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
21	2025-03-12	Contrastive Self-supervised Learning for Neurodegenerative Disorder Classification 2024-Jul-04, medRxiv : the preprint server for health sciences DOI:10.1101/2024.07.03.24309882 PMID:39006425	研究论文	本文探讨了对比自监督学习在神经退行性疾病分类中的应用，特别是阿尔茨海默病（AD）和额颞叶变性（FTLD）的分类	采用对比自监督学习方法训练深度卷积神经网络作为特征提取器，无需数据标签即可学习潜在表示，并在下游分类任务中表现出色	需要进一步验证在更大规模和多样化的数据集上的泛化能力	研究自监督学习模型是否能够以可解释的方式区分不同的神经退行性疾病	阿尔茨海默病（AD）和额颞叶变性（FTLD）患者及认知正常对照组（CN）	计算机视觉	神经退行性疾病	T1加权MRI扫描	深度卷积神经网络（CNN）	图像	2694个T1加权MRI扫描，来自四个数据队列：两个ADNI数据集、AIBL和FTLDNI
22	2025-03-12	Reproducible image-based profiling with Pycytominer 2024-Jul-02, ArXiv PMID:38045474	研究论文	本文介绍了一个名为Pycytominer的用户友好、开源的Python包，用于处理高通量显微镜图像分析管道生成的单细胞特征，以进行下游应用	提出了Pycytominer这一新工具，实现了图像分析中的生物信息学步骤，即“基于图像的剖析”	未提及具体的技术限制或应用范围限制	开发一个工具以处理高通量显微镜图像分析生成的单细胞特征，用于下游应用	高通量显微镜图像分析生成的单细胞特征	数字病理学	NA	高通量显微镜	NA	图像	未提及具体样本数量
23	2025-03-12	Deep Learning-Derived Myocardial Strain 2024-Jul, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2024.01.011 PMID:38551533	研究论文	本研究开发了一种自动化的深度学习应变（DLS）分析管道，用于从标准超声心动图B模式图像中测量全局纵向应变（GLS），并验证其在多种应用和人群中的性能	开发了一种自动化的、开源且与供应商无关的DLS方法，用于从标准超声心动图B模式图像中测量GLS，减少了操作者经验和供应商间差异的影响	尽管DLS在外部验证中与2D GLS保持中等一致性，但仍存在一定的偏差和一致性限制	开发并验证一种自动化的深度学习应变分析管道，以减少超声心动图应变测量中的操作者经验和供应商间差异	超声心动图B模式图像	数字病理	心血管疾病	深度学习	NA	图像	多个应用和人群中的患者数据
24	2025-03-12	Brain Age Analysis and Dementia Classification using Convolutional Neural Networks trained on Diffusion MRI: Tests in Indian and North American Cohorts 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/EMBC53108.2024.10781599 PMID:40039079	研究论文	本文探讨了在卷积神经网络（CNN）模型中添加扩散加权MRI（dMRI）作为输入的价值，用于脑龄分析和痴呆分类，并在印度和北美人群中进行测试	首次在CNN模型中引入dMRI作为输入，并评估了使用3D CycleGAN方法在训练CNN模型前对成像数据集进行协调的效果	研究主要依赖于特定的数据集，如ADNI，且主要针对北美和印度人群，可能限制了结果的普适性	探索dMRI在CNN模型中的应用，以提高阿尔茨海默病分类和痴呆严重度推断的准确性	北美和印度人群的MRI扫描数据	数字病理学	阿尔茨海默病	扩散加权MRI（dMRI）	卷积神经网络（CNN）	MRI图像	NA
25	2025-03-12	Evaluating Augmentation Approaches for Deep Learning-based Major Depressive Disorder Diagnosis with Raw Electroencephalogram Data 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/EMBC53108.2024.10782103 PMID:40039441	研究论文	本研究评估了六种脑电图数据增强方法在基于深度学习的重度抑郁症诊断中的效用	引入了一个新的基线模型，该模型在重复训练数据上进行训练，以消除由于训练集大小不同而引入的偏差	研究结果仅限于特定的数据集和模型，可能无法推广到其他情况	评估数据增强方法在提高深度学习模型诊断重度抑郁症性能方面的效用	重度抑郁症患者	机器学习	精神疾病	脑电图数据增强	深度学习模型	脑电图数据	未明确提及样本数量
