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
11801	2024-12-07	CLADSI: Deep Continual Learning for Alzheimer's Disease Stage Identification Using Accelerometer Data 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3392354 PMID:38648143	研究论文	本文提出了一种使用加速度计数据进行阿尔茨海默病阶段识别的深度持续学习方法	本文首次探索了使用持续学习算法，使卷积神经网络能够在新数据到来时自我配置，而无需完全访问之前的数据	实验仅在35名患者的数据上进行，样本量较小	开发一种能够从持续数据流中学习并识别阿尔茨海默病阶段的深度学习方法	阿尔茨海默病患者的步态数据	机器学习	阿尔茨海默病	加速度计数据分析	卷积神经网络	加速度计数据	35名阿尔茨海默病患者
11802	2024-12-07	DDT-Net: Dose-Agnostic Dual-Task Transfer Network for Simultaneous Low-Dose CT Denoising and Simulation 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3376628 PMID:38478459	研究论文	提出了一种名为DDT-Net的剂量无关双任务迁移网络，用于同时进行低剂量CT去噪和模拟	通过双任务学习模块将低剂量CT去噪和模拟任务整合到一个统一的优化框架中，并采用混合剂量训练策略提升低剂量数据的去噪性能	NA	解决现有深度学习去噪模型在未见剂量数据上的泛化能力不足以及低剂量CT模拟工具通常依赖于专有投影数据的问题	低剂量CT图像的去噪和模拟	计算机视觉	NA	深度学习	DDT-Net	图像	使用合成数据和临床数据进行实验
11803	2024-12-07	Radial Undersampled MRI Reconstruction Using Deep Learning With Mutual Constraints Between Real and Imaginary Components of K-Space 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3357784 PMID:38261493	研究论文	提出了一种新的复值卷积神经网络Dense-U-Dense Net (DUD-Net)，用于插值欠采样的k空间数据并重建磁共振图像	该方法考虑了复值k空间数据中实部和虚部之间的相互约束，通过密集层和U-Net的结合来实现特征稀疏和插值估计	NA	提高欠采样磁共振图像重建的质量并减少数据采集时间	脑部和膝关节的磁共振图像	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	图像	两个MRI数据集：脑部幅度磁共振图像和膝关节复值k空间数据
11804	2024-12-07	Smart Multimodal In-Bed Pose Estimation Framework Incorporating Generative Adversarial Neural Network 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3384453 PMID:38843069	研究论文	提出了一种基于深度学习的多模态床位姿态估计框架，结合生成对抗神经网络进行特征融合和图像生成	引入了生成模型来生成与LWIR/深度图像相似姿态的RGB图像，提高了姿态估计的准确性	未提及	开发一种新的多模态床位姿态估计方法，以提高睡眠相关疾病和压疮风险的监测和评估	床位姿态估计在家庭和医院环境中的应用	计算机视觉	睡眠障碍	生成对抗神经网络	生成对抗网络	图像	使用了Simultaneously-collected multimodal Lying Pose (SLP)数据集，包含长波红外和深度图像两种模态
11805	2024-12-07	MAD-Former: A Traceable Interpretability Model for Alzheimer's Disease Recognition Based on Multi-Patch Attention 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3368500 PMID:38442047	研究论文	提出了一种基于多补丁注意力的可追踪解释性模型MAD-Former，用于阿尔茨海默病的识别	设计了3D脑特征提取网络和双分支注意力结构，实现了多尺度空间特征提取，并提出了重要注意力相似位置损失函数和基于注意力的可追踪解释方法	现有基于卷积神经网络的体素模型仅处理单一空间尺度的阿尔茨海默病相关脑萎缩，缺乏基于模型解释性的异常脑区空间定位	提高阿尔茨海默病自动诊断的准确性和模型解释性	阿尔茨海默病患者的脑部结构磁共振成像数据	计算机视觉	阿尔茨海默病	深度学习	MAD-Former	图像	使用了ADNI和OASIS数据集
11806	2024-12-07	A Scalable Federated Learning Approach for Collaborative Smart Healthcare Systems With Intermittent Clients Using Medical Imaging 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3282955 PMID:37279135	研究论文	本文提出了一种可扩展的联邦学习框架，用于处理间歇性客户端和数据不平衡问题，以支持智能医疗系统的协作	本文的创新点在于结合了联邦学习与数据增强技术，解决了间歇性客户端和数据不平衡问题，提高了模型的准确性和可持续性	本文的局限性在于实验中客户端数量较少，且未探讨更大规模或更复杂场景下的性能	本文的研究目的是开发一种保护数据隐私且能处理间歇性客户端和数据不平衡问题的联邦学习框架，以支持智能医疗系统的协作	本文的研究对象是间歇性客户端和数据不平衡问题，以及如何在保护隐私的前提下提高模型的准确性和可持续性	计算机视觉	NA	联邦学习	深度学习模型	图像	实验中使用了5到18个客户端，并测试了不同大小的测试数据集
