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
4821	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
4822	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
4823	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
4824	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
4825	2025-03-06	Sensorless End-to-End Freehand 3-D Ultrasound Reconstruction With Physics-Guided Deep Learning 2024-Nov, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3465214 PMID:39302786	研究论文	本文提出了一种无需传感器的自由手3D超声重建方法，利用物理引导的深度学习技术	设计了一种新颖的物理启发深度学习网络（PLPPI），无需3D卷积即可进行自由手3D超声重建，显著提高了重建质量并减少了计算资源需求	未提及具体局限性	改进自由手3D超声重建的质量，并减少训练和推理所需的计算资源	自由手3D超声成像	计算机视觉	NA	深度学习	物理引导的深度学习网络（PLPPI）	超声图像	未提及具体样本数量
4826	2025-03-06	Novel multi-omics deconfounding variational autoencoders can obtain meaningful disease subtyping 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae512 PMID:39413796	研究论文	本文提出了四种基于变分自编码器（VAE）的去混淆框架，用于多组学数据的聚类分析，有效减少混淆因素的影响并保留真实的生物学模式	提出了四种新的VAE去混淆框架，特别是条件多组学VAE（cXVAE），能够有效处理模拟的混淆效应并恢复生物学驱动的聚类结构	部分策略（如对抗训练）在去除混淆因素方面效果不佳	开发新的去混淆框架，用于多组学数据的聚类分析，以优化精准医学中的患者分层	多组学数据	机器学习	癌症	变分自编码器（VAE）	VAE, cXVAE	多组学数据	来自The Cancer Genome Atlas的真实多组学数据，50次重复实验
4827	2025-03-06	Virtual birefringence imaging and histological staining of amyloid deposits in label-free tissue using autofluorescence microscopy and deep learning 2024-Sep-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52263-z PMID:39266547	研究论文	本文介绍了一种利用自发荧光显微镜和深度学习技术对无标记组织进行虚拟双折射成像和虚拟刚果红染色的方法，以展示淀粉样蛋白沉积	创新点在于使用单一神经网络将无标记组织的自发荧光图像转换为亮场和偏振显微镜图像，匹配其组织化学染色版本，从而克服传统染色方法的局限性	研究主要局限于心脏组织，未涉及其他器官或组织类型	研究目的是开发一种无需化学染色的方法来可视化组织中的淀粉样蛋白沉积	研究对象为无标记的人体组织，特别是心脏组织中的淀粉样蛋白沉积	数字病理学	淀粉样变性	自发荧光显微镜和深度学习	神经网络	图像	未明确提及样本数量，但涉及心脏组织
4828	2025-03-06	PPG-Based Sleep Staging Using SleepPPGNet: Extension to Wearables, Improvements, Limitations 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/EMBC53108.2024.10781611 PMID:40038927	研究论文	本文探讨了基于PPG的睡眠分期方法，特别是使用SleepPPGNet模型在可穿戴设备上的应用及其改进和局限性	提出了SleepPPGNet模型，通过迁移学习在全新数据集上实现了82%的准确率和0.74的Cohen's kappa，并进一步将该模型应用于手腕佩戴设备收集的PPG数据，同时增加了活动计数作为额外输入，提高了准确率	该模型在正常心律的受试者中表现出色，但在心律失常患者中应用时准确率下降了10%	开发更高效的睡眠分期方法，减少对传统多导睡眠图的依赖	成年人的PPG数据	机器学习	睡眠障碍	PPG（光电容积描记术）	SleepPPGNet	PPG数据	NA
4829	2025-03-06	Unsupervised 3D Lung Segmentation by Leveraging 2D Segment Anything Model 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/EMBC53108.2024.10782129 PMID:40038928	研究论文	本研究提出了一种利用2D Segment Anything Model (SAM)进行无监督3D肺部分割的方法	通过利用2D SAM模型生成2D分割掩码，并将其重建为3D掩码，实现了无需标注数据的无监督3D肺部分割	依赖于2D SAM模型的分割质量，且未在更多数据集上进行验证	实现无需标注数据的3D肺部分割，以支持肺结节检测和肺癌分析	3D肺部CT数据	计算机视觉	肺癌	无监督学习	2D Segment Anything Model (SAM)	3D CT图像	LUNA16数据集
