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
341	2024-08-31	Magnetic Resonance Imaging Data Features to Evaluate the Efficacy of Compound Skin Graft for Diabetic Foot 2022, Contrast media & molecular imaging DOI:10.1155/2022/5707231 PMID:35815055	研究论文	本研究旨在分析基于深度学习算法的磁共振成像（MRI）数据特征在评估复合皮肤移植治疗糖尿病足（DF）中的作用	研究利用深度学习算法分析MRI图像数据，以辅助评估复合皮肤移植治疗糖尿病足的疗效	NA	评估复合皮肤移植治疗糖尿病足的疗效	糖尿病足患者	数字病理学	糖尿病足	磁共振成像（MRI）	深度学习算法	图像	78名糖尿病足患者，分为实验组（复合皮肤移植）和对照组（自体皮肤移植）各39名
342	2024-08-30	Imaging through diffuse media using multi-mode vortex beams and deep learning 2022-01-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05358-w PMID:35091633	研究论文	本文提出了一种使用多模涡旋光束和名为“LGDiffNet”的新型深度学习网络通过散射介质进行成像的新方法	使用多模涡旋光束和“LGDiffNet”网络进行图像重建，相比现有模式提供了增强的图像重建能力	NA	解决通过散射介质进行光学成像的挑战	通过散射介质进行图像重建	计算机视觉	NA	深度学习	LGDiffNet	图像	使用220号砂砾和2毫米宽的强散射散射器进行实验验证
343	2024-08-30	CariesNet: a deep learning approach for segmentation of multi-stage caries lesion from oral panoramic X-ray image 2022-Jan-07, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-021-06684-2 PMID:35017793	研究论文	本文提出了一种名为CariesNet的深度学习架构，用于从口腔全景X光图像中分割多阶段龋齿病变	引入了一个带有全尺度轴向注意力模块的U形网络，以提高龋齿类型分割的准确性	未提及具体限制	开发一种自动化的方法来提高龋齿诊断的准确性和效率	多阶段龋齿病变	计算机视觉	口腔疾病	深度学习	U形网络	图像	3127张高质量的全景X光图像
344	2024-08-30	Inverted bell-curve-based ensemble of deep learning models for detection of COVID-19 from chest X-rays 2022-Jan-05, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-021-06737-6 PMID:35013650	研究论文	本文提出了一种基于倒钟形曲线的深度学习模型集成方法，用于从胸部X光片中检测COVID-19	采用倒钟形曲线加权集成方法，结合迁移学习预训练模型，提高了COVID-19检测的准确性	NA	开发一种高效的深度学习模型集成方法，用于从胸部X光片中准确检测COVID-19	COVID-19患者的胸部X光片	计算机视觉	COVID-19	深度学习	CNN	图像	使用了两个公开数据集：COVID-19放射学数据库和IEEE COVID胸部X光数据集
345	2024-08-30	A Survey on Mathematical, Machine Learning and Deep Learning Models for COVID-19 Transmission and Diagnosis 2022, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2021.3069213 PMID:33769936	综述	本文综述了用于COVID-19传播分析和诊断的数学、机器学习和深度学习模型	提供了对现有数学模型、机器学习模型和深度学习模型的全面回顾，以帮助选择合适的模型进行疾病传播分析和快速自动化诊断	每种模型都有其特定的局限性和优势，需要根据具体情况选择	旨在通过数学和数据驱动模型分析和预测COVID-19的传播，以及提供快速自动化诊断机制	COVID-19的传播分析和诊断	机器学习	COVID-19	NA	数学模型、机器学习模型、深度学习模型	NA	NA
