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
821	2024-09-05	Predicting 3D dose distribution with scale attention network for prostate cancer radiotherapy 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2611769 PMID:36147747	研究论文	本研究提出了一种基于新型尺度注意力网络（SA-Net）的框架，用于前列腺癌放疗中的三维剂量分布预测	本研究引入了动态尺度注意力模型，结合不同尺度的特征图中的低级细节和高级语义，提高了剂量预测的准确性	NA	提高前列腺癌放疗治疗计划的准确性	前列腺癌放疗中的三维剂量分布	机器学习	前列腺癌	NA	尺度注意力网络（SA-Net）	距离数据、CT图像	训练集包含120个病例，测试集包含20个病例
822	2024-09-05	SchizoGoogLeNet: The GoogLeNet-Based Deep Feature Extraction Design for Automatic Detection of Schizophrenia 2022, Computational intelligence and neuroscience DOI:10.1155/2022/1992596 PMID:36120676	研究论文	本文设计了一种基于GoogLeNet模型的深度学习特征提取方案SchizoGoogLeNet，用于自动检测精神分裂症	提出了一种基于GoogLeNet的深度学习特征提取方法，能够更有效地从脑电图信号中区分精神分裂症患者和健康对照组	NA	开发一种用于精神分裂症检测的诊断工具	精神分裂症患者和健康对照组的脑电图信号	机器学习	精神分裂症	深度学习	GoogLeNet	脑电图信号	未具体说明样本数量
823	2024-09-05	CHS-Net: A Deep Learning Approach for Hierarchical Segmentation of COVID-19 via CT Images 2022, Neural processing letters IF:2.6Q3 DOI:10.1007/s11063-022-10785-x PMID:35310011	研究论文	本文提出了一种基于深度学习的自动化模型CHS-Net，用于通过CT影像对COVID-19感染区域进行层次分割	CHS-Net采用两个级联的残差注意力 inception U-Net (RAIU-Net)模型，结合光谱空间和深度注意力网络(SSD)，有效编码和解码语义及多分辨率信息	NA	开发一种自动化深度学习模型，以快速准确地诊断COVID-19	COVID-19患者的CT影像	计算机视觉	COVID-19	深度学习	CNN	影像	未具体说明样本数量
824	2024-09-05	Monitoring social-distance in wide areas during pandemics: a density map and segmentation approach 2022, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-022-03172-5 PMID:35400844	研究论文	本文提出了一种基于深度学习的新框架，用于在可能存在重要遮挡的广阔区域内监测违反社交距离的人群	本文创新地提出了两种解决方案：基于密度图和基于分割的方法，用于检测违反社交距离约束的人群	NA	旨在防止COVID-19疫情的新大规模爆发，通过监测拥挤公共空间中的社交距离	监测广阔区域内的社交距离	计算机视觉	NA	深度学习	NA	图像	使用了PET2009和CityStreet数据集生成的地面实况数据进行评估
825	2024-09-05	Improved COVID-19 detection with chest x-ray images using deep learning 2022, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-13509-4 PMID:35968409	研究论文	本文旨在开发一种使用胸部X光片作为输入并将其分类为COVID-19、病毒性肺炎和健康三类之一的计算机辅助设计系统	利用四种预训练的深度神经网络（DNNs）来找到最适合该系统的模型	COVID-19阳性胸部X光片数据集较小	提高COVID-19的检测速度和准确性	胸部X光片图像分类	计算机视觉	COVID-19	深度学习	AlexNet	图像	2905张图像，包括219例COVID-19病例、1341例健康病例和1345例病毒性肺炎病例
826	2024-09-05	Privacy-preserving household load forecasting based on non-intrusive load monitoring: A federated deep learning approach 2022, PeerJ. Computer science DOI:10.7717/peerj-cs.1049 PMID:36092014	研究论文	本文提出了一种基于联邦深度学习和非侵入式负载监测（NILM）的家庭负载预测方法	这是首次在基于NILM的家庭负载预测中应用联邦学习（FL）的研究	NA	旨在通过联邦深度学习提高家庭负载预测的准确性和隐私保护	家庭负载预测	机器学习	NA	联邦学习（FL）	深度学习模型	电力数据	NA
827	2024-09-05	How to learn with intentional mistakes: NoisyEnsembles to overcome poor tissue quality for deep learning in computational pathology 2022, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2022.959068 PMID:36106328	研究论文	本文探讨了在计算病理学中使用深度学习技术时，如何通过引入标签噪声训练NoisyEnsembles来克服组织质量差的问题	提出了一种新的方法NoisyEnsembles，通过在训练过程中引入标签噪声来提高CNN在低质量数据上的性能	文章未明确指出具体的局限性	研究如何提高深度学习模型在计算病理学中的应用性能，特别是在组织质量较差的情况下的表现	TCGA卵巢癌（TCGA-OV）数据集中的不同组织样本	数字病理学	卵巢癌	卷积神经网络（CNN）	NoisyEnsembles	图像	使用了TCGA卵巢癌（TCGA-OV）数据集中的样本