26	2025-03-12	Identifying Reproducibly Important EEG Markers of Schizophrenia with an Explainable Multi-Model Deep Learning Approach 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/EMBC53108.2024.10781959 PMID:40039893	研究论文	本文提出了一种基于特征交互的可解释性方法和多种新方法来总结多模型解释，旨在识别精神分裂症的可重复重要EEG标记	提出了一种新的基于特征交互的可解释性方法和多种新方法来总结多模型解释	大多数研究仅分析少量模型的解释，导致识别出的生物标志物的普遍性受到质疑	识别精神分裂症的可重复重要EEG标记	精神分裂症患者的EEG频谱功率数据	机器学习	精神分裂症	EEG	多模型深度学习	EEG数据	NA
27	2025-03-09	Evaluation of preoperative difficult airway prediction methods for adult patients without obvious airway abnormalities: a systematic review and meta-analysis 2024-07-17, BMC anesthesiology IF:2.3Q2 DOI:10.1186/s12871-024-02627-1 PMID:39020308	系统综述和荟萃分析	本文通过系统综述和荟萃分析，评估了成人患者无显著气道异常时术前困难气道预测方法的有效性	本文首次系统性地评估了多种术前困难气道预测方法，并提出了结合多种方法的个性化预测策略	研究存在显著的异质性，可能受到样本量和研究设计等因素的影响	评估和比较不同术前困难气道预测方法的有效性，以辅助临床决策	成人患者，无显著气道异常，接受各种类型手术	临床医学	NA	系统综述和荟萃分析	NA	文献数据	686,089名患者
28	2025-03-08	DeepEnzyme: a robust deep learning model for improved enzyme turnover number prediction by utilizing features of protein 3D-structures 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae409 PMID:39162313	研究论文	本文介绍了一种名为DeepEnzyme的深度学习模型，该模型结合了Transformer和图卷积网络（GCN），用于提高酶周转数（kcat）的预测准确性	DeepEnzyme模型通过整合蛋白质序列和3D结构特征，显著提高了对低序列相似性酶的预测准确性和鲁棒性，并能够评估点突变对酶催化活性的影响	NA	提高酶周转数（kcat）的预测准确性和鲁棒性，以促进蛋白质工程和合成生物学领域的研究	酶的周转数（kcat）	机器学习	NA	深度学习	Transformer, GCN	蛋白质序列和3D结构数据	NA
29	2025-03-08	Physics-Driven Deep Learning Reconstruction of Frequency-Modulated Rabi-Encoded Echoes for Faster Accessible MRI 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/EMBC53108.2024.10782818 PMID:40039561	研究论文	本文提出了一种基于物理驱动的深度学习重建方法，用于解决频率调制Rabi编码回波（FREE）在MRI中的失真问题，并实现更高的加速率	提出了一种结合物理模型和深度学习的重建方法，解决了FREE采集中的非线性相位累积导致的失真问题，并实现了高达4倍的加速	目前仅在单接收线圈的序列梯度叠加（SGS）FREE序列上进行了验证，未涉及多接收线圈或其他序列的广泛测试	通过降低MRI成本和提高成像速度，使MRI技术更广泛地服务于全球人口	频率调制Rabi编码回波（FREE）的MRI重建	医学影像	NA	频率调制Rabi编码回波（FREE）	深度学习网络	MRI图像	未明确提及样本数量
30	2025-03-08	Optimizing Modified Barium Swallow Exam Workflow: Automating Pre-Analysis Video Sorting in Swallowing Function Assessment 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/EMBC53108.2024.10782457 PMID:40039880	研究论文	本研究提出了一种深度学习解决方案，旨在通过自动识别视频方向和侦察视频片段来优化改良钡餐吞咽检查（MBS）的预分析过程	引入了深度学习模型来自动分类MBS检查中的视频方向和侦察视频片段，提高了预分析的效率和准确性	在区分侦察视频和吞咽任务视频时，模型的准确率最高为86%，仍有提升空间	优化改良钡餐吞咽检查的预分析流程，提高临床医生的工作效率	改良钡餐吞咽检查的视频片段	计算机视觉	吞咽功能障碍	深度学习	多任务学习模型	视频	来自172次MBS检查和106名患者的2,315个视频片段
