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
11661	2024-12-12	Classification of Multi-Parametric Body MRI Series Using Deep Learning 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3448373 PMID:39178097	研究论文	本文提出了一种基于深度学习的分类模型，用于分类8种不同类型的多参数磁共振成像（mpMRI）序列，以提高放射科医生的阅片效率	本文首次使用深度学习模型对多参数磁共振成像序列进行分类，并比较了ResNet、EfficientNet和DenseNet三种模型的性能	模型在外部数据集上的表现略低于内部数据集，表明模型在不同数据分布上的泛化能力有待提高	开发一种能够准确分类多参数磁共振成像序列的深度学习模型，以提高放射科医生的工作效率	8种不同类型的多参数磁共振成像序列	计算机视觉	NA	深度学习	DenseNet-121	图像	训练数据包括来自不同机构的729个研究，外部数据集包括DLDS和CPTAC-UCEC数据集
11662	2024-12-12	A Multi-Task Transformer With Local-Global Feature Interaction and Multiple Tumoral Region Guidance for Breast Cancer Diagnosis 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3454000 PMID:39226204	研究论文	本文提出了一种多任务网络，结合局部-全局特征交互和多肿瘤区域引导，用于基于乳腺超声的肿瘤分割和分类	本文创新性地提出了一个双流编码器，结合CNN和Transformer，促进局部和全局特征的分层交互与融合，并设计了一个多肿瘤区域引导模块，显式学习肿瘤内和肿瘤周围区域的长程非局部依赖关系	NA	提高乳腺超声图像中肿瘤分割和分类的准确性	乳腺超声图像中的肿瘤	计算机视觉	乳腺癌	深度学习	Transformer	图像	两个乳腺超声数据集
11663	2024-12-12	A Systematic Review on the Use of Consumer-Based ECG Wearables on Cardiac Health Monitoring 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3456028 PMID:39240746	综述	本文系统回顾了用于心脏健康监测的消费级心电图可穿戴设备，探讨了用于诊断和预防心脏相关疾病的模型或算法，并讨论了采用消费级可穿戴设备进行健康监测的挑战和未来工作	本文总结了消费级可穿戴设备的心电图功能、可用的心电图数据集以及用于检测心脏疾病和监测长期健康的各种算法，并讨论了心脏健康监测的集成挑战和未来方向	当前文献的潜在局限性包括算法推理和比较的缺乏以及数据泛化能力的有限	总结消费级心电图可穿戴设备的使用情况，探讨通过心电图分析诊断和预防心脏相关疾病的模型或算法，并讨论采用消费级可穿戴设备进行健康监测的挑战和未来工作	消费级心电图可穿戴设备、心电图信号、心脏相关疾病	数字病理学	心血管疾病	心电图分析	卷积神经网络（CNN）	心电图数据	102篇相关论文
11664	2024-12-12	LHAR: Lightweight Human Activity Recognition on Knowledge Distillation 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3298932 PMID:37494155	研究论文	本文提出了一种轻量级的人类活动识别框架LHAR，通过知识蒸馏技术提升智能穿戴设备上的个性化用户活动识别准确率	LHAR框架结合了跨人群活动识别任务与轻量级模型任务，采用教师-学生架构，学生网络使用深度可分离卷积层减少参数，并通过复杂教师模型的暗知识提升泛化能力	NA	提升智能穿戴设备上个性化用户活动识别的准确率和效率	人类活动识别任务	机器学习	NA	知识蒸馏	深度可分离卷积网络	传感器数据	NA
11665	2024-12-12	SFWN: A Novel Semi-Supervised Feature Weighted Neural Network for Gene Data Feature Learning and Mining With Graph Modeling 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3309842 PMID:37643105	研究论文	提出了一种新的半监督特征加权神经网络模型SFWN，用于基因数据特征学习和挖掘，通过图建模提高基因表达数据的分类准确性	首次使用基因表达数据的外部知识构建特征图、相似性核和样本图，并提出了一种新的半监督学习算法SGA和图稀疏模块SGCN，以解决稀疏表示问题和过平滑问题	NA	提高基因表达数据的特征学习和分类准确性，为相关疾病的诊断和临床实践提供新的工具	基因表达数据及其在疾病诊断中的应用	机器学习	NA	图神经网络（GNN）	半监督特征加权神经网络（SFWN）	基因表达数据	多个公共数据集
