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
16421	2024-12-06	Gastrointestinal tract disease detection via deep learning based structural and statistical features optimized hexa-classification model 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-240603 PMID:39031411	研究论文	提出了一种基于深度学习的结构和统计特征优化六分类模型，用于检测胃肠道疾病	提出了Deep SS-Hexa模型，结合两种深度学习结构提取WCE图像的结构和统计特征，并通过Walrus优化算法选择最佳特征，最终使用深度信念网络进行六分类	未提及具体局限性	提高胃肠道疾病检测的准确性和效率	胃肠道疾病的检测	计算机视觉	胃肠道疾病	深度学习	深度信念网络	图像	使用了KVASIR和KID数据集
16422	2024-12-06	A hybrid model for the classification of Autism Spectrum Disorder using Mu rhythm in EEG 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-240644 PMID:39031413	研究论文	研究利用脑电图中的Mu节律，结合机器学习和深度学习技术，开发了一种混合模型用于自闭症谱系障碍的分类	提出了一个结合深度学习和机器学习的混合模型，显著提高了自闭症谱系障碍的分类准确率	研究仅使用了有限的脑电图通道，可能无法全面反映自闭症谱系障碍的复杂性	提高自闭症谱系障碍与典型发育个体的分类准确率	自闭症谱系障碍患者和典型发育个体	机器学习	自闭症谱系障碍	脑电图	混合模型	脑电图数据	未明确提及样本数量
16423	2024-12-06	CNN-based glioma detection in MRI: A deep learning approach 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-240158 PMID:39031408	研究论文	本文开发了一种基于卷积神经网络（CNN）的自动化胶质瘤分割算法，用于在MRI图像中准确识别肿瘤成分	本文利用CNN技术提高了胶质瘤分割的准确性，达到了与经验丰富的放射科医生和商用工具相当的水平	NA	开发一种自动化的胶质瘤分割算法，以提高诊断精度和量化	高级别胶质瘤（HGGs）和低级别胶质瘤（LGGs）的MRI扫描图像	计算机视觉	脑肿瘤	卷积神经网络（CNN）	U-Net网络	MRI图像	285例高级别胶质瘤（HGGs）和低级别胶质瘤（LGGs）的MRI扫描
16424	2024-12-06	Development of an efficient novel method for coronary artery disease prediction using machine learning and deep learning techniques 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-240740 PMID:39031414	研究论文	本文提出了一种基于机器学习和深度学习技术的新方法，用于提高冠状动脉疾病预测的准确性	本文提出了一种新的集成投票分类器模型，结合了多种机器学习算法和深度学习算法，以提高冠状动脉疾病预测的准确性	NA	提高冠状动脉疾病预测的准确性	冠状动脉疾病	机器学习	心血管疾病	机器学习、深度学习	集成投票分类器模型	临床数据	216例冠状动脉疾病病例
16425	2024-12-06	Football teaching and training based on video surveillance using deep learning 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-231860 PMID:39177616	研究论文	本文研究了基于视频监控和深度学习的足球教学与训练，通过自动识别和分类训练动作来评估运动员的表现	本文提出了基于深度学习的足球教学动作识别模型（DL-FTMR），并结合惯性测量单元（IMU）和计算机视觉分析数据进行系统性研究	NA	研究目的是通过深度学习技术自动识别和分类足球教学与训练动作，以提高运动员的表现评估准确性	足球教学与训练动作的自动识别和分类	计算机视觉	NA	深度学习	卷积神经网络（CNN）	视频	使用了公开的Human Activity Recognition (HAR)数据集和UT-Interaction数据集
16426	2024-12-06	Liver tumor segmentation method combining multi-axis attention and conditional generative adversarial networks 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312105 PMID:39625955	研究论文	提出了一种结合多轴注意力和条件生成对抗网络的肝脏肿瘤分割方法	引入了多轴注意力机制和条件生成对抗网络，以解决现有方法在类不平衡、全局上下文特征融合不足和局部细节感知弱等问题	未提及具体局限性	提高肝脏肿瘤分割的效率和准确性	肝脏和肿瘤在腹部CT图像中的分割	计算机视觉	NA	深度学习	条件生成对抗网络 (cGAN)	图像	使用了LiTS公共数据集进行训练和测试
16427	2024-12-06	DLLabelsCT: Annotation tool using deep transfer learning to assist in creating new datasets from abdominal computed tomography scans, case study: Pancreas 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313126 PMID:39625972	研究论文	开发了一种名为DLLabelsCT的注释工具，利用深度迁移学习加速腹部CT扫描图像分析过程，并以胰腺为例进行了案例研究	提出了DLLabelsCT工具，通过使用ResNet34-UNet模型显著加速了注释过程，并展示了其在不同数据集上的高准确性和可扩展性	仅在胰腺分割任务上进行了验证，尚未在其他器官上进行广泛测试	开发一种能够加速医学图像注释过程的工具，以支持深度学习算法在放射学评估中的应用	腹部CT扫描图像中的胰腺分割	计算机视觉	NA	深度学习	CNN	图像	3715张CT扫描切片
