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
201	2025-03-06	Focused State Recognition Using EEG with Eye Movement-Assisted Annotation 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781939 PMID:40040215	研究论文	本文提出了一种结合脑电图（EEG）和眼动信号的专注状态识别方法，通过深度学习模型对脑活动进行分类	通过计算眼动信号中的双眼聚焦点差异并结合EEG特征，提出了一种新的专注状态标注方法	未提及具体局限性	识别和分析基于EEG和眼动信号的脑活动，特别是专注状态	脑电图（EEG）和眼动信号	机器学习	NA	深度学习	Transformer	EEG和眼动信号	未提及具体样本数量
202	2025-03-06	Exploring Schizophrenia Classification in fMRI Data: A Common Spatial Patterns(CSP) Approach for Enhanced Feature Extraction and Classification 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782387 PMID:40040201	研究论文	本研究探索了在静息态功能磁共振成像（rs-fMRI）数据中使用共同空间模式（CSP）方法进行精神分裂症分类的新方法	首次将主要用于脑电图（EEG）信号处理的CSP方法应用于fMRI数据集，并验证了其在rs-fMRI中的有效性	研究仅针对精神分裂症患者和对照组进行了验证，未涉及其他精神疾病	探索CSP方法在rs-fMRI数据中的特征提取和分类效果，以增强对精神分裂症的分类能力	精神分裂症患者和健康对照组	机器学习和神经影像分析	精神分裂症	共同空间模式（CSP）和主成分分析（PCA）	监督学习（CSP）和无监督学习（PCA）	静息态功能磁共振成像（rs-fMRI）数据	包括精神分裂症患者和健康对照组，具体样本数量未提及
203	2025-03-05	Advancements in prognostic markers and predictive models for intracerebral hemorrhage: from serum biomarkers to artificial intelligence models 2024-Jul-31, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02635-2 PMID:39083096	研究论文	本文探讨了脑出血（ICH）的预后标志物和预测模型的最新进展，包括血清生物标志物和人工智能模型	本文创新性地结合了血清sestrin2作为预后标志物和深度学习AI模型，用于预测脑出血的早期血肿扩大和长期结果	未明确提及研究的局限性	提高脑出血的预测和管理水平，以改善患者护理和生存率	脑出血患者	机器学习	脑出血	深度学习，机器学习	深度学习模型，随机森林算法	血清数据，CT影像数据	NA
204	2025-03-05	Marker Data Enhancement For Markerless Motion Capture 2024-Jul-17, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.13.603382 PMID:39071421	研究论文	本文提出了一种改进的无标记运动捕捉技术，通过深度学习模型将稀疏的关键点转化为密集的解剖标记，提高了运动捕捉的准确性和泛化能力	创建了一个更大、更多样化的训练数据集，并开发了一个更准确、更具泛化能力的标记增强器	OpenCap在训练数据中未包含的运动上表现不佳	提高无标记运动捕捉的准确性和泛化能力	人体运动捕捉数据	计算机视觉	NA	深度学习	标记增强器	视频	1176名受试者的标记运动捕捉数据，合成了1433小时的关键点和解剖标记
205	2025-03-05	PROTEUS: A Physically Realistic Contrast-Enhanced Ultrasound Simulator-Part I: Numerical Methods 2024-Jul-15, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3427850 PMID:39008399	研究论文	本文介绍了一种物理上逼真的对比增强超声模拟器（PROTEUS），用于模拟超声波与组织和微泡的相互作用	PROTEUS模拟器通过四个相互连接的模块，考虑了分割血管几何中的血流动力学、血管内微泡轨迹、超声波传播和非线性微泡散射，提供了一个可定制的框架来探索对比增强超声成像领域的新想法	NA	开发一个能够再现超声波与组织和微泡相互作用的物理特性的模拟工具，以支持对比增强超声成像领域的研究	对比增强超声成像中的血管几何、微泡轨迹、超声波传播和非线性微泡散射	医学影像	NA	对比增强超声成像	NA	超声图像	NA
