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
9701	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
9702	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
9703	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
9704	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
9705	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
9706	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
9707	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
9708	2024-12-31	Automatic Assessment of Upper Extremity Function and Mobile Application for Self-Administered Stroke Rehabilitation 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.2024.3358497 PMID:38271165	研究论文	本文提出了一种基于深度学习的自动评估模型，用于中风患者上肢功能的自我康复训练，并开发了相应的移动应用程序	提出了一种仅使用视频数据进行训练的深度学习评估模型，并通过交叉注意力机制实现RGB和光流数据的模态融合	未提及模型在更大规模数据集上的泛化能力或长期使用效果	开发一种基于移动应用的自我康复系统，帮助中风患者进行上肢功能康复训练	中风患者的上肢功能康复	数字病理	中风	深度学习	Transformer	视频	未明确提及样本数量
9709	2024-12-31	A Cross-Scale Transformer and Triple-View Attention Based Domain-Rectified Transfer Learning for EEG Classification in RSVP Tasks 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.2024.3359191 PMID:38285586	研究论文	本文提出了一种基于跨尺度Transformer和三重视图注意力的领域校正迁移学习方法，用于RSVP任务中的EEG分类	提出了一种新的跨尺度Transformer和三重视图注意力机制，同时考虑了多尺度时间特征和多视图频谱特征的依赖性，并设计了一个领域校正迁移学习框架，以同时获取可迁移的领域不变表示和不可迁移的领域特定表示	未提及具体局限性	提高RSVP任务中EEG信号的分类性能	EEG信号	脑机接口	NA	迁移学习	Transformer	EEG信号	两个公开的RSVP数据集
9710	2024-12-31	DiffMDD: A Diffusion-Based Deep Learning Framework for MDD Diagnosis Using 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.2024.3360465 PMID:38294930	研究论文	本文提出了一种基于扩散的深度学习框架DiffMDD，用于利用EEG进行重度抑郁症（MDD）的诊断	设计了前向扩散噪声训练模块以提取更多与噪声无关的特征，并设计了反向扩散数据增强模块以增加数据的规模和多样性，从而提高模型的鲁棒性和泛化能力	EEG数据收集过程中存在大量噪声，且难以招募大量受试者以收集足够多样化的数据	提高重度抑郁症（MDD）的早期和准确诊断	重度抑郁症（MDD）患者	机器学习	重度抑郁症	EEG	深度学习框架	EEG数据	在两个公开的MDD诊断数据集上进行了验证
9711	2024-12-31	Channel Selection for Stereo- Electroencephalography (SEEG)-Based Invasive Brain-Computer Interfaces Using Deep Learning Methods 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.2024.3364752 PMID:38349834	研究论文	本文提出了两种基于深度学习的方法（Gumbel和STG），用于立体脑电图（SEEG）信号的通道选择，以提高侵入性脑机接口（BCI）的性能	首次在侵入性脑机接口中应用深度学习方法进行通道选择，并提出了Gumbel和STG两种新方法	研究仅针对SEEG信号，未验证在其他类型脑电信号上的适用性	提高侵入性脑机接口的性能，减少信号冗余和侵入性	立体脑电图（SEEG）信号	脑机接口	NA	深度学习	Gumbel, STG	脑电图信号	NA
9712	2024-12-31	Multi-Branch Mutual-Distillation Transformer for EEG-Based Seizure Subtype Classification 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.2024.3365713 PMID:38349833	研究论文	本文提出了一种多分支互蒸馏Transformer（MBMD Transformer），用于基于跨主体脑电图（EEG）的癫痫亚型分类	首次在基于EEG的癫痫亚型分类中应用知识蒸馏技术，设计了多分支编码器块和互蒸馏策略，以从小量标注数据中有效训练模型	需要进一步验证在更多临床数据集上的泛化能力	提高基于跨主体EEG的癫痫亚型分类的准确性	跨主体的脑电图数据	机器学习	癫痫	知识蒸馏	Transformer	脑电图数据	两个公开的EEG数据集
9713	2024-12-31	A Novel Data Augmentation Approach Using Mask Encoding for Deep Learning-Based Asynchronous SSVEP-BCI 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.2024.3366930 PMID:38373136	研究论文	本文提出了一种名为EEG掩码编码（EEG-ME）的数据增强方法，用于解决基于深度学习的异步SSVEP-BCI系统中的过拟合问题	提出了一种新的数据增强方法EEG-ME，通过掩码部分EEG数据，迫使模型学习更鲁棒的特征，从而提升模型的泛化能力	NA	提升基于深度学习的异步SSVEP-BCI系统的分类准确性和鲁棒性	稳态视觉诱发电位（SSVEP）脑机接口（BCI）系统	机器学习	NA	EEG掩码编码（EEG-ME）	CNN-Former, tCNN, EEGNet	EEG数据	两个公开数据集（benchmark和BETA数据集）