346	2024-08-30	Mix-and-Interpolate: A Training Strategy to Deal With Source-Biased Medical Data 2022-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2021.3119325 PMID:34637384	研究论文	本文提出了一种名为MIx-aNd-Interpolate（MINI）的训练策略，用于解决使用多源真实世界数据训练深度卷积神经网络进行COVID-19分类时遇到的数据源偏差问题	MINI方法通过结合来自不同医院的样本生成缺失类别的体积，从而扩大了原始源偏差数据集的样本空间	NA	解决在训练深度学习模型进行COVID-19分类时遇到的数据源偏差问题	COVID-19的分类	机器学习	COVID-19	深度学习	深度卷积神经网络	CT图像	1,221例COVID-19阳性CT图像和1,520例阴性CT图像（其中786例社区获得性肺炎和734例非肺炎）
347	2024-08-30	A novel approach based on combining deep learning models with statistical methods for COVID-19 time series forecasting 2022, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-021-06548-9 PMID:34658536	研究论文	本文提出了一种结合深度学习模型与统计方法的新方法，用于COVID-19时间序列预测	使用时间序列增强技术创建新的时间序列，以提高深度学习模型的性能	未提及具体限制	提高COVID-19感染病例预测的准确性，以便做出更有效的控制措施决策	COVID-19感染病例的时间序列数据	机器学习	COVID-19	时间序列增强技术	LSTM, GRU, CNN	时间序列数据	未提及具体样本数量
348	2024-08-30	Outbreak COVID-19 in Medical Image Processing Using Deep Learning: A State-of-the-Art Review 2022, Archives of computational methods in engineering : state of the art reviews IF:9.7Q1 DOI:10.1007/s11831-021-09667-7 PMID:34690493	综述	本文综述了深度学习技术在医学影像处理中应对COVID-19疫情的应用	探讨了深度学习在医学影像如X射线、CT扫描和磁共振成像中的应用，以对抗COVID-19疫情	介绍了在控制健康危机和疫情爆发中遇到的一些问题和挑战	讨论深度学习技术在医学影像处理中的应用，特别是针对COVID-19的预测、传播迹象检测、治疗方面和疫苗研究	COVID-19疫情及其在医学影像处理中的应用	计算机视觉	COVID-19	深度学习	NA	图像	NA
349	2024-08-30	Adaptive UNet-based Lung Segmentation and Ensemble Learning with CNN-based Deep Features for Automated COVID-19 Diagnosis 2022, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-021-11787-y PMID:34955679	研究论文	本文提出了一种基于自适应U-Net的肺部分割方法和基于CNN深度特征的集成学习方法，用于自动化COVID-19诊断。	本文引入了自适应激活函数（AAF）的U-Net进行肺部分割，并采用自适应海鞘群算法（SA-TSA）作为提升算法，以提高分割和检测性能。	NA	开发一种自动化COVID-19检测方法，以提高诊断的准确性和效率。	COVID-19疾病的自动化检测。	计算机视觉	COVID-19	卷积神经网络（CNN）	U-Net, 集成学习	图像	胸部X射线图像
350	2024-08-30	Real time deep learning framework to monitor social distancing using improved single shot detector based on overhead position 2022, Earth science informatics IF:2.7Q2 DOI:10.1007/s12145-021-00758-4 PMID:35035588	研究论文	本文介绍了一种基于改进的单次检测器和深度学习技术的实时框架，用于通过远程传感顶视图图像自动监测社交距离	提出了一种新的深度学习框架，使用改进的单次检测器模型来自动识别人们是否保持社交距离	NA	开发一种自动监测社交距离的深度学习框架，以应对COVID-19疫情的传播	社交距离的自动监测	计算机视觉	NA	深度学习	单次检测器	图像	广泛收集的远程传感图像
351	2024-08-30	MEDAS: an open-source platform as a service to help break the walls between medicine and informatics 2022, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-021-06750-9 PMID:35068703	研究论文	本文介绍了一个名为MEDAS的开源平台，旨在促进医学与信息学领域的深度学习技术在医学图像分析中的应用与合作	MEDAS是首个为医学背景的研究人员提供深度学习工具包的开放源代码平台，同时为信息学领域的科学家和工程师提供快速建模服务	NA	打破医学与信息学之间的壁垒，促进两个领域的研究人员在医学图像分析中的合作	医学图像分析中的分割、分类、检测等任务	数字病理学	NA	深度学习	DL相关工具包	图像	涉及肺、肝、脑、胸和病理学五个任务的验证
