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
941	2024-09-02	Self-assessment and deep learning-based coronavirus detection and medical diagnosis systems for healthcare 2022, Multimedia systems IF:3.5Q1 DOI:10.1007/s00530-021-00839-w PMID:34511733	研究论文	本文提出了一种基于深度学习的医疗图像分类方法DLM-COVID-19，用于COVID-19患者的检测，并开发了一个移动应用进行自我评估和在线诊断	提出了DLM-COVID-19模型，该模型在敏感性、特异性和准确性方面优于现有算法，并开发了一个结合自我评估和医学专业知识的移动应用	未提及具体限制	提高COVID-19的医疗图像分类和优化诊断，以及开发一个帮助预防病毒传播的移动应用	COVID-19患者和医疗图像分类	机器学习	肺部疾病	深度学习	CNN	图像	未提及具体样本数量
942	2024-09-02	A comprehensive Benchmark for fake news detection 2022, Journal of intelligent information systems IF:2.3Q3 DOI:10.1007/s10844-021-00646-9 PMID:35342227	研究论文	本文提供了一个基准框架，用于分析和讨论用于假新闻检测的最广泛使用和有前景的机器/深度学习技术，并利用了与文献中提出的不同的特征组合。	本文通过实验展示了在有限内容信息的情况下，不同方法在准确性和效率方面的优势和缺点。	文章中提到的信息关于新闻传播的可用性是有限的。	开发更准确的假新闻检测策略，特别是早期检测。	假新闻检测的机器/深度学习技术及其特征组合。	自然语言处理	NA	机器/深度学习	NA	文本	使用了广泛使用的真实世界数据集
943	2024-09-02	A deep learning-based framework for detecting COVID-19 patients using chest X-rays 2022, Multimedia systems IF:3.5Q1 DOI:10.1007/s00530-022-00917-7 PMID:35341212	研究论文	本文提出了一种基于深度学习的系统，用于从胸部X光图像中可靠地检测COVID-19患者	提出了一种轻量级的浅层卷积神经网络架构，具有高准确率、高灵敏度和高特异性	NA	快速开发一种高效的轻量级CNN架构，用于检测COVID-19感染患者	COVID-19患者的胸部X光图像	计算机视觉	COVID-19	深度学习	CNN	图像	2,541张胸部X光图像
944	2024-09-02	How deep learning is empowering semantic segmentation: Traditional and deep learning techniques for semantic segmentation: A comparison 2022, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-12821-3 PMID:35411201	review	本文比较了传统和深度学习技术在语义分割领域的应用，并探讨了深度学习如何提升语义分割的效率和准确性	本文通过研究约120篇相关论文，总结了深度学习在解决语义分割关键问题上的优势	NA	比较传统和深度学习技术在语义分割中的应用，并评估深度学习在此领域的改进	语义分割技术及其在图像和视频处理中的应用	computer vision	NA	deep learning	NA	image	约120篇相关研究论文
945	2024-09-02	COVID-CXNet: Detecting COVID-19 in frontal chest X-ray images using deep learning 2022, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-12156-z PMID:35431611	研究论文	本文研究使用深度卷积神经网络在大规模数据集中有效检测COVID-19病毒性肺炎的影像特征	提出了一种名为COVID-CXNet的模型，该模型能够基于相关且有意义的特征精确地检测和定位新冠病毒性肺炎	NA	开发一种全自动且强大的COVID-19检测系统	COVID-19病毒性肺炎的影像特征	计算机视觉	COVID-19	深度学习	CNN	图像	大量胸部X光图像
