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
9321	2024-12-31	Investigation on the reliability calculation method of gravity dam based on CNN-LSTM and Monte Carlo method 2024-Dec-29, Network (Bristol, England) DOI:10.1080/0954898X.2024.2447281 PMID:39733444	研究论文	本文提出了一种基于CNN-LSTM和蒙特卡罗方法的重力坝可靠性计算方法	结合CNN和LSTM深度学习网络，提出了DS-FEM-CNN-LSTM-MC方法，提高了计算精度并减少了计算时间	未提及具体的数据集或实验规模，可能限制了方法的普适性验证	提高重力坝可靠性计算的精度和效率	重力坝的应力非线性动态系统	机器学习	NA	蒙特卡罗方法、DOE测试方法	CNN、LSTM	非线性数据	未提及具体样本数量
9322	2024-12-31	Descriptive overview of AI applications in x-ray imaging and radiotherapy 2024-Dec-27, Journal of radiological protection : official journal of the Society for Radiological Protection IF:1.4Q3 DOI:10.1088/1361-6498/ad9f71 PMID:39681008	综述	本文探讨了人工智能在X射线成像和放射治疗中的应用，包括优化辐射剂量、提高放射治疗效果以及面临的挑战和限制	深入分析了人工智能在放射治疗中的自动化与精确性提升，特别是深度学习模型在器官和肿瘤分割中的应用	部分AI技术尚未准备好用于常规临床使用，主要由于验证挑战，特别是在不同患者群体和临床环境中的可靠性问题	研究人工智能在医学放射应用中的优化与改进	X射线成像和放射治疗	数字病理学	NA	深度学习	DL	图像	NA
9323	2024-12-31	Multiclass arrhythmia classification using multimodal smartwatch photoplethysmography signals collected in real-life settings 2024-Dec-13, Research square DOI:10.21203/rs.3.rs-5463126/v1 PMID:39711547	研究论文	本文提出了一种使用智能手表光电容积描记（PPG）信号进行多类心律失常分类的方法，并在真实生活环境中进行了测试	使用多模态数据（包括1D PPG、加速度计和心率数据）和计算高效的1D双向门控循环单元（1D-Bi-GRU）深度学习模型，实现了对正常窦性心律、房颤（AF）和房性/室性早搏（PAC/PVC）的高效分类，并在独立数据集上展示了更好的泛化能力	尽管在独立数据集上展示了良好的泛化能力，但模型的性能仍需在更大规模和多样化的数据集上进行进一步验证	解决现有房颤检测算法在真实生活环境中因运动伪影和频繁早搏而受限的问题，提高多类心律失常分类的准确性和泛化能力	106名受试者在两周内通过智能手表收集的PPG数据	数字病理学	心血管疾病	深度学习	1D双向门控循环单元（1D-Bi-GRU）	PPG信号、加速度计数据、心率数据	106名受试者
9324	2024-12-31	Automated Segmentation of MRI White Matter Hyperintensities in 8421 Patients with Acute Ischemic Stroke 2024-Dec-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8418 PMID:39013565	研究论文	本文开发并验证了深度学习算法，用于在急性缺血性中风患者中准确分割白质高信号病变	使用迄今为止最大的MRI数据集，开发了SE-UNet模型，并引入了不确定性指数以识别自动分割不准确的情况	UNet和SE-UNet的性能略低于人类之间的可靠性	开发并验证深度学习算法，用于在急性缺血性中风患者中准确分割白质高信号病变	8421名急性缺血性中风患者	数字病理学	中风	深度学习	UNet, SE-UNet	MRI图像	8421名患者
9325	2024-12-31	Automated Characterization of Abdominal MRI Exams Using Deep Learning 2024-Dec-09, Research square DOI:10.21203/rs.3.rs-5334453/v1 PMID:39711527	研究论文	本研究利用卷积神经网络（CNN）自动分类腹部MRI图像的序列、方向和对比度	开发了三种专门用于腹部MRI的CNN模型，能够高效地识别和分类MRI序列、方向和对比度	未提及模型在不同机构间的泛化能力及对异质数据的适应性	开发一种标准化方法，以高效识别、表征和标记MRI序列，促进多源MRI数据的研究	腹部MRI图像	计算机视觉	NA	MRI	CNN	图像	NA
