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
221	2024-12-19	Protein-Protein Interaction Prediction Model Based on ProtBert-BiGRU-Attention 2024-09, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2023.0297 PMID:39069885	研究论文	本文提出了一种基于ProtBert-BiGRU-Attention的蛋白质-蛋白质相互作用预测模型	利用预训练的蛋白质序列模型ProtBert结合双向门控循环单元（BiGRU）和注意力机制，仅使用蛋白质序列信息进行预测，提升了蛋白质序列特征的表达能力	未提及具体的局限性	研究蛋白质相互作用，提升蛋白质-蛋白质相互作用（PPI）预测的准确性	蛋白质序列及其相互作用	机器学习	NA	NA	BiGRU，注意力机制	蛋白质序列	未提及具体样本数量
222	2024-12-18	An approach to automatic fault detection in four-point system for knitted fabric with our benchmark dataset Isl-Knit 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35931 PMID:39676831	研究论文	本文提出了一种基于深度学习的针织面料自动缺陷检测方法，并引入了新的基准数据集ISL-Knit	本文的创新点在于引入了一个专门针对针织面料缺陷的基准数据集ISL-Knit，并使用YOLOv5模型进行训练和比较，展示了在不同硬件设备上的实际应用效果	本文的局限性在于仅在特定场景下验证了模型的可行性，未涵盖所有可能的针织面料缺陷类型	研究目的是开发一种自动化的针织面料缺陷检测系统，以减少人工检查的工作量	研究对象是针织面料的缺陷检测	计算机视觉	NA	深度学习	YOLOv5	图像	包含7种缺陷类型的高分辨率灰布和染色布图像
223	2024-12-18	Improving Biological Joint Moment Estimation During Real-World Tasks With EMG and Instrumented Insoles 2024-09, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3388874 PMID:38619965	研究论文	本文研究了通过肌电图（EMG）和智能鞋垫改进生物关节力矩在实际任务中的实时估计	本文创新性地将肌电图和智能鞋垫数据引入深度学习模型，以改进非循环任务中的关节力矩估计	本文主要验证了在循环和非循环任务中的效果，但未探讨在其他复杂环境下的表现	提高生物关节力矩在实际任务中的实时估计精度，以增强临床评估和外骨骼控制	髋关节和膝关节的力矩估计	机器学习	NA	深度学习	深度学习模型	传感器数据	10个循环活动和18个非循环活动的数据集
224	2024-12-18	AI-Based Denoising of Head Impact Kinematics Measurements With Convolutional Neural Network for Traumatic Brain Injury Prediction 2024-09, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3392537 PMID:38683703	研究论文	本研究使用一维卷积神经网络（1D-CNN）模型对口腔护具测量的头部冲击运动学数据进行去噪，以提高创伤性脑损伤（TBI）风险监测的准确性	本研究首次使用1D-CNN模型对口腔护具测量的头部冲击运动学数据进行去噪，并验证了其在实验室假人冲击和尸体冲击数据上的有效性	研究结果需要在更多真实人体运动学数据上进行验证，才能应用于实际场景	提高口腔护具测量的头部冲击运动学数据的准确性，以增强创伤性脑损伤风险监测	口腔护具测量的头部冲击运动学数据	机器学习	创伤性脑损伤	一维卷积神经网络（1D-CNN）	CNN	运动学数据	163次实验室假人头部冲击、118次大学橄榄球现场冲击和413次尸体冲击数据
225	2024-12-17	Enhancing accuracy and interpretability of multi-steps water demand prediction through prior knowledge integration in neural network architecture 2024-Sep-01, Water research X IF:7.2Q1 DOI:10.1016/j.wroa.2024.100247 PMID:39678433	研究论文	本文提出了一种新的城市用水需求预测神经网络（UWDFNet），通过整合领域特定的先验知识来提高预测的准确性和可解释性	创新性地将水供应管理中的领域特定先验知识纳入神经网络结构设计，并验证了模型学习到的知识与先验知识的一致性	未提及具体的局限性	提高多步用水需求预测模型的准确性和可解释性	城市用水需求预测	机器学习	NA	神经网络	神经网络	数值数据	未提及具体样本数量