828	2024-09-05	Dermoscopic image segmentation based on Pyramid Residual Attention Module 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0267380 PMID:36112649	研究论文	本文提出了一种结合金字塔残差注意力（PRA）模块的堆叠卷积神经网络，用于自动分割皮肤镜图像	引入了金字塔残差注意力模块，通过金字塔结构提取不同尺度的病变区域特征信息，残差机制确保模型训练效率，注意力机制筛选有效特征图	NA	提高皮肤病变诊断和治疗中计算机辅助诊断技术的精确分割能力	皮肤镜图像中的病变区域	计算机视觉	NA	卷积神经网络	CNN	图像	使用了ISIC2017和ISIC2018数据集进行广泛评估
829	2024-09-05	Applying artificial intelligence technology to assist with breast cancer diagnosis and prognosis prediction 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.980793 PMID:36119479	综述	本文综述了人工智能技术在乳腺癌诊断和预后预测中的应用进展	探讨了放射组学特征与肿瘤微环境之间的关联，并介绍了基于人工智能的定量图像特征分析模型在乳腺癌风险预测、肿瘤恶性程度评估及治疗反应预测中的应用	尽管基于人工智能的乳腺癌图像模型取得了显著进展，但在临床实践中的应用仍面临障碍	旨在回顾和评估人工智能技术在乳腺癌诊断和预后预测中的最新进展	乳腺癌的诊断、预后预测以及治疗反应	计算机视觉	乳腺癌	放射组学和深度学习技术	人工智能模型	图像	NA
830	2024-09-05	Dance Action Recognition Model Using Deep Learning Network in Streaming Media Environment 2022, Journal of environmental and public health DOI:10.1155/2022/8955326 PMID:36133163	研究论文	本文研究了一种基于深度学习网络的卷积神经网络用于舞蹈动作识别的方法，并通过模拟测试验证了其有效性	通过添加手动提取的时间域光流信息，提高了卷积神经网络在舞蹈动作识别中的准确性	NA	研究舞蹈动作识别技术，提高其在智能应用中的效果	舞蹈动作识别	计算机视觉	NA	深度学习	卷积神经网络（CNN）	视频	NA
831	2024-09-05	LCDAE: Data Augmented Ensemble Framework for Lung Cancer Classification 2022 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338221124372 PMID:36148908	research paper	本文提出了一种用于肺癌分类的数据增强集成框架LCDAE，通过合成图像和数据增强技术提高模型性能并解决过拟合问题	引入LCDAE框架，结合深度卷积GAN、数据增强集成模型和混合数据增强技术，显著提升了肺癌分类任务的准确性、精确度和F1分数	NA	提高肺癌早期检测的准确性，降低患者死亡率	肺癌分类	computer vision	lung cancer	深度学习	CNN, GAN	image	NA
832	2024-09-05	Deformation Analysis and Research of Building Envelope by Deep Learning Technology under the Reinforcement of the Diaphragm Wall 2022, Computational intelligence and neuroscience DOI:10.1155/2022/9489445 PMID:36156955	研究论文	本文通过深度学习技术中的长短期记忆网络（LSTM）模型，对地下建筑外壳的变形进行分析和预测，以提高其安全性	采用LSTM模型进行地下建筑外壳变形预测，提高了预测的准确性和效率	模型在预测水平位移和沉降位移时的平均相对误差仍有一定范围，且计算时间较长	优化地下建筑外壳的安全分析结果，全面提升地下建筑的安全性	地下建筑外壳的变形分析和预测	机器学习	NA	长短期记忆网络（LSTM）	LSTM	数据	未明确提及具体样本数量
833	2024-09-05	Application of Genetic Algorithm and U-Net in Brain Tumor Segmentation and Classification: A Deep Learning Approach 2022, Computational intelligence and neuroscience DOI:10.1155/2022/5625757 PMID:36156956	研究论文	本文提出了一种基于遗传算法和U-Net的深度学习方法，用于脑肿瘤的分割和分类	本文引入了遗传算法进行分割，并使用U-Net进行分类，提高了脑肿瘤检测的准确性	NA	旨在通过深度学习技术提高脑肿瘤检测的准确性	脑肿瘤的分割和分类	机器学习	脑癌	遗传算法, U-Net, 离散小波变换 (DWT), 粒子群优化技术	U-Net	图像	130名患者的多种序列MRI数据
834	2024-09-05	DeepHEMNMA: ResNet-based hybrid analysis of continuous conformational heterogeneity in cryo-EM single particle images 2022, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2022.965645 PMID:36158571	研究论文	本文介绍了一种基于ResNet的深度学习方法DeepHEMNMA，用于加速分析cryo-EM单颗粒图像中的连续构象异质性	DeepHEMNMA结合了HEMNMA方法与基于ResNet的深度学习技术，显著降低了计算成本	NA	开发一种新的方法以加速分析cryo-EM单颗粒图像中的连续构象异质性	cryo-EM单颗粒图像中的连续构象异质性	计算机视觉	NA	cryo-EM	ResNet	图像	NA
