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
541	2024-12-14	Interpretable Diabetic Retinopathy Diagnosis Based on Biomarker Activation Map 2024-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3290541 PMID:37405891	研究论文	本文介绍了一种基于生成对抗学习的生物标志物激活图（BAM）框架，用于解释基于光学相干断层扫描（OCT）和其血管造影（OCTA）的糖尿病视网膜病变（DR）自动诊断	提出了一个新颖的生物标志物激活图（BAM）框架，通过生成对抗学习使分类器的决策过程可解释	NA	开发一种可解释的糖尿病视网膜病变诊断方法，帮助临床医生验证和理解分类器的决策	糖尿病视网膜病变（DR）的自动诊断	机器学习	糖尿病视网膜病变	生成对抗学习	生成对抗网络（GAN）	图像	456个黄斑扫描数据
542	2024-12-14	A Novel Approach Analysing the Dynamic Brain Functional Connectivity for Improved MCI Detection 2024-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3294511 PMID:37436866	研究论文	本研究提出了一种新的动态脑功能连接分析方法，用于改进轻度认知障碍的检测	本研究提出了几种新的特征用于动态脑功能连接分析，并展示了其在轻度认知障碍检测中的优越性能	本研究未详细讨论所提出方法在计算效率和可解释性方面的改进	探索动态脑功能连接分析中几种新特征的可行性，以实现可靠的轻度认知障碍检测	健康对照组、早期轻度认知障碍患者和晚期轻度认知障碍患者的动态脑功能连接	机器学习	老年疾病	功能磁共振成像	支持向量机	图像	包含健康对照组、早期轻度认知障碍患者和晚期轻度认知障碍患者的公共静息态功能磁共振成像数据集
543	2024-12-14	Image-Decomposition-Enhanced Deep Learning for Detection of Rotor Cores in Cardiac Fibrillation 2024-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3292383 PMID:37440380	研究论文	本研究开发了一种基于图像分解增强的深度学习框架，用于自动识别心房颤动中的转子核心	采用集成经验模态分解算法（EEMD）对原始图像进行分解，并将最具代表性的成分输入YOLO目标检测架构进行转子检测	NA	开发一种自动识别心房颤动中转子核心的深度学习框架	心房颤动中的转子核心	计算机视觉	心血管疾病	集成经验模态分解算法（EEMD）	YOLO	图像	来自双域模拟模型的模拟数据和从离体兔心中获取的光学映射数据
544	2024-12-14	Location-Aware Encoding for Lesion Detection in 68Ga-DOTATATE Positron Emission Tomography Images 2024-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3297249 PMID:37471190	研究论文	本文提出了一种新的单阶段病变检测方法，使用68Ga-DOTATATE正电子发射断层扫描（PET）图像进行病变检测	本文创新性地设计了一个可插拔的代码本学习模块，并将其集成到U-Net类似的神经网络中，以促进多尺度病变位置特定特征学习	NA	开发一种高效的单阶段病变检测方法，以提高神经内分泌肿瘤（NETs）患者的治疗效果	68Ga-DOTATATE PET图像中的病变检测	计算机视觉	神经内分泌肿瘤	深度学习	U-Net	图像	NA
545	2024-12-14	A neural machine translation method based on split graph convolutional self-attention encoding 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.1886 PMID:39669465	研究论文	提出了一种基于分割图卷积自注意力编码的神经机器翻译方法，以更好地利用句法依赖关系并降低模型复杂度	提出了基于分割图卷积自注意力编码（SGSE）的新方法，结合了分割自注意力网络和句法语义自注意力网络，有效利用了非欧几里得空间中的句法依赖关系	未提及具体的局限性	提高跨语言协作团队成员之间的沟通效率	跨语言协作团队中的沟通效率	自然语言处理	NA	神经机器翻译（NMT）	分割图卷积自注意力编码（SGSE）	文本	多个标准数据集以及涉及团队协作和企业管理场景的数据集