206	2025-03-05	A single-joint multi-task motor imagery EEG signal recognition method based on Empirical Wavelet and Multi-Kernel Extreme Learning Machine 2024-07, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110136 PMID:38642806	研究论文	本文提出了一种基于经验小波和多核极限学习机的单关节多任务运动想象脑电信号识别方法	该方法首次结合经验小波分解和多核极限学习机，用于单关节多任务运动想象脑电信号的识别，显著提高了分类准确率和训练速度	研究样本量较小，仅涉及六名参与者，可能影响结果的普适性	旨在实现更精细的脑机接口命令，通过分类单关节多任务运动想象的脑电信号	六名参与者的手腕伸展、手腕屈曲和手腕外展三种运动想象任务的脑电信号	脑机接口	NA	经验小波分解（EWT）、多核极限学习机（MKELM）	多核极限学习机（MKELM）	脑电信号（EEG）	六名参与者
207	2025-03-05	Deep learning models for atypical serotonergic cells recognition 2024-07, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110158 PMID:38703797	研究论文	本文提出了一种深度学习模型，用于高精度识别典型和非典型血清素能神经元与非血清素能细胞	该模型能够识别具有非典型特征的血清素能神经元，这是传统方法无法做到的	模型的训练数据主要来自体外电生理记录，可能无法完全反映体内环境的复杂性	研究目的是开发一种能够准确识别典型和非典型血清素能神经元的深度学习模型	研究对象是血清素能神经元和非血清素能细胞	机器学习	NA	电生理记录	CNN	电生理数据	27,108个原始动作电位样本和1200万个合成动作电位样本
208	2025-03-01	Deep learning-based aberration compensation improves contrast and resolution in fluorescence microscopy 2024-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.15.562439 PMID:37986950	研究论文	本文介绍了一种基于深度学习的像差补偿策略，旨在提高厚样本荧光显微镜成像的信号、对比度和分辨率	该方法通过引入合成像差并训练神经网络来逆转这些像差的影响，无需减慢图像采集速度、增加剂量或引入更多光学元件	NA	提高厚样本荧光显微镜成像的质量	厚样本的荧光显微镜图像	计算机视觉	NA	深度学习	神经网络	图像	多种数据集，包括共聚焦、光片、多光子和超分辨率显微镜捕获的数据
209	2025-03-01	Simple models vs. deep learning in detecting low ejection fraction from the electrocardiogram 2024-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztae034 PMID:39081946	研究论文	本研究比较了简单模型与深度学习模型在从心电图（ECG）波形中检测左心室收缩功能障碍（LVSD）的准确性	研究表明，基于标准ECG测量的简单模型在检测LVSD方面可以达到与深度学习模型相似的准确性，且更易于实施和解释	研究主要依赖于单一医疗中心的数据，外部验证数据有限，可能影响模型的广泛适用性	比较简单模型与深度学习模型在检测LVSD方面的性能	心电图（ECG）波形和经胸超声心动图	机器学习	心血管疾病	随机森林模型、逻辑回归模型、深度学习模型	随机森林、逻辑回归、深度学习	心电图波形数据	40,994对匹配的12导联心电图和经胸超声心动图
210	2025-02-26	Pediatric Electrocardiogram-Based Deep Learning to Predict Secundum Atrial Septal Defects 2024-Jul-02, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-024-03540-7 PMID:38953953	研究论文	本研究利用深度学习技术，通过心电图（ECG）分析预测儿童继发孔型房间隔缺损（ASD2）	首次将人工智能增强的ECG分析应用于儿科人群，以检测ASD2	需要多中心验证和前瞻性试验来进一步验证模型的临床决策价值	开发一种基于深度学习的ECG分析工具，用于儿科ASD2的筛查和检测	18岁及以下无重大先天性心脏病的儿童	数字病理学	心血管疾病	深度学习	卷积神经网络（CNN）	心电图（ECG）和超声心动图	训练队列包括92,377对ECG-超声心动图（46,261名患者；中位年龄8.2岁），测试组包括内部测试（12,631名患者；中位年龄7.4岁）和急诊科（2,830名患者；中位年龄7.5岁）队列