16428	2024-12-06	A fact based analysis of decision trees for improving reliability in cloud computing 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311089 PMID:39625991	研究论文	本文通过比较五种机器学习算法在云计算中的准确性和故障预测能力，提出了一种改进决策树算法的方法	提出了对决策树（J48）算法的改进，以提高其在云计算中的可靠性和准确性	算法复杂度较高，需要进一步优化	提高云计算中的决策树算法的可靠性和准确性	五种机器学习算法在云计算中的性能	机器学习	NA	机器学习算法	决策树（J48）	数值数据	NA
16429	2024-12-06	Dual assurance for healthcare and future education development: normalized assistance for low-income population in rural areas-evidence from the population identification 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1384474 PMID:39628808	研究论文	本研究探讨了农村低收入人口在医疗和未来教育方面的关系，并开发了一种智能识别分类模型来准确检测和分类农村低收入个体	提出了一个准确度达到91.93%的智能识别分类模型，超过了其他基线神经网络算法	研究仅限于广东省J市，结果可能不适用于其他地区	探索农村低收入人口在医疗和未来教育方面的关系，并为政策制定提供支持	农村低收入人口的医疗和教育状况	机器学习	NA	深度学习算法	神经网络	大数据	NA
16430	2024-12-06	SMART-PET: a Self-SiMilARiTy-aware generative adversarial framework for reconstructing low-count [18F]-FDG-PET brain imaging 2024, Frontiers in nuclear medicine (Lausanne, Switzerland) DOI:10.3389/fnume.2024.1469490 PMID:39628873	研究论文	本文介绍了一种基于生成对抗网络（GAN）和自相似性注意力机制的新型深度学习框架，用于重建低计数[18F]-FDG-PET脑部图像	提出了一个自相似性感知生成对抗框架（SMART-PET），利用自相似性注意力机制来增强PET图像的去噪效果，无需依赖MRI的解剖细节	NA	开发一种新的深度学习框架，用于提高低计数PET图像的质量，减少放射性暴露	低计数[18F]-FDG-PET脑部图像	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	114名受试者，包括34名药物难治性癫痫患者、10名额颞叶痴呆患者和70名健康志愿者
16431	2024-12-06	The effectiveness of deep learning model in differentiating benign and malignant pulmonary nodules on spiral CT 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-241079 PMID:39520159	研究论文	研究深度学习模型在螺旋CT图像上区分良性和恶性肺结节的有效性	提出了一种基于深度学习的细粒度分类方法，用于区分肺结节，并展示了其在区分良恶性肺结节方面的优越性	研究样本量较小，且仅限于一家医院的病例	探讨基于深度学习的肺结节分类和分割算法在区分良恶性肺结节中的临床价值和诊断效果	良性和恶性肺结节	计算机视觉	肺部疾病	深度学习	深度学习模型	CT图像	120例肺结节患者
16432	2024-12-06	Hyperspectral signature-band extraction and learning: an example of sugar content prediction of Syzygium samarangense 2023-09-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-41603-6 PMID:37699940	研究论文	本研究提出了一种从高光谱数据转换的多光谱数据中提取特征波段的方法，并使用深度学习模型预测山竹果的糖含量	本研究创新性地使用集成梯度方法从卷积神经网络和前馈神经网络模型中提取特征波段，并展示了这些波段在预测山竹果糖含量方面的潜力	本研究仅限于使用特定的光谱数据和模型，未来研究可以扩展到其他类型的光谱数据和模型	研究如何从高光谱数据中提取特征波段，并利用这些波段预测山竹果的糖含量	山竹果的糖含量	机器学习	NA	高光谱数据转换、集成梯度方法	卷积神经网络 (CNN)、前馈神经网络 (FNN)	光谱数据	30组，每组包含6个特征波段
16433	2024-12-06	Cross-Subject Tinnitus Diagnosis Based on Multi-Band EEG Contrastive Representation Learning 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3264521 PMID:37018100	研究论文	本文提出了一种基于多频带EEG对比表示学习的跨受试者耳鸣诊断方法	提出了一个名为多频带EEG对比表示学习（MECRL）的多任务学习框架，用于提高耳鸣诊断的鲁棒性和数据效率	NA	识别耳鸣并为其诊断和治疗提供理论指导	耳鸣患者和健康对照组的静息状态EEG数据	数字病理学	耳鸣	EEG	深度神经网络	EEG数据	187名耳鸣患者和80名健康受试者
