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	2025-03-12	Serum Potassium Monitoring Using AI-Enabled Smartwatch Electrocardiograms 2024-Dec, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2024.07.023 PMID:39387744	研究论文	本研究开发了一种AI-ECG算法，用于通过智能手表生成的ECG波形预测终末期肾病患者的血清钾水平	利用AI技术从智能手表的单导联ECG数据中预测血清钾水平，为远程监测高钾血症提供了新的工具	研究主要基于特定医疗中心的数据，外部验证的样本量相对较小，且未涵盖所有类型的高钾血症患者	开发一种AI-ECG算法，用于预测终末期肾病患者的血清钾水平，以实现远程监测	终末期肾病患者	数字病理学	慢性肾病	AI-ECG算法	深度学习模型	ECG波形数据	152,508名患者的293,557份ECG数据，以及1,463名终末期肾病患者的4,337份ECG数据
162	2025-03-12	Artificial Intelligence in Histopathology 2024-Dec, Journal of pharmacy & bioallied sciences DOI:10.4103/jpbs.jpbs_727_24 PMID:40061791	综述	本文探讨了人工智能在数字病理学中的应用，特别是如何通过深度学习和机器学习技术提高病理切片的成像质量，并帮助医生更快做出诊断	本文强调了人工智能在减少病理学家工作量、提高病理报告公正性和一致性方面的潜力，以及通过从易获取数据中识别隐藏信息来影响治疗决策的能力	本文未具体提及人工智能在数字病理学中应用的具体技术限制或挑战	探讨人工智能在数字病理学中的应用及其对病理诊断和治疗决策的影响	数字病理学中的全切片病理图像	数字病理学	NA	深度学习和机器学习	NA	图像	NA
163	2025-03-12	A Protocol for Body MRI/CT and Extraction of Imaging-Derived Phenotypes (IDPs) from the China Phenobank Project 2024-Dec, Phenomics (Cham, Switzerland) DOI:10.1007/s43657-023-00141-x PMID:40061820	研究论文	本文描述了中国表型库项目中的全身成像协议及图像处理流程，旨在促进基于该平台的研究规划	提出了一个适用于多器官的全身成像协议，并利用深度学习分割模型处理大量数据	未提及具体的研究结果或数据验证	为基于中国表型库项目平台的研究提供参考	心脏、肝脏、脾脏、胰腺、肾脏、肺、前列腺和子宫等多器官	数字病理	NA	MRI, CT	深度学习分割模型	图像	NA
164	2025-03-11	Comparison of Vendor-Pretrained and Custom-Trained Deep Learning Segmentation Models for Head-and-Neck, Breast, and Prostate Cancers 2024-Dec-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14242851 PMID:39767212	研究论文	本文评估了本地患者和临床特征对商业深度学习分割模型在头颈、乳腺和前列腺癌症中性能的影响	比较了供应商预训练和自定义训练的深度学习分割模型，并展示了自定义模型在多个器官风险区域（OARs）上的显著改进	研究样本量相对较小，且仅针对头颈、乳腺和前列腺癌症	评估本地数据和临床特征对商业深度学习分割模型性能的影响	头颈、乳腺和前列腺癌症患者	数字病理	头颈癌、乳腺癌、前列腺癌	深度学习分割模型	深度学习模型	CT扫描图像	210名患者（53名头颈癌、49名左乳腺癌、55名右乳腺癌、53名前列腺癌）
165	2025-03-11	Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning 2024-Dec-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.05.592587 PMID:38979147	研究论文	本文介绍了一种基于深度学习的模型ICoN，用于从分子动力学模拟数据中学习蛋白质构象变化的物理原理，并应用于高度动态的蛋白质构象采样	提出了一种新的深度学习模型ICoN，能够从分子动力学模拟数据中学习蛋白质构象变化的物理原理，并生成新的合成构象，揭示了实验未观察到的原子级细节	模型的训练依赖于分子动力学模拟数据，可能受限于模拟的准确性和计算资源	研究高度动态蛋白质的构象集合，以理解其功能调控和疾病相关聚集	高度动态的蛋白质，特别是内在无序蛋白质（IDPs）和淀粉样β（Aβ42）单体	机器学习	NA	分子动力学模拟（MD）	深度学习模型（ICoN）	分子动力学模拟数据	NA
