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
81	2024-09-30	A review of generative adversarial network applications in optical coherence tomography image analysis 2022, Journal of optometry IF:2.2Q2 DOI:10.1016/j.optom.2022.09.004 PMID:36241526	综述	本文综述了生成对抗网络（GANs）在光学相干断层扫描（OCT）图像分析中的应用及其进展	GANs作为一种深度学习方法，能够在OCT图像分析中实现其他深度学习方法难以实现的新应用，具有提供更准确和稳健分析的潜力	NA	探讨GANs在OCT图像处理中的应用及其未来发展潜力	光学相干断层扫描（OCT）图像	计算机视觉	NA	生成对抗网络（GANs）	生成对抗网络（GANs）	图像	NA
82	2024-09-30	MSeg-Net: A Melanoma Mole Segmentation Network Using CornerNet and Fuzzy K-Means Clustering 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/7502504 PMID:36276999	研究论文	提出了一种使用CornerNet和模糊K均值聚类的黑色素瘤痣分割网络MSeg-Net	利用CornerNet模型进行黑色素瘤病变的检测，并通过模糊K均值聚类进行分割，能够处理任意形状和方向的痣，并有效应对噪声、模糊和亮度变化	NA	开发一种自动化的系统，用于及时识别黑色素瘤	黑色素瘤痣的检测和分割	计算机视觉	皮肤癌	深度学习	CornerNet	图像	使用了ISIC-2017和ISIC-2018两个标准数据库进行评估
83	2024-09-30	EEG-based emotion recognition using hybrid CNN and LSTM classification 2022, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2022.1019776 PMID:36277613	研究论文	本文研究了基于脑电图（EEG）信号的情感识别，提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的混合分类方法	本文提出了一种新的自动化CNN-LSTM与ResNet-152算法，相比现有技术，该方法在情感识别中达到了98%的高准确率	本文未提及具体的研究局限性	旨在通过脑电图信号分析情感反应，特别是创伤后应激障碍（PTSD）的影响	研究对象为脑电图信号和情感分析	机器学习	NA	脑电图（EEG）	卷积神经网络（CNN）和长短期记忆网络（LSTM）	脑电图信号	未提及具体样本数量
84	2024-09-30	The spike gating flow: A hierarchical structure-based spiking neural network for online gesture recognition 2022, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2022.923587 PMID:36408382	研究论文	本文提出了一种基于层次结构的新型脉冲神经网络系统，用于在线手势识别	开发了一种名为脉冲门控流（SGF）的新型脑启发脉冲神经网络系统，用于在线动作学习，具有较高的准确性和较低的训练/推理数据比率	NA	解决当前深度学习在动作识别应用中面临的计算成本高和学习效率低的问题	在线手势识别	机器学习	NA	脉冲神经网络（SNN）	脉冲神经网络（SNN）	图像	使用了标准动态视觉传感器（DVS）手势分类作为基准，具体样本数量未明确提及
85	2024-09-30	Enhanced You Only Look Once X for surface defect detection of strip steel 2022, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2022.1042780 PMID:36479529	研究论文	本文提出了一种轻量级的YOLOX表面缺陷检测网络，并引入了多尺度特征融合注意力模块（MFFAM），用于提高带钢表面缺陷检测的准确性和效率	引入多尺度特征融合注意力模块（MFFAM）和轻量级CSP结构，优化了网络的骨干部分，显著提高了小目标的检测准确性	文章未提及具体的局限性	提高带钢表面缺陷检测的准确性和效率	带钢表面缺陷	计算机视觉	NA	深度学习	YOLOX	图像	未提及具体样本数量
86	2024-09-30	Bio-mimetic high-speed target localization with fused frame and event vision for edge application 2022, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2022.1010302 PMID:36507348	研究论文	本文提出了一种结合事件相机和帧相机的高速目标定位系统，通过融合事件和帧管道的互补时空优势，实现了在边缘应用中的高效目标定位	设计了一种受果蝇自我运动补偿机制启发的SNN滤波器，并集成了神经启发的多管道处理与任务优化的多神经元通路结构	NA	开发一种能够在资源受限的边缘机器人系统中实现高速目标定位的新方法	事件相机、帧相机、SNN、CNN	计算机视觉	NA	卷积神经网络（CNN）、脉冲神经网络（SNN）	卷积神经网络（CNN）、脉冲神经网络（SNN）	图像	多无人机模拟和真实世界多无人机设置中的实际传感器数据
