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
161	2024-12-18	Optimizing the topology of convolutional neural network (CNN) and artificial neural network (ANN) for brain tumor diagnosis (BTD) through MRIs 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35083 PMID:39687857	研究论文	本文提出了一种优化卷积神经网络（CNN）和人工神经网络（ANN）拓扑结构的方法，用于通过MRI进行脑肿瘤诊断	本文引入了一种新的方法，通过遗传算法（GA）优化CNN和ANN的配置，以提高脑肿瘤诊断的效率	本文未提及具体的局限性	优化CNN和ANN的拓扑结构，以提高脑肿瘤诊断的准确性	脑肿瘤的诊断和肿瘤类型的检测	计算机视觉	脑肿瘤	遗传算法（GA）	卷积神经网络（CNN）和人工神经网络（ANN）	图像	使用了BRATS2014和BTD20数据库中的样本
162	2024-12-18	A comparison of super-resolution microscopy techniques for imaging tightly packed microcolonies of an obligate intracellular bacterium 2024-Aug-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.12.607698 PMID:39211076	研究论文	本文比较了五种超分辨率显微技术在成像紧密排列的细胞内细菌微菌落中的应用	本文首次结合3D-STED技术和深度学习软件Cellpose，分析了不同哺乳动物细胞系中细菌的形状差异	本文仅比较了五种显微技术在横向和轴向分辨率上的表现，未涉及其他可能的技术	比较不同超分辨率显微技术在成像紧密排列的细胞内细菌微菌落中的优缺点	细胞内细菌微菌落及其外膜蛋白和外膜小泡	计算机视觉	NA	超分辨率显微技术（标准共聚焦、Airyscan共聚焦、iSIM、3D-SIM、STED）	Cellpose（深度学习软件）	图像	不同哺乳动物细胞系中的细胞内细菌
163	2024-12-18	Leveraging Brain Modularity Prior for Interpretable Representation Learning of fMRI 2024-08, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3370415 PMID:38412079	研究论文	本文提出了一种基于脑模块性约束的动态表示学习框架，用于可解释的fMRI分析	设计了一种新的模块性约束图神经网络（MGNN），并引入了图拓扑重建约束以增强学习特征的判别能力	NA	开发一种可解释的fMRI表示学习方法，以提高脑部疾病分析的生物学解释性	静息态功能磁共振成像（rs-fMRI）数据	机器学习	NA	功能磁共振成像（fMRI）	图神经网络（GNN）	图像	534名受试者的rs-fMRI扫描数据
164	2024-12-18	ECGAN-Assisted ResT-Net Based on Fuzziness for OSA Detection 2024-08, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3378508 PMID:38498752	研究论文	本文提出了一种基于模糊概念的ECGAN辅助ResT-Net框架，用于阻塞性睡眠呼吸暂停（OSA）检测	创新点在于使用一维生成对抗网络（ECGAN）生成高质量的ECG信号，并通过模糊概念过滤信号，同时结合ResT-Net的多头注意力机制提取更有价值的OSA检测特征	NA	提高在有限标注样本情况下的阻塞性睡眠呼吸暂停（OSA）检测性能	阻塞性睡眠呼吸暂停（OSA）检测	机器学习	NA	生成对抗网络（GAN）	ResT-Net	ECG信号	使用了Apnea-ECG数据库和私有数据库的数据
165	2024-12-15	Transformers and large language models in healthcare: A review 2024-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102900 PMID:38878555	综述	本文综述了Transformer神经网络架构在医疗保健领域的应用	介绍了Transformer架构在多种医疗数据分析中的应用，包括临床NLP、医学影像、结构化电子健康记录、社交媒体、生物生理信号和生物分子序列	讨论了使用Transformer在医疗保健中的局限性，如计算成本、模型可解释性、公平性、与人类价值观的一致性、伦理影响和环境影响	探讨Transformer架构在医疗保健领域的应用及其优缺点	Transformer架构在医疗数据分析中的应用，包括临床诊断、报告生成、数据重建和药物/蛋白质合成	自然语言处理	NA	Transformer	Transformer	文本、图像、结构化数据、社交媒体数据、生物生理信号、生物分子序列	NA