546	2024-12-13	Brain metastasis tumor segmentation and detection using deep learning algorithms: A systematic review and meta-analysis 2024-01, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.110007 PMID:37967585	综述	本文系统回顾和荟萃分析了深度学习算法在从不同原发部位的MRI图像中检测和分割脑转移瘤中的有效性	本文通过荟萃分析和子组分析，探讨了影响深度学习模型性能的因素，如MRI硬件多样性、切片厚度等	需要更大规模的研究和更广泛的荟萃分析以开发更实用和可推广的算法	评估深度学习算法在脑转移瘤检测和分割中的有效性	脑转移瘤的检测和分割	计算机视觉	脑肿瘤	深度学习	U-Net及其变体	图像	42项相关研究的荟萃分析
547	2024-12-13	Weakly-Supervised Segmentation-Based Quantitative Characterization of Pulmonary Cavity Lesions in CT Scans 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3399261 PMID:38899144	研究论文	本文提出了一种基于弱监督学习的深度学习模型CSA2-ResNet，用于在CT扫描中自动检测、分割和量化肺腔病变区域	本文的创新点在于提出了一种弱监督学习方法CSA2-ResNet，结合混合注意力模块和梯度加权类激活映射技术，实现了对肺腔病变的自动检测和量化	本文未详细讨论模型的泛化能力和在不同数据集上的表现	开发一种自动化的方法，用于在CT扫描中检测、分割和量化肺腔病变，以辅助临床诊断和治疗效果评估	肺腔病变在CT扫描中的检测、分割和量化	计算机视觉	肺部疾病	深度学习	CSA2-ResNet	图像	未提供具体样本数量
548	2024-12-13	From Scalp to Ear-EEG: A Generalizable Transfer Learning Model for Automatic Sleep Scoring in Older People 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3388852 PMID:38765887	研究论文	本文探讨了通过迁移学习模型将头皮EEG数据应用于耳EEG数据，以提高老年人自动睡眠评分准确性的方法	本文首次在老年人群体中应用LightGBM进行迁移学习，并展示了通过微调预训练模型在耳EEG数据上提高分类准确性的潜力	研究样本量较小，仅涉及17名老年人，且未涵盖所有可能的健康状况	探索将预训练的头皮EEG模型微调应用于耳EEG数据，以提高老年人睡眠评分的准确性	老年人群体的耳EEG数据	机器学习	NA	LightGBM	LightGBM	EEG数据	17名年龄在65-83岁之间的老年人
549	2024-12-13	A Development of a Sound Recognition-Based Cardiopulmonary Resuscitation Training System 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3433448 PMID:39155923	研究论文	本文开发了一种基于声音识别的心肺复苏（CPR）训练系统，该系统具有成本效益、易于维护，并能提供准确的CPR反馈	本文提出了一种名为Beep-CPR的新型设备，通过高频声音记录和分析CPR过程中的压缩深度、速率和释放速度，并使用深度学习模型进行预测	NA	开发一种基于声音识别的心肺复苏训练系统，以提高CPR训练的效果	心肺复苏（CPR）训练过程中的压缩质量	机器学习	心血管疾病	深度学习	EfficientNet	音频	6,065个频谱图，来源于约40分钟的音频数据
550	2024-12-13	Simultaneous EEG-fNIRS Data Classification Through Selective Channel Representation and Spectrogram Imaging 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3448457 PMID:39247844	研究论文	本文提出了一种名为多模态DenseNet融合（MDNF）模型的深度学习架构，用于同时处理EEG和fNIRS数据，并通过选择性通道表示和频谱图成像提高脑机接口（BCI）的分类准确性	本文的创新点在于提出了MDNF模型，通过将EEG数据转换为2D图像并结合fNIRS的频谱熵特征，提高了EEG-fNIRS数据在脑机接口中的分类准确性和多样性	NA	本文的研究目的是提高EEG-fNIRS数据在脑机接口中的分类准确性和多样性，以推动脑机接口技术的发展	本文的研究对象是EEG和fNIRS数据，以及它们在脑机接口中的应用	机器学习	NA	深度学习	DenseNet	图像	两个公开数据集
