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
121	2025-06-15	Toward calibration-free motor imagery brain-computer interfaces: a VGG-based convolutional neural network and WGAN approach 2024-Jul-31, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6598 PMID:39029497	研究论文	本研究提出了一种基于VGG卷积神经网络和Wasserstein生成对抗网络（WGAN）的无校准运动想象脑机接口方法，旨在提高跨被试运动想象脑电信号分类的准确性	采用WGAN生成合成频谱图像以扩充训练数据集，并结合改进的VGG-CNN分类器，实现了无需目标被试校准数据的跨被试分类	研究仅使用了公开的基准数据集进行验证，未在实际临床环境中测试	开发无需校准的运动想象脑机接口系统，提高跨被试分类性能	运动想象脑电信号	脑机接口	NA	EEG信号处理，深度学习	VGG-CNN, WGAN	EEG频谱图像	BCI competition IV-2B, IV-2A和IV-1基准数据集，采用留一被试交叉验证
122	2025-06-15	SQI-DOANet: electroencephalogram-based deep neural network for estimating signal quality index and depth of anaesthesia 2024-Jul-30, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6592 PMID:39029477	研究论文	提出了一种基于脑电图（EEG）的深度神经网络SQI-DOANet，用于评估信号质量指数（SQI）和麻醉深度（DOA）	结合了信号质量评估网络（SQINet）和麻醉深度分析网络（DOANet），通过双注意力模块和多层感知机模块提取多通道、多尺度及时间信息	未提及模型在实时应用中的性能或计算效率	提高手术中麻醉深度监测的准确性	脑电图信号	机器学习	NA	脑电图（EEG）	CNN, 双注意力模块, 门控多层感知机	脑电图信号	大型VitalDB数据库
123	2025-06-15	A practical machine learning approach for predicting the quality of 3D (bio)printed scaffolds 2024-Jul-25, Biofabrication IF:8.2Q1 DOI:10.1088/1758-5090/ad6374 PMID:39008994	research paper	本研究提出了一种实用的机器学习方法，用于预测3D（生物）打印支架的质量	提供了最全面的开源数据集，并应用了从无监督到监督学习的多种AI技术，开发了一个具有六层隐藏层的全连接神经网络	AI在组织工程中的应用常因缺乏全面可靠的数据而受到阻碍	预测3D（生物）打印支架的质量	3D（生物）打印支架	machine learning	NA	AI, machine learning, deep learning	XGBoost, Gradient Boosting, Extra Trees Classifier, Random Forest Classifier, LightGBM, fully connected neural network	dataset on 3D-printed scaffolds	1171 scaffolds, 60 biomaterials, 49 cell lines
124	2025-06-15	A hybrid model for the detection of retinal disorders using artificial intelligence techniques 2024-Jul-10, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad5db2 PMID:38955139	research paper	该研究提出了一种结合机器学习和深度学习技术的混合模型，用于自动分类视网膜疾病	提出了一种新的框架，结合了多种分类器（SVM、K-NN、DT、EM）和InceptionV3 CNN特征提取器，实现了高精度的视网膜疾病分类	未提及模型在临床环境中的实际应用效果或泛化能力	开发一种自动化的视网膜疾病分类方法	视网膜疾病（脉络膜新生血管、糖尿病性黄斑水肿、玻璃膜疣）和正常病例	computer vision	视网膜疾病	OCT（光学相干断层扫描）	SVM、K-NN、DT、EM、InceptionV3 CNN	image	18000张OCT图像
125	2025-06-15	Explainable AI based automated segmentation and multi-stage classification of gastroesophageal reflux using machine learning techniques 2024-06-28, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad5a14 PMID:38901416	研究论文	本文提出了一种基于可解释AI的自动化分割和多阶段分类方法，用于诊断胃食管反流病（GERD）	开发了一个针对胃肠道疾病诊断的系统，结合了Yolov5目标检测、DeepLabV3+分割和多种机器学习分类器进行多阶段分类	NA	通过计算机辅助技术快速准确地诊断胃食管反流病（GERD）	胃食管反流病（GERD）患者的内窥镜图像	数字病理学	胃食管反流病	视频内窥镜	Yolov5, DeepLabV3+, SVM, 自定义深度神经网络	图像	NA