16434	2024-12-06	Psychotic Relapse Prediction in Schizophrenia Patients Using A Personalized Mobile Sensing-Based Supervised Deep Learning Model 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3265684 PMID:37037254	研究论文	本文提出了一种基于个性化移动感知和监督深度学习的模型RelapsePredNet，用于预测精神分裂症患者的精神病复发	本文的创新点在于提出了一个个性化的长短期记忆网络模型RelapsePredNet，并通过融合模型进一步提高了预测性能	本文的局限性在于仅使用了63名患者的移动感知数据进行评估，样本量较小	本文的研究目的是开发一种能够预测精神分裂症患者精神病复发的个性化深度学习模型	本文的研究对象是精神分裂症患者及其精神病复发	机器学习	精神疾病	深度学习	LSTM	移动感知数据	63名精神分裂症患者，每人监测时间长达一年
16435	2024-12-06	Deep Learning Identifies Intelligible Predictors of Poor Prognosis in Chronic Kidney Disease 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3266587 PMID:37043318	研究论文	本研究探讨了机器学习和深度学习模型在慢性肾脏病（CKD）进展至终末期肾病（ESRD）预测中的可解释性	引入了四种先进的归因方法到深度学习模型中，提高了模型的可解释性，并发现了一些未被充分报告的CKD进展关键特征	LASSO模型的解释与临床知识不一致	早期诊断和预测慢性肾脏病的进展，以确保个性化治疗	慢性肾脏病患者及其进展至终末期肾病的预测	机器学习	肾脏病	深度学习	深度学习模型	临床和实验室数据	NA
16436	2024-12-06	Reconstruction-Driven Dynamic Refinement Based Unsupervised Domain Adaptation for Joint Optic Disc and Cup Segmentation 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3266576 PMID:37043317	研究论文	提出了一种基于重建驱动的动态细化无监督域适应方法，用于联合视盘和视杯分割	引入了一种新的无监督域适应方法RDR-Net，通过重建对齐、低级特征细化和预测图对齐三个模块来缓解域偏移问题	未提及	解决视盘和视杯分割中的域偏移问题，提高模型的泛化能力	视盘和视杯的分割	计算机视觉	眼科疾病	无监督域适应	RDR-Net	图像	四个公开的眼底图像数据集
16437	2024-12-06	One-Dimensional W-NETR for Non-Invasive Single Channel Fetal ECG Extraction 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3266645 PMID:37043321	研究论文	本文提出了一种使用W-NETR模型从母体腹部ECG信号中非侵入式提取单通道胎儿ECG的新方法	本文创新性地使用了两个并行的U-net模型结合transformer编码，称为W-NETR，利用transformer的自注意力机制增强远程交互和全局上下文捕捉能力	NA	开发一种高效、准确的非侵入式胎儿ECG提取方法，以实现早期胎儿心脏异常检测和安全分娩	从母体腹部ECG信号中提取胎儿ECG信号	生物医学工程	NA	transformer	W-NETR	ECG信号	使用了合成数据集和真实数据集（ADFECGDB和PCDB）进行测试
16438	2024-12-06	SLEEP-SEE-THROUGH: Explainable Deep Learning for Sleep Event Detection and Quantification From Wearable Somnography 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3267087 PMID:37058373	研究论文	本文提出了一种可解释的深度学习方法，用于从可穿戴睡眠监测设备中检测和量化睡眠事件	本文的创新点在于结合了光学、差压和加速度信号，通过深度网络进行多因素夜间监测，并生成定性和定量数据以提高预测的可解释性	本文的局限性在于样本量较小，且睡眠模式预测的准确性相对较低	本文的研究目的是开发一种可解释的深度学习模型，用于早期诊断和评估睡眠障碍	本文的研究对象是可穿戴设备采集的光学、差压和加速度信号，以及由此生成的类睡眠图信号	机器学习	NA	深度学习	深度网络	信号	20名健康受试者
16439	2024-12-06	Deep Learning Segmentation of the Right Ventricle in Cardiac MRI: The M&Ms Challenge 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3267857 PMID:37067963	研究论文	本文介绍了在心脏MRI图像中使用深度学习方法对右心室进行分割的研究，并参与了M&Ms挑战	提出了新的方法来处理右心室的几何和纹理复杂性，特别是在存在病理如扩张型右心室、三尖瓣反流等情况下的分割	需要整合多种心脏疾病、视角、扫描仪和采集协议以提高自动心脏分割算法的可靠性	提高心脏MRI图像中右心室分割的准确性	右心室在心脏MRI图像中的分割	计算机视觉	心血管疾病	深度学习	nnU-Net	图像	360例心脏MRI病例，包括短轴和长轴4腔视图，来自三家西班牙医院，使用九种不同扫描仪
16440	2024-12-06	Benchmarking Polyp Segmentation Methods in Narrow-Band Imaging Colonoscopy Images 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3270724 PMID:37099473	研究论文	本文提出了一个新的窄带成像（NBI）结肠镜图像息肉分割数据集（PS-NBI2K），并对24种基于深度学习的息肉分割方法进行了基准测试和分析	首次在窄带成像（NBI）数据上对多种基于深度学习的息肉分割方法进行基准测试，并提出了一个新的数据集PS-NBI2K	现有方法在处理较小尺寸和较强干扰的息肉时表现不佳，且在有效性和效率之间存在权衡	评估和改进窄带成像（NBI）结肠镜图像中的息肉分割方法	窄带成像（NBI）结肠镜图像中的息肉分割	计算机视觉	NA	深度学习（DL）	NA	图像	2000张窄带成像（NBI）结肠镜图像