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
9961	2025-01-04	UroAngel: a single-kidney function prediction system based on computed tomography urography using deep learning 2024-Apr-16, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-024-04921-6 PMID:38627315	研究论文	本文介绍了一种基于深度学习的系统UroAngel，用于通过计算机断层扫描尿路造影（CTU）图像无创预测单肾功能水平	开发了基于3D U-Net卷积神经网络的系统UroAngel，能够准确分割肾皮质并预测肾功能阶段，性能优于传统方法和放射科医生	研究样本量有限，仅包括520名梗阻性肾病患者，且仅在40名患者中进行了临床验证	开发一种非侵入性且便捷的单肾功能水平预测系统	梗阻性肾病（ON）患者	数字病理学	肾病	计算机断层扫描尿路造影（CTU）	3D U-Net	图像	520名梗阻性肾病患者
9962	2025-01-04	Revisiting Computer-Aided Tuberculosis Diagnosis 2024-04, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2023.3330825 PMID:37934644	研究论文	本文探讨了利用深度学习进行计算机辅助结核病诊断（CTD）的进展，并提出了一个新的数据集和基线模型	提出了一个大规模数据集TBX11 K，包含11,200张胸部X光图像，并提出了SymFormer模型，该模型结合了对称搜索注意力（SymAttention）和对称位置编码（SPE）以提高诊断性能	尽管提出了新的数据集和模型，但研究的局限性在于CXR图像可能不完全遵循双边对称性，这可能会影响模型的性能	提高计算机辅助结核病诊断的准确性和效率	胸部X光图像	计算机视觉	结核病	深度学习	SymFormer	图像	11,200张胸部X光图像
9963	2025-01-04	Deep learning using contrast-enhanced ultrasound images to predict the nuclear grade of clear cell renal cell carcinoma 2024-Mar-21, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-024-04889-3 PMID:38512539	研究论文	本文评估了使用对比增强超声（CEUS）图像的深度学习模型在区分低级别（I级和II级）和高级别（III级和IV级）透明细胞肾细胞癌（ccRCC）中的有效性	提出了基于RepVGG架构的深度学习模型，用于区分ccRCC的核级别，并利用类激活映射（CAM）可视化模型预测的关键区域	研究为回顾性研究，样本量相对较小（177例ccRCC），且仅使用了单一机构的CEUS图像数据	评估深度学习模型在非侵入性区分ccRCC核级别中的有效性	透明细胞肾细胞癌（ccRCC）患者	计算机视觉	肾癌	对比增强超声（CEUS）	RepVGG	图像	177例ccRCC（93例低级别，84例高级别），共6412张CEUS图像
9964	2025-01-04	Improved Transfer Learning for Detecting Upper-Limb Movement Intention Using Mechanical Sensors in an Exoskeletal Rehabilitation System 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.2024.3486444 PMID:39453796	研究论文	本研究提出了一种利用深度和异构迁移学习技术从机械传感器信号中检测上肢运动意图的新策略	结合了三种传感器（sEMG、FSR和IMU）来捕捉生物信号，并使用CIFAR-ResNet18和CIFAR-MobileNetV2架构构建深度学习模型，通过优化技术确定每层的适当结构和学习率	NA	检测上肢运动意图，以改进康复辅助机器人的人机协作	上肢运动意图	机器学习	NA	深度学习和迁移学习	CIFAR-ResNet18, CIFAR-MobileNetV2	机械传感器信号（sEMG、FSR、IMU）	NA
9965	2025-01-04	Automatic Gaze Analysis: A Survey of Deep Learning Based Approaches 2024-01, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2023.3321337 PMID:37966935	综述	本文综述了基于深度学习的自动视线分析方法及其在计算机视觉和人机交互领域的应用	本文特别关注了无监督和弱监督领域的视线估计和分割方法，并分析了这些方法的优势和评估指标	开发一个鲁棒且通用的视线分析方法仍需解决现实世界中的挑战，如无约束设置和较少监督的学习	探讨自动视线分析中的重要线索及其在无约束环境中的实时编码方法	视线分析任务和应用	计算机视觉	NA	深度学习	NA	图像	NA
