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
11621	2024-12-08	Deep learning neural network-assisted badminton movement recognition and physical fitness training optimization 2024-Oct-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38865 PMID:39640697	研究论文	本文旨在解决羽毛球运动轨迹识别精度低的问题，通过视觉系统对羽毛球机器人进行侧向检测和跟踪，并利用卷积神经网络和改进的Tiny YOLOv2网络结合无迹卡尔曼滤波算法，提高羽毛球运动轨迹的识别和预测精度	本文引入了注意力机制和改进的Tiny YOLOv2网络，结合无迹卡尔曼滤波算法，显著提高了羽毛球运动轨迹的识别和预测精度	NA	提高羽毛球运动轨迹识别的精度	羽毛球运动轨迹的识别和物理健身训练的优化	计算机视觉	NA	卷积神经网络，Tiny YOLOv2，无迹卡尔曼滤波	卷积神经网络，Tiny YOLOv2	视频	四组简单和复杂的羽毛球飞行视频流
11622	2024-12-08	State-of-health estimation and classification of series-connected batteries by using deep learning based hybrid decision approach 2024-Oct-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39121 PMID:39640714	研究论文	本文提出了一种基于深度学习的混合决策方法，用于估计和分类串联锂离子电池的健康状态	本文创新性地结合了深度学习网络和混合分类技术，提高了对串联电池健康状态估计的准确性和效率	本文主要针对串联锂离子电池，未涵盖其他类型的电池系统	研究如何准确估计和分类串联锂离子电池的健康状态	串联锂离子电池的健康状态	机器学习	NA	深度学习	混合分类技术	数据集	使用了来自牛津大学和Calce电池组的多个数据集
11623	2024-12-08	Towards multi-agent system for learning object recommendation 2024-Oct-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39088 PMID:39640789	研究论文	本文介绍了一种基于多智能体系统和深度学习的教育内容推荐系统，旨在根据学习者的知识水平和学习风格提供个性化的学习对象推荐	本文创新性地结合了多智能体系统和深度学习技术，通过四个智能体（学习者代理、导师代理、学习对象代理和推荐代理）协同工作，提供个性化的学习对象推荐	NA	开发一种能够根据学习者知识水平和学习风格提供个性化学习对象推荐的多智能体系统	在线教育内容推荐系统	机器学习	NA	卷积神经网络 (CNN) 和多层感知器 (MLP)	多智能体系统	文本	NA
11624	2024-12-08	AI-based fingerprint index of visceral adipose tissue for the prediction of bowel damage in patients with Crohn's disease 2024-Oct-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111022 PMID:39635135	研究论文	开发了一种基于人工智能的内脏脂肪组织指纹指数，用于预测克罗恩病患者的肠道损伤	提出了内脏脂肪组织指纹指数（VAT-FI），并证明其在预测肠道损伤方面比皮下脂肪组织指纹指数（SAT-FI）更准确	NA	开发和验证一种新的生物标志物，用于预测克罗恩病患者的肠道损伤	克罗恩病患者的内脏脂肪组织和肠道损伤	计算机视觉	消化系统疾病	放射组学和深度学习	NA	图像	1135名克罗恩病患者，分为训练组（600例）和测试组（535例）
11625	2024-12-08	Prediction of homologous recombination deficiency from routine histology with attention-based multiple instance learning in nine different tumor types 2024-Oct-08, BMC biology IF:4.4Q1 DOI:10.1186/s12915-024-02022-9 PMID:39379982	研究论文	研究使用基于注意力机制的多实例学习（attMIL）从常规组织学图像中预测同源重组缺陷（HRD）状态	首次证明可以通过常规组织学图像直接预测HRD状态，并展示了其在九种不同肿瘤类型中的适用性	研究仅限于九种肿瘤类型，且需要进一步验证其在其他肿瘤类型中的适用性	验证深度学习方法能否仅基于常规组织学图像预测HRD状态	九种不同类型的肿瘤	数字病理	NA	全基因组测序（WGS）	基于注意力机制的多实例学习（attMIL）	图像	5209名患者
11626	2024-12-08	Snapshot computational spectroscopy enabled by deep learning 2024-Sep, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2024-0328 PMID:39635447	研究论文	本文开发了一种基于超表面集成计算光谱仪和深度学习算法的计算光谱学方法，实现了单次操作、亚纳米光谱分辨率和直接材料表征	本文提出了一种新型的计算光谱学方法，结合超表面技术和深度学习算法，实现了传统光谱仪的功能，同时具有便携性和低成本的优势	NA	开发一种便携、低成本且轻量化的光谱分析方法，以替代传统的笨重且昂贵的光谱仪	光学腔的关键参数和化学溶液的浓度	计算机视觉	NA	深度学习	NA	光谱数据	NA