31	2025-03-06	PPG-Based Sleep Staging Using SleepPPGNet: Extension to Wearables, Improvements, Limitations 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/EMBC53108.2024.10781611 PMID:40038927	研究论文	本文探讨了基于PPG的睡眠分期方法，特别是使用SleepPPGNet模型在可穿戴设备上的应用及其改进和局限性	提出了SleepPPGNet模型，通过迁移学习在全新数据集上实现了82%的准确率和0.74的Cohen's kappa，并进一步将该模型应用于手腕佩戴设备收集的PPG数据，同时增加了活动计数作为额外输入，提高了准确率	该模型在正常心律的受试者中表现出色，但在心律失常患者中应用时准确率下降了10%	开发更高效的睡眠分期方法，减少对传统多导睡眠图的依赖	成年人的PPG数据	机器学习	睡眠障碍	PPG（光电容积描记术）	SleepPPGNet	PPG数据	NA
32	2025-03-06	Unsupervised 3D Lung Segmentation by Leveraging 2D Segment Anything Model 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/EMBC53108.2024.10782129 PMID:40038928	研究论文	本研究提出了一种利用2D Segment Anything Model (SAM)进行无监督3D肺部分割的方法	通过利用2D SAM模型生成2D分割掩码，并将其重建为3D掩码，实现了无需标注数据的无监督3D肺部分割	依赖于2D SAM模型的分割质量，且未在更多数据集上进行验证	实现无需标注数据的3D肺部分割，以支持肺结节检测和肺癌分析	3D肺部CT数据	计算机视觉	肺癌	无监督学习	2D Segment Anything Model (SAM)	3D CT图像	LUNA16数据集
33	2025-03-06	A Cross-Feature Mutual Learning Framework to Integrate Functional Connectivity and Activity for Brain Disorder 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/EMBC53108.2024.10781810 PMID:40038938	研究论文	本文提出了一种跨特征互学习框架（CFML），用于整合功能连接性和活动性特征以进行脑部疾病分类	提出了一种端到端的混合特征学习框架，通过跨特征互学习策略实现TC和FNC特征的协同学习，从而增强脑部疾病分类性能	NA	提高脑部疾病分类的准确性	健康对照组（HC）和精神分裂症（SZ）患者	脑部疾病分类	精神分裂症	功能磁共振成像（fMRI）	循环神经网络（RNN）、Transformer	时间序列数据（TC）、功能网络连接性（FNC）	NA
34	2025-03-06	TransRUPNet for Improved Polyp Segmentation 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/EMBC53108.2024.10781511 PMID:40038943	研究论文	本文提出了一种基于Transformer的残差上采样网络（TransRUPNet），用于自动和实时的息肉分割，以预防结直肠癌	TransRUPNet结合了Transformer和残差上采样技术，显著提高了息肉分割的实时性和准确性，特别是在分布外数据集上的表现优于现有方法	未明确提及具体局限性	开发一种高效的深度学习架构，用于实时息肉分割，以预防结直肠癌	息肉图像	计算机视觉	结直肠癌	深度学习	Transformer based Residual Upsampling Network (TransRUPNet)	图像	未明确提及具体样本数量，但使用了公开的PolypGen数据集
35	2025-03-06	BrainFTFCN: Synergistic feature fusion of temporal dynamics and network connectivity for brain age prediction 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/EMBC53108.2024.10782250 PMID:40038971	研究论文	本文提出了一种名为BrainFTFCN的新型特征融合网络，用于通过整合时间动态和网络连接性来增强大脑年龄预测和模型的可解释性	BrainFTFCN首次将时间注意力自编码器（TAAE）和功能连接图注意力网络（FCGAT）结合，以协同整合时间动态和网络连接性，从而提升大脑年龄预测的准确性和模型的可解释性	NA	通过整合神经影像数据中的时间动态和网络连接性，提高大脑年龄预测的准确性，并揭示与衰老和神经疾病相关的认知衰退机制	大脑年龄预测	机器学习	神经疾病	静息态功能磁共振成像（rs-fMRI）	Temporal Attention Autoencoder (TAAE), Functional Connectivity Graph Attention Network (FCGAT), 支持向量回归	神经影像数据	Cam-CAN数据集