11666	2024-12-12	Uncertainty-Aware Health Diagnostics via Class-Balanced Evidential Deep Learning 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3360002 PMID:38319779	研究论文	本文提出了一种基于类别平衡的证据深度学习框架，用于实现健康诊断模型的公平和可靠的不确定性估计	引入了池化损失和可学习的先验分布，以解决类别不平衡问题，并提升不确定性估计的准确性	未提及具体实验的局限性或方法的适用范围	提高深度学习在健康诊断中的不确定性量化能力，特别是在类别不平衡数据上的应用	类别不平衡的健康诊断数据	机器学习	NA	证据深度学习	深度学习模型	健康数据	使用了具有不同不平衡程度的基准数据和多种自然不平衡的健康数据进行实验
11667	2024-12-12	PCGmix: A Data-Augmentation Method for Heart-Sound Classification 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3458430 PMID:39255074	研究论文	提出了一种名为PCGmix的数据增强方法，用于心音分类，以解决深度学习模型在心血管疾病检测中数据不足的问题	PCGmix算法通过分割和重新组装PCG录音，并结合精细的插值方法，确保保留与心血管疾病检测相关的主要诊断特征	实验仅在公开的心音录音数据库上进行，未提及在其他数据集或实际临床环境中的验证	提高深度学习模型在数据受限环境下对心血管疾病检测的准确性	心音数据（PCG数据）的增强和分类	机器学习	心血管疾病	数据增强	NA	音频	使用了公开的正常和异常心音录音数据库，具体样本数量未提及
11668	2024-12-12	A Feature Fusion Model Based on Temporal Convolutional Network for Automatic Sleep Staging Using Single-Channel EEG 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3457969 PMID:39504300	研究论文	本文提出了一种基于时序卷积网络的特征融合模型，用于使用单通道脑电图进行自动睡眠分期	提出了特征融合时序卷积网络（FFTCN）算法，结合一维卷积神经网络（1D-CNN）和二维卷积神经网络（2D-CNN）提取时序和时频特征，并通过时序卷积网络（TCN）进行序列级分类	未提及具体局限性	提高使用单通道脑电图进行自动睡眠分期的准确性	健康受试者的睡眠分期	机器学习	NA	连续小波变换（CWT）	时序卷积网络（TCN）	脑电图（EEG）	使用了SHHS-1、Sleep-EDF-153和ISRUC-S1数据集
11669	2024-12-12	Development of a Deep Learning-Based Predictive Model for Improvement after Holmium Laser Enucleation of the Prostate According to Detrusor Contractility 2024-Nov, International neurourology journal IF:1.8Q3 DOI:10.5213/inj.2448362.181 PMID:39638455	研究论文	本研究开发了一种基于深度学习的预测模型，用于预测男性下尿路症状/良性前列腺增生患者在接受钬激光前列腺剜除术后症状改善情况	本研究创新性地使用深度神经网络（DNN）进行多分类预测，并与其他机器学习模型进行比较，结果显示DNN的预测性能优于其他模型	本研究的样本数据来自单一医疗中心，可能存在地域和人群的局限性	开发一种人工智能模型，用于预测钬激光前列腺剜除术后症状改善情况，特别是最大流速（MFR）和排尿效率（VE）的变化	接受钬激光前列腺剜除术的男性下尿路症状/良性前列腺增生患者	机器学习	前列腺疾病	深度神经网络（DNN）	DNN	数值数据	1933名患者，其中1142名患者的数据用于研究，992名用于模型训练，150名用于外部验证
11670	2024-12-12	MDNNSyn: A Multi-Modal Deep Learning Framework for Drug Synergy Prediction 2024-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3421916 PMID:38954565	研究论文	本文提出了一种多模态深度学习框架MDNNSyn，用于预测药物协同作用	MDNNSyn利用多层超图神经网络提取拓扑模态特征，并通过相似性策略构建语义模态特征，结合门控神经网络进行多模态融合，从而提高药物协同作用预测的准确性	NA	开发一种能够考虑药物间和细胞系间多种生物关系的计算模型，以提高药物协同作用预测的准确性	药物协同作用预测	机器学习	癌症	多层超图神经网络	多模态融合网络	多源信息	DrugCombDB和Oncology-Screen数据集
11671	2024-12-12	DeepFusionCDR: Employing Multi-Omics Integration and Molecule-Specific Transformers for Enhanced Prediction of Cancer Drug Responses 2024-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3417014 PMID:38935469	研究论文	本文介绍了一种名为DeepFusionCDR的新方法，通过无监督对比学习整合多组学特征，并结合分子SMILES特异性变换器来增强癌症药物反应预测	创新点在于整合了多组学数据（包括突变、转录组、甲基化组和拷贝数变异数据）以及分子特异性变换器来提取药物特征，从而提高癌症药物反应预测的准确性	NA	旨在通过多组学融合和分子特异性变换器来增强癌症药物反应的预测	癌症药物反应（CDR）的预测	机器学习	NA	无监督对比学习	多层感知器（MLP）	多组学数据（突变、转录组、甲基化组、拷贝数变异数据）和分子SMILES数据	使用了GDSC数据集和TCGA患者数据
11672	2024-12-12	Clinical value of deep learning image reconstruction on the diagnosis of pulmonary nodule for ultra-low-dose chest CT imaging 2024-08, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.04.008 PMID:38749827	研究论文	比较深度学习图像重建（DLIR）与自适应统计迭代重建-Veo（ASIR-V）在超低剂量CT（ULD-CT）中对肺结节的图像质量和检测能力	DLIR在超低剂量CT中显著降低了图像噪声，提高了图像质量和结节测量的准确性	研究样本量有限，且未探讨DLIR在不同类型肺结节中的表现差异	评估DLIR在超低剂量CT中对肺结节诊断的临床价值	超低剂量CT（ULD-CT）中的图像质量和肺结节检测能力	计算机视觉	肺部疾病	深度学习图像重建（DLIR）	深度学习模型	图像	142名需要肺部检查的参与者
11673	2024-12-12	How does deep learning/machine learning perform in comparison to radiologists in distinguishing glioblastomas (or grade IV astrocytomas) from primary CNS lymphomas?: a meta-analysis and systematic review 2024-06, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.03.007 PMID:38614870	meta-analysis	本文通过meta分析和系统综述评估了深度学习/机器学习与放射科医生在区分胶质母细胞瘤和原发性中枢神经系统淋巴瘤方面的诊断准确性	本文通过meta分析整合了多个研究的结果，展示了深度学习/机器学习在MRI图像分类中的潜力，可能减少对活检的需求	本文仅分析了满足特定标准的8项研究，可能存在选择偏倚	评估深度学习/机器学习与放射科医生在区分胶质母细胞瘤和原发性中枢神经系统淋巴瘤方面的诊断准确性	胶质母细胞瘤和原发性中枢神经系统淋巴瘤的MRI图像分类	machine learning	脑肿瘤	MRI	NA	image	1159名患者
11674	2024-12-12	Faster acquisition of magnetic resonance imaging sequences of the knee via deep learning reconstruction: a volunteer study 2024-06, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.03.002 PMID:38614869	研究论文	评估深度学习重建（DLR）是否能加速膝关节磁共振成像（MRI）序列的获取	使用深度学习重建技术加速MRI图像的获取，并提高图像质量	研究仅在健康志愿者中进行，未涉及临床患者	评估深度学习重建技术在加速膝关节MRI序列获取中的应用效果	健康志愿者的膝关节MRI图像	计算机视觉	NA	磁共振成像（MRI），深度学习重建（DLR）	深度学习模型	图像	27名健康志愿者
11675	2024-12-12	Automatic Lenke classification of adolescent idiopathic scoliosis with deep learning 2024-Jun, JOR spine IF:3.4Q1 DOI:10.1002/jsp2.1327 PMID:38690524	研究论文	本研究开发了一种基于深度学习算法的自动化Lenke分类系统，用于青少年特发性脊柱侧弯的术前评估	本研究的创新点在于利用深度学习算法实现了Lenke分类的自动化，减少了人工测量中的观察者间变异性	本研究的模型需要在未来更多的病例中进行进一步验证	开发一种自动化的Lenke分类系统，用于青少年特发性脊柱侧弯的术前评估	青少年特发性脊柱侧弯患者的脊柱X光片	计算机视觉	脊柱侧弯	深度学习	基于关键点的检测方法和分割方法	图像	共收集了2082张脊柱X光片，包括407名青少年特发性脊柱侧弯患者和227名对照组个体
