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
181	2024-12-15	Decoding the brain: From neural representations to mechanistic models 2024-Oct-17, Cell IF:45.5Q1 DOI:10.1016/j.cell.2024.08.051 PMID:39423801	研究论文	本文详细介绍了神经编码和解码的重要概念，并强调了用于测量这些概念的数学工具，包括深度学习方法	本文结合深度学习方法，展示了神经编码和解码在运动、视觉和语言处理中的应用	NA	探讨大脑中神经编码和解码的机制及其在不同功能中的应用	大脑中的神经元及其在感知、认知和适应性行为中的作用	神经科学	NA	深度学习	深度学习模型	神经数据	NA
182	2024-12-14	Leveraging transfer learning for predicting total knee arthroplasty failure from post-operative radiographs 2024-Oct, Journal of experimental orthopaedics IF:2.0Q2 DOI:10.1002/jeo2.70097 PMID:39664926	研究论文	本研究利用深度学习模型预测全膝关节置换术失败，基于术后X光片进行预测	本研究采用了迁移学习微调方法，利用先前开发的用于预测髋关节假体失败的深度学习模型，展示了其在预测膝关节置换术失败中的有效性	本研究仅基于X光片进行预测，未考虑其他可能影响手术失败的因素	开发一种深度学习模型，用于早期识别全膝关节置换术失败，以预防广泛的翻修手术	全膝关节置换术失败的患者	机器学习	NA	迁移学习微调	卷积神经网络（CNN）	图像	两个患者队列，分别用于模型开发和外部验证，每个队列包含失败和未失败的患者
183	2024-12-14	Artificial intelligence-based rapid brain volumetry substantially improves differential diagnosis in dementia 2024 Oct-Dec, Alzheimer's & dementia (Amsterdam, Netherlands) DOI:10.1002/dad2.70037 PMID:39665087	研究论文	本研究评估了一种基于深度学习的人工智能系统在快速脑容量测量中的临床价值，该系统通过自动脑叶分割和年龄性别调整的百分位比较来辅助痴呆的鉴别诊断	本研究展示了人工智能辅助的脑容量测量在提高阿尔茨海默病和额颞叶痴呆诊断准确性方面的显著效果，并显著缩短了处理时间	NA	评估人工智能辅助的快速脑容量测量在痴呆鉴别诊断中的临床价值	55名患者，包括17名阿尔茨海默病患者、18名额颞叶痴呆患者和20名健康对照者	机器学习	阿尔茨海默病	深度学习	NA	图像	55名患者
184	2024-12-13	Deep learning modeling of RNA ac4C deposition reveals the importance of plant alternative splicing 2024-Oct-28, Plant molecular biology IF:3.9Q1 DOI:10.1007/s11103-024-01512-2 PMID:39467957	研究论文	本文利用深度学习技术iac4C预测植物mRNA中的ac4C位点，揭示了ac4C在植物选择性剪接中的重要性	本文首次使用深度学习技术iac4C预测植物mRNA中的ac4C位点，并揭示了ac4C与植物选择性剪接之间的关联	NA	研究ac4C在植物选择性剪接中的作用	植物mRNA中的ac4C位点	机器学习	NA	深度学习	BiGRU和自注意力机制	RNA序列	NA
185	2024-08-07	DeepCCR: large-scale genomics-based deep learning method for improving rice breeding 2024-Oct, Plant biotechnology journal IF:10.1Q1 DOI:10.1111/pbi.14384 PMID:38805625	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
186	2024-12-13	Artificial intelligence in respiratory care: perspectives on critical opportunities and challenges 2024-Oct, Breathe (Sheffield, England) DOI:10.1183/20734735.0189-2023 PMID:39660082	评论	本文探讨了人工智能在呼吸护理中的应用及其带来的机遇与挑战	本文提出了在算法共同设计中促进透明度和优先考虑包容性及易理解性的战略努力	本文未提供具体的技术细节或实验结果，主要集中在讨论和展望上	探讨人工智能在呼吸护理中的应用及其对临床医生、患者和社会的影响	人工智能在呼吸护理中的应用及其对临床医生、患者和社会的影响	NA	呼吸系统疾病	NA	NA	NA	NA
187	2024-12-12	MDNNSyn: A Multi-Modal Deep Learning Framework for Drug Synergy Prediction 2024-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3421916 PMID:38954565	研究论文	本文提出了一种多模态深度学习框架MDNNSyn，用于预测药物协同作用	MDNNSyn利用多层超图神经网络提取拓扑模态特征，并通过相似性策略构建语义模态特征，结合门控神经网络进行多模态融合，从而提高药物协同作用预测的准确性	NA	开发一种能够考虑药物间和细胞系间多种生物关系的计算模型，以提高药物协同作用预测的准确性	药物协同作用预测	机器学习	癌症	多层超图神经网络	多模态融合网络	多源信息	DrugCombDB和Oncology-Screen数据集
