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	2025-03-05	A Semantic Conditional Diffusion Model for Enhanced Personal Privacy Preservation in Medical Images 2024-Dec-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3511583 PMID:40030430	研究论文	本文提出了一种新的医学图像处理框架——医学语义扩散模型（MSDM），旨在通过语义信息合成医学图像，以增强个人隐私保护	MSDM模型通过集成自适应批归一化（AdaBN）将语义信息编码到高维潜在空间，并直接嵌入去噪神经网络中，从而提高了图像质量和语义准确性，同时确保合成图像与原始图像属于同一分布	尽管MSDM在多个数据集上表现出色，但其对语义掩码的依赖可能限制了其应用范围，尽管提出了Spread算法来自动生成这些掩码	研究目标是开发一种能够有效去除医学图像中个人可识别信息（PII）的框架，以增强患者隐私保护	研究对象是医学图像，特别是包含面部特征、独特解剖结构、罕见病变或特定纹理模式的图像	计算机视觉	NA	扩散模型	MSDM（医学语义扩散模型）	图像	使用了BraTS 2021、MSD Lung、DSB18和FIVES数据集进行实验
102	2025-03-05	A Review on Intelligent Systems for ECG Analysis: from Flexible Sensing Technology to Machine Learning 2024-Dec-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3508545 PMID:40030493	综述	本文对用于心电图（ECG）采集的柔性心脏传感设备进行了广泛回顾，重点介绍了它们在心脏健康监测中的应用	本文不仅回顾了柔性传感技术的最新进展，还强调了机器学习在心脏健康监测和ECG分析中的重要作用，并探讨了这两种技术的结合对未来研究的潜在影响	本文主要集中于现有研究的回顾，未涉及具体实验或新技术的开发	探讨柔性传感技术和机器学习在心脏健康监测和ECG分析中的应用及其未来研究方向	柔性心脏传感设备和机器学习算法	机器学习	心血管疾病	机器学习（包括深度学习、支持向量机、随机森林和线性判别分析）	深度学习、支持向量机、随机森林、线性判别分析	ECG数据	NA
103	2025-03-05	Synergizing Anti-Cancer Drug Combinations With Dual-View Hypergraph Representation Fusion 2024-Dec-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3511657 PMID:40030495	研究论文	本文提出了一种名为DVHSyn的深度学习模型，通过双视图超图表示融合来识别协同药物组合	DVHSyn模型首次利用双视图超图表示融合方法，同时学习样本三元组的局部和全局上下文关系，从而更有效地识别协同药物组合	尽管DVHSyn在实验中表现优异，但其预测新型协同药物组合的潜力仍需进一步验证	研究目标是开发一种能够有效识别协同药物组合的深度学习方法，以促进新药开发	研究对象是癌症细胞系的转录组特征和药物的分子结构	机器学习	癌症	深度学习	DVHSyn	转录组数据和分子结构数据	NA
104	2025-03-05	Exploring an Innovative Deep Learning Solution for Acupuncture Point Localization on the Weak Feature Body Surface of the Human Back 2024-Dec-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3511128 PMID:40030421	研究论文	本文探索了一种创新的深度学习解决方案，用于人体背部弱特征体表的穴位定位	提出了一种利用带有自注意力模块的深度学习网络进行图像特征全局提取的创新方法，解决了传统卷积神经网络在弱特征图像任务中因过度裁剪和缩放操作导致的分类模糊问题	NA	探索一种高效可靠的穴位定位和识别解决方案，解决该任务中的主观性和标准化不足问题	人体背部弱特征体表的穴位	计算机视觉	NA	深度学习	带有自注意力模块的深度学习网络	图像	自建的人体背部穴位数据集，包含84个背部的穴位
105	2025-03-05	A Survey and Benchmark of Automatic Surface Reconstruction from Point Clouds 2024-Dec-04, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3510932 PMID:40030509	综述	本文对从点云进行表面重建的传统方法和基于学习的方法进行了全面的调查和基准测试	本文创新性地比较了手工先验和从数据中学习的先验对表面重建精度和鲁棒性的影响，并标准化评估了多种方法	传统方法在应对现实世界3D采集中的各种异常时表现出更强的韧性，而基于学习的方法在相同特性的点云上训练和评估时表现更优	研究从点云进行表面重建的方法，比较传统方法和基于学习的方法的性能	点云数据	计算机视觉	NA	NA	深度学习模型	点云数据	NA