166	2024-12-15	Learning-based sound speed estimation and aberration correction for linear-array photoacoustic imaging 2024-Aug, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2024.100621 PMID:39669099	研究论文	本文提出了一种基于深度学习的声速估计和校正方法，用于线性阵列光声成像	利用深度学习框架在双模态光声/超声成像系统中进行声速估计和后续的像差校正，通过数字和物理幻影数据进行预训练和迁移学习，提高了光声图像重建的准确性和质量	研究主要基于数字和物理幻影数据，尚未在广泛的人体临床数据上进行验证	提高光声成像中的声速估计和像差校正的准确性，从而改善图像质量	光声成像中的声速分布和像差校正	计算机视觉	NA	深度学习	深度神经网络	图像	数字幻影数据和物理幻影数据，以及一名人体志愿者
167	2024-12-15	UPAMNet: A unified network with deep knowledge priors for photoacoustic microscopy 2024-Aug, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2024.100608 PMID:39669096	研究论文	本文提出了一种名为UPAMNet的统一网络，用于光声显微镜图像的超分辨率和去噪	该方法通过结合三种基于注意力的模块和像素与感知层面的混合训练约束，利用深度图像先验进行图像重建	NA	提高光声显微镜图像的分辨率和去噪效果	光声显微镜图像	计算机视觉	NA	深度学习	卷积神经网络	图像	不同光声显微镜数据集
168	2024-12-15	Aspect-based sentiment analysis in smart devices: A comprehensive and specialized dataset 2024-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110642 PMID:39669762	研究论文	本文介绍了一个专门针对智能设备领域的基于方面的情感分析数据集	该数据集通过咨询行业专家和终端用户的方法，识别了用户评论中的关键方面，并提供了全面的情感分布	NA	研究旨在通过情感分析提升智能设备的用户体验和技术改进	智能设备领域的用户评论和情感分析	自然语言处理	NA	情感分析	NA	文本	2370条评论，包括842条正面、800条负面和728条中性评论
169	2024-12-13	Dual-Mode Imaging System for Early Detection and Monitoring of Ocular Surface Diseases 2024-08, IEEE transactions on biomedical circuits and systems IF:3.8Q2 DOI:10.1109/TBCAS.2024.3411713 PMID:38875082	研究论文	本文介绍了一种基于深度学习的双模态成像系统，用于自动化、客观和可靠地评估干眼症、结膜炎和结膜下出血等三种代表性眼表疾病	该系统结合了红外（IR）和可见光（RGB）图像的双模态处理技术，并采用多阶段深度学习模型，显著提高了诊断的准确性和一致性	NA	开发一种自动化、准确且便携的成像系统，用于早期检测和持续监测眼表疾病	干眼症、结膜炎、结膜下出血以及睑板腺功能障碍	计算机视觉	眼科疾病	深度学习	多阶段深度学习模型	图像	NA
170	2024-12-13	sEMG-Driven Hand Dynamics Estimation With Incremental Online Learning on a Parallel Ultra-Low-Power Microcontroller 2024-08, IEEE transactions on biomedical circuits and systems IF:3.8Q2 DOI:10.1109/TBCAS.2024.3415392 PMID:38885102	研究论文	本文提出了一种基于表面肌电图（sEMG）的增量在线学习策略，用于在超低功耗微控制器上进行多指力估计	本文的创新点在于提出了一种增量在线学习策略，能够在嵌入式设备上进行实时训练，并实现了跨天的多指力估计	本文的局限性在于仅在HYSER数据集上进行了验证，未来需要在更多数据集上进行测试	研究目的是开发一种能够在嵌入式设备上进行实时训练的sEMG驱动控制策略	研究对象是基于sEMG的多指力估计	机器学习	NA	表面肌电图（sEMG）	时间卷积网络（Temporal Convolutional Network）	信号	HYSER数据集中的RANDOM数据集
