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
321	2024-12-31	Cross-Spatiotemporal Graph Convolution Networks for Skeleton-Based Parkinsonian Gait MDS-UPDRS Score Estimation 2024, 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.2024.3352004 PMID:38198272	研究论文	本文提出了一种跨时空图卷积网络（CST-GCN），用于基于骨架的帕金森病步态MDS-UPDRS评分估计	提出了一种新的跨时空图卷积网络（CST-GCN），用于学习步态模式的复杂特征，并设计了一种步态图标记策略来组装和分组根节点的跨时空邻居	现有的帕金森病步态骨架数据集非常小，这在基于深度学习的步态研究中是一个大问题	提高帕金森病步态评估的诊断效率和客观性	帕金森病患者的步态数据	计算机视觉	帕金森病	多视角Azure Kinect传感器	跨时空图卷积网络（CST-GCN）	骨架数据	102名帕金森病患者、30名健康老年人和16名年轻人
322	2024-12-31	Epileptic Seizure Detection Based on Path Signature and Bi-LSTM Network With Attention Mechanism 2024, 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.2024.3350074 PMID:38224524	研究论文	本文提出了一种基于路径签名和双向长短期记忆网络（Bi-LSTM）与注意力机制的癫痫发作自动检测方法	该方法利用路径签名算法提取不同EEG通道之间的动态依赖关系，并结合Bi-LSTM和注意力机制分析EEG信号特征中的时间依赖性	未提及具体局限性	提高癫痫发作的自动检测准确率	癫痫患者的脑电图（EEG）数据	机器学习	癫痫	路径签名算法	Bi-LSTM	EEG信号	两个公共EEG数据库（CHB-MIT和TUEP）和一个本地医院的私有数据库
323	2024-12-31	Otago Exercises Monitoring for Older Adults by a Single IMU and Hierarchical Machine Learning Models 2024, 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.2024.3355299 PMID:38231806	研究论文	本文开发了一种基于单个IMU和分层机器学习模型的系统，用于监测老年人进行Otago运动计划的情况	提出了一种分层系统，结合深度学习模型，能够在日常生活中使用单个IMU准确监测老年人的Otago运动计划	样本量较小，仅涉及18名老年人，且部分OEP子类别的识别性能有待提高	开发一种无干扰且准确的系统，用于监测老年人进行Otago运动计划的情况	老年人	机器学习	老年疾病	IMU（惯性测量单元）	深度学习模型	传感器数据	18名老年人
324	2024-12-31	Closed-Loop Control of Functional Electrical Stimulation Using a Selectively Recording and Bidirectional Nerve Cuff Interface 2024, 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.2024.3355063 PMID:38231810	研究论文	本研究探讨了使用选择性记录和双向神经袖带接口进行功能性电刺激的闭环控制	首次将深度学习应用于多接触神经袖带电极记录的时空神经模式，实现闭环刺激控制	实验仅在急性体内实验中进行，未涉及长期应用或人体试验	验证在闭环刺激背景下，应用深度学习对多接触神经袖带记录进行分类的可行性	Long Evans大鼠的坐骨神经	神经工程	瘫痪	功能性电刺激	CNN	时空神经信号	11只Long Evans大鼠
325	2024-12-31	Toward Domain-Free Transformer for Generalized EEG Pre-Training 2024, 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.2024.3355434 PMID:38236672	研究论文	本文提出了一种名为DFformer的域无关Transformer模型，用于泛化EEG预训练模型	DFformer能够在不同数据集上无缝集成，无需架构修改或数据扭曲，显著提升了预训练模型的性能	NA	开发一种能够跨领域应用的EEG预训练模型	EEG信号	机器学习	NA	深度学习	Transformer	EEG信号	NA
326	2024-12-31	Automatic Assessment of Upper Extremity Function and Mobile Application for Self-Administered Stroke Rehabilitation 2024, 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.2024.3358497 PMID:38271165	研究论文	本文提出了一种基于深度学习的自动评估模型，用于中风患者上肢功能的自我康复训练，并开发了相应的移动应用程序	提出了一种仅使用视频数据进行训练的深度学习评估模型，并通过交叉注意力机制实现RGB和光流数据的模态融合	未提及模型在更大规模数据集上的泛化能力或长期使用效果	开发一种基于移动应用的自我康复系统，帮助中风患者进行上肢功能康复训练	中风患者的上肢功能康复	数字病理	中风	深度学习	Transformer	视频	未明确提及样本数量
327	2024-12-31	A Cross-Scale Transformer and Triple-View Attention Based Domain-Rectified Transfer Learning for EEG Classification in RSVP Tasks 2024, 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.2024.3359191 PMID:38285586	研究论文	本文提出了一种基于跨尺度Transformer和三重视图注意力的领域校正迁移学习方法，用于RSVP任务中的EEG分类	提出了一种新的跨尺度Transformer和三重视图注意力机制，同时考虑了多尺度时间特征和多视图频谱特征的依赖性，并设计了一个领域校正迁移学习框架，以同时获取可迁移的领域不变表示和不可迁移的领域特定表示	未提及具体局限性	提高RSVP任务中EEG信号的分类性能	EEG信号	脑机接口	NA	迁移学习	Transformer	EEG信号	两个公开的RSVP数据集