36	2025-03-06	Selection of Dataframes Presenting Glioma from Magnetic Resonance Images: a Deep Learning Approach 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/EMBC53108.2024.10782396 PMID:40038981	研究论文	本文提出了一种基于深度学习的算法，用于从FLAIR MRI切片中自动检测胶质瘤，并通过生成PDF报告来辅助临床医生	该模型是首个不依赖于特征的自动化方法，用于在MRI切片级别识别胶质瘤，并且生成的PDF报告使其可直接用于临床	NA	开发一种自动检测胶质瘤的深度学习算法，以减少临床医生在MRI切片级别识别胶质瘤所需的时间	FLAIR MRI切片中的胶质瘤	计算机视觉	胶质瘤	深度学习	NA	图像	NA
37	2025-03-06	Interactive Image Selection and Training for Brain Tumor Segmentation Network 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/EMBC53108.2024.10781962 PMID:40038984	研究论文	本文提出了一种基于FLIM的交互式图像选择和训练方法，用于脑肿瘤分割网络	采用交互式方法结合专家知识进行图像选择和训练，减少了对大量标注图像的需求	需要专家参与，可能限制了方法的广泛应用	解决医学图像分割中需要大量标注图像的问题	脑肿瘤图像	计算机视觉	脑肿瘤	FLIM（从图像标记中学习特征）	U-shaped网络	图像	少量图像
38	2025-03-06	Detection of Peri-Pancreatic Edema using Deep Learning and Radiomics Techniques 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/EMBC53108.2024.10782032 PMID:40039000	研究论文	本研究利用深度学习和放射组学技术，开发了一种自动检测胰腺周围水肿的方法，旨在提高胰腺炎的诊断和管理	首次提出自动检测胰腺周围水肿的研究，结合了现代深度学习架构和放射组学技术，并为此特定问题创建了基准	研究中使用的数据集仅包含255名患者，样本量相对较小，可能影响模型的泛化能力	开发一种自动检测胰腺周围水肿的方法，以改善胰腺炎的诊断和管理	255名胰腺疾病患者的CT影像数据	计算机视觉	胰腺炎	CT成像	LinTransUNet, Swin-Tiny transformer, XGBoost	CT影像	255名患者
39	2025-03-06	Application of TimeGAN to IMU-based Data of Upper Limb Range of Motion 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/EMBC53108.2024.10782598 PMID:40038998	研究论文	本文应用TimeGAN生成基于IMU传感器的上肢活动范围（ROM）的合成时间序列数据，以克服从大量人类受试者中收集数据的困难	首次将TimeGAN应用于基于IMU传感器的上肢ROM数据，特别是在残疾模拟研究的背景下	未提及具体的数据集大小或样本量，可能限制了结果的普适性	生成准确的上肢ROM合成数据，以支持深度学习模型的训练和康复评估	人类受试者的上肢活动范围数据	机器学习	运动障碍	TimeGAN	GAN	时间序列数据	未明确提及具体样本量
40	2025-03-06	Explainable Multimodal Deep Learning for Heart Sounds and Electrocardiogram 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/EMBC53108.2024.10782371 PMID:40039014	研究论文	本文介绍了一种基于梯度加权类激活映射（Grad-CAM）的方法，用于评估五种不同模型在同步心音和心电图（ECG）二元分类（正常/异常）中的性能	创新点在于使用Grad-CAM方法评估多模态深度学习模型，并比较了早期融合和晚期融合策略在分类性能上的差异	尽管ECG 2D-CNN在ROC-AUC得分上表现更好，但其F1得分较低，表明模型在某些性能指标上存在局限性	研究目标是评估多模态深度学习模型在心音和心电图分类中的性能，并探索不同融合策略的效果	研究对象为同步记录的心音和心电图数据	机器学习	心血管疾病	Grad-CAM	1D-CNN, 2D-CNN, 多模态模型	心音信号, 心电图信号	未提及具体样本数量