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
2501	2025-01-03	Digital Biomarker for Muscle Function Assessment Using Surface Electromyography With Electrical Stimulation and a Non-Invasive Wearable Device 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.2024.3444890 PMID:39150814	研究论文	本文提出了一种使用表面肌电图（sEMG）结合电刺激和可穿戴设备的数字生物标志物测量技术，用于在家方便地监测肌肉功能	结合电刺激和可穿戴设备，利用卷积神经网络模型从连续小波变换图像中提取深度学习特征，训练回归模型来测量数字生物标志物	研究仅招募了健康参与者，未涉及患有肌肉功能退化的人群	开发一种便捷的肌肉功能监测技术，以检测由肌肉减少症引起的肌肉退化	20-60岁的健康参与者	数字病理学	老年疾病	表面肌电图（sEMG）结合电刺激	卷积神经网络（CNN）	图像	98名健康参与者，包括48名男性
2502	2025-01-03	ABR-Attention: An Attention-Based Model for Precisely Localizing Auditory Brainstem Response 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.2024.3445936 PMID:39159023	研究论文	本文介绍了一种名为ABR-Attention的深度学习网络，用于自动提取听觉脑干反应（ABR）中的特征波V潜伏期	ABR-Attention模型引入了自注意力模块、一阶和二阶导数注意力模块以及回归模块，提高了特征波V潜伏期提取的准确性和效率	尽管ABR-Attention在提取特征波V潜伏期方面表现出色，但其在不同声压水平（SPLs）和不同误差尺度下的效果仍需进一步验证	开发一种自动提取ABR特征波V潜伏期的方法，以减少临床医生的工作量	听觉脑干反应（ABR）中的特征波V潜伏期	机器学习	NA	深度学习	ABR-Attention	信号数据	NA
2503	2025-01-03	A Novel Method to Identify Mild Cognitive Impairment Using Dynamic Spatio-Temporal Graph Neural Network 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.2024.3450443 PMID:39190512	研究论文	本文提出了一种利用动态时空图神经网络识别轻度认知障碍的新方法	首次从时空结构的角度分析rs-fMRI数据，构建了动态时空图神经网络模型，包含时间块、空间块和图池化块三个模块	未提及模型在其他数据集或更大样本上的泛化能力	提高轻度认知障碍（MCI）的识别准确率，并探索其在阿尔茨海默病（AD）研究中的应用	轻度认知障碍（MCI）、阿尔茨海默病（AD）和正常对照组（NC）的受试者	数字病理学	老年疾病	rs-fMRI	动态时空图神经网络	图像	未提及具体样本数量
2504	2025-01-03	A Strong and Simple Deep Learning Baseline for BCI Motor Imagery Decoding 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.2024.3451010 PMID:39196743	研究论文	本文提出了一种名为EEG-SimpleConv的简单1D卷积神经网络，用于脑机接口（BCI）中的运动想象解码	EEG-SimpleConv使用标准组件构建，具有高性能和低推理时间，展示了跨受试者的强大知识转移能力	未明确提及具体局限性	提出一个简单且高性能的基线模型，用于脑机接口中的运动想象解码	脑机接口中的运动想象数据	机器学习	NA	1D卷积神经网络	CNN	EEG数据	四个EEG运动想象数据集
2505	2025-01-03	Effects of Individual Research Practices on fNIRS Signal Quality and Latent Characteristics 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.2024.3458396 PMID:39259640	研究论文	本研究评估了不同实验室在功能性近红外光谱（fNIRS）信号质量上的差异及其潜在特征	首次使用深度学习模型提取fNIRS数据的深层特征，并通过支持向量机（SVM）模型对不同实验室的数据进行分类	研究仅涉及两个实验室的数据，样本量相对较小，可能无法全面反映fNIRS信号质量的差异	评估不同实验室在fNIRS信号质量上的差异及其潜在特征	新加坡（N=74）和意大利（N=84）两个不同实验室收集的fNIRS数据	神经影像学	NA	功能性近红外光谱（fNIRS）	支持向量机（SVM）	fNIRS信号数据	新加坡74人，意大利84人