328	2024-12-31	DiffMDD: A Diffusion-Based Deep Learning Framework for MDD Diagnosis Using EEG 2024, 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.2024.3360465 PMID:38294930	研究论文	本文提出了一种基于扩散的深度学习框架DiffMDD，用于利用EEG进行重度抑郁症（MDD）的诊断	设计了前向扩散噪声训练模块以提取更多与噪声无关的特征，并设计了反向扩散数据增强模块以增加数据的规模和多样性，从而提高模型的鲁棒性和泛化能力	EEG数据收集过程中存在大量噪声，且难以招募大量受试者以收集足够多样化的数据	提高重度抑郁症（MDD）的早期和准确诊断	重度抑郁症（MDD）患者	机器学习	重度抑郁症	EEG	深度学习框架	EEG数据	在两个公开的MDD诊断数据集上进行了验证
329	2024-12-31	Channel Selection for Stereo- Electroencephalography (SEEG)-Based Invasive Brain-Computer Interfaces Using Deep Learning Methods 2024, 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.2024.3364752 PMID:38349834	研究论文	本文提出了两种基于深度学习的方法（Gumbel和STG），用于立体脑电图（SEEG）信号的通道选择，以提高侵入性脑机接口（BCI）的性能	首次在侵入性脑机接口中应用深度学习方法进行通道选择，并提出了Gumbel和STG两种新方法	研究仅针对SEEG信号，未验证在其他类型脑电信号上的适用性	提高侵入性脑机接口的性能，减少信号冗余和侵入性	立体脑电图（SEEG）信号	脑机接口	NA	深度学习	Gumbel, STG	脑电图信号	NA
330	2024-12-31	Multi-Branch Mutual-Distillation Transformer for EEG-Based Seizure Subtype Classification 2024, 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.2024.3365713 PMID:38349833	研究论文	本文提出了一种多分支互蒸馏Transformer（MBMD Transformer），用于基于跨主体脑电图（EEG）的癫痫亚型分类	首次在基于EEG的癫痫亚型分类中应用知识蒸馏技术，设计了多分支编码器块和互蒸馏策略，以从小量标注数据中有效训练模型	需要进一步验证在更多临床数据集上的泛化能力	提高基于跨主体EEG的癫痫亚型分类的准确性	跨主体的脑电图数据	机器学习	癫痫	知识蒸馏	Transformer	脑电图数据	两个公开的EEG数据集
331	2024-12-31	A Novel Data Augmentation Approach Using Mask Encoding for Deep Learning-Based Asynchronous SSVEP-BCI 2024, 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.2024.3366930 PMID:38373136	研究论文	本文提出了一种名为EEG掩码编码（EEG-ME）的数据增强方法，用于解决基于深度学习的异步SSVEP-BCI系统中的过拟合问题	提出了一种新的数据增强方法EEG-ME，通过掩码部分EEG数据，迫使模型学习更鲁棒的特征，从而提升模型的泛化能力	NA	提升基于深度学习的异步SSVEP-BCI系统的分类准确性和鲁棒性	稳态视觉诱发电位（SSVEP）脑机接口（BCI）系统	机器学习	NA	EEG掩码编码（EEG-ME）	CNN-Former, tCNN, EEGNet	EEG数据	两个公开数据集（benchmark和BETA数据集）
332	2024-12-29	Multiscale unsupervised network for deformable image registration 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-240159 PMID:39240617	研究论文	本文提出了一种快速多尺度无监督变形图像配准方法（FMIRNet），用于单模态图像配准	设计了多尺度融合模块，结合并优化三个尺度的变形场，采用空间注意力机制逐像素加权位移场，并在训练阶段增加了结构相似性（ssim）度量以增强变形图像与固定图像之间的结构一致性	NA	提出一种快速多尺度无监督变形图像配准方法，用于单模态图像配准	单模态图像	计算机视觉	NA	NA	FMIRNet, FCN, UNet	图像	EchoNet, CHAOS, SLIVER数据集
333	2024-12-29	A reconstruction method for ptychography based on residual dense network 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-240114 PMID:39704747	研究论文	本文提出了一种基于残差密集网络的ptychography重建方法，旨在实现快速且鲁棒的重建	提出了一种基于ptychography双分支重建架构的密集残差双分支网络（RDenPtycho），并将ptychography的物理过程整合到网络训练中，以提高性能	未明确提及具体局限性	提出一种新的深度学习方法，以实现ptychography的快速且鲁棒的重建	ptychography数据集	计算机视觉	NA	深度学习	残差密集网络（RDenPtycho）	衍射图案	公开的ptychography数据集
