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
361	2024-12-17	Deep learning microstructure estimation of developing brains from diffusion MRI: A newborn and fetal study 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103186 PMID:38701657	研究论文	本文提出了一种基于深度学习的方法，通过少量扩散加权测量来估计新生儿和胎儿大脑的纤维方向分布函数（FOD）	本文的创新点在于使用深度学习方法，通过仅六个扩散加权测量来估计FOD，相比传统方法和现有的深度学习方法，取得了更好的结果	本文指出扩散加权磁共振成像（dMRI）在探测发育中大脑微结构时存在固有的局限性	研究目的是开发一种新的深度学习方法，用于从有限的扩散加权磁共振成像数据中估计发育中大脑的纤维方向分布函数	研究对象是新生儿和胎儿的大脑白质	计算机视觉	NA	扩散加权磁共振成像（dMRI）	深度学习模型	图像	涉及两个临床外部数据集的新生儿和胎儿样本
362	2024-12-15	Identifying and training deep learning neural networks on biomedical-related datasets 2024-Jul-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae232 PMID:39041915	研究论文	本文描述了一个名为'NIGMS Sandbox for Cloud-based Learning'学习平台的资源模块的开发，该模块提供关于在生物医学图像数据上实现深度学习算法的交互式学习材料	该模块通过使用适当的云资源进行数据访问和分析，帮助用户识别和集成正确的神经网络类型，并强调了云计算在实现神经网络方面的易用性	NA	介绍不同类型的深度学习神经网络，并涵盖生物医学研究中常用的实践	生物医学图像数据	机器学习	NA	深度学习	神经网络	图像	NA
363	2024-12-15	Enhancing wound healing through deep reinforcement learning for optimal therapeutics 2024-Jul, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.240228 PMID:39086835	研究论文	本文提出了一种结合深度学习、最优控制和强化学习的自适应闭环控制框架，以加速伤口愈合	通过深度学习和强化学习自适应学习非线性伤口愈合动力学的线性表示，并训练深度强化学习代理跟踪最优信号，无需复杂的数学建模	NA	加速伤口愈合并找到最优治疗策略	伤口愈合过程及其治疗策略	机器学习	NA	深度学习、最优控制、强化学习	深度强化学习代理	NA	NA
364	2024-12-13	Deep Learning for Face Detection and Pain Assessment in Japanese macaques (Macaca fuscata) 2024-07-01, Journal of the American Association for Laboratory Animal Science : JAALAS IF:1.2Q2 DOI:10.30802/AALAS-JAALAS-23-000056 PMID:38428929	研究论文	研究使用深度学习模型检测日本猕猴面部表情以评估其疼痛状态	首次使用深度学习模型对日本猕猴的面部表情进行疼痛检测，并通过预处理和微调提高了分类模型的准确性	分类准确率仍有提升空间，可能受到背景、光照、肤色等因素的影响	研究深度学习模型在动物疼痛评估中的应用	日本猕猴的面部表情	计算机视觉	NA	深度学习	ResNet50	视频	30到60分钟的日本猕猴腹腔手术视频，包括手术前和手术后一天的记录
365	2024-12-13	Evaluation of machine learning models for cytochrome P450 3A4, 2D6, and 2C9 inhibition 2024-07, Journal of applied toxicology : JAT IF:2.7Q3 DOI:10.1002/jat.4601 PMID:38544296	研究论文	本文系统评估了传统机器学习和深度学习模型在预测三种主要CYP酶（CYP3A4、CYP2D6和CYP2C9）抑制中的表现	本文首次系统比较了不同机器学习算法和分子表示方法在CYP酶抑制预测中的性能，发现XGBoost和CatBoost算法结合指纹/理化描述符特征表现最佳	本文未探讨数据量和采样策略对模型性能的影响，且深度学习模型的表现普遍不如传统机器学习模型	评估不同机器学习模型在预测CYP酶抑制中的表现，为未来CYP抑制模型的开发提供参考	CYP3A4、CYP2D6和CYP2C9三种主要CYP酶的抑制	机器学习	NA	机器学习算法（XGBoost、CatBoost、深度学习）	XGBoost、CatBoost、深度学习模型	分子指纹和理化描述符	NA
366	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
367	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
368	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
369	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
370	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
371	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
372	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
373	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
374	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
375	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
376	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
377	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
378	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
379	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
380	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