87	2024-09-30	A comparative study of gastric histopathology sub-size image classification: From linear regression to visual transformer 2022, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2022.1072109 PMID:36569152	研究论文	本文比较了多种算法在胃癌病理图像分类中的性能，旨在将集成学习应用于实际的胃癌分类问题	本文引入了基于Transformer的分类器，并探讨了多种分类器在机器性能不足时的互补性	本文未详细讨论集成学习在实际应用中的具体实现方法	比较不同算法在胃癌病理图像分类中的性能，探索集成学习在胃癌分类中的应用	胃癌病理图像分类	数字病理	胃癌	机器学习	Transformer	图像	GasHisSDB数据库中的大量病理图像
88	2024-09-30	Explainable artificial intelligence model to predict brain states from fNIRS signals 2022, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2022.1029784 PMID:36741783	研究论文	本文介绍了一种可解释的人工智能模型，用于从fNIRS信号中预测大脑状态	提出了一个包含分类模块和解释模块的可解释人工智能系统，能够分解深度学习模型的输出，并解释输入变量对fNIRS信号分类的贡献	NA	开发一种能够解释深度学习模型输出并预测大脑状态的可解释人工智能系统	fNIRS信号的分类和解释	机器学习	NA	fNIRS信号分析	1-D CNN 和 LSTM	fNIRS信号	3名受试者的运动任务数据和29名受试者的运动想象数据
89	2024-09-29	A Systematic Review of Artificial Intelligence Techniques in Cancer Prediction and Diagnosis 2022, Archives of computational methods in engineering : state of the art reviews IF:9.7Q1 DOI:10.1007/s11831-021-09648-w PMID:34602811	综述	本文系统回顾了人工智能技术在癌症预测和诊断中的应用	本文总结了185篇使用AI技术进行癌症预测的研究，并比较了不同研究在预测率、准确性等参数上的表现	尽管现有文献中的多种技术取得了良好的预测结果，但癌症死亡率并未降低，仍需更多研究来应对癌症预测领域的挑战	回顾人工智能技术在癌症预测和诊断中的应用，并探讨现有研究的局限性	癌症预测和诊断	机器学习	NA	深度学习和机器学习	分类模型	NA	185篇研究论文
90	2024-09-29	Detection and Localization of Myocardial Infarction Based on Multi-Scale ResNet and Attention Mechanism 2022, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2022.783184 PMID:35153827	研究论文	本文提出了一种基于多尺度ResNet和注意力机制的心肌梗死检测与定位方法	本文创新性地结合了多尺度深度学习模型和注意力机制，提高了心肌梗死检测与定位的准确性和可解释性	本文未提及具体的局限性	研究目的是提高心肌梗死的早期诊断准确性和可解释性	研究对象是心肌梗死及其在心电图上的表现	机器学习	心血管疾病	深度学习	ResNet	心电图信号	使用了来自PhysioBank开放数据库的12导联心电图数据
91	2024-09-29	Epidemiological Mucormycosis treatment and diagnosis challenges using the adaptive properties of computer vision techniques based approach: a review 2022, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-12450-w PMID:35233180	综述	本文综述了利用计算机视觉技术的自适应特性在流行病学中治疗和诊断毛霉菌病（黑霉菌）的挑战	本文探讨了使用ResNet50模型和SVM分类器结合线性核函数在图像处理中达到94.7%准确率的新发现，并研究了深度信念网络在诊断致命真菌感染中的应用	NA	探讨如何利用现代技术如人工智能、机器学习和深度学习来应对毛霉菌病的治疗和诊断挑战	毛霉菌病（黑霉菌）的治疗和诊断	计算机视觉	NA	计算机视觉技术	ResNet50模型、SVM分类器、深度信念网络	图像	NA
92	2024-09-29	Machine Learning and Deep Learning Techniques for Optic Disc and Cup Segmentation - A Review 2022, Clinical ophthalmology (Auckland, N.Z.) DOI:10.2147/OPTH.S348479 PMID:35300031	综述	本文综述了用于视盘和视杯分割的机器学习和深度学习技术	本文提供了未来研究方向，以制定稳健的视杯和视盘分割系统	在使用深度学习策略进行临床试验之前，需要解决许多挑战	综述现有的机器学习和深度学习方法，并提供未来研究方向	视盘和视杯的分割	计算机视觉	眼科疾病	机器学习和深度学习	U-net及其变体	图像	15,445张带有青光眼或非青光眼标签的视网膜图像
93	2024-09-29	Cardiac MR: From Theory to Practice 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.826283 PMID:35310962	综述	本文综述了心血管磁共振（CMR）技术在心血管疾病（CVD）预防、诊断和治疗中的应用，涵盖了从基础物理到临床实践的五个关键方面	本文介绍了深度学习在CMR图像重建和分析中的最新进展，提供了自动、快速且可靠的生物标志物和临床相关参数的提取方法	影像、重建和分析方法的多样性和复杂性限制了CMR的广泛应用	提高心血管疾病的预防、诊断和治疗水平	心血管疾病及其相关病理的评估	机器学习	心血管疾病	心血管磁共振（CMR）	深度学习	图像	NA
