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
281	2024-12-13	ToxMPNN: A deep learning model for small molecule toxicity prediction 2024-07, Journal of applied toxicology : JAT IF:2.7Q3 DOI:10.1002/jat.4591 PMID:38409892	研究论文	本文提出了一种基于消息传递神经网络（MPNN）架构的深度学习模型ToxMPNN，用于预测小分子毒性	ToxMPNN模型在捕捉分子结构中的毒性特征方面表现优异，且通过添加已上市药物作为负样本，提高了模型的预测性能和稳定性	NA	开发一种能够准确预测小分子毒性的深度学习模型	小分子毒性预测	机器学习	NA	消息传递神经网络（MPNN）	MPNN	分子结构数据	包含27个毒性终点的7个毒性类别的小分子数据集，以及基于该数据集的二分类Common-Toxicity任务
282	2024-12-11	A Pan-Cancer Patient-Derived Xenograft Histology Image Repository with Genomic and Pathologic Annotations Enables Deep Learning Analysis 2024-07-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-23-1349 PMID:39082680	研究论文	本文开发了一个包含超过1000个患者来源异种移植（PDX）和配对原发肿瘤的H&E染色图像的泛癌数据库，并结合了基因组和转录组数据、临床元数据以及病理评估	首次构建了一个大规模的泛癌PDX H&E图像数据库，并展示了其在深度学习分析中的应用潜力	未详细描述数据库的具体使用方法和深度学习模型的性能评估	开发一个泛癌PDX图像数据库，以支持深度学习分析和数字病理学研究	患者来源异种移植（PDX）和配对原发肿瘤的H&E染色图像	数字病理学	泛癌	H&E染色	深度学习模型	图像	超过1000个PDX和配对原发肿瘤样本
283	2024-12-10	Developing Deep LSTMs With Later Temporal Attention for Predicting COVID-19 Severity, Clinical Outcome, and Antibody Level by Screening Serological Indicators Over Time 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3384333 PMID:38564357	研究论文	研究使用深度LSTM模型结合时间注意力机制来预测COVID-19的严重程度、临床结果和抗体水平	提出了一种时间注意力机制，强调了后期血液检测记录的重要性	未提及具体限制	通过筛选血清学指标的时间序列数据，预测COVID-19的严重程度、临床结果和抗体水平	COVID-19患者的疾病严重程度、临床结果和Spike蛋白抗体水平	机器学习	COVID-19	深度学习	LSTM	时间序列数据	未提及具体样本数量
284	2024-12-10	Sliding Window Optimal Transport for Open World Artifact Detection in Histopathology 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3383590 PMID:38557617	研究论文	本文介绍了一种用于病理学图像中开放世界伪影检测的新技术	提出了一种基于滑动窗口和最优传输的分布外检测方法，能够有效识别影响下游任务性能的伪影	未提及具体限制	开发一种能够检测病理学图像中伪影并提高深度学习模型性能的方法	病理学图像中的伪影检测	数字病理学	NA	最优传输	NA	图像	7张带有自然伪影的完整幻灯片图像
285	2024-12-10	A Hierarchical Graph Neural Network Framework for Predicting Protein-Protein Interaction Modulators With Functional Group Information and Hypergraph Structure 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3384238 PMID:38564358	研究论文	提出了一种层次图神经网络框架HiGPPIM，用于预测蛋白质-蛋白质相互作用调节剂，结合了分子原子级和功能组级的特征	引入功能组信息和超图结构，改进了分子层次结构的建模，提高了预测性能	NA	提高小分子调节剂靶向蛋白质-蛋白质相互作用的预测准确性	蛋白质-蛋白质相互作用调节剂的预测	机器学习	NA	图神经网络	图注意力网络	图	八个PPI家族和两个预测任务
286	2024-12-10	Dual-Channel Prototype Network for Few-Shot Pathology Image Classification 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3386197 PMID:38587946	研究论文	本文提出了一种双通道原型网络（DCPN），用于病理图像的少样本分类	利用自监督学习和金字塔视觉变换器（PVT）扩展到少样本分类任务，并结合卷积神经网络构建双通道网络，提取多尺度高精度病理特征，增强原型表示的泛化能力	NA	解决病理图像分类中数据稀缺和标注困难的问题，提升少样本学习在病理领域的应用效果	病理图像的少样本分类	数字病理	NA	自监督学习	双通道原型网络（DCPN）	图像	使用了三个公开的病理数据集（CRCTP, NCTCRC, LC25000）构建了三个少样本分类任务