9966	2025-01-04	Deep learning-based method for segmenting epithelial layer of tubules in histopathological images of testicular tissue 2023-Feb, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.S1.S17501 PMID:37153721	研究论文	本文提出了一种基于深度学习的自动化方法，用于分割睾丸组织病理图像中的生精小管上皮层	使用ResNet-34作为特征编码器模块，并在编码模块中集成了压缩和激励注意力块，以提高上皮层的分割和定位效果	尽管在有限训练集上表现良好，但训练集规模较小	开发自动化方法以检测睾丸组织中的异常	睾丸组织中的生精小管上皮层	数字病理学	NA	深度学习	CNN	图像	NA
9967	2025-01-04	ViTab Transformer Framework for Predicting Induced Electric Field and Focality in Transcranial Magnetic Stimulation 2023, 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.2023.3331258 PMID:37938962	研究论文	本研究开发了一种基于深度学习的ViTab Transformer模型，用于预测经颅磁刺激中的感应电场和聚焦性，以替代耗时的电磁模拟软件	提出了ViTab Transformer模型，通过考虑多个输入参数（如MRI图像源、线圈类型、线圈位置、电流变化率、脑组织导电性和线圈与头皮的距离）来预测电场最大值、刺激面积和刺激体积，克服了现有模型仅考虑少数输入参数的局限性	未提及具体局限性	开发一种深度学习模型，以提高经颅磁刺激在神经系统疾病治疗中的效果和寻找新的临床应用	经颅磁刺激中的感应电场和聚焦性	机器学习	神经系统疾病	深度学习	Transformer	图像和表格数据	未提及具体样本数量
9968	2025-01-04	A Probability Fusion Approach for Foot Placement Prediction in Complex Terrains 2023, 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.2023.3333685 PMID:37971912	研究论文	本文提出了一种概率融合方法，用于预测复杂地形中的足部放置，以更好地辅助下肢残疾人士的日常行走	该方法结合了深度学习模型和环境信息，能够在复杂地形中预测下一步的足部放置，相比现有研究在复杂地形中实现了更快和更准确的预测	实验主要针对结构化地形和复杂地形，未涉及更多样化的地形或更广泛的用户群体	研究目的是开发一种能够在复杂地形中预测足部放置的方法，以辅助下肢残疾人士的行走	研究对象为下肢残疾人士在复杂地形中的足部放置	机器学习	下肢残疾	深度学习	深度学习模型	增强数据	实验包括结构化地形实验和复杂地形实验
9969	2025-01-04	Depression Identification Using EEG Signals via a Hybrid of LSTM and Spiking Neural Networks 2023, 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.2023.3336467 PMID:37995160	研究论文	本文提出了一种结合LSTM和脉冲神经网络（SNN）的新框架，用于通过EEG信号有效分类个体抑郁水平	首次将SNN架构与LSTM结构结合，模拟抑郁不同阶段的大脑基础结构，并利用原始EEG信号进行分类	NA	通过EEG信号定量评估抑郁严重程度，并分类个体抑郁水平	抑郁患者的EEG信号	机器学习	抑郁症	EEG信号分析	LSTM, SNN	EEG信号	NA
9970	2025-01-04	Graph Reasoning Module for Alzheimer's Disease Diagnosis: A Plug-and-Play Method 2023, 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.2023.3337533 PMID:38015665	研究论文	本文提出了一种图推理模块（GRM），用于增强基于卷积神经网络（CNN）的阿尔茨海默病（AD）检测模型，通过模拟不同脑区之间的潜在关系来提高诊断性能	提出了一种可即插即用的图推理模块（GRM），结合自适应图Transformer（AGT）块、图卷积网络（GCN）块和特征图重建（FMR）块，有效解决了CNN方法在关联空间远距离信息上的不足	未提及具体局限性	提高阿尔茨海默病（AD）的诊断性能	阿尔茨海默病（AD）患者的结构磁共振成像（sMRI）数据	计算机视觉	老年病	结构磁共振成像（sMRI）	CNN, 自适应图Transformer（AGT）, 图卷积网络（GCN）	图像	未提及具体样本数量