11627	2024-12-08	Digital-SMLM for precisely localizing emitters within the diffraction limit 2024-Aug, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2023-0936 PMID:39635039	研究论文	本文介绍了一种名为Digital-SMLM的新方法，通过结合实验数据集和深度学习，精确预测亚衍射极限点的发射器数量和位置	Digital-SMLM在预测亚衍射极限点的发射器数量和位置方面优于Deep-STORM，并能更准确地恢复目标分子的真实分布	NA	开发一种新的方法，以精确预测亚衍射极限点的发射器数量和位置，用于生物医学研究中的定量分析或分子机制调查	亚衍射极限点的发射器数量和位置	计算机视觉	NA	单分子定位显微镜（SMLM）	深度学习	图像	NA
11628	2024-12-08	A Coarse-Fine Collaborative Learning Model for Three Vessel Segmentation in Fetal Cardiac Ultrasound Images 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3390688 PMID:38635389	研究论文	本文提出了一种用于胎儿心脏超声图像中三血管分割的粗细协同学习模型	本文提出了一种名为CoFi-Net的新型深度学习网络，采用粗细协同策略，结合全局定位和精细分割两个并行分支，显著提高了三血管分割的准确性	NA	提高先天性心脏病（CHD）的早期诊断效率	胎儿心脏超声图像中的肺动脉、升主动脉和上腔静脉的分割	计算机视觉	先天性心脏病	深度学习	CoFi-Net	图像	NA
11629	2024-12-08	Prognosis Prediction of Diffuse Large B-Cell Lymphoma in 18F-FDG PET Images Based on Multi-Deep-Learning Models 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3390804 PMID:38635387	研究论文	本文提出了一种新的多深度学习模型，用于基于18F-FDG PET图像的弥漫性大B细胞淋巴瘤（DLBCL）的预后预测	本文提出了一种灵活的集成深度学习模型，通过选择预训练的深度学习模型构建多R-signature，用于预测无进展生存期（PFS）和总生存期（OS）	NA	开发一种多参数模型，用于准确分层DLBCL患者的生存风险，并指导个性化治疗策略	弥漫性大B细胞淋巴瘤（DLBCL）患者的预后预测	计算机视觉	淋巴瘤	深度学习	多深度学习模型	图像	两个不同影像中心的数据集
11630	2024-12-08	Multi-Resolution Wavelet Fractal Analysis and Subtask Training for Enhancing Few-Shot Noisy Brainwave Recognition 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3318419 PMID:37738183	研究论文	本文提出了一种基于多分辨率小波分形分析和子任务训练的框架，用于增强少量噪声脑电波识别	引入多分辨率数据分析和子任务学习方法，通过小波分形捕捉不同尺度的特征，并采用子任务训练提高模型的泛化能力	NA	提高基于脑电波的识别系统在噪声环境下的性能	脑电波数据	机器学习	NA	小波变换	深度学习模型	脑电波数据	少量样本
11631	2024-12-08	GaitNet+ARL: A Deep Learning Algorithm for Interpretable Gait Analysis of Chronic Ankle Instability 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3383588 PMID:38557612	研究论文	本文提出了一种基于深度学习的慢性踝关节不稳（CAI）步态分析算法，结合了图神经网络（GNN）和注意力强化学习（ARL）模型	创新点在于结合了生物力学原理的图神经网络和注意力强化学习模型，显著提高了CAI识别的准确性	NA	旨在开发一种可解释的深度学习算法，用于慢性踝关节不稳的步态分析	慢性踝关节不稳患者和对照组的步态数据	机器学习	运动损伤	图神经网络（GNN），注意力强化学习（ARL）	GNN，ARL	运动学数据	NEU-CAI数据集，由立体摄影测量系统收集
11632	2024-12-08	A Deep Learning Approach to Estimate Multi-Level Mental Stress From EEG Using Serious Games 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3395548 PMID:38687658	研究论文	本研究探讨了通过脑电图（EEG）系统和严肃游戏来估计用户在特定任务中的多层次心理压力的可行性	本研究创新性地结合了严肃游戏和深度学习神经网络，用于分类用户的心理压力水平，并展示了比现有技术更高的预测准确性	NA	评估通过脑电图系统和严肃游戏来估计用户心理压力水平的可行性	用户在特定任务中的心理压力水平	机器学习	NA	脑电图（EEG）	门控循环单元（GRU）	脑电图数据	NA
11633	2024-12-08	A Residual U-Net Neural Network for Seismocardiogram Denoising and Analysis During Physical Activity 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3392532 PMID:38648146	研究论文	提出了一种基于U-Net架构的深度学习模型，用于在步行时去噪和分析心冲击图（SCG）信号	开发了一种新的深度学习模型，能够有效去除运动噪声并保留心脏信息，显著提高了心率和其他健康参数估计的准确性	实验仅在步行时进行，未涵盖其他运动或日常活动	提高在日常活动中使用可穿戴加速度计进行心脏健康监测的准确性	心冲击图（SCG）信号的去噪和分析	机器学习	心血管疾病	深度学习	U-Net神经网络	信号	涉及多个数据集，包括导管和ICG衍生的PEP数据
