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
2121	2024-12-08	Towards multi-agent system for learning object recommendation 2024-Oct-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39088 PMID:39640789	研究论文	本文介绍了一种基于多智能体系统和深度学习的教育内容推荐系统，旨在根据学习者的知识水平和学习风格提供个性化的学习对象推荐	本文创新性地结合了多智能体系统和深度学习技术，通过四个智能体（学习者代理、导师代理、学习对象代理和推荐代理）协同工作，提供个性化的学习对象推荐	NA	开发一种能够根据学习者知识水平和学习风格提供个性化学习对象推荐的多智能体系统	在线教育内容推荐系统	机器学习	NA	卷积神经网络 (CNN) 和多层感知器 (MLP)	多智能体系统	文本	NA
2122	2024-12-08	AI-based fingerprint index of visceral adipose tissue for the prediction of bowel damage in patients with Crohn's disease 2024-Oct-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111022 PMID:39635135	研究论文	开发了一种基于人工智能的内脏脂肪组织指纹指数，用于预测克罗恩病患者的肠道损伤	提出了内脏脂肪组织指纹指数（VAT-FI），并证明其在预测肠道损伤方面比皮下脂肪组织指纹指数（SAT-FI）更准确	NA	开发和验证一种新的生物标志物，用于预测克罗恩病患者的肠道损伤	克罗恩病患者的内脏脂肪组织和肠道损伤	计算机视觉	消化系统疾病	放射组学和深度学习	NA	图像	1135名克罗恩病患者，分为训练组（600例）和测试组（535例）
2123	2024-12-08	BIBSNet: A Deep Learning Baby Image Brain Segmentation Network for MRI Scans 2024-Oct-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.22.533696 PMID:36993540	研究论文	介绍了一种用于婴儿MRI图像脑部分割的深度学习网络BIBSNet	BIBSNet通过数据增强和大量手动标注图像的训练，提高了脑部分割的鲁棒性和泛化能力	NA	研究婴儿MRI图像的脑部分割，以促进发育性精神健康和疾病的研究	婴儿的MRI脑部图像	计算机视觉	NA	深度学习	神经网络	图像	84名年龄在0-8个月之间的参与者
2124	2024-12-08	Prediction of homologous recombination deficiency from routine histology with attention-based multiple instance learning in nine different tumor types 2024-Oct-08, BMC biology IF:4.4Q1 DOI:10.1186/s12915-024-02022-9 PMID:39379982	研究论文	研究使用基于注意力机制的多实例学习（attMIL）从常规组织学图像中预测同源重组缺陷（HRD）状态	首次证明可以通过常规组织学图像直接预测HRD状态，并展示了其在九种不同肿瘤类型中的适用性	研究仅限于九种肿瘤类型，且需要进一步验证其在其他肿瘤类型中的适用性	验证深度学习方法能否仅基于常规组织学图像预测HRD状态	九种不同类型的肿瘤	数字病理	NA	全基因组测序（WGS）	基于注意力机制的多实例学习（attMIL）	图像	5209名患者
2125	2024-12-08	Artificial intelligence strengthenes cervical cancer screening - present and future 2024-Sep-19, Cancer biology & medicine IF:5.6Q1 DOI:10.20892/j.issn.2095-3941.2024.0198 PMID:39297572	综述	本文综述了人工智能在宫颈癌筛查中的应用现状及未来发展	探讨了人工智能技术在宫颈癌筛查中的应用，特别是深度学习算法在医学图像识别中的潜力	本文主要讨论了当前的应用和未来的挑战，但未深入探讨具体的实施细节和实际效果	报告人工智能在宫颈癌筛查中的现状，并讨论未来的应用和挑战	人工智能技术在宫颈癌筛查中的应用，特别是图像识别技术	计算机视觉	宫颈癌	深度学习	NA	图像	NA
2126	2024-12-08	Accuracy of deep learning-based upper airway segmentation 2024-Sep-05, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.102048 PMID:39244033	研究论文	本研究评估了基于深度学习的自动上呼吸道分割模型与半自动方法在正畸治疗中的准确性	本研究首次使用MONAI Label框架训练自动分割模型，并与ITK-SNAP半自动方法进行比较	本研究仅评估了自动和半自动方法在特定数据集上的表现，未涉及其他数据集或临床应用	评估自动和半自动上呼吸道分割方法的准确性，以辅助正畸治疗中的诊断和规划	上呼吸道体积和形态的分割准确性	计算机视觉	NA	深度学习	NA	图像	未明确提及样本数量
2127	2024-12-08	Snapshot computational spectroscopy enabled by deep learning 2024-Sep, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2024-0328 PMID:39635447	研究论文	本文开发了一种基于超表面集成计算光谱仪和深度学习算法的计算光谱学方法，实现了单次操作、亚纳米光谱分辨率和直接材料表征	本文提出了一种新型的计算光谱学方法，结合超表面技术和深度学习算法，实现了传统光谱仪的功能，同时具有便携性和低成本的优势	NA	开发一种便携、低成本且轻量化的光谱分析方法，以替代传统的笨重且昂贵的光谱仪	光学腔的关键参数和化学溶液的浓度	计算机视觉	NA	深度学习	NA	光谱数据	NA
