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
61	2024-12-06	CSF-GTNet: A Novel Multi-Dimensional Feature Fusion Network Based on Convnext-GeLU- BiLSTM for EEG-Signals-Enabled Fatigue Driving Detection 2024-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3240891 PMID:37022236	研究论文	提出了一种基于Convnext-GeLU-BiLSTM的多维特征融合网络CSF-GTNet，用于通过脑电信号进行疲劳驾驶检测	创新性地结合了时间域和空间频域的多维特征融合网络，提高了疲劳检测的准确率	未提及具体局限性	解决现有研究中多维特征提取不足的问题，提高疲劳驾驶检测的准确性	脑电信号及其在疲劳驾驶检测中的应用	机器学习	NA	脑电图（EEG）信号分析	Convnext-GeLU-BiLSTM	脑电信号	自制的和SEED-VIG数据集
62	2024-12-06	EEG-Based Mental Workload Classification Method Based on Hybrid Deep Learning Model Under IoT 2024-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3281793 PMID:37276109	研究论文	提出了一种基于混合深度学习模型的EEG信号空间和时频域特征的脑力负荷分类方法	提出了基于混合深度学习模型的脑力负荷分类方法，结合了空间域和时频域特征，提高了分类准确性	NA	开发一种自动检测人类脑力负荷以预防心理疾病的方法	脑力负荷的分类	机器学习	NA	深度学习	混合深度学习模型	EEG信号	使用了Simultaneous Task EEG Workload公共数据库
63	2024-12-06	Improving Needle Tip Tracking and Detection in Ultrasound-Based Navigation System Using Deep Learning-Enabled Approach 2024-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3353343 PMID:38215329	研究论文	本文提出了一种将基于超声的深度学习方法集成到光学导航系统中的新策略，以增强针尖的可视化并提高定位精度	本文的创新点在于将深度学习技术与光学导航系统结合，优化了针尖的跟踪和检测算法，提高了针尖定位的准确性	本文未提及具体的局限性	本文的研究目的是改进超声引导下经皮介入手术中的针尖跟踪和检测技术	本文的研究对象是超声图像中的针尖跟踪和检测	计算机视觉	NA	深度学习	深度学习网络	图像	本文建立了包含超声图像及其对应空间针尖坐标的数据集，并进行了实际穿刺实验以验证方法的有效性
64	2024-12-06	Deep Learning-Based Eye-Tracking Analysis for Diagnosis of Alzheimer's Disease Using 3D Comprehensive Visual Stimuli 2024-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3365172 PMID:38349825	研究论文	本文利用深度学习技术，通过眼动追踪行为分析来诊断阿尔茨海默病	提出了多层比较卷积神经网络（MC-CNN），通过分层残差块获取热图的多层特征表示，以更好地编码眼动行为	NA	早期诊断阿尔茨海默病	阿尔茨海默病患者和正常人的视觉注意力差异	计算机视觉	阿尔茨海默病	深度学习	卷积神经网络（CNN）	图像（热图）	NA
65	2024-12-06	Magnetoencephalography Decoding Transfer Approach: From Deep Learning Models to Intrinsically Interpretable Models 2024-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3365051 PMID:38349827	研究论文	本文提出了一种通过特征归因知识蒸馏将深度学习模型转化为内在可解释模型的磁共振成像（MEG）解码迁移方法	首次将事后可解释算法中的特征归因图引入知识蒸馏，指导内在可解释模型吸收这些知识，实现从深度模型到内在可解释模型的MEG解码信息迁移	NA	结合深度学习和内在可解释模型的优势，提高MEG信号解码的预测性能和可解释性	磁共振成像（MEG）信号	机器学习	NA	知识蒸馏	深度学习模型、内在可解释模型（如决策树）	神经电生理信号	NA
66	2024-12-06	Label-Decoupled Medical Image Segmentation With Spatial-Channel Graph Convolution and Dual Attention Enhancement 2024-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3367756 PMID:38376972	研究论文	提出了一种名为LADENet的新型医学图像分割框架，结合空间-通道图卷积和双重注意力增强机制	引入空间-通道图卷积捕捉全局长程信息和特征图间的拓扑相关性，采用距离变换的标签解耦策略和双重注意力增强机制提升学习能力	未提及	改进医学图像分割方法，提高分割性能	医学图像的分割	计算机视觉	NA	图卷积	LADENet	图像	基准数据集
67	2024-12-06	Cardiac Valve Event Timing in Echocardiography Using Deep Learning and Triplane Recordings 2024-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3373124 PMID:38442058	研究论文	本文提出了一种利用深度学习和三平面记录来增强超声心动图中心脏瓣膜事件检测的方法	本文的创新点在于利用深度学习方法从三平面记录中检测六个不同的心脏瓣膜事件，包括传统上与舒张末期和收缩末期相关的事件	本文的局限性在于其方法主要依赖于三平面记录，可能不适用于其他类型的超声心动图数据	本文的研究目的是提高超声心动图中心脏瓣膜事件检测的准确性和全面性	本文的研究对象是超声心动图中的心脏瓣膜事件	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	240名患者的三平面数据和180名患者的独立测试数据