2506	2025-01-03	Federated Motor Imagery Classification for Privacy-Preserving Brain-Computer Interfaces 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.2024.3457504 PMID:39255189	研究论文	本文提出了一种名为FedBS的联邦学习方法，用于保护EEG数据隐私的脑机接口运动想象分类	FedBS结合了本地批次特定批归一化和锐度感知最小化优化器，以减少不同客户端之间的数据差异并提高模型泛化能力	NA	研究如何在保护用户数据隐私的同时，训练出准确的EEG脑机接口分类器	EEG数据	机器学习	NA	联邦学习	深度学习模型	EEG数据	三个公共运动想象数据集
2507	2025-01-03	Early Detection of Parkinson's Disease Using Deep NeuroEnhanceNet With Smartphone Walking Recordings 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.2024.3462392 PMID:39288062	研究论文	本文利用智能手机的行走记录数据，通过深度学习模型NeuroEnhanceNet进行帕金森病的早期检测	提出了专门针对惯性传感器数据的深度学习模型NeuroEnhanceNet，能够同时关注单通道内的长期数据特征和通道间的相关性	未提及样本的具体数量和多样性，可能影响模型的泛化能力	探索智能手机行走记录数据在帕金森病早期检测中的应用	帕金森病患者	数字病理学	帕金森病	深度学习	NeuroEnhanceNet	惯性传感器数据	NA
2508	2025-01-03	Cortical ROI Importance Improves MI Decoding From EEG Using Fused Light Neural Network 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.2024.3461339 PMID:39283802	研究论文	本文提出了一种基于融合轻量神经网络的脑电信号运动想象解码方法，通过区域重要性提升解码性能	提出了一种新的运动想象解码方法，通过区域重要性（RI）和代表性偶极子（RD）来增强特征提取，并结合2D可分离卷积和门控循环单元（2DSCG）进行分类	NA	提高基于脑电信号的运动想象解码性能，用于智能康复的脑机接口	脑电信号（EEG）	机器学习	NA	随机森林算法，2D可分离卷积，门控循环单元（GRU）	2DSCG（2D可分离卷积和门控循环单元）	脑电信号（EEG）	基于两个公开数据集
2509	2025-01-02	Single-nucleus transcriptome atlas of orbitofrontal cortex in amyotrophic lateral sclerosis with a deep learning-based decoding of alternative polyadenylation mechanisms 2024-Dec-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.22.573083 PMID:38187588	研究论文	本文通过单核RNA测序和深度学习模型APA-Net，研究了肌萎缩侧索硬化症（ALS）和额颞叶变性（FTLD）中眶额皮层的细胞类型特异性转录特征和选择性多聚腺苷酸化机制	开发了APA-Net深度学习模型，整合转录序列和RNA结合蛋白表达谱，揭示了细胞类型特异性的选择性多聚腺苷酸化调控模式	研究主要集中于C9orf72相关的ALS和散发性ALS病例，可能不适用于所有ALS亚型	揭示ALS和FTLD中细胞类型特异性的病理机制和转录调控	ALS和FTLD患者的眶额皮层细胞	数字病理学	肌萎缩侧索硬化症	单核RNA测序	APA-Net	RNA序列数据	C9orf72相关ALS（伴或不伴FTLD）和散发性ALS病例
2510	2025-01-02	MEFFNet: Forecasting Myoelectric Indices of Muscle Fatigue in Healthy and Post-Stroke During Voluntary and FES-Induced Dynamic Contractions 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.2024.3431024 PMID:39028608	研究论文	本文提出了一种名为MEFFNet的深度学习模型，用于预测健康和中风后患者在自主和FES诱导动态收缩中的肌电疲劳指数	将迁移学习引入深度学习模型MEFFNet，用于预测动态收缩中的肌电疲劳指数，并在合成时间序列数据集上进行预训练以提高预测性能	研究样本量较小，且仅针对肘部屈伸运动进行测试，未涵盖其他肌肉群或运动类型	开发一种能够预测肌电疲劳指数的深度学习模型，以应用于可穿戴技术、辅助设备（如外骨骼和假肢）和功能性电刺激（FES）神经假体等领域	健康和中风后患者在自主和FES诱导动态收缩中的肌电疲劳指数	机器学习	中风	功能性电刺激（FES）	MEFFNet	时间序列数据	16名健康受试者和17名中风后受试者
