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
741	2024-09-06	Real-time internet of medical things framework for early detection of Covid-19 2022, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-022-07582-x PMID:35912366	研究论文	提出了一种用于Covid-19感染检测和早期预防的IoMT框架	首次提出了结合IoMT、Apache Spark和机器学习算法（如随机森林和梯度提升树）的实时Covid-19检测框架	实验结果基于模拟数据，实际应用中可能存在差异	开发一种实时Covid-19检测系统，以减轻医疗系统的负担	Covid-19感染的早期检测和预防	机器学习	Covid-19	Apache Spark	随机森林和梯度提升树	健康数据	使用了Riverbed Modeler模拟软件中的多种传感器数据
742	2024-09-06	FAM: focal attention module for lesion segmentation of COVID-19 CT images 2022, Journal of real-time image processing IF:2.9Q2 DOI:10.1007/s11554-022-01249-5 PMID:36091622	研究论文	提出了一种新的焦点注意力模块（FAM）用于COVID-19 CT图像的病变分割	FAM包含通道注意模块和空间注意模块，通过中值滤波和距离变换生成粗略的空间注意力，并通过7×7卷积层进行修正，显著提高了分割精度	NA	提高COVID-19 CT图像病变分割的准确性	COVID-19 CT图像的病变区域	计算机视觉	COVID-19	深度学习	CNN	图像	使用了包含COVID-19 CT图像的公开数据集
743	2024-09-06	A Novel COVID-19 Detection Model Based on DCGAN and Deep Transfer Learning 2022, Procedia computer science DOI:10.1016/j.procs.2022.08.008 PMID:36120410	研究论文	本文提出了一种基于DCGAN和深度迁移学习的COVID-19检测模型，用于从X光图像中检测COVID-19	本文创新性地使用DCGAN生成与原始数据相似的假实例，并通过深度迁移学习提高分类器性能	数据增强在医疗领域有限数据的情况下可能不适用	生成用于神经网络训练的数据集，以从X光图像中检测COVID-19	COVID-19的X光图像检测	计算机视觉	NA	深度卷积生成对抗网络（DCGAN）	生成对抗网络（GAN）	图像	NA
744	2024-09-06	Few-shot learning approach with multi-scale feature fusion and attention for plant disease recognition 2022, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2022.907916 PMID:36186021	研究论文	本文提出了一种基于多尺度特征融合和注意力机制的小样本学习方法，用于植物病害识别	结合了多尺度特征和通道注意力机制，并提出了一组训练策略以适应不同的泛化需求	仅在特定数据设置下进行了实验，未涵盖所有可能的应用场景	解决小样本学习在植物病害识别中的应用问题	植物病害图像	计算机视觉	植物病害	小样本学习	Meta-Baseline	图像	1-shot 和 5-shot 任务分别涉及少量样本
745	2024-09-06	Towards edge devices implementation: deep learning model with visualization for COVID-19 prediction from chest X-ray 2022, Advances in computational intelligence DOI:10.1007/s43674-022-00044-w PMID:36187081	研究论文	提出了一种基于深度学习的模型，用于在边缘设备上通过胸部X光图像进行COVID-19预测，并结合可视化技术	采用迁移学习技术对卷积神经网络进行微调，以提高COVID-19和肺炎感染的预测准确性，并在边缘设备上实现高效的推理速度	未提及具体的研究局限性	开发一种能够在边缘设备上运行的深度学习模型，用于快速准确地诊断COVID-19	胸部X光图像，COVID-19和肺炎感染	计算机视觉	COVID-19	迁移学习	卷积神经网络	图像	未提及具体样本数量