334	2024-12-29	Research on the effectiveness of multi-view slice correction strategy based on deep learning in high pitch helical CT reconstruction 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-240128 PMID:39704749	研究论文	本研究探讨了基于深度学习的多视角切片校正策略在高螺距螺旋CT重建中的有效性	提出了一种数据驱动的切片校正策略，通过调整切片角度、数量和顺序来优化3D重建效果	未明确提及具体样本量及数据集的详细信息	探索高螺距螺旋扫描3D重建的最佳切片方法，为深度学习方法在临床中的应用提供有价值的见解	高螺距螺旋CT图像	计算机视觉	NA	深度学习	NA	3D图像	NA
335	2024-12-29	A novel interpretable deep learning model for diagnosis in emergency department dyspnoea patients based on complete data from an entire health care system 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311081 PMID:39729465	研究论文	本文设计了一种新型可解释的深度学习模型，用于急诊科呼吸困难患者的诊断	开发了一种名为CareNet的临床注意力循环编码网络，能够分析整个区域医疗系统的完整数据，并提供可解释的诊断支持	CareNet的敏感性在某些诊断上略低于CatBoost模型	设计一种诊断决策支持系统，用于急诊科呼吸困难患者的分类诊断	急诊科呼吸困难患者	机器学习	心血管疾病	深度学习	CareNet, CatBoost	临床数据	10,315例急诊科呼吸困难患者
336	2024-12-29	Discovery of novel TACE inhibitors using graph convolutional network, molecular docking, molecular dynamics simulation, and Biological evaluation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315245 PMID:39729480	研究论文	本研究利用图卷积网络、分子对接、分子动力学模拟和生物评估，发现了一种新的TACE抑制剂	结合深度学习模型与传统药物筛选方法，成功识别出FDA批准药物中的新型TACE抑制剂	研究结果需要进一步的生物学实验验证，以确认Vorinostat在治疗炎症性疾病中的实际效果	识别针对TNF-α转化酶（TACE）的新型抑制剂，以用于治疗类风湿性关节炎等炎症性疾病	FDA批准的药物库	机器学习	类风湿性关节炎	图卷积网络、分子对接、分子动力学模拟	GraphConvMol	分子数据	DUD-E数据库中的活性化合物和诱饵化合物
337	2024-12-28	Relationship Between Dementia and Systemic Metabolic Disorders 2024, Advances in experimental medicine and biology DOI:10.1007/978-3-031-67458-7_44 PMID:39400834	研究论文	本文探讨了系统性代谢障碍与认知衰退及痴呆风险之间的关系，并利用深度学习模型从基础血液检查和年龄预测认知功能和脑萎缩	首次利用深度学习模型从常规血液检查中预测认知功能和脑萎缩，并提出了基于血液检查异常的个性化饮食干预的可能性	研究样本仅来自一家康复医院，可能缺乏广泛代表性	研究系统性代谢障碍与痴呆之间的关系，并探索利用常规血液检查进行痴呆风险评估的潜力	2897例来自康复医院和健康筛查的病例	机器学习	老年疾病	深度学习	深度学习模型	血液检查数据和年龄	2897例病例
338	2024-12-28	PSAA-nnUNet: An Efficient Method for CT Carotid Artery Image Segmentation 2024, Advances in experimental medicine and biology DOI:10.1007/978-3-031-67458-7_43 PMID:39400833	研究论文	本文提出了一种基于深度学习的非侵入性颈动脉狭窄自动评估方法，用于CT图像的早期检测	提出了一种名为PSAA-nnUNet的新型神经网络，用于颈动脉的自动分割	NA	早期检测颈动脉狭窄，预防缺血性中风并改善患者预后	颈动脉狭窄（CAS）	计算机视觉	心血管疾病	CT成像	PSAA-nnUNet	图像	NA
339	2024-12-28	3D ARCNN: An Asymmetric Residual CNN for False Positive Reduction in Pulmonary Nodule 2024-01, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2023.3278706 PMID:37216265	研究论文	本文提出了一种名为3D ARCNN的非对称残差网络，用于减少肺结节检测中的假阳性结果	3D ARCNN利用肺结节的3D特征和空间信息，通过内部级联的多级残差模型和多层非对称卷积来提高分类性能，解决了大神经网络参数和可重复性差的问题	NA	提高肺结节检测的准确性，减少假阳性结果	肺结节	计算机视觉	肺癌	深度学习	3D ARCNN	3D图像	LUNA16数据集
340	2024-12-28	DNA Encoding-Based Nucleotide Pattern and Deep Features for Instance and Class-Based Image Retrieval 2024-01, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2023.3303512 PMID:37566504	研究论文	本文提出了一种基于DNA编码的图像检索方法，通过将图像信息编码为核苷酸序列，提升基于内容的图像检索系统的准确性	利用DNA编码技术生成图像DNA平面，并结合深度学习架构进行图像检索，显著提高了检索精度	未提及该方法在更大规模数据集或更复杂场景下的适用性	提升基于内容的图像检索系统的准确性	图像数据	计算机视觉	NA	DNA编码	ResNet-50, VGG-16, VGG-19, Inception V3	图像	28,200张图像，涵盖134个不同类别