和左心房数据
31	2024-11-08	Cochlear Implant Fold Detection in Intra-operative CT Using Weakly Supervised Multi-task Deep Learning 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43996-4_24 PMID:38515783	研究论文	本文提出了一种使用弱监督多任务深度学习在术中CT图像中检测耳蜗植入电极折叠的方法	本文创新性地使用合成数据集训练了一个多任务3D-UNet模型，用于检测耳蜗植入电极的折叠情况	本文仅在合成数据集和少量真实数据上进行了验证，未来需要在更大规模的真实数据上进行进一步验证	开发一种自动检测耳蜗植入电极折叠的方法，以减少手术风险和提高听力恢复效果	耳蜗植入电极的折叠情况	计算机视觉	NA	弱监督学习	3D-UNet	CT图像	训练数据包括合成数据集，测试数据包括7个折叠电极和200个非折叠电极的真实术后CT图像
32	2024-11-08	Can point cloud networks learn statistical shape models of anatomies? 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43907-0_47 PMID:39498296	研究论文	本文探讨了点云网络在统计形状建模（SSM）中的应用	首次探索了点云深度学习在SSM中的应用，展示了现有点云编码器-解码器网络在捕捉形状统计表示方面的潜力	讨论了现有技术在SSM应用中的局限性，并提出了未来改进的方向	研究点云网络在统计形状建模中的潜力	点云深度学习在SSM中的应用	计算机视觉	NA	点云深度学习	点云编码器-解码器网络	点云	NA
33	2024-11-02	ADASSM: Adversarial Data Augmentation in Statistical Shape Models From Images 2023-Oct, Shape in medical imaging : International Workshop, ShapeMI 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings. ShapeMI (Workshop) (2023 : Vancouver, B.C.) DOI:10.1007/978-3-031-46914-5_8 PMID:39022299	研究论文	本文提出了一种新的对抗性数据增强策略，用于图像到统计形状模型（Image-to-SSM）框架，通过数据依赖的噪声生成或纹理增强来提高模型的准确性	本文的创新点在于提出了一种实时数据增强策略，通过对抗性训练生成多样化和具有挑战性的噪声样本，从而鼓励模型关注底层几何结构而非仅依赖像素值	本文未提及具体的局限性	研究目的是提高图像到统计形状模型网络的准确性，减少模型对图像纹理的依赖	研究对象是医学影像中的统计形状模型及其在深度学习模型中的应用	计算机视觉	NA	深度学习	对抗网络	图像	NA
34	2024-11-02	Progressive DeepSSM: Training Methodology for Image-To-Shape Deep Models 2023-Oct, Shape in medical imaging : International Workshop, ShapeMI 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings. ShapeMI (Workshop) (2023 : Vancouver, B.C.) DOI:10.1007/978-3-031-46914-5_13 PMID:38745942	研究论文	提出了一种新的训练策略，渐进式DeepSSM，用于训练图像到形状的深度学习模型，通过多尺度学习逐步提升模型性能	引入了一种新的训练策略，渐进式DeepSSM，通过多尺度学习逐步提升模型性能，并结合形状先验和深度监督损失	NA	改进图像到形状深度学习模型的训练方法，提高其在医学图像中的稳定性和准确性	图像到形状的深度学习模型	计算机视觉	NA	深度学习	深度学习模型	图像	NA
35	2024-10-30	Benchmarking Scalable Epistemic Uncertainty Quantification in Organ Segmentation 2023-Oct, Uncertainty for safe utilization of machine learning in medical imaging : 5th international workshop, UNSURE 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 12, 2023, proceedings. UNSURE (Workshop) (5th : 2023... DOI:10.1007/978-3-031-44336-7_6 PMID:39469570	研究论文	本文对在器官分割中可扩展的认知不确定性量化方法进行了全面的基准测试	本文首次在医学图像分析背景下对多种认知不确定性量化方法进行了全面评估，并提供了未来改进的建议	本文未提及具体的局限性	评估和理解模型预测中的不确定性在临床应用中的重要性	器官分割中的认知不确定性量化方法	计算机视觉	NA	深度学习	NA	图像	NA
36	2024-10-21	Application of deep learning technology for temporal analysis of videofluoroscopic swallowing studies 2023-10-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-44802-3 PMID:37845272	研究论文	本文开发了一种基于深度学习的模型，用于自动测量吞咽研究中的各种时间参数	本文提出了基于ResNet3D的模型，相比之前的VGG和I3D模型，在准确性、F1分数和平均精度方面取得了最佳结果	NA	开发一种自动测量吞咽研究中时间参数的模型，以提高分析的准确性和效率	吞咽研究中的时间参数，包括口腔期持续时间、咽部延迟时间等七个参数	计算机视觉	NA	深度学习	ResNet3D	视频	547个VFSS视频片段
37	2024-10-20	Cross-Attention for Improved Motion Correction in Brain PET 2023-Oct, Machine learning in clinical neuroimaging : 6th international workshop, MLCN 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, proceedings. MLCN (Workshop) (6th : 2023 : Vancouver, B.C.) DOI:10.1007/978-3-031-44858-4_4 PMID:38174216	研究论文	本文提出了一种基于交叉注意力机制的深度学习网络，用于改善脑部PET图像重建中的运动校正	引入了交叉注意力机制，增强了模型对不同测试对象的鲁棒性，并显著提高了运动校正的性能	NA	提高脑部PET图像重建的质量，减少运动伪影对临床诊断和治疗的影响	脑部PET图像的运动校正	计算机视觉	NA	深度学习	交叉注意力机制	图像	使用了来自两个不同扫描仪（HRRT和mCT）的脑部PET数据进行验证
38	2024-10-19	Super-resolution biomedical imaging via reference-free statistical implicit neural representation 2023-Oct-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acfdf1 PMID:37757838	研究论文	提出了一种无需参考的统计隐式神经表示框架，用于生物医学图像的超分辨率处理	该方法仅需要单张或多张低分辨率图像，通过最大似然估计和隐式神经网络生成高质量的超分辨率图像	NA	解决生物医学图像超分辨率处理中缺乏大量低分辨率和高分辨率图像对的问题	生物医学图像，包括CT、MRI、荧光显微镜和超声图像	计算机视觉	NA	隐式神经表示	多层感知机	图像	每种超分辨率任务使用有限数量的低分辨率图像
39	2024-10-18	High-Speed On-Site Deep Learning-Based FFR-CT Algorithm: Evaluation Using Invasive Angiography as the Reference Standard 2023-10, AJR. American journal of roentgenology DOI:10.2214/AJR.23.29156 PMID:37132550	研究论文	本研究评估了一种基于深度学习的高速现场FFR-CT算法在诊断冠状动脉狭窄中的表现	开发了一种基于深度学习的高速现场FFR-CT算法，显著缩短了分析时间，并提高了诊断准确性	研究为回顾性，样本量相对较小，且仅限于特定时间段内的患者	评估基于深度学习的FFR-CT算法在诊断冠状动脉狭窄中的诊断性能	冠状动脉狭窄的诊断和评估	计算机视觉	心血管疾病	深度学习	3D计算流体动力学模型	图像	59名患者（46名男性，13名女性；平均年龄66.5 ± 10.2岁）
40	2024-10-18	Editorial Comment: On-Site Deep Learning-Based FFR-CT-A Novel Method to Evaluate Functionally Significant Stenosis 2023-Oct, AJR. American journal of roentgenology DOI:10.2214/AJR.23.29561 PMID:37132555	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA