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
11901	2024-12-10	Deep learning biomarker of chronometric and biological ischemic stroke lesion age from unenhanced CT 2024-Dec-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01325-z PMID:39643604	研究论文	本文研究了使用深度学习方法从非增强CT图像中估计急性缺血性脑损伤的生物学和计时学年龄	本文提出了一种基于卷积神经网络的放射组学模型（CNN-R），用于优化从非增强CT图像中估计病变年龄，其准确性约为传统方法NWU的两倍	NA	优化急性缺血性脑损伤的病变年龄估计方法，以提高超急性期中风管理的准确性	急性缺血性脑损伤的生物学和计时学年龄	计算机视觉	中风	卷积神经网络	CNN	图像	1945例
11902	2024-11-09	Pix2HDR - A Pixel-Wise Acquisition and Deep Learning-Based Synthesis Approach for High-Speed HDR Videos 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3410140 PMID:38837925	研究论文	提出了一种基于像素级采样和深度学习合成的高速HDR视频获取方法	采用像素级可编程图像传感器进行采样，结合深度神经网络进行HDR视频合成，解决了传统方法中帧率与动态范围之间的矛盾	NA	提高动态场景下高速HDR视频的获取精度	动态场景中的高速HDR视频	计算机视觉	NA	深度学习	深度神经网络	视频	NA
11903	2024-12-10	Generative adversarial networks to create synthetic motion capture datasets including subject and gait characteristics 2024-Dec, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.112358 PMID:39509807	研究论文	本文通过修改生成对抗网络（GANs）为条件生成对抗网络（cGANs），生成包括受试者和步态特征的合成运动捕捉数据集	本文创新性地使用cGANs生成多样化的运动捕捉数据，包括15个标记轨迹、下肢关节角度和3D地面反作用力（GRFs），并基于指定的受试者和步态特征	本文未提及具体的局限性	解决资源密集型运动捕捉系统对预测深度学习应用的挑战，生成多样化的运动捕捉数据集	研究对象包括15个标记轨迹、下肢关节角度和3D地面反作用力（GRFs）	机器学习	NA	生成对抗网络（GANs）	条件生成对抗网络（cGANs）	运动捕捉数据	未明确提及样本数量
11904	2024-12-10	Société de Biomécanique young investigator award 2023: Estimation of intersegmental load at L5-S1 during lifting/lowering tasks using force plate free markerless motion capture 2024-Dec, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.112422 PMID:39579592	研究论文	本研究使用无标记的多视角运动捕捉系统估算了L5-S1节段在提举/放下任务中的负荷	本研究首次使用无标记的多视角运动捕捉系统结合深度学习技术估算L5-S1节段的负荷，并与传统的基于标记和力板的系统进行了比较	本研究尚未在真实的工业条件下进行验证	研究提举/放下任务中L5-S1节段的负荷，以更好地理解肌肉骨骼疾病的病因和发展	L5-S1节段的负荷	生物力学	NA	深度学习	NA	运动数据	所有受试者的平均差异为14.0 ± 6.9 N和9.0 ± 2.3 Nm，峰值差异为10.8 ± 8.9 N和11.9 ± 9.5 Nm
11905	2024-12-10	Deep learning-based automated detection of the dental crown finish line: An accuracy study 2024-Dec, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2023.11.018 PMID:38097424	研究论文	本文研究了基于深度学习的牙冠完成线自动检测方法的准确性	提出了一种结合深度学习和计算机辅助设计的新型混合方法，用于牙冠完成线的提取	研究样本仅包括182个下颌扫描数据，且未涵盖所有可能的临床情况	比较新型混合方法与现有软件在提取牙冠完成线方面的准确性	牙冠完成线的自动提取方法	计算机视觉	NA	深度学习	NA	图像	182个下颌扫描数据，分为两组：使用桌面扫描仪扫描的模型（DS组）和使用口内扫描仪扫描的数据（IS组）
11906	2024-12-10	Time-Series Deep Learning and Conformal Prediction for Improved Sepsis Diagnosis in Non-ICU Hospitalized Patients 2024-Nov-22, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.21.24317716 PMID:39606323	研究论文	本文开发了一种基于深度学习和保形预测框架的模型，用于在非ICU住院患者中改进脓毒症的早期诊断	本文的创新点在于结合深度学习和保形预测框架，提高了模型在非ICU环境中的泛化能力和特异性，减少了误报率	NA	本文的研究目的是改进非ICU住院患者中脓毒症的早期诊断	本文的研究对象是非ICU住院患者中的脓毒症	机器学习	脓毒症	深度学习	深度学习模型	时间序列数据	83,813名患者用于训练，eICU-CRD数据集用于验证
11907	2024-12-10	Denoising diffusion model for increased performance of detecting structural heart disease 2024-Nov-22, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.21.24317662 PMID:39606362	研究论文	本文开发了一种去噪扩散概率模型，用于提高结构心脏病检测的性能	利用去噪扩散模型生成偏向年轻患者的合成数据集，并展示了其在提高诊断准确性方面的潜力	NA	提高结构心脏病检测的诊断准确性	年轻患者和结构左心室疾病	机器学习	心血管疾病	去噪扩散模型	深度学习模型	图像	使用了CheXchoNet数据集进行训练，并在合成数据集上进行了验证
