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
3461	2025-04-06	Channel Stacking: A Rapid Classification Method for Parkinson's Disease Based on EEG Data 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782619 PMID:40031483	研究论文	介绍了一种名为'通道堆叠'的技术，用于基于脑电图数据准确识别帕金森病	提出了一种新的通道堆叠方法，结合多通道信息为模型准备输入信号，使深度学习架构能高效捕捉所有通道的信息	NA	开发一种快速准确的帕金森病分类方法	帕金森病患者的脑电图数据	数字病理学	帕金森病	脑电图(EEG)	ResNet18	脑电图信号	NA
3462	2025-04-06	RTA-Former: Reverse Transformer Attention for Polyp Segmentation 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782181 PMID:40031481	研究论文	本文提出了一种名为RTA-Former的新型网络，用于息肉分割，通过反向注意力和Transformer阶段增强边缘分割	创新性地将反向注意力（RA）与Transformer阶段结合在解码器中，以提高边缘分割的准确性	NA	提高基于Transformer的息肉分割的准确性，以改善临床决策和患者预后	息肉分割	计算机视觉	结直肠癌	深度学习	Transformer (RTA-Former)	图像	五个息肉分割数据集
3463	2025-04-06	Automated Basilar Artery Lumen Segmentation for High Resolution in Black Blood MRI 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781514 PMID:40031485	research paper	开发了一种自动化图像分割技术，用于在基底动脉的黑血MR血管壁图像中检测管腔和壁边界	利用Detectron2/Mask RCNN深度学习模型实现基底动脉管腔和壁的自动分割，通过迁移学习有效标记薄血管结构	研究数据集较小，仅包含26个MRI扫描	开发自动化图像分割技术以评估基底动脉疾病的管腔形状和壁厚度	基底动脉的管腔和壁边界	digital pathology	cerebrovascular disease	black blood MRI	Detectron2/Mask RCNN	image	26个MRI扫描（20个训练，6个测试）和169个基底动脉横截面图像
3464	2025-04-06	Via Multi-attention Guided UNet for Thyroid Nodule Segmentation of Ultrasound Images 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782780 PMID:40031497	research paper	提出了一种多注意力引导的UNet（MAUNet）用于甲状腺结节超声图像分割	引入了多尺度交叉注意力（MSCA）模块和双注意力（DA）模块，减少了结节形状和大小对分割结果的影响，并促进了编码器与解码器之间的信息交换与融合	未提及模型在极端情况下的表现或对小样本数据的适应性	提高甲状腺结节超声图像分割的准确性和鲁棒性	甲状腺结节的超声图像	computer vision	thyroid cancer	multi-scale cross attention (MSCA), dual attention (DA)	UNet (MAUNet)	image	多中心超声图像，来自17家医院
3465	2025-04-06	A Method of Cross-Subject Transfer Learning for Ultra Short Time SSVEP Classification 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782593 PMID:40031504	研究论文	提出一种名为CSA-GSDANN的新方法，用于超短时间SSVEP分类的跨主体迁移学习	结合全局注意力机制(GAM)和优化的SSVEPNet，采用跨主体迁移学习技术提升超短时间输入场景下的SSVEP特征提取性能	仅在包含12个受试者的IMUT数据集上进行了评估，样本量较小	提高超短时间(小于0.2秒)SSVEP分类的准确性和信息传输率	稳态视觉诱发电位(SSVEP)和脑机接口(BCIs)	机器学习	NA	迁移学习，注意力机制	DANN, SSVEPNet, 卷积网络	EEG数据	12名受试者的IMUT数据集
3466	2025-04-06	A Multi-branch Attention-based Deep Learning Method for ALS Identification with sMRI Data 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782847 PMID:40031506	研究论文	提出一种基于多分支注意力的深度学习方法，用于利用脊髓结构磁共振成像（sMRI）数据进行肌萎缩侧索硬化症（ALS）的识别	采用多分支框架提取脊髓各层次的通用特征，并结合注意力模块和多尺度模块，以更关注脊髓轴向平面中的重要区域	未提及具体样本量或数据集的多样性，可能影响模型的泛化能力	提高ALS疾病识别的准确性和敏感性	脊髓的结构磁共振成像（sMRI）数据	数字病理学	肌萎缩侧索硬化症（ALS）	sMRI	基于多分支注意力的深度学习模型	图像	NA
3467	2025-04-06	STFormer: Learning to Explore Spot Relationships for Spatial Transcriptomics Prediction from Histology of Colorectal Cancer 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782295 PMID:40031511	research paper	提出了一种名为STFormer的深度学习方法，用于从结直肠癌组织学预测空间转录组学	引入了Style-Aug模块增强特征泛化能力，以及Cross-WSI Transformer模块有效捕捉跨WSI的spot关系	未明确提及具体样本量限制或计算资源需求	开发一种成本效益高的空间转录组学预测方法	结直肠癌组织学图像与空间转录组学数据	digital pathology	colorectal cancer	深度学习	Transformer	image	内部和外部数据集（具体数量未说明）
