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
12681	2024-12-18	RUL forecasting for wind turbine predictive maintenance based on deep learning 2024-Oct-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39268 PMID:39678167	研究论文	本文提出了一种基于深度学习的深度学习方法，用于预测风力涡轮机的剩余使用寿命（RUL），以实现预测性维护	本文引入了基于多参数注意力机制的深度学习方法，避免了特征工程，减少了人为错误的风险，并提出了ForeNet-2d和ForeNet-3d两种模型	本文未提及具体的局限性	研究目的是通过准确预测风力涡轮机的剩余使用寿命，降低风电场运营和维护成本	研究对象是风力涡轮机的剩余使用寿命预测	机器学习	NA	深度学习	深度学习模型	多参数数据	7个复杂的风力涡轮机故障
12682	2024-12-18	HcGAN: Harmonic conditional generative adversarial network for efficiently generating high-quality IHC images from H&E 2024-Oct-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e37902 PMID:39678164	研究论文	本文提出了一种名为HcGAN的新技术，用于从H&E图像高效生成高质量的IHC图像	HcGAN模型引入了基于离散余弦变换滤波器的谐波卷积，以提高生成图像的视觉质量并解决过拟合问题	NA	开发一种高效生成高质量IHC图像的方法，以支持精确诊断和计算机辅助诊断系统的发展	IHC染色图像的生成	数字病理学	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	使用了两个公开数据集
12683	2024-12-18	Systematic review of experimental paradigms and deep neural networks for electroencephalography-based cognitive workload detection 2024-10-21, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/ad8530 PMID:39655862	综述	本文总结了基于深度神经网络从脑电图信号中估计认知工作负荷的系统文献综述	本文提出了使用可解释的深度学习方法来揭示脑电图与认知工作负荷之间的关联，并建议使用对时间依赖性敏感的网络和适当的输入形式来提高分类性能	本文主要关注于文献综述，缺乏实际的实验验证和数据支持	探讨基于深度神经网络的认知工作负荷检测方法	脑电图信号和深度神经网络	机器学习	NA	深度神经网络	DNN	脑电图信号	NA
12684	2024-12-18	Exploring linguistic features and user engagement in Chinese online mental health counseling 2024-Oct-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38042 PMID:39678785	研究论文	研究探讨了中文在线心理咨询平台上促进用户参与和互动的语言特征	本研究专注于专业心理健康平台，分析了能够促进用户参与和互动的帖子中的语言特征	研究仅限于中文在线心理咨询平台，未涵盖其他语言或平台的分析	旨在理解在线心理咨询平台上哪些问题披露和社会支持能够吸引更多用户关注和参与	中文在线心理咨询平台上的帖子，包括求助者的问题和提供社会支持的回答	自然语言处理	NA	文本挖掘和深度学习	NA	文本	22,250个求助者的问题和78,328个提供社会支持的回答
12685	2024-12-18	Scan-Specific Unsupervised Highly Accelerated Non-Cartesian CEST Imaging Using Implicit Neural Representation and Explicit Sparse Prior 2024-10, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3407092 PMID:38814759	研究论文	提出了一种基于隐式神经表示和显式稀疏先验的无监督深度学习算法，用于加速非笛卡尔稳态脉冲CEST成像	采用混合特征哈希编码的隐式神经表示和显式稀疏先验，显著提高了成像质量和加速效果	NA	加速化学交换饱和转移（CEST）成像的扫描时间，以满足临床应用需求	人体大脑的CEST成像数据	医学影像	NA	化学交换饱和转移（CEST）成像	隐式神经表示	图像	人体大脑数据集