287	2024-12-08	A Coarse-Fine Collaborative Learning Model for Three Vessel Segmentation in Fetal Cardiac Ultrasound Images 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3390688 PMID:38635389	研究论文	本文提出了一种用于胎儿心脏超声图像中三血管分割的粗细协同学习模型	本文提出了一种名为CoFi-Net的新型深度学习网络，采用粗细协同策略，结合全局定位和精细分割两个并行分支，显著提高了三血管分割的准确性	NA	提高先天性心脏病（CHD）的早期诊断效率	胎儿心脏超声图像中的肺动脉、升主动脉和上腔静脉的分割	计算机视觉	先天性心脏病	深度学习	CoFi-Net	图像	NA
288	2024-12-08	Prognosis Prediction of Diffuse Large B-Cell Lymphoma in 18F-FDG PET Images Based on Multi-Deep-Learning Models 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3390804 PMID:38635387	研究论文	本文提出了一种新的多深度学习模型，用于基于18F-FDG PET图像的弥漫性大B细胞淋巴瘤（DLBCL）的预后预测	本文提出了一种灵活的集成深度学习模型，通过选择预训练的深度学习模型构建多R-signature，用于预测无进展生存期（PFS）和总生存期（OS）	NA	开发一种多参数模型，用于准确分层DLBCL患者的生存风险，并指导个性化治疗策略	弥漫性大B细胞淋巴瘤（DLBCL）患者的预后预测	计算机视觉	淋巴瘤	深度学习	多深度学习模型	图像	两个不同影像中心的数据集
289	2024-12-08	Multi-Resolution Wavelet Fractal Analysis and Subtask Training for Enhancing Few-Shot Noisy Brainwave Recognition 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3318419 PMID:37738183	研究论文	本文提出了一种基于多分辨率小波分形分析和子任务训练的框架，用于增强少量噪声脑电波识别	引入多分辨率数据分析和子任务学习方法，通过小波分形捕捉不同尺度的特征，并采用子任务训练提高模型的泛化能力	NA	提高基于脑电波的识别系统在噪声环境下的性能	脑电波数据	机器学习	NA	小波变换	深度学习模型	脑电波数据	少量样本
290	2024-12-08	GaitNet+ARL: A Deep Learning Algorithm for Interpretable Gait Analysis of Chronic Ankle Instability 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3383588 PMID:38557612	研究论文	本文提出了一种基于深度学习的慢性踝关节不稳（CAI）步态分析算法，结合了图神经网络（GNN）和注意力强化学习（ARL）模型	创新点在于结合了生物力学原理的图神经网络和注意力强化学习模型，显著提高了CAI识别的准确性	NA	旨在开发一种可解释的深度学习算法，用于慢性踝关节不稳的步态分析	慢性踝关节不稳患者和对照组的步态数据	机器学习	运动损伤	图神经网络（GNN），注意力强化学习（ARL）	GNN，ARL	运动学数据	NEU-CAI数据集，由立体摄影测量系统收集
291	2024-12-08	A Deep Learning Approach to Estimate Multi-Level Mental Stress From EEG Using Serious Games 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3395548 PMID:38687658	研究论文	本研究探讨了通过脑电图（EEG）系统和严肃游戏来估计用户在特定任务中的多层次心理压力的可行性	本研究创新性地结合了严肃游戏和深度学习神经网络，用于分类用户的心理压力水平，并展示了比现有技术更高的预测准确性	NA	评估通过脑电图系统和严肃游戏来估计用户心理压力水平的可行性	用户在特定任务中的心理压力水平	机器学习	NA	脑电图（EEG）	门控循环单元（GRU）	脑电图数据	NA
292	2024-12-08	A Residual U-Net Neural Network for Seismocardiogram Denoising and Analysis During Physical Activity 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3392532 PMID:38648146	研究论文	提出了一种基于U-Net架构的深度学习模型，用于在步行时去噪和分析心冲击图（SCG）信号	开发了一种新的深度学习模型，能够有效去除运动噪声并保留心脏信息，显著提高了心率和其他健康参数估计的准确性	实验仅在步行时进行，未涵盖其他运动或日常活动	提高在日常活动中使用可穿戴加速度计进行心脏健康监测的准确性	心冲击图（SCG）信号的去噪和分析	机器学习	心血管疾病	深度学习	U-Net神经网络	信号	涉及多个数据集，包括导管和ICG衍生的PEP数据
293	2024-12-08	SMARTSeiz: Deep Learning With Attention Mechanism for Accurate Seizure Recognition in IoT Healthcare Devices 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3336935 PMID:38055360	研究论文	提出了一种结合卷积神经网络和循环神经网络以及注意力机制的混合方法，用于通过EEG信号分析自动识别癫痫发作	引入了注意力机制，专注于EEG数据的重要子集，从而提高了模型性能	NA	开发一种自动识别癫痫发作的计算机方法，以减少医生的手动工作量	通过EEG信号分析自动识别癫痫发作	机器学习	NA	EEG信号分析	CNN和RNN结合注意力机制	EEG信号	使用了UCI癫痫发作识别数据集，包含五个类别：四个正常条件和一个异常发作条件