9326	2024-12-31	Identification and diagnosis of schizophrenia based on multichannel EEG and CNN deep learning model 2024-09, Schizophrenia research IF:3.6Q1 DOI:10.1016/j.schres.2024.07.015 PMID:39002527	研究论文	本文提出了一种基于多通道EEG和CNN深度学习模型的高精度精神分裂症检测方法	与使用传统机器学习算法的文献不同，本方法从EEG记录中自主提取网络训练所需的特征	样本量较小，仅包括14名健康受试者和14名精神分裂症患者	开发一种高精度的精神分裂症检测方法	精神分裂症患者和健康受试者的EEG记录	机器学习	精神分裂症	EEG	CNN	EEG记录	14名健康受试者和14名精神分裂症患者
9327	2024-12-31	Deep Learning Segmentation of Ascites on Abdominal CT Scans for Automatic Volume Quantification 2024-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.230601 PMID:38900043	研究论文	本文评估了一种自动化深度学习方法在检测腹水并量化其体积方面的性能，研究对象为肝硬化和卵巢癌患者	提出了一种基于深度学习的自动化方法，用于腹水的分割和体积量化，并在多个数据集上验证了其性能	研究为回顾性研究，可能存在数据偏差，且样本量相对有限	评估深度学习方法在腹水检测和体积量化中的性能	肝硬化和卵巢癌患者的腹部CT扫描图像	数字病理学	肝硬化和卵巢癌	深度学习	深度学习模型	CT扫描图像	NIH-LC（25例）、NIH-OV（166例）和UofW-LC（124例）
9328	2024-12-31	AI potential in PET/CT cancer imaging 2024 Sep-Dec, Hellenic journal of nuclear medicine IF:0.9Q4 DOI:10.1967/s002449912756 PMID:39644273	综述	本文探讨了人工智能（AI）在正电子发射断层扫描/计算机断层扫描（PET/CT）癌症成像中的应用	AI在肿瘤分割、分类、诊断、无病生存预测和治疗反应预测中的应用，尤其是放射组学这一新兴研究领域	数据集规模、标准化和伦理问题仍需解决，以实现AI在PET/CT肿瘤成像中的广泛临床整合	研究AI在PET/CT癌症成像中的应用及其潜力	PET/CT成像技术及其在肿瘤学中的应用	数字病理学	癌症	PET/CT	机器学习和深度学习	医学影像	NA
9329	2024-12-31	Deep Learning-Based Identification Algorithm for Transitions Between Walking Environments Using Electromyography Signals Only 2024, 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.2023.3336360 PMID:37995159	研究论文	本研究提出了一种基于深度学习的算法，仅使用肌电图（EMG）信号来识别步行环境之间的转换	首次仅使用EMG信号进行步行环境转换分类的研究	研究样本量较小，仅涉及27名受试者	开发一种基于EMG信号的步行环境转换识别算法，以控制步行辅助设备	27名受试者的下肢肌肉活动	机器学习	NA	EMG信号测量	人工神经网络（ANN）	EMG信号	27名受试者
9330	2024-12-31	From Forearm to Wrist: Deep Learning for Surface Electromyography-Based Gesture Recognition 2024, 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.2023.3341220 PMID:38064321	研究论文	本研究比较了手腕和前臂肌电信号在手势识别中的表现，评估了TDLDA和四种深度学习模型的性能	首次系统地比较了手腕和前臂肌电信号在手势识别中的表现，并展示了深度学习模型在手腕肌电信号上的显著优势	未明确提及样本量或数据集的多样性，可能影响结果的普适性	评估深度学习模型在手腕肌电信号手势识别中的性能	手腕和前臂的肌电信号	机器学习	NA	肌电信号分析	CNN, TCN, GRU, Transformer	肌电信号	NA