226	2024-12-16	LEO navigation observables extraction using CLOCFC network 2024-Sep-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70846-0 PMID:39242654	研究论文	本文提出了一种轻量级深度学习模型CLOCFC，用于从低地球轨道卫星信号中提取导航观测值	提出了CLOCFC模型，采用双分支结构，并引入了CFC模块（一种液态神经网络），以增强数据序列中的时空信息获取能力	NA	减少航空用户对全球导航卫星系统的依赖，利用低地球轨道卫星的信号进行导航和定位	从低地球轨道卫星信号中提取导航观测值	机器学习	NA	深度学习	CLOCFC	信号	使用ORBCOMM星座信号作为模型输入，多普勒频率作为标签，进行了大量实验
227	2024-12-15	An intensity-based self-supervised domain adaptation method for intervertebral disc segmentation in magnetic resonance imaging 2024-Sep, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03219-7 PMID:38976178	研究论文	本研究提出了一种基于强度的自监督域适应方法，用于磁共振图像中的椎间盘分割	创新性地使用基于强度的自监督学习方法，利用未标记的多域数据减少对大规模标注数据的依赖	未提及具体的局限性	提高椎间盘分割的准确性，减少对大规模标注数据的依赖	磁共振图像中的椎间盘	计算机视觉	NA	磁共振成像	双任务系统	图像	使用了来自多个域的未标记数据
228	2024-12-15	Development and Validation of a Deep Learning Model for Prediction of Adult Physiological Deterioration 2024-Sep-01, Critical care explorations DOI:10.1097/CCE.0000000000001151 PMID:39258951	研究论文	开发并验证了一种基于深度学习的成人生理恶化预测模型DETERIO，该模型基于共识的恶化定义（AIDE标准），并将其视为一个“价值估计”问题	提出了基于共识定义的恶化预测模型DETERIO，并将其视为一个“价值估计”问题，相较于现有的商业化恶化评分（EDI），DETERIO在预测性能上表现更优	需要进一步研究以评估模型的泛化能力和实际临床影响	开发并验证一种新的深度学习模型，用于预测成人患者的生理恶化，并评估其在临床中的应用潜力	成人患者的生理恶化预测	机器学习	NA	深度学习	深度学习模型	患者数据	开发队列包含330,729名患者，验证队列包含65,898名患者
229	2024-12-13	German CheXpert Chest X-ray Radiology Report Labeler 2024-09, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin DOI:10.1055/a-2234-8268 PMID:38295825	研究论文	本研究开发了一种算法，用于从德语胸腔放射学报告中自动提取注释，以训练基于深度学习的胸部X光分类模型	开发了一种基于CheXpert架构的自动标签提取模型，用于德语胸腔放射学报告，并创建了一个网络化的多读者注释界面以生成真实数据	自动提取标签的不确定性检测F1分数较低，表明在处理不确定情况时仍存在局限性	开发一种自动从德语胸腔放射学报告中提取注释的算法，以提高胸部X光分类模型的训练效率	德语胸腔放射学报告和胸部X光图像	数字病理学	NA	深度学习	DenseNet-121	文本和图像	1086份回顾性收集的放射学报告（数据集1）和6434张胸部X光图像及相应报告（数据集2）
230	2024-12-11	Multi-Task Collaborative Pre-Training and Adaptive Token Selection: A Unified Framework for Brain Representation Learning 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3416038 PMID:38889024	研究论文	提出了一种结合多任务协同预训练和自适应标记选择的脑表示学习统一框架MCPATS，用于从结构磁共振成像中学习脑的通用表示	创新点在于提出了MCPATS框架，结合多任务协同预训练和自适应标记选择，能够同时捕捉脑结构的细粒度细节和全局结构，并显式表达隐含在局部-全局图像特征中的认知信息	NA	研究目的是从结构磁共振成像中学习脑的通用表示，以捕捉与个体认知变异性相关的高级表示	研究对象是脑的结构磁共振成像数据，以及其中隐含的认知信息	机器学习	NA	结构磁共振成像	MCPATS框架	图像	使用了三个不同的公开数据集进行验证
