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
1	2025-04-16	A novel stacked generalization of models for improved TB detection in chest radiographs 2018-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC.2018.8512337 PMID:30440497	研究论文	提出了一种新型的堆叠泛化模型，用于提高胸部X光片中结核病的检测效果	结合手工工程和CNN特征的分类器堆叠方法，提高了结核病检测的准确性和性能	未明确提及具体的数据集大小或多样性限制	开发一种计算机辅助诊断工具，以改善资源受限地区结核病的及时检测	胸部X光片中的结核病检测	计算机视觉	结核病	CNN和手工工程特征	堆叠泛化模型	图像	NA
2	2025-02-21	Automatic detection and classification of marmoset vocalizations using deep and recurrent neural networks 2018-07, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/1.5047743 PMID:30075670	研究论文	本文研究了使用大规模狨猴发声数据集和深度学习技术自动检测和分类狨猴发声的方法	本文创新性地将深度神经网络（DNN）和长短期记忆循环神经网络（LSTM-RNN）应用于狨猴发声的检测和分类，并与传统的基于规则的检测方法和支持向量机（SVM）分类算法进行了比较	实验数据仅来自四对狨猴双胞胎，样本量相对较小，可能影响模型的泛化能力	自动检测和分类狨猴发声	狨猴发声	自然语言处理	NA	深度学习	DNN, LSTM-RNN, SVM	音频	1500分钟的音频数据，来自四对狨猴双胞胎
3	2025-02-21	FPGA implementation of deep-learning recurrent neural networks with sub-millisecond real-time latency for BCI-decoding of large-scale neural sensors (104 nodes) 2018-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC.2018.8512415 PMID:30440576	研究论文	本文展示了一种基于FPGA的LSTM RNN实现，用于在名为'NeuroCoder'的移动低功耗嵌入式系统平台上解码10,000个神经数据通道	开发了一种能够在移动低功耗嵌入式系统平台上实现亚毫秒级实时延迟的FPGA实现，用于解码大规模神经数据	研究仅提供了在模拟10,000个神经通道上解码20维频谱时间表示的证明，未涉及实际神经数据的验证	开发低延迟实时神经解码系统，用于下一代脑机接口在复杂人类任务中的应用	大规模神经传感器数据（10,000个通道）	机器学习	NA	FPGA实现	LSTM RNN	神经数据	模拟10,000个神经通道
4	2024-11-12	Towards a Scalable Software Defined Network-on-Chip for Next Generation Cloud 2018-Jul-18, Sensors (Basel, Switzerland) DOI:10.3390/s18072330 PMID:30021975	研究论文	本文提出了一种可扩展的软件定义片上网络（SDNoC）架构，以支持下一代云计算中的高效和可扩展系统	本文的创新点在于结合了分层片上网络拓扑（如环形和2D网格拓扑）与动态重配置的优势，并引入了数据驱动的编程执行模型，以支持深度学习应用	本文未详细讨论在实际部署中可能遇到的硬件和软件兼容性问题	研究目的是设计一种可扩展且高效的片上网络架构，以支持云计算中的各种应用需求	研究对象包括片上网络的拓扑结构、动态重配置机制以及数据驱动的编程执行模型	计算机网络	NA	片上网络（NoC）	NA	NA	实验中使用了最多1024个处理核心（PEs）进行对比测试
5	2024-08-07	Extracting psychiatric stressors for suicide from social media using deep learning 2018-07-23, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-018-0632-8 PMID:30066665	研究论文	本研究旨在利用深度学习方法从社交媒体Twitter中提取与自杀相关的心理压力源	首次尝试使用深度学习方法从Twitter数据中提取心理压力源，并通过转移学习策略利用现有临床文本注释数据集	NA	探索识别Twitter上与自杀相关的心理压力源的技术	Twitter上的自杀相关推文	机器学习	NA	深度学习	卷积神经网络（CNN）和循环神经网络（RNN）	文本	包含自杀相关推文的Twitter数据集