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
11501	2024-12-11	Frequency Domain Deep Learning With Non-Invasive Features for Intraoperative Hypotension Prediction 2024-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3403109 PMID:38768003	研究论文	本文提出了一种基于频域深度学习的非侵入性特征模型，用于术中低血压预测	本文创新性地利用频域信息，结合多种生物信号模态，提出了一种深度学习方法，显著提升了非侵入性数据上的预测性能	本文主要针对术中低血压预测，未涉及其他临床应用场景	开发一种新的深度学习框架，用于术中低血压的预测	术中低血压的预测	机器学习	心血管疾病	离散傅里叶变换	深度学习模型	生物信号数据	3226名患者的数据，共构建了75994个片段
11502	2024-12-11	Real-Time Non-Invasive Imaging and Detection of Spreading Depolarizations through EEG: An Ultra-Light Explainable Deep Learning Approach 2024-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3370502 PMID:38412076	研究论文	本文提出了一种超轻量级的可解释深度学习方法，通过脑电图（EEG）进行实时非侵入性成像和扩散去极化（SD）的检测	首次将SD识别问题从1维时间序列波的检测任务转化为在顺序2维渲染图像上的任务，并提出了一种超轻量级的多模态深度学习网络，融合EEG频谱图成像和时间功率向量，以提高每个电极上的SD识别准确性	本文仅提供了初步证据支持SD在频率轮廓上可能显示隐含特征的假设，仍需进一步研究验证	旨在通过非侵入性方法实时检测扩散去极化，以预防继发性脑损伤	扩散去极化（SD）的非侵入性检测	机器学习	NA	深度学习	多模态深度学习网络	脑电图（EEG）频谱图	NA
11503	2024-12-11	Simultaneous Estimation of Digit Tip Forces and Hand Postures in a Simulated Real-Life Condition With High-Density Electromyography and Deep Learning 2024-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3350239 PMID:39361489	研究论文	研究使用高密度表面肌电图（HD-sEMG）和深度学习技术，在模拟真实生活条件下同时估计手指尖力与手部姿势的可行性	提出了结合三维卷积神经网络（3DCNN）和长短期记忆网络（LSTM）的框架，能够可靠且连续地估计手指尖力和分类不同手部姿势	研究仅在模拟真实生活条件下进行，未涉及实际应用中的复杂环境	探讨在日常活动场景中，连续估计多个自由度的可行性	手指尖力与手部姿势	机器学习	NA	高密度表面肌电图（HD-sEMG）	三维卷积神经网络（3DCNN）与长短期记忆网络（LSTM）	肌电信号	四种类型的日常抓握方式，多种物体
11504	2024-12-11	Convolutional Neural Networks in the Diagnosis of Cervical Myelopathy 2024-Oct, Revista brasileira de ortopedia DOI:10.1055/s-0044-1779317 PMID:39649041	研究论文	本研究评估了卷积神经网络在颈椎病诊断中的有效性，并与传统的颈椎核磁共振成像进行了比较	本研究展示了深度学习技术在脊柱手术中的显著改进，尤其是在颈椎病诊断中的高准确性	NA	评估卷积神经网络在颈椎病诊断中的有效性	颈椎病患者和正常人的核磁共振成像图像	计算机视觉	颈椎病	卷积神经网络	CNN	图像	125名参与者，包括242张轴向视图图像和249张矢状视图图像
11505	2024-12-11	Geometrical and dosimetrical evaluation of different interpretations of a european consensus delineation guideline for the internal mammary lymph node chain in breast cancer patients 2024-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2024.100676 PMID:39649154	研究论文	本研究评估了不同解释下欧洲共识指南对乳腺癌患者内乳淋巴结链勾画的剂量学和几何学影响	使用深度学习模型作为指南的第二种解释，并与传统解释进行比较	仅分析了95名左侧乳腺癌患者的病例，样本量有限	研究不同解释下内乳淋巴结勾画指南对心脏平均剂量的影响	左侧乳腺癌患者的内乳淋巴结勾画	NA	乳腺癌	深度学习	NA	图像	95名左侧乳腺癌患者
