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	2024-12-11	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
162	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
163	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
164	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
165	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
166	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
167	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
168	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
169	2024-12-11	HEMAsNet: A Hemisphere Asymmetry Network Inspired by the Brain for Depression Recognition From Electroencephalogram Signals 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3404664 PMID:38781058	研究论文	提出了一种受大脑启发的半球不对称网络HEMAsNet，用于从脑电图信号中识别抑郁症	引入了一个独特的'胼胝体样'块，模拟大脑胼胝体在半球间信息传递中的作用，增强了半球间的信息交换，提高了抑郁症识别的准确性	NA	提高基于脑电图信号的抑郁症识别模型的准确性和神经科学可解释性	抑郁症的识别	机器学习	精神疾病	脑电图	CNN和LSTM	脑电图信号	MODMA数据集中的前额叶脑电图数据
170	2024-12-11	RawECGNet: Deep Learning Generalization for Atrial Fibrillation Detection From the Raw ECG 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3404877 PMID:38787663	研究论文	本文提出了一种名为RawECGNet的深度学习模型，用于从原始单导联心电图检测房颤和房扑发作	RawECGNet利用了心电图的形态信息，特别是f波，从而提高了检测性能	NA	开发一种能够利用心电图节奏和形态信息的高性能、可泛化的房颤和房扑检测算法	房颤和房扑发作的检测	机器学习	心血管疾病	深度学习	深度学习模型	心电图	涉及两个外部数据集，考虑了地理、种族和导联位置的分布变化
171	2024-12-11	Uncertainty Estimation and Out-of-Distribution Detection for Deep Learning-Based Image Reconstruction Using the Local Lipschitz 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3404883 PMID:38787662	研究论文	本文提出了一种基于局部Lipschitz度量的方法，用于区分分布外图像与分布内图像，并应用于深度学习图像重建中的不确定性估计和分布外检测	本文的创新点在于使用局部Lipschitz度量来区分分布外图像与分布内图像，并展示了其与平均绝对误差（MAE）之间的强相关性，以确定不确定性估计的阈值	本文的局限性在于其验证主要基于AUTOMAP架构和UNET架构，可能需要进一步验证其在其他架构和应用中的适用性	本文的研究目的是提高深度学习图像重建中的不确定性估计和分布外检测的准确性	本文的研究对象是深度学习图像重建中的不确定性估计和分布外检测	计算机视觉	NA	深度学习	AUTOMAP, UNET	图像	NA
172	2024-12-11	Exploring and Exploiting Multi-Modality Uncertainty for Tumor Segmentation on PET/CT 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3397332 PMID:38776203	研究论文	本文探讨了在PET/CT肿瘤分割任务中利用多模态不确定性的方法	首次探索了多模态不确定性在肿瘤分割中的应用，并提出了一种基于不确定性的损失函数，以有效利用模态间的互补信息	本文主要集中在PET/CT数据集上的肿瘤分割，未来研究可以扩展到其他多模态数据集和任务	研究多模态不确定性在肿瘤分割中的应用，并提出改进方法	PET/CT图像中的肿瘤分割	计算机视觉	NA	深度学习	NA	图像	两个PET/CT数据集
173	2024-12-11	EEGDepressionNet: A Novel Self Attention-Based Gated DenseNet With Hybrid Heuristic Adopted Mental Depression Detection Model Using EEG Signals 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3401389 PMID:38748519	研究论文	本文提出了一种基于EEG信号的自动化深度学习抑郁症检测系统	创新点包括引入自注意力机制的门控DenseNet模型和混合启发式入侵杂草搜索优化算法用于特征选择和网络参数优化	NA	开发一种自动化的抑郁症检测模型，以辅助临床医生进行抑郁症诊断	使用EEG信号进行抑郁症检测	机器学习	精神疾病	EEG	SA-GDensenet	图像	从公开数据库中收集的EEG信号
174	2024-12-11	DeScoD-ECG: Deep Score-Based Diffusion Model for ECG Baseline Wander and Noise Removal 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3237712 PMID:37021916	研究论文	本文提出了一种基于深度分数扩散模型的ECG基线漂移和噪声去除技术DeScoD-ECG	首次将条件扩散生成模型应用于ECG噪声去除，并提出了多重平均策略以提高信号重构质量	NA	开发一种新的ECG基线漂移和噪声去除技术，以提高心电信号的质量和保真度，从而有助于心血管疾病的诊断	ECG信号的基线漂移和噪声去除	数字病理学	心血管疾病	扩散模型	扩散模型	信号	QT数据库和MIT-BIH噪声压力测试数据库中的数据
