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
161	2024-09-08	Predicting the tissue outcome of acute ischemic stroke from acute 4D computed tomography perfusion imaging using temporal features and deep learning 2022, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2022.1009654 PMID:36408399	研究论文	本文提出了一种基于深度学习的模块化UNet网络，用于从急性缺血性卒中患者的急性4D CT灌注成像中预测组织结果	本文创新性地将时间特征提取与组织结果预测分离，允许使用灌注参数图进行模型验证，并从时空CTP数据中进行端到端学习	本文未正式调查将深度学习应用于源或反卷积CTP数据与灌注参数图相比的益处	研究目的是预测急性缺血性卒中患者的随访病变，以辅助临床决策	研究对象为接受静脉溶栓或动脉机械取栓治疗的急性缺血性卒中患者	计算机视觉	脑血管疾病	CT灌注成像	深度卷积网络（DCN）	图像	145例回顾性数据集，包括基线CT灌注成像、灌注参数图和随访非对比CT
162	2024-09-08	Real-time noise cancellation with deep learning 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0277974 PMID:36409690	研究论文	本文介绍了一种新的实时深度学习算法，用于生物测量中的噪声消除	提出了一种自适应的深度学习算法，能够产生与噪声相反的信号，实现破坏性干扰	仅在电生理学测量中进行了验证，尚未在其他领域广泛应用	开发一种有效的噪声消除技术，以提高生物测量信号的质量	电生理学信号，特别是脑电图（EEG）中的肌电噪声	机器学习	NA	深度学习	NA	信号	使用了定制的3D打印复合电极进行实验
163	2024-09-08	Applications of Computer Vision on Automatic Potato Plant Disease Detection: A Systematic Literature Review 2022, Computational intelligence and neuroscience DOI:10.1155/2022/7186687 PMID:36419507	综述	本文综述了计算机视觉技术在自动检测马铃薯病害中的应用	发现深度学习算法在检测作物病害方面比传统机器学习算法更常用	NA	综述计算机视觉技术在马铃薯病害检测中的应用	马铃薯病害检测	计算机视觉	NA	计算机视觉	深度学习	图像	39项主要研究
164	2024-09-08	Deep Learning in Ischemic Stroke Imaging Analysis: A Comprehensive Review 2022, BioMed research international IF:2.6Q3 DOI:10.1155/2022/2456550 PMID:36420096	综述	本文综述了深度学习在缺血性脑卒中影像分析中的应用现状	深度学习模型被认为是急性干预和指导缺血性脑卒中预后的有力辅助工具	当前研究存在问题和展望	探讨深度学习技术在缺血性脑卒中影像分析中的应用，以促进临床实践和改善患者临床结果	缺血性脑卒中的影像诊断和多模态预后	计算机视觉	脑血管疾病	深度学习	NA	影像	NA
165	2024-09-08	Deep-learning-based generation of synthetic 6-minute MRI from 2-minute MRI for use in head and neck cancer radiotherapy 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.975902 PMID:36425548	研究论文	研究利用深度学习技术从2分钟MRI生成高质量的合成6分钟MRI，用于头颈部癌症的放射治疗	首次利用深度学习生成高质量的合成MRI图像，以替代传统的6分钟MRI扫描	合成图像与真实图像之间仍存在一定差异，需要进一步改进	探索深度学习在生成高质量MRI图像中的应用，以提高放射治疗的准确性	头颈部癌症患者的MRI图像	计算机视觉	头颈部癌症	深度学习	生成对抗网络（GAN）	图像	108组头颈部MRI图像，包括2分钟和6分钟T2加权扫描
166	2024-09-08	NN-Poly: Approximating common neural networks with Taylor polynomials to imbue dynamical system constraints 2022, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2022.968305 PMID:36425848	研究论文	提出了一种将常见神经网络近似为泰勒多项式的方法，以赋予动力系统约束，从而提高状态预测的准确性	通过将神经网络近似为泰勒多项式，确保了算法在遵循物理定律的同时保持状态预测的准确性	目前仅在单层神经网络和多项式训练数据上进行了评估，未来工作将扩展到高维动力系统数据	解决现有神经网络在动力系统预测中不遵循物理定律的问题	全连接感知器、卷积和递归神经网络及其激活函数	机器学习	NA	泰勒多项式近似	神经网络	动力系统数据	NA
167	2024-09-07	An End-To-End Pipeline for Fully Automatic Morphological Quantification of Mouse Brain Structures From MRI Imagery 2022, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2022.865443 PMID:36304320	研究论文	本文开发了一种端到端的自动化管道，用于从MRI图像中量化小鼠大脑结构的形态学特征	提出了DeepBrainIPP，一种基于深度学习的脑图像处理管道，改进了颅骨剥离和数据增强策略，并直接分割小脑的小结构	NA	开发一种自动化的方法来量化小鼠大脑结构的形态学特征	小鼠大脑的MRI图像	计算机视觉	NA	深度学习	CNN	图像	172个原始图像，通过数据增强扩展到4040个样本