11506	2024-12-11	Multi-Task Collaborative Pre-Training and Adaptive Token Selection: A Unified Framework for Brain Representation Learning 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3416038 PMID:38889024	研究论文	提出了一种结合多任务协同预训练和自适应标记选择的脑表示学习统一框架MCPATS，用于从结构磁共振成像中学习脑的通用表示	创新点在于提出了MCPATS框架，结合多任务协同预训练和自适应标记选择，能够同时捕捉脑结构的细粒度细节和全局结构，并显式表达隐含在局部-全局图像特征中的认知信息	NA	研究目的是从结构磁共振成像中学习脑的通用表示，以捕捉与个体认知变异性相关的高级表示	研究对象是脑的结构磁共振成像数据，以及其中隐含的认知信息	机器学习	NA	结构磁共振成像	MCPATS框架	图像	使用了三个不同的公开数据集进行验证
11507	2024-12-11	Time-Frequency-Space EEG Decoding Model Based on Dense Graph Convolutional Network for Stroke 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3411646 PMID:38857138	研究论文	本文提出了一种基于密集图卷积网络的时间-频率-空间域脑电图解码模型，用于中风康复	结合改进的S变换（MST）和密集图卷积网络（DenseGCN）算法，提高了基于运动想象的脑机接口在中风康复中的性能	NA	提高基于运动想象的脑机接口在中风康复中的性能	中风患者的脑电信号	机器学习	中风	密集图卷积网络（DenseGCN）	密集图卷积网络（DenseGCN）	脑电图（EEG）	NA
11508	2024-12-11	Real-Time Automatic M-Mode Echocardiography Measurement With Panel Attention 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3413628 PMID:38865231	研究论文	本文提出了一种实时自动M模式超声心动图测量方案RAMEM，通过深度学习技术提高诊断效率和准确性	本文的创新点包括：1) 提供了首个M模式超声心动图数据集MEIS；2) 提出了带有面板注意力嵌入的UPANets V2卷积骨干网络，用于实时实例分割；3) 引入了自动M模式超声心动图测量算法AMEM	NA	开发一种自动化的实时M模式超声心动图测量方案，以提高诊断效率和准确性	M模式超声心动图的心脏尺寸和射血分数测量	计算机视觉	心血管疾病	深度学习	CNN	图像	首个M模式超声心动图数据集MEIS
11509	2024-12-11	BioFusionNet: Deep Learning-Based Survival Risk Stratification in ER+ Breast Cancer Through Multifeature and Multimodal Data Fusion 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3418341 PMID:38913518	研究论文	本文提出了BioFusionNet，一个基于深度学习的框架，通过融合图像特征、遗传和临床数据，对ER+乳腺癌患者进行生存风险分层	引入了多特征和多模态数据融合的深度学习框架，使用自监督特征提取器、变分自编码器和自注意力网络，并设计了加权Cox损失函数来处理不平衡的生存数据	未提及具体的局限性	开发一种能够准确进行生存风险分层的深度学习模型，以指导个性化治疗决策	ER+乳腺癌患者的生存风险	数字病理学	乳腺癌	深度学习	自注意力网络	图像、遗传数据、临床数据	未提及具体样本数量
11510	2024-12-11	A Generalisable Heartbeat Classifier Leveraging Self-Supervised Learning for ECG Analysis During Magnetic Resonance Imaging 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3411792 PMID:38857140	研究论文	本文提出了一种利用自监督学习进行心电图分析的可推广心跳分类器，用于磁共振成像期间的心电图信号分类	本文创新性地使用了孪生网络和自监督学习技术，利用大量未标注的心电图数据进行预训练，提高了模型在磁共振成像环境下对心电图信号的分类能力	本文的局限性在于仅在磁共振成像环境下进行了测试，未涉及其他环境下的心电图信号分类	研究目的是开发一种在磁共振成像环境下能够有效分类心电图信号的深度学习模型	研究对象是在磁共振成像期间获取的心电图信号	机器学习	心血管疾病	自监督学习	孪生网络	信号	使用了大量未标注的心电图数据进行预训练，具体样本数量未提及
