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
10461	2024-08-05	NeoSSNet: Real-Time Neonatal Chest Sound Separation Using Deep Learning 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3401571 PMID:38899018	研究论文	本研究介绍了一种名为NeoSSNet的新型深度学习模型，旨在实时分离新生儿的胸部声音	创新点在于提出了类似于Conv-TasNet的基于掩蔽的架构，并结合了一维卷积和变换器架构的掩蔽生成器	NA	研究旨在改进新生儿胸音分离的质量和效率	主要针对新生儿的心音和肺音	数字病理学	心血管疾病和呼吸系统疾病	深度学习	卷积神经网络（CNN）	声音	NA
10462	2024-08-05	UKSSL: Underlying Knowledge Based Semi-Supervised Learning for Medical Image Classification 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2023.3305190 PMID:38899016	研究论文	本研究介绍了一种基于潜在知识的半监督框架UKSSL，用于医学图像分类。	提出了一种结合MedCLR和UKMLP的框架，有效利用未标记数据和少量标记数据进行医学图像分类。	研究仅使用了50%的标记数据，可能影响结果的推广性。	旨在解决医学图像分类中由于标记数据稀缺而导致的训练高性能模型的挑战。	研究对象为未标记和有限标记的医学图像。	计算机视觉	NA	深度学习	NA	医学图像	使用了LC25000和BCCD数据集，其中50%为标记数据
10463	2024-08-05	Multimodal Emotion Recognition Based on Facial Expressions, Speech, and EEG 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2023.3240280 PMID:38899017	研究论文	本文提出了一种基于深度学习的多模态情感识别方法Deep-Emotion，能够有效集成面部表情、语音和脑电图（EEG）的特征	提出了一种新框架Deep-Emotion，包括改进的GhostNet、轻量级全卷积神经网络和树状LSTM模型以提升情感识别性能	需要处理的计算能力增加，实时检测与提升深度神经网络的鲁棒性仍然是挑战	提升多模态情感识别的表现和准确性	面部表情、语音和脑电图（EEG）的情感特征	机器学习	NA	脑电图（EEG）、深度学习	GhostNet, LFCNN, tLSTM	图像、音频	使用了CK+、EMO-DB和MAHNOB-HCI等数据集进行广泛实验
10464	2024-08-05	Gastric Section Correlation Network for Gastric Precancerous Lesion Diagnosis 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2023.3277219 PMID:38899022	研究论文	本文提出了一种通过内镜图像诊断胃早期癌前病变的新方法	提出了胃部分相关网络（GSCNet），首次实现从内镜图像中识别高胃癌风险患者	NA	诊断胃体优先的胃炎指数（CGI）以识别高胃癌风险患者	内镜图像中的胃部分	数字病理学	胃癌	内镜图像分析	深度学习网络	图像	NA
10465	2024-08-05	Guest Editorial Introduction to the Special Section on Weakly-Supervised Deep Learning and Its Applications 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3404653 PMID:38899020	评论	本篇文章介绍了弱监督深度学习及其在生物医学数据分析中的应用	提出了弱监督深度学习技术作为解决生物医学数据分析挑战的新方法	涉及的特定限制尚未在摘要中提及	探讨弱监督深度学习技术在生物医学数据分析中的应用	生物医学领域的数据，包括信号、图像和视频	深度学习	NA	深度学习	GANs, GNNs, ViTs, DRL	信号、图像和视频	NA
10466	2024-08-05	Deep Learning-Based Glucose Prediction Models: A Guide for Practitioners and a Curated Dataset for Improved Diabetes Management 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3365290 PMID:38899015	研究论文	本文构建了一系列基于深度学习的血糖预测模型，并比较了它们的效果。	提出了一套精心策划的数据集，并系统比较了不同深度学习架构在血糖预测中的表现。	研究可能受到样本选择和个体数据量的限制，未提及特定的限制条件。	研究旨在改善糖尿病管理，通过深度学习技术构建精确的血糖预测模型。	研究对象为健康个体和糖尿病患者，通过可穿戴传感器收集生理数据。	机器学习	糖尿病	深度学习	NA	生理数据	包含来自健康个体和糖尿病患者的数据，样本量未具体说明
10467	2024-08-05	Deciphering seizure semiology in corpus callosum injuries: A comprehensive systematic review with machine learning insights 2024-07, Clinical neurology and neurosurgery IF:1.8Q2 DOI:10.1016/j.clineuro.2024.108316 PMID:38762973	综述	本系统评价分析了胼胝体损伤对癫痫半影的影响，并提供了相关的神经科学和临床启示	本研究结合机器学习和深度学习技术，揭示了癫痫类型、半影参数与胼胝体损伤位置之间的显著相关性	排除了其他皮层或亚皮层涉及的研究，可能限制了对癫痫综合症的全面理解	阐明胼胝体损伤与癫痫表现之间的关系	与胼胝体损伤相关的癫痫发作的临床表现和电生理特征	机器学习	NA	机器学习 (随机森林) 和深度学习 (1D-CNN)	NA	文献数据	41项研究，共涉及56名患者
