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
1681	2025-03-06	Preliminary Results: Comparison of Convolutional Neural Network Architectures as an Auxiliary Clinical Tool Applied to Screening Mammography in Mexican Women 2024-Jun, Journal of medical and biological engineering IF:1.6Q4 DOI:10.1007/s40846-024-00868-6 PMID:40027073	研究论文	本研究开发了一种新型卷积神经网络（CNN）用于乳腺X光片的良恶性分类，并与使用迁移学习的预训练CNN模型进行比较	开发了一种新型CNN模型，并在墨西哥女性乳腺X光片数据集上进行了训练和验证，填补了该领域的数据和工具空白	研究样本量相对较小，且仅使用了两个数据库的数据	开发并验证一种新型CNN模型，用于乳腺X光片的良恶性分类	乳腺X光片	计算机视觉	乳腺癌	卷积神经网络（CNN）	CNN, DenseNet121, MobileNetV2, ResNet50, VGG16	图像	1,070张乳腺X光片（来自235名墨西哥患者）和MIAS数据库中的乳腺X光片
1682	2025-03-06	From Basic to Extra Features: Hypergraph Transformer Pretrain-then-Finetuning for Balanced Clinical Predictions on EHR 2024-Jun, Proceedings of machine learning research PMID:40041452	研究论文	本文提出了一种名为HTP-Star的模型，利用超图结构和预训练-微调框架来建模电子健康记录（EHR）数据，并设计了两种技术以增强模型在微调过程中的鲁棒性	HTP-Star模型通过超图结构和预训练-微调框架，实现了对EHR数据的建模，并能够无缝整合额外特征，同时在微调过程中增强了模型的鲁棒性	未明确提及具体限制	研究目的是通过深度学习模型改进对电子健康记录（EHR）数据的处理，以实现更平衡的临床预测	电子健康记录（EHR）数据	机器学习	NA	超图结构、预训练-微调框架	HTP-Star	电子健康记录（EHR）数据	两个真实的EHR数据集
1683	2025-03-06	Volumetric segmentation in the context of posterior fossa-related pathologies: a systematic review 2024-Apr-19, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02366-4 PMID:38637466	综述	本文总结了当前关于后颅窝分割的文献，重点介绍了各种分割技术及其优缺点，以及文献中报道的各种研究的目标和结果	系统性地回顾了后颅窝相关病理的分割技术，涵盖了从手动分割到深度学习的演变	文献搜索仅限于PubMed、Embase、Cochrane和Web of Science，可能未涵盖所有相关研究	评估后颅窝体积/病理的分割技术及其优缺点	后颅窝相关病理，如Chiari畸形、三叉神经痛、术后儿童小脑性缄默综合征和Crouzon综合征	数字病理学	后颅窝相关病理	手动分割、半自动分割、全自动分割（基于图谱、卷积神经网络）	卷积神经网络（CNN）	图像	52篇文献
1684	2025-03-06	Automatic segmentation and labelling of wrist bones in four-dimensional computed tomography datasets via deep learning 2024-04, The Journal of hand surgery, European volume DOI:10.1177/17531934231209876 PMID:37882645	研究论文	本研究开发了一种深度学习模型，用于从四维计算机断层扫描（4DCT）数据集中自动分割和标记腕骨	首次实现了从4DCT扫描中自动分割和标记腕骨的深度学习模型	未提及具体的数据集大小或模型性能的详细评估	实现4DCT在诊断腕韧带损伤中的应用，减少数据分析时间	腕骨	计算机视觉	腕韧带损伤	4DCT	深度学习模型	4DCT扫描数据	NA
1685	2025-03-06	Automated HER2 Scoring in Breast Cancer Images Using Deep Learning and Pyramid Sampling 2024, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0048 PMID:39045139	研究论文	本文介绍了一种基于深度学习和金字塔采样的方法，用于自动分类乳腺癌组织图像中的HER2状态	利用金字塔采样技术分析不同空间尺度的形态特征，有效管理计算负载，并提供对细胞和组织层面细节的详细检查	研究仅基于523个核心图像的数据集，样本量相对较小	提高乳腺癌HER2状态分类的准确性和评估速度	乳腺癌组织图像	数字病理学	乳腺癌	深度学习	NA	图像	523个核心图像