551	2024-12-13	Deep Learning and fMRI-Based Pipeline for Optimization of Deep Brain Stimulation During Parkinson's Disease Treatment: Toward Rapid Semi-Automated Stimulation Optimization 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3448392 PMID:39247846	研究论文	本文提出了一种基于深度学习和fMRI的管道，用于优化帕金森病治疗中的深脑刺激参数	该研究的创新点在于利用深度学习技术和fMRI数据，将深脑刺激参数优化的过程从约1年缩短到几个小时，实现快速半自动化优化	本文的局限性在于仅使用了39名患者的fMRI数据，样本量较小，可能影响模型的泛化能力	研究目的是开发一种快速半自动化的深脑刺激参数优化方法，以减少患者的时间和经济负担	研究对象是接受深脑刺激治疗的帕金森病患者	机器学习	帕金森病	fMRI	自编码器（AE）和多层感知器（MLP）	fMRI数据	39名帕金森病患者
552	2024-12-13	A Multi-Task Based Deep Learning Framework With Landmark Detection for MRI Couinaud Segmentation 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3491612 PMID:39559826	研究论文	本文提出了一种基于多任务学习的深度学习框架，用于在对比增强磁共振成像（CE-MRI）中自动检测关键解剖标志并进行Couinaud肝段分割	通过多任务学习框架同步检测解剖标志与分割过程，提高了Couinaud段分割的准确性和鲁棒性	NA	实现精确的Couinaud肝段分割，优化肝手术的术前规划，减少术后并发症并保护肝功能	Couinaud肝段分割及关键解剖标志检测	计算机视觉	NA	对比增强磁共振成像（CE-MRI）	多任务学习框架	图像	包括正常肝脏、弥漫性肝病和局部肝病变的多类型患者，涉及两种场强、两种设备和两种对比剂
553	2024-12-13	Enhanced brain tumor diagnosis using combined deep learning models and weight selection technique 2024, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2024.1444650 PMID:39659489	研究论文	本研究提出了一种结合深度学习模型和权重选择技术的方法，用于增强脑肿瘤的诊断	创新点在于利用集成学习方法结合Vision Transformers (ViT)和EfficientNet-V2模型，并通过遗传算法优化权重，显著提高了分类准确性	NA	旨在提高脑肿瘤分类的准确性，以改善诊断和治疗计划	脑肿瘤的多分类任务	计算机视觉	脑肿瘤	深度学习	Vision Transformers (ViT), EfficientNet-V2	图像	使用了一个包含标记脑部MRI图像的精心策划的数据集
554	2024-12-13	Deep learning and transfer learning for brain tumor detection and classification 2024, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae080 PMID:39659666	研究论文	本研究探讨了卷积神经网络（CNN）在脑肿瘤检测和分类中的应用，通过迁移学习步骤提升网络的肿瘤检测能力	引入了独特的伪装动物检测迁移学习步骤，以增强网络的肿瘤检测能力	NA	提高神经网络在脑肿瘤MRI数据上的分类准确性	胶质瘤和正常脑MRI数据，包括增强后T1加权和T2加权图像	计算机视觉	脑肿瘤	卷积神经网络（CNN）	CNN	图像	NA
555	2024-12-13	Spontaneous breaking of symmetry in overlapping cell instance segmentation using diffusion models 2024, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae084 PMID:39659670	研究论文	本文提出了一种基于扩散模型的重叠细胞实例分割方法，解决了传统方法在处理重叠标签时的局限性	本文提出了一种基于扩散模型的新方法，能够自发地打破对称性，并在像素级别上实现实例分割，同时允许重叠标签	NA	解决在生物医学图像中处理重叠标签的实例分割问题	重叠的细胞实例	计算机视觉	NA	扩散模型	扩散模型	图像	使用了cellpose荧光细胞数据集