2128	2024-12-08	Digital-SMLM for precisely localizing emitters within the diffraction limit 2024-Aug, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2023-0936 PMID:39635039	研究论文	本文介绍了一种名为Digital-SMLM的新方法，通过结合实验数据集和深度学习，精确预测亚衍射极限点的发射器数量和位置	Digital-SMLM在预测亚衍射极限点的发射器数量和位置方面优于Deep-STORM，并能更准确地恢复目标分子的真实分布	NA	开发一种新的方法，以精确预测亚衍射极限点的发射器数量和位置，用于生物医学研究中的定量分析或分子机制调查	亚衍射极限点的发射器数量和位置	计算机视觉	NA	单分子定位显微镜（SMLM）	深度学习	图像	NA
2129	2024-12-08	Simple models vs. deep learning in detecting low ejection fraction from the electrocardiogram 2024-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztae034 PMID:39081946	研究论文	研究比较了简单模型和深度学习模型在通过心电图检测左心室收缩功能障碍方面的准确性	证明了基于标准心电图测量的简单模型在检测左心室收缩功能障碍方面与深度学习模型具有相似的准确性，并且更易于解释和部署	NA	确定基于标准心电图测量的简单模型是否能与深度学习模型一样准确地检测左心室收缩功能障碍	左心室收缩功能障碍的检测	机器学习	心血管疾病	心电图分析	随机森林模型、逻辑回归模型、深度学习模型	心电图数据	40994份匹配的心电图和超声心动图数据，其中9.72%患有左心室收缩功能障碍
2130	2024-12-08	A Coarse-Fine Collaborative Learning Model for Three Vessel Segmentation in Fetal Cardiac Ultrasound Images 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3390688 PMID:38635389	研究论文	本文提出了一种用于胎儿心脏超声图像中三血管分割的粗细协同学习模型	本文提出了一种名为CoFi-Net的新型深度学习网络，采用粗细协同策略，结合全局定位和精细分割两个并行分支，显著提高了三血管分割的准确性	NA	提高先天性心脏病（CHD）的早期诊断效率	胎儿心脏超声图像中的肺动脉、升主动脉和上腔静脉的分割	计算机视觉	先天性心脏病	深度学习	CoFi-Net	图像	NA
2131	2024-12-08	Prognosis Prediction of Diffuse Large B-Cell Lymphoma in 18F-FDG PET Images Based on Multi-Deep-Learning Models 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3390804 PMID:38635387	研究论文	本文提出了一种新的多深度学习模型，用于基于18F-FDG PET图像的弥漫性大B细胞淋巴瘤（DLBCL）的预后预测	本文提出了一种灵活的集成深度学习模型，通过选择预训练的深度学习模型构建多R-signature，用于预测无进展生存期（PFS）和总生存期（OS）	NA	开发一种多参数模型，用于准确分层DLBCL患者的生存风险，并指导个性化治疗策略	弥漫性大B细胞淋巴瘤（DLBCL）患者的预后预测	计算机视觉	淋巴瘤	深度学习	多深度学习模型	图像	两个不同影像中心的数据集
2132	2024-12-08	Multi-Resolution Wavelet Fractal Analysis and Subtask Training for Enhancing Few-Shot Noisy Brainwave Recognition 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3318419 PMID:37738183	研究论文	本文提出了一种基于多分辨率小波分形分析和子任务训练的框架，用于增强少量噪声脑电波识别	引入多分辨率数据分析和子任务学习方法，通过小波分形捕捉不同尺度的特征，并采用子任务训练提高模型的泛化能力	NA	提高基于脑电波的识别系统在噪声环境下的性能	脑电波数据	机器学习	NA	小波变换	深度学习模型	脑电波数据	少量样本
2133	2024-12-08	GaitNet+ARL: A Deep Learning Algorithm for Interpretable Gait Analysis of Chronic Ankle Instability 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3383588 PMID:38557612	研究论文	本文提出了一种基于深度学习的慢性踝关节不稳（CAI）步态分析算法，结合了图神经网络（GNN）和注意力强化学习（ARL）模型	创新点在于结合了生物力学原理的图神经网络和注意力强化学习模型，显著提高了CAI识别的准确性	NA	旨在开发一种可解释的深度学习算法，用于慢性踝关节不稳的步态分析	慢性踝关节不稳患者和对照组的步态数据	机器学习	运动损伤	图神经网络（GNN），注意力强化学习（ARL）	GNN，ARL	运动学数据	NEU-CAI数据集，由立体摄影测量系统收集
