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
5261	2024-10-17	DOCTer: a novel EEG-based diagnosis framework for disorders of consciousness 2024-09-24, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad7904 PMID:39255823	研究论文	提出了一种基于EEG的新型诊断框架DOCTer，用于区分意识障碍患者中的最小意识状态和无反应觉醒综合征	DOCTer框架通过提取时间-频率特征和微状态，结合临床特征，实现了端到端的意识障碍诊断	NA	通过EEG信号区分最小意识状态和无反应觉醒综合征	意识障碍患者	机器学习	NA	EEG	深度学习	EEG信号	409个静息状态EEG记录，包括128个无反应觉醒综合征和187个最小意识状态病例
5262	2024-10-17	Integrating spatial and temporal features for enhanced artifact removal in multi-channel EEG recordings 2024-09-19, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad788d PMID:39250956	研究论文	本文提出了一种新的去噪网络STFNet，通过整合空间和时间特征来增强多通道EEG记录中的伪影去除效果	本文创新性地利用自注意力机制显式建模EEG通道间的关系，以提升去噪性能	NA	提升多通道EEG记录中的伪影去除效果	多通道EEG信号中的伪影	机器学习	NA	自注意力机制	STFNet	EEG信号	公开基准数据集
5263	2024-10-17	PD-ARnet: a deep learning approach for Parkinson's disease diagnosis from resting-state fMRI 2024-09-18, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad788b PMID:39250928	研究论文	提出了一种基于深度学习的帕金森病诊断方法PD-ARnet，利用静息态fMRI数据进行自动诊断	开发了一种双分支3D特征提取器和相关驱动加权模块，以捕捉低频振幅和区域同质性的互补信息，并通过注意力增强融合模块有效融合特征	NA	开发一种自动化的帕金森病诊断方法，减少诊断过程中的主观性，提高诊断效率和一致性	帕金森病	机器学习	神经退行性疾病	静息态功能磁共振成像（rs-fMRI）	深度学习模型	图像	145个样本
5264	2024-10-17	Prediction of sudden cardiac death using artificial intelligence: Current status and future directions 2024-Sep-06, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.09.003 PMID:39245250	综述	本文综述了利用人工智能预测心脏性猝死的现状和未来方向	人工智能有望实现个性化的心脏性猝死风险预测，并根据患者独特特征定制预防策略	尽管人工智能有潜力改善心脏性猝死的风险分层，但仍存在重要限制需要解决	提供人工智能预测心脏性猝死模型的最新状态概述，强调这些模型在临床实践中的机会，并识别阻碍其广泛应用的关键挑战	心脏性猝死的风险预测和预防策略	机器学习	心血管疾病	人工智能	机器学习和深度学习算法	复杂数据	NA
5265	2024-10-17	A Deep Learning-Derived Transdiagnostic Signature Indexing Hypoarousal and Impulse Control: Implications for Treatment Prediction in Psychiatric Disorders 2024-Aug-13, Biological psychiatry. Cognitive neuroscience and neuroimaging DOI:10.1016/j.bpsc.2024.07.027 PMID:39142534	研究论文	本文研究了一种基于深度学习的跨诊断特征指数，用于评估低觉醒和冲动控制，并探讨其在精神疾病治疗预测中的应用	本文首次提出了一种基于深度学习的跨诊断生物标志物，能够诊断和预测冲动控制和睡眠问题	研究结果主要基于特定的脑电图特征，可能不适用于所有精神疾病患者	探讨基于研究领域标准（RDoC）的精神疾病研究方法，以发现具有诊断和治疗预测能力的生物标志物	脑电图前额贝塔活动作为潜在的跨诊断生物标志物	机器学习	精神疾病	脑电图	深度学习算法	脑电图数据	共涉及三个数据集，样本量分别为3279、336和1008