12686	2024-12-18	Heart Sound Abnormality Detection From Multi-Institutional Collaboration: Introducing a Federated Learning Framework 2024-10, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3393557 PMID:38700959	研究论文	本文提出了一种联邦学习框架，用于从多机构合作中检测心脏声音异常	本文引入了联邦学习（FL）优化策略，通过水平FL解决隐私问题，并通过垂直FL提高模型可解释性和解决数据稀缺问题	NA	早期诊断心血管疾病	心脏声音异常检测	机器学习	心血管疾病	联邦学习（FL）	NA	声音	多中心机构的心脏声音数据库
12687	2024-12-18	An approach to automatic fault detection in four-point system for knitted fabric with our benchmark dataset Isl-Knit 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35931 PMID:39676831	研究论文	本文提出了一种基于深度学习的针织面料自动缺陷检测方法，并引入了新的基准数据集ISL-Knit	本文的创新点在于引入了一个专门针对针织面料缺陷的基准数据集ISL-Knit，并使用YOLOv5模型进行训练和比较，展示了在不同硬件设备上的实际应用效果	本文的局限性在于仅在特定场景下验证了模型的可行性，未涵盖所有可能的针织面料缺陷类型	研究目的是开发一种自动化的针织面料缺陷检测系统，以减少人工检查的工作量	研究对象是针织面料的缺陷检测	计算机视觉	NA	深度学习	YOLOv5	图像	包含7种缺陷类型的高分辨率灰布和染色布图像
12688	2024-12-18	Improving Biological Joint Moment Estimation During Real-World Tasks With EMG and Instrumented Insoles 2024-09, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3388874 PMID:38619965	研究论文	本文研究了通过肌电图（EMG）和智能鞋垫改进生物关节力矩在实际任务中的实时估计	本文创新性地将肌电图和智能鞋垫数据引入深度学习模型，以改进非循环任务中的关节力矩估计	本文主要验证了在循环和非循环任务中的效果，但未探讨在其他复杂环境下的表现	提高生物关节力矩在实际任务中的实时估计精度，以增强临床评估和外骨骼控制	髋关节和膝关节的力矩估计	机器学习	NA	深度学习	深度学习模型	传感器数据	10个循环活动和18个非循环活动的数据集
12689	2024-12-18	AI-Based Denoising of Head Impact Kinematics Measurements With Convolutional Neural Network for Traumatic Brain Injury Prediction 2024-09, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3392537 PMID:38683703	研究论文	本研究使用一维卷积神经网络（1D-CNN）模型对口腔护具测量的头部冲击运动学数据进行去噪，以提高创伤性脑损伤（TBI）风险监测的准确性	本研究首次使用1D-CNN模型对口腔护具测量的头部冲击运动学数据进行去噪，并验证了其在实验室假人冲击和尸体冲击数据上的有效性	研究结果需要在更多真实人体运动学数据上进行验证，才能应用于实际场景	提高口腔护具测量的头部冲击运动学数据的准确性，以增强创伤性脑损伤风险监测	口腔护具测量的头部冲击运动学数据	机器学习	创伤性脑损伤	一维卷积神经网络（1D-CNN）	CNN	运动学数据	163次实验室假人头部冲击、118次大学橄榄球现场冲击和413次尸体冲击数据
12690	2024-12-18	Optimizing the topology of convolutional neural network (CNN) and artificial neural network (ANN) for brain tumor diagnosis (BTD) through MRIs 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35083 PMID:39687857	研究论文	本文提出了一种优化卷积神经网络（CNN）和人工神经网络（ANN）拓扑结构的方法，用于通过MRI进行脑肿瘤诊断	本文引入了一种新的方法，通过遗传算法（GA）优化CNN和ANN的配置，以提高脑肿瘤诊断的效率	本文未提及具体的局限性	优化CNN和ANN的拓扑结构，以提高脑肿瘤诊断的准确性	脑肿瘤的诊断和肿瘤类型的检测	计算机视觉	脑肿瘤	遗传算法（GA）	卷积神经网络（CNN）和人工神经网络（ANN）	图像	使用了BRATS2014和BTD20数据库中的样本