11908	2024-12-10	Evaluation and process monitoring of jujube hot air drying using hyperspectral imaging technology and deep learning for quality parameters 2024-Nov-12, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.141999 PMID:39647380	研究论文	本文利用高光谱成像技术和深度学习模型评估和监测红枣热风干燥过程中的质量参数	开发了一种结合卷积神经网络、双向长短期记忆网络和挤压激励注意力机制的深度学习模型，用于非破坏性监测红枣的质量参数	NA	提高水果加工质量，实现红枣热风干燥过程中质量参数的实时有效检测	红枣的热风干燥过程中的可溶性固形物含量、可滴定酸度、水分和硬度	计算机视觉	NA	高光谱成像技术	CNN_BiLSTM_SE	图像	在55°C、60°C和65°C的干燥温度下测量质量参数
11909	2024-12-10	Gunshots detection, identification, and classification: Applications to forensic science 2024-Nov, Science & justice : journal of the Forensic Science Society IF:1.9Q3 DOI:10.1016/j.scijus.2024.09.007 PMID:39638481	研究论文	本文分析了枪声的声学特征及其在法医学中的应用和局限性，并综述了现有的枪声检测、识别和分类技术	本文探讨了深度学习驱动的神经网络在枪声检测中的应用前景	由于数据和评估标准的差异，比较不同算法存在挑战	旨在为安全系统和法医分析开辟新领域	枪声的声学特征及其在法医学中的应用	机器学习	NA	深度学习	神经网络	音频	NA
11910	2024-12-10	A novel artificial intelligence model for diagnosing Acanthamoeba keratitis through confocal microscopy 2024-Oct, The ocular surface DOI:10.1016/j.jtos.2024.07.010 PMID:39084255	研究论文	开发了一种基于共聚焦显微镜图像的人工智能模型，用于诊断棘阿米巴角膜炎	首次开发了一种基于共聚焦显微镜图像的人工智能模型，用于诊断棘阿米巴角膜炎	研究样本量较小，且仅限于特定时间段和地点的患者	开发一种基于共聚焦显微镜图像的人工智能模型，用于诊断棘阿米巴角膜炎	棘阿米巴角膜炎的诊断	计算机视觉	眼科疾病	共聚焦显微镜	卷积神经网络	图像	3312张共聚焦显微镜图像，来自17名患者
11911	2024-12-10	Progression of Bone Marrow Lesions and the Development of Knee Osteoarthritis: Osteoarthritis Initiative Data 2024-Sep, Radiology IF:12.1Q1 DOI:10.1148/radiol.240470 PMID:39287521	研究论文	研究使用深度学习模型量化无放射学膝骨关节炎患者的胫股骨骨髓病变体积，并评估骨髓病变变化与膝骨关节炎发生的关系	开发并验证了一种深度学习模型，用于在MRI扫描中自动分割和量化胫股骨骨髓病变体积，并评估其与膝骨关节炎发生的关系	这是一项回顾性研究，依赖于Osteoarthritis Initiative队列的数据，可能存在选择偏倚	开发和验证一种深度学习模型，用于量化无放射学膝骨关节炎患者的胫股骨骨髓病变体积，并评估其与膝骨关节炎发生的关系	胫股骨骨髓病变体积及其与膝骨关节炎发生的关系	机器学习	骨关节炎	深度学习	深度学习模型	MRI扫描图像	2430名参与者中的3869个无骨关节炎的膝关节
11912	2024-12-10	An Attention-Based Hemispheric Relation Inference Network for Perinatal Brain Age Prediction 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3411620 PMID:38857141	研究论文	提出了一种基于注意力机制的半球关系推理网络（HRINet），用于预测围产期婴儿的大脑年龄	利用大脑结构侧化的自然特性，通过图注意力机制捕捉半球间关系，并传递侧化信息作为特征，描述双侧半球之间的交互发育	NA	评估大脑状态，如异常发育和老化	围产期婴儿的大脑年龄	计算机视觉	NA	图注意力机制	HRINet	图像	531名早产和足月新生儿
11913	2024-12-10	Multi-View Fusion Network-Based Gesture Recognition Using sEMG Data 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3287979 PMID:37339021	研究论文	本文提出了一种基于多视图融合网络的手势识别方法，使用表面肌电图（sEMG）数据进行手势分类	提出了一个新颖的IMSE（Inception-MaxPooling-Squeeze-Excitation）网络模块，用于减少深度学习过程中特征信息的损失，并构建了多特征编码器以丰富稀疏sEMG特征图的信息	本文未提及具体的局限性	研究如何通过多视图融合网络减少稀疏sEMG特征信息损失，并提高手势识别的分类性能	表面肌电图（sEMG）信号及其在手势识别中的应用	机器学习	NA	表面肌电图（sEMG）	多视图融合网络	信号	在NinaPro DB1数据集中，使用300ms时间窗口获取的特征图进行手势动作分类，平均准确率达到93.96%，个体动作识别率的最大变化范围小于11.2%