946	2024-09-02	Optimized deformable convolution network for detection and mitigation of ocular artifacts from EEG signal 2022, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-12874-4 PMID:35431612	研究论文	本文提出了一种基于优化可变形卷积网络的方法，用于从脑电图信号中检测和减轻眼部伪影	使用优化可变形卷积网络（DCN）和多种信号处理技术（如离散小波变换、Pisarenko谐波分解、主成分分析和独立成分分析）来提高眼部伪影检测和减轻的效率	NA	开发一种新的基于深度学习的眼部伪影检测和预防模型，以提高脑电图信号分析的效率	脑电图信号中的眼部伪影	机器学习	NA	离散小波变换（DWT）、Pisarenko谐波分解、主成分分析（PCA）、独立成分分析（ICA）、可变形卷积网络（DCN）	可变形卷积网络（DCN）	脑电图信号	来自不同受试者的脑电图数据
947	2024-09-02	C-COVIDNet: A CNN Model for COVID-19 Detection Using Image Processing 2022, Arabian journal for science and engineering IF:2.6Q2 DOI:10.1007/s13369-022-06841-2 PMID:35528505	研究论文	本文介绍了一种基于图像处理的COVID-19检测模型C-COVIDNet，该模型使用轻量级卷积神经网络（CNN）对胸部X光图像进行分类，以实现高效的COVID-19诊断	C-COVIDNet模型通过图像预处理提取感兴趣区域（ROI），实现了97.5%的准确率和97.91%的F1分数，超越了现有技术水平	NA	开发一种高效且成本效益高的COVID-19诊断方法，以改善治疗并消除误诊病例	COVID-19、肺炎和正常人的胸部X光图像	计算机视觉	呼吸系统疾病	图像处理	CNN	图像	包含COVID-19、肺炎和正常人的胸部X光图像的数据集
948	2024-09-02	Passenger Surveillance Using Deep Learning in Post-COVID-19 Intelligent Transportation System 2022, Transactions of the Indian National Academy of Engineering : an international journal of engineering and technology DOI:10.1007/s41403-022-00338-y PMID:35836615	研究论文	本文提出了一种基于深度学习的框架，用于在智能交通系统中进行乘客监控，以维护健康协议	首次尝试通过基于深度学习的图像分析在疫情后情况下监控车内社交距离	NA	开发一种自动监控系统，以在疫情后情况下确保乘客安全和遵守健康协议	车内乘客数量及其口罩佩戴情况	计算机视觉	NA	深度学习	CNN	图像	使用了增强的图像数据集
949	2024-09-02	Deep Learning-Based Recognition of Different Thyroid Cancer Categories Using Whole Frozen-Slide Images 2022, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2022.857377 PMID:35875502	研究论文	本文提出了一种基于深度学习的方法，使用全冷冻切片图像识别不同类别的甲状腺癌，并通过经验决策树向病理学家推荐罕见类别	首次使用深度学习方法识别甲状腺癌的罕见、良性和恶性类别，并通过经验决策树提高识别罕见类别的准确性	罕见类别的识别错误率显著高于良性和恶性类别	开发一种能够识别甲状腺癌罕见类别并提高病理学家工作效率的深度学习框架	甲状腺癌的罕见、良性和恶性类别	计算机视觉	甲状腺癌	深度学习	UNet模型	图像	1,374张全切片图像
950	2024-09-02	A retrospective study of 3D deep learning approach incorporating coordinate information to improve the segmentation of pre- and post-operative abdominal aortic aneurysm 2022, PeerJ. Computer science DOI:10.7717/peerj-cs.1033 PMID:35875647	研究论文	本文提出了一种结合坐标信息的3D深度学习方法，用于提高腹主动脉瘤术前和术后的分割效果	引入坐标信息到3D卷积神经网络中，以提高腹主动脉瘤的分割准确性	数据集未进行增强处理，且未使用后处理步骤	研究如何通过深度学习方法自动分割腹主动脉瘤，以辅助手术决策和后续治疗	腹主动脉瘤的3D分割	计算机视觉	心血管疾病	3D卷积神经网络	CNN	图像	200名患者的非对比和对比增强CT图像，每张图像包含64个切片，分辨率为256×256
951	2024-09-02	Transfer Learning-Based Condition Monitoring of Single Point Cutting Tool 2022, Computational intelligence and neuroscience DOI:10.1155/2022/3205960 PMID:35875754	研究论文