2134	2024-12-08	A Deep Learning Approach to Estimate Multi-Level Mental Stress From EEG Using Serious Games 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3395548 PMID:38687658	研究论文	本研究探讨了通过脑电图（EEG）系统和严肃游戏来估计用户在特定任务中的多层次心理压力的可行性	本研究创新性地结合了严肃游戏和深度学习神经网络，用于分类用户的心理压力水平，并展示了比现有技术更高的预测准确性	NA	评估通过脑电图系统和严肃游戏来估计用户心理压力水平的可行性	用户在特定任务中的心理压力水平	机器学习	NA	脑电图（EEG）	门控循环单元（GRU）	脑电图数据	NA
2135	2024-12-08	A Residual U-Net Neural Network for Seismocardiogram Denoising and Analysis During Physical Activity 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3392532 PMID:38648146	研究论文	提出了一种基于U-Net架构的深度学习模型，用于在步行时去噪和分析心冲击图（SCG）信号	开发了一种新的深度学习模型，能够有效去除运动噪声并保留心脏信息，显著提高了心率和其他健康参数估计的准确性	实验仅在步行时进行，未涵盖其他运动或日常活动	提高在日常活动中使用可穿戴加速度计进行心脏健康监测的准确性	心冲击图（SCG）信号的去噪和分析	机器学习	心血管疾病	深度学习	U-Net神经网络	信号	涉及多个数据集，包括导管和ICG衍生的PEP数据
2136	2024-12-08	SMARTSeiz: Deep Learning With Attention Mechanism for Accurate Seizure Recognition in IoT Healthcare Devices 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3336935 PMID:38055360	研究论文	提出了一种结合卷积神经网络和循环神经网络以及注意力机制的混合方法，用于通过EEG信号分析自动识别癫痫发作	引入了注意力机制，专注于EEG数据的重要子集，从而提高了模型性能	NA	开发一种自动识别癫痫发作的计算机方法，以减少医生的手动工作量	通过EEG信号分析自动识别癫痫发作	机器学习	NA	EEG信号分析	CNN和RNN结合注意力机制	EEG信号	使用了UCI癫痫发作识别数据集，包含五个类别：四个正常条件和一个异常发作条件
2137	2024-12-08	MDDBranchNet: A Deep Learning Model for Detecting Major Depressive Disorder Using ECG Signal 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3390847 PMID:38954560	研究论文	提出了一种名为MDDBranchNet的深度学习模型，用于通过单通道ECG信号检测重度抑郁症	使用并行分支深度学习模型进行重度抑郁症的二分类，并引入了额外的ECG衍生信号（如R-R信号和水平可见图的度分布时间序列），提高了模型准确率约7%	未提及具体限制	开发一种能够在日常生活中通过ECG信号早期检测重度抑郁症的深度学习模型	重度抑郁症的早期检测	机器学习	精神疾病	深度学习	并行分支深度学习模型	ECG信号	未提及具体样本数量
2138	2024-12-08	A Deep Learning Approach for Fear Recognition on the Edge Based on Two-Dimensional Feature Maps 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3392373 PMID:38648140	研究论文	本文提出了一种基于生理信号的可穿戴设备恐惧识别方法，通过创建二维特征图并使用深度学习模型进行分类	本文的创新点在于将图像处理中的深度学习模型应用于生理信号的恐惧识别，并验证了其在边缘设备上的可行性	NA	开发一种基于生理信号的恐惧识别方法，并验证其在边缘设备上的实时检测能力	可穿戴设备采集的生理信号	机器学习	NA	深度学习	NA	生理信号	两个不同数据集，WEMAC、WESAD 3-classes和WESAD 2-classes
2139	2024-12-08	Protecting Prostate Cancer Classification From Rectal Artifacts via Targeted Adversarial Training 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3384970 PMID:38954559	研究论文	本文提出了一种新的目标对抗训练策略，用于保护前列腺癌分类模型免受直肠伪影的影响	本文创新性地提出了基于临床先验知识生成具有直肠伪影模式的对抗样本，并通过联合训练提高模型的分类性能	NA	研究如何减少直肠伪影对前列腺癌分类模型的影响	前列腺癌分类模型	计算机视觉	前列腺癌	磁共振成像 (MRI)	深度神经网络 (DNN)	图像	多个前列腺癌分类模型
2140	2024-12-08	Deep Learning-Enhanced Internet of Things for Activity Recognition in Post-Stroke Rehabilitation 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3332735 PMID:37963004	研究论文	本文提出了一种结合深度学习模型和物联网技术的方法，用于中风康复中的活动识别	本文提出了一种基于多传感器数据融合机制和双向长短时记忆网络（BiLSTM）的新框架，并引入了注意力机制和增强损失函数来优化学习过程	NA	提高中风患者康复过程中活动监测和识别的准确性	中风患者的日常活动数据	机器学习	中风	深度学习	BiLSTM	传感器数据	两个基准数据集