231	2024-12-11	Time-Frequency-Space EEG Decoding Model Based on Dense Graph Convolutional Network for Stroke 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3411646 PMID:38857138	研究论文	本文提出了一种基于密集图卷积网络的时间-频率-空间域脑电图解码模型，用于中风康复	结合改进的S变换（MST）和密集图卷积网络（DenseGCN）算法，提高了基于运动想象的脑机接口在中风康复中的性能	NA	提高基于运动想象的脑机接口在中风康复中的性能	中风患者的脑电信号	机器学习	中风	密集图卷积网络（DenseGCN）	密集图卷积网络（DenseGCN）	脑电图（EEG）	NA
232	2024-12-11	Real-Time Automatic M-Mode Echocardiography Measurement With Panel Attention 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3413628 PMID:38865231	研究论文	本文提出了一种实时自动M模式超声心动图测量方案RAMEM，通过深度学习技术提高诊断效率和准确性	本文的创新点包括：1) 提供了首个M模式超声心动图数据集MEIS；2) 提出了带有面板注意力嵌入的UPANets V2卷积骨干网络，用于实时实例分割；3) 引入了自动M模式超声心动图测量算法AMEM	NA	开发一种自动化的实时M模式超声心动图测量方案，以提高诊断效率和准确性	M模式超声心动图的心脏尺寸和射血分数测量	计算机视觉	心血管疾病	深度学习	CNN	图像	首个M模式超声心动图数据集MEIS
233	2024-12-11	BioFusionNet: Deep Learning-Based Survival Risk Stratification in ER+ Breast Cancer Through Multifeature and Multimodal Data Fusion 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3418341 PMID:38913518	研究论文	本文提出了BioFusionNet，一个基于深度学习的框架，通过融合图像特征、遗传和临床数据，对ER+乳腺癌患者进行生存风险分层	引入了多特征和多模态数据融合的深度学习框架，使用自监督特征提取器、变分自编码器和自注意力网络，并设计了加权Cox损失函数来处理不平衡的生存数据	未提及具体的局限性	开发一种能够准确进行生存风险分层的深度学习模型，以指导个性化治疗决策	ER+乳腺癌患者的生存风险	数字病理学	乳腺癌	深度学习	自注意力网络	图像、遗传数据、临床数据	未提及具体样本数量
234	2024-12-11	A Generalisable Heartbeat Classifier Leveraging Self-Supervised Learning for ECG Analysis During Magnetic Resonance Imaging 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3411792 PMID:38857140	研究论文	本文提出了一种利用自监督学习进行心电图分析的可推广心跳分类器，用于磁共振成像期间的心电图信号分类	本文创新性地使用了孪生网络和自监督学习技术，利用大量未标注的心电图数据进行预训练，提高了模型在磁共振成像环境下对心电图信号的分类能力	本文的局限性在于仅在磁共振成像环境下进行了测试，未涉及其他环境下的心电图信号分类	研究目的是开发一种在磁共振成像环境下能够有效分类心电图信号的深度学习模型	研究对象是在磁共振成像期间获取的心电图信号	机器学习	心血管疾病	自监督学习	孪生网络	信号	使用了大量未标注的心电图数据进行预训练，具体样本数量未提及
235	2024-12-11	SeqAFNet: A Beat-Wise Sequential Neural Network for Atrial Fibrillation Classification in Adhesive Patch-Type Electrocardiographs 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3411056 PMID:38848232	研究论文	本研究开发了一种基于粘贴式心电图的房颤分类方法，使用深度学习模型对心电信号进行逐拍分类	提出了SeqAFNet模型，采用两阶段双向循环神经网络，能够逐拍分类心电信号并捕捉房颤相关的长期依赖性	NA	开发一种基于粘贴式心电图的房颤分类方法，以提高房颤诊断的准确性	房颤（AF）分类	机器学习	心血管疾病	深度学习	RNN	时间序列	使用了来自临床试验的房颤数据，数据来源为粘贴式心电图MEMO Patch
