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
5121	2025-03-05	Coarse for Fine: Bounding Box Supervised Thyroid Ultrasound Image Segmentation Using Spatial Arrangement and Hierarchical Prediction Consistency 2025-Jan-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3535541 PMID:40031340	研究论文	本文提出了一种双分支弱监督学习框架，用于优化甲状腺超声图像分割网络，通过校准语义特征到合理的空间分布，在边界框掩码的间接、粗略指导下进行分割	提出了一种新的双分支弱监督学习框架，通过空间排列一致性和层次预测一致性分支来优化分割网络，减少对像素级低层次特征的依赖，提高分割精度	虽然该方法在甲状腺超声图像分割上表现优异，但仍依赖于边界框掩码的间接指导，可能在某些复杂情况下无法完全替代全监督方法	优化甲状腺超声图像的分割精度，减少标注时间	甲状腺超声图像	计算机视觉	甲状腺疾病	弱监督学习	双分支网络	图像	三个甲状腺数据集
5122	2025-03-05	Progressive Knowledge Transfer Network Based on Human Visual Perception Mechanism for No-Reference Point Cloud Quality Assessment 2025-Jan-22, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3532651 PMID:40031145	研究论文	本文提出了一种基于人类视觉感知机制的无参考点云质量评估深度学习网络PKT-PCQA，通过渐进知识转移将粗粒度质量分类知识转化为细粒度质量预测任务	PKT-PCQA网络利用局部和全局特征，以及基于空间和通道注意力模块的注意力机制，模拟人类视觉系统进行点云质量评估	未提及具体局限性	研究无参考点云质量评估方法，以提高点云压缩和通信等应用中的质量评估效果	点云数据	计算机视觉	NA	深度学习	PKT-PCQA	点云数据	三个大型独立的点云评估数据集
5123	2025-03-05	Multivariate Glucose Forecasting Using Deep Multihead Attention Layers Inside Neural Basis Expansion Networks 2025-Jan-22, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3530461 PMID:40031270	研究论文	本文提出了一种新的网络架构，通过在多头注意力层后结合全连接密集层和theta层，嵌入神经基础扩展网络层中，以提高葡萄糖预测的准确性和个性化	提出了一种新的网络架构，结合多头注意力层和神经基础扩展网络层，旨在提高预测准确性、减少数据需求并解决个性化问题	深度学习方法的模型不可解释性、时间滞后、预测准确性、大数据需求和高计算资源需求	提高葡萄糖预测的准确性和个性化，以改善糖尿病管理系统的闭环控制	使用连续葡萄糖监测（CGM）传感器的糖尿病患者	机器学习	糖尿病	深度学习	多头注意力层、全连接密集层、theta层、神经基础扩展网络层	时间序列数据	OhioT1DM数据库
5124	2025-03-05	Navigating Through Whole Slide Images With Hierarchy, Multi-Object, and Multi-Scale Data 2025-Jan-22, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3532728 PMID:40031287	研究论文	本文介绍了一种名为Navigator的视觉模型，该模型能够像领域专家一样在全切片图像（WSIs）中导航，通过多尺度分析来定位微解剖结构	提出了Navigator模型，该模型能够模仿病理学家的多尺度诊断工作流程，并通过新的半监督框架S5CL v2处理稀疏标注样本	未明确提及具体局限性	开发能够快速分割全切片图像的深度学习模型，解决计算病理学中的挑战	全切片图像（WSIs）中的组织学图像	数字病理学	NA	深度学习	Navigator模型	图像	包括TCGA-COAD-30CLS和Erlangen队列在内的多个数据集
5125	2025-03-05	FedBCD: Federated Ultrasound Video and Image Joint Learning for Breast Cancer Diagnosis 2025-Jan-20, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3532474 PMID:40031191	研究论文	本文提出了一种名为FedBCD的去中心化学习解决方案，用于联合学习乳腺超声视频和图像，以改善乳腺癌诊断	首次提出去中心化学习解决方案，结合乳腺超声视频和图像进行联合学习，并设计了JUVIL模型和FILA层间聚合方法	未提及具体局限性	改善乳腺癌诊断的准确性和效率	乳腺超声视频和图像	计算机视觉	乳腺癌	深度学习	JUVIL, FILA	图像, 视频	三个图像客户端和一个视频客户端