9714	2024-12-30	Time-series InSAR measurement using ICOPS and estimation of along-track surface deformation using MAI during the 2021 eruption of Fagradalsfjall Volcano, Iceland 2024-Dec-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79128-1 PMID:39730394	研究论文	本文利用ICOPS和MAI技术对2021年冰岛Fagradalsfjall火山喷发期间的地表变形进行了时间序列InSAR测量	结合PS和DS点，利用深度学习算法优化测量点，并首次在Fagradalsfjall火山喷发期间应用MAI方法估计沿轨道地表变形	需要进一步应用多轨道分析以找到喷发引起的3D变形模式	研究2021年冰岛Fagradalsfjall火山喷发期间的地表变形	Fagradalsfjall火山及其周边地区	遥感	NA	InSAR, MAI, 深度学习算法	NA	SAR数据	90个SAR数据，6对干涉图
9715	2024-12-30	Customer churn prediction model based on hybrid neural networks 2024-Dec-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79603-9 PMID:39730438	研究论文	本文提出了一种基于混合神经网络的客户流失预测模型CCP-Net，旨在提高客户流失预测的准确性和鲁棒性	CCP-Net结合了Multi-Head Self-Attention、BiLSTM和CNN，能够有效提取复杂的非线性和时间序列特征，从而提升预测性能	未提及模型在处理更大规模数据集或更复杂业务场景下的表现	提高客户流失预测的准确性，为企业提供更全面的流失管理策略	电信、银行、保险和新闻行业的客户数据	机器学习	NA	ADASYN采样算法、Multi-Head Self-Attention、BiLSTM、CNN	混合神经网络	序列数据	电信、银行、保险和新闻数据集
9716	2024-12-30	Road terrain recognition based on tire noise for autonomous vehicle 2024-Dec-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81666-7 PMID:39730501	研究论文	本文提出了一种基于轮胎噪声的端到端深度学习方法，用于自动驾驶车辆的道路地形识别	引入了结合时频注意力模块的轮胎噪声识别残差网络（TNResNet），利用轮胎噪声信号的时频信息进行道路地形分类	仅评估了五种道路类型，未涉及更多复杂或混合地形	提高自动驾驶车辆的驾驶安全性、通过性和舒适性	自动驾驶车辆的道路地形识别	机器学习	NA	深度学习	TNResNet, LSTM, CNN	声音信号	五种道路类型（沥青、水泥、草地、泥地、沙地）
9717	2024-12-30	An instructional emperor pigeon optimization (IEPO) based DeepEnrollNet for university student enrolment prediction and retention recommendation 2024-Dec-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81181-9 PMID:39730552	研究论文	本文提出了一种结合深度学习和推荐系统的创新框架，用于预测大学生入学率并提供保留建议	结合了深度学习与推荐系统，采用加权特征融合和优化算法IEPO，提出了一种新的混合模型DeepEnrollNet	现有方法在处理数值和文本数据时存在不足，无法提供个性化的保留策略	预测大学生入学率并提供保留建议，以应对学术机构在预测学生入学和管理保留方面的挑战	大学生入学数据	机器学习	NA	GloVe嵌入、LDA主题建模、SentiWordNet情感分析、Pythagorean模糊AHP、混合优化算法IEPO	CNN-GRU-Attention QCNN、DQN	数值和文本数据	NA
9718	2024-12-30	Urban Water-Energy consumption Prediction Influenced by Climate Change utilizing an innovative deep learning method 2024-Dec-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81836-7 PMID:39730584	研究论文	本研究提出了一种创新的深度学习方法，用于预测气候变化影响下的城市水和能源消耗	结合卷积神经网络（CNN）与增强型大猩猩部队优化（EGTO）算法，提高了预测的准确性和可靠性	研究仅针对深圳这一特定城市，可能无法直接推广到其他地区	预测气候变化影响下的城市水和能源消耗，以支持决策制定和资源管理	深圳市的用水和能源消耗	机器学习	NA	卷积神经网络（CNN）与增强型大猩猩部队优化（EGTO）算法	CNN	气候、社会经济和人口数据	NA
9719	2024-12-30	Machine learning optimal ordering in global routing problems in semiconductors 2024-Dec-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82226-9 PMID:39730665	研究论文	本文提出了一种在多层半导体封装设计中用于全局布线问题的网络排序新方法	该方法基于机器学习技术，超越了基于启发式评分函数的传统网络排序技术	NA	优化多层半导体封装设计中的全局布线问题	多层半导体封装设计中的全局布线问题	机器学习	NA	机器学习	深度学习	NA	NA
9720	2024-12-30	Utilizing active learning and attention-CNN to classify vegetation based on UAV multispectral data 2024-Dec-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82248-3 PMID:39730804	研究论文	本文提出了一种基于主动学习策略的深度学习模型，用于利用无人机多光谱数据对植被类型进行准确识别	结合主动学习策略和双注意力机制的语义分割门控全融合模块，优化了光谱权重分配，提高了模型对相似类别的区分能力	模型在有限训练样本情况下的分类精度仍有提升空间	提高植被类型识别的准确性并降低标注成本	无人机多光谱数据	计算机视觉	NA	主动学习策略，双注意力机制	CNN	多光谱图像	未明确说明样本数量