126	2025-06-15	An extensive analysis of artificial intelligence and segmentation methods transforming cancer recognition in medical imaging 2024-06-18, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad555b PMID:38848695	综述	本文全面分析了人工智能和分割方法在医学影像中癌症识别的应用	重点评估了卷积神经网络（CNNs）在医学图像分割和分类中的自学习和决策能力	现有图像分割方法在应用于某些特定类型图像时存在局限性	探讨图像分割技术在医学影像中癌症识别的重要性和应用	医学影像中的癌症区域	计算机视觉	癌症	计算机辅助诊断（CAD）系统	CNN	医学影像	NA
127	2025-06-15	A systematic evaluation of Euclidean alignment with deep learning for EEG decoding 2024-06-11, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad4f18 PMID:38776898	研究论文	本文系统地评估了欧几里得对齐与深度学习结合在脑电图解码中的效果	首次系统地评估了欧几里得对齐（EA）对共享和个体深度学习模型训练性能的影响，并展示了其在提高解码准确性和减少收敛时间方面的优势	研究仅针对脑机接口（BCI）任务，未探讨EA在其他领域的适用性	评估欧几里得对齐与深度学习结合在脑电图信号解码中的效果	脑电图信号和深度学习模型	机器学习	NA	深度学习	DL	脑电图信号	多个受试者的数据
128	2025-06-15	Optimizing motor imagery BCI models with hard trials removal and model refinement 2024-06-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad4f8e PMID:38781932	研究论文	本文提出两种新方法来识别和减轻困难试验对运动想象脑机接口模型性能的影响	提出基于模型预测分数和可解释人工智能（XAI）的定量方法来识别困难试验，并通过移除这些试验来优化模型性能	实验仅在Open BMI数据集上进行，未在其他数据集上验证方法的普适性	优化运动想象脑机接口（BCI）模型的分类性能	运动想象BCI系统中的困难试验	机器学习	NA	定量可解释人工智能（XAI）	深度CNN	脑电图（EEG）数据	Open BMI数据集中的样本
129	2025-06-15	Investigation on ultrasound images for detection of fetal congenital heart defects 2024-05-31, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad4f91 PMID:38781934	综述	本文综述了利用超声图像和深度学习技术检测胎儿先天性心脏缺陷（CHD）的前沿技术	结合胎儿超声图像评估（FUSI）和深度学习技术，提高CHD的检测率	当前筛查技术的检测率相对较低（约60%）	提高胎儿先天性心脏缺陷的早期检测率，降低死亡率和发病率	胎儿先天性心脏缺陷（CHD）	数字病理学	心血管疾病	深度学习技术，包括CNN、ANN等	CNN, ANN	超声图像	NA
130	2025-06-15	Exploring the potential of pretrained CNNs and time-frequency methods for accurate epileptic EEG classification: a comparative study 2024-May-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad3cde PMID:38599183	研究论文	本研究比较了几种预训练的卷积神经网络（CNN）在癫痫脑电图（EEG）数据分类中的性能，并探讨了不同时频数据表示算法的影响	首次利用时频数据评估预训练框架中参数调整对EEG数据分类的影响，并比较了多种CNN模型和时频表示算法的组合效果	研究仅使用了Bern-Barcelona EEG数据集和Temple University数据库进行验证，可能需要更多样化的数据集来进一步验证模型的泛化能力	探索预训练CNN和时频方法在癫痫EEG分类中的潜力，开发自动诊断癫痫的鲁棒系统	癫痫患者的EEG信号	机器学习	癫痫	连续小波变换（CWT）、经验傅里叶分解（EFD）、经验模式分解（EMD）、经验小波变换（EWT）、变分模式分解（VMD）	CNN（包括AlexNet、GoogLeNet、MobileNetV2、ResNet-18和SqueezeNet）	EEG信号（1D数据转换为2D scalograms）	Bern-Barcelona EEG数据集和Temple University数据库