188	2024-12-12	DeepFusionCDR: Employing Multi-Omics Integration and Molecule-Specific Transformers for Enhanced Prediction of Cancer Drug Responses 2024-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3417014 PMID:38935469	研究论文	本文介绍了一种名为DeepFusionCDR的新方法，通过无监督对比学习整合多组学特征，并结合分子SMILES特异性变换器来增强癌症药物反应预测	创新点在于整合了多组学数据（包括突变、转录组、甲基化组和拷贝数变异数据）以及分子特异性变换器来提取药物特征，从而提高癌症药物反应预测的准确性	NA	旨在通过多组学融合和分子特异性变换器来增强癌症药物反应的预测	癌症药物反应（CDR）的预测	机器学习	NA	无监督对比学习	多层感知器（MLP）	多组学数据（突变、转录组、甲基化组、拷贝数变异数据）和分子SMILES数据	使用了GDSC数据集和TCGA患者数据
189	2024-12-11	Deep-Learning-Based Segmentation of Cells and Analysis (DL-SCAN) 2024-Oct-23, Biomolecules IF:4.8Q1 DOI:10.3390/biom14111348 PMID:39595525	研究论文	本文介绍了一种基于深度学习的工具DL-SCAN，用于自动分割和分析荧光显微镜图像中的细胞体	DL-SCAN利用深度学习技术实现了对荧光显微镜图像中细胞体的自动分割和分析，解决了传统方法依赖制造商软件、需要大量培训且缺乏自动化能力的问题	NA	开发一种能够自动分割和分析荧光显微镜图像中细胞体的工具，以提高分析效率和客观性	荧光显微镜图像中的细胞体，特别是神经元和星形胶质细胞中的Na和Ca成像数据	计算机视觉	NA	深度学习	NA	图像	NA
190	2024-12-11	SKGC: A General Semantic-Level Knowledge Guided Classification Framework for Fetal Congenital Heart Disease 2024-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3426068 PMID:38985556	研究论文	提出了一种基于语义级知识引导的分类框架SKGC，用于胎儿先天性心脏病的诊断	SKGC框架结合了语义级知识提取模块、多知识融合模块和分类模块，通过少量标注掩码显著提高了分类准确率	实验仅在两个数据集上进行了验证，可能需要更多数据集的验证以证明其通用性	开发一种新的方法来提高胎儿先天性心脏病超声图像的分类准确率	胎儿四腔心超声图像的正常与异常分类	计算机视觉	先天性心脏病	深度学习	CNN	图像	使用了NA-4CH和FEST两个数据集，具体样本数量未明确提及
191	2024-12-11	OVAR-BPnet: A General Pulse Wave Deep Learning Approach for Cuffless Blood Pressure Measurement 2024-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3423461 PMID:38963748	研究论文	本文提出了一种基于深度学习的无袖带血压测量方法，名为OVAR-BPnet，用于从多种脉搏波中捕捉复杂特征并进行血压估计	首次验证了深度学习方法在三种脉搏波（光电容积描记法、前额成像光电容积描记法和桡动脉脉搏波形）上的血压估计性能，并采用了数据增强策略和标签序列正则化策略	NA	开发一种通用的脉搏波深度学习方法，用于无袖带血压测量	脉搏波特征和血压估计	机器学习	心血管疾病	深度学习	CNN、Vision Transformer、多层感知器	脉搏波	多种类型的脉搏波数据
192	2024-12-11	MS-DINO: Masked Self-Supervised Distributed Learning Using Vision Transformer 2024-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3423797 PMID:38968015	研究论文	本文提出了一种名为MS-DINO的自监督掩码采样蒸馏技术，适用于视觉Transformer架构，旨在解决医疗领域中数据稀缺、隐私问题和数据所有权争议	提出了MS-DINO方法，通过自监督掩码采样蒸馏技术，减少了通信需求，增强了隐私保护，并减轻了客户端设备的计算负担	未提及具体限制	解决医疗领域中数据稀缺、隐私问题和数据所有权争议，同时减少通信和计算开销	自监督分布式学习方法在医疗领域的应用	计算机视觉	NA	自监督学习	Transformer	图像	未提及具体样本数量
193	2024-12-11	Review of Machine Learning Techniques in Soft Tissue Biomechanics and Biomaterials 2024-Oct, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-024-00737-y PMID:38956008	综述	本文综述了机器学习技术在软组织生物力学和生物材料中的应用，重点介绍了心血管工程中的应用	机器学习技术在软组织生物力学领域的应用相较于传统方法具有显著优势，尤其是在评估软生物组织和生物材料的机械特性方面	本文主要基于现有文献进行综述，未提出新的算法或模型，且未涉及具体实验验证	探讨机器学习技术在软组织生物力学和生物材料中的应用，尤其是心血管工程中的应用	软生物组织和生物材料的机械特性评估	机器学习	心血管疾病	机器学习	神经网络	图像	NA
