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
1921	2024-12-11	RNA language models predict mutations that improve RNA function 2024-Sep-16, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.05.588317 PMID:38617247	研究论文	本文介绍了GARNET数据库的创建及其在RNA结构和功能分析中的应用，并开发了一种类似GPT的RNA语言模型，用于预测能够提高RNA功能的突变	本文的创新点在于创建了GARNET数据库，并开发了一种新的RNA语言模型，能够预测RNA序列中的突变，从而提高RNA的稳定性和功能	本文的局限性在于RNA结构预测仍面临缺乏高质量参考数据的挑战，且现有序列数据通常不与生物体表型相关联	本文的研究目的是通过深度学习和RNA语言模型，揭示RNA序列、结构和功能之间的联系	本文的研究对象是RNA序列及其在不同温度下的结构和功能	机器学习	NA	深度学习	GPT-like语言模型	序列	GARNET数据库中包含来自GTDB基因组的RNA序列，并与GTDB参考生物体的实验和预测最适生长温度相关联
1922	2024-12-11	Letter to the editor: Prospective analysis of STRATAFIX™ symmetric PDS plus suture for fascial closure in spinal surgery: a pilot study 2024-Sep-04, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02803-4 PMID:39230765	评论	本文对STRATAFIX™对称PDS plus缝合线在脊柱手术中用于筋膜闭合的效果进行了前瞻性分析，并讨论了AI在缝合训练中的应用潜力	本文首次探讨了STRATAFIX™缝合线在脊柱手术中的应用，并提出了AI模型在缝合训练中的潜在价值	研究样本量较小，随访时间较短，限制了结果的普遍性	评估STRATAFIX™缝合线在脊柱手术中筋膜闭合的效果，并探讨AI在缝合训练中的应用	STRATAFIX™缝合线在脊柱手术中的应用效果及AI在缝合训练中的潜力	NA	NA	NA	Xception深度学习模型	NA	20名患者
1923	2024-12-11	Multi-Task Collaborative Pre-Training and Adaptive Token Selection: A Unified Framework for Brain Representation Learning 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3416038 PMID:38889024	研究论文	提出了一种结合多任务协同预训练和自适应标记选择的脑表示学习统一框架MCPATS，用于从结构磁共振成像中学习脑的通用表示	创新点在于提出了MCPATS框架，结合多任务协同预训练和自适应标记选择，能够同时捕捉脑结构的细粒度细节和全局结构，并显式表达隐含在局部-全局图像特征中的认知信息	NA	研究目的是从结构磁共振成像中学习脑的通用表示，以捕捉与个体认知变异性相关的高级表示	研究对象是脑的结构磁共振成像数据，以及其中隐含的认知信息	机器学习	NA	结构磁共振成像	MCPATS框架	图像	使用了三个不同的公开数据集进行验证
1924	2024-12-11	Time-Frequency-Space EEG Decoding Model Based on Dense Graph Convolutional Network for Stroke 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3411646 PMID:38857138	研究论文	本文提出了一种基于密集图卷积网络的时间-频率-空间域脑电图解码模型，用于中风康复	结合改进的S变换（MST）和密集图卷积网络（DenseGCN）算法，提高了基于运动想象的脑机接口在中风康复中的性能	NA	提高基于运动想象的脑机接口在中风康复中的性能	中风患者的脑电信号	机器学习	中风	密集图卷积网络（DenseGCN）	密集图卷积网络（DenseGCN）	脑电图（EEG）	NA
1925	2024-12-11	Real-Time Automatic M-Mode Echocardiography Measurement With Panel Attention 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3413628 PMID:38865231	研究论文	本文提出了一种实时自动M模式超声心动图测量方案RAMEM，通过深度学习技术提高诊断效率和准确性	本文的创新点包括：1) 提供了首个M模式超声心动图数据集MEIS；2) 提出了带有面板注意力嵌入的UPANets V2卷积骨干网络，用于实时实例分割；3) 引入了自动M模式超声心动图测量算法AMEM	NA	开发一种自动化的实时M模式超声心动图测量方案，以提高诊断效率和准确性	M模式超声心动图的心脏尺寸和射血分数测量	计算机视觉	心血管疾病	深度学习	CNN	图像	首个M模式超声心动图数据集MEIS