4830	2025-03-06	A Cross-Feature Mutual Learning Framework to Integrate Functional Connectivity and Activity for Brain Disorder 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/EMBC53108.2024.10781810 PMID:40038938	研究论文	本文提出了一种跨特征互学习框架（CFML），用于整合功能连接性和活动性特征以进行脑部疾病分类	提出了一种端到端的混合特征学习框架，通过跨特征互学习策略实现TC和FNC特征的协同学习，从而增强脑部疾病分类性能	NA	提高脑部疾病分类的准确性	健康对照组（HC）和精神分裂症（SZ）患者	脑部疾病分类	精神分裂症	功能磁共振成像（fMRI）	循环神经网络（RNN）、Transformer	时间序列数据（TC）、功能网络连接性（FNC）	NA
4831	2025-03-06	TransRUPNet for Improved 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/EMBC53108.2024.10781511 PMID:40038943	研究论文	本文提出了一种基于Transformer的残差上采样网络（TransRUPNet），用于自动和实时的息肉分割，以预防结直肠癌	TransRUPNet结合了Transformer和残差上采样技术，显著提高了息肉分割的实时性和准确性，特别是在分布外数据集上的表现优于现有方法	未明确提及具体局限性	开发一种高效的深度学习架构，用于实时息肉分割，以预防结直肠癌	息肉图像	计算机视觉	结直肠癌	深度学习	Transformer based Residual Upsampling Network (TransRUPNet)	图像	未明确提及具体样本数量，但使用了公开的PolypGen数据集
4832	2025-03-06	BrainFTFCN: Synergistic feature fusion of temporal dynamics and network connectivity for brain age prediction 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/EMBC53108.2024.10782250 PMID:40038971	研究论文	本文提出了一种名为BrainFTFCN的新型特征融合网络，用于通过整合时间动态和网络连接性来增强大脑年龄预测和模型的可解释性	BrainFTFCN首次将时间注意力自编码器（TAAE）和功能连接图注意力网络（FCGAT）结合，以协同整合时间动态和网络连接性，从而提升大脑年龄预测的准确性和模型的可解释性	NA	通过整合神经影像数据中的时间动态和网络连接性，提高大脑年龄预测的准确性，并揭示与衰老和神经疾病相关的认知衰退机制	大脑年龄预测	机器学习	神经疾病	静息态功能磁共振成像（rs-fMRI）	Temporal Attention Autoencoder (TAAE), Functional Connectivity Graph Attention Network (FCGAT), 支持向量回归	神经影像数据	Cam-CAN数据集
4833	2025-03-06	Selection of Dataframes Presenting Glioma from Magnetic Resonance Images: a Deep Learning Approach 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/EMBC53108.2024.10782396 PMID:40038981	研究论文	本文提出了一种基于深度学习的算法，用于从FLAIR MRI切片中自动检测胶质瘤，并通过生成PDF报告来辅助临床医生	该模型是首个不依赖于特征的自动化方法，用于在MRI切片级别识别胶质瘤，并且生成的PDF报告使其可直接用于临床	NA	开发一种自动检测胶质瘤的深度学习算法，以减少临床医生在MRI切片级别识别胶质瘤所需的时间	FLAIR MRI切片中的胶质瘤	计算机视觉	胶质瘤	深度学习	NA	图像	NA
4834	2025-03-06	Interactive Image Selection and Training for Brain Tumor Segmentation Network 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/EMBC53108.2024.10781962 PMID:40038984	研究论文	本文提出了一种基于FLIM的交互式图像选择和训练方法，用于脑肿瘤分割网络	采用交互式方法结合专家知识进行图像选择和训练，减少了对大量标注图像的需求	需要专家参与，可能限制了方法的广泛应用	解决医学图像分割中需要大量标注图像的问题	脑肿瘤图像	计算机视觉	脑肿瘤	FLIM（从图像标记中学习特征）	U-shaped网络	图像	少量图像
