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	2025-02-21	An adaptive embedding procedure for time series forecasting with deep neural networks 2023-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2023.08.051 PMID:37729787	研究论文	本文提出了一种基于自适应嵌入机制的深度学习方案，用于时间序列预测	提出了一种新颖的自适应嵌入机制，用于提取输入时间序列的压缩表示，并用于后续预测	未明确提及具体局限性	解决时间序列预测问题	时间序列数据	机器学习	NA	深度学习	双向长短期记忆网络（LSTM）	时间序列数据	未明确提及具体样本数量
22	2025-02-12	Mapping the topography of spatial gene expression with interpretable deep learning 2023-Oct-13, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.10.561757 PMID:37873258	研究论文	本文提出了一种名为GASTON的无监督且可解释的深度学习算法，用于分析空间转录组数据中的基因表达模式	引入了称为isodepth的新概念，用于描述组织切片中的基因表达梯度，并开发了GASTON算法来同时学习isodepth、空间基因表达梯度以及基因表达的连续梯度和不连续空间变化	NA	解决空间转录组数据稀疏性问题，分析空间基因表达模式	空间转录组数据	数字病理学	NA	空间转录组技术	深度学习	基因表达数据	多个生物系统（包括大脑和肿瘤样本）
23	2025-01-25	Shape-Aware 3D Small Vessel Segmentation with Local Contrast Guided Attention 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43901-8_34 PMID:38500803	研究论文	本文提出了一种新颖的自监督网络，用于从3D成像数据中改进小血管的检测	提出了一种形状感知的基于通量的测量方法，以及局部对比度引导的注意力和增强模块，以提高低对比度血管区域的血管性响应	依赖于现有成像技术的相对有限分辨率，且需要熟练专家进行精确的像素级注释	改进从3D成像数据中检测小血管的自动化分割和分析	小血管	计算机视觉	NA	自监督学习	自监督网络	3D成像数据	多个3D数据集
24	2025-01-23	Gadolinium-Free Cardiac MRI Myocardial Scar Detection by 4D Convolution Factorization 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43895-0_60 PMID:39829676	研究论文	本文提出了一种新型的深度时空残差注意力网络（ST-RAN），用于在无钆对比剂的心脏磁共振成像中检测心肌瘢痕	提出了一个新型的因子化4D（3D+时间）卷积层，结合时空注意力机制，以提取丰富的全心脏特征并跟踪帧间的长程时间关系，同时引入了残差注意力块来提取不同尺度的时空特征，以检测与瘢痕相关的细微对比变化	尽管模型在缺血性和非缺血性心脏病中表现出色，但仍需进一步验证其在更广泛临床环境中的适用性和稳定性	开发一种无需钆对比剂的心脏磁共振成像技术，用于检测心肌瘢痕	心脏磁共振成像数据	计算机视觉	心血管疾病	心脏磁共振成像（CMR）	深度时空残差注意力网络（ST-RAN）	图像	3000名患者
25	2025-01-22	Feasibility of Universal Anomaly Detection without Knowing the Abnormality in Medical Images 2023-Oct, Medical image learning with limited and noisy data : second international workshop, MILLanD 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, proceedings. MILLanD (Workshop) : (2nd : 2023 : Vancouver, B... DOI:10.1007/978-3-031-44917-8_8 PMID:38523773	研究论文	本研究探讨了在医学图像中进行通用异常检测的可行性，比较了多种异常检测方法，并提出了一种简单的决策级集成方法	提出了一种不依赖已知异常信息的决策级集成方法，增强了异常检测的鲁棒性	评估的方法在所有数据集上未能一致达到最佳性能	研究医学图像中通用异常检测的可行性	医学图像	计算机视觉	NA	深度学习	集成方法	图像	四个医学数据集
26	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
27	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
28	2024-12-20	Extensive T1-weighted MRI Preprocessing Improves Generalizability of Deep Brain Age Prediction Models 2023-Oct-30, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.10.540134 PMID:37214863	研究论文	本文研究了T1加权磁共振图像（T1w MRI）预处理对深度学习脑龄预测模型性能的影响	本文发现广泛的T1w预处理可以提高模型的平均绝对误差（MAE），尤其是在应用于新数据集时	本文仅评估了四种预处理管道，未涵盖所有可能的预处理方法	研究T1w图像预处理对深度学习脑龄预测模型性能的影响	T1加权磁共振图像（T1w MRI）和深度学习脑龄预测模型	计算机视觉	NA	深度学习	深度学习模型	图像	NA
29	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
30	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
31	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
32	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
33	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
34	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
35	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
36	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
37	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
38	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
39	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
40	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