294	2024-12-08	MDDBranchNet: A Deep Learning Model for Detecting Major Depressive Disorder Using ECG Signal 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3390847 PMID:38954560	研究论文	提出了一种名为MDDBranchNet的深度学习模型，用于通过单通道ECG信号检测重度抑郁症	使用并行分支深度学习模型进行重度抑郁症的二分类，并引入了额外的ECG衍生信号（如R-R信号和水平可见图的度分布时间序列），提高了模型准确率约7%	未提及具体限制	开发一种能够在日常生活中通过ECG信号早期检测重度抑郁症的深度学习模型	重度抑郁症的早期检测	机器学习	精神疾病	深度学习	并行分支深度学习模型	ECG信号	未提及具体样本数量
295	2024-12-08	A Deep Learning Approach for Fear Recognition on the Edge Based on Two-Dimensional Feature Maps 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3392373 PMID:38648140	研究论文	本文提出了一种基于生理信号的可穿戴设备恐惧识别方法，通过创建二维特征图并使用深度学习模型进行分类	本文的创新点在于将图像处理中的深度学习模型应用于生理信号的恐惧识别，并验证了其在边缘设备上的可行性	NA	开发一种基于生理信号的恐惧识别方法，并验证其在边缘设备上的实时检测能力	可穿戴设备采集的生理信号	机器学习	NA	深度学习	NA	生理信号	两个不同数据集，WEMAC、WESAD 3-classes和WESAD 2-classes
296	2024-12-08	Protecting Prostate Cancer Classification From Rectal Artifacts via Targeted Adversarial Training 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3384970 PMID:38954559	研究论文	本文提出了一种新的目标对抗训练策略，用于保护前列腺癌分类模型免受直肠伪影的影响	本文创新性地提出了基于临床先验知识生成具有直肠伪影模式的对抗样本，并通过联合训练提高模型的分类性能	NA	研究如何减少直肠伪影对前列腺癌分类模型的影响	前列腺癌分类模型	计算机视觉	前列腺癌	磁共振成像 (MRI)	深度神经网络 (DNN)	图像	多个前列腺癌分类模型
297	2024-12-08	Deep Learning-Enhanced Internet of Things for Activity Recognition in Post-Stroke Rehabilitation 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3332735 PMID:37963004	研究论文	本文提出了一种结合深度学习模型和物联网技术的方法，用于中风康复中的活动识别	本文提出了一种基于多传感器数据融合机制和双向长短时记忆网络（BiLSTM）的新框架，并引入了注意力机制和增强损失函数来优化学习过程	NA	提高中风患者康复过程中活动监测和识别的准确性	中风患者的日常活动数据	机器学习	中风	深度学习	BiLSTM	传感器数据	两个基准数据集
298	2024-12-08	Adaptive Multi-Dimensional Weighted Network With Category-Aware Contrastive Learning for Fine-Grained Hand Bone Segmentation 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3391387 PMID:38640043	研究论文	本文提出了一种基于深度学习的儿科手骨分割方法，通过自适应多维加权网络和类别感知对比学习来提高分割精度	创新点在于自适应多维加权注意力机制和类别感知对比学习方法，有效挖掘细节特征并增强类别区分性能	NA	旨在提高3D超声中儿科手骨分割的准确性和分类性能	儿科手骨的3D超声图像	计算机视觉	NA	深度学习	自适应多维加权网络	3D超声图像	38个骨结构
299	2024-12-08	Compact biologically inspired camera with computational compound eye 2024-Jul, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2023-0782 PMID:39634310	研究论文	本文介绍了一种紧凑的生物启发相机，基于南美虾的复眼结构，实现了宽视场、高分辨率成像和敏感的三维运动轨迹重建	提出了一种深度学习架构，通过距离调节实现宽范围清晰成像，无需硬件或复杂前端设计，显著降低了系统复杂性和尺寸	NA	开发一种紧凑的生物启发相机，解决现有复眼相机与商用CMOS相机不兼容导致的散焦问题	南美虾的复眼结构	计算机视觉	NA	深度学习	Unet变体和金字塔多尺度注意力模型	图像	271个视网膜单元
300	2024-12-08	Deep learning for optical tweezers 2024-Jul, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2024-0013 PMID:39634937	研究论文	本文探讨了深度学习在光学镊子中的应用，展示了其如何显著提升光学镊子的设计、校准和实时控制	深度学习在光学镊子中的应用提高了计算速度和多功能性，超越了传统方法	NA	探索深度学习如何改进光学镊子，并提供将其与光学捕获和操纵结合的指南	光学镊子及其在物理、生物和纳米技术中的应用	机器学习	NA	深度学习	NA	NA	NA