2511	2025-01-01	Applications of Transformers in Computational Chemistry: Recent Progress and Prospects 2024-Dec-31, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.4c03128 PMID:39737793	综述	本文综述了Transformer模型在计算化学中的应用及其未来前景	与传统的机器学习和深度学习技术相比，Transformer模型具有细粒度的特征捕捉能力，能够高效准确地建模长序列数据的依赖关系，模拟复杂多样的化学空间，并探索数据背后的计算逻辑	NA	探讨Transformer模型在计算化学中的应用及其未来研究方向	Transformer模型及其在计算化学中的应用	计算化学	NA	NA	Transformer	长序列数据	NA
2512	2025-01-01	An efficient surface electromyography-based gesture recognition algorithm based on multiscale fusion convolution and channel attention 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81369-z PMID:39730496	研究论文	本文提出了一种基于多尺度融合卷积和通道注意力的高效表面肌电信号手势识别算法	提出了Residual-Inception-Efficient (RIE)模型，结合了Inception模块和高效通道注意力机制，降低了算法复杂度并提高了识别精度	未提及具体局限性	实现更高效的多类型手势识别	表面肌电信号（sEMG）	机器学习	NA	NA	Residual-Inception-Efficient (RIE)模型	表面肌电信号（sEMG）	NinaPro DB1、DB3和DB4数据集，分别包含14,040、3,234和3,120个手势样本
2513	2024-12-30	A proficient approach for the classification of Alzheimer's disease using a hybridization of machine learning and deep learning 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81563-z PMID:39730532	研究论文	本文提出了一种结合机器学习和深度学习的新方法，用于阿尔茨海默病的早期检测和分类	提出了一种独特的机器学习和深度学习结合的方法，优化了阿尔茨海默病检测和分类的精度和准确性	NA	早期检测和分类阿尔茨海默病	阿尔茨海默病患者	机器学习	阿尔茨海默病	结构磁共振成像（sMRI）	混合模型（机器学习和深度学习）	图像	NA
2514	2025-01-01	Limitations of panoramic radiographs in predicting mandibular wisdom tooth extraction and the potential of deep learning models to overcome them 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81153-z PMID:39730557	研究论文	本研究探讨了全景X光片在预测下颌智齿拔除难度中的局限性，并评估了深度学习模型在此任务中的潜力	首次使用深度学习模型（AlexNet和VGG-16）来预测智齿拔除过程中是否需要牙齿分离或骨移除，并与口腔外科医生的预测能力进行了比较	仅使用全景X光片进行预测，准确率较低，表明单独使用全景X光片预测智齿拔除难度具有挑战性	预测下颌智齿拔除的难度，并评估深度学习模型在此任务中的表现	下颌智齿	数字病理	NA	深度学习	CNN（AlexNet和VGG-16）	图像（全景X光片）	NA
2515	2025-01-01	SHIVA-CMB: a deep-learning-based robust cerebral microbleed segmentation tool trained on multi-source T2*GRE- and susceptibility-weighted MRI 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81870-5 PMID:39730628	研究论文	本文介绍了一种基于深度学习的脑微出血（CMB）分割工具SHIVA-CMB，该工具在多种来源的T2*GRE和磁敏感加权MRI数据上进行了训练	SHIVA-CMB是首个公开分享预训练模型的CMB检测工具，具有较高的泛化能力和性能	尽管在多个数据集上表现出色，但模型的性能可能仍受限于训练数据的多样性和数量	开发一种能够在大规模研究中快速表征CMB的工具，以促进对CMB病理生理学和功能后果的研究	脑微出血（CMB）	数字病理学	脑血管疾病	深度学习	3D Unet	MRI图像	450次扫描来自六个不同的队列研究，测试集包括96次扫描，另外还有1992次T2*加权扫描用于验证