171	2024-12-13	Electrical Capacitance Tomography of Cell Cultures on a CMOS Microelectrode Array 2024-08, IEEE transactions on biomedical circuits and systems IF:3.8Q2 DOI:10.1109/TBCAS.2024.3415360 PMID:38885101	研究论文	本文介绍了一种基于CMOS微电极阵列的微尺度电容层析成像系统，并使用深度学习模型重建细胞培养的三维体积	引入了多目标损失函数，结合像素级损失函数、基于分布的损失函数和基于区域的损失函数，提高了模型的重建精度	未提及具体的局限性	开发一种低成本、低功耗、无标记的三维生物样本成像工具	细胞培养的三维体积重建	NA	NA	电容层析成像（ECT）	深度学习模型	电容测量数据	实验数据集包括细菌生物膜
172	2024-12-12	Clinical value of deep learning image reconstruction on the diagnosis of pulmonary nodule for ultra-low-dose chest CT imaging 2024-08, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.04.008 PMID:38749827	研究论文	比较深度学习图像重建（DLIR）与自适应统计迭代重建-Veo（ASIR-V）在超低剂量CT（ULD-CT）中对肺结节的图像质量和检测能力	DLIR在超低剂量CT中显著降低了图像噪声，提高了图像质量和结节测量的准确性	研究样本量有限，且未探讨DLIR在不同类型肺结节中的表现差异	评估DLIR在超低剂量CT中对肺结节诊断的临床价值	超低剂量CT（ULD-CT）中的图像质量和肺结节检测能力	计算机视觉	肺部疾病	深度学习图像重建（DLIR）	深度学习模型	图像	142名需要肺部检查的参与者
173	2024-12-11	Harnessing machine learning to predict cytochrome P450 inhibition through molecular properties 2024-08, Archives of toxicology IF:4.8Q1 DOI:10.1007/s00204-024-03756-9 PMID:38619593	研究论文	本研究利用机器学习算法通过分子性质预测细胞色素P450酶的抑制作用	本研究采用了三种不同的分子或子结构性质（Morgan、MACCS和Morgan组合以及RDKit）来训练针对不同细胞色素P450同工酶的SVM模型，并发现Morgan指纹在独立数据集上表现最佳	本研究仅使用了三种分子性质进行模型训练，可能存在其他未考虑的分子性质对预测结果的影响	预测细胞色素P450同工酶的抑制作用，以减少药物-药物相互作用带来的药理学和毒理学风险	细胞色素P450同工酶1A2、2C9、2C19、2D6和3A4的抑制作用	机器学习	NA	机器学习算法	SVM	分子性质	多种分子
174	2024-12-11	Modeling 3D Cardiac Contraction and Relaxation With Point Cloud Deformation Networks 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3389871 PMID:38648144	研究论文	本文提出了一种名为点云变形网络（PCD-Net）的几何深度学习方法，用于直接建模心脏双心室解剖结构在心脏周期极端端之间的三维心脏力学	创新点在于使用点云变形网络（PCD-Net）直接建模心脏的三维力学过程，结合编码器-解码器架构和点云深度学习技术，实现了对心脏收缩和舒张的有效多尺度特征学习	NA	研究目的是提高对心脏三维变形过程的理解和诊断准确性	研究对象是心脏双心室解剖结构在心脏周期极端端之间的三维力学	计算机视觉	心血管疾病	点云深度学习	编码器-解码器架构	点云	超过10,000名受试者的UK Biobank数据集
175	2024-12-11	Sparse Graph Representation Learning Based on Reinforcement Learning for Personalized Mild Cognitive Impairment (MCI) Diagnosis 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3393625 PMID:38683720	研究论文	本文提出了一种基于强化学习的稀疏图表示学习框架，用于个性化轻度认知障碍（MCI）诊断	采用分而治之的方法将功能连接网络（FCN）构建任务分解为更小的子问题，并利用学习到的价值函数确定FCN的稀疏度，考虑了个体FCN的特征	依赖于监督学习的方法在探索新解决方案时存在局限性	开发一种新的强化学习框架，用于提高轻度认知障碍（MCI）诊断的准确性	轻度认知障碍（MCI）患者的功能连接网络（FCN）	机器学习	老年疾病	静息态功能磁共振成像（rs-fMRI）	强化学习（RL）	图像	公开的队列数据集