236	2024-12-11	Ensemble Vision Transformer for Dementia Diagnosis 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3412812 PMID:38889030	研究论文	本研究提出了一种新的蒙特卡罗集成视觉变换器（MC-ViT）方法，用于阿尔茨海默病（AD）的诊断	该方法通过蒙特卡罗采样生成广泛的分类决策，克服了3D补丁卷积神经网络只能表征部分大脑解剖结构的局限性，并能有效识别3D特征间相关性	NA	开发一种新的深度学习方法，用于提高阿尔茨海默病的诊断准确性	阿尔茨海默病（AD）的诊断	计算机视觉	老年疾病	深度学习	视觉变换器（ViT）	图像	使用了来自阿尔茨海默病神经成像倡议（ADNI）数据集的7199次扫描和开放获取影像研究系列-3（OASIS-3）的1992次扫描
237	2024-12-11	3D Vessel Segmentation With Limited Guidance of 2D Structure-Agnostic Vessel Annotations 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3409382 PMID:38833403	研究论文	本文提出了一种新的3D形状引导局部判别模型（3D-SLD），用于在有限的2D血管注释指导下进行3D血管分割	提出了3D区域判别损失和对抗形状约束损失，并引入了高亮-回顾-总结（HRS）机制，以提高训练稳定性和预测可信度	依赖于公共的2D血管注释，可能不适用于所有类型的血管结构	开发一种在有限2D注释指导下进行3D血管分割的方法，以减少对3D手动注释的依赖	3D血管分割	计算机视觉	NA	深度学习	3D-SLD模型	图像	仅使用公共的2D冠状动脉注释进行指导
238	2024-12-11	Accurate Whole-Brain Image Enhancement for Low-Dose Integrated PET/MR Imaging Through Spatial Brain Transformation 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3407116 PMID:38814764	研究论文	本文提出了一种基于空间脑变换（SBF）模块的3D网络，用于低剂量PET/MR图像的全脑图像增强，以合成高质量的PET图像	创新点在于引入了一个空间脑变换模块，结合FreeSurfer工具包提取的空间脑解剖对齐信息，提升了低剂量PET图像的质量	目前仅在PET/MR系统上进行了验证，未来计划扩展到其他多模态系统如PET/CT	旨在通过低剂量PET/MR图像合成高质量PET图像，减少患者辐射暴露和经济负担	低剂量全脑PET和MR图像	计算机视觉	NA	深度学习	3D网络	图像	未明确具体样本数量
239	2024-12-11	A Vision Transformer-Based Framework for Knowledge Transfer From Multi-Modal to Mono-Modal Lymphoma Subtyping Models 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3407878 PMID:38819973	研究论文	本文提出了一种基于Vision Transformer的框架，用于从多模态到单模态的淋巴瘤亚型分类模型的知识迁移	引入了一种多模态架构，通过知识蒸馏过程有效地指导单模态分类器的学习	需要更多的训练数据以进一步提高诊断准确性	开发一种成本效益高且快速的淋巴瘤亚型分类方法，以替代现有的昂贵且耗时的诊断技术	区分弥漫大B细胞淋巴瘤（DLBCL）癌症亚型	计算机视觉	淋巴瘤	Vision Transformer	Vision Transformer	图像	157名淋巴瘤患者的数据集
240	2024-12-11	DIPO: Differentiable Parallel Operation Blocks for Surgical Neural Architecture Search 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3406065 PMID:38805333	研究论文	本文提出了一种名为DIPO的可微分并行操作块的神经架构搜索方法，用于自动优化卷积神经网络的架构	DIPO通过构建局部搜索空间并自动优化内部架构和参数，能够灵活应用于不同的卷积网络和任务	NA	开发一种能够自动优化神经网络架构的方法，以提高计算机视觉任务的性能	手术场景分割、手术器械检测和手术器械姿态估计	计算机视觉	NA	神经架构搜索（NAS）	卷积神经网络（CNN）	图像	5个数据集