1686	2025-03-05	Decoding Gestures in Electromyography: Spatiotemporal Graph Neural Networks for Generalizable and Interpretable Classification 2024-Dec-30, 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.2024.3523943 PMID:40030831	研究论文	本文提出了一种基于图卷积网络（GCN）的肌电图（EMG）手势识别方法，旨在解决现有方法在多通道EMG信号处理中的局限性	引入了新颖的图结构，以捕捉分布式EMG传感器的空间邻近性和EMG信号的时间邻接性，从而提高了模型的性能、泛化能力和可解释性	尽管在五个公开数据集上取得了最先进的性能，但该方法在实际应用中的效果仍需进一步验证	提升基于EMG的上肢手势识别系统的性能、泛化能力和可解释性	多通道EMG信号	机器学习	NA	图卷积网络（GCN）	GCN	EMG信号	五个公开数据集
1687	2025-03-05	Addressing Multiple Challenges in Early Gait Freezing Prediction for Parkinson's Disease: A Practical Deep Learning Approach 2024-Dec-26, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3522664 PMID:40030782	研究论文	本文提出了一种深度学习框架PhysioGPN，用于预测帕金森病患者的步态冻结事件，并通过知识蒸馏技术减少对多传感器的依赖	提出了PhysioGPN框架，结合大卷积核、多维多尺度卷积、双塔结构和多域注意力机制，以及知识蒸馏技术，解决了步态冻结预测中的多个挑战	尽管模型在减少传感器数量时性能下降得到缓解，但仍需进一步验证其在不同患者群体中的泛化能力	解决帕金森病患者步态冻结预测中的多个挑战，包括预测间隔短、跨患者泛化能力有限和多传感器不便等问题	帕金森病患者的步态冻结事件	机器学习	帕金森病	深度学习	PhysioGPN（结合大卷积核、多维多尺度卷积、双塔结构和多域注意力机制）	传感器数据	未明确提及样本数量
1688	2025-03-05	A Review of Deep Learning for Video Captioning 2024-Dec-26, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3522295 PMID:40030799	综述	本文对基于深度学习的视频字幕生成方法进行了全面回顾	提供了视频字幕生成领域的详细分类，包括基于注意力的架构、图网络、强化学习、对抗网络和密集视频字幕生成，并讨论了现有数据集和研究空白	未提出新的方法或模型，仅对现有研究进行总结和分类	回顾和分类视频字幕生成领域的深度学习方法	视频字幕生成方法	自然语言处理	NA	深度学习	基于注意力的架构、图网络、强化学习、对抗网络	视频	NA
1689	2025-03-05	mm-HrtEMO: Non-Invasive Emotion Recognition via Heart Rate Using mm-Wave Sensing in Diverse Scenarios 2024-Dec-26, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3522316 PMID:40030825	研究论文	本文提出了一种基于毫米波雷达和深度学习的非接触式、保护隐私的情绪识别框架	该框架通过毫米波雷达在动态场景中隔离心率信号，并采用混合1D-CNN和Bi-LSTM模型进行特征提取和时序分析，确保实时性，且不受环境因素如光照或衣物的影响	NA	开发一种非侵入式情绪识别系统，适用于医疗、人机交互和教育等多种场景	通过毫米波雷达捕捉的心率信号	机器学习	NA	毫米波雷达	1D-CNN, Bi-LSTM	雷达信号	NA
1690	2025-03-05	Deep Learning Based Post-stroke Myoelectric Gesture Recognition: From Feature Construction to Network Design 2024-Dec-23, 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.2024.3521583 PMID:40030685	研究论文	本文探讨了深度学习在脑卒中后手势识别中的应用，通过收集八名慢性脑卒中患者的表面肌电信号，研究了特征域、数据结构和神经网络架构对识别效果的影响	本研究首次全面评估了18种深度学习模型在脑卒中后手势识别中的表现，并分析了两种后处理算法对识别准确率的提升效果	研究样本量较小，仅涉及八名慢性脑卒中患者，可能影响结果的普适性	探索深度学习在脑卒中后手势识别中的应用，以提高机器人辅助康复的效果	八名慢性脑卒中患者的表面肌电信号	机器学习	脑卒中	表面肌电信号(sEMG)	CNN, CNN-LSTM, CNN-LSTM-Attention	一维和二维图像数据	八名慢性脑卒中患者