9331	2024-12-31	Multi-Action Knee Contact Force Prediction by Domain Adaptation 2024, 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.2023.3345006 PMID:38113162	研究论文	本文提出了一种通过领域适应技术预测多动作膝关节接触力的深度学习方法	引入了无监督领域适应技术到深度学习模型中，以预测多种动作下的膝关节接触力，并使用Neural State Machine (NSM)作为仿真平台进行测试和可视化	模型在预测中间动作的内部力时仍需进一步验证，且对隐藏运动状态的了解可能有限	预测多种动作下的膝关节接触力，以支持个性化康复和生物力学分析	膝关节接触力	机器学习	NA	无监督领域适应	Bidirectional Long Short-Term Memory (LSTM)	运动学数据	NA
9332	2024-12-31	Navigation Learning Assessment Using EEG-Based Multi-Time Scale Spatiotemporal Compound Model 2024, 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.2023.3346766 PMID:38145526	研究论文	本研究提出了一种基于脑电图（EEG）的深度学习模型来评估学习效果的新方法	提出了基于卷积神经网络（CNN）的多时间尺度时空复合模型（MTSC）来提取和分类EEG信号特征，并使用基于脉冲神经网络（SNN）的NeuCube来评估学习效果和展示认知过程	实验样本量较小，仅41名受试者参与	评估专业课程学习效果，特别是学生在导航任务中的认知能力	41名受试者在三种不同认知难度的导航任务中的EEG信号	机器学习	NA	EEG	CNN, SNN	EEG信号	41名受试者
9333	2024-12-31	B2-ViT Net: Broad Vision Transformer Network With Broad Attention for Seizure Prediction 2024, 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.2023.3346955 PMID:38145523	研究论文	本文提出了一种新型的双层编程癫痫预测模型B2-ViT Net，用于学习新的广义时空长程相关特征	B2-ViT Net模型能够同时考虑通道间的全局空间交互和长程时间依赖性，并在广阔空间中全面学习广义癫痫预测特征	NA	提高癫痫发作预测的准确性和可解释性	癫痫患者	机器学习	癫痫	深度学习	B2-ViT Net	时间序列数据	两个公开数据集：CHB-MIT和Kaggle数据集
9334	2024-12-31	Regional-Asymmetric Adaptive Graph Convolutional Neural Network for Diagnosis of Autism in Children With Resting-State EEG 2024, 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.2023.3347134 PMID:38145528	研究论文	本文提出了一种基于图卷积神经网络的端到端诊断方法，用于儿童自闭症的诊断	设计了区域不对称自适应图卷积神经网络（RAGNN），结合了脑功能连接和半球不对称特征的神经科学发现，通过分层特征提取和融合过程学习可分离的时空EEG特征	样本量较小，仅包括45名自闭症儿童和45名正常发育儿童	提高儿童自闭症诊断的准确性	自闭症儿童和正常发育儿童的静息态脑电图（rs-EEG）数据	数字病理学	自闭症	图卷积神经网络	RAGNN	脑电图（EEG）数据	45名自闭症儿童和45名正常发育儿童
9335	2024-12-31	Deep Learning-Based Assessment Model for Real-Time Identification of Visual Learners Using Raw EEG 2024, 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.2024.3351694 PMID:38194390	研究论文	本文提出了一种基于深度学习的模型，用于实时识别视觉学习者的原始脑电图（EEG）信号	首次使用深度学习技术（LSTM、LSTM-CNN、LSTM-FCNN）实时处理原始EEG信号，无需离线处理，直接识别视觉学习风格	研究样本量较小，仅包含34名健康受试者，且仅针对视觉学习风格进行识别	开发一种实时识别视觉学习风格的深度学习模型	34名健康受试者的EEG信号	机器学习	NA	EEG信号分析	LSTM, LSTM-CNN, LSTM-FCNN	EEG信号	34名健康受试者