746	2024-09-06	Facial Emotion Recognition Using a Novel Fusion of Convolutional Neural Network and Local Binary Pattern in Crime Investigation 2022, Computational intelligence and neuroscience DOI:10.1155/2022/2249417 PMID:36188698	研究论文	本文探讨了面部情感识别与犯罪调查中青少年心理特征分析的关系，并提出了一种结合卷积神经网络和局部二值模式的面部情感识别模型	本文创新性地将优化的中央局部二值模式算法引入卷积神经网络，构建了CNN-CLBP算法，显著提高了面部表情识别的准确率	该算法在识别悲伤表情时存在较高的误识别率	旨在分析犯罪青少年心理特征，并推动深度学习在心理特征提取中的应用	面部情感识别	计算机视觉	NA	卷积神经网络	CNN-CLBP	图像	NA
747	2024-09-06	The Application of Computer Intelligence in the Cyber-Physical Business System Integration in Network Security 2022, Computational intelligence and neuroscience DOI:10.1155/2022/5490779 PMID:36199962	研究论文	研究提出了一种基于深度学习的LSTM-AutoEncoder无监督预测模型，用于解决横向越权检测中的误报问题	使用LSTM网络构建AutoEncoder，提取横向越权场景的页面响应数据文本特征并进行重构，通过误差判断检测结果是否为误报	未提及具体限制	解决横向越权检测中的误报问题	横向越权检测中的页面响应数据	网络安全	NA	深度学习	LSTM-AutoEncoder	文本	未提及具体样本数量
748	2024-09-06	Peripapillary atrophy classification using CNN deep learning for glaucoma screening 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0275446 PMID:36201448	研究论文	本研究开发了一种基于眼底图像和深度学习算法的周边视网膜萎缩（PPA）检测方法，用于青光眼的筛查	本研究首次使用基于掩码区域卷积神经网络（R-CNN）和卷积神经网络（CNN）的深度学习算法进行PPA分类	需要进一步研究PPA边界的分割，以进行更详细的PPA检测，并结合视盘和视杯边界计算杯盘比	开发一种用于青光眼筛查的PPA检测方法	周边视网膜萎缩（PPA）	计算机视觉	青光眼	深度学习算法	卷积神经网络（CNN）	图像	2472张眼底图像，来自五个公共资源和一个沙特资源
749	2024-09-06	A Novel Computer Vision Model for Medicinal Plant Identification Using Log-Gabor Filters and Deep Learning Algorithms 2022, Computational intelligence and neuroscience DOI:10.1155/2022/1189509 PMID:36203732	研究论文	本文提出了一种使用Log-Gabor滤波器和深度学习算法进行药用植物识别的新型计算机视觉模型	本文的创新点在于将Log-Gabor滤波器与DenseNet201架构结合，创建了OTAMNet模型，显著提高了药用植物识别的准确率	本文未详细讨论模型在不同光照条件或植物叶片受损情况下的表现	开发一种高准确率的计算机视觉系统用于药用植物的识别	药用植物的叶片纹理特征	计算机视觉	NA	Log-Gabor滤波器	CNN	图像	49种植物物种
750	2024-09-06	Automatic tongue image quality assessment using a multi-task deep learning model 2022, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2022.966214 PMID:36203936	研究论文	本文提出了一种基于多任务深度学习模型的舌象质量评估方法	设计了一个多任务深度学习网络，通过添加舌象分割作为辅助任务来提高舌象质量评估的性能	未提及具体限制	确保采集的舌象图像质量符合中医诊断标准	舌象图像的质量评估	计算机视觉	NA	深度学习	多任务深度学习网络	图像	在不同光照条件、曝光度和舌体伸展条件下采集的舌象图像，并由经验丰富的中医师手动筛选为高质量和不合格的数据集