68	2024-12-06	Adaptive Fusion of Deep Learning With Statistical Anatomical Knowledge for Robust Patella Segmentation From CT Images 2024-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3372576 PMID:38446653	研究论文	提出了一种结合深度学习和统计解剖知识的自适应融合框架，用于从CT图像中进行髌骨分割	将深度神经网络与统计形状模型中的解剖知识相结合，提出了一种自适应融合框架，并采用了体素级细化策略	未提及	开发一种鲁棒的自动髌骨分割方法，以辅助医生诊断膝关节骨性关节炎	髌骨的分割	计算机视觉	关节疾病	统计形状模型	CNN	图像	未提及
69	2024-12-06	Cross-Attention Enhanced Pyramid Multi-Scale Networks for Sensor-Based Human Activity Recognition 2024-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3377353 PMID:38483804	研究论文	本文提出了一种新的基于深度学习的人类活动识别模型，通过交叉注意力增强的金字塔多尺度网络来提高识别精度和计算效率	引入了金字塔多尺度卷积网络和交叉注意力机制，通过多尺度表示能力和跨维度关系增强特征表示	未提及具体限制	解决人类活动识别中识别精度和计算效率之间的权衡问题	人类活动识别	计算机视觉	NA	深度学习	金字塔多尺度卷积网络，交叉注意力机制	传感器数据	涉及四个不同数据集：UCI，WISDM，PAMAP2，OPPORTUNITY
70	2024-11-29	Machine learning aided single cell image analysis improves understanding of morphometric heterogeneity of human mesenchymal stem cells 2024-05, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.03.005 PMID:38490594	研究论文	本文利用机器学习方法分析单细胞图像，以提高对人类间充质干细胞形态学异质性的理解	本文首次应用卷积神经网络和迁移学习进行二分类，实现了97.54%的准确率	本文仅讨论了两种来源的间充质干细胞，未来需扩展到更多来源	开发一个稳健且快速的分析平台，以标准化间充质干细胞治疗的质量	人类间充质干细胞的形态学异质性	计算机视觉	NA	免疫表型成像流式细胞术	卷积神经网络	图像	两种来源的间充质干细胞样本
71	2024-11-29	Deep Learning-Based construction of a Drug-Like compound database and its application in virtual screening of HsDHODH inhibitors 2024-05, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.03.008 PMID:38518843	研究论文	本文利用生成式循环神经网络（RNN）构建了一个具有药物性质的化合物数据库，并应用于虚拟筛选HsDHODH抑制剂	本文创新性地使用生成式循环神经网络（RNN）和长短期记忆（LSTM）单元学习DrugBank中的药物化合物性质，构建了一个新的具有药物性质的化合物数据库	本文未详细讨论生成化合物数据库的准确性和筛选结果的临床应用潜力	构建一个具有药物性质的化合物数据库，并应用于虚拟筛选HsDHODH抑制剂	药物化合物数据库的构建和虚拟筛选HsDHODH抑制剂	机器学习	NA	生成式循环神经网络（RNN）	LSTM	化合物	26,316个化合物
72	2024-11-27	Use of Deep Learning to Evaluate Tumor Microenvironmental Features for Prediction of Colon Cancer Recurrence 2024-May-23, Cancer research communications IF:2.0Q3 DOI:10.1158/2767-9764.CRC-24-0031 PMID:38709069	研究论文	使用深度学习评估肿瘤微环境特征以预测结肠癌复发	利用深度学习量化肿瘤形态特征，增强患者在DNA错配修复（MMR）组中的风险分层，并预测结肠癌复发	NA	研究肿瘤形态特征与结肠癌复发之间的关系	结肠癌患者的肿瘤形态特征	机器学习	结肠癌	深度学习	NA	图像	402例切除的III期结肠癌样本（191例d-MMR，189例p-MMR），以及一个独立验证队列（176例d-MMR，1,094例p-MMR）
73	2024-11-27	Prediction Models for Glaucoma in a Multicenter Electronic Health Records Consortium: The Sight Outcomes Research Collaborative 2024 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2023.100445 PMID:38317869	研究论文	本研究旨在利用多中心电子健康记录数据，开发和评估用于预测青光眼进展的机器学习模型	本研究首次在多中心电子健康记录数据上开发和评估了用于预测青光眼进展的机器学习模型，提高了模型的泛化能力	研究需要进一步探讨受保护类别特征（如种族或性别）对模型性能和公平性的影响	开发和评估用于预测青光眼进展的机器学习模型	青光眼患者及其手术需求	机器学习	青光眼	机器学习	XGBoost, 随机森林, 惩罚性逻辑回归	电子健康记录数据	36,548名青光眼患者