5266	2024-10-17	Ultra-low dose hip CT-based automated measurement of volumetric bone mineral density at proximal femoral subregions 2024-Jul-23, Medical physics IF:3.2Q1 DOI:10.1002/mp.17319 PMID:39042053	研究论文	开发并评估了一种基于超低剂量髋部CT的自动化方法，用于评估近端股骨亚区域的体积骨矿物质密度	结合深度学习、形状模型和有限元分析，提出了一种准确、可重复且可推广的算法，用于自动化分割近端股骨和解剖股骨亚区域	NA	开发和评估一种基于超低剂量髋部CT的自动化方法，用于评估近端股骨亚区域的体积骨矿物质密度	近端股骨亚区域的体积骨矿物质密度	计算机视觉	NA	深度学习、有限元分析	深度学习网络	CT图像	100名参与者（50名女性）
5267	2024-10-17	PARKINSON'S DISEASE CLASSIFICATION USING CONTRASTIVE GRAPH CROSS-VIEW LEARNING WITH MULTIMODAL FUSION OF SPECT IMAGES AND CLINICAL FEATURES 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635712 PMID:39398281	研究论文	本文提出了一种多模态方法，利用对比图跨视图融合技术进行帕金森病的分类	引入了一种新颖的多模态共注意力模块，结合了图像和临床特征的低维表示，并设计了一种简化的对比损失融合方法	未提及具体限制	提高帕金森病分类的准确性和多视图数据分析的鲁棒性	帕金森病患者的图像和临床特征	机器学习	帕金森病	对比图跨视图学习	多模态共注意力模块	图像和临床特征	未提及具体样本数量
5268	2024-10-17	UNSUPERVISED AIRWAY TREE CLUSTERING WITH DEEP LEARNING: THE MULTI-ETHNIC STUDY OF ATHEROSCLEROSIS (MESA) LUNG STUDY 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635651 PMID:39398280	研究论文	本文介绍了一种无监督深度学习方法，用于从3D气道分割投影中提取特征并对人类气道树进行聚类	提出了一种无监督深度学习管道，用于从3D气道分割投影中直接学习特征提取和气道树聚类	NA	研究气道树的变异及其与不良健康结果的关联	人类气道树的特征和聚类	计算机视觉	心血管疾病	深度学习	NA	图像	MESA肺部CT队列中的四个可重复且临床上不同的气道亚型
5269	2024-10-17	Feature Extraction With Stacked Autoencoders for EEG Channel Reduction in Emotion Recognition 2024 May-Jun, Basic and clinical neuroscience IF:1.0Q4 DOI:10.32598/bcn.2023.5138.2 PMID:39403356	研究论文	本文研究了使用堆叠自编码器进行脑电图通道减少以提高情感识别的特征提取方法	提出了一种利用深度学习减少脑电图通道数量并保持信号质量的方法，通过堆叠自编码器提取情感分类的最优特征	实验结果显示分类准确率在75.7%和74.4%之间，仍有提升空间	研究如何通过减少脑电图通道数量来提高情感识别的效率和准确性	脑电图信号的特征提取和情感识别	机器学习	NA	堆叠自编码器	自编码器网络	脑电图信号	32个通道减少到12个通道
5270	2024-10-17	Transferable non-invasive modal fusion-transformer (NIMFT) for end-to-end hand gesture recognition 2024-04-09, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad39a5 PMID:38565124	研究论文	本文提出了一种可迁移的非侵入式模态融合-变压器（NIMFT）模型，用于端到端的手势识别	创新点在于使用非侵入式的多模态融合机制，通过多头的交叉注意力机制有效整合sEMG和ACC信号，提高了模型的泛化能力和训练效率	NA	开发一种端到端且可跨受试者迁移的模型，用于手势识别	手势识别中的sEMG和ACC信号	机器学习	NA	多模态融合	变压器（Transformer）	信号	Ninapro DB2数据集中的三个动作集