131	2025-06-15	Segmentation and quantitative analysis of optical coherence tomography (OCT) images of laser burned skin based on deep learning 2024-05-21, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad488f PMID:38718764	研究论文	本研究基于深度学习对激光烧伤皮肤的光学相干断层扫描（OCT）图像进行分割和定量分析，以评估皮肤恢复情况	利用深度学习U-Net模型对OCT图像进行皮肤分层和烧伤区域分割，结合三维重建技术量化损伤组织体积	研究仅在小鼠模型中进行，尚未在人体皮肤上验证	开发一种快速准确评估烧伤皮肤恢复情况的方法	激光诱导的小鼠皮肤热损伤模型	数字病理	烧伤	光学相干断层扫描（OCT）	U-Net（同时验证了PSPNe和HRNet模型）	图像	30只昆明小鼠，生成7000张正常组织B扫描图像和1400张烧伤组织B扫描图像
132	2025-06-15	Prediction of electrical properties of GAAFET based on integrated learning model 2024-May-17, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ad2c52 PMID:38387100	研究论文	本文提出了一种集成学习模型，用于预测GAAFET的电学特性，包括直流特性、电容特性和电学参数	结合深度学习和机器学习的优势，提出了一种新的集成学习模型，用于快速准确地预测GAAFET的电学特性	未提及具体的数据集大小或实验条件的限制	解决传统方法在研究GAAFET电学特性时耗时且低效的问题	栅极全环绕场效应晶体管（GAAFET）	机器学习	NA	深度学习和机器学习	集成学习模型	电学特性数据	NA
133	2025-06-15	Vision-aided grasp classification: design and evaluation of compact CNN for prosthetic hands 2024-May-15, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad464e PMID:38697026	研究论文	本文提出了一种名为GraspCNet的紧凑型CNN模型，专为假肢手的抓取分类设计，旨在通过视觉辅助技术提高假肢手与使用者之间的协调性	提出了一种紧凑型CNN模型GraspCNet，使用可分离卷积降低计算负担，适合嵌入式系统的实时应用，并能从物体形状中学习以分类未见过的物体	在未见过的物体类别上准确率为75.48%，计算机实时实验中的准确率为69%，仍有提升空间	开发一种能够准确识别和分类抓取模式的视觉辅助技术，以改善上肢截肢者使用假肢手的体验	上肢截肢者使用的假肢手	计算机视觉	NA	深度学习，特别是卷积神经网络(CNN)	CNN	图像	使用了各种标准物体数据集进行训练和测试
134	2025-06-15	FetchEEG: a hybrid approach combining feature extraction and temporal-channel joint attention for EEG-based emotion classification 2024-05-15, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad4743 PMID:38701773	研究论文	提出了一种结合特征提取和时间-通道联合注意力的混合方法FetchEEG，用于基于EEG的情绪分类	结合传统特征提取和深度学习的优势，采用多头自注意力机制同时提取不同时间点和通道的表示	NA	提高基于EEG的情绪分类的准确性和泛化能力	EEG数据和情绪分类	神经工程	NA	EEG分析	Transformer	EEG信号	自建数据集和两个公共数据集
135	2025-06-15	Enhancing ECG signal classification through pre-trained stacked-CNN embeddings: a transfer learning approach 2024-May-09, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad40b0 PMID:38640904	研究论文	本研究提出了一种结合迁移学习和传统机器学习的创新计算框架，用于优化心电图（ECG）信号分类	使用预训练的堆叠卷积神经网络（SCNN）生成高维特征嵌入，并通过传统机器学习分类器进行评估，展示了数据多样性对分类器性能的重要性	未提及具体局限性	优化ECG信号分类，平衡高性能与计算效率	心电图（ECG）信号	机器学习	心血管疾病	迁移学习	SCNN, MLP	信号数据	CinC2017和CPSC2018数据集