3468	2025-04-06	Biologically Interpretable Model for Precise Recurrence Prediction of Non-Small Cell Lung Cancer 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782336 PMID:40031520	research paper	提出一种新型生物信息通路感知神经网络（BioPAN），用于非小细胞肺癌（NSCLC）术前复发的精确预测	通过自动提取生物先验知识指导DNN模型架构，设计基因-通路-生物过程-疾病的统一架构，赋予神经元实体意义，实现完全可解释的NSCLC复发预测	未明确提及具体样本量或外部验证结果	开发临床适用的NSCLC术前复发预测模型	非小细胞肺癌（NSCLC）患者	digital pathology	lung cancer	deep learning	Biologically Informed Pathway-Aware Neural Network (BioPAN)	genomic data	NA
3469	2025-04-06	Instance-Wise MRI Reconstruction Based on Self-Supervised Implicit Neural Representation 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781752 PMID:40031522	research paper	提出了一种基于自监督隐式神经表示的MRI重建方法，仅需单个欠采样MRI实例进行训练	首次提出完全自监督的隐式神经表示方法，无需全采样MRI图像进行训练，并在图像和频域引入多种新型监督信号	未明确提及具体局限性	开发无需全采样监督的MRI重建方法	欠采样MRI图像	医学影像重建	NA	隐式神经表示	自监督学习模型	MRI图像数据	单个欠采样MRI实例
3470	2025-04-06	Development and external validation of a dynamic risk score for early prediction of cardiogenic shock in cardiac intensive care units using machine learning 2024-Jun-30, European heart journal. Acute cardiovascular care DOI:10.1093/ehjacc/zuae037 PMID:38518758	研究论文	开发并外部验证了一种名为CShock的动态风险评分系统，用于早期预测心脏重症监护病房中的心源性休克	提出了一种基于深度学习的动态风险评分系统CShock，能够自动化检测并提供心源性休克的早期预警	研究样本量相对较小，外部验证队列仅有131名患者	改善心脏重症监护病房中心源性休克的早期检测	心脏重症监护病房中因急性失代偿性心力衰竭和/或心肌梗死入院的患者	机器学习	心血管疾病	深度学习	深度学习模型	临床数据	训练集1500名患者（其中204名有心源性/混合休克），外部验证集131名患者（其中25名有心源性/混合休克）
3471	2025-04-06	LETA: Tooth Alignment Prediction Based on Dual-branch Latent Encoding 2024-Jun-20, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3413857 PMID:40184274	研究论文	本文提出了一种基于双分支潜在编码的牙齿对齐预测系统LETA，用于自动预测牙齿的3D姿态变换	LETA通过从真实对齐牙齿中提取特征来指导网络学习，并采用改进的点卷积操作和基于注意力的网络分别提取局部形状特征和全局上下文特征	NA	开发一种自动预测牙齿3D姿态变换的系统，以减少正畸医生的工作量	口腔内扫描仪(IOS)获取的牙齿3D网格	计算机视觉	NA	深度学习	双分支潜在编码网络	3D点云数据	9,868个IOS表面数据
3472	2025-04-06	TSRNet: A Dual-Stream Network for Refining 3D Tooth Segmentation 2024-Jun-18, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3413345 PMID:38889041	research paper	提出了一种名为TSRNet的双流网络，用于优化现有3D牙齿分割算法的粗糙分割结果	通过双流网络TSRNet结合边界图和距离图的信息，迭代优化粗糙分割的边界	未提及具体的数据集规模或计算资源需求	改进3D牙齿分割的边界精度	3D牙齿分割结果	computer vision	NA	deep learning	TSRNet (dual-stream network)	3D image	NA
3473	2025-04-06	Machine Learning Prediction of Lymph Node Metastasis in Breast Cancer: Performance of a Multi-institutional MRI-based 4D Convolutional Neural Network 2024-05, Radiology. Imaging cancer DOI:10.1148/rycan.230107 PMID:38607282	research paper	开发了一种基于多机构MRI数据的4D卷积神经网络模型，用于无创预测乳腺癌淋巴结转移	提出了一种结合动态图像时间信息的4D CNN模型，整合临床病理指标以提高预测性能	研究为回顾性设计，样本量相对有限（350例患者）	开发深度学习模型预测乳腺癌淋巴结转移状态	新诊断的原发性浸润性乳腺癌患者	digital pathology	breast cancer	dynamic contrast-enhanced (DCE) breast MRI	4D CNN	MRI图像	350例女性患者（平均年龄51.7±11.9岁）