556	2024-12-13	Deep learning-based postoperative glioblastoma segmentation and extent of resection evaluation: Development, external validation, and model comparison 2024 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae199 PMID:39659831	研究论文	本文开发并验证了一种基于深度学习的模型，用于术后胶质母细胞瘤的分割和切除范围评估，并与现有算法进行了比较	本文首次开发了一种基于深度学习的模型，专门用于术后胶质母细胞瘤的分割和切除范围评估，并展示了其在临床应用中的潜力	本文的局限性在于样本量相对较小，且仅在特定的研究机构和公共数据库中进行了验证	开发一种基于深度学习的模型，用于术后胶质母细胞瘤的分割和切除范围评估，并与其他现有算法进行比较	术后胶质母细胞瘤的分割和切除范围评估	计算机视觉	脑肿瘤	MRI	nnU-Net	图像	586个扫描样本，其中395个用于模型训练，52个用于模型比较，139个用于独立验证
557	2024-12-13	Clinical application of machine-based deep learning in patients with radiologically presumed adult-type diffuse glioma grades 2 or 3 2024 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae192 PMID:39659833	研究论文	本研究测试了深度学习在放射学上疑似低级别胶质瘤患者中预测IDH突变的临床应用	使用深度学习模型对放射学上疑似低级别胶质瘤患者的IDH突变进行预测	在当前状态下，复杂模型在临床场景中的应用并未显示出比基线临床模型更大的净收益	测试深度学习在放射学上疑似低级别胶质瘤患者中预测IDH突变的临床实用性	放射学上疑似低级别胶质瘤患者	机器学习	脑肿瘤	深度学习	深度学习模型	图像	314名患者（回顾性招募）和155名患者（外部验证队列）
558	2024-12-12	Artificial intelligence algorithms for real-time detection of colorectal polyps during colonoscopy: a review 2024, American journal of cancer research IF:3.6Q2 DOI:10.62347/BZIZ6358 PMID:39659923	综述	本文综述了基于人工智能的算法在结肠镜检查中实时检测结直肠息肉的应用	重点介绍了深度学习算法在优化效率和准确性方面的进展	未具体讨论现有算法的局限性	探讨人工智能技术在结肠镜检查中实时检测结直肠息肉的应用及其未来发展	结直肠息肉的实时检测	计算机视觉	结直肠癌	人工智能	深度学习算法	图像	NA
559	2024-12-13	Radiomics and Deep Learning in Nasopharyngeal Carcinoma: A Review 2024, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2023.3269776 PMID:37097799	综述	本文综述了放射组学和深度学习在鼻咽癌临床诊断和治疗中的应用	总结了前沿研究的创新点和应用效果，并提出了改进方向	研究领域存在异质性，研究与临床转化之间存在差距	探讨放射组学和深度学习在鼻咽癌中的应用，并提出改进建议	鼻咽癌的临床诊断和治疗任务	计算机视觉	鼻咽癌	放射组学，深度学习	NA	图像	NA
560	2024-12-13	Beyond Supervised Learning for Pervasive Healthcare 2024, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2023.3296938 PMID:37471188	综述	本文探讨了机器学习和传感技术在医疗保健中的应用，并回顾了超越完全监督学习的趋势，以解决医疗数据稀缺、质量和异质性的问题	总结了七种关键的学习策略，以提高实际部署中的泛化性能，并指出了几个新兴且有前景的方向，如数据高效、可扩展和可信的计算模型，以及利用多模态和多源传感信息	未具体提及	探讨机器学习和传感技术在医疗保健中的应用，并提出解决医疗数据问题的学习策略	医疗保健中的机器学习应用及其面临的挑战	机器学习	NA	NA	NA	NA	NA