168	2024-09-07	Towards a better understanding of annotation tools for medical imaging: a survey 2022, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-12100-1 PMID:35350630	综述	本文综述了当前可用的医学影像标注工具，包括其图形用户界面和支持工具的描述	本文提供了对流行标注工具的深入回顾，并展示了它们在标注医学影像数据集中的成功应用	NA	旨在更好地理解医学影像标注工具，并为研究人员提供指导	医学影像标注工具及其在数据集标注中的应用	计算机视觉	NA	深度学习和机器学习	NA	图像	NA
169	2024-09-07	Deep learning in multimedia healthcare applications: a review 2022, Multimedia systems IF:3.5Q1 DOI:10.1007/s00530-022-00948-0 PMID:35645465	综述	本文综述了基于多媒体数据的深度学习技术在医疗保健应用中的发展现状	本文系统性地总结了深度学习在医疗保健领域的应用，特别是利用多媒体数据进行诊断、预测和治疗的创新方法	本文主要集中在综述现有研究，未提出新的技术或模型	探讨深度学习技术在医疗保健领域的应用，特别是利用多媒体数据进行诊断、预测和治疗	多媒体数据，包括图像、视频、音频和文本	机器学习	NA	深度学习	NA	多媒体数据	NA
170	2024-09-07	Exploring the Deep-Learning Techniques in Detecting the Presence of Coronavirus in the Chest X-Ray Images: A Comprehensive Review 2022, Archives of computational methods in engineering : state of the art reviews IF:9.7Q1 DOI:10.1007/s11831-022-09768-x PMID:35645554	综述	本文综述了利用深度学习技术在胸部X光图像中检测冠状病毒存在的研究	本文总结了多种传统和预训练的深度学习方法，这些方法被开发用于减少COVID-19疾病的传播	NA	探讨深度学习技术在冠状病毒检测中的应用	胸部X光图像中的冠状病毒检测	计算机视觉	冠状病毒	深度学习	CNN	图像	NA
171	2024-09-07	Combating multimodal fake news on social media: methods, datasets, and future perspective 2022, Multimedia systems IF:3.5Q1 DOI:10.1007/s00530-022-00966-y PMID:35818516	综述	本文综述了利用深度学习技术对抗社交媒体上的多模态假新闻的现状	本文首次全面探讨了多模态假新闻检测的技术和数据集，并提出了未来的研究方向	目前可用的多模态数据集有限，限制了研究的深入	探讨如何利用深度学习技术有效检测社交媒体上的多模态假新闻	社交媒体上的多模态假新闻	自然语言处理	NA	深度学习	NA	多模态数据	NA
172	2024-09-07	Automatic segmentation of COVID-19 from computed tomography images using modified U-Net model-based majority voting approach 2022, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-022-07653-z PMID:35968248	研究论文	本文提出了一种基于改进U-Net模型和多数投票方法的自动分割COVID-19肺部CT图像的深度学习方法	本文创新性地修改了U-Net模型的编码器部分，结合了VGG16、ResNet101、DenseNet121、InceptionV3和EfficientNetB5深度学习模型，并通过多数投票原则整合结果	NA	研究目的是通过深度学习和分割技术自动检测COVID-19肺部CT图像	研究对象是COVID-19肺部CT图像	计算机视觉	COVID-19	深度学习	U-Net	图像	COVID-19分割测试数据集
173	2024-09-07	Fusion Attention Mechanism for Foreground Detection Based on Multiscale U-Net Architecture 2022, Computational intelligence and neuroscience DOI:10.1155/2022/7432615 PMID:36172321	研究论文	本文提出了一种基于多尺度U-Net架构和融合注意力机制的前景检测方法	引入注意力机制到U-Net多尺度架构中，通过跳跃连接使网络更关注前景对象，抑制无关背景区域，提高模型学习能力	仅利用空间信息，未充分利用时间信息	改进前景检测的准确性	视频中的前景对象	计算机视觉	NA	深度学习	U-Net	图像	CDnet-2014数据集
174	2024-09-07	Onboard Pointing Error Detection and Estimation of Observation Satellite Data Using Extended Kalman Filter 2022, Computational intelligence and neuroscience DOI:10.1155/2022/4340897 PMID:36248921	研究论文	本文提出了一种基于扩展卡尔曼滤波（EKF）的轻量级深度学习算法，用于检测和估计观测卫星数据中的指向误差	本文的创新点在于使用扩展卡尔曼滤波（EKF）来检测和估计卫星数据中的指向误差，减少了对地面跟踪系统的依赖，并提高了轨道参数估计的精度	本文的局限性在于线性化过程中可能出现的误差，需要通过适当选择线性展开点和EKF算法模型中的雅可比矩阵计算来克服	本文的研究目的是开发一种高效的方法来检测和估计卫星数据中的指向误差，以提高卫星系统的安全性和可靠性	本文的研究对象是卫星数据中的指向误差，包括姿态和轨道误差	卫星通信	NA	扩展卡尔曼滤波（EKF）	扩展卡尔曼滤波（EKF）	卫星数据	NA