106	2025-03-05	Decoding SSVEP Via Calibration-Free TFA-Net: A Novel Network Using Time-Frequency Features 2024-Dec-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510740 PMID:40030575	研究论文	本文提出了一种名为TFA-Net的新型卷积神经网络模型，用于无需校准阶段的SSVEP信号解码	提出了TFA-Net模型，结合了频率注意力和通道重组模块，直接在时频域中提取SSVEP信号特征，无需校准阶段	NA	提高基于SSVEP的脑机接口的解码性能和实用性	稳态视觉诱发电位（SSVEP）信号	脑机接口	NA	深度学习	CNN	脑电图（EEG）信号	公共数据集
107	2025-03-05	Brain-Inspired Meta-Learning for Few-Shot Bearing Fault Diagnosis 2024-Dec-04, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3503658 PMID:40030581	研究论文	本文提出了一种受大脑启发的元学习策略（BIML），用于少样本轴承故障诊断	结合生物神经系统的学习机制，设计了基于脉冲神经网络（SNNs）的类脑学习算法，并引入元学习策略应用于少样本轴承故障诊断	未提及具体局限性	解决少样本轴承故障诊断问题	轴承故障诊断	机器学习	NA	元学习	脉冲神经网络（SNNs）	NA	少样本
108	2025-03-05	Natural Modal Sketching Network: An Interpretable Approach for Bearing Impulsive Feature Extraction 2024-Dec-03, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3497597 PMID:40030538	研究论文	本文提出了一种自然模态素描网络（NMSNet），用于实现稳健且可信的轴承冲击特征提取	NMSNet通过设计模态响应作为卷积核，并解释前向传播逻辑为自然模态素描，包括模态响应恢复和加权叠加，从而提高了特征提取的可解释性和可信度	尽管NMSNet在噪声鲁棒性和特征提取的可解释性方面表现出色，但其在实际场景中的进一步应用可能受到计算复杂性和数据需求的限制	研究目标是开发一种能够稳健且可信地提取轴承冲击特征的方法	研究对象是滚动轴承的冲击特征	机器学习	NA	卷积神经网络	CNN	信号数据	NA
109	2025-03-05	Clinical Features and Physiological Signals Fusion Network for Mechanical Circulatory Support Need Prediction in Pediatric Cardiac Intensive Care Unit 2024-Dec-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510217 PMID:40030552	研究论文	本文通过分析生理时间序列和临床特征，使用机器学习/深度学习集成方法，在儿科心脏重症监护环境中预测机械循环支持（MCS）需求	与现有研究通常处理单一特征类型或从生理信号中进行短期诊断不同，本系统处理每分钟的多传感器数据，以识别急性失代偿性心力衰竭患者的MCS需求	研究仅限于一个四级医院的儿科心脏重症监护环境，可能不适用于其他医疗环境	预测儿科心脏重症监护病房中机械循环支持的需求	急性失代偿性心力衰竭患者	机器学习	心血管疾病	机器学习/深度学习集成方法	NA	表格临床特征、重症监护室监测器的时间序列、心电图和动脉血压信号的原始波形	NA
110	2025-03-05	Mitigating Aberration-Induced Noise: A Deep Learning-Based Aberration-to- Aberration Approach 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3422027 PMID:38959140	研究论文	本文提出了一种基于深度学习的方法，用于校正超声成像中的相位畸变问题，无需真实世界的无畸变地面真值	首次提出了一种不需要地面真值的深度学习方法，可以直接在真实数据上进行训练，并提出了自适应混合损失函数以提高性能	未提及具体局限性	解决超声成像中相位畸变导致的图像质量下降问题	超声成像中的相位畸变	计算机视觉	NA	深度学习	神经网络	图像（RF数据）	超过180,000张畸变的单平面波图像（RF数据）