1691	2025-03-05	Naturalistic multimodal emotion data with deep learning can advance the theoretical understanding of emotion 2024-Dec-21, Psychological research DOI:10.1007/s00426-024-02068-y PMID:39708231	研究论文	本文探讨了如何利用深度学习和多模态情感数据来推进情感理论的理解	通过整合多模态情感标记数据，包括主观体验、情境因素、脑-身体生理信号和表达行为，深度学习算法能够在多维空间中揭示和映射它们之间的复杂关系，从而提供对情感类别是先天还是后天习得以及情感是否表现出一致性或退化等长期问题的新的、细致入微的见解	获取全面的自然主义多模态情感数据仍面临重大挑战，特别是在自然主义多模态情感的同步测量方面需要进一步的技术进步	探讨如何利用人工智能，特别是深度学习和多模态情感数据，来克服传统研究方法的局限性，从而推进情感理论的理解	情感的多模态标记数据，包括主观体验、情境因素、脑-身体生理信号和表达行为	自然语言处理	NA	深度学习	NA	多模态数据（包括主观体验、情境因素、脑-身体生理信号和表达行为）	NA
1692	2025-03-05	End-to-End Mandarin Speech Reconstruction Based on Ultrasound Tongue Images Using Deep Learning 2024-Dec-20, 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.2024.3520498 PMID:40030663	研究论文	本研究提出了一种基于深度学习的端到端方法，利用超声舌图像重建普通话语音	使用对抗神经网络构建语音重建模型，包括预训练的特征提取器、上采样块和判别器，以生成高保真度的重建语音	未来研究需要集中在喉切除患者的特定条件上，通过扩大训练数据集、研究超声舌成像参数的影响以及进一步优化方法来增强模型性能	通过利用发音运动信息有效恢复语音功能，进行语音康复研究	喉切除患者	自然语言处理	喉癌	深度学习	对抗神经网络	超声舌图像和语音数据	NA
1693	2025-03-05	Diffusion Models as Strong Adversaries 2024-Dec-16, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3514361 PMID:40030592	研究论文	本文探讨了扩散模型作为强对抗者的能力，特别是在无盒对抗攻击中的应用	首次利用扩散模型生成的数据进行无盒对抗攻击，无需访问训练数据集或目标模型	研究仅限于ImageNet数据集，未在其他数据集上验证	研究扩散模型在对抗攻击中的潜力	扩散模型生成的合成数据集	计算机视觉	NA	扩散模型	扩散模型	图像	ImageNet数据集
1694	2025-03-05	MHAN-DTA: A Multiscale Hybrid Attention Network for Drug-Target Affinity Prediction 2024-Dec-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3518619 PMID:40030699	研究论文	本文提出了一种名为MHAN-DTA的多尺度混合注意力网络，用于药物-靶标亲和力预测，旨在解决现有方法在特征挖掘不足的问题，从而提高预测性能	提出了一个基于自注意力机制的口袋导向特征聚合和提取模块，以及一个应用于靶蛋白的分层策略，以增强模型的全局感知能力，并引入了跨模态融合模块和跨实体交互模块，用于挖掘结合位点内的多尺度细胞内和细胞间特征	NA	提高药物-靶标亲和力预测的性能	药物-靶标复合物	机器学习	NA	深度学习	多尺度混合注意力网络（MHAN-DTA）	分子数据	四个基准测试集，包括一个内部和三个外部基准数据集
1695	2025-03-05	Transformer-Based Approach for Predicting Transactive Energy in Neurorehabilitation 2024-Dec-11, 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.2024.3515175 PMID:40030465	研究论文	本文提出了一种基于Transformer的模型，用于预测神经康复中的交易能量，以增强人机交互的安全性和个性化	引入了交易能量的概念，并开发了基于Transformer的模型来预测交易势能，为个性化机器人控制提供了新的方法	模型仅在踝关节康复机器人上进行了实验，样本量较小，且仅涉及中风患者	增强物理人机交互（pHRI）的安全性和个性化	中风患者和踝关节康复机器人	机器学习	中风	深度学习	Transformer	实验数据	5名中风患者
