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
21	2025-02-26	A multidimensional adaptive transformer network for fatigue detection 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10224-2 PMID:39991017	研究论文	本文提出了一种多维自适应Transformer网络，用于检测驾驶疲劳状态	引入了一种多维Transformer架构，能够自适应地为不同信息维度分配权重，从而提升特征压缩和结构信息提取的效果	当前研究主要集中在时间维度信息提取，可能忽略了EEG数据的其他维度	提高驾驶疲劳状态检测的准确性和泛化能力	驾驶员的脑电图（EEG）信号	机器学习	NA	EEG信号分析	Transformer	EEG信号	使用了SEED-VIG和SFDE数据集
22	2025-01-31	Monitoring nap deprivation-induced fatigue using fNIRS and deep learning 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10219-z PMID:39866657	研究论文	本文利用便携式fNIRS系统和深度学习模型监测由午睡剥夺引起的疲劳状态，并提出了一种新的1D修订CNN-ResNet网络用于疲劳状态分类	提出了一种基于双层通道衰减残差块的新型1D修订CNN-ResNet网络，用于处理fNIRS信号数据的高维度和多通道特性	NA	监测和分类由午睡剥夺引起的疲劳状态，探索通过运动刺激强制唤醒疲劳受试者的可行性	由午睡剥夺引起的疲劳状态	机器学习	NA	fNIRS	1D revised CNN-ResNet	fNIRS信号数据	NA
23	2025-01-31	Detecting autism in children through drawing characteristics using the visual-motor integration test 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00338-6 PMID:39877430	研究论文	本研究介绍了一种新颖的分类方法，通过视觉-运动整合测试中的绘图特征来区分自闭症儿童与正常发育儿童	采用深度学习分类模型和集成学习，显著提高了分类准确率至0.934，并识别出五个最能区分自闭症儿童与正常儿童绘图表现的模式	样本量较小，仅包括50名儿童，且性别比例不均（44名男孩和6名女孩）	开发一种跨文化工具，用于自闭症的早期检测和干预	台湾50名6至12岁的学龄儿童，包括44名男孩和6名女孩	计算机视觉	自闭症	深度学习	集成学习	图像	50名儿童（44名男孩和6名女孩）
24	2025-01-29	Emotion analysis of EEG signals using proximity-conserving auto-encoder (PCAE) and ensemble techniques 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10187-w PMID:39866661	研究论文	本文提出了一种基于EEG信号的创新框架——邻近保持自编码器（PCAE），用于准确识别情绪，并解决了传统情绪分析技术面临的挑战	提出了邻近保持自编码器（PCAE）和邻近保持压缩激励自编码器（PC-SEAE）模型，结合了多种卷积和反卷积层以及局部邻近保持层，显著提高了情绪识别的准确性	未提及样本量的具体限制或数据集的多样性问题	开发一种基于EEG信号的准确情绪识别系统，以改善脑机接口（BCI）在医疗、教育等领域的应用	EEG信号	脑机接口	自闭症或情绪障碍	EEG信号分析	PCAE, PC-SEAE, SVM, RF, LSTM	EEG信号	使用EEG Brainwave数据集，未提及具体样本量
25	2025-01-15	Synergistic integration of brain networks and time-frequency multi-view feature for sleep stage classification 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00328-0 PMID:39802081	研究论文	本文提出了一种结合脑网络和时间-频率多视图特征的睡眠阶段分类方法，旨在提高分类准确性	提出了一种跨注意力融合机制，用于自适应地整合复杂的睡眠特征，并开发了一个多视图特征融合网络，结合了脑连接性和时间-频谱元素	未明确提及具体局限性	提高睡眠阶段分类的准确性	多导睡眠图（PSG）信号及其转换的图和时间-频率表示	机器学习	NA	多视图特征提取和跨注意力融合机制	多视图特征融合网络	多导睡眠图信号	ISRUC公共数据集
26	2025-01-07	EEG-based cross-subject passive music pitch perception using deep learning models 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10196-9 PMID:39758357	研究论文	本研究利用深度学习模型，基于脑电图（EEG）数据，探索跨被试的音乐音高感知	提出了轻量级改进的EEGNet模型用于EEG音高分类，并采用分类器集成方法构建跨被试模型	研究仅针对小提琴的G3和B6音高，未涵盖更广泛的音高范围	客观检测和解码跨被试的音乐音高感知的脑响应	34名被试在听到小提琴G3和B6音高时的EEG信号	机器学习	NA	EEG	改进的EEGNet模型	EEG信号	34名被试
27	2025-01-05	Csec-net: a novel deep features fusion and entropy-controlled firefly feature selection framework for leukemia classification 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00327-1 PMID:39736875	研究论文	本文提出了一种名为Csec-net的新方法，用于白血病的计算机辅助诊断，通过深度学习特征融合和熵控制的萤火虫特征选择框架实现	提出了一种新的深度学习特征融合策略和熵控制的萤火虫特征选择技术，用于白血病分类	未提及具体局限性	开发和评估深度学习方法以实现计算机辅助的白血病诊断	白血病患者的血液样本图像	计算机视觉	白血病	深度学习	MobileNetV2, EfficientNetB0, ConvNeXt-V2, EfficientNetV2, DarkNet-19, 多类支持向量机	图像	15562张图像，来自四个数据集：ALLID_B1, ALLID_B2, C_NMC 2019, ASH
28	2025-01-05	DEELE-Rad: exploiting deep radiomics features in deep learning models using COVID-19 chest X-ray images 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00330-6 PMID:39741501	研究论文	本文提出了一种名为DEELE-Rad的方法，通过深度学习模型提取深度放射组学特征，用于COVID-19胸部X光图像的分类，并提供了可视化的解释以支持决策	结合深度学习和机器学习技术，利用迁移学习从ImageNet中提取深度放射组学特征，并通过自动参数调整和交叉验证策略优化分类器性能	未提及具体的数据集规模或多样性限制，可能影响模型的泛化能力	开发一种基于深度学习的放射组学方法，用于COVID-19胸部X光图像的分类，以辅助医疗决策	COVID-19患者的胸部X光图像	计算机视觉	COVID-19	深度学习、迁移学习	VGG16, ResNet50V2, DenseNet201	图像	未提及具体样本数量
29	2024-12-25	AI-driven approaches for automatic detection of sleep apnea/hypopnea based on human physiological signals: a review 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00320-8 PMID:39712669	综述	本文综述了近年来基于人工智能技术的自动睡眠呼吸暂停/低通气检测方法	总结了现有工作的通用流程，并涵盖了不同生理信号的特定预处理方法	面临数据可用性有限、数据不平衡问题以及多中心研究必要性等挑战	探讨基于人工智能技术的自动睡眠呼吸暂停/低通气检测方法	睡眠呼吸暂停/低通气检测方法及其相关生理信号	机器学习	心血管疾病	机器学习和深度学习模型	NA	生理信号	NA
30	2024-12-12	LesionScanNet: dual-path convolutional neural network for acute appendicitis diagnosis 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00321-7 PMID:39654693	研究论文	本文提出了一种名为LesionScanNet的双路径卷积神经网络模型，用于急性阑尾炎的计算机辅助诊断	LesionScanNet模型具有轻量级设计，包含多个DualKernel块，通过两条路径处理输入图像，分别使用3×3和1×1滤波器，展示了在急性阑尾炎诊断中的高准确性和泛化能力	NA	开发一种高效的卷积神经网络模型，用于急性阑尾炎的计算机辅助诊断	急性阑尾炎的诊断	计算机视觉	急性阑尾炎	卷积神经网络	CNN	图像	2400张CT扫描图像