94	2024-09-29	Magnetic resonance image-based brain tumour segmentation methods: A systematic review 2022 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076221074122 PMID:35340900	综述	本文系统回顾了基于磁共振图像的脑肿瘤分割方法	发现U-Net深度学习技术在磁共振图像脑肿瘤分割中具有高准确性	扩散加权和灌注加权磁共振成像的数据集有限	确定医学影像专家和临床医生可以使用的自动化脑肿瘤分割技术，以替代手动分割	脑肿瘤的分割方法	计算机视觉	脑肿瘤	磁共振成像	U-Net	图像	572项研究
95	2024-09-29	Computational Approaches for Acute Traumatic Brain Injury Image Recognition 2022, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2022.791816 PMID:35370919	综述	本文综述了用于急性创伤性脑损伤图像识别的计算方法	探讨了深度学习算法在创伤性脑损伤图像识别中的应用，包括分类和定位模型，以提高临床管理和精准医学的整合	NA	探讨计算方法在急性创伤性脑损伤图像识别中的应用	急性创伤性脑损伤的图像异常，包括颅内出血、颅骨骨折、颅内质量效应和卒中	计算机视觉	脑损伤	深度学习	CNN	图像	NA
96	2024-09-29	Fairness in Cardiac Magnetic Resonance Imaging: Assessing Sex and Racial Bias in Deep Learning-Based Segmentation 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.859310 PMID:35463778	研究论文	本文分析了基于深度学习的电影心脏磁共振成像（CMR）分割模型中的性别和种族偏见	首次在大规模数据库中分析了AI技术在电影CMR分割中的性别和种族偏见	研究仅基于UK Biobank数据库，且未考虑其他潜在混杂因素	评估AI技术在电影CMR分割中的性别和种族偏见	电影CMR图像中的左右心室和心肌的自动分割	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	5903名受试者，年龄61.5 ± 7.1岁，52%为男性，81%为白人
97	2024-09-29	Interfacing Machine Learning and Microbial Omics: A Promising Means to Address Environmental Challenges 2022, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2022.851450 PMID:35547145	review	本文综述了机器学习与微生物组学结合在解决环境挑战中的潜力	探讨了分子微生物生态学与人工智能结合的前沿领域，并提供了机器学习的基本介绍	当前研究领域存在局限性，需要进一步发展以实现环境监测和管理的目标	探讨机器学习在微生物生态学中的应用，以推进环境监测和管理实践	微生物群落及其在环境扰动中的响应	machine learning	NA	NA	NA	omics	NA
98	2024-09-29	Image Quality Control in Lumbar Spine Radiography Using Enhanced U-Net Neural Networks 2022, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2022.891766 PMID:35558524	研究论文	开发了一种基于深度学习的图像质量控制框架，用于分割和评估腰椎X光图像，以标准化放射成像程序	使用增强的U-Net神经网络进行腰椎X光图像的分割和质量评估	NA	标准化放射成像程序，提高腰椎X光图像的质量控制	腰椎X光图像的分割和质量评估	计算机视觉	NA	深度学习	U-Net	图像	1389名患者的腰椎X光图像，包括前后位、侧位和斜位图像
99	2024-09-29	A Systematic Approach for Explaining Time and Frequency Features Extracted by Convolutional Neural Networks From Raw Electroencephalography Data 2022, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2022.872035 PMID:35712676	研究论文	本文提出了一种基于模型可视化的新方法，用于解释卷积神经网络从原始脑电图数据中提取的时间和频率特征	本文首次系统地评估了在静息状态脑电图数据上训练的卷积神经网络中波形和频谱特征的重要性	NA	提高卷积神经网络在静息状态脑电图分析中的可解释性	卷积神经网络从原始脑电图数据中提取的时间和频率特征	机器学习	NA	卷积神经网络	CNN	脑电图数据	NA
100	2024-09-29	Individual Tree Crown Segmentation and Crown Width Extraction From a Heightmap Derived From Aerial Laser Scanning Data Using a Deep Learning Framework 2022, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2022.914974 PMID:35774816	研究论文	本文提出了一种基于深度学习框架的单木树冠分割和树冠宽度提取方法，使用从机载激光雷达数据生成的高度图	本文创新性地结合了YOLO-v4深度学习网络和计算机图形学算法，克服了现有方法在处理航空照片时遇到的异质光照和交错枝叶干扰的问题	NA	研究目的是从激光雷达数据中高效准确地提取单木树冠信息，以支持森林资源评估和智能管理	研究对象包括树苗园、森林景观和混合树种植园三种森林类型	计算机视觉	NA	激光雷达	YOLO-v4	高度图	三个森林样地，包括树苗园、森林景观和混合树种植园