751	2024-09-06	Detecting COVID-19 infection status from chest X-ray and CT scan via single transfer learning-driven approach 2022, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2022.980338 PMID:36212141	研究论文	本文提出了一种基于迁移学习的单模型方法，用于从胸部X光和CT扫描图像中检测COVID-19感染状态	采用迁移学习方法，在医疗图像数据不足的情况下，快速生成可靠结果，并能同时处理X光和CT扫描图像	未提及具体模型的局限性	开发一种高效准确的方法，用于从胸部X光和CT扫描图像中检测COVID-19感染状态，以帮助快速分类患者并防止病毒传播	COVID-19感染患者和正常个体	计算机视觉	COVID-19	迁移学习	NA	图像	未提及具体样本数量
752	2024-09-06	Computed tomography-based deep-learning prediction of lymph node metastasis risk in locally advanced gastric cancer 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.969707 PMID:36212443	研究论文	本文开发并评估了一种基于CT图像的深度学习模型，用于预测局部晚期胃癌的淋巴结转移风险	本文首次使用深度学习技术从CT图像中提取特征，结合支持向量机进行分类，提供了一种新颖且非侵入性的方法来预测淋巴结转移	研究样本量有限，且仅限于单一医院的数据，可能影响模型的泛化能力	开发和评估一种基于CT图像的深度学习模型，用于术前预测局部晚期胃癌的淋巴结转移	局部晚期胃癌患者的淋巴结转移风险	计算机视觉	胃癌	深度学习	卷积神经网络 (CNN)	图像	523名病理确诊的局部晚期胃癌患者
753	2024-09-06	Clinical significance, challenges and limitations in using artificial intelligence for electrocardiography-based diagnosis 2022, International journal of arrhythmia DOI:10.1186/s42444-022-00075-x PMID:36212507	综述	本文综述了人工智能在基于心电图的诊断中的临床意义、挑战和局限性	人工智能引入了机器学习和深度学习算法，弥补了现有心电图分析方法的局限性，并取得了有希望的结果	人工智能算法也存在自身的挑战和局限性，如专业责任、系统性偏差、监控、网络安全以及技术和后勤挑战	增加对用于心电图诊断的人工智能算法的熟悉度和认识，并最终向感兴趣的利益相关者通报其在解决当前临床挑战中的潜在效用	人工智能在心电图诊断中的应用	机器学习	心血管疾病	NA	NA	NA	NA
754	2024-09-06	Fully automatic cardiac four chamber and great vessel segmentation on CT pulmonary angiography using deep learning 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.983859 PMID:36225963	研究论文	本文开发了一种基于深度学习的全自动心脏四腔和大血管分割模型，用于CT肺动脉造影	首次实现了CT肺动脉造影中全自动心脏四腔和大血管的分割，并展示了其高精度和低失败率	左心室和右心室心肌分割的Dice相似系数较低，且观察者间的一致性较差	开发一种全自动的心脏四腔和大血管分割模型，以提高CT肺动脉造影中心脏评估的准确性和可重复性	心脏四腔和大血管的分割	计算机视觉	肺血管疾病	深度学习	卷积神经网络	图像	200名患者用于训练和验证，20名外部患者用于测试
755	2024-09-06	Monitoring and early warning of a metal mine tailings pond based on a deep learning bidirectional recurrent long and short memory network 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0273073 PMID:36227890	研究论文	本文构建了一个基于深度学习双向循环长短记忆网络的金属矿尾矿库监测与预警系统	提出了基于深度学习双向循环长短记忆网络的单变量和多变量渗透线预测模型	NA	提高金属矿尾矿库的安全风险管理水平	金属矿尾矿库的渗透线	机器学习	NA	深度学习	双向循环长短记忆网络	监测数据	四个监测点的同截面不同位置数据和一个相邻的内部横向位移和内部垂直位移监测点数据