5271	2024-10-17	Influence of spatio-temporal filtering on hand kinematics estimation from high-density EMG signals 2024-03-25, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad3498 PMID:38525843	研究论文	研究了时空滤波对从高密度表面肌电信号（sEMG）估计手部运动学的影响	展示了使用全带宽信号和高密度电极系统可以显著提高手部运动学估计的准确性	研究结果表明，增加电极数量可能进一步提高准确性，但未在当前研究中验证	探讨如何通过优化sEMG信号的预处理和电极数量来提高手部运动学估计的准确性	高密度sEMG信号和手部运动学	机器学习	NA	表面肌电图（sEMG）	深度学习	信号	13名受试者的320个电极记录的sEMG信号
5272	2024-10-17	Optimizing Deep Learning for Cardiac MRI Segmentation: The Impact of Automated Slice Range Classification 2024-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.07.008 PMID:37541826	研究论文	本研究通过集成自动切片范围分类步骤，优化了深度学习在心脏MRI分割中的应用	本研究创新性地引入了自动切片范围分类步骤，显著提高了深度学习模型在心脏MRI分割中的性能	本研究的局限性在于仅使用了公开数据集，未来需要进一步验证其在不同数据集上的泛化能力	本研究旨在优化深度学习在心脏MRI分割中的应用，减少人工分割的偏差	本研究主要针对心脏MRI图像中的左心室、右心室和心肌进行分割	计算机视觉	心血管疾病	深度学习	2D-UNet	图像	本研究使用了160个训练样本、40个验证样本和160个测试样本
5273	2024-10-17	CNNs trained with adult data are useful in pediatrics. A pneumonia classification example 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306703 PMID:39052572	研究论文	本文探讨了使用成人数据训练的卷积神经网络（CNN）在儿科医疗中的适用性，并以肺炎分类为例进行了验证	本文展示了使用成人数据训练的CNN在儿科医疗中的适应性和有效性，为解决儿科数据稀缺问题提供了一种新思路	本文仅以肺炎分类为例，未涵盖其他儿科疾病，且研究样本仅限于1至5岁的儿童	验证使用成人数据训练的CNN在儿科医疗中的适用性	1至5岁儿童的胸部X光片	计算机视觉	肺炎	卷积神经网络（CNN）	CNN	图像	46,947张成人胸部X光片用于训练，5,856张1至5岁儿童胸部X光片用于评估
5274	2024-10-17	Multi-disease X-ray Image Classification of the Chest Based on Global and Local Fusion Adaptive Networks 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056291283240808045952 PMID:39150027	研究论文	本文提出了一种基于全局和局部融合自适应网络的多疾病胸部X光图像分类方法	本文创新性地设计了MMPDenseNet网络，结合了自适应激活函数Meta-ACON、多头自注意力机制和金字塔挤压注意力模块，以增强特征表示和提取能力	NA	利用先进的图像处理技术和深度学习算法，自动分析和识别胸部X光图像中的病理或结构异常	胸部X光图像中的多标签疾病分类	计算机视觉	NA	深度学习算法	MMPDenseNet	图像	NA
5275	2024-10-17	Revolution of Medical Review: The Application of Meta-Analysis and Convolutional Neural Network-Natural Language Processing in Classifying the Literature for Head and Neck Cancer Radiotherapy 2024 Jan-Dec, Cancer control : journal of the Moffitt Cancer Center IF:2.5Q3 DOI:10.1177/10732748241286688 PMID:39323027	研究论文	本研究探讨了元分析和卷积神经网络-自然语言处理（CNN-NLP）技术在分类头颈癌放疗相关文献中的应用	通过将统计分析与深度学习相结合，成功识别了与正常组织并发症概率（NTCP）相关的关键研究	数据质量和模型泛化存在挑战	提高文献综述的效率和准确性	头颈癌放疗相关文献	自然语言处理	头颈癌	卷积神经网络-自然语言处理（CNN-NLP）	卷积神经网络（CNN）	文本	NA