11634	2024-12-08	SMARTSeiz: Deep Learning With Attention Mechanism for Accurate Seizure Recognition in IoT Healthcare Devices 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3336935 PMID:38055360	研究论文	提出了一种结合卷积神经网络和循环神经网络以及注意力机制的混合方法，用于通过EEG信号分析自动识别癫痫发作	引入了注意力机制，专注于EEG数据的重要子集，从而提高了模型性能	NA	开发一种自动识别癫痫发作的计算机方法，以减少医生的手动工作量	通过EEG信号分析自动识别癫痫发作	机器学习	NA	EEG信号分析	CNN和RNN结合注意力机制	EEG信号	使用了UCI癫痫发作识别数据集，包含五个类别：四个正常条件和一个异常发作条件
11635	2024-12-08	MDDBranchNet: A Deep Learning Model for Detecting Major Depressive Disorder Using ECG Signal 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3390847 PMID:38954560	研究论文	提出了一种名为MDDBranchNet的深度学习模型，用于通过单通道ECG信号检测重度抑郁症	使用并行分支深度学习模型进行重度抑郁症的二分类，并引入了额外的ECG衍生信号（如R-R信号和水平可见图的度分布时间序列），提高了模型准确率约7%	未提及具体限制	开发一种能够在日常生活中通过ECG信号早期检测重度抑郁症的深度学习模型	重度抑郁症的早期检测	机器学习	精神疾病	深度学习	并行分支深度学习模型	ECG信号	未提及具体样本数量
11636	2024-12-08	A Deep Learning Approach for Fear Recognition on the Edge Based on Two-Dimensional Feature Maps 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3392373 PMID:38648140	研究论文	本文提出了一种基于生理信号的可穿戴设备恐惧识别方法，通过创建二维特征图并使用深度学习模型进行分类	本文的创新点在于将图像处理中的深度学习模型应用于生理信号的恐惧识别，并验证了其在边缘设备上的可行性	NA	开发一种基于生理信号的恐惧识别方法，并验证其在边缘设备上的实时检测能力	可穿戴设备采集的生理信号	机器学习	NA	深度学习	NA	生理信号	两个不同数据集，WEMAC、WESAD 3-classes和WESAD 2-classes
11637	2024-12-08	Protecting Prostate Cancer Classification From Rectal Artifacts via Targeted Adversarial Training 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3384970 PMID:38954559	研究论文	本文提出了一种新的目标对抗训练策略，用于保护前列腺癌分类模型免受直肠伪影的影响	本文创新性地提出了基于临床先验知识生成具有直肠伪影模式的对抗样本，并通过联合训练提高模型的分类性能	NA	研究如何减少直肠伪影对前列腺癌分类模型的影响	前列腺癌分类模型	计算机视觉	前列腺癌	磁共振成像 (MRI)	深度神经网络 (DNN)	图像	多个前列腺癌分类模型
11638	2024-12-08	Deep Learning-Enhanced Internet of Things for Activity Recognition in Post-Stroke Rehabilitation 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3332735 PMID:37963004	研究论文	本文提出了一种结合深度学习模型和物联网技术的方法，用于中风康复中的活动识别	本文提出了一种基于多传感器数据融合机制和双向长短时记忆网络（BiLSTM）的新框架，并引入了注意力机制和增强损失函数来优化学习过程	NA	提高中风患者康复过程中活动监测和识别的准确性	中风患者的日常活动数据	机器学习	中风	深度学习	BiLSTM	传感器数据	两个基准数据集
11639	2024-12-08	Adaptive Multi-Dimensional Weighted Network With Category-Aware Contrastive Learning for Fine-Grained Hand Bone Segmentation 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3391387 PMID:38640043	研究论文	本文提出了一种基于深度学习的儿科手骨分割方法，通过自适应多维加权网络和类别感知对比学习来提高分割精度	创新点在于自适应多维加权注意力机制和类别感知对比学习方法，有效挖掘细节特征并增强类别区分性能	NA	旨在提高3D超声中儿科手骨分割的准确性和分类性能	儿科手骨的3D超声图像	计算机视觉	NA	深度学习	自适应多维加权网络	3D超声图像	38个骨结构
11640	2024-12-08	Compact biologically inspired camera with computational compound eye 2024-Jul, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2023-0782 PMID:39634310	研究论文	本文介绍了一种紧凑的生物启发相机，基于南美虾的复眼结构，实现了宽视场、高分辨率成像和敏感的三维运动轨迹重建	提出了一种深度学习架构，通过距离调节实现宽范围清晰成像，无需硬件或复杂前端设计，显著降低了系统复杂性和尺寸	NA	开发一种紧凑的生物启发相机，解决现有复眼相机与商用CMOS相机不兼容导致的散焦问题	南美虾的复眼结构	计算机视觉	NA	深度学习	Unet变体和金字塔多尺度注意力模型	图像	271个视网膜单元