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
10101	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
10102	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
10103	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
10104	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
10105	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
10106	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
10107	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
10108	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
10109	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
10110	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
10111	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
10112	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
10113	2025-01-03	Imatinib adherence prediction using machine learning approach in patients with gastrointestinal stromal tumor 2025-Jan-01, Cancer IF:6.1Q1 DOI:10.1002/cncr.35548 PMID:39238433	研究论文	本研究旨在调查胃肠道间质瘤（GIST）患者对伊马替尼的依从性，并开发基于机器学习和深度学习技术的模型以预测非依从性风险	首次在真实世界中使用机器学习技术预测GIST患者伊马替尼非依从性的风险因素	样本量相对较小，可能影响模型的泛化能力	预测GIST患者对伊马替尼的非依从性风险	胃肠道间质瘤（GIST）患者	机器学习	胃肠道间质瘤	机器学习（ML）和深度学习（DL）	eXtreme gradient boosting, LGBM, categorical boosting, random forest, support vector machine, artificial neural network, multilayer perceptron, NaiveBayes, TabNet, Wide&Deep	问卷数据	397名GIST患者
10114	2025-01-03	Lite-YOLOv8: a more lightweight algorithm for Tubercle Bacilli detection 2025-Jan, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03187-9 PMID:39264568	研究论文	本文提出了一种更轻量级的算法Lite-YOLOv8，用于检测痰样本中的结核杆菌	优化了YOLOv8s模型，引入了Lite-C2f模块、轻量级下采样模块和NWD损失函数，显著减少了参数数量并提高了检测精度	未提及具体局限性	解决结核杆菌检测中复杂背景、微小且数量众多的物体以及长时间观察导致的主观判断错误率增加的问题	痰样本中的结核杆菌	计算机视觉	结核病	深度学习	YOLOv8	图像	公共结核杆菌数据集
10115	2025-01-03	Automated diagnosis of atherosclerosis using multi-layer ensemble models and bio-inspired optimization in intravascular ultrasound imaging 2025-Jan, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03190-0 PMID:39292382	研究论文	本文提出了一种基于多层集成模型和生物启发优化的自动化动脉粥样硬化诊断方法，使用IVUS图像进行斑块分类	提出了一种结合Ant Lion优化器和深度学习的混合技术（AAPC-HALODL），用于自动分类IVUS图像中的斑块	研究仅使用了MICCAI Challenge 2011数据集，可能缺乏对其他数据集的泛化能力	开发一种自动化工具，用于准确检测和分类动脉粥样硬化斑块	IVUS图像中的动脉粥样硬化斑块	计算机视觉	心血管疾病	深度学习、生物启发优化	Faster RCNN, ShuffleNet-v2, 堆叠自编码器（SAE）, 深度极限学习机（DELM）	图像	MICCAI Challenge 2011数据集
10116	2025-01-03	The general equation of δ direct methods and the novel SMAR algorithm residuals using the absolute value of ρ and the zero conversion of negative ripples 2025-Jan-01, Acta crystallographica. Section A, Foundations and advances DOI:10.1107/S2053273324009628 PMID:39558851	研究论文	本文建立了δ直接方法的一般方程δ(r) = ρ(r) + g(r)，并在SMAR相位算法中使用该方程进行相位细化	提出了SMAR算法，该算法基于交替最小化两个残差R(χ)和R(Φ)，并在每次迭代中最大化相应的S(Φ)和S(Φ)和函数	SMAR算法在相位细化开始时，m掩码的零部分占据约50%的单位晶胞体积，并在收敛时增加约5%，这可能影响算法的效率	研究δ直接方法的一般方程及其在SMAR相位算法中的应用	δ直接方法的一般方程和SMAR相位算法	NA	NA	SMAR相位算法	NA	衍射数据	NA
10117	2025-01-03	A statistical analysis for deepfake videos forgery traces recognition followed by a fine-tuned InceptionResNetV2 detection technique 2025-Jan, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.15665 PMID:39562484	研究论文	本文提出了一种新颖的深度伪造视频检测方法，结合了像素级视频统计特征的时间差异分析和深度学习算法	提出了一种新的欧几里得距离变化概率评分值来直接评估深度伪造视频的真实性，并对InceptionResNetV2进行了微调以提高检测精度	NA	开发一种更有效的深度伪造视频检测技术	深度伪造视频	计算机视觉	NA	深度学习	InceptionResNetV2	视频	FaceForensics++和CelebDF数据集
10118	2025-01-03	[Artificial intelligence-powered robotic joint surgery:application,research progress,and prospects] 2025-Jan-01, Zhonghua wai ke za zhi [Chinese journal of surgery] DOI:10.3760/cma.j.cn112139-20240922-00437 PMID:39690849	研究论文	本文探讨了人工智能在机器人关节手术中的应用、研究进展及前景	人工智能的集成提升了手术规划、注册、手术机械臂控制和机器人自主性等关键流程的智能化水平	未提及具体的技术限制或挑战	研究人工智能在机器人关节手术中的应用及其对手术智能化和个性化治疗的推动作用	机器人关节手术，特别是全髋关节和膝关节置换术	机器学习和机器人技术	关节疾病	深度学习、强化学习和神经网络	深度学习模型、强化学习模型、神经网络	手术规划数据、注册数据、手术机械臂控制数据	NA
10119	2025-01-03	Combination of facial and nose features of Amur tigers to determine age 2025-Jan, Integrative zoology IF:3.5Q1 DOI:10.1111/1749-4877.12817 PMID:38509845	研究论文	本文通过结合东北虎的面部和鼻子特征，利用深度学习模型进行年龄识别	首次发现东北虎鼻子上的黑色斑点面积与年龄呈正相关，并利用深度学习模型结合分类和预测方法进行年龄识别	NA	研究东北虎的年龄识别方法	东北虎	计算机视觉	NA	深度学习	深度学习模型	图像	NA
10120	2025-01-03	Label-free detection and simultaneous viability determination of CTCs by lens-free imaging cytometry 2025-Jan, Analytical and bioanalytical chemistry IF:3.8Q1 DOI:10.1007/s00216-024-05624-y PMID:39477899	研究论文	本文介绍了一种无透镜成像细胞术，用于无标记检测循环肿瘤细胞（CTCs）并同时确定其活性	提出了一种结合大视场无透镜成像和细胞追踪辅助深度学习算法的高通量系统，显著提高了稀有CTCs的检测率和识别效率	无透镜技术的固有局限性，如细胞在视场中的位置会影响成像，以及稀有CTCs可能不在一次观察中存在	开发一种用于癌症诊断和预后监测的无标记CTCs检测方法	循环肿瘤细胞（CTCs）	数字病理学	肺癌	无透镜成像细胞术	深度学习算法	图像	6名晚期癌症患者和6名健康对照者的临床样本