136	2025-06-15	Development and external validation of a multimodal integrated feature neural network (MIFNN) for the diagnosis of malignancy in small pulmonary nodules (≤10 mm) 2024-May-08, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad449a PMID:38684143	research paper	开发并外部验证了一种多模态集成特征神经网络（MIFNN），用于诊断小肺结节（≤10 mm）的恶性风险	结合深度学习算法与结节形态特征，显著提升诊断准确性，且网络架构简单，易于整合到现有肺癌筛查流程中	研究依赖于回顾性数据，可能影响模型的泛化能力	优化小肺结节（≤10 mm）的恶性风险评估与管理	小肺结节（≤10 mm）患者	digital pathology	lung cancer	CT成像	MIFNN	image, clinical data	LUNA16数据集中的382个小肺结节（85恶性）和北京四个专科中心的101个小肺结节（33恶性）
137	2025-06-15	Ultrasound imaging based recognition of prenatal anomalies: a systematic clinical engineering review 2024-05-07, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/ad3a4b PMID:39655845	review	本文综述了基于超声成像的产前异常识别技术及其临床工程应用	介绍了基于人工智能的超声图像处理和可解释AI技术，以提高筛查效率和准确性	诊断可靠性受操作者专业知识和设备限制影响，且新技术在临床中的整合和接受度仍需验证	提高产前筛查的效率和准确性，改善产前护理	产前超声成像及异常识别	数字病理	产前异常	AI-based US image processing, multimodal data fusion, XAI	deep learning	image, video	NA
138	2025-06-15	CBCT-DRRs superior to CT-DRRs for target-tracking applications for pancreatic SBRT 2024-04-26, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad3bb9 PMID:38588646	研究论文	本研究探讨了在胰腺立体定向体部放疗中，使用CBCT-DRRs相较于CT-DRRs在无标记目标追踪应用中的优越性	首次验证了CBCT-DRRs在无标记目标追踪中比CT-DRRs更接近治疗中的放射图像，并测试了不同OBI组件模型对图像相似性的影响	研究仅针对胰腺癌患者，样本量较小（20例患者）	评估CBCT-DRRs在无标记目标追踪中的效果，并比较不同DRR算法的性能	胰腺癌患者接受立体定向体部放疗时的放射图像	数字病理	胰腺癌	Cone-Beam CT (CBCT), 数字重建放射图像(DRR)	深度学习模型	图像	20例胰腺癌患者
139	2025-06-15	3D printing of an artificial intelligence-generated patient-specific coronary artery segmentation in a support bath 2024-Apr-26, Biomedical materials (Bristol, England) DOI:10.1088/1748-605X/ad3f60 PMID:38626778	研究论文	本研究结合深度学习和3D打印技术，实现了从医学图像中准确分割冠状动脉树并个性化3D打印复杂血管结构	首次提出将AI分割与3D打印结合用于冠状动脉复杂分支结构的生物打印，并采用迁移学习提升分割精度	打印血管外径和分叉点长度与3D模型存在差异，材料挤出问题需通过调整喷嘴速度或设计多轴打印头来优化	开发基于AI分割的个性化冠状动脉3D打印方法，用于心血管疾病诊疗	冠状动脉树的分割与3D打印	数字病理	心血管疾病	深度学习迁移学习、3D生物打印	深度学习模型（未指定具体架构）	医学影像（冠状动脉CT血管造影）	10例冠状动脉CT血管造影图像测试集
140	2025-06-15	Transferable non-invasive modal fusion-transformer (NIMFT) for end-to-end hand gesture recognition 2024-04-09, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad39a5 PMID:38565124	研究论文	提出了一种名为NIMFT的端到端手势识别模型，通过非侵入式多模态融合技术整合sEMG和ACC信号，提高了手势识别的准确性和跨受试者泛化能力	使用非侵入式多模态融合机制（MCA）整合异质信号，提出1D-CNN的局部信息提取方法，并通过迁移学习提升跨受试者泛化性能	未明确提及模型在更广泛数据集上的泛化能力或计算效率方面的限制	开发具有跨受试者迁移能力的端到端手势识别模型	表面肌电信号(sEMG)和加速度计信号(ACC)的多模态融合	计算机视觉	NA	多模态信号融合	Transformer（MCA机制）与1D-CNN结合	生物电信号（sEMG）和运动信号（ACC）	Ninapro DB2数据集中的三个动作集