1926	2024-12-11	BioFusionNet: Deep Learning-Based Survival Risk Stratification in ER+ Breast Cancer Through Multifeature and Multimodal Data Fusion 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3418341 PMID:38913518	研究论文	本文提出了BioFusionNet，一个基于深度学习的框架，通过融合图像特征、遗传和临床数据，对ER+乳腺癌患者进行生存风险分层	引入了多特征和多模态数据融合的深度学习框架，使用自监督特征提取器、变分自编码器和自注意力网络，并设计了加权Cox损失函数来处理不平衡的生存数据	未提及具体的局限性	开发一种能够准确进行生存风险分层的深度学习模型，以指导个性化治疗决策	ER+乳腺癌患者的生存风险	数字病理学	乳腺癌	深度学习	自注意力网络	图像、遗传数据、临床数据	未提及具体样本数量
1927	2024-12-11	A Generalisable Heartbeat Classifier Leveraging Self-Supervised Learning for ECG Analysis During Magnetic Resonance Imaging 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3411792 PMID:38857140	研究论文	本文提出了一种利用自监督学习进行心电图分析的可推广心跳分类器，用于磁共振成像期间的心电图信号分类	本文创新性地使用了孪生网络和自监督学习技术，利用大量未标注的心电图数据进行预训练，提高了模型在磁共振成像环境下对心电图信号的分类能力	本文的局限性在于仅在磁共振成像环境下进行了测试，未涉及其他环境下的心电图信号分类	研究目的是开发一种在磁共振成像环境下能够有效分类心电图信号的深度学习模型	研究对象是在磁共振成像期间获取的心电图信号	机器学习	心血管疾病	自监督学习	孪生网络	信号	使用了大量未标注的心电图数据进行预训练，具体样本数量未提及
1928	2024-12-11	Timely ICU Outcome Prediction Utilizing Stochastic Signal Analysis and Machine Learning Techniques with Readily Available Vital Sign Data 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3416039 PMID:38889027	研究论文	本文提出了一种利用随机信号分析和机器学习技术，从ICU患者的实时生命体征时间序列中提取特征，以实现准确及时的ICU结果预测的新方法	该方法通过随机信号分析和机器学习技术，从实时生命体征数据中提取具有强预测能力的特征，显著提高了预测准确性，并超越了现有的基线方法和深度学习模型	NA	开发一种新方法，用于从ICU患者的实时生命体征数据中提取特征，以实现准确及时的ICU结果预测	ICU患者的实时生命体征时间序列数据	机器学习	NA	随机信号分析，机器学习	NA	时间序列数据	NA
1929	2024-12-11	SeqAFNet: A Beat-Wise Sequential Neural Network for Atrial Fibrillation Classification in Adhesive Patch-Type Electrocardiographs 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3411056 PMID:38848232	研究论文	本研究开发了一种基于粘贴式心电图的房颤分类方法，使用深度学习模型对心电信号进行逐拍分类	提出了SeqAFNet模型，采用两阶段双向循环神经网络，能够逐拍分类心电信号并捕捉房颤相关的长期依赖性	NA	开发一种基于粘贴式心电图的房颤分类方法，以提高房颤诊断的准确性	房颤（AF）分类	机器学习	心血管疾病	深度学习	RNN	时间序列	使用了来自临床试验的房颤数据，数据来源为粘贴式心电图MEMO Patch
1930	2024-12-11	Ensemble Vision Transformer for Dementia Diagnosis 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3412812 PMID:38889030	研究论文	本研究提出了一种新的蒙特卡罗集成视觉变换器（MC-ViT）方法，用于阿尔茨海默病（AD）的诊断	该方法通过蒙特卡罗采样生成广泛的分类决策，克服了3D补丁卷积神经网络只能表征部分大脑解剖结构的局限性，并能有效识别3D特征间相关性	NA	开发一种新的深度学习方法，用于提高阿尔茨海默病的诊断准确性	阿尔茨海默病（AD）的诊断	计算机视觉	老年疾病	深度学习	视觉变换器（ViT）	图像	使用了来自阿尔茨海默病神经成像倡议（ADNI）数据集的7199次扫描和开放获取影像研究系列-3（OASIS-3）的1992次扫描