2516	2025-01-01	CDUNeXt: efficient ossification segmentation with large kernel and dual cross gate attention 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82199-9 PMID:39730708	研究论文	本文提出了一种名为CDUNeXt的轻量级、自动且高效的方法，用于识别黄韧带骨化区域	首次将深度学习方法引入黄韧带骨化诊断，设计了轻量级模块结构，利用大核卷积提取图像特征的长距离依赖，并采用双交叉门注意力机制（DCGA）顺序捕捉通道和空间依赖，以实现快速准确的分割	目前仅依赖医生的主观经验进行识别，效率低且误差大	解决黄韧带骨化区域准确高效识别的临床痛点	黄韧带骨化区域	医学图像分割	脊柱狭窄	深度学习	CDUNeXt	图像	NA
2517	2025-01-01	Enhanced human activity recognition in medical emergencies using a hybrid deep CNN and bi-directional LSTM model with wearable sensors 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82045-y PMID:39730745	研究论文	本文提出了一种结合深度CNN和双向LSTM的混合模型，用于提高医疗紧急情况下的人类活动识别	提出了CNN-BiLSTM模型，并采用欠采样技术，显著提高了人类活动识别的准确性	模型仅在两个公开数据集上进行了评估，可能在其他数据集上的泛化能力有待验证	提高医疗紧急情况下的人类活动识别准确性	人类活动	机器学习	老年疾病	NA	CNN, BiLSTM	传感器数据	MHEALTH和Actitracker两个公开数据集
2518	2025-01-01	A new prediction model based on deep learning for pig house environment 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82492-7 PMID:39730744	研究论文	提出了一种基于贝叶斯优化、压缩激励块、卷积神经网络和门控循环单元的猪舍环境预测模型，以提高预测精度和动物福利，并提前采取控制措施	结合贝叶斯优化、压缩激励块、卷积神经网络和门控循环单元，提出了一种新的猪舍环境预测模型，显著提高了预测精度和稳定性	未提及模型在其他类型环境或更大规模数据集上的适用性	提高猪舍环境预测精度，优化动物福利和环境控制	猪舍环境参数（温度、湿度、CO和NH浓度）	机器学习	NA	贝叶斯优化、卷积神经网络、门控循环单元	BO-SE-CNN-GRU	环境数据	NA
2519	2025-01-01	Leveraging fuzzy embedded wavelet neural network with multi-criteria decision-making approach for coronary artery disease prediction using biomedical data 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82019-0 PMID:39730749	研究论文	本文提出了一种结合模糊小波神经网络和多准则决策方法的冠状动脉疾病预测技术	提出了LFWNNDMA-CADP技术，结合了模糊小波神经网络、改进的蚁群优化算法和混合小龙虾优化算法与自适应差分进化技术，用于冠状动脉疾病的预测	未提及具体的数据集大小和样本类型，可能影响模型的泛化能力	通过多准则决策模型预测冠状动脉疾病，提高诊断准确率	冠状动脉疾病患者	机器学习	心血管疾病	模糊小波神经网络、改进的蚁群优化算法、混合小龙虾优化算法与自适应差分进化技术	FWNN	生物医学数据	NA
2520	2025-01-01	Quality prediction of air-cured cigar tobacco leaf using region-based neural networks combined with visible and near-infrared hyperspectral imaging 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82586-2 PMID:39732746	研究论文	本研究利用可见光和近红外高光谱成像技术结合深度学习模型，预测不同空气固化阶段的雪茄烟叶质量	首次将多样化区域卷积神经网络（DR-CNN）应用于雪茄烟叶质量预测，并展示了其相较于传统方法的优越性	研究仅在特定环境条件下进行，未考虑其他可能影响烟叶质量的因素	评估深度学习方法在克服数据限制方面的可行性，开发基于VNIR-HSI的雪茄烟叶质量预测模型	雪茄烟叶	计算机视觉	NA	可见光和近红外高光谱成像（VNIR-HSI）	多样化区域卷积神经网络（DR-CNN）	图像	NA