11511	2024-12-11	SeqAFNet: A Beat-Wise Sequential Neural Network for Atrial Fibrillation Classification in Adhesive Patch-Type Electrocardiographs 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3411056 PMID:38848232	研究论文	本研究开发了一种基于粘贴式心电图的房颤分类方法，使用深度学习模型对心电信号进行逐拍分类	提出了SeqAFNet模型，采用两阶段双向循环神经网络，能够逐拍分类心电信号并捕捉房颤相关的长期依赖性	NA	开发一种基于粘贴式心电图的房颤分类方法，以提高房颤诊断的准确性	房颤（AF）分类	机器学习	心血管疾病	深度学习	RNN	时间序列	使用了来自临床试验的房颤数据，数据来源为粘贴式心电图MEMO Patch
11512	2024-12-11	Ensemble Vision Transformer for Dementia Diagnosis 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3412812 PMID:38889030	研究论文	本研究提出了一种新的蒙特卡罗集成视觉变换器（MC-ViT）方法，用于阿尔茨海默病（AD）的诊断	该方法通过蒙特卡罗采样生成广泛的分类决策，克服了3D补丁卷积神经网络只能表征部分大脑解剖结构的局限性，并能有效识别3D特征间相关性	NA	开发一种新的深度学习方法，用于提高阿尔茨海默病的诊断准确性	阿尔茨海默病（AD）的诊断	计算机视觉	老年疾病	深度学习	视觉变换器（ViT）	图像	使用了来自阿尔茨海默病神经成像倡议（ADNI）数据集的7199次扫描和开放获取影像研究系列-3（OASIS-3）的1992次扫描
11513	2024-12-11	3D Vessel Segmentation With Limited Guidance of 2D Structure-Agnostic Vessel Annotations 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3409382 PMID:38833403	研究论文	本文提出了一种新的3D形状引导局部判别模型（3D-SLD），用于在有限的2D血管注释指导下进行3D血管分割	提出了3D区域判别损失和对抗形状约束损失，并引入了高亮-回顾-总结（HRS）机制，以提高训练稳定性和预测可信度	依赖于公共的2D血管注释，可能不适用于所有类型的血管结构	开发一种在有限2D注释指导下进行3D血管分割的方法，以减少对3D手动注释的依赖	3D血管分割	计算机视觉	NA	深度学习	3D-SLD模型	图像	仅使用公共的2D冠状动脉注释进行指导
11514	2024-12-11	Accurate Whole-Brain Image Enhancement for Low-Dose Integrated PET/MR Imaging Through Spatial Brain Transformation 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3407116 PMID:38814764	研究论文	本文提出了一种基于空间脑变换（SBF）模块的3D网络，用于低剂量PET/MR图像的全脑图像增强，以合成高质量的PET图像	创新点在于引入了一个空间脑变换模块，结合FreeSurfer工具包提取的空间脑解剖对齐信息，提升了低剂量PET图像的质量	目前仅在PET/MR系统上进行了验证，未来计划扩展到其他多模态系统如PET/CT	旨在通过低剂量PET/MR图像合成高质量PET图像，减少患者辐射暴露和经济负担	低剂量全脑PET和MR图像	计算机视觉	NA	深度学习	3D网络	图像	未明确具体样本数量
11515	2024-12-11	A Vision Transformer-Based Framework for Knowledge Transfer From Multi-Modal to Mono-Modal Lymphoma Subtyping Models 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3407878 PMID:38819973	研究论文	本文提出了一种基于Vision Transformer的框架，用于从多模态到单模态的淋巴瘤亚型分类模型的知识迁移	引入了一种多模态架构，通过知识蒸馏过程有效地指导单模态分类器的学习	需要更多的训练数据以进一步提高诊断准确性	开发一种成本效益高且快速的淋巴瘤亚型分类方法，以替代现有的昂贵且耗时的诊断技术	区分弥漫大B细胞淋巴瘤（DLBCL）癌症亚型	计算机视觉	淋巴瘤	Vision Transformer	Vision Transformer	图像	157名淋巴瘤患者的数据集