5126	2025-03-05	Neural Manifold Decoder for Acupuncture Stimulations With Representation Learning: An Acupuncture-Brain Interface 2025-Jan-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3530922 PMID:40031188	研究论文	本文提出了一种深度学习框架，通过受试者的脑电图活动解码不同针灸操作在足三里穴位上的针刺过程	结合对比表示学习和领域适应策略，估计针灸师的三维手部姿势和手关节运动轨迹，并通过无监督流形学习估计针灸诱发的脑电图信号的低维状态空间	研究中使用的样本类型和数量未明确说明，可能影响结果的普适性	揭示针灸刺激与动态脑响应之间的相关性，并开发一种针灸-脑接口	接受针灸刺激的受试者	机器学习	神经系统疾病	脑电图（EEG）	神经网络	脑电图信号、视频记录	NA
5127	2025-03-05	Marker Data Enhancement for Markerless Motion Capture 2025-Jan-17, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3530848 PMID:40031222	研究论文	本文提出了一种改进的标记增强器，用于将稀疏的视频关键点转换为密集的解剖标记，以提高无标记运动捕捉的准确性	创建了一个更大、更多样化的训练数据集，并开发了一个更准确、更具通用性的标记增强器	在训练数据中未包含的运动上表现不佳	提高无标记运动捕捉的准确性和通用性	人体运动捕捉数据	计算机视觉	NA	深度学习	标记增强器	视频关键点和解剖标记	1176名受试者的标记运动捕捉数据和1433小时的视频关键点及解剖标记
5128	2025-03-05	Knowledge-Based Deep Learning for Time-Efficient Inverse Dynamics 2025-Jan-17, 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.2025.3530992 PMID:40031238	研究论文	本文提出了一种基于知识的深度学习框架，用于高效的时间反演动力学分析，能够直接从关节运动学数据预测肌肉激活和肌肉力量	提出了一种无需标签信息即可训练的深度学习框架，结合前向动力学和预选的反演动力学生理标准，通过特定的损失函数指导神经网络训练	实验验证仅限于两个数据集，样本量较小，且仅包括健康受试者	提高神经康复和肌肉骨骼疾病治疗中肌肉激活和肌肉力量估计的效率和准确性	肌肉激活和肌肉力量	机器学习	肌肉骨骼疾病	深度学习	BiGRU（双向门控循环单元）	时间序列数据	两个数据集，包括一个基准上肢运动数据集和一个自收集的下肢运动数据集，涉及六名健康受试者
5129	2025-03-05	Conditional Contrastive Predictive Coding for assessment of fetal health from the cardiotocogram 2025-Jan-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3530610 PMID:40030899	研究论文	本文提出了一种基于条件对比预测编码（CPC）的方法，用于从胎心宫缩图（CTG）中评估胎儿健康状况	本文通过引入对比预测编码（CPC）改进了现有的无监督深度学习模型，并提出了一个新的训练目标，更适合异常检测任务	NA	改进现有的胎心宫缩图（CTG）自动异常检测方法，以提高胎儿健康状况评估的准确性	胎心宫缩图（CTG）数据	机器学习	胎儿健康	对比预测编码（CPC）	WaveNet架构	胎心宫缩图（CTG）数据	NA
5130	2025-03-05	Feedback Attention to Enhance Unsupervised Deep Learning Image Registration in 3D Echocardiography 2025-Jan-16, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3530501 PMID:40030923	研究论文	本文提出了一种新的空间反馈注意力（FBA）模块，用于增强无监督的3D深度学习图像配准（DLIR）在超声心动图中的应用	引入了空间反馈注意力模块，通过生成共注意力图来描述剩余的配准误差，并将其反馈给DLIR以最小化这些误差并提高自我监督能力	尽管FBA模块在3D DLIR中表现出色，但其在更广泛的应用场景中的有效性和稳定性仍需进一步验证	提高3D超声心动图中深度学习图像配准的精度和效率	3D超声心动图图像	计算机视觉	心血管疾病	深度学习图像配准（DLIR）	CNN, Transformer	3D图像	胎儿和成人的3D超声心动图数据