9971	2025-01-04	LSTM-MSA: A Novel Deep Learning Model With Dual-Stage Attention Mechanisms Forearm EMG-Based Hand Gesture Recognition 2023, 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.2023.3336865 PMID:38015666	研究论文	本文介绍了一种结合长短期记忆网络和双阶段注意力机制的LSTM-MSA模型，用于分析肌电图（EMG）信号，以提高手势识别的准确性和鲁棒性	LSTM-MSA模型结合了LSTM层和注意力机制，能够有效捕捉相关信号特征并准确预测意图动作，具有双阶段注意力、端到端特征提取与分类集成以及个性化训练等显著特点	NA	提高EMG信号在手势识别中的准确性和鲁棒性，应用于假肢控制、康复和人机交互等领域	肌电图（EMG）信号	机器学习	NA	NA	LSTM	信号	多个数据集
9972	2025-01-04	Mixture of Experts for EEG-Based Seizure Subtype Classification 2023, 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.2023.3337802 PMID:38032784	研究论文	本文提出了两种新颖的专家混合模型（MoE），Seizure-MoE和Mix-MoE，用于基于EEG的癫痫亚型分类	Mix-MoE模型通过引入不平衡采样器和整合手动EEG特征的先验知识，解决了类别不平衡和缺乏先验知识的问题	需要大量标记的EEG样本来训练模型，且模型在其他EEG分类问题上的扩展性尚未完全验证	提高基于EEG的癫痫亚型分类的准确性和效率	癫痫患者的EEG数据	机器学习	癫痫	EEG	Mixture of Experts (MoE), Seizure-MoE, Mix-MoE	EEG信号	两个公共数据集
9973	2025-01-04	Accurate COP Trajectory Estimation in Healthy and Pathological Gait Using Multimodal Instrumented Insoles and Deep Learning Models 2023, 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.2023.3338519 PMID:38032788	研究论文	本研究介绍了一种新型深度循环神经网络，通过融合来自经济型异质鞋垫嵌入式传感器的数据，准确估计动态COP轨迹	使用深度循环神经网络融合低成本传感器数据，实现在实验室外环境中准确估计COP轨迹	需要进一步验证在不同病理条件下的广泛适用性	开发一种在实验室外环境中准确测量COP轨迹的方法，以评估步态和平衡功能的变化	健康个体和神经肌肉疾病患者	机器学习	神经肌肉疾病	深度循环神经网络	RNN	传感器数据（FSR和IMU）	健康个体和神经肌肉疾病患者
9974	2025-01-04	Deep Unsupervised Representation Learning for Feature-Informed EEG Domain Extraction 2023, 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.2023.3339179 PMID:38048235	研究论文	本文提出了一种新的推理模型——联合嵌入变分自编码器，用于改进脑电图（EEG）分类中的特征提取和模型优化	提出了一种新的联合嵌入变分自编码器模型，通过联合优化的变分自编码器实现条件更紧密的时空特征分布估计，从而在不牺牲模型紧密性的情况下提高整体模型优化和扩展	模型依赖于EEG信号的复杂特征提取，这些特征的检测和定义本身具有挑战性	改进脑电图（EEG）分类中的特征提取和模型优化，特别是在目标受试者数据难以获取的情况下	脑电图（EEG）信号	机器学习	NA	变分自编码器	联合嵌入变分自编码器	脑电图（EEG）信号	未明确提及具体样本数量
9975	2025-01-03	DeepPhoPred: Accurate Deep Learning Model to Predict Microbial Phosphorylation 2025-Feb, Proteins IF:3.2Q2 DOI:10.1002/prot.26734 PMID:39239684	研究论文	本文介绍了一种名为DeepPhoPred的深度学习工具，用于预测微生物的磷酸化位点	DeepPhoPred采用了一种双头卷积神经网络架构，结合了挤压和激励模块，能够从肽的结构和进化信息中联合学习重要特征，以预测磷酸化位点	NA	开发一种低成本、高速度的计算方法来预测微生物的磷酸化位点	微生物的磷酸化位点	机器学习	NA	深度学习	CNN	肽的结构和进化信息	NA