11516	2024-12-11	DIPO: Differentiable Parallel Operation Blocks for Surgical Neural Architecture Search 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3406065 PMID:38805333	研究论文	本文提出了一种名为DIPO的可微分并行操作块的神经架构搜索方法，用于自动优化卷积神经网络的架构	DIPO通过构建局部搜索空间并自动优化内部架构和参数，能够灵活应用于不同的卷积网络和任务	NA	开发一种能够自动优化神经网络架构的方法，以提高计算机视觉任务的性能	手术场景分割、手术器械检测和手术器械姿态估计	计算机视觉	NA	神经架构搜索（NAS）	卷积神经网络（CNN）	图像	5个数据集
11517	2024-12-11	HEMAsNet: A Hemisphere Asymmetry Network Inspired by the Brain for Depression Recognition From Electroencephalogram Signals 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3404664 PMID:38781058	研究论文	提出了一种受大脑启发的半球不对称网络HEMAsNet，用于从脑电图信号中识别抑郁症	引入了一个独特的'胼胝体样'块，模拟大脑胼胝体在半球间信息传递中的作用，增强了半球间的信息交换，提高了抑郁症识别的准确性	NA	提高基于脑电图信号的抑郁症识别模型的准确性和神经科学可解释性	抑郁症的识别	机器学习	精神疾病	脑电图	CNN和LSTM	脑电图信号	MODMA数据集中的前额叶脑电图数据
11518	2024-12-11	RawECGNet: Deep Learning Generalization for Atrial Fibrillation Detection From the Raw ECG 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3404877 PMID:38787663	研究论文	本文提出了一种名为RawECGNet的深度学习模型，用于从原始单导联心电图检测房颤和房扑发作	RawECGNet利用了心电图的形态信息，特别是f波，从而提高了检测性能	NA	开发一种能够利用心电图节奏和形态信息的高性能、可泛化的房颤和房扑检测算法	房颤和房扑发作的检测	机器学习	心血管疾病	深度学习	深度学习模型	心电图	涉及两个外部数据集，考虑了地理、种族和导联位置的分布变化
11519	2024-12-11	Uncertainty Estimation and Out-of-Distribution Detection for Deep Learning-Based Image Reconstruction Using the Local Lipschitz 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3404883 PMID:38787662	研究论文	本文提出了一种基于局部Lipschitz度量的方法，用于区分分布外图像与分布内图像，并应用于深度学习图像重建中的不确定性估计和分布外检测	本文的创新点在于使用局部Lipschitz度量来区分分布外图像与分布内图像，并展示了其与平均绝对误差（MAE）之间的强相关性，以确定不确定性估计的阈值	本文的局限性在于其验证主要基于AUTOMAP架构和UNET架构，可能需要进一步验证其在其他架构和应用中的适用性	本文的研究目的是提高深度学习图像重建中的不确定性估计和分布外检测的准确性	本文的研究对象是深度学习图像重建中的不确定性估计和分布外检测	计算机视觉	NA	深度学习	AUTOMAP, UNET	图像	NA
11520	2024-12-11	Exploring and Exploiting Multi-Modality Uncertainty for Tumor Segmentation on PET/CT 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3397332 PMID:38776203	研究论文	本文探讨了在PET/CT肿瘤分割任务中利用多模态不确定性的方法	首次探索了多模态不确定性在肿瘤分割中的应用，并提出了一种基于不确定性的损失函数，以有效利用模态间的互补信息	本文主要集中在PET/CT数据集上的肿瘤分割，未来研究可以扩展到其他多模态数据集和任务	研究多模态不确定性在肿瘤分割中的应用，并提出改进方法	PET/CT图像中的肿瘤分割	计算机视觉	NA	深度学习	NA	图像	两个PET/CT数据集