166	2025-03-06	Evaluating inter- and intra-rater reliability in assessing upper limb compensatory movements post-stroke: creating a ground truth through video analysis? 2024-Dec-20, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-024-01506-7 PMID:39702329	研究论文	本研究通过视频分析评估职业和物理治疗师在评估中风后上肢补偿运动时的评分者间和评分者内可靠性	使用深度学习方法和广义线性混合效应模型评估补偿运动的可靠性，为自动评估补偿运动建立基础	研究结果的可信区间较宽，可能影响结果的可靠性，且仅基于治疗师的评分无法推荐建立自动评估补偿运动的基准	评估职业和物理治疗师在评估中风后上肢补偿运动时的评分者间和评分者内可靠性	七名轻度至中度上肢运动障碍的中风患者	数字病理	中风	视频分析	广义线性混合效应模型	视频	七名中风患者和二十二名治疗师
167	2025-03-06	Lazy Resampling: Fast and information preserving preprocessing for deep learning 2024-Dec, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108422 PMID:39395305	研究论文	本文介绍了一种名为Lazy Resampling的软件，旨在优化深度学习中的预处理步骤，减少信息损失并简化流程设计	Lazy Resampling通过将空间预处理操作重新表述为图形管道，减少了管道执行时间和信号退化，使裁剪等操作变为非破坏性	尽管Lazy Resampling在减少信息损失和简化流程设计方面表现出色，但其在医学影像等领域的广泛应用仍需进一步验证	优化深度学习中的预处理步骤，减少信息损失并简化流程设计	医学影像数据	计算机视觉	NA	深度学习	UNet	图像	Medical Segmentation Decathlon数据集
168	2025-03-06	Fully Automated Region-Specific Human-Perceptive-Equivalent Image Quality Assessment: Application to 18 F-FDG PET Scans 2024-Dec-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005526 PMID:39466652	研究论文	本文提出了一种全自动框架，用于对全身18 F-FDG PET扫描进行区域图像质量评估（IQA）	该框架能够在日常临床图像采集过程中即时识别低质量扫描，并在人工智能驱动的18 F-FDG PET分析模型开发中通过拒绝低质量图像和带有伪影的图像来构建干净的数据集	研究样本量相对较小，且未对不同模型之间的性能差异进行深入分析	开发一种全自动且与人类感知等效的模型，用于对18 F-FDG PET图像进行区域图像质量评估	87名患者的174张18 F-FDG PET图像	数字病理学	NA	深度学习（DL）和放射组学机器学习（radiomics-ML）	深度学习模型和机器学习模型	图像	87名患者的174张18 F-FDG PET图像
169	2025-03-06	Lightweight Transformer exhibits comparable performance to LLMs for Seizure Prediction: A case for light-weight models for EEG data 2024-Dec, Proceedings : ... IEEE International Conference on Big Data. IEEE International Conference on Big Data DOI:10.1109/bigdata62323.2024.10825319 PMID:40041397	研究论文	本文提出了一种轻量级Transformer架构，用于实时EEG数据的癫痫发作预测，并与多种深度学习模型进行了性能比较	提出了一种轻量级Transformer架构，具有更小的模型尺寸和更低的计算负载，能够在实时推理中表现优异	EEG传感器数据质量的可变性、不同癫痫和发作特征、缺乏标注数据集和ML-ready基准	开发一种能够在有限硬件计算能力下实时推理的轻量级模型，用于癫痫发作预测	癫痫患者的EEG数据	机器学习	癫痫	深度学习	Transformer, ResNet, ViT, LLM	EEG数据	MLSPred-Bench数据集，包含12个基准测试
170	2025-03-05	SDCoT++: Improved Static-Dynamic Co-Teaching for Class-Incremental 3D Object Detection 2024-Dec-31, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3518774 PMID:40030754	研究论文	本文提出了一种改进的静态-动态协同教学框架SDCoT++，用于解决3D物体检测中的类别增量学习问题	提出了一种新颖的静态-动态协同教学框架，通过静态和动态教师模型分别传递旧知识和新知识，并生成伪标签以缓解新旧类别共现带来的问题	未明确提及具体局限性	解决3D物体检测中的类别增量学习问题，特别是缓解灾难性遗忘现象	3D物体检测模型	计算机视觉	NA	静态-动态协同教学	VoteNet, 3DETR, CAGroup3D	3D数据	未明确提及具体样本数量