211	2025-02-26	High-throughput classification of S. cerevisiae tetrads using deep learning 2024-07, Yeast (Chichester, England) DOI:10.1002/yea.3965 PMID:38850080	研究论文	本文开发了一种基于深度学习的图像识别和分类管道，用于高通量检测和分类酿酒酵母四分体的减数分裂交叉	利用深度学习技术自动化分析酿酒酵母四分体的减数分裂交叉，提高了分析效率和准确性	研究主要针对酿酒酵母，可能不直接适用于其他生物体	自动化分析酿酒酵母四分体的减数分裂交叉，以加速发现与减数分裂重组相关的新基因	酿酒酵母四分体	计算机视觉	NA	深度学习	CNN	图像	大量野生型和特定基因敲除突变体的图像数据集
212	2025-02-26	A deep learning approach for diagnosis of schizophrenia disorder via data augmentation based on convolutional neural network and long short-term memory 2024-Jul, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00360-9 PMID:38946814	研究论文	本文提出了一种基于卷积神经网络和长短期记忆网络的深度学习方法，通过数据增强技术自动诊断精神分裂症	提出了一种端到端的深度学习方法，结合15层CNN和16层CNN-LSTM网络，利用数据增强技术提高数据多样性，实现了高精度的精神分裂症诊断	未提及具体的数据集来源和样本的多样性，可能影响模型的泛化能力	开发一种自动诊断精神分裂症的工具，帮助精神病医生进行早期诊断	精神分裂症患者的脑电图（EEG）信号	机器学习	精神分裂症	生成对抗网络（GAN）用于数据增强	CNN, LSTM	脑电图（EEG）信号	大规模EEG数据集，具体样本数量未提及
213	2025-02-25	Deep Learning Analysis of Surgical Video Recordings to Assess Nontechnical Skills 2024-07-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.22520 PMID:39083274	研究论文	本研究探讨了利用手术视频记录中的运动特征自动评估心脏手术过程中非技术技能的可行性	首次使用深度学习技术从手术视频中提取运动特征，以自动评估手术团队的非技术技能	研究仅在一家医院进行，且样本量较小，需要进一步在不同医院和专科中验证结果	探索自动评估手术室非技术技能的方法，以提高手术表现和患者安全	心脏手术过程中的手术团队	计算机视觉	心血管疾病	OpenPose库用于视频分析	深度学习	视频	30例完整的心脏手术过程
214	2025-02-22	Intelligent ultrafast total-body PET for sedation-free pediatric [18F]FDG imaging 2024-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06649-2 PMID:38383744	研究论文	本研究旨在开发深度学习技术，以提高无镇静儿科PET成像的可行性	开发了一种基于245名成年受试者的可变形3D U-Net模型，用于增强模拟快速成像的质量，并在无镇静的儿科患者中进行了前瞻性测试	样本量相对较小，仅包括16名儿童进行回顾性测试和5名儿童进行前瞻性测试	提高无镇静儿科PET成像的可行性	儿童患者	数字病理	NA	深度学习	3D U-Net	PET图像	245名成年受试者，16名儿童进行回顾性测试，5名儿童进行前瞻性测试
215	2025-02-14	Independent Associations of Aortic Calcification with Cirrhosis and Liver Related Mortality in Veterans with Chronic Liver Disease 2024-Jul, Digestive diseases and sciences IF:2.5Q2 DOI:10.1007/s10620-024-08450-5 PMID:38653948	研究论文	本研究评估了腹主动脉钙化（AAC）与慢性肝病（CLD）患者肝硬化及肝相关死亡率之间的独立关联	利用自动深度学习方法量化AAC，并首次在非NAFLD病因的CLD患者中发现了AAC与肝病严重程度和临床结果的强关联	研究仅针对退伍军人群体，可能限制了结果的普遍性	评估AAC与CLD患者肝相关死亡率的关联	患有慢性肝病的退伍军人	数字病理	肝病	深度学习方法	NA	CT扫描图像	3604名退伍军人