11807	2024-12-07	Adaptive Knowledge Distillation for High-Quality Unsupervised MRI Reconstruction With Model-Driven Priors 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3365784 PMID:38349826	研究论文	本文提出了一种无监督的MRI重建方法，通过自适应知识蒸馏技术提高重建质量和速度	提出了一种自适应知识蒸馏方法，根据教师模型的方差重新加权样本，以提高蒸馏质量	未提及	开发一种无监督的MRI重建方法，能够在没有全采样训练数据的情况下生成高质量的重建图像	MRI图像重建	计算机视觉	NA	深度学习 (DL) 和压缩感知 (CS)	自适应知识蒸馏模型	MRI图像	多个数据集
11808	2024-12-07	SCAC: A Semi-Supervised Learning Approach for Cervical Abnormal Cell Detection 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3375889 PMID:38470598	研究论文	提出了一种半监督学习方法SCAC用于宫颈异常细胞检测	利用Transformer作为骨干网络捕捉长距离依赖，设计了统一强弱增强策略USWA和全局注意力特征金字塔网络GAFPN，并创建了首个公开的大规模未标注宫颈细胞学图像数据集	未提及具体限制	提高宫颈异常细胞检测的准确性	宫颈异常细胞	计算机视觉	宫颈癌	半监督学习	Transformer	图像	结合两个公开标注数据集和一个新创建的未标注数据集进行实验
11809	2024-12-07	Predicting ICU Interventions: A Transparent Decision Support Model Based on Multivariate Time Series Graph Convolutional Neural Network 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3379998 PMID:38512747	研究论文	本文提出了一种基于多元时间序列图卷积神经网络的透明决策支持模型，用于预测重症监护室患者的干预措施	本文的创新点在于使用多元时间序列图卷积神经网络来提高预测重症监护室干预措施的准确性和可解释性	NA	本文的研究目的是开发一种能够及时准确预测重症监护室患者干预措施的决策支持系统	本文的研究对象是重症监护室患者的生理信号、药物管理信息和静态特征	机器学习	NA	图卷积神经网络	图卷积神经网络	时间序列数据	使用了MIMIC-III数据集中的真实重症监护室记录
11810	2024-12-07	NKUT: Dataset and Benchmark for Pediatric Mandibular Wisdom Teeth Segmentation 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3383222 PMID:38557613	研究论文	本文介绍了首个公开的儿童下颌智齿分割数据集NKUT，并提出了一种新的网络模型WTNet用于智齿和骨骼的分割	首次公开了儿童下颌智齿分割数据集NKUT，并提出了WTNet网络模型，通过引入输入增强块和牙齿-骨骼特征分离块解决了特征混淆和语义模糊问题	NA	开发一种自动化的方法来减少手动分割智齿和骨骼的时间和延迟	儿童下颌智齿的分割	计算机视觉	NA	深度学习	WTNet	3D体积图像	NA
11811	2024-12-07	Development of HepatIA: A computed tomography annotation platform and database for artificial intelligence training in hepatocellular carcinoma detection at a Brazilian tertiary teaching hospital 2024, Clinics (Sao Paulo, Brazil) DOI:10.1016/j.clinsp.2024.100512 PMID:39388738	研究论文	本文介绍了HepatIA平台的开发，这是一个用于肝细胞癌检测的人工智能训练的计算机断层扫描注释平台和数据库	开发了一个全面的肝影像数据集HepatIA，支持肝病AI研究	NA	详细描述HepatIA平台的工具、数据组织和数据库结构，支持肝病AI研究	肝细胞癌（HCC）和肝硬化患者的CT扫描数据	计算机视觉	肝癌	计算机断层扫描（CT）	NA	图像	656名患者，包括692个CT体积
11812	2024-12-06	Harnessing Deep Learning Methods for Voltage-Gated Ion Channel Drug Discovery 2025-Jan-01, Physiology (Bethesda, Md.) DOI:10.1152/physiol.00029.2024 PMID:39189871	综述	本文综述了利用深度学习和扩散模型在电压门控离子通道药物发现中的最新进展	探讨了利用深度学习和扩散模型设计蛋白质结合剂以调节电压门控离子通道活性的创新方法	讨论了开发电压门控离子通道靶向蛋白质结合剂的实际挑战	旨在提供一个框架，以开发新型策略，显著推进电压门控离子通道药理学并发现有效且安全的治疗药物	电压门控离子通道及其在不同疾病治疗中的应用	机器学习	心血管疾病	深度学习，扩散模型	NA	结构数据	NA
11813	2024-12-06	Sustainable and smart rail transit based on advanced self-powered sensing technology 2024-Dec-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111306 PMID:39628585	综述	本文综述了基于先进自供电传感技术的可持续智能轨道交通系统	探讨了自供电和自传感系统在轨道交通中的创新潜力，并提出了基于可持续自供电传感系统的物联网框架	NA	探讨可持续智能轨道交通系统的发展趋势和新兴技术的潜力	自供电和自传感系统在轨道交通中的应用	物联网	NA	自供电传感技术	机器学习 (ML) 和深度学习 (DL)	NA	NA