12691	2024-12-18	Fast intraoperative detection of primary CNS lymphoma and differentiation from common CNS tumors using stimulated Raman histology and deep learning 2024-Aug-26, medRxiv : the preprint server for health sciences DOI:10.1101/2024.08.25.24312509 PMID:39252932	研究论文	本文结合受激拉曼组织学（SRH）和深度学习，开发了一种名为RapidLymphoma的深度学习管道，用于术中快速检测原发性中枢神经系统淋巴瘤（PCNSL）并与其他常见中枢神经系统肿瘤进行区分	本文的创新点在于首次将受激拉曼组织学与深度学习相结合，开发了一种能够在三分钟内生成虚拟H&E样图像并进行快速诊断的系统	本文的局限性在于其诊断性能需要在更多临床环境中进行验证，并且样本量在不同中心之间可能存在差异	本文的研究目的是开发一种能够在术中快速准确诊断原发性中枢神经系统淋巴瘤并与其他中枢神经系统肿瘤进行区分的方法	本文的研究对象是原发性中枢神经系统淋巴瘤（PCNSL）和其他中枢神经系统肿瘤	数字病理学	中枢神经系统疾病	受激拉曼组织学（SRH）	深度学习	图像	训练数据包括来自手术切除和立体定向引导活检的54,000张SRH补丁图像，测试数据包括来自四个国际医疗中心的160个样本、420个样本和59个样本
12692	2024-12-18	A comparison of super-resolution microscopy techniques for imaging tightly packed microcolonies of an obligate intracellular bacterium 2024-Aug-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.12.607698 PMID:39211076	研究论文	本文比较了五种超分辨率显微技术在成像紧密排列的细胞内细菌微菌落中的应用	本文首次结合3D-STED技术和深度学习软件Cellpose，分析了不同哺乳动物细胞系中细菌的形状差异	本文仅比较了五种显微技术在横向和轴向分辨率上的表现，未涉及其他可能的技术	比较不同超分辨率显微技术在成像紧密排列的细胞内细菌微菌落中的优缺点	细胞内细菌微菌落及其外膜蛋白和外膜小泡	计算机视觉	NA	超分辨率显微技术（标准共聚焦、Airyscan共聚焦、iSIM、3D-SIM、STED）	Cellpose（深度学习软件）	图像	不同哺乳动物细胞系中的细胞内细菌
12693	2024-12-18	Leveraging Brain Modularity Prior for Interpretable Representation Learning of fMRI 2024-08, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3370415 PMID:38412079	研究论文	本文提出了一种基于脑模块性约束的动态表示学习框架，用于可解释的fMRI分析	设计了一种新的模块性约束图神经网络（MGNN），并引入了图拓扑重建约束以增强学习特征的判别能力	NA	开发一种可解释的fMRI表示学习方法，以提高脑部疾病分析的生物学解释性	静息态功能磁共振成像（rs-fMRI）数据	机器学习	NA	功能磁共振成像（fMRI）	图神经网络（GNN）	图像	534名受试者的rs-fMRI扫描数据
12694	2024-12-18	ECGAN-Assisted ResT-Net Based on Fuzziness for OSA Detection 2024-08, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3378508 PMID:38498752	研究论文	本文提出了一种基于模糊概念的ECGAN辅助ResT-Net框架，用于阻塞性睡眠呼吸暂停（OSA）检测	创新点在于使用一维生成对抗网络（ECGAN）生成高质量的ECG信号，并通过模糊概念过滤信号，同时结合ResT-Net的多头注意力机制提取更有价值的OSA检测特征	NA	提高在有限标注样本情况下的阻塞性睡眠呼吸暂停（OSA）检测性能	阻塞性睡眠呼吸暂停（OSA）检测	机器学习	NA	生成对抗网络（GAN）	ResT-Net	ECG信号	使用了Apnea-ECG数据库和私有数据库的数据
12695	2024-12-18	Stiffness-Tunable Substrate Fabrication by DMD-Based Optical Projection Lithography for Cancer Cell Invasion Studies 2024-07, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3364971 PMID:38345950	研究论文	本文提出了一种基于数字微镜器件（DMD）光学投影光刻技术构建可调刚度基底的方法，用于研究癌细胞侵袭行为	首次使用DMD光学投影光刻技术构建可调刚度基底，并结合深度学习算法实时检测和跟踪癌细胞在不同刚度肿瘤模型中的侵袭轨迹	未提及具体的研究局限性	揭示癌细胞侵袭行为的机制，并探索个性化治疗的可能性	胃癌细胞在不同刚度肿瘤模型中的侵袭行为	NA	胃癌	DMD光学投影光刻技术	深度学习算法	图像	未提及具体样本数量