3474	2025-04-06	Targeted-BEHRT: Deep Learning for Observational Causal Inference on Longitudinal Electronic Health Records 2024-04, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3183864 PMID:35737602	研究论文	本文提出了一种基于Transformer的深度学习模型T-BEHRT，结合双重稳健估计方法，用于从纵向电子健康记录中进行观察性因果推断	开发了T-BEHRT模型，结合双重稳健估计方法，提高了在存在混杂因素情况下的因果推断准确性	在数据有限的情况下模型性能可能受到影响	研究抗高血压药物类别对癌症发病风险的因果效应	电子健康记录(EHRs)数据	机器学习	心血管疾病	双重稳健估计	Transformer(T-BEHRT)	电子健康记录	NA
3475	2025-04-06	Artificial intelligence-powered pharmacovigilance: A review of machine and deep learning in clinical text-based adverse drug event detection for benchmark datasets 2024-04, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104621 PMID:38447600	综述	本文综述了机器学习和深度学习方法在临床文本中药物不良事件（ADE）检测中的应用，特别是在命名实体识别（NER）和关系分类（RC）任务中的表现	深入比较了机器学习和深度学习在ADE提取中的优缺点，并探讨了BERT模型在端到端任务中的卓越表现	研究仅基于有限的文献（12篇文章），且未涵盖所有可能的ADE数据源	评估机器学习和深度学习方法在ADE提取中的效果，以提升药物安全监测和医疗结果	临床基准数据集中的药物不良事件（ADE）	自然语言处理	NA	机器学习和深度学习	BERT, 梯度提升, 多层感知机, 随机森林	临床文本	275篇参考文献中的12篇文章
3476	2025-04-06	A Comprehensive Survey on Community Detection With Deep Learning 2024-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2021.3137396 PMID:35263257	综述	本文全面综述了深度学习在社区检测中的最新进展	提出了一种新的分类法，涵盖了基于深度神经网络（DNNs）、深度非负矩阵分解和深度稀疏过滤等最先进方法	未提及具体实验结果的局限性	综述深度学习技术在社区检测领域的最新进展	网络中的社区检测	机器学习	NA	深度学习	DNNs, CNN, GAN, 图注意力网络, 自编码器	网络数据	NA
3477	2025-04-06	Probabilistic Causal Effect Estimation With Global Neural Network Forecasting Models 2024-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3190984 PMID:35853064	研究论文	提出了一种结合概率预测与深度学习模型的新方法，用于估计干预措施对多个处理单元的因果效应	通过估计反事实时间序列概率分布而非单一结果，创新性地解决了传统方法在捕捉政策效应分布变化上的不足	未明确说明模型在极端分布情况下的表现及计算复杂度问题	开发能够准确量化政策干预对时间序列分布影响的因果推断框架	多组受干预和未受干预的时间序列数据	机器学习	NA	深度学习	全局自回归循环神经网络（RNN）	时间序列数据	大量相关时间序列数据集（未提供具体数量）
3478	2025-04-06	A Comprehensive Framework for Long-Tailed Learning via Pretraining and Normalization 2024-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3192475 PMID:35895650	research paper	提出了一种通过对比预训练和特征归一化来改进长尾学习特征提取器和分类器的综合框架	提出了一种新的平衡对比损失和快速对比初始化方案，以及一种新颖的广义归一化分类器，包括广义归一化和分组可学习缩放	未明确提及具体局限性	改进长尾识别中的特征提取器和分类器	长尾分布数据	computer vision	NA	对比预训练, 特征归一化	NA	image	多个长尾识别基准数据集
3479	2025-04-06	Toward Blind Flare Removal Using Knowledge-Driven Flare-Level Estimator 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3480696 PMID:39437280	研究论文	本文提出了一种基于知识驱动的盲光斑去除方法，通过光斑级别估计器和调制器来提升网络在训练和测试阶段的适应性	提出了一种新的盲光斑去除视角，设计了光斑级别估计器和调制器，以及光斑感知块，用于更准确的光斑识别和重建	合成数据与真实数据之间的偏差仍然存在，且光斑的混合机制依赖于多种不确定因素	解决盲光斑去除任务中的挑战，提升图像去光斑的效果	光斑污染的图像及其无光斑对应图像	计算机视觉	NA	深度学习	CNN	图像	三个基准数据集和一个新收集的真实世界光斑数据集WiderFlare
3480	2025-04-06	Automatic Detection of Tooth-Gingiva Trim Lines on Dental Surfaces 2023-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3263161 PMID:37015112	research paper	提出了一种两阶段几何深度学习框架，用于自动检测牙齿-牙龈修剪线	提出了一个两阶段框架，包括修剪线提议网络（TLP-Net）和修剪线细化网络（TLR-Net），能够充分利用高分辨率牙科表面数据	未提及具体样本量或临床验证的广泛性	自动检测牙齿-牙龈修剪线以支持牙科治疗规划和矫正器3D打印	牙齿-牙龈修剪线	computer vision	NA	几何深度学习	U-Net, LDDMM	3D牙科表面数据	NA