352	2024-08-30	A holistic overview of deep learning approach in medical imaging 2022, Multimedia systems IF:3.5Q1 DOI:10.1007/s00530-021-00884-5 PMID:35079207	综述	本文综述了深度学习技术在医学影像分析中的应用及其不同医学影像模态，旨在为医学领域的非专家提供深度学习概念的贡献	介绍了深度学习技术在医学影像分析中的多种应用，如分割、分类、检测等，并讨论了基本架构、数据增强、迁移学习和特征选择方法	文章提出了一些研究挑战和文献中建议的解决方案，但未具体阐述这些挑战的具体内容和解决方案的实施细节	旨在综述深度学习技术在医学影像分析中的最新进展，并为医学领域的非专家提供深度学习概念的贡献	深度学习技术及其在医学影像分析中的应用	计算机视觉	NA	深度学习	CNN	图像	NA
353	2024-08-30	Multithreshold Image Segmentation Technique Using Remora Optimization Algorithm for Diabetic Retinopathy Detection from Fundus Images 2022, Neural processing letters IF:2.6Q3 DOI:10.1007/s11063-021-10734-0 PMID:35095328	研究论文	本文提出了一种使用Remora优化算法的多阈值图像分割技术，用于从眼底图像中检测糖尿病视网膜病变	本文引入了基于多阈值的Remora优化算法进行血管分割，并使用带有野鹅算法的区域卷积神经网络进行特征提取和分类	NA	旨在开发一种新的框架用于糖尿病视网膜病变的检测和分类	糖尿病视网膜病变及其不同阶段	计算机视觉	糖尿病视网膜病变	多阈值图像分割技术	区域卷积神经网络（R-CNN）	图像	实验图像来自DRIVE数据库
354	2024-08-30	The winter, the summer and the summer dream of artificial intelligence in law: Presidential address to the 18th International Conference on Artificial Intelligence and Law 2022, Artificial intelligence and law IF:3.1Q1 DOI:10.1007/s10506-022-09309-8 PMID:35132296	演讲	本文是作者作为IAAIL主席在ICAIL 2021上的演讲，旨在阐述AI与法律领域的现状及未来展望	提出了结合自下而上的机器/深度学习与NLP方法和自上而下的法律知识表示及推理模型的方法，以促进语义网和AI系统的发展	提到了AI发展的技术机遇和理论限制	探讨AI与法律领域的历史变迁、现状及未来发展方向	AI与法律领域的研究及其在语义网和AI系统中的应用	人工智能	NA	机器学习, 深度学习, NLP	NA	文本	NA
355	2024-08-30	Deep learning techniques to classify agricultural crops through UAV imagery: a review 2022, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-022-07104-9 PMID:35281624	综述	本文综述了使用无人机影像进行农作物分类的深度学习技术，特别是基于卷积神经网络的方法	融合不同无人机数据和深度学习方法已成为准确分类不同作物类型的强大工具	NA	帮助研究人员和农民根据其研究的作物和使用的硬件选择合适的算法	农作物分类	计算机视觉	NA	深度学习	CNN	图像	NA
356	2024-08-30	Quantifying prognosis severity of COVID-19 patients from deep learning based analysis of CT chest images 2022, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-12214-6 PMID:35282403	研究论文	本文提出了一种基于深度学习的CT胸部图像分析技术，用于量化COVID-19患者的预后严重程度	使用预训练的孪生神经网络（SNN）进行COVID-19阳性患者的检测，并通过去除高度相似的图像来提高数据集的质量	最终的多分类问题仅获得了47%的加权平均F1分数，表明在患者优先级排序方面仍有改进空间	开发一种新的技术来帮助医疗人员对COVID-19患者进行严重程度评估和优先级排序	COVID-19患者的CT胸部图像	计算机视觉	COVID-19	孪生神经网络（SNN）	CNN	图像	使用了经过医学专家标注的CT胸部扫描切片图像数据集，去除了40%的高度相似图像