5131	2025-03-05	Cutting Skill Assessment by Motion Analysis Using Deep Learning and Spatial Marker Tracking 2025-Jan-15, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3529500 PMID:40030929	研究论文	本文提出了一种通过手术刀运动分析评估开放手术中切割技能的方法	设计了3D多面ArUco代码立方体，并使用YOLOv8模型和图像数据集识别手术刀类型并选择其尖端位置，提出了五种评估指标来量化外科医生的切割技能	实验样本量较小，仅涉及20名专家和新手外科医生	评估开放手术中外科医生的切割技能	外科医生的切割技能	计算机视觉	NA	YOLOv8模型	YOLOv8	图像	20名专家和新手外科医生
5132	2025-03-05	Combining Pre- and Post-Demosaicking Noise Removal for RAW Video 2025-Jan-15, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3527886 PMID:40031011	研究论文	本文提出了一种结合去马赛克前后噪声去除的自相似性去噪方案，用于Bayer模式CFA视频数据	提出了一种自相似性去噪方案，结合去马赛克前后的去噪器，并通过时间轨迹预滤波步骤进一步改善纹理重建	现代神经网络在适应新噪声水平和场景方面仍有困难	提高去噪算法的质量，使其适用于现实世界的视频拍摄	Bayer模式CFA视频数据	计算机视觉	NA	深度学习	神经网络	视频	NA
5133	2025-03-05	A Region and Category Confidence-Based Multi-Task Network for Carotid Ultrasound Image Segmentation and Classification 2025-Jan-14, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3529483 PMID:40031080	研究论文	本文提出了一种基于区域和类别置信度的多任务网络（RCCM-Net），用于颈动脉超声图像的分割和分类	该网络通过区域置信模块（RCM）和样本类别置信模块（CCM）利用分割和分类任务之间的相关性，提高了性能	NA	提高颈动脉斑块超声图像的分割和分类性能，以辅助动脉粥样硬化的治疗和中风风险评估	颈动脉斑块的超声图像	计算机视觉	心血管疾病	深度学习	多任务学习框架（RCCM-Net）	2D超声图像	1270张颈动脉斑块的2D超声图像
5134	2025-03-05	WavFace: A Multimodal Transformer-based Model for Depression Screening 2025-Jan-13, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3529348 PMID:40031033	研究论文	本文提出了一种名为WavFace的多模态深度学习模型，用于通过音频和面部特征进行抑郁症筛查	WavFace在预训练模型上增加了编码器-转换器层以改进单模态表示，并应用显式对齐方法和顺序及空间自注意力机制进行模态融合	样本量较小	探索深度学习模型在抑郁症筛查中的应用	临床访谈视频中的音频和面部特征	自然语言处理	抑郁症	深度学习	Transformer	音频和视频	NA
5135	2025-03-05	MIP-enhanced Uncertainty-aware Network for Fast 7T Time-of-Flight MRA Reconstruction 2025-Jan-13, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3528402 PMID:40031037	研究论文	本文提出了一种不确定性感知的7T飞行时间磁共振血管成像（TOF-MRA）重建模型，结合深度展开和证据深度学习，以提高重建质量和不确定性量化	结合深度展开和证据深度学习，提出了一种新的不确定性感知重建模型，并引入了最大强度投影（MIP）损失以提高MIP图像质量	实验仅在内部多线圈7T TOF-MRA数据集上进行，未在外部数据集上验证	加速7T TOF-MRA的重建并提高重建血管的可靠性	颅内血管系统	医学影像处理	NA	7T TOF-MRA	深度展开模型、证据深度学习模型	磁共振成像（MRI）数据	相对较大的内部多线圈7T TOF-MRA数据集