111	2025-03-05	Learning a Hand Model From Dynamic Movements Using High-Density EMG and Convolutional Neural Networks 2024-Dec, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3432800 PMID:39042539	研究论文	本文提出了一种深度学习方法，通过高密度表面肌电图（sEMG）和卷积神经网络（CNN）解码前臂肌肉的电生理活动，以预测人手运动	该方法首次使用全带宽EMG信号（单极未滤波）进行解码，揭示了人手运动中的独特神经嵌入，并发现这些嵌入能够一致地表示手的解剖结构，且在不同参与者之间具有通用性	研究仅涉及13名健康参与者，样本量较小，且未涉及病理状态下的手部运动	开发一种能够将肌肉信号解码为手部运动的深度学习模型，以改进辅助手部设备的控制	健康参与者的手部运动	机器学习	NA	高密度表面肌电图（sEMG）	卷积神经网络（CNN）	肌电图（EMG）信号	13名健康参与者
112	2025-03-05	PolarFormer: A Transformer-Based Method for Multi-Lesion Segmentation in Intravascular OCT 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3417007 PMID:38900618	研究论文	本文提出了一种基于Transformer的方法PolarFormer，用于血管内OCT图像中的多病灶分割	提出了Polar Attention模块，用于建模脆弱斑块在径向方向上的空间关系，并整合了脆弱斑块的空间分布先验知识	研究受限于缺乏公开的大规模血管内OCT数据集，且多类别脆弱斑块分割具有挑战性	开发一种能够有效分割血管内OCT图像中多类别脆弱斑块的方法	血管内OCT图像中的多类别脆弱斑块	计算机视觉	心血管疾病	NA	Transformer	图像	70个拉回数据
113	2025-03-05	CareSleepNet: A Hybrid Deep Learning Network for Automatic Sleep Staging 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3426939 PMID:38990749	研究论文	本文提出了一种名为CareSleepNet的混合深度学习网络，用于从多导睡眠图（PSG）记录中自动进行睡眠分期	CareSleepNet结合了多尺度卷积-Transformer编码器来捕捉每个睡眠时期的局部和全局特征，并设计了基于共注意力机制的跨模态上下文编码器来建模不同模态之间的关系	现有研究在自动睡眠分期方面虽然取得了高性能，但仍存在忽略全局特征和跨模态上下文关系的局限性	开发一种自动睡眠分期方法，以提高睡眠评估和疾病诊断的准确性	多导睡眠图（PSG）记录，包括脑电图（EEG）和眼电图（EOG）等生理信号	机器学习	NA	深度学习	混合深度学习网络（CareSleepNet），包括多尺度卷积-Transformer编码器、跨模态上下文编码器和Transformer序列编码器	生理信号数据（EEG、EOG等）	使用了私有数据集SSND以及两个公共数据集Sleep-EDF-153和ISRUC
114	2025-03-05	Efficient Microbubble Trajectory Tracking in Ultrasound Localization Microscopy Using a Gated Recurrent Unit-Based Multitasking Temporal Neural Network 2024-Dec, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3424955 PMID:38976462	研究论文	本文提出了一种基于门控循环单元的多任务时间神经网络（GRU-MT），用于超声定位显微镜中的微泡轨迹跟踪	GRU-MT同时处理微泡轨迹跟踪和轨迹优化任务，并改进了非线性运动模型，以提高轨迹跟踪的准确性	现有深度学习跟踪技术忽略了微泡运动的时间方面，导致其动态行为的建模效果不佳	提高超声定位显微镜中微泡轨迹跟踪的效率和准确性	微泡轨迹	医学影像	NA	超声定位显微镜（ULM）	GRU, RNN, LSTM, Transformer	超声图像	模拟和体内数据集
115	2025-03-05	BP-Net: Monitoring "Changes" in Blood Pressure Using PPG With Self-Contrastive Masking 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3422023 PMID:38954566	研究论文	本文提出了一种新的方法，通过监测血压（BP）在时间间隔内的变化，而不是直接估计其值，来使用深度学习模型从生理信号（如光电容积描记图（PPG））中估计血压值	提出了一种自对比掩码（SCM）模型，用于在输入信号内进行成对时间比较，并引入了BP-Net模型，该模型训练用于从PPG中检测超过给定阈值的收缩压（SBP）变化	模型在未见过的受试者上的准确率为75.97%/73.19%，仍有提升空间	通过监测血压变化，探索PPG在临床血压监测中的新潜力，并解决PPG基于血压估计模型在未见受试者上的泛化性问题	光电容积描记图（PPG）信号	机器学习	心血管疾病	深度学习	BP-Net, SCM	生理信号	使用PulseDB数据集进行训练和测试