4835	2025-03-06	Detection of Peri-Pancreatic Edema using Deep Learning and Radiomics Techniques 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/EMBC53108.2024.10782032 PMID:40039000	研究论文	本研究利用深度学习和放射组学技术，开发了一种自动检测胰腺周围水肿的方法，旨在提高胰腺炎的诊断和管理	首次提出自动检测胰腺周围水肿的研究，结合了现代深度学习架构和放射组学技术，并为此特定问题创建了基准	研究中使用的数据集仅包含255名患者，样本量相对较小，可能影响模型的泛化能力	开发一种自动检测胰腺周围水肿的方法，以改善胰腺炎的诊断和管理	255名胰腺疾病患者的CT影像数据	计算机视觉	胰腺炎	CT成像	LinTransUNet, Swin-Tiny transformer, XGBoost	CT影像	255名患者
4836	2025-03-06	Application of TimeGAN to IMU-based Data of Upper Limb Range of Motion 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/EMBC53108.2024.10782598 PMID:40038998	研究论文	本文应用TimeGAN生成基于IMU传感器的上肢活动范围（ROM）的合成时间序列数据，以克服从大量人类受试者中收集数据的困难	首次将TimeGAN应用于基于IMU传感器的上肢ROM数据，特别是在残疾模拟研究的背景下	未提及具体的数据集大小或样本量，可能限制了结果的普适性	生成准确的上肢ROM合成数据，以支持深度学习模型的训练和康复评估	人类受试者的上肢活动范围数据	机器学习	运动障碍	TimeGAN	GAN	时间序列数据	未明确提及具体样本量
4837	2025-03-06	Explainable Multimodal Deep Learning for Heart Sounds and Electrocardiogram 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/EMBC53108.2024.10782371 PMID:40039014	研究论文	本文介绍了一种基于梯度加权类激活映射（Grad-CAM）的方法，用于评估五种不同模型在同步心音和心电图（ECG）二元分类（正常/异常）中的性能	创新点在于使用Grad-CAM方法评估多模态深度学习模型，并比较了早期融合和晚期融合策略在分类性能上的差异	尽管ECG 2D-CNN在ROC-AUC得分上表现更好，但其F1得分较低，表明模型在某些性能指标上存在局限性	研究目标是评估多模态深度学习模型在心音和心电图分类中的性能，并探索不同融合策略的效果	研究对象为同步记录的心音和心电图数据	机器学习	心血管疾病	Grad-CAM	1D-CNN, 2D-CNN, 多模态模型	心音信号, 心电图信号	未提及具体样本数量
4838	2025-03-06	Wireless Earphone-based Real-Time Monitoring of Breathing Exercises: A Deep Learning Approach 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/EMBC53108.2024.10782159 PMID:40039017	研究论文	本文提出了一种基于无线耳机的实时呼吸监测系统，用于家庭环境中的呼吸治疗依从性监测	利用消费级硬件（如耳机和智能手机）实现高精度的实时呼吸监测，通过两个卷积神经网络分别进行呼吸通道和呼吸阶段的分类	研究未提及系统在不同环境噪声下的鲁棒性，也未讨论长期使用的可靠性	开发一种能够在家庭环境中实时监测呼吸治疗依从性的系统	需要进行呼吸治疗的患者	机器学习	NA	深度学习	CNN	音频信号	NA
4839	2025-03-06	Towards early detection of chronic kidney disease based on gait patterns: IMU-based approach using neural networks 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/EMBC53108.2024.10781594 PMID:40038997	研究论文	本研究探索了一种基于惯性测量单元（IMU）传感器分析步态特征的非临床方法，用于慢性肾病（CKD）的早期检测	提出了一种结合卷积神经网络（CNN）和双向长短期记忆（BiLSTM）网络的模型，用于分析步态数据以检测CKD	样本量相对较小，且仅来自单一医院，可能限制了结果的普遍性	探索基于步态特征的CKD早期检测方法	276名不同阶段CKD患者和217名健康对照者	机器学习	慢性肾病	IMU传感器	CNN和BiLSTM	步态数据	276名CKD患者和217名健康对照者
4840	2025-03-06	Facial Remote Photoplethysmography for Continuous Heart Rate Monitoring during Prolonged Cold Liquid Bolus Administration 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/EMBC53108.2024.10781709 PMID:40039011	研究论文	本研究探讨了在静脉输液治疗期间通过基于摄像头的远程光电容积描记法（PPG）进行非接触式心率监测的可行性	提出了一种两阶段过程动态确定感兴趣区域（ROIs），结合深度学习进行面部标志检测，并考虑了受试者的面部尺寸，同时省略了预处理步骤以最小化信号处理，仍保持了低误差率	实验仅涉及4名志愿者，样本量较小	研究在静脉输液治疗期间通过远程PPG进行心率监测的可行性	4名志愿者	计算机视觉	NA	远程光电容积描记法（PPG）	深度学习	视频	4名志愿者，超过350分钟的录像