74	2024-11-24	Toward confident prostate cancer detection using ultrasound: a multi-center study 2024-May, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03119-w PMID:38704793	研究论文	本文研究了基于深度学习的微超声图像分析方法，用于前列腺癌的检测	本文提出了使用多中心数据集训练卷积神经网络模型，并采用多种最先进的置信度估计方法来提高模型对分布外输入的鲁棒性	NA	开发能够自信地检测前列腺癌病变的深度学习模型	前列腺癌的检测	计算机视觉	前列腺癌	微超声	卷积神经网络	图像	693名患者
75	2024-11-24	Pose-based tremor type and level analysis for Parkinson's disease from video 2024-May, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-023-03052-4 PMID:38238490	研究论文	提出了一种基于深度学习的帕金森病震颤分类和严重程度估计系统，利用消费级视频进行分析	引入了一种新的注意力模块，采用轻量级的金字塔通道压缩融合架构，有效提取相关震颤信息并过滤噪声	仅在震颤分类和严重程度估计任务上进行了验证，未涵盖其他帕金森病症状	开发一种自动、有效且可解释的支持系统，用于帕金森病症状识别，辅助临床医生做出更准确的诊断决策	帕金森病的震颤症状	计算机视觉	帕金森病	深度学习	注意力模块	视频	未明确提及具体样本数量
76	2024-11-24	Cross-sectional angle prediction of lipid-rich and calcified tissue on computed tomography angiography images 2024-May, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03086-2 PMID:38478204	研究论文	研究使用深度学习方法在CTA图像上更准确地检测脂质丰富和钙化斑块	提出了两种深度学习方法（2.5D Dense U-Net和2.5D Mask-RCNN），分别在笛卡尔和极坐标域中进行横截面斑块检测，显著提高了脂质丰富斑块检测的准确性	钙化斑块的检测效果与传统方法相当，没有显著提升	研究如何使用深度学习方法在CTA图像上更准确地检测脂质丰富和钙化斑块，以评估心血管风险	脂质丰富和钙化斑块	计算机视觉	心血管疾病	深度学习	Dense U-Net, Mask-RCNN	图像	91个病变
77	2024-11-24	Subtracting-adding strategy for necrotic lesion segmentation in osteonecrosis of the femoral head 2024-May, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03073-7 PMID:38430380	研究论文	本文提出了一种名为“减加”策略的预处理方法，用于提高股骨头坏死病变分割的深度学习模型性能	引入了一种名为“减加”策略的预处理方法，通过去除无关信息和添加解剖结构信息来增强深度神经网络的输入	NA	提高股骨头坏死病变分割的深度学习模型性能	股骨头坏死病变	计算机视觉	骨科疾病	深度学习	CNN	图像	NA
78	2024-11-24	Automatic hip osteoarthritis grading with uncertainty estimation from computed tomography using digitally-reconstructed radiographs 2024-May, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03087-1 PMID:38472690	研究论文	本文开发了一种基于CT图像的数字化重建放射影像自动评估髋关节骨关节炎严重程度的方法	提出了结合Crowe和Kellgren-Lawrence分级的新序数标签，用于表示髋关节骨关节炎的进展	模型在分类和回归设置中的准确性仍有提升空间	开发一种自动评估髋关节骨关节炎严重程度的方法	髋关节骨关节炎的严重程度分级	计算机视觉	骨关节炎	深度学习	深度学习模型	图像	训练集包含197名髋关节骨关节炎患者，外部验证集包含52名患者
79	2024-11-24	PELE scores: pelvic X-ray landmark detection with pelvis extraction and enhancement 2024-May, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03089-z PMID:38491244	研究论文	本文提出了一种基于骨盆提取和增强的骨盆X射线地标检测方法	本文创新性地处理了X射线图像的重叠问题，通过引入骨盆提取模块，利用CT中的3D解剖学知识来指导和分离骨盆，从而消除软组织对地标检测的影响	NA	提高骨盆X射线地标检测的准确性	骨盆X射线图像中的地标检测	计算机视觉	NA	深度学习	深度网络结构	图像	总计850张骨盆X射线图像
80	2024-11-24	VINNA for neonates: Orientation independence through latent augmentations 2024-May-01, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/imag_a_00180 PMID:39575178	研究论文	本文介绍了一种名为VINNA的新方法，用于新生儿脑部MRI图像的分割，通过在网络架构中引入四自由度变换模块，实现了分辨率无关的内部增强	本文的创新点在于引入了四自由度变换模块，使得网络能够在内部进行增强，而不需要图像或标签插值，从而提高了分割的准确性和鲁棒性	NA	开发一种鲁棒、快速且准确的新生儿脑部MRI图像分割方法，以更好地理解和检测发育和疾病过程中的变化	新生儿脑部MRI图像	计算机视觉	NA	深度学习	神经网络	图像	NA