9336	2024-12-31	Cross-Spatiotemporal Graph Convolution Networks for Skeleton-Based Parkinsonian Gait MDS-UPDRS Score Estimation 2024, 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.2024.3352004 PMID:38198272	研究论文	本文提出了一种跨时空图卷积网络（CST-GCN），用于基于骨架的帕金森病步态MDS-UPDRS评分估计	提出了一种新的跨时空图卷积网络（CST-GCN），用于学习步态模式的复杂特征，并设计了一种步态图标记策略来组装和分组根节点的跨时空邻居	现有的帕金森病步态骨架数据集非常小，这在基于深度学习的步态研究中是一个大问题	提高帕金森病步态评估的诊断效率和客观性	帕金森病患者的步态数据	计算机视觉	帕金森病	多视角Azure Kinect传感器	跨时空图卷积网络（CST-GCN）	骨架数据	102名帕金森病患者、30名健康老年人和16名年轻人
9337	2024-12-31	Epileptic Seizure Detection Based on Path Signature and Bi-LSTM Network With Attention Mechanism 2024, 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.2024.3350074 PMID:38224524	研究论文	本文提出了一种基于路径签名和双向长短期记忆网络（Bi-LSTM）与注意力机制的癫痫发作自动检测方法	该方法利用路径签名算法提取不同EEG通道之间的动态依赖关系，并结合Bi-LSTM和注意力机制分析EEG信号特征中的时间依赖性	未提及具体局限性	提高癫痫发作的自动检测准确率	癫痫患者的脑电图（EEG）数据	机器学习	癫痫	路径签名算法	Bi-LSTM	EEG信号	两个公共EEG数据库（CHB-MIT和TUEP）和一个本地医院的私有数据库
9338	2024-12-31	Otago Exercises Monitoring for Older Adults by a Single IMU and Hierarchical Machine Learning Models 2024, 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.2024.3355299 PMID:38231806	研究论文	本文开发了一种基于单个IMU和分层机器学习模型的系统，用于监测老年人进行Otago运动计划的情况	提出了一种分层系统，结合深度学习模型，能够在日常生活中使用单个IMU准确监测老年人的Otago运动计划	样本量较小，仅涉及18名老年人，且部分OEP子类别的识别性能有待提高	开发一种无干扰且准确的系统，用于监测老年人进行Otago运动计划的情况	老年人	机器学习	老年疾病	IMU（惯性测量单元）	深度学习模型	传感器数据	18名老年人
9339	2024-12-31	Closed-Loop Control of Functional Electrical Stimulation Using a Selectively Recording and Bidirectional Nerve Cuff Interface 2024, 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.2024.3355063 PMID:38231810	研究论文	本研究探讨了使用选择性记录和双向神经袖带接口进行功能性电刺激的闭环控制	首次将深度学习应用于多接触神经袖带电极记录的时空神经模式，实现闭环刺激控制	实验仅在急性体内实验中进行，未涉及长期应用或人体试验	验证在闭环刺激背景下，应用深度学习对多接触神经袖带记录进行分类的可行性	Long Evans大鼠的坐骨神经	神经工程	瘫痪	功能性电刺激	CNN	时空神经信号	11只Long Evans大鼠
9340	2024-12-31	Toward Domain-Free Transformer for Generalized EEG Pre-Training 2024, 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.2024.3355434 PMID:38236672	研究论文	本文提出了一种名为DFformer的域无关Transformer模型，用于泛化EEG预训练模型	DFformer能够在不同数据集上无缝集成，无需架构修改或数据扭曲，显著提升了预训练模型的性能	NA	开发一种能够跨领域应用的EEG预训练模型	EEG信号	机器学习	NA	深度学习	Transformer	EEG信号	NA