756	2024-09-06	An ensemble deep learning approach to evaluate haptic delay from a single trial EEG data 2022, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2022.1013043 PMID:36237844	研究论文	本文提出了一种基于2D CNN和transformer模型的集成深度学习方法，用于从单次脑电图数据中评估触觉延迟	本文首次提出了一种集成深度学习模型，能够从单次脑电图数据中检测触觉延迟的存在及其严重程度	研究仅限于特定的视觉-触觉交互任务，且样本量较小	研究触觉延迟对人类神经反应的影响，并开发一种自动评估用户在使用触觉接口时体验的方法	触觉延迟的存在及其严重程度	机器学习	NA	深度学习	2D CNN和transformer模型	脑电图数据	两个实验共涉及视觉-触觉交互任务的脑电图数据
757	2024-09-06	Artificial Intelligence Meets Whole Slide Images: Deep Learning Model Shapes an Immune-Hot Tumor and Guides Precision Therapy in Bladder Cancer 2022, Journal of oncology DOI:10.1155/2022/8213321 PMID:36245985	研究论文	本文构建并验证了一个基于全切片图像（WSI）的深度学习模型，用于描述膀胱癌（BLCA）患者肿瘤微环境（TME）的免疫表型和功能异质性，并探索了用于揭示WSI集群中潜在生物学途径的AI评分	本文首次将深度学习应用于全切片图像，构建了一个能够预测膀胱癌患者预后和指导精准治疗的AI评分模型	本文仅在膀胱癌患者中验证了模型的有效性，未来需要在更多癌症类型中进行验证	构建和验证一个基于全切片图像的深度学习模型，用于描述膀胱癌患者的免疫表型和功能异质性，并探索潜在的生物学途径	膀胱癌患者的肿瘤微环境（TME）	数字病理学	膀胱癌	深度学习	神经网络	图像	整合了TCGA队列和多个外部测试队列
758	2024-09-06	Deep Learning Classification of Breast Cancer Tissue from Terahertz Imaging Through Wavelet Synchro-Squeezed Transformation and Transfer Learning 2022-Jan, Journal of infrared, millimeter and terahertz waves DOI:10.1007/s10762-021-00839-x PMID:36246840	研究论文	本文通过小波同步挤压变换和迁移学习，利用深度学习方法对太赫兹成像技术获取的乳腺癌组织图像进行分类	本文创新性地使用小波同步挤压变换对太赫兹图像进行预处理，并结合深度卷积神经网络进行像素级分类，提高了分类准确性和肌肉与癌变区域的分割效果	本文的实验仅在新鲜切除的小鼠异种移植组织上进行，样本量有限，且未提及在人类组织上的应用效果	提高太赫兹成像技术在乳腺癌组织分类中的准确性和分割效果	新鲜切除的小鼠异种移植乳腺癌组织	计算机视觉	乳腺癌	太赫兹成像	深度卷积神经网络	图像	新鲜切除的小鼠异种移植乳腺癌组织样本
759	2024-09-06	Segmentation of Breast Tubules in H&E Images Based on a DKS-DoubleU-Net Model 2022, BioMed research international IF:2.6Q3 DOI:10.1155/2022/2961610 PMID:36246965	研究论文	本文提出了一种名为DKS-DoubleU-Net的深度学习模型，用于在H&E染色的图像中准确分割具有复杂外观的乳腺小管	本文的创新点在于使用DenseNet模块作为DoubleU-Net的第二个子网络的编码器，并通过Kernel Selecting Module (KSM)实现多尺度特征融合，以自适应地选择核进行乳腺小管的准确分割	NA	旨在通过深度学习技术提高乳腺小管在H&E图像中的分割准确性	乳腺小管	数字病理学	乳腺癌	深度学习	DKS-DoubleU-Net	图像	使用了公开的BRACS数据集和一个私人临床数据集
760	2024-09-06	Evaluating the use of synthetic T1-w images in new T2 lesion detection in multiple sclerosis 2022, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2022.954662 PMID:36248650	研究论文	本文研究了使用合成T1加权图像在新T2病变检测中的应用	提出了一种从T2-FLAIR图像生成合成T1加权图像的方法，并评估了其在多发性硬化症新T2病变检测中的性能	研究样本量较小，且仅限于多发性硬化症患者	评估合成T1加权图像在多发性硬化症新T2病变检测中的应用效果	多发性硬化症患者的新T2病变检测	计算机视觉	多发性硬化症	深度学习	NA	图像	136张多发性硬化症患者的图像，其中73张包含病变活动