10468	2024-08-05	LGDNet: local feature coupling global representations network for pulmonary nodules detection 2024-Jul, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03043-w PMID:38429443	研究论文	本文提出了一种名为LGDNet的新框架，用于通过融合局部特征和全局表示来检测肺CT扫描中的可疑肺结节	LGDNet通过设计双支路模块和注意力门模块来克服现有卷积神经网络在长距离依赖性和上下文信息捕捉方面的局限性	目前的研究可能仍然受限于现有数据集的多样性和规模	旨在提高肺结节检测的灵敏度，尤其是小尺寸结节的检测	可疑肺结节	计算机视觉	肺癌	深度学习	CNN与Transformer的结合	图像	使用了大规模的LIDC数据集进行实验
10469	2024-08-05	A survey of label-noise deep learning for medical image analysis 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103166 PMID:38613918	综述	这篇文章提供了医疗图像分析中标签噪声深度学习的最新调查	首次系统整理和归纳了医疗图像领域的标签噪声学习文献，并进行了方法论比较	没有提供具体的实验数据和实证研究	旨在为研究人员和从业者提供对现有医疗标签噪声学习的深入理解	医疗图像中的标签噪声学习方法	计算机视觉	NA	深度学习	NA	医学图像	NA
10470	2024-08-05	A novel machine learning model for breast cancer detection using mammogram images 2024-Jul, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03057-4 PMID:38575824	研究论文	本研究提出了一种新颖的机器学习模型用于乳腺癌检测，利用乳腺X光图像进行特征提取和分类优化	提出了一种基于概率主成分分析的特征提取方法，并结合了多种优化技术以提高分类精度	研究中未提及样本的多样性或数据集的偏差问题	旨在提高乳腺癌的早期检测率以改善患者的康复机会	研究对象是乳腺癌患者的乳腺X光图像	计算机视觉	乳腺癌	深度学习	集成模型，使用朴素贝叶斯分类器和转移集成卷积神经网络	图像	使用INbreast数据集进行评估
10471	2024-08-05	A hybrid EEG classification model using layered cascade deep learning architecture 2024-Jul, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03072-5 PMID:38507121	研究论文	本文提出了一种混合EEG分类模型，利用分层级联深度学习架构进行多类分类。	创新性地将主成分分析网络（PCANet）与相空间重构（PSR）和功率谱密度（PSD）结合，用于EEG信号的分类。	NA	提升基于EEG的癫痫检测的准确性和鲁棒性。	着重研究EEG信号的多类分类。	计算机视觉	NA	主成分分析网络（PCANet），相空间重构（PSR），功率谱密度（PSD）	深度学习模型	EEG信号	NA
10472	2024-08-05	Clinical evaluation of deep learning-based risk profiling in breast cancer histopathology and comparison to an established multigene assay 2024-Jul, Breast cancer research and treatment IF:3.0Q2 DOI:10.1007/s10549-024-07303-z PMID:38592541	研究论文	本研究评估了Stratipath Breast工具在乳腺癌组织病理学中的风险分层效果，并与已建立的多基因检测进行了比较	首次将深度学习的图像风险评估与传统多基因检测相比较，提供了新的临床决策支持	研究仅限于ER阳性和HER2阴性的早期乳腺癌患者，可能不适用于其他类型的乳腺癌	评估深度学习工具在乳腺癌风险评估中的有效性	234例侵袭性ER阳性/HER2阴性乳腺肿瘤	数字病理学	乳腺癌	深度学习图像分析	NA	图像	234例侵袭性ER阳性/HER2阴性乳腺肿瘤
10473	2024-08-05	[New Method of Paired Comparison for Improved Observer Shortage Using Deep Learning Models] 2024-Jun-20, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.2024-1446 PMID:38763757	研究论文	本研究旨在验证使用深度学习观察者替代成对比较中的传统观察者的潜力	首次提出使用深度学习模型替代人工观察者进行影像成对比较	仅在有限的虚拟样本（7点噪声评估）上进行验证，可能未能代表更广泛的应用场景	评估深度学习模型在影像成对比较中的应用潜力	使用计算机断层扫描获取的虚拟影像进行比较	数字病理学	NA	计算机断层扫描	VGG16和VGG19	影像	14名具有10年以上经验的放射技师的成对比较数据
10474	2024-08-05	Minimization of occurrence of retained surgical items using machine learning and deep learning techniques: a review 2024-Jun-18, BioData mining IF:4.0Q1 DOI:10.1186/s13040-024-00367-z PMID:38890729	review	本文回顾了机器学习和深度学习在防止保留外科物品中的应用	创新点在于强调了一种多层次的方法，结合了机器学习和深度学习的优势以降低RSI风险	该文章并未提供具体的实验数据或模型性能评估	探讨机器学习和深度学习技术在防止保留外科物品中的应用	最近发表的关于RSI预防和诊断的文章	机器学习	NA	机器学习, 深度学习	NA	数据集	NA