175	2024-12-11	Quantitative assessment of chlorine gas inhalation injury based on endoscopic OCT and spectral encoded interferometric microscope imaging with deep learning 2024-Sep-01, APL photonics IF:5.4Q1 DOI:10.1063/5.0222153 PMID:39257867	研究论文	本文利用高分辨率光学相干断层扫描（OCT）系统和光谱编码干涉显微镜，结合深度学习技术，研究了氯气吸入对兔子气道损伤的进展情况	首次使用深度学习技术对OCT图像进行分割，量化氯气引起的气道剥脱体积，并结合光谱编码干涉显微镜研究氯气对纤毛运动功能的影响	研究仅在兔子模型上进行，结果的临床适用性需要进一步验证	研究氯气吸入对气道损伤的进展情况，并开发一种量化评估方法	氯气吸入对兔子气道损伤的影响	数字病理学	NA	光学相干断层扫描（OCT），光谱编码干涉显微镜，深度学习	深度学习模型	图像	新西兰白兔暴露于急性氯气（800 ppm，6分钟），共监测6小时
176	2024-12-10	Progression of Bone Marrow Lesions and the Development of Knee Osteoarthritis: Osteoarthritis Initiative Data 2024-Sep, Radiology IF:12.1Q1 DOI:10.1148/radiol.240470 PMID:39287521	研究论文	研究使用深度学习模型量化无放射学膝骨关节炎患者的胫股骨骨髓病变体积，并评估骨髓病变变化与膝骨关节炎发生的关系	开发并验证了一种深度学习模型，用于在MRI扫描中自动分割和量化胫股骨骨髓病变体积，并评估其与膝骨关节炎发生的关系	这是一项回顾性研究，依赖于Osteoarthritis Initiative队列的数据，可能存在选择偏倚	开发和验证一种深度学习模型，用于量化无放射学膝骨关节炎患者的胫股骨骨髓病变体积，并评估其与膝骨关节炎发生的关系	胫股骨骨髓病变体积及其与膝骨关节炎发生的关系	机器学习	骨关节炎	深度学习	深度学习模型	MRI扫描图像	2430名参与者中的3869个无骨关节炎的膝关节
177	2024-12-08	Snapshot computational spectroscopy enabled by deep learning 2024-Sep, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2024-0328 PMID:39635447	研究论文	本文开发了一种基于超表面集成计算光谱仪和深度学习算法的计算光谱学方法，实现了单次操作、亚纳米光谱分辨率和直接材料表征	本文提出了一种新型的计算光谱学方法，结合超表面技术和深度学习算法，实现了传统光谱仪的功能，同时具有便携性和低成本的优势	NA	开发一种便携、低成本且轻量化的光谱分析方法，以替代传统的笨重且昂贵的光谱仪	光学腔的关键参数和化学溶液的浓度	计算机视觉	NA	深度学习	NA	光谱数据	NA
178	2024-12-06	Deep learning-based reconstruction improves the image quality of low-dose CT enterography in patients with inflammatory bowel disease 2024-Sep-21, Abdominal radiology (New York) DOI:10.1007/s00261-024-04590-4 PMID:39305292	研究论文	研究深度学习重建技术在炎症性肠病患者低剂量CT肠造影中的应用，以减少辐射剂量并提高图像质量	提出使用深度学习重建技术（DLR）来改善低剂量CT肠造影的图像质量，从而减少炎症性肠病患者的辐射暴露	研究样本量较小，且仅限于炎症性肠病患者	探讨深度学习重建技术在减少CT肠造影辐射剂量和提高图像质量方面的潜力	炎症性肠病患者的低剂量CT肠造影图像	计算机视觉	炎症性肠病	深度学习重建技术（DLR）	NA	图像	36名低剂量CT肠造影患者和40名标准剂量CT肠造影患者
179	2024-12-06	Machine learning and statistical models to predict all-cause mortality in type 2 diabetes: Results from the UK Biobank study 2024-Sep, Diabetes & metabolic syndrome DOI:10.1016/j.dsx.2024.103135 PMID:39413583	研究论文	本研究旨在比较当代机器学习模型与统计模型在预测2型糖尿病患者全因死亡率方面的表现，并开发一个用户友好的死亡风险预测工具	机器学习模型在预测全因死亡率方面优于统计模型，特别是深度学习模型DeepHit在校准和Brier评分上表现更优	NA	比较机器学习模型与统计模型在预测2型糖尿病患者全因死亡率方面的表现，并开发一个用户友好的死亡风险预测工具	2型糖尿病患者的全因死亡率	机器学习	糖尿病	机器学习模型，包括Cox比例风险模型、随机生存森林、梯度提升生存模型、DeepSurv和DeepHit	机器学习模型，包括Cox比例风险模型、随机生存森林、梯度提升生存模型、DeepSurv和DeepHit	临床数据	22,579名2型糖尿病患者
180	2024-12-01	scEMB: Learning context representation of genes based on large-scale single-cell transcriptomics 2024-Sep-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.24.614685 PMID:39386549	研究论文	本文介绍了一种基于大规模单细胞转录组数据的深度学习模型scEMB，用于学习基因的上下文表示	scEMB采用了一种创新的binning策略，能够跨平台整合数据，有效保留基因表达层次和细胞类型特异性	NA	开发一种能够从大规模单细胞转录组数据中捕捉上下文感知基因嵌入的深度学习模型	基因的上下文表示	机器学习	NA	单细胞转录组技术	Transformer	基因表达数据	超过3000万单细胞转录组数据