357	2024-08-30	Leverage knowledge graph and GCN for fine-grained-level clickbait detection 2022, World wide web IF:2.7Q2 DOI:10.1007/s11280-022-01032-3 PMID:35308295	研究论文	本文提出了一种结合知识图谱、图卷积网络和图注意力网络的细粒度级标题党检测模型	首次尝试将知识图谱和深度学习技术结合用于标题党检测，并实现了可解释性	未提及具体限制	提高标题党检测的准确性和可解释性	标题党检测	自然语言处理	NA	知识图谱，图卷积网络，图注意力网络	GCN	文本	使用真实数据集进行实验
358	2024-08-30	Deep Learning-Enabled Clinically Applicable CT Planbox for Stroke With High Accuracy and Repeatability 2022, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2022.755492 PMID:35359626	研究论文	本文介绍了一种基于深度学习的智能CT系统，用于中风患者的临床评估，具有高准确性和重复性	开发了一种名为CAPITAL-CT的智能CT系统，通过使用区域提议网络（RPN）和V-Net模型，实现了对中风患者的高精度自动扫描	NA	开发一种智能CT系统，以提高中风患者随访期间的图像标准性、准确性和重复性	中风患者	计算机视觉	中风	区域提议网络（RPN），V-Net	CNN	图像	训练集包含76,382个人脸图像，另一个训练集包含295个受试者，验证集包含1,124名患者
359	2024-08-30	Head and Neck Cancer Primary Tumor Auto Segmentation Using Model Ensembling of Deep Learning in PET/CT Images 2022, Head and neck tumor segmentation and outcome prediction : second challenge, HECKTOR 2021, held in conjunction with MICCAI 2021, Strasbourg, France, September 27, 2021, Proceedings. Head and Neck Tumor Segmentation Challenge (2nd : 2021 ... DOI:10.1007/978-3-030-98253-9_11 PMID:35399869	研究论文	本研究开发了一系列基于3D残差Unet（ResUnet）架构的深度学习模型，用于自动分割PET/CT图像中的口咽癌原发肿瘤，并通过内部和外部验证展示了其高性能	采用标签融合集成方法，包括Simultaneous Truth and Performance Level Estimation（STAPLE）和基于多数投票的体素级阈值方法（AVERAGE），生成共识分割	未来研究应关注通道组合和标签融合策略的最佳组合，以最大化分割性能	提高辐射肿瘤学工作流程中口咽癌原发肿瘤的自动分割	口咽癌原发肿瘤的自动分割	计算机视觉	头颈癌	深度学习	3D Residual Unet（ResUnet）	图像	训练集224名患者，测试集101名患者
360	2024-08-30	Combining Tumor Segmentation Masks with PET/CT Images and Clinical Data in a Deep Learning Framework for Improved Prognostic Prediction in Head and Neck Squamous Cell Carcinoma 2022, Head and neck tumor segmentation and outcome prediction : second challenge, HECKTOR 2021, held in conjunction with MICCAI 2021, Strasbourg, France, September 27, 2021, Proceedings. Head and Neck Tumor Segmentation Challenge (2nd : 2021 ... DOI:10.1007/978-3-030-98253-9_28 PMID:35399870	研究论文	本研究利用基于DenseNet架构的深度学习框架，结合PET图像、CT图像、原发肿瘤分割掩模和临床数据，预测头颈鳞状细胞癌患者的无进展生存期	本研究首次将肿瘤分割掩模作为额外的输入通道，显著提高了预测模型的C-index值	NA	提高头颈鳞状细胞癌患者的预后预测准确性	头颈鳞状细胞癌患者的无进展生存期	机器学习	头颈鳞状细胞癌	深度学习	DenseNet	图像	大量训练数据来自2021年HECKTOR挑战赛