12696	2024-12-18	The Deep-Match Framework: R-Peak Detection in Ear-ECG 2024-07, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3359752 PMID:38285581	研究论文	本文介绍了一种深度匹配滤波器（Deep-MF）用于在可穿戴心电图（Ear-ECG）中准确检测R波峰，从而提高Ear-ECG在实际场景中的实用性	提出了深度匹配滤波器（Deep-MF），通过编码器阶段和R波峰分类器阶段实现对R波峰的高精度检测，并在噪声心电图中表现优于现有算法	未提及具体限制	解决Ear-ECG信号质量下降的问题，提高其在实际应用中的实用性	Ear-ECG中的R波峰检测	机器学习	NA	深度学习	深度匹配滤波器（Deep-MF）	心电图（ECG）信号	36名年龄在18-75岁之间的受试者
12697	2024-12-18	ECGVEDNET: A Variational Encoder-Decoder Network for ECG Delineation in Morphology Variant ECGs 2024-07, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3363077 PMID:38319768	研究论文	本文提出了一种用于形态变异心电图（ECG） delineation 的变分编码器-解码器网络 ECGVEDNET	提出了一个大规模的12导联ECG数据集ICDIRS，并设计了一种新的变分编码器-解码器网络ECGVEDNET，以解决ECG形态变异问题，并通过迁移学习框架将ICDIRS上学到的知识迁移到较小的数据集上	NA	开发一种能够在形态变异ECG中准确 delineation 的深度学习模型	心电图（ECG）的 fiducial points	机器学习	心血管疾病	变分编码器-解码器网络	变分编码器-解码器网络	ECG数据	156,145个QRS起始点和156,145个T峰点
12698	2024-12-18	Self-Supervised Learning Improves Accuracy and Data Efficiency for IMU-Based Ground Reaction Force Estimation 2024-07, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3361888 PMID:38315597	研究论文	本文提出使用自监督学习（SSL）技术来提高基于IMU的地反作用力（GRF）估计的准确性和数据效率	利用自监督学习技术，通过预训练深度学习模型，减少了对大量标记数据的需求，并显著提高了GRF估计的准确性	本文未详细讨论自监督学习在其他类型运动数据上的适用性	提高基于IMU的地反作用力估计的准确性和数据效率	基于IMU的地反作用力估计	机器学习	NA	自监督学习（SSL）	Transformer模型	IMU数据	三个预训练数据集，包括真实IMU数据、合成IMU数据或两者的组合
12699	2024-12-18	Automated assessment of cardiac dynamics in aging and dilated cardiomyopathy Drosophila models using machine learning 2024-06-07, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06371-7 PMID:38849449	研究论文	本文利用机器学习技术对果蝇模型中的心脏动态进行自动化评估，特别是针对衰老和扩张型心肌病（DCM）	本文创新性地利用深度学习对果蝇心脏的光学显微图像进行分割，并采用两种创新方法（深度学习视频分类和基于心脏参数的机器学习）预测果蝇的衰老，同时扩展了深度学习方法以评估与OGDH敲低相关的心脏功能障碍	NA	研究果蝇模型中衰老和扩张型心肌病的心脏动态，并开发自动化评估方法	果蝇模型中的心脏动态，特别是衰老和扩张型心肌病（DCM）	机器学习	心血管疾病	深度学习	深度学习模型	视频	实验数据集
12700	2024-12-18	Tibetan Plateau grasslands might increase sequestration of microbial necromass carbon under future warming 2024-06-04, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06396-y PMID:38834864	研究论文	本研究探讨了青藏高原草地在未来变暖条件下微生物腐殖质碳（MNC）的固碳能力变化	首次使用基于堆叠自编码器的深度学习模型，预测了青藏高原草地在当前和变暖条件下的MNC总体分布	研究基于大范围采样和已发表的观察数据，可能存在数据偏差	探讨青藏高原草地在变暖条件下的土壤碳固存能力变化	青藏高原草地的微生物腐殖质碳（MNC）	NA	NA	深度学习模型	堆叠自编码器	环境变量	大范围采样和已发表的观察数据