5276	2024-10-17	Multi-Scale Spatio-Temporal Memory Network for Lightweight Video Denoising 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3444315 PMID:39378250	研究论文	提出了一种多尺度时空记忆网络（MSTMN）用于轻量级视频去噪，旨在提高成本与性能之间的平衡	利用高斯-拉普拉斯金字塔分解的多尺度表示，设计了有效的方差估计、对齐误差估计和自适应融合模块，并引入了记忆增强模块以利用全局时空信息	未提及具体限制	解决深度学习视频去噪方法在实际应用中的高计算成本问题	视频去噪算法	计算机视觉	NA	高斯-拉普拉斯金字塔分解	多尺度时空记忆网络（MSTMN）	视频	使用了真实世界的原始视频数据集进行实验
5277	2024-10-17	LTPLN: Automatic pavement distress detection 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309172 PMID:39388401	研究论文	本文提出了一种基于轻量级Transformer Patch标签网络（LTPLN）的新方法，用于提高路面病害自动检测的效率	引入轻量级Transformer模型，结合深度可分离卷积模块和标签蒸馏策略，显著降低了计算复杂度并提高了检测速度	实验结果主要基于私有和公共数据集，尚未在更广泛的环境中验证其泛化能力	提高路面病害自动检测的效率和准确性	路面病害检测	计算机视觉	NA	Transformer模型，深度可分离卷积	轻量级Transformer Patch标签网络（LTPLN）	图像	私有路面病害数据集和公共数据集
5278	2024-10-17	Automated Fusion of Multimodal Electronic Health Records for Better Medical Predictions 2024, Proceedings of the ... SIAM International Conference on Data Mining. SIAM International Conference on Data Mining DOI:10.1137/1.9781611978032.41 PMID:39399238	研究论文	本文提出了一种名为AutoFM的神经架构搜索框架，用于自动融合多模态电子健康记录数据，以提高医疗预测的准确性	本文的创新点在于提出了一个自动化的神经架构搜索框架AutoFM，能够自动搜索最优的模型架构，用于编码多样的输入模态和融合策略	NA	本文的研究目的是通过自动化模型设计来挖掘电子健康记录数据，以提高医疗服务的质量	本文的研究对象是多模态电子健康记录数据	机器学习	NA	神经架构搜索 (NAS)	神经网络	电子健康记录 (EHR) 数据	NA
5279	2024-10-17	Specialized gray matter segmentation via a generative adversarial network: application on brain white matter hyperintensities classification 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1416174 PMID:39403067	研究论文	本文提出了一种基于生成对抗网络（GAN）的灰质分割方法，用于脑白质高信号（WMH）分类，特别是针对皮质旁WMH（JCWMH）的分类	本文创新性地使用条件生成对抗网络（cGAN）替代传统的分割流程，仅使用FLAIR图像进行WMH分类，显著提高了分类效率和准确性	由于缺乏多类标记的WMH数据集，研究中需要手动分割和标记部分数据，这可能影响模型的泛化能力	开发一种自动化的WMH检测和分类方法，以辅助脑部疾病的诊断和监测	脑白质高信号（WMH），特别是皮质旁WMH（JCWMH）	计算机视觉	多发性硬化症（MS）	生成对抗网络（GAN）	条件生成对抗网络（cGAN）	图像	大量本地数据集，手动分割和标记部分WMH和脑室数据
5280	2024-10-17	Prediction Model for in-Stent Restenosis Post-PCI Based on Boruta Algorithm and Deep Learning: The Role of Blood Cholesterol and Lymphocyte Ratio 2024, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S487511 PMID:39403292	研究论文	本文基于Boruta算法和深度学习开发了一种预测PCI术后支架内再狭窄的模型，并探讨了血胆固醇与淋巴细胞比率在其中的作用	首次将胆固醇-淋巴细胞比率（CLR）作为预测支架内再狭窄的新生物标志物，并结合深度学习模型进行预测	研究为回顾性分析，样本量有限，需进一步前瞻性研究验证	开发一种预测PCI术后支架内再狭窄的模型，并评估CLR的预测价值	PCI术后支架内再狭窄的预测及CLR的预测作用	机器学习	心血管疾病	深度学习	多层感知器（MLP）	临床和实验室数据	1967名患者