5136	2025-03-05	Non-invasive Detection of Adenoid Hypertrophy Using Deep Learning Based on Heart-Lung Sounds 2025-Jan-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3527403 PMID:40030964	研究论文	本文提出了一种基于深度学习的心肺音非侵入性检测方法，用于诊断儿童腺样体肥大	首次利用心肺音数据结合深度学习模型进行腺样体肥大的非侵入性检测，提供了一种新的诊断方法	未提及样本的具体数量及多样性，可能影响模型的泛化能力	开发一种非侵入性的腺样体肥大检测方法，以替代现有的侵入性或辐射性诊断技术	儿童腺样体肥大患者	数字病理	上呼吸道疾病	深度学习	CNN, LSTM, GAN	声音数据	NA
5137	2025-03-05	Learning-Based Modeling and Predictive Control for Unknown Nonlinear System With Stability Guarantees 2025-Jan-10, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3525264 PMID:40030974	研究论文	本文提出了一种基于学习的控制方案，用于未知非线性系统的建模和稳定控制，考虑了学习动力学的稳定性和学习动力学与真实动力学之间的建模不匹配	提出了一个结合Koopman理论和深度学习的方案，用于未知非线性系统的建模和稳定控制，并引入了稳定约束和Lipschitz约束以确保学习模型的稳定性	未提及具体的数据集或实验规模，可能限制了方案的普适性验证	研究未知非线性系统的安全控制和稳定性保证	未知非线性系统	机器学习	NA	深度学习	Koopman理论结合深度学习	NA	NA
5138	2025-03-05	Advancing Acoustic Droplet Vaporization for Tissue Characterization Using Quantitative Ultrasound and Transfer Learning 2025-Jan-08, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3527141 PMID:40031047	研究论文	本研究探讨了相变纳米液滴在纤维蛋白基组织模拟水凝胶中的声学和成像特性，利用被动空化检测和主动成像技术，包括B模式和对比增强超声，展示了ADV生成的气泡的背向散射信号强度和非线性声学响应与纤维蛋白密度的相关性	结合了深度学习技术，特别是卷积神经网络（AlexNet）的迁移学习，用于区分纤维蛋白水凝胶，为生物医学诊断提供了新的可能性	研究主要局限于纤维蛋白基水凝胶，未涉及更复杂的生物组织环境	探索声学液滴汽化（ADV）技术在生物医学超声中的应用，特别是用于组织特性表征	相变纳米液滴在纤维蛋白基组织模拟水凝胶中的声学和成像特性	生物医学超声	NA	被动空化检测，B模式超声，对比增强超声	卷积神经网络（CNN），AlexNet	超声图像	NA
5139	2025-03-05	P2TC: A Lightweight Pyramid Pooling Transformer-CNN Network for Accurate 3D Whole Heart Segmentation 2025-Jan-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3526727 PMID:40030965	研究论文	本文提出了一种轻量级的金字塔池化Transformer-CNN网络（P2TC），用于精确的3D全心脏分割	P2TC网络结合了3D金字塔池化Transformer进行多尺度信息融合和轻量级大核卷积神经网络（CNN）进行局部特征提取，解决了现有方法在空间上下文建模不足、长距离依赖捕捉困难、计算复杂度高和局部高层语义信息表示有限等问题	NA	提高3D全心脏分割的准确性，以支持心血管疾病的诊断和手术规划	心脏结构	计算机视觉	心血管疾病	深度学习	Transformer-CNN	3D图像	Multi-Modality Whole Heart Segmentation (MM-WHS) 2017挑战数据集
5140	2025-03-05	DiffuSeg: Domain-driven Diffusion for Medical Image Segmentation 2025-Jan-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3526806 PMID:40030962	研究论文	本文介绍了一种名为DiffuSeg的新型条件扩散模型，用于医学图像数据，通过利用现有数据集的标签映射和目标域的无标签图像进行图像扩散，从而避免人工标注，提高分割任务的准确性	提出了一种新的条件扩散模型DiffuSeg，通过特征分解变分自编码器提供条件信息，使得分割网络可以在没有目标数据集标注的情况下进行训练	尽管在图像生成和分割准确性上取得了显著改进，但该方法在目标数据集标注不可用的情况下仍存在一定的局限性	研究目的是开发一种无需人工标注的医学图像分割方法，以提高自动分割模型的效能	医学图像数据，包括视网膜眼底图像用于血管分割和MRI图像用于心脏分割	计算机视觉	NA	条件扩散模型	条件扩散模型，特征分解变分自编码器	图像	MNIST数据集，视网膜眼底图像和MRI图像