194	2024-12-11	PSTNet: Enhanced Polyp Segmentation With Multi-Scale Alignment and Frequency Domain Integration 2024-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3421550 PMID:38954569	研究论文	提出了一种名为PSTNet的新型网络，通过多尺度对齐和频率域集成来增强结肠息肉的分割	引入了频率域信息，并设计了三个关键模块（FCAM、FSAM和CPM）来提高息肉分割的准确性	未提及	提高结肠镜图像中结肠息肉的分割准确性，从而更有效地诊断和管理结直肠癌	结肠息肉的分割	计算机视觉	结直肠癌	深度学习	PSTNet	图像	未提及
195	2024-12-11	Cross-Anatomy Transfer Learning via Shape-Aware Adaptive Fine-Tuning for 3D Vessel Segmentation 2024-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3422177 PMID:38954568	研究论文	本文提出了一种跨解剖结构的迁移学习框架，用于3D血管分割，通过形状感知的自适应微调策略来克服不同解剖结构之间的域偏移问题	提出了一个形状感知的自适应微调策略，并开发了基于高斯的有符号距离图来显式编码血管特定的形状上下文，以辅助分割网络捕捉几何感知知识	实验仅在冠状动脉和脑部血管的小规模数据集上进行了验证，尚未在大规模多解剖结构数据集上进行广泛测试	解决跨解剖结构血管分割中的域偏移问题，提高分割精度	跨解剖结构的血管分割，特别是肝脏、冠状动脉和脑部血管	计算机视觉	NA	迁移学习	3D分割网络	3D图像	两个小规模数据集，包括冠状动脉和脑部血管
196	2024-12-11	Development of a Miniaturized Mechanoacoustic Sensor for Continuous, Objective Cough Detection, Characterization and Physiologic Monitoring in Children With Cystic Fibrosis 2024-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3415479 PMID:38885105	研究论文	本文开发了一种微型力声传感器，用于在囊性纤维化儿童中连续、客观地检测、表征咳嗽并监测生理参数	本文首次在儿童中应用力声传感器，并通过深度学习算法提高了咳嗽检测和分类的准确性，同时改进了设备的便携性和数据管理	这是一项单中心试点研究，样本量较小，需要进一步的多中心研究验证	开发一种客观、自动化的咳嗽检测工具，用于囊性纤维化儿童的长期监测	36名囊性纤维化儿童	NA	囊性纤维化	深度学习算法	深度学习模型	生理信号	36名囊性纤维化儿童
197	2024-12-11	Deep Learning-Based Microscopic Cell Detection Using Inverse Distance Transform and Auxiliary Counting 2024-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3417229 PMID:38900626	研究论文	本文提出了一种基于深度学习的显微细胞检测框架，通过逆距离变换和辅助计数网络提高细胞检测的准确性	引入了一种新的逆距离变换检测图生成方法，并结合辅助计数网络和自定义的计数辅助细胞中心提取策略，显著提高了细胞检测的准确性	未提及具体限制	提高显微细胞检测的自动化程度和准确性	显微图像中的细胞检测	计算机视觉	NA	深度学习	深度学习模型	图像	使用了VGG、MBM和ADI数据集进行评估
198	2024-12-11	NuSEA: Nuclei Segmentation With Ellipse Annotations 2024-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3418106 PMID:38913516	研究论文	本文提出了一种名为NuSEA的高效核注释工具，用于实现准确的核分割	提出了轻量级的U-Light网络和Elliptical Field Loss及Texture Loss来增强边缘分割和平滑度约束	NA	提高病理微环境定量分析中核分割的效率和准确性	病理图像中的细胞核	数字病理学	NA	深度学习	U-Light	图像	118,857个标注的细胞核来自12个器官的全切片图像
199	2024-12-11	Exploratory Training for Universal Lesion Detection: Enhancing Lesion Mining Quality Through Temporal Verification 2024-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3417274 PMID:38905094	研究论文	本文提出了一种基于探索性训练的通用病变检测方法（ET-ULD），通过时间验证提高挖掘病变质量	本文的创新点在于引入时间验证机制，通过记录挖掘时间戳并进行多轮训练，筛选出可靠的挖掘病变用于重新训练	本文未提及具体的局限性	研究目的是提高通用病变检测的准确性，特别是在标注数据不完整的情况下	研究对象是不同器官的多种病变	计算机视觉	NA	深度学习	教师-学生检测模型	图像	两个不同的病变图像数据集
200	2024-12-11	Frequency Domain Deep Learning With Non-Invasive Features for Intraoperative Hypotension Prediction 2024-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3403109 PMID:38768003	研究论文	本文提出了一种基于频域深度学习的非侵入性特征模型，用于术中低血压预测	本文创新性地利用频域信息，结合多种生物信号模态，提出了一种深度学习方法，显著提升了非侵入性数据上的预测性能	本文主要针对术中低血压预测，未涉及其他临床应用场景	开发一种新的深度学习框架，用于术中低血压的预测	术中低血压的预测	机器学习	心血管疾病	离散傅里叶变换	深度学习模型	生物信号数据	3226名患者的数据，共构建了75994个片段