11914	2024-12-10	DCNNLFS: A Dilated Convolutional Neural Network With Late Fusion Strategy for Intelligent Classification of Gastric Histopathology Images 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3334709 PMID:37983160	研究论文	本文设计了一种带有后期融合策略的扩张卷积神经网络（DCNNLFS）用于胃病理图像的智能分类	引入扩张卷积和后期融合策略，增强了模型对细节的感知和分类能力	未提及	提高胃病理图像分类的准确性和细节感知能力	胃病理图像	计算机视觉	胃癌	扩张卷积	CNN	图像	未提及具体数量，但提到了一个胃病理图像数据集
11915	2024-12-10	Polygonal Approximation Learning for Convex Object Segmentation in Biomedical Images With Bounding Box Supervision 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3341699 PMID:38090818	研究论文	本文提出了一种名为多边形近似学习（PAL）的新方法，用于在仅使用边界框监督的情况下进行生物医学图像中凸物体的实例分割	PAL方法利用检测模型中已有的信息，通过边界框的交集近似生成凸包，从而实现分割，无需精细标注	PAL方法在非凸物体实例分割任务中表现出色，但未详细讨论其在其他复杂场景中的应用	减少深度学习在生物医学图像分割中对精细标注数据的依赖	生物医学图像中的凸物体实例分割	计算机视觉	NA	NA	NA	图像	NA
11916	2024-12-10	Precision and Robust Models on Healthcare Institution Federated Learning for Predicting HCC on Portal Venous CT Images 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3400599 PMID:38739503	研究论文	本研究提出了一种在联邦学习框架下结合二维和三维深度学习模型用于精确分割肝癌和肿瘤区域的创新策略	引入了一种结合二维和三维深度学习模型的联邦学习框架，显著提高了肝癌和肿瘤区域的分割效率和准确性	未来研究将集中在改进联邦学习算法及其在AI系统操作中的持续集成和部署过程	开发一种在联邦学习框架下结合二维和三维深度学习模型用于精确分割肝癌和肿瘤区域的方法	肝癌和肿瘤区域的精确分割	计算机视觉	肝癌	联邦学习	Hybrid-ResUNet	CT图像	131个CT扫描
11917	2024-12-10	Non-Contact Blood Pressure Estimation From Radar Signals by a Stacked Deformable Convolution Network 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3400961 PMID:38743528	研究论文	本文介绍了一种基于雷达信号的无接触血压监测方法，结合了传统的雷达信号处理和创新的深度学习架构	提出了基于雷达信号的堆叠可变形卷积网络（RSD-Net），通过结合通道和空间自注意力机制，增强了雷达信号的特征提取能力	NA	开发一种无接触的连续血压监测方法	健康个体的血压	机器学习	NA	雷达信号处理	堆叠可变形卷积网络（RSD-Net）	雷达信号	30名健康个体
11918	2024-12-10	Segmentation Guided Crossing Dual Decoding Generative Adversarial Network for Synthesizing Contrast-Enhanced Computed Tomography Images 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3403199 PMID:38768004	研究论文	提出了一种新的生成对抗网络模型SGCDD-GAN，用于从非增强CT图像合成增强CT图像	引入了一个交叉双解码生成器，包括注意力解码器和改进的变换解码器，并通过交叉技术增强彼此的能力，同时采用多任务学习策略引导生成器更多关注病变区域	未提及	提高从非增强CT图像合成增强CT图像的准确性，减轻患者使用对比剂的负担	合成增强CT图像以诊断肝脏病变	计算机视觉	肝脏病变	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	使用了一个内部增强CT数据集进行测试
11919	2024-12-10	Attention-Based MultiOffset Deep Learning Reconstruction of Chemical Exchange Saturation Transfer (AMO-CEST) MRI 2024-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3404225 PMID:38776205	研究论文	提出了一种基于注意力机制的多偏移深度学习重建网络（AMO-CEST），用于加速化学交换饱和转移（CEST）磁共振成像（MRI）的采集	引入了注意力机制和多径向k空间采样策略，结合扩张卷积和数据一致性模块，提高了CEST-MRI图像的质量和重建效率	NA	加速CEST-MRI的采集并保持图像质量	小鼠脑部数据集中的5760张CEST图像	计算机视觉	NA	MRI	深度学习网络	图像	5760张CEST图像
11920	2024-12-10	Developing Deep LSTMs With Later Temporal Attention for Predicting COVID-19 Severity, Clinical Outcome, and Antibody Level by Screening Serological Indicators Over Time 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3384333 PMID:38564357	研究论文	研究使用深度LSTM模型结合时间注意力机制来预测COVID-19的严重程度、临床结果和抗体水平	提出了一种时间注意力机制，强调了后期血液检测记录的重要性	未提及具体限制	通过筛选血清学指标的时间序列数据，预测COVID-19的严重程度、临床结果和抗体水平	COVID-19患者的疾病严重程度、临床结果和Spike蛋白抗体水平	机器学习	COVID-19	深度学习	LSTM	时间序列数据	未提及具体样本数量