1931	2024-12-11	3D Vessel Segmentation With Limited Guidance of 2D Structure-Agnostic Vessel Annotations 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3409382 PMID:38833403	研究论文	本文提出了一种新的3D形状引导局部判别模型（3D-SLD），用于在有限的2D血管注释指导下进行3D血管分割	提出了3D区域判别损失和对抗形状约束损失，并引入了高亮-回顾-总结（HRS）机制，以提高训练稳定性和预测可信度	依赖于公共的2D血管注释，可能不适用于所有类型的血管结构	开发一种在有限2D注释指导下进行3D血管分割的方法，以减少对3D手动注释的依赖	3D血管分割	计算机视觉	NA	深度学习	3D-SLD模型	图像	仅使用公共的2D冠状动脉注释进行指导
1932	2024-12-11	Accurate Whole-Brain Image Enhancement for Low-Dose Integrated PET/MR Imaging Through Spatial Brain Transformation 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3407116 PMID:38814764	研究论文	本文提出了一种基于空间脑变换（SBF）模块的3D网络，用于低剂量PET/MR图像的全脑图像增强，以合成高质量的PET图像	创新点在于引入了一个空间脑变换模块，结合FreeSurfer工具包提取的空间脑解剖对齐信息，提升了低剂量PET图像的质量	目前仅在PET/MR系统上进行了验证，未来计划扩展到其他多模态系统如PET/CT	旨在通过低剂量PET/MR图像合成高质量PET图像，减少患者辐射暴露和经济负担	低剂量全脑PET和MR图像	计算机视觉	NA	深度学习	3D网络	图像	未明确具体样本数量
1933	2024-12-11	A Vision Transformer-Based Framework for Knowledge Transfer From Multi-Modal to Mono-Modal Lymphoma Subtyping Models 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3407878 PMID:38819973	研究论文	本文提出了一种基于Vision Transformer的框架，用于从多模态到单模态的淋巴瘤亚型分类模型的知识迁移	引入了一种多模态架构，通过知识蒸馏过程有效地指导单模态分类器的学习	需要更多的训练数据以进一步提高诊断准确性	开发一种成本效益高且快速的淋巴瘤亚型分类方法，以替代现有的昂贵且耗时的诊断技术	区分弥漫大B细胞淋巴瘤（DLBCL）癌症亚型	计算机视觉	淋巴瘤	Vision Transformer	Vision Transformer	图像	157名淋巴瘤患者的数据集
1934	2024-12-11	DIPO: Differentiable Parallel Operation Blocks for Surgical Neural Architecture Search 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3406065 PMID:38805333	研究论文	本文提出了一种名为DIPO的可微分并行操作块的神经架构搜索方法，用于自动优化卷积神经网络的架构	DIPO通过构建局部搜索空间并自动优化内部架构和参数，能够灵活应用于不同的卷积网络和任务	NA	开发一种能够自动优化神经网络架构的方法，以提高计算机视觉任务的性能	手术场景分割、手术器械检测和手术器械姿态估计	计算机视觉	NA	神经架构搜索（NAS）	卷积神经网络（CNN）	图像	5个数据集
1935	2024-12-11	HEMAsNet: A Hemisphere Asymmetry Network Inspired by the Brain for Depression Recognition From Electroencephalogram Signals 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3404664 PMID:38781058	研究论文	提出了一种受大脑启发的半球不对称网络HEMAsNet，用于从脑电图信号中识别抑郁症	引入了一个独特的'胼胝体样'块，模拟大脑胼胝体在半球间信息传递中的作用，增强了半球间的信息交换，提高了抑郁症识别的准确性	NA	提高基于脑电图信号的抑郁症识别模型的准确性和神经科学可解释性	抑郁症的识别	机器学习	精神疾病	脑电图	CNN和LSTM	脑电图信号	MODMA数据集中的前额叶脑电图数据