216	2025-02-13	Attribute-guided prototype network for few-shot molecular property prediction 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae394 PMID:39133096	研究论文	本文提出了一种属性引导的原型网络（APN），用于解决少样本分子属性预测（MPP）的挑战	APN引入了分子属性提取器，能够提取三种不同类型的指纹属性，并通过自监督学习方法自动提取深度属性，设计了属性引导的双通道注意力模块来学习分子图与属性之间的关系	NA	解决少样本分子属性预测的挑战，提高分子属性预测的准确性	分子属性预测	机器学习	NA	自监督学习	属性引导的原型网络（APN）	分子图	基准数据集
217	2025-02-08	Role of artificial intelligence in brain tumour imaging 2024-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111509 PMID:38788610	综述	本文综述了人工智能在脑肿瘤影像学中的应用，重点讨论了机器学习和深度学习技术	探讨了AI在脑肿瘤影像学中的多种应用，包括病变检测、鉴别诊断、解剖分割、分子标志物识别、预后评估和假性进展评估，并涵盖了非胶质瘤脑肿瘤的AI应用	讨论了AI在放射学中实施的挑战和局限性，如数据质量、标准化和整合问题	探讨人工智能在脑肿瘤影像学中的应用，以改善脑肿瘤的诊断和治疗	脑肿瘤影像学	医学影像	脑肿瘤	机器学习（ML）和深度学习（DL）	NA	影像数据	NA
218	2025-02-07	Artificial intelligence for gastric cancer in endoscopy: From diagnostic reasoning to market 2024-Jul, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver IF:4.0Q1 DOI:10.1016/j.dld.2024.04.019 PMID:38763796	综述	本文综述了人工智能在内窥镜检查中用于胃癌诊断的现状、挑战及临床应用前景	全面评估了人工智能在内窥镜成像中用于评估胃癌前病变和癌变的应用现状及广泛实施的技术障碍	需要更稳健的验证研究和克服监管障碍	评估人工智能在内窥镜成像中用于胃癌诊断的现状及临床应用障碍	胃癌前病变和癌变	计算机视觉	胃癌	深度学习模型	NA	图像	NA
219	2025-02-06	Labelling with dynamics: A data-efficient learning paradigm for medical image segmentation 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103196 PMID:38781755	研究论文	本文提出了一种数据高效的学习框架，用于医学图像分割任务，通过引入领域知识作为强先验来解决深度神经网络在医学应用中面临的数据需求和可解释性问题	提出了一种基于定制动态系统的数据高效学习框架，能够在极有限的训练数据下实现可靠的分割结果，并具有旋转不变性和对初始化不敏感的特性	NA	解决深度神经网络在医学图像分割任务中需要大量标注数据和缺乏可解释性的问题	医学图像分割	计算机视觉	NA	深度学习	深度神经网络（DNN）	图像	两个数据集（JSRT和ISIC2016），涉及心脏和肺部X光图像分割以及皮肤病变的皮肤镜图像分割
220	2025-02-06	Misplaced Trust and Distrust: How Not to Engage with Medical Artificial Intelligence 2024-Jul, Cambridge quarterly of healthcare ethics : CQ : the international journal of healthcare ethics committees IF:1.5Q3 DOI:10.1017/S0963180122000445 PMID:36263755	研究论文	本文探讨了在医疗人工智能（AI）领域中信任和误信的误置问题，并提出了一个分类系统	通过关注负面例子，即误置的信任和误信，本文提供了一个新的视角来理解如何与医疗AI互动，并提出了一个分类系统	本文没有提供信任在医疗AI中的正面定义，而是通过负面例子来探讨这一问题	研究医疗AI中的信任和误信问题，为临床和监管决策提供伦理约束	医疗AI系统及其在临床护理中的应用	自然语言处理	NA	NA	NA	NA	NA