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
101	2024-12-29	SSGCNet: A Sparse Spectra Graph Convolutional Network for Epileptic EEG Signal Classification 2024-09, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3252569 PMID:37030729	研究论文	本文提出了一种稀疏光谱图卷积网络（SSGCNet）用于癫痫脑电图（EEG）信号分类	提出了一种加权邻域场图（WNFG）来表示EEG信号，并结合稀疏权重剪枝和交替方向乘子法（ADMM）开发了序列图卷积网络	未提及具体局限性	开发一种轻量级的深度学习模型，同时保持高分类准确率	癫痫脑电图（EEG）信号	机器学习	癫痫	图卷积网络（GCN）	SSGCNet	EEG信号	Bonn公共数据集和SSW临床真实数据集
102	2024-12-29	Higher Order Polynomial Transformer for Fine-Grained Freezing of Gait Detection 2024-09, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3264647 PMID:37043325	研究论文	本文提出了一种基于视觉输入的高阶多项式变换器（HP-Transformer）架构，用于细粒度冻结步态（FoG）检测	提出了高阶自注意力机制，基于高阶多项式构建了线性、双线性和三线性变换器，并通过跨阶融合策略进行FoG检测	NA	开发一种基于机器学习的细粒度冻结步态检测方法	帕金森病患者的冻结步态（FoG）事件	计算机视觉	帕金森病	NA	高阶多项式变换器（HP-Transformer）	图像	大型内部数据集
103	2024-12-28	Results of an Artificial Intelligence-Based Image Review System to Detect Patient Misalignment Errors in a Multi-institutional Database of Cone Beam Computed Tomography-Guided Radiation Therapy 2024-Sep-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.02.065 PMID:38485098	研究论文	本文介绍了一种基于人工智能的图像审查系统，用于检测多机构数据库中锥形束计算机断层扫描引导的放射治疗中的患者对位错误	开发了一种深度学习算法，用于自动回顾性搜索临床图像引导放射治疗数据库中的对位错误，并确定了绝对的患者对位错误率	假阳性病例通常显示显著的图像伪影、患者旋转和软组织解剖变化	确定图像引导放射治疗中患者对位错误的绝对发生率	2017年至2022年间在两家放射治疗诊所接受治疗的680名患者	数字病理学	NA	深度学习	NA	图像	680名患者的17,612次注册
104	2024-12-25	Magnetic Resonance Electrical Properties Tomography Based on Modified Physics- Informed Neural Network and Multiconstraints 2024-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3391651 PMID:38640054	研究论文	本文提出了一种基于改进的物理信息神经网络和多约束的磁共振电特性断层成像方法	本文提出了一种模型驱动的方法，利用全连接网络从测量的射频信号及其空间梯度和拉普拉斯算子映射到电特性，并通过自动微分和链式法则计算电特性的空间梯度，同时引入了多约束以缓解问题的病态性	NA	开发一种新的磁共振电特性断层成像方法，以提高电特性值的重建精度	磁共振成像系统中扫描组织的电特性空间分布	计算机视觉	NA	磁共振成像	全连接网络	图像	三维真实头部模型、数字幻影模拟和9.4T动物MRI系统的实际幻影实验
105	2024-12-25	Deep Location Soft-Embedding-Based Network With Regional Scoring for Mammogram Classification 2024-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3389661 PMID:38625766	研究论文	提出了一种基于深度位置软嵌入和区域评分网络（DLSEN-RS）的乳腺X线图像分类方法	引入了位置嵌入（PE）和聚合池化（AP）模块，无需手动分割标注、边界框、迁移学习或多阶段训练即可定位病变区域，并提高了模型的肿瘤定位和诊断准确性	未提及具体的局限性	开发一种无需手动分割标注的乳腺X线图像分类方法，以减少劳动、资金和计算开销	乳腺X线图像中的病变区域	计算机视觉	乳腺癌	深度学习	CNN	图像	使用了INbreast和CBIS-DDSM数据集进行实验