10475	2024-08-05	A radiomics-boosted deep-learning for risk assessment of synchronous peritoneal metastasis in colorectal cancer 2024-Jun-18, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01733-5 PMID:38886244	研究论文	本研究旨在通过PET/CT图像创建一个增强放射组学的深度学习模型，以评估结直肠癌同步腹膜转移的风险	结合放射组学与深度学习，以提高对结直肠癌同步腹膜转移的风险评估的准确性	研究未详细讨论不同治疗方法的影响和外部验证样本的限制	评估结直肠癌同步腹膜转移的风险	220例结直肠癌患者	数字病理学	结直肠癌	PET/CT	ResNet50	图像	220
10476	2024-08-05	Robust brain tumor classification by fusion of deep learning and channel-wise attention mode approach 2024-Jun-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01323-3 PMID:38886661	研究论文	本研究通过结合深度学习和通道注意力模式提升了脑肿瘤的分类能力	提出了一种新的模型ResNet101-CWAM，利用通道注意力机制来提高脑肿瘤分类的准确性	未探讨其他注意机制（如空间注意或组合注意）对脑肿瘤分类的具体影响	旨在提高脑肿瘤分类的准确性和效率，促进临床决策	主要研究对象为脑肿瘤图像数据	计算机视觉	脑肿瘤	深度学习	ResNet101-CWAM	图像	NA
10477	2024-08-05	Automated diagnosis of schizophrenia based on spatial-temporal residual graph convolutional network 2024-Jun-17, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-024-01250-y PMID:38886737	研究论文	本研究提供了一种基于时空残差图卷积神经网络的精神分裂症分类方法	提出了一种结合时空频率特征的新模型，弥补了传统方法忽视空间频率特征的不足	实验中只使用了两个数据集，可能限制了模型的泛化能力	提高精神分裂症的诊断准确性	精神分裂症患者	深度学习	精神分裂症	时空残差图卷积神经网络 (STRGCN)	图卷积网络	EEG信号	使用了公开数据集Zenodo和自收集的数据集，样本大小分别为未提供具体数字
10478	2024-08-05	Two-step hierarchical binary classification of cancerous skin lesions using transfer learning and the random forest algorithm 2024-Jun-17, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-024-00166-7 PMID:38884841	研究论文	本研究提出了一种两步层次二元分类方法，用于癌性皮肤病变的分类	提出了一种混合机器学习和深度学习的两步层次二元分类方法，尤其在处理大类不平衡时表现出色	受限于公开可用的皮肤病变数据集的规模和数据不平衡	旨在提高皮肤病变的分类精度，促进早期检测和诊断	主要研究癌性皮肤病变的分类	计算机视觉	皮肤癌	深度学习与随机森林	DenseNet121及随机森林	图像	ISIC 2017 数据集中的样本数量为NA
10479	2024-08-05	Effective recognition design in 8-ball billiards vision systems for training purposes based on Xception network modified by improved Chaos African Vulture Optimizer 2024-Jun-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63955-3 PMID:38886386	研究论文	本文研究了一种利用深度学习和图像处理技术设计的8球台球机器人视觉系统	本研究采用改进的混沌非洲秃鹰优化算法优化Xception网络，提高了机器人对8球台球的识别能力	本文未提及在多样化台球环境下的实际应用测试	本研究旨在改善8球台球的机器人视觉系统的识别精度	研究对象为8球台球中的球体图像及其模式识别	计算机视觉	NA	深度学习, 图像处理	Xception网络	图像	NA
10480	2024-08-05	CACSNet for automatic robust classification and segmentation of carotid artery calcification on panoramic radiographs using a cascaded deep learning network 2024-06-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64265-4 PMID:38886356	研究论文	本文开发了一个深度学习网络CACSNet，用于自动和稳健地分类和分割颈动脉钙化。	提出了一种级联深度学习网络CACSNet，能处理大小、形状和位置变化大的颈动脉钙化。	分割性能相较于其他成像模式的研究尚可提升。	研究旨在通过深度学习分析全景放射影像稳健地分类和分割颈动脉钙化。	研究对象为颈动脉钙化，其在全景放射影像中的形态变化大且有解剖结构重叠。	数字病理学	NA	深度学习	CACSNet	全景放射影像	使用了与CT图像的参考相对应的地面真相数据进行训练