835	2024-09-05	Pre-thrombectomy prognostic prediction of large-vessel ischemic stroke using machine learning: A systematic review and meta-analysis 2022, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2022.945813 PMID:36158960	meta-analysis	本文通过系统综述和荟萃分析，总结了使用机器学习方法对接受血管内血栓切除术的大血管闭塞性脑卒患者进行术前预后预测的研究	探讨了传统机器学习模型和深度学习模型在预测大血管闭塞性脑卒治疗后结果中的应用	大多数模型使用小数据集开发，缺乏坚实的外部验证，且存在潜在偏倚风险	旨在总结基于机器学习的术前预后模型，并识别关键研究空白	接受血管内血栓切除术的大血管闭塞性脑卒患者	machine learning	ischemic stroke	machine learning	ML models, DL models	clinical data	16项研究描述的19个模型
836	2024-09-05	Construction and Analysis of Emotion Recognition and Psychotherapy System of College Students under Convolutional Neural Network and Interactive Technology 2022, Computational intelligence and neuroscience DOI:10.1155/2022/5993839 PMID:36164423	research paper	本研究旨在有效建立大学生心理干预和治疗系统，及时发现和纠正他们的心理问题。从教育学和心理学角度出发，选取体育专业大学生作为研究对象，基于卷积神经网络（CNN）建立了一个互动式大学生情绪识别和心理干预系统	本研究采用深度学习CNN模型，相比反向传播神经网络（BPNN）和决策树算法，具有更好的情绪识别能力。同时，采用支持向量机算法进行情绪分类，提高了识别准确率	NA	旨在通过情绪识别猜测学生的心理状态，减少人为参与，为大学心理治疗提供新的研究思路	体育专业的大学生	machine learning	NA	卷积神经网络（CNN）	CNN	image	未明确具体数量
837	2024-09-05	Optimal Facial Feature Based Emotional Recognition Using Deep Learning Algorithm 2022, Computational intelligence and neuroscience DOI:10.1155/2022/8379202 PMID:36177319	研究论文	本研究通过改进卷积神经网络技术，识别七种基本情绪，并评估多种预处理技术对CNN性能的影响	提出了一种基于深度学习的卷积神经网络技术，用于优化面部特征的情感识别	未使用优化技术	提高基于面部特征的情感识别准确性	七种基本情绪的识别	计算机视觉	NA	卷积神经网络	CNN	图像	约32,298张图片用于测试和训练
838	2024-09-05	Construction of Intelligent Nursing System Based on Visual Action Recognition Algorithm 2022, Computational intelligence and neuroscience DOI:10.1155/2022/8311371 PMID:36177321	研究论文	本文构建了一个基于视觉动作识别算法的智能护理系统，旨在通过视频监控识别老年人的生活状态，提供实时高效的护理服务	利用深度学习算法进行视觉动作识别，以满足老年人多样化的需求，并提供更高质量的生活和人文关怀	NA	开发一种智能护理系统，通过视觉动作识别算法提高老年人的生活质量和护理效率	老年人的日常生活状态，特别是正常生活状态和跌倒状态	计算机视觉	NA	深度学习算法	DL	视频	未具体说明
839	2024-09-05	Deep learning applications in myocardial perfusion imaging, a systematic review and meta-analysis 2022, Informatics in medicine unlocked DOI:10.1016/j.imu.2022.101055 PMID:36187893	综述	本文对深度学习在心肌灌注成像中的应用进行了系统回顾和荟萃分析	深度学习在提高心肌灌注成像诊断准确性、预测患者事件和安全性方面显示出潜力	需要更多临床应用研究以实现对已知或疑似冠状动脉疾病患者的更好护理	总结深度学习在心肌灌注成像中的应用证据	深度学习在心肌灌注成像中的应用	机器学习	心血管疾病	NA	CNN	图像	46项研究
840	2024-09-05	EasyDAM_V2: Efficient Data Labeling Method for Multishape, Cross-Species Fruit Detection 2022, Plant phenomics (Washington, D.C.) DOI:10.34133/2022/9761674 PMID:36204392	研究论文	本文提出了一种改进的数据标注方法EasyDAM_V2，用于多形状和跨物种水果检测	引入了Across-CycleGAN图像转换网络和伪标签自适应阈值选择策略，以提高数据标注的准确性	NA	旨在降低基于深度学习的水果检测模型的应用成本	多形状和跨物种水果的检测	计算机视觉	NA	GANs	CycleGAN	图像	使用了一个有标签的橙子数据集作为源域，火龙果和芒果数据集作为目标域