1936	2024-12-11	RawECGNet: Deep Learning Generalization for Atrial Fibrillation Detection From the Raw ECG 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3404877 PMID:38787663	研究论文	本文提出了一种名为RawECGNet的深度学习模型，用于从原始单导联心电图检测房颤和房扑发作	RawECGNet利用了心电图的形态信息，特别是f波，从而提高了检测性能	NA	开发一种能够利用心电图节奏和形态信息的高性能、可泛化的房颤和房扑检测算法	房颤和房扑发作的检测	机器学习	心血管疾病	深度学习	深度学习模型	心电图	涉及两个外部数据集，考虑了地理、种族和导联位置的分布变化
1937	2024-12-11	Uncertainty Estimation and Out-of-Distribution Detection for Deep Learning-Based Image Reconstruction Using the Local Lipschitz 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3404883 PMID:38787662	研究论文	本文提出了一种基于局部Lipschitz度量的方法，用于区分分布外图像与分布内图像，并应用于深度学习图像重建中的不确定性估计和分布外检测	本文的创新点在于使用局部Lipschitz度量来区分分布外图像与分布内图像，并展示了其与平均绝对误差（MAE）之间的强相关性，以确定不确定性估计的阈值	本文的局限性在于其验证主要基于AUTOMAP架构和UNET架构，可能需要进一步验证其在其他架构和应用中的适用性	本文的研究目的是提高深度学习图像重建中的不确定性估计和分布外检测的准确性	本文的研究对象是深度学习图像重建中的不确定性估计和分布外检测	计算机视觉	NA	深度学习	AUTOMAP, UNET	图像	NA
1938	2024-12-11	Exploring and Exploiting Multi-Modality Uncertainty for Tumor Segmentation on PET/CT 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3397332 PMID:38776203	研究论文	本文探讨了在PET/CT肿瘤分割任务中利用多模态不确定性的方法	首次探索了多模态不确定性在肿瘤分割中的应用，并提出了一种基于不确定性的损失函数，以有效利用模态间的互补信息	本文主要集中在PET/CT数据集上的肿瘤分割，未来研究可以扩展到其他多模态数据集和任务	研究多模态不确定性在肿瘤分割中的应用，并提出改进方法	PET/CT图像中的肿瘤分割	计算机视觉	NA	深度学习	NA	图像	两个PET/CT数据集
1939	2024-12-11	EEGDepressionNet: A Novel Self Attention-Based Gated DenseNet With Hybrid Heuristic Adopted Mental Depression Detection Model Using EEG Signals 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3401389 PMID:38748519	研究论文	本文提出了一种基于EEG信号的自动化深度学习抑郁症检测系统	创新点包括引入自注意力机制的门控DenseNet模型和混合启发式入侵杂草搜索优化算法用于特征选择和网络参数优化	NA	开发一种自动化的抑郁症检测模型，以辅助临床医生进行抑郁症诊断	使用EEG信号进行抑郁症检测	机器学习	精神疾病	EEG	SA-GDensenet	图像	从公开数据库中收集的EEG信号
1940	2024-12-11	DeScoD-ECG: Deep Score-Based Diffusion Model for ECG Baseline Wander and Noise Removal 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3237712 PMID:37021916	研究论文	本文提出了一种基于深度分数扩散模型的ECG基线漂移和噪声去除技术DeScoD-ECG	首次将条件扩散生成模型应用于ECG噪声去除，并提出了多重平均策略以提高信号重构质量	NA	开发一种新的ECG基线漂移和噪声去除技术，以提高心电信号的质量和保真度，从而有助于心血管疾病的诊断	ECG信号的基线漂移和噪声去除	数字病理学	心血管疾病	扩散模型	扩散模型	信号	QT数据库和MIT-BIH噪声压力测试数据库中的数据