176	2024-12-11	MPCNN: A Novel Matrix Profile Approach for CNN-based Single Lead Sleep Apnea in Classification Problem 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3397653 PMID:38713565	研究论文	本文提出了一种基于矩阵剖面算法的新方法，用于单导联ECG信号的睡眠呼吸暂停分类问题	创新点在于引入了基于距离关系的特征提取方法，包括最小距离剖面（MinDP）、最大距离剖面（MaxDP）和平均距离剖面（MeanDP），并结合CNN模型进行分类	NA	旨在提高基于ECG信号的睡眠呼吸暂停分类的准确性	单导联ECG信号中的睡眠呼吸暂停分类	机器学习	睡眠呼吸暂停	矩阵剖面算法	CNN	ECG信号	PhysioNet Apnea-ECG数据集（70个夜间记录）和UCDDB数据集（25个夜间记录）
177	2024-12-11	MultiModRLBP: A Deep Learning Approach for Multi-Modal RNA-Small Molecule Ligand Binding Sites Prediction 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3400521 PMID:38739505	研究论文	本研究提出了一种名为MultiModRLBP的深度学习方法，用于预测RNA与小分子配体的结合位点	MultiModRLBP方法整合了多模态特征，包括RNA分子的核苷酸级别的3D结构属性、基于整体RNA结构的关联图以及丰富的RNA语义信息，能够更准确地捕捉结构层面的细微变化	NA	解决预测RNA与小分子结合位点的复杂挑战，探索RNA药物靶点的潜在价值	RNA与小分子配体的结合位点	机器学习	NA	深度学习算法	NA	结构数据	851个RNA与小分子配体的相互作用
178	2024-12-11	TransFOL: A Logical Query Model for Complex Relational Reasoning in Drug-Drug Interaction 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3401035 PMID:38743532	研究论文	本文提出了一种基于Cross-Transformer和图卷积网络（GCNs）的一阶逻辑查询形式的药物-药物相互作用（DDI）预测模型TransFOL	TransFOL模型通过结合Cross-Transformer和GCNs，能够处理更复杂的药物相互作用推理任务，并引入生物医学信息以增强模型的泛化能力	NA	旨在提高药物-药物相互作用预测的准确性和复杂性	药物-药物相互作用（DDI）及其相关的生物医学因素	机器学习	NA	图卷积网络（GCNs），Cross-Transformer	TransFOL	知识图谱	两个基准数据集
179	2024-12-10	An Attention-Based Hemispheric Relation Inference Network for Perinatal Brain Age Prediction 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3411620 PMID:38857141	研究论文	提出了一种基于注意力机制的半球关系推理网络（HRINet），用于预测围产期婴儿的大脑年龄	利用大脑结构侧化的自然特性，通过图注意力机制捕捉半球间关系，并传递侧化信息作为特征，描述双侧半球之间的交互发育	NA	评估大脑状态，如异常发育和老化	围产期婴儿的大脑年龄	计算机视觉	NA	图注意力机制	HRINet	图像	531名早产和足月新生儿
180	2024-12-10	Multi-View Fusion Network-Based Gesture Recognition Using sEMG Data 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3287979 PMID:37339021	研究论文	本文提出了一种基于多视图融合网络的手势识别方法，使用表面肌电图（sEMG）数据进行手势分类	提出了一个新颖的IMSE（Inception-MaxPooling-Squeeze-Excitation）网络模块，用于减少深度学习过程中特征信息的损失，并构建了多特征编码器以丰富稀疏sEMG特征图的信息	本文未提及具体的局限性	研究如何通过多视图融合网络减少稀疏sEMG特征信息损失，并提高手势识别的分类性能	表面肌电图（sEMG）信号及其在手势识别中的应用	机器学习	NA	表面肌电图（sEMG）	多视图融合网络	信号	在NinaPro DB1数据集中，使用300ms时间窗口获取的特征图进行手势动作分类，平均准确率达到93.96%，个体动作识别率的最大变化范围小于11.2%