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
5861	2025-03-06	Advancing Chest X-ray Diagnostics via Multi-Modal Neural Networks with Attention 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/EMBC53108.2024.10781551 PMID:40040114	研究论文	本文提出了一种结合预训练图像分类神经网络与患者及图像元数据的多模态神经网络方法，用于提升胸部X光图像的诊断精度	通过整合患者和图像元数据，显著提高了诊断精度，并有效减少了假阳性	未提及具体的数据集规模或多样性限制	提升胸部X光图像在呼吸系统疾病诊断中的准确性	胸部X光图像及相关的患者和图像元数据	计算机视觉	呼吸系统疾病	深度学习	多模态神经网络	图像及元数据	NA
5862	2025-03-06	Bacteria Detection in Optical Endomicroscopy Images using Synthetic 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/EMBC53108.2024.10781794 PMID:40040125	研究论文	本文提出了一种在光学内窥镜图像中使用合成图像进行细菌检测的新方法	引入了一种生成合成细菌图像的新方法，使深度学习技术得以应用于光学内窥镜图像分析	依赖于合成图像的质量和真实性，且需要进一步验证在真实临床环境中的效果	提高光学内窥镜图像中细菌检测的准确性和效率	光学内窥镜图像中的细菌	数字病理学	肺炎	光学内窥镜成像	3D U-Net	图像	NA
5863	2025-03-06	Profiling a Raspberry Pi-Based Motor Imagery Classification to Facilitate At-Home BCI for Children with Disabilities 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/EMBC53108.2024.10781873 PMID:40040137	研究论文	本研究开发了一个基于树莓派4的高效且可扩展的机器学习框架，用于促进家庭使用的脑机接口（BCI）系统，特别是针对严重身体残疾的儿童	通过评估树莓派4在执行标准BCI过程中的行为特征，包括分类器模型的训练和评估，展示了其在低计算资源下的可行性	高资源需求的分类器（如人工神经网络）在实施时需要仔细考虑，这可能会降低采用实用、有影响力的家庭BCI系统的潜在成本和复杂性	开发一个高效且可扩展的机器学习框架，以促进家庭使用的脑机接口（BCI）系统	严重身体残疾的儿童	机器学习	残疾	机器学习	人工神经网络（ANN），Riemannian Geometry（RG）框架	NA	NA
5864	2025-03-06	EMGCipher: Decoding Electromyography for Upper-limb Gesture Classification with Explainable AI for Resource Optimization 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/EMBC53108.2024.10782747 PMID:40040141	研究论文	本文介绍了一种名为EMGCipher的可解释深度学习框架，用于使用表面肌电图（sEMG）进行上肢手势分类	EMGCipher结合了低层次sEMG特征表示和深度学习模型的知识，定量评估输入传感器和特征在手势分类中的概率显著性，从而在可解释性和性能之间架起桥梁	NA	提高上肢手势分类的透明性和性能	上肢手势分类	机器学习	NA	表面肌电图（sEMG）	深度学习（DL）	肌电图数据	Ninapro DB5数据集
5865	2025-03-06	Detection of Sleep Apnea-Hypopnea Events Using Millimeter-wave Radar and Pulse Oximeter 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/EMBC53108.2024.10782344 PMID:40040165	研究论文	本研究提出了一种使用毫米波雷达和脉搏血氧仪检测睡眠呼吸暂停-低通气事件（SAE）的方法，称为ROSA	结合毫米波雷达和脉搏血氧仪的信息，直接预测SAE的时间定位，提高了检测的准确性和实用性	雷达检测易受身体运动和环境干扰，脉搏血氧仪单独使用也有局限性	开发一种低成本、低负荷的设备用于阻塞性睡眠呼吸暂停-低通气综合征（OSAHS）的诊断	阻塞性睡眠呼吸暂停-低通气综合征（OSAHS）患者	数字病理	老年疾病	毫米波雷达和脉搏血氧仪	NA	生理信号	NA
5866	2025-03-06	Robust EEG-based Emotion Recognition Using an Inception and Two-sided Perturbation 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/EMBC53108.2024.10782060 PMID:40040181	研究论文	本文提出了一种基于Inception特征生成器和双面扰动（INC-TSP）的方法，用于增强脑机接口中的情绪识别	结合Inception模块进行EEG数据分析，并采用双面扰动（TSP）作为防御机制，以增强模型对输入扰动的弹性	NA	提高在输入不确定性存在的情况下情绪识别的准确性	脑电图（EEG）信号	脑机接口	NA	Inception模块，双面扰动（TSP）	Inception	EEG信号	NA
5867	2025-03-06	Residual Neural Networks for the Prediction of the Regularization Parameters in PET Reconstruction 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/EMBC53108.2024.10782195 PMID:40040188	研究论文	本文提出了一种基于残差神经网络的监督深度学习策略，用于预测PET重建中的正则化参数	使用残差神经网络自动预测PET重建算法中的最优正则化参数，相比传统手动调参方法提高了图像重建质量	研究基于合成数据集，可能在实际临床数据上的表现有待验证	优化PET图像重建过程中的正则化参数设置，以提高图像质量	PET重建算法中的正则化参数	医学影像	NA	深度学习	残差神经网络	2D sinograms	合成数据集
5868	2025-03-06	Deep Learning Analysis of Retinal Structures and Risk Factors of Alzheimer's Disease 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/EMBC53108.2024.10782580 PMID:40040194	研究论文	本研究利用深度神经网络分析阿尔茨海默病的风险因素与视网膜结构之间的关系	首次使用深度神经网络探索视网膜结构与阿尔茨海默病风险因素之间的关联，并发现视网膜成像生物标志物	未提及样本量及数据来源的具体细节，可能影响结果的普适性	探索阿尔茨海默病的早期筛查方法	阿尔茨海默病患者的视网膜结构	计算机视觉	阿尔茨海默病	深度神经网络	深度神经网络	图像	NA
5869	2025-03-06	Integrating Microfluidics and Deep Learning to Investigate Entomopathogenic Nematode Responses to Host Cues 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/EMBC53108.2024.10782918 PMID:40040185	研究论文	本研究结合微流控技术和深度学习，研究了昆虫病原线虫对宿主线索的反应	提出了一种结合微流控、深度学习和光流分析的混合方法，用于研究昆虫病原线虫的行为	NA	优化昆虫病原线虫的应用，以降低农药对健康和环境的影响	昆虫病原线虫（Steinernema carpocapsae）	生物学与工程学交叉领域	NA	微流控技术、光流分析	卷积神经网络（CNN）	视频数据	NA
5870	2025-03-06	Classification of Carotid Plaque with Jellyfish Sign Through Convolutional and Recurrent Neural Networks Utilizing Plaque Surface Edges 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/EMBC53108.2024.10782813 PMID:40040199	研究论文	本文提出了一种基于超声视频的深度学习方法，用于分类颈动脉斑块中的水母征	结合卷积神经网络和循环神经网络，利用斑块表面边缘信息进行水母征分类	研究仅基于200名患者的超声视频图像，样本量可能有限	开发一种有效的方法来检测颈动脉斑块中的水母征，以预防脑梗死	颈动脉斑块	计算机视觉	心血管疾病	超声视频分析	CNN, RNN	视频	200名患者的超声视频图像
5871	2025-03-06	Focused State Recognition Using EEG with Eye Movement-Assisted Annotation 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/EMBC53108.2024.10781939 PMID:40040215	研究论文	本文提出了一种结合脑电图（EEG）和眼动信号的专注状态识别方法，通过深度学习模型对脑活动进行分类	通过计算眼动信号中的双眼聚焦点差异并结合EEG特征，提出了一种新的专注状态标注方法	未提及具体局限性	识别和分析基于EEG和眼动信号的脑活动，特别是专注状态	脑电图（EEG）和眼动信号	机器学习	NA	深度学习	Transformer	EEG和眼动信号	未提及具体样本数量
5872	2025-03-06	Exploring Schizophrenia Classification in fMRI Data: A Common Spatial Patterns(CSP) Approach for Enhanced Feature Extraction and 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/EMBC53108.2024.10782387 PMID:40040201	研究论文	本研究探索了在静息态功能磁共振成像（rs-fMRI）数据中使用共同空间模式（CSP）方法进行精神分裂症分类的新方法	首次将主要用于脑电图（EEG）信号处理的CSP方法应用于fMRI数据集，并验证了其在rs-fMRI中的有效性	研究仅针对精神分裂症患者和对照组进行了验证，未涉及其他精神疾病	探索CSP方法在rs-fMRI数据中的特征提取和分类效果，以增强对精神分裂症的分类能力	精神分裂症患者和健康对照组	机器学习和神经影像分析	精神分裂症	共同空间模式（CSP）和主成分分析（PCA）	监督学习（CSP）和无监督学习（PCA）	静息态功能磁共振成像（rs-fMRI）数据	包括精神分裂症患者和健康对照组，具体样本数量未提及
5873	2025-03-06	PTransIPs: Identification of Phosphorylation Sites Enhanced by Protein PLM Embeddings 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3377362 PMID:38483806	研究论文	本研究开发了一个名为PTransIPs的深度学习框架，用于识别磷酸化位点，该框架在独立测试中表现优于现有最先进方法	PTransIPs首次将蛋白质预训练语言模型（PLM）嵌入应用于此任务，结合了Transformer架构和卷积神经网络，并采用了TIM损失函数进行优化	NA	开发一个深度学习框架以准确识别磷酸化位点，从而揭示细胞内的分子机制和病毒感染过程中的关键点	磷酸化位点	生物信息学	NA	深度学习	Transformer, CNN	蛋白质序列和结构数据	NA
5874	2025-03-06	Preliminary Results: Comparison of Convolutional Neural Network Architectures as an Auxiliary Clinical Tool Applied to Screening Mammography in Mexican Women 2024-Jun, Journal of medical and biological engineering IF:1.6Q4 DOI:10.1007/s40846-024-00868-6 PMID:40027073	研究论文	本研究开发了一种新型卷积神经网络（CNN）用于乳腺X光片的良恶性分类，并与使用迁移学习的预训练CNN模型进行比较	开发了一种新型CNN模型，并在墨西哥女性乳腺X光片数据集上进行了训练和验证，填补了该领域的数据和工具空白	研究样本量相对较小，且仅使用了两个数据库的数据	开发并验证一种新型CNN模型，用于乳腺X光片的良恶性分类	乳腺X光片	计算机视觉	乳腺癌	卷积神经网络（CNN）	CNN, DenseNet121, MobileNetV2, ResNet50, VGG16	图像	1,070张乳腺X光片（来自235名墨西哥患者）和MIAS数据库中的乳腺X光片
5875	2025-03-06	From Basic to Extra Features: Hypergraph Transformer Pretrain-then-Finetuning for Balanced Clinical Predictions on EHR 2024-Jun, Proceedings of machine learning research PMID:40041452	研究论文	本文提出了一种名为HTP-Star的模型，利用超图结构和预训练-微调框架来建模电子健康记录（EHR）数据，并设计了两种技术以增强模型在微调过程中的鲁棒性	HTP-Star模型通过超图结构和预训练-微调框架，实现了对EHR数据的建模，并能够无缝整合额外特征，同时在微调过程中增强了模型的鲁棒性	未明确提及具体限制	研究目的是通过深度学习模型改进对电子健康记录（EHR）数据的处理，以实现更平衡的临床预测	电子健康记录（EHR）数据	机器学习	NA	超图结构、预训练-微调框架	HTP-Star	电子健康记录（EHR）数据	两个真实的EHR数据集