175	2024-09-07	A New method for promote the performance of deep learning paradigm in diagnosing breast cancer: improving role of fusing multiple views of thermography images 2022, Health and technology IF:3.1Q2 DOI:10.1007/s12553-022-00702-6 PMID:36254270	研究论文	本文提出了一种通过融合多视角热成像图像来提升深度学习模型在乳腺癌诊断中性能的新方法	通过融合正面、侧面45度和侧面45度热成像图像，利用迁移学习构建检测模型，显著提高了乳腺癌诊断的敏感性和特异性	需要进一步研究和改进以验证其在实际应用中的有效性	提升深度学习模型在乳腺癌早期诊断中的性能	乳腺癌的早期诊断	计算机视觉	乳腺癌	热成像	深度学习	图像	使用乳腺研究数据库（DMR）中的红外图像进行研究
176	2024-09-07	Data augmentation based on multiple oversampling fusion for medical image segmentation 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0274522 PMID:36256637	研究论文	本文提出了一种基于多重过采样融合的数据增强方法，用于医学图像分割	结合仿射变换和随机过采样进行数据增强，并使用加权交叉熵损失函数解决类别不平衡问题	未提及	提高医学图像分割模型的性能，特别是小组织病变的分割	肺结节和肝肿瘤的CT图像分割	计算机视觉	NA	NA	CNN	图像	使用了LUNA16和LiTS17数据集，涉及肺结节和肝肿瘤的CT图像
177	2024-09-07	Distributed search and fusion for wine label image retrieval 2022, PeerJ. Computer science DOI:10.7717/peerj-cs.1116 PMID:36262126	研究论文	本文研究了葡萄酒标签图像检索问题，提出了一种分布式搜索和融合框架	本文提出了两种分布式检索框架，实验结果表明这些框架在大规模葡萄酒标签数据集和牛津花卉数据集上表现优异，甚至超过了现有的最先进检索模型	NA	解决葡萄酒标签图像检索中的样本不平衡问题	葡萄酒标签图像及其相关信息	计算机视觉	NA	深度学习	分布式检索框架	图像	大规模葡萄酒标签数据集和牛津花卉数据集
178	2024-09-07	Counting people inside a region-of-interest in CCTV footage with deep learning 2022, PeerJ. Computer science DOI:10.7717/peerj-cs.1067 PMID:36262152	研究论文	本文提出了一种新的学习策略，使基于深度学习的人群计数模型能够仅在特定感兴趣区域（RoI）内计数人数	本文创新性地提出了Gap Regularizer方法，通过在人群计数模型的两个头部分别学习RoI内和RoI外的人数计数，从而提高模型在特定区域内的计数准确性	Gap Regularizer方法在深度模型（如ResNet-101）上无法产生显著影响	开发一种能够在特定感兴趣区域内准确计数人数的深度学习模型	人群计数模型在特定感兴趣区域（RoI）内的计数性能	计算机视觉	NA	深度学习	CNN	视频	使用了MOT17-09、MOT20-02和RHC数据集进行测试
179	2024-09-07	Development and validation of a predictive model combining clinical, radiomics, and deep transfer learning features for lymph node metastasis in early gastric cancer 2022, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2022.986437 PMID:36262277	研究论文	本研究开发并验证了一种结合临床、放射组学和深度迁移学习特征的预测模型，用于早期胃癌淋巴结转移	首次利用深度迁移学习、放射组学和临床特征的综合多维数据，具有良好的预测能力	NA	开发和验证一种预测模型，用于早期胃癌淋巴结转移	早期胃癌患者	计算机视觉	胃癌	深度迁移学习	支持向量机、K近邻、随机森林、XGBoost	图像	555名早期胃癌患者，分为训练组388人，内部验证组167人，外部验证组79人
180	2024-09-07	Automated mapping of Portulacaria afra canopies for restoration monitoring with convolutional neural networks and heterogeneous unmanned aerial vehicle imagery 2022, PeerJ IF:2.3Q2 DOI:10.7717/peerj.14219 PMID:36262418	研究论文	本文展示了使用卷积神经网络（CNN）和无人机图像对Portulacaria afra冠层进行自动分类，以监测生态恢复	利用深度学习算法和无人机图像进行大规模生态恢复监测的创新方法	NA	开发一种自动化的方法来监测生态恢复和再造林项目中的植被覆盖变化	Portulacaria afra冠层	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	使用不同型号的无人机在不同光照条件下采集的图像