106	2024-12-25	Morph-SSL: Self-Supervision With Longitudinal Morphing for Forecasting AMD Progression From OCT Volumes 2024-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3390940 PMID:38635383	研究论文	本文提出了一种名为Morph-SSL的自监督学习方法，用于从OCT体积数据中预测年龄相关性黄斑变性（AMD）的进展	Morph-SSL通过使用不同时间点的未标记OCT扫描并进行纵向变形，生成中间扫描，从而在自监督学习中实现平滑的特征流形	本文仅在特定数据集上进行了验证，未来需要在更多样化的数据集上进行测试	开发一种深度学习模型，用于预测从中间年龄相关性黄斑变性（iAMD）到新生血管性年龄相关性黄斑变性（nAMD）的转换风险	年龄相关性黄斑变性（AMD）患者的OCT扫描数据	机器学习	眼科疾病	自监督学习	深度学习模型	图像	399只眼睛的未标记扫描（3570次访问），以及343只眼睛的临床标记扫描（2418次扫描）
107	2024-12-25	Better Rough Than Scarce: Proximal Femur Fracture Segmentation With Rough Annotations 2024-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3392854 PMID:38652607	研究论文	本文提出了一种新的弱监督框架RT-Net，用于近端股骨骨折的分割，通过使用粗略标注来提高分割精度	提出了RT-Net框架，结合粗略标注和空间自适应注意力模块，以及细边缘损失函数，显著提升了近端股骨骨折分割的准确性	需要进一步验证在公共数据集上的表现，以及在不同医疗环境中的泛化能力	解决近端股骨骨折在CT扫描中的分割问题，特别是在标注数据稀缺的情况下	近端股骨骨折的分割	计算机视觉	骨折	深度学习	RT-Net	CT图像	大量粗略标注的CT图像
108	2024-12-25	3DTINC: Time-Equivariant Non-Contrastive Learning for Predicting Disease Progression From Longitudinal OCTs 2024-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3391215 PMID:38656867	研究论文	提出了一种新的自监督学习方法3DTINC，用于从纵向OCT图像中预测疾病进展	引入了一种基于非对比学习的纵向自监督学习方法3DTINC，并设计了专门针对OCT图像的增强方法和非对比相似性损失项	现有的对比学习方法需要大批次和针对自然图像的增强，不适用于3D医学图像	提高深度学习模型在处理3D医学图像时的效率和效果，特别是用于预测视网膜疾病的进展	纵向光学相干断层扫描（OCT）图像中的视网膜疾病进展	计算机视觉	眼科疾病	自监督学习	非对比学习模型	3D图像	两个大规模纵向视网膜OCT数据集
109	2024-12-25	PCNet: Prior Category Network for CT Universal Segmentation Model 2024-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3395349 PMID:38687654	研究论文	本文提出了一种名为PCNet的新方法，通过利用解剖结构类别之间的先验知识来提升CT图像分割性能	创新点在于引入了先验类别提示（PCP）、层次类别系统（HCS）和层次类别损失（HCL），利用CLIP和注意力模块定义解剖类别之间的关系，并通过层次关系指导分割模型	未提及具体限制	旨在提高CT图像中解剖结构的分割精度，以支持临床诊断、治疗计划和疾病监测	研究对象为CT图像中的解剖结构	计算机视觉	NA	深度学习	PCNet	图像	未提及具体样本数量
110	2024-12-25	Adaptive and Iterative Learning With Multi-Perspective Regularizations for Metal Artifact Reduction 2024-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3395348 PMID:38687653	研究论文	本文提出了一种在小波域中进行金属伪影减少（MAR）的方法，通过多视角正则化和自适应小波模块来提高模型的性能和灵活性	本文的创新点在于利用小波变换的特性，在避免二次伪影的同时，能够更好地识别图像中的伪影，并通过多视角正则化和自适应小波模块提升模型性能	现有方法在正弦图域和图像域中存在局限性，局部操作引入的误差会在反投影过程中传播，导致二次伪影	研究如何在CT图像中有效减少金属伪影，以提高临床诊断的准确性	CT图像中的金属伪影	计算机视觉	NA	小波变换	NA	图像	合成数据集和真实临床数据集
111	2024-12-22	Semi-supervised meta-learning elucidates understudied molecular interactions 2024-09-09, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06797-z PMID:39251833	研究论文	本文开发了一种名为MMAPLE的深度学习框架，用于解决数据分布偏移和标签数据稀缺的问题，并在多个领域展示了其预测能力	MMAPLE将元学习、迁移学习和半监督学习整合到一个统一的框架中，能够有效利用分布外的未标记数据	NA	开发一种新的深度学习框架，以解决生物学中由于实验限制和人类偏见导致的未充分研究问题	药物-靶点相互作用、人类代谢物-酶相互作用以及未充分研究的微生物组代谢物-人类受体相互作用	机器学习	NA	深度学习	MMAPLE	数据	NA