5876	2025-03-06	Volumetric segmentation in the context of posterior fossa-related pathologies: a systematic review 2024-Apr-19, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02366-4 PMID:38637466	综述	本文总结了当前关于后颅窝分割的文献，重点介绍了各种分割技术及其优缺点，以及文献中报道的各种研究的目标和结果	系统性地回顾了后颅窝相关病理的分割技术，涵盖了从手动分割到深度学习的演变	文献搜索仅限于PubMed、Embase、Cochrane和Web of Science，可能未涵盖所有相关研究	评估后颅窝体积/病理的分割技术及其优缺点	后颅窝相关病理，如Chiari畸形、三叉神经痛、术后儿童小脑性缄默综合征和Crouzon综合征	数字病理学	后颅窝相关病理	手动分割、半自动分割、全自动分割（基于图谱、卷积神经网络）	卷积神经网络（CNN）	图像	52篇文献
5877	2025-03-06	Automatic segmentation and labelling of wrist bones in four-dimensional computed tomography datasets via deep learning 2024-04, The Journal of hand surgery, European volume DOI:10.1177/17531934231209876 PMID:37882645	研究论文	本研究开发了一种深度学习模型，用于从四维计算机断层扫描（4DCT）数据集中自动分割和标记腕骨	首次实现了从4DCT扫描中自动分割和标记腕骨的深度学习模型	未提及具体的数据集大小或模型性能的详细评估	实现4DCT在诊断腕韧带损伤中的应用，减少数据分析时间	腕骨	计算机视觉	腕韧带损伤	4DCT	深度学习模型	4DCT扫描数据	NA
5878	2025-03-06	Automated HER2 Scoring in Breast Cancer Images Using Deep Learning and Pyramid Sampling 2024, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0048 PMID:39045139	研究论文	本文介绍了一种基于深度学习和金字塔采样的方法，用于自动分类乳腺癌组织图像中的HER2状态	利用金字塔采样技术分析不同空间尺度的形态特征，有效管理计算负载，并提供对细胞和组织层面细节的详细检查	研究仅基于523个核心图像的数据集，样本量相对较小	提高乳腺癌HER2状态分类的准确性和评估速度	乳腺癌组织图像	数字病理学	乳腺癌	深度学习	NA	图像	523个核心图像
5879	2025-03-06	Analysis of the pattern recognition algorithm of broadband satellite modulation signal under deformable convolutional neural networks 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0234068 PMID:32658924	研究论文	本研究旨在分析在低信噪比或信道非理想条件下，基于深度学习的卫星调制信号识别性能受不同参数估计的影响	构建了基于可变形卷积神经网络（DCNN）的宽带卫星调制信号模式识别模型，并与其他模型（如VGG、AlexNet、ResNe）进行了比较，显示出更高的识别准确率和更短的训练时间	研究主要基于模拟数据，未涉及实际卫星信号的复杂环境	分析不同参数估计对卫星调制信号识别性能的影响	宽带卫星调制信号	机器学习	NA	深度学习	DCNN	信号数据	数据长度达到4000
5880	2025-03-06	Risk management system and intelligent decision-making for prefabricated building project under deep learning modified teaching-learning-based optimization 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0235980 PMID:32678855	研究论文	本研究基于改进的教学-学习优化算法（MTLBO）和深度学习多层前馈神经网络（BP神经网络）建立了预制建筑项目风险管理系统的模型，以提高大型预制建筑项目施工期间的风险管理需求	通过使用信息熵对传统的教学-学习优化算法（TLBO）进行改进，并结合BP神经网络建立了MTLBO-BP神经网络预测模型，该模型在全局搜索能力和避免局部最优方面表现更优	未提及具体的研究局限性	提高预制建筑项目施工期间的风险管理需求，提供智能管理和决策支持	预制建筑项目的风险管理系统	机器学习	NA	深度学习，BP神经网络，MTLBO算法	BP神经网络，MTLBO-BP神经网络	NA	NA