9976	2025-01-03	Deep Learning-Based SD-OCT Layer Segmentation Quantifies Outer Retina Changes in Patients With Biallelic RPE65 Mutations Undergoing Gene Therapy 2025-Jan-02, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.1.5 PMID:39745677	研究论文	本文利用深度学习技术对RPE65基因突变患者的视网膜外层结构变化进行量化分析，并定义了新的生物标志物	首次应用深度学习技术对RPE65基因突变患者的视网膜外层进行自动分割，并定义了五个新的生物标志物	数据集较小，且近视可能对OCT扫描结果产生影响	量化RPE65基因突变患者在基因治疗前后视网膜外层结构的变化，并定义新的生物标志物	RPE65基因突变患者和健康对照组	数字病理学	视网膜退行性疾病	深度学习	NA	图像	22名RPE65基因突变患者和94名健康对照
9977	2025-01-03	Deep Learning Model Using Stool Pictures for Predicting Endoscopic Mucosal Inflammation in Patients With Ulcerative Colitis 2025-Jan-01, The American journal of gastroenterology DOI:10.14309/ajg.0000000000002978 PMID:39051648	研究论文	本文开发了一种使用溃疡性结肠炎患者粪便照片的深度学习模型，用于预测内镜下黏膜炎症	首次使用深度学习模型通过粪便照片预测溃疡性结肠炎的内镜下黏膜炎症	研究未涉及直肠保留病例的预测效果	开发一种通过粪便照片预测溃疡性结肠炎内镜下黏膜炎症的深度学习模型	溃疡性结肠炎患者	数字病理学	溃疡性结肠炎	深度学习	深度学习模型	图像	306名患者的2161张粪便照片用于模型开发，126名患者的1047张粪便照片用于测试
9978	2025-01-03	Machine Learning in Spine Oncology: A Narrative Review 2025-Jan, Global spine journal IF:2.6Q1 DOI:10.1177/21925682241261342 PMID:38860699	综述	本文是一篇关于机器学习在脊柱肿瘤学中应用的叙述性综述	本文详细探讨了机器学习在脊柱肿瘤诊断、预后和治疗中的最新应用，特别是其在医学影像分析和肿瘤分类中的高准确性	本文为叙述性综述，可能缺乏对原始数据的深入分析和统计验证	探讨机器学习在脊柱肿瘤学中的应用及其对医疗实践的影响	脊柱肿瘤，包括原发性、转移性和硬膜内肿瘤	机器学习	脊柱肿瘤	机器学习算法	神经网络和深度学习算法	医学影像和临床特征	45项研究，涉及480篇参考文献
9979	2025-01-03	Multi-step framework for glaucoma diagnosis in retinal fundus images using deep learning 2025-Jan, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03172-2 PMID:39098859	研究论文	本文提出了一种名为MSGC-CNN的多步骤框架，用于通过深度学习从视网膜眼底图像中诊断青光眼	结合青光眼病理知识与深度学习模型，融合原始眼底图像和通过U-Net去除血管干扰的视盘区域特征，设计新的特征提取网络RA-ResNet并结合迁移学习	未提及具体的数据集样本量限制或模型在其他数据集上的泛化能力	提高青光眼诊断的准确性和效率	视网膜眼底图像	计算机视觉	青光眼	深度学习	CNN, U-Net, RA-ResNet	图像	三个公开数据集：Drishti-GS, RIM-ONE-R3, ACRIMA
9980	2025-01-03	Validity of machine learning algorithms for automatically extract growing rod length on radiographs in children with early-onset scoliosis 2025-Jan, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03181-1 PMID:39152359	研究论文	本文开发了一种基于深度学习的机器学习系统，用于自动测量儿童早发性脊柱侧凸患者的磁控生长棒长度	首次使用深度学习技术自动测量磁控生长棒长度，提高了测量的准确性和效率	样本量相对较小，仅使用了387张X光片进行模型开发，60张X光片进行最终测试	开发一种自动测量磁控生长棒长度的方法，以替代主观且耗时的手动测量	儿童早发性脊柱侧凸患者的磁控生长棒	计算机视觉	脊柱侧凸	深度学习	深度学习模型	X光片	387张X光片用于模型开发，60张X光片用于最终测试