112	2024-12-22	Enabling target-aware molecule generation to follow multi objectives with Pareto MCTS 2024-09-02, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06746-w PMID:39223327	研究论文	本文提出了一种名为ParetoDrug的多目标靶向分子生成算法，通过Pareto蒙特卡洛树搜索（MCTS）在化学空间中搜索分子，以实现多属性的同步优化	ParetoDrug算法通过在Pareto前沿上进行分子搜索，结合预训练的原子自回归生成模型和ParetoPUCT策略，实现了多目标靶向分子生成，解决了现有方法在药物相似性等其他重要属性上的不足	NA	旨在填补深度学习药物发现领域中多目标靶向分子生成的空白	靶向蛋白质的小分子配体及其多属性优化	机器学习	NA	蒙特卡洛树搜索（MCTS）	自回归生成模型	分子结构	NA
113	2024-12-22	Improved sleep stage predictions by deep learning of photoplethysmogram and respiration patterns 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108679 PMID:39033682	研究论文	本文提出了一种结合卷积神经网络和双向长短期记忆的深度学习架构，通过光体积描记信号和呼吸模式来提高睡眠阶段分类的准确性	本文的创新点在于通过结合光体积描记信号和呼吸传感器输入，显著提高了睡眠阶段分类的准确性，并展示了在不同阶段分类中的显著改进	本文的局限性在于仅使用了光体积描记信号和呼吸传感器输入，可能无法完全替代传统的多导睡眠图	本文的研究目的是提高睡眠阶段分类的准确性，以便更便捷地诊断和管理睡眠障碍	本文的研究对象是睡眠阶段的分类	机器学习	NA	NA	卷积神经网络和双向长短期记忆	信号	NA
114	2024-12-22	Current strategies to address data scarcity in artificial intelligence-based drug discovery: A comprehensive review 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108734 PMID:38964243	综述	本文综述了在基于人工智能的药物发现中应对数据稀缺问题的当前策略	本文介绍了多种应对数据稀缺的方法，包括迁移学习、主动学习、单样本学习、多任务学习、数据增强、数据合成和联邦学习等	本文讨论了这些方法在处理小分子数据时的局限性	探讨如何通过不同方法解决人工智能在药物发现中面临的数据稀缺问题	人工智能在药物发现中的应用及其面临的挑战	机器学习	NA	迁移学习、主动学习、单样本学习、多任务学习、数据增强、数据合成、联邦学习	NA	分子结构数据	NA
115	2024-12-22	A graph neural network approach for predicting drug susceptibility in the human microbiome 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108729 PMID:38955124	研究论文	本文提出了一种基于图神经网络的方法，用于预测人类微生物组中药物的敏感性	本文首次提出了基于图神经网络的模型（GCN、GAT和GINCOV），并展示了GINCOV模型在预测药物对肠道微生物组敏感性方面的优越性能	本文未详细讨论模型的可解释性以及在不同人群中的泛化能力	探索药物与人类微生物组相互作用，预测药物在肠道微生物组中的敏感性	药物与人类微生物组的相互作用	机器学习	NA	图神经网络	GCN, GAT, GINCOV	SMILES数据集	约150种药物
116	2024-12-22	Exploring the potential of artificial intelligence in paediatric dentistry: A systematic review on deep learning algorithms for dental anomaly detection 2024-Sep, International journal of paediatric dentistry IF:2.3Q2 DOI:10.1111/ipd.13164 PMID:38297447	综述	本文系统回顾了深度学习算法在儿科牙科中检测牙科异常的潜力	展示了基于深度学习算法的人工智能系统在提高牙科异常检测速度和准确性方面的潜力	文章数量有限且数据异质性较大	研究人工智能系统在识别儿科牙科中的牙科异常方面的表现，并将其与人类表现进行比较	儿科牙科中的牙科异常	计算机视觉	NA	深度学习	深度学习子系统	图像	6篇文章，评估了9个深度学习子系统
117	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
118	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
119	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
120	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