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
901	2024-09-05	Computer-Aided Diagnosis for Determining Sagittal Spinal Curvatures Using Deep Learning and Radiography 2022-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00592-0 PMID:35277750	研究论文	本研究开发并评估了一种基于深度学习的计算机辅助诊断（CAD）工具，用于从X光图像中自动测量脊柱矢状面排列	提出了一种基于U-Net的分割模型和使用参数方程及三角函数的脊柱角度测量算法，用于自动分析胸椎后凸和腰椎前凸角度	NA	开发一种自动化的深度学习CAD工具，以帮助临床医生减少观察者间的变异性和所需的时间或努力	脊柱矢状面排列的自动测量	计算机视觉	NA	深度学习	U-Net	图像	322个数据集
902	2024-09-05	Utilizing Synthetic Nodules for Improving Nodule Detection in Chest Radiographs 2022-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00608-9 PMID:35304676	研究论文	本文提出了一种使用合成结节来提高胸部X光片中结节检测准确性的框架	本文不仅使用生成模型生成视觉上合理的异常结节进行数据增强，还进一步调整训练算法以最大化利用合成异常结节	需要进一步验证该方法在不同数据集上的泛化能力	旨在通过使用合成结节来提高胸部X光片中结节检测的准确性和效率	胸部X光片中的结节检测	计算机视觉	NA	深度学习	深度神经网络（DNN）	图像	内部和外部数据集
903	2024-09-05	Difference imaging from single measurements in diffuse optical tomography: a deep learning approach 2022-08, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.27.8.086003 PMID:36008881	研究论文	本文提出了一种基于深度学习的扩散光学断层成像（DOT）差异成像方法，通过仅使用目标测量数据来简化数据采集并缓解匹配问题	该方法通过深度学习技术，仅使用目标测量数据即可生成差异成像数据，无需额外的参考测量，从而简化了数据采集过程并缓解了目标介质与参考介质之间的匹配问题	NA	旨在通过深度学习方法简化扩散光学断层成像中的数据采集过程并缓解匹配问题	扩散光学断层成像中的差异成像方法	机器学习	NA	扩散光学断层成像（DOT）	人工神经网络	模拟数据、幻影实验数据和临床数据	56名患有乳腺病变的患者
904	2024-09-05	Learning-based three-dimensional registration with weak bounding box supervision 2022-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.9.4.044001 PMID:35847178	研究论文	本文提出了一种基于弱边界框监督的学习方案，用于可变形图像配准，通过仅使用边界框标签计算损失函数，训练图像配准网络处理大位移变形	本文创新地使用弱边界框监督学习方案，减少了详细标注的需求，提高了图像配准的性能	NA	提高医学图像分析中图像配准方法的性能	三维腹部CT和MRI图像的配准	计算机视觉	NA	深度学习	CNN	图像	NA
905	2024-09-05	High frame rate (∼3 Hz) circular photoacoustic tomography using single-element ultrasound transducer aided with deep learning 2022-06, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.27.6.066005 PMID:36452448	研究论文	本文提出了一种基于深度学习的高帧率圆形光声断层成像方法，使用单元素超声换能器进行快速扫描数据重建。	通过使用基于U-Net的深度学习框架，实现了在单元素和多元素超声换能器基础上的光声断层成像系统中提高成像帧率。	在高速扫描时，由于稀疏信号采集和低信噪比导致的伪影限制了成像速度。	提高光声断层成像系统的帧率（或成像速度），同时不降低成像质量。	单元素和多元素超声换能器基础上的光声断层成像系统。	计算机视觉	NA	深度学习	U-Net	图像	涉及了模拟和活体成像实验。
906	2024-09-05	Deep Learning-Inferred Multiplex ImmunoFluorescence for Immunohistochemical Image Quantification 2022-Apr, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-022-00471-x PMID:36118303	研究论文	本文介绍了一种名为DeepLIIF的多任务深度学习框架，用于免疫组化图像的定量分析	提出了一种单步解决方案，用于染料解卷积/分离、细胞分割和定量单细胞免疫组化评分	NA	开发一种能够将免疫组化图像转换为多重免疫荧光图像的深度学习框架	免疫组化（IHC）和多重免疫荧光（mpIF）染色技术	计算机视觉	NA	深度学习	CNN	图像	使用了共注册的IHC和mpIF染色的组织切片数据集
907	2024-09-05	Deep learning in macroscopic diffuse optical imaging 2022-02, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.27.2.020901 PMID:35218169	综述	本文全面回顾了深度学习在宏观漫反射光学成像中的应用	深度学习在光学成像中的应用带来了分析时间大幅减少、重建质量提高、对噪声的鲁棒性增强以及学习复杂端到端关系的能力	NA	旨在全面回顾深度学习在宏观漫反射光学成像中的应用	宏观漫反射光学成像中的深度学习应用	计算机视觉	NA	深度学习	DL	图像	NA
908	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
909	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
910	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
911	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
912	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
913	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
914	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
915	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
916	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
917	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
918	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
919	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
920	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