116	2025-03-05	Uni4Eye++: A General Masked Image Modeling Multi-Modal Pre-Training Framework for Ophthalmic Image Classification and Segmentation 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3422102 PMID:38954581	研究论文	本文提出了一种名为Uni4Eye++的通用自监督Transformer框架，用于眼科图像的分类和分割任务	Uni4Eye++框架通过图像熵引导的掩码策略重建更具信息量的图像块，并采用动态头部生成器模块缓解模态混淆问题，进一步提升了自监督学习在眼科图像分析中的应用效果	尽管Uni4Eye++在多个下游任务中表现出色，但其在更大规模和多样化的数据集上的泛化能力仍需进一步验证	研究目的是开发一种能够有效利用未标注眼科图像的自监督学习框架，以解决标注数据不足的问题	研究对象为眼科图像，包括2D和3D图像	计算机视觉	眼科疾病	自监督学习（SSL）	Vision Transformer	图像	未具体说明样本数量，但涉及大规模未标注眼科图像
117	2025-03-05	Multi-Label Chest X-Ray Image Classification With Single Positive Labels 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3421644 PMID:38949934	研究论文	本文提出了一种用于多标签胸部X光图像分类的弱监督学习方法，称为单正多标签学习（SPML-CXR），并引入了多级伪标签一致性（MPC）框架来解决该问题	引入了单正多标签学习（SPML）问题，并提出了多级伪标签一致性（MPC）框架，通过图像级、特征级和批次级的扰动一致性正则化来恢复潜在的误标阳性标签	依赖于伪标签和一致性正则化，可能在某些情况下引入噪声或误差	解决多标签胸部X光图像分类中标注成本高和噪声标签的问题	胸部X光图像	计算机视觉	NA	弱监督学习、伪标签、一致性正则化	Transformer	图像	CheXpert和MIMIC-CXR数据集
118	2025-03-05	STAR-RL: Spatial-Temporal Hierarchical Reinforcement Learning for Interpretable Pathology Image Super-Resolution 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3419809 PMID:38935476	研究论文	本文提出了一种名为STAR-RL的空间-时间分层强化学习框架，用于解决病理图像超分辨率问题，旨在提高图像恢复的准确性和可解释性	首次将分层强化学习应用于病理图像超分辨率问题，通过空间和时间管理器指导像素级可解释操作，避免了传统方法的次优恢复和过度处理问题	未提及具体样本量和数据集的多样性，可能影响模型的泛化能力	提高病理图像超分辨率的准确性和可解释性，以辅助肿瘤诊断	病理图像	数字病理学	肿瘤	分层强化学习	STAR-RL	图像	NA
119	2025-03-05	HiCervix: An Extensive Hierarchical Dataset and Benchmark for Cervical Cytology Classification 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3419697 PMID:38923481	研究论文	本文介绍了HiCervix数据集和HierSwin分类网络，用于宫颈细胞学分类	提出了目前最广泛的多中心宫颈细胞学数据集HiCervix，并开发了基于层次视觉Transformer的分类网络HierSwin	现有方法主要基于覆盖范围有限的粗粒度细胞类型数据库，无法全面反映真实世界的细胞病理学条件	提高宫颈细胞学分类的准确性和详细性，以促进宫颈癌的早期筛查	宫颈细胞	计算机视觉	宫颈癌	NA	HierSwin（基于层次视觉Transformer的分类网络）	图像	40,229个宫颈细胞，来自4,496张全片图像
120	2025-03-05	Accurate Airway Tree Segmentation in CT Scans via Anatomy-Aware Multi-Class Segmentation and Topology-Guided Iterative Learning 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3419707 PMID:38923479	研究论文	本文提出了一种新的解剖感知多类气道分割方法，通过拓扑引导的迭代自学习增强，用于CT扫描中的气道树分割	提出了一种解剖感知的多类分割任务来处理气道的严重类内不平衡问题，并设计了一种拓扑引导的伪标签细化方法，通过迭代连接断裂的分支来提高敏感性	现有气道数据集大多标注不完全，限制了计算机分割气道的完整性	提高CT扫描中气道树分割的准确性和完整性，以支持呼吸系统疾病的分析	气道树	计算机视觉	肺癌	CT扫描	深度学习	图像	四个数据集，包括两个公共挑战数据集、一个公共BAS数据集和一个私有肺癌数据集