171	2025-03-05	Grid-Centric Traffic Scenario Perception for Autonomous Driving: A Comprehensive Review 2024-Dec-30, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3495045 PMID:40030797	综述	本文对自动驾驶中的网格中心感知进行了全面回顾，探讨了其在动态、大规模交通场景中的应用及其优势	提出了网格中心感知相较于物体中心感知的几何优先范式，强调了其在开放世界驾驶场景中的鲁棒性，并探讨了4D场景感知和预测的最新进展	网格中心感知的复杂性和计算成本较高，且当前缺乏对该领域的全面调查	回顾和总结自动驾驶中网格中心感知技术的发展和应用	自动驾驶车辆	计算机视觉	NA	深度学习	占用网络	图像	NA
172	2025-03-05	Decoding Gestures in Electromyography: Spatiotemporal Graph Neural Networks for Generalizable and Interpretable Classification 2024-Dec-30, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3523943 PMID:40030831	研究论文	本文提出了一种基于图卷积网络（GCN）的肌电图（EMG）手势识别方法，旨在解决现有方法在多通道EMG信号处理中的局限性	引入了新颖的图结构，以捕捉分布式EMG传感器的空间邻近性和EMG信号的时间邻接性，从而提高了模型的性能、泛化能力和可解释性	尽管在五个公开数据集上取得了最先进的性能，但该方法在实际应用中的效果仍需进一步验证	提升基于EMG的上肢手势识别系统的性能、泛化能力和可解释性	多通道EMG信号	机器学习	NA	图卷积网络（GCN）	GCN	EMG信号	五个公开数据集
173	2025-03-05	Addressing Multiple Challenges in Early Gait Freezing Prediction for Parkinson's Disease: A Practical Deep Learning Approach 2024-Dec-26, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3522664 PMID:40030782	研究论文	本文提出了一种深度学习框架PhysioGPN，用于预测帕金森病患者的步态冻结事件，并通过知识蒸馏技术减少对多传感器的依赖	提出了PhysioGPN框架，结合大卷积核、多维多尺度卷积、双塔结构和多域注意力机制，以及知识蒸馏技术，解决了步态冻结预测中的多个挑战	尽管模型在减少传感器数量时性能下降得到缓解，但仍需进一步验证其在不同患者群体中的泛化能力	解决帕金森病患者步态冻结预测中的多个挑战，包括预测间隔短、跨患者泛化能力有限和多传感器不便等问题	帕金森病患者的步态冻结事件	机器学习	帕金森病	深度学习	PhysioGPN（结合大卷积核、多维多尺度卷积、双塔结构和多域注意力机制）	传感器数据	未明确提及样本数量
174	2025-03-05	A Review of Deep Learning for Video Captioning 2024-Dec-26, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3522295 PMID:40030799	综述	本文对基于深度学习的视频字幕生成方法进行了全面回顾	提供了视频字幕生成领域的详细分类，包括基于注意力的架构、图网络、强化学习、对抗网络和密集视频字幕生成，并讨论了现有数据集和研究空白	未提出新的方法或模型，仅对现有研究进行总结和分类	回顾和分类视频字幕生成领域的深度学习方法	视频字幕生成方法	自然语言处理	NA	深度学习	基于注意力的架构、图网络、强化学习、对抗网络	视频	NA
175	2025-03-05	mm-HrtEMO: Non-Invasive Emotion Recognition via Heart Rate Using mm-Wave Sensing in Diverse Scenarios 2024-Dec-26, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3522316 PMID:40030825	研究论文	本文提出了一种基于毫米波雷达和深度学习的非接触式、保护隐私的情绪识别框架	该框架通过毫米波雷达在动态场景中隔离心率信号，并采用混合1D-CNN和Bi-LSTM模型进行特征提取和时序分析，确保实时性，且不受环境因素如光照或衣物的影响	NA	开发一种非侵入式情绪识别系统，适用于医疗、人机交互和教育等多种场景	通过毫米波雷达捕捉的心率信号	机器学习	NA	毫米波雷达	1D-CNN, Bi-LSTM	雷达信号	NA