11676	2024-12-12	ZleepAnlystNet: a novel deep learning model for automatic sleep stage scoring based on single-channel raw EEG data using separating training 2024-04-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60796-y PMID:38684765	研究论文	本文提出了一种新的深度学习模型ZleepAnlystNet，用于基于单通道原始脑电图数据的自动睡眠阶段评分	引入了分离训练方法，并开发了一种包含15个CNN模型和1个BiLSTM的新模型，以提高N1阶段的分类性能	模型由于架构限制，无法使用端到端方法进行训练，需要分别训练每个组件	提高基于单通道原始脑电图数据的自动睡眠阶段评分的准确性和泛化能力	单通道原始脑电图数据	机器学习	NA	深度学习	CNN, BiLSTM	脑电图数据	使用了Sleep-EDF数据集和SHHS数据集进行训练和验证
11677	2024-12-12	SAMP: Identifying Antimicrobial Peptides by an Ensemble Learning Model Based on Proportionalized Split Amino Acid Composition 2024-Apr-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.25.590553 PMID:38712184	研究论文	本文提出了一种基于比例分割氨基酸组成（PSAAC）的集成学习模型SAMP，用于识别抗菌肽	SAMP模型引入了新的特征类型PSAAC，能够捕捉抗菌肽序列中的残基模式和序列顺序信息，并在处理大规模抗菌肽识别时具有更高的性能	NA	开发一种新的计算模型，用于更准确地识别抗菌肽，以应对未来可能出现的抗生素耐药性问题	抗菌肽（AMPs）及其在消除耐药病原体中的作用	机器学习	NA	集成随机投影（RP）	集成学习模型	序列数据	不同平衡和不平衡数据集
11678	2024-12-12	Deep learning insights into the architecture of the mammalian egg-sperm fusion synapse 2024-Apr-26, eLife IF:6.4Q1 DOI:10.7554/eLife.93131 PMID:38666763	研究论文	本文使用AlphaFold预测了与受精相关的其他细胞外蛋白质的结构，以确定它们是否可以形成介导融合的复合物	首次系统性地搜索了与受精相关蛋白质的二元相互作用，并识别出一个涉及精子IZUMO1、SPACA6、TMEM81和卵子JUNO、CD9的五聚体复合物，该复合物在结构上与预期的配子膜拓扑结构一致	本文主要依赖于结构预测模型AlphaFold，缺乏实验验证	揭示哺乳动物卵子和精子融合过程中涉及的蛋白质复合物的结构	哺乳动物卵子和精子融合过程中的蛋白质相互作用	生物信息学	NA	AlphaFold	NA	蛋白质结构	涉及小鼠和人类精子细胞中的TMEM81基因表达
11679	2024-12-12	SCIseg: Automatic Segmentation of T2-weighted Intramedullary Lesions in Spinal Cord Injury 2024-Apr-21, medRxiv : the preprint server for health sciences DOI:10.1101/2024.01.03.24300794 PMID:38699309	研究论文	开发了一种深度学习工具SCIseg，用于自动分割脊髓损伤中的T2加权髓内病变	提出了SCIseg模型，通过主动学习实现了对不同病因、不同扫描仪制造商和异质图像分辨率的髓内病变的自动分割	研究是回顾性的，且样本量相对较小	开发一种自动分割脊髓损伤中T2加权髓内病变的深度学习工具	脊髓损伤患者的T2加权MRI图像中的髓内病变	计算机视觉	脊髓损伤	深度学习	深度学习模型	图像	191名脊髓损伤患者
11680	2024-12-12	Adverse Event Signal Detection Using Patients' Concerns in Pharmaceutical Care Records: Evaluation of Deep Learning Models 2024-Apr-16, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/55794 PMID:38625718	研究论文	本研究评估了深度学习模型在药房护理记录中检测患者关注的不良事件信号的能力	本研究首次验证了深度学习模型用于筛选患者叙述中需要医疗干预的临床重要不良事件信号，并评估了其在药房数据中的适用性	本研究仅评估了特定类型的不良事件信号，未来研究可以扩展到更多类型的不良事件	评估深度学习模型在筛选需要医疗干预的临床重要不良事件信号方面的有效性	癌症患者的药房护理记录中的主观信息	机器学习	NA	深度学习	深度学习模型	文本	30,784条记录，涉及2479名至少使用过一种抗癌药物的患者