11814	2024-12-06	Convolution spatial-temporal attention network for EEG emotion recognition 2024-Dec-05, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad9661 PMID:39577097	研究论文	本文提出了一种基于卷积时空注意力网络的脑电图情绪识别方法	该方法通过数据预处理和利用通道间的拓扑关系，将二维时间序列的脑电信号转换为三维时空表示，避免了传统的手动特征工程	NA	开发一种数据驱动的、鲁棒的情绪识别方法	脑电图信号的情绪识别	机器学习	NA	卷积神经网络和注意力机制	卷积时空注意力网络	脑电图信号	NA
11815	2024-12-06	Highly stable and ultra-fast vibration-responsive flexible iontronic sensors for accurate acoustic signal recognition 2024-Dec-05, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr03370a PMID:39523814	研究论文	本文介绍了一种高度稳定且超快响应的柔性离子电传感器，用于精确识别声学信号	通过在介电层中引入蛋白质微纤维和亲水性离子水凝胶之间的氢键，解决了传统离子电传感器响应速度慢和机械不稳定性问题	NA	开发一种用于声学振动信号采集的高性能柔性离子电传感器	柔性离子电传感器及其在声学信号识别中的应用	机器学习	NA	NA	一维卷积神经网络 (1D-CNN)	声学信号	NA
11816	2024-12-06	A Robust Malaria Cell Detection Framework Using Adaptive and Atrous Convolution-Based Recurrent Mobilenetv2 with Trans-MobileUNet + + -Based Abnormality Segmentation 2024-Dec-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01311-7 PMID:39633208	研究论文	本文提出了一种基于自适应和空洞卷积的循环MobilenetV2与Trans-MobileUNet++异常分割相结合的鲁棒疟疾细胞检测框架	本文创新性地结合了Trans-MobileUNet++网络进行异常分割，并设计了AA-CRMV2模型进行有效的疟疾细胞识别，同时使用URP-FFO算法优化参数	NA	开发一种高效且准确的疟疾细胞检测方法	疟疾细胞的检测与识别	计算机视觉	疟疾	深度学习	CNN	图像	NA
11817	2024-12-06	Cone Beam Computed Tomography Image-Quality Improvement Using "One-Shot" Super-resolution 2024-Dec-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01346-w PMID:39633213	研究论文	本文提出了一种基于“一次性”超分辨率（OSSR）方法的锥束CT图像质量改进模型	该模型基于“零样本”超分辨率方法，仅需少量训练数据即可提高CBCT图像质量	研究仅使用了30名前列腺癌患者的骨盆CBCT和治疗计划CT图像进行验证	旨在改进锥束CT图像质量，减少对大量训练数据的依赖	前列腺癌患者的骨盆CBCT图像和治疗计划CT图像	计算机视觉	前列腺癌	超分辨率	OSSR	图像	30名前列腺癌患者
11818	2024-12-06	Machine Learning Based on Digital Mammography to Reduce the Need for Invasive Biopsies of Benign Calcifications Classified in BI-RADS Category 4 2024-Dec-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01347-9 PMID:39633212	研究论文	本研究旨在开发基于数字乳腺X线摄影的机器学习模型，以减少BI-RADS 4类钙化患者的侵入性活检需求	本研究创新性地结合了放射组学模型和深度学习模型，并通过信息融合方法提高了预测准确性	本研究仅在两个医院的数据集上进行了验证，可能存在样本偏倚	减少BI-RADS 4类钙化患者的侵入性活检需求	BI-RADS 4类钙化患者	机器学习	乳腺疾病	nnUnet	融合模型	图像	372名女性患者
11819	2024-12-06	A multi-scene deep learning model for automated segmentation of acute vertebral compression fractures from radiographs: a multicenter cohort study 2024-Dec-02, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01861-y PMID:39621135	研究论文	开发了一种多场景深度学习模型，用于从脊柱X光片中自动分割急性椎体压缩性骨折	首次开发了一种多场景深度学习模型，能够从脊柱X光片中分割急性椎体压缩性骨折，模型架构包括两个关键模块：注意力引导模块和监督解码模块	NA	开发一种能够自动分割脊柱X光片中急性椎体压缩性骨折的多场景模型	急性椎体压缩性骨折和健康对照	计算机视觉	骨骼疾病	深度学习	PFNet	图像	训练数据集包含1071名参与者，验证数据集包含458名参与者，外部测试数据集1-3分别包含301、223和261名参与者
11820	2024-12-06	Integrating graph and reinforcement learning for vaccination strategies in complex networks 2024-12-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78626-6 PMID:39622907	研究论文	本文提出了一种结合图神经网络和深度强化学习的新框架，用于在复杂网络中优化疫苗分配策略	该方法整合了网络结构学习和战略决策，旨在通过定位和移除关键传播节点来有效破坏网络结构，从而阻止疾病传播	该方法的有效性依赖于网络的独特特征，且在实际应用中需要考虑节点间的相互影响	研究如何在复杂网络中有效分配疫苗以抑制病毒传播	关键传播节点（即网络中的有影响力节点）	机器学习	NA	图神经网络 (GNN) 和深度强化学习 (DRL)	图神经网络 (GNN) 和深度强化学习 (DRL)	网络数据	涉及多种网络类型，包括合成数据集和真实世界数据集