176	2025-03-05	Distributed Deep Learning With Gradient Compression for Big Remote Sensing Image Interpretation 2024-Dec-23, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3517535 PMID:40030610	研究论文	本文提出了一种分布式深度学习框架，结合梯度压缩技术，用于大规模遥感图像的解释	引入了分布式背景学习方法和梯度压缩技术（GCC），显著减少了通信开销并保持了目标检测的准确性	未提及具体局限性	解决大规模高光谱数据与资源受限的物联网/边缘设备硬件之间的矛盾，促进高光谱目标检测在边缘计算环境中的部署	高光谱图像（HSIs）	计算机视觉	NA	分布式深度学习、梯度压缩	深度神经网络（DNNs）	高光谱图像	两个大型高光谱数据集，总大小约3.2GB
177	2025-03-05	Deep Learning Based Post-stroke Myoelectric Gesture Recognition: From Feature Construction to Network Design 2024-Dec-23, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3521583 PMID:40030685	研究论文	本文探讨了深度学习在脑卒中后手势识别中的应用，通过收集八名慢性脑卒中患者的表面肌电信号，研究了特征域、数据结构和神经网络架构对识别效果的影响	本研究首次全面评估了18种深度学习模型在脑卒中后手势识别中的表现，并分析了两种后处理算法对识别准确率的提升效果	研究样本量较小，仅涉及八名慢性脑卒中患者，可能影响结果的普适性	探索深度学习在脑卒中后手势识别中的应用，以提高机器人辅助康复的效果	八名慢性脑卒中患者的表面肌电信号	机器学习	脑卒中	表面肌电信号(sEMG)	CNN, CNN-LSTM, CNN-LSTM-Attention	一维和二维图像数据	八名慢性脑卒中患者
178	2025-03-05	Naturalistic multimodal emotion data with deep learning can advance the theoretical understanding of emotion 2024-Dec-21, Psychological research DOI:10.1007/s00426-024-02068-y PMID:39708231	研究论文	本文探讨了如何利用深度学习和多模态情感数据来推进情感理论的理解	通过整合多模态情感标记数据，包括主观体验、情境因素、脑-身体生理信号和表达行为，深度学习算法能够在多维空间中揭示和映射它们之间的复杂关系，从而提供对情感类别是先天还是后天习得以及情感是否表现出一致性或退化等长期问题的新的、细致入微的见解	获取全面的自然主义多模态情感数据仍面临重大挑战，特别是在自然主义多模态情感的同步测量方面需要进一步的技术进步	探讨如何利用人工智能，特别是深度学习和多模态情感数据，来克服传统研究方法的局限性，从而推进情感理论的理解	情感的多模态标记数据，包括主观体验、情境因素、脑-身体生理信号和表达行为	自然语言处理	NA	深度学习	NA	多模态数据（包括主观体验、情境因素、脑-身体生理信号和表达行为）	NA
179	2025-03-05	End-to-End Mandarin Speech Reconstruction Based on Ultrasound Tongue Images Using Deep Learning 2024-Dec-20, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3520498 PMID:40030663	研究论文	本研究提出了一种基于深度学习的端到端方法，利用超声舌图像重建普通话语音	使用对抗神经网络构建语音重建模型，包括预训练的特征提取器、上采样块和判别器，以生成高保真度的重建语音	未来研究需要集中在喉切除患者的特定条件上，通过扩大训练数据集、研究超声舌成像参数的影响以及进一步优化方法来增强模型性能	通过利用发音运动信息有效恢复语音功能，进行语音康复研究	喉切除患者	自然语言处理	喉癌	深度学习	对抗神经网络	超声舌图像和语音数据	NA
180	2025-03-05	Multiview Deep Learning-Based Molecule Design and Structural Optimization Accelerates Inhibitor Discover 2024-Dec-18, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3506619 PMID:40030719	研究论文	本文提出了MEDICO，一种多视图深度生成模型，用于分子生成、结构优化和SARS-CoV-2抑制剂发现	MEDICO是首个能够生成与目标分子结构相似的分子图的多视图图生成模型，通过多视图表示学习框架充分且自适应地学习目标分子拓扑和几何的全面结构语义	NA	加速SARS-CoV-2抑制剂发现和COVID-19药物的从头设计	分子生成和结构优化	机器学习	COVID-19	多视图深度生成模型	图生成模型	分子图	NA