1696	2025-03-05	DREAM-PCD: Deep Reconstruction and Enhancement of mmWave Radar Pointcloud 2024-Dec-11, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3512356 PMID:40030488	研究论文	本文提出了一种名为DREAM-PCD的新框架，用于实时3D环境感知，结合信号处理和深度学习方法，解决了毫米波雷达点云重建中的三大挑战	DREAM-PCD框架通过非相干累积、合成孔径累积和实时去噪多帧网络，解决了毫米波雷达点云重建中的镜面信息丢失、低角分辨率和严重干扰问题，显著提高了泛化性能和实时能力	NA	提高毫米波雷达点云的重建质量和实时能力，以应对复杂环境下的3D感知需求	毫米波雷达点云	计算机视觉	NA	信号处理和深度学习方法	NA	毫米波雷达点云数据	超过1,000,000帧的毫米波室内数据集RadarEyes
1697	2025-03-05	Continuous Estimation of Hand Kinematics from Electromyographic Signals based on Power-and Time-Efficient Transformer Deep Learning Network 2024-Dec-10, 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.2024.3514938 PMID:40030573	研究论文	本文提出了一种基于Transformer深度学习网络的高效方法，用于从表面肌电信号中连续估计手部运动学，旨在提高模型效率和准确性	采用EMSA（高效多重自注意力）和剪枝机制，同时提高效率和准确性，适用于可穿戴设备的实时应用	研究主要基于Ninapro DB2数据集，可能在其他数据集上的泛化能力有待验证	提高从表面肌电信号中估计手指关节角度的模型效率和准确性，以满足可穿戴设备的实时应用需求	表面肌电信号（sEMG）	机器学习	NA	深度学习	Transformer	信号数据	38名受试者的Ninapro DB2数据集
1698	2025-03-05	"Understanding Robustness Lottery": A Geometric Visual Comparative Analysis of Neural Network Pruning Approaches 2024-Dec-09, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3514996 PMID:40030441	研究论文	本文通过几何视觉比较分析，探讨了神经网络剪枝方法对模型内部特征表示和性能的影响	引入了一种高维模型特征空间的视觉几何分析工具，用于比较和突出剪枝对模型性能和特征表示的影响	由于神经网络的‘黑箱’性质，对剪枝过程的理解仍然有限	揭示不同剪枝方法如何改变网络的内部特征表示及其对模型性能的影响	神经网络模型	机器学习	NA	NA	神经网络	NA	NA
1699	2025-03-05	Scale Propagation Network for Generalizable Depth Completion 2024-Dec-09, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3513440 PMID:40030448	研究论文	本文提出了一种新的尺度传播归一化方法（SP-Norm），用于提高深度补全任务在不同场景中的泛化能力	提出了尺度传播归一化方法（SP-Norm），通过从输入到输出传播尺度信息，同时保留归一化操作以便于收敛，从而解决了现有深度补全模型在未见场景中泛化能力不足的问题	尽管在多个未见数据集上进行了广泛实验，但模型在极端稀疏深度图情况下的表现仍需进一步验证	提高深度补全任务在不同场景中的泛化能力	稀疏深度图	计算机视觉	NA	NA	ConvNeXt V2	图像	六个未见数据集，包含不同类型的稀疏深度图（随机采样0.1%/1%/10%有效像素、4/8/16/32/64线LiDAR点、结构光生成的空洞）
1700	2025-03-05	A Semantic Conditional Diffusion Model for Enhanced Personal Privacy Preservation in Medical Images 2024-Dec-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3511583 PMID:40030430	研究论文	本文提出了一种新的医学图像处理框架——医学语义扩散模型（MSDM），旨在通过语义信息合成医学图像，以增强个人隐私保护	MSDM模型通过集成自适应批归一化（AdaBN）将语义信息编码到高维潜在空间，并直接嵌入去噪神经网络中，从而提高了图像质量和语义准确性，同时确保合成图像与原始图像属于同一分布	尽管MSDM在多个数据集上表现出色，但其对语义掩码的依赖可能限制了其应用范围，尽管提出了Spread算法来自动生成这些掩码	研究目标是开发一种能够有效去除医学图像中个人可识别信息（PII）的框架，以增强患者隐私保护	研究对象是医学图像，特别是包含面部特征、独特解剖结构、罕见病变或特定纹理模式的图像	计算机视觉	NA	扩散模型	MSDM（医学语义扩散模型）	图像	使用了BraTS 2021、MSD Lung、DSB18和FIVES数据集进行实验