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
321	2025-03-24	TKR-FSOD: Fetal Anatomical Structure Few-Shot Detection Utilizing Topological Knowledge Reasoning 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3480197 PMID:39401118	研究论文	本文提出了一种新的胎儿解剖结构少样本检测方法TKR-FSOD，通过拓扑知识推理模块学习拓扑知识，帮助模型推理和检测解剖结构	提出了一种结合拓扑知识推理的少样本检测方法，增强了模型在数据稀缺情况下的检测能力	研究主要关注超声图像中的胎儿解剖结构检测，未涉及其他类型的医学图像或疾病	提高在样本稀缺情况下胎儿解剖结构的检测性能	超声图像中的胎儿解剖结构	计算机视觉	NA	少样本学习	TKR-FSOD	图像	NA
322	2025-03-23	A study on hybrid-architecture deep learning model for predicting pressure distribution in 2D airfoils 2025-Jan-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84940-w PMID:39820053	研究论文	本研究介绍了一种基于深度学习的创新技术，用于预测2D翼型的压力分布图像，旨在应用于基于图像的近似优化设计	提出了一种结合无监督和监督学习的混合架构深度学习模型，使用自编码器（AE）进行无监督学习，全连接神经网络（FNN）进行监督学习，并开发了基于2D图像数据的代理模型	NA	开发一种简化且加速图像预测的方法，用于2D翼型的压力分布预测	2D翼型的压力分布图像	计算机视觉	NA	深度学习	自编码器（AE）、卷积自编码器（CAE）、全连接神经网络（FNN）	图像	NA
323	2025-03-23	Melanoma Breslow Thickness Classification Using Ensemble-Based Knowledge Distillation With Semi-Supervised Convolutional Neural Networks 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3465929 PMID:39302772	研究论文	本文探讨了使用半监督卷积神经网络和集成知识蒸馏方法进行黑色素瘤Breslow厚度分类的研究	采用半监督学习和多教师集成知识蒸馏方法，提高了黑色素瘤分类任务的性能	研究依赖于外部测试集，可能受限于数据集的质量和多样性	提高黑色素瘤的早期诊断和Breslow厚度预测的准确性	黑色素瘤的dermoscopic图像	医学图像分析	黑色素瘤	半监督学习，知识蒸馏	卷积神经网络（CNN）	图像	四个不同来源的数据集
324	2025-03-23	Evaluating and implementing machine learning models for personalised mobile health app recommendations 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319828 PMID:40106462	研究论文	本文评估并推荐了mHealth领域的健康应用，设计了一个基于应用属性的推荐系统	引入了'Rating_Reviews'特征来捕捉评分和评论的累积影响，并评估了从随机森林到BERT等多种机器学习模型，最终设计了一个基于余弦相似度的推荐系统	未提及具体的数据集大小或样本来源的多样性	设计一个推荐系统，利用应用属性为用户提供相关的上下文建议	健康应用平台上的应用描述、评分、评论及其他相关属性	机器学习	NA	机器学习、深度学习	随机森林分类器、BERT	文本	NA
325	2025-03-23	Data-driven cultural background fusion for environmental art image classification: Technical support of the dual Kernel squeeze and excitation network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313946 PMID:40111961	研究论文	本研究旨在探索一种数据驱动的文化背景融合方法，以提高环境艺术图像分类的准确性	提出了一种新颖的双核压缩与激励网络（DKSE-Net）模型，结合了选择性核网络（SKNet）和压缩与激励网络（SENet）的优点，能够全面提取图像的全局和局部特征	未提及具体的局限性	提高环境艺术图像分类的准确性	环境艺术图像	计算机视觉	NA	NA	DKSE-Net	图像	NA
326	2025-03-23	Extreme heat prediction through deep learning and explainable AI 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316367 PMID:40111979	研究论文	本研究探讨了深度学习模型在极端高温预测中的应用，并结合可解释AI技术提高模型的可解释性	首次将深度学习模型与可解释AI技术结合用于极端高温预测，填补了该领域的研究空白	研究仅使用了巴基斯坦气象局五年的气象数据，可能限制了模型的泛化能力	提高极端高温事件的预测准确性，以支持主动规划和确保安全	极端高温事件	机器学习	NA	深度学习，可解释AI	ANN, CNN, LSTM	气象数据	五年的气象数据
327	2025-03-23	Uncovering water conservation patterns in semi-arid regions through hydrological simulation and deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319540 PMID:40112018	研究论文	本研究结合InVEST模型、水资源保护区时空转移和深度学习，揭示半干旱地区水资源保护模式及其驱动机制	首次将InVEST模型、水资源保护区时空转移和深度学习相结合，用于分析半干旱地区的水资源保护模式	研究主要集中于Xiong'an新区，可能不适用于其他半干旱地区	揭示半干旱地区水资源保护模式及其驱动机制	Xiong'an新区的水资源保护	深度学习	NA	InVEST模型、深度学习	深度学习模型	时空数据	2000年至2020年Xiong'an新区的水资源保护数据
328	2025-03-23	Improvement of BCI performance with bimodal SSMVEPs: enhancing response intensity and reducing fatigue 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1506104 PMID:40115888	研究论文	本文提出了一种创新的稳态运动视觉诱发电位（SSMVEP）范式，结合运动和颜色刺激，旨在增强脑机接口（BCI）性能并减少视觉疲劳	开发了一种结合运动和颜色刺激的SSMVEP范式，显著提高了分类准确率和信号噪声比，同时减少了视觉疲劳	实验在受控的实验室条件下进行，未在真实环境中验证	增强SSMVEP响应强度并减少视觉疲劳	稳态运动视觉诱发电位（SSMVEP）和稳态视觉诱发电位（SSVEP）	脑机接口	NA	EEGNet深度学习算法和快速傅里叶变换（FFT）	EEGNet	脑电图（EEG）数据	NA
329	2025-03-23	AM-MTEEG: multi-task EEG classification based on impulsive associative memory 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1557287 PMID:40115889	研究论文	本文提出了一种基于冲动联想记忆的多任务EEG分类模型AM-MTEEG，用于跨受试者的EEG分类	AM-MTEEG模型结合了深度学习的卷积网络和冲动网络，利用双向联想记忆进行跨受试者的EEG分类，提高了分类精度并减少了性能差异	NA	提高跨受试者EEG分类的准确性和一致性	脑电图（EEG）数据	脑机接口	NA	深度学习	卷积编码器-解码器、冲动神经元、双向联想记忆	EEG数据	两个BCI竞赛数据集
330	2025-03-22	FDDSeg: Unleashing the Power of Scribble Annotation for Cardiac MRI Images Through Feature Decomposition Distillation 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3404884 PMID:38787661	研究论文	本文提出了一种名为FDDSeg的特征分解蒸馏深度学习方法，用于基于涂鸦注释的心脏MRI图像分割	FDDSeg方法通过涂鸦注释重用策略和特征分解蒸馏技术，显著提高了心脏MRI图像分割的精度，同时减少了模型参数数量	NA	开发一种能够在较低计算成本下，仅使用涂鸦注释即可精确分割心脏MRI图像的深度学习方法	心脏MRI图像	计算机视觉	心血管疾病	深度学习	FDDSeg	图像	公共ACDC和MSCMR心脏MRI数据集
331	2025-03-22	MFRC-Net: Multi-Scale Feature Residual Convolutional Neural Network for Motor Imagery Decoding 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3467090 PMID:39316474	研究论文	本文提出了一种新型的轻量级多尺度特征残差卷积神经网络（MFRC-Net），用于运动想象（MI）解码	MFRC-Net结合了时间多尺度残差卷积块和跨域双流空间卷积块，有效提升了EEG信号解码的准确性和计算效率	未提及具体局限性	提高运动想象解码的准确性和计算效率	脑电图（EEG）信号	机器学习	NA	NA	卷积神经网络（CNN）	脑电图（EEG）信号	BCI Competition IV 2a数据集和SHU数据集
332	2025-03-22	Step Width Estimation in Individuals With and Without Neurodegenerative Disease via a Novel Data-Augmentation Deep Learning Model and Minimal Wearable Inertial Sensors 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3470310 PMID:39331558	研究论文	本文提出了一种新颖的数据增强深度学习模型，用于通过最少的可穿戴惯性传感器估计有和没有神经退行性疾病的个体的步宽	使用数据增强的深度学习模型和最少量的可穿戴惯性传感器来估计步宽，解决了传统方法昂贵且耗时的问题	研究样本量较小，且仅在特定类型的神经退行性疾病（SCA3）和健康个体中进行测试	开发一种便携式步宽监测方法，以增强康复训练、评估和动态平衡控制	有神经退行性疾病（SCA3）的个体和健康个体	机器学习	神经退行性疾病	数据增强深度学习模型	深度学习模型	惯性传感器数据	12名SCA3患者和17名健康个体
333	2025-03-22	Multiscale Spatial-Temporal Feature Fusion Neural Network for Motor Imagery Brain-Computer Interfaces 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3472097 PMID:39352826	研究论文	本文提出了一种基于多尺度时空特征融合的卷积神经网络（MSTFNet），用于运动想象脑机接口（BCI）中的脑电图（EEG）分类	MSTFNet通过多尺度时空特征融合模块，克服了现有深度学习方法在运动想象信号信息提取不足的问题，并引入了一种简单但有效的数据增强策略以提升模型性能	尽管MSTFNet在多个数据集上表现优异，但在跨受试者实验中（leave-one-subject-out）的分类准确率相对较低（66.31%），表明模型在个体差异较大的情况下仍需改进	提高运动想象脑机接口中EEG信号的解码精度，以实现高效稳定的交互	运动想象脑机接口中的EEG信号	脑机接口	NA	多尺度时空特征融合	卷积神经网络（CNN）	脑电图（EEG）信号	两个公开数据集（BCI Competition IV 2a和2b）和一个实验室数据集
334	2025-03-22	Automated Quantification of HER2 Amplification Levels Using Deep Learning 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3476554 PMID:39383086	研究论文	本文提出了一种基于深度学习的软采样级联模型和信号检测模型，用于自动量化HER2扩增水平，以辅助乳腺癌患者的HER2靶向治疗选择	开发了一种新的软采样级联深度学习模型和信号检测模型，用于自动量化HER2扩增水平，显著优于现有的七种深度学习方法	NA	开发一种自动化方法，用于量化HER2扩增水平，以辅助乳腺癌患者的HER2靶向治疗选择	乳腺癌和胃癌患者的HER2扩增水平	数字病理学	乳腺癌	荧光原位杂交（FISH）和双原位杂交（DISH）	软采样级联深度学习模型和信号检测模型	图像	两个临床数据集，包括FISH数据集和DISH数据集
335	2025-03-22	Attention-Guided 3D CNN With Lesion Feature Selection for Early Alzheimer's Disease Prediction Using Longitudinal sMRI 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3482001 PMID:39412975	研究论文	本文提出了一种新颖的轻量级3D卷积神经网络，用于捕捉脑部疾病的演变，以建模轻度认知障碍（MCI）向阿尔茨海默病（AD）的进展	引入了纵向病变特征选择策略和疾病趋势注意力机制，以提取时间数据中的核心特征并学习整体疾病趋势与局部变化特征之间的依赖关系	仅使用两次随访的sMRI扫描进行预测，可能限制了模型的泛化能力	预测轻度认知障碍（MCI）向阿尔茨海默病（AD）的进展，以实现早期干预	轻度认知障碍（MCI）患者	计算机视觉	阿尔茨海默病	结构磁共振成像（sMRI）	3D卷积神经网络（CNN）	图像	使用两次随访的sMRI扫描进行预测
336	2025-03-22	Continuous Prediction of Wrist Joint Kinematics Using Surface Electromyography From the Perspective of Muscle Anatomy and Muscle Synergy Feature Extraction 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3484994 PMID:39437291	研究论文	本文提出四种深度学习模型，从不同角度提取肌肉协同特征，用于预测中风后患者的手腕关节运动意图	首次从肌肉解剖学角度使用3DCNN模型预测运动意图，并基于目标肌肉的解剖分布和sEMG电极放置重构1D sEMG样本为2D帧	传统矩阵分解算法在提取肌肉协同特征方面仍存在一定局限性	提高中风后上肢功能障碍患者的康复效果，通过精确调整康复机器人的辅助水平	中风后上肢功能障碍患者	机器学习	中风	sEMG信号处理	3DCNN, CNN-LSTM, GAN	sEMG信号	自建手腕运动数据集和公开的Ninapro DB2数据集
337	2025-03-22	Current Status of Artificial Intelligence Use in Colonoscopy 2025, Digestion IF:3.0Q2 DOI:10.1159/000543345 PMID:39724867	研究论文	本文探讨了人工智能在结肠镜检查中的应用现状及其对结直肠癌筛查的影响	介绍了实时计算机辅助检测系统和用于组织病理学预测的计算机辅助诊断系统，这些系统有助于区分肿瘤性和非肿瘤性病变	存在霍桑效应和潜在过度诊断等偏差，需要大规模临床试验验证AI的长期效益	评估人工智能在提高结肠镜检查质量和结直肠癌筛查效果方面的潜力	结肠镜检查中的结直肠息肉检测和诊断	数字病理学	结直肠癌	深度学习	NA	医学影像	NA
338	2025-03-22	Predicting Blood Pressures for Pregnant Women by PPG and Personalized Deep Learning 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3386707 PMID:38598377	研究论文	本研究通过光电容积描记法（PPG）数据预测孕妇的血压，以提供有效的先兆子痫预警	提出了一种三阶段的深度学习模型，包括基线模型开发、针对孕妇数据的微调以及个体化调整，显著提高了血压预测的准确性	样本量相对较小，仅包括194名受试者，其中孕妇40名	为孕妇提供连续、无袖带的血压监测解决方案，以预防先兆子痫	孕妇的血压数据	机器学习	妊娠相关疾病	光电容积描记法（PPG）	1D-CNN, GRU, 注意力机制	PPG数据	194名受试者（154名正常个体，40名孕妇）
339	2025-03-22	Deep learning-based analysis of 12-lead electrocardiograms in school-age children: a proof of concept study 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1471989 PMID:40109297	研究论文	本研究旨在开发和验证一种基于深度学习的模型，用于自动分析儿童12导联心电图，以筛查有猝死风险的儿科心脏病	开发了一种新的基于深度学习的模型，用于自动分析儿童心电图，其诊断性能至少与传统算法相当	需要进一步研究以开发适用于学龄儿童的自动心电图分析方法	开发和验证一种基于深度学习的模型，用于自动分析儿童心电图，以筛查有猝死风险的儿科心脏病	6-18岁儿童的心电图数据	机器学习	心血管疾病	信号处理方法	深度学习模型	心电图数据	1,842份心电图，来自1,062名患者
340	2025-03-22	PoseRL-Net: human pose analysis for motion training guided by robot vision 2025, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2025.1531894 PMID:40109574	研究论文	本文提出了一种基于深度学习的人体姿态识别模型PoseRL-Net，旨在解决传统方法在复杂动态环境中人体姿态识别的局限性	PoseRL-Net集成了时空图卷积网络（STGCN）、注意力机制、门控循环单元（GRU）模块、姿态优化和对称约束，提高了姿态估计的准确性和鲁棒性	NA	提高复杂动态环境中人体姿态识别的准确性和鲁棒性，以支持人机交互中的智能决策和运动规划	人体姿态	计算机视觉	NA	深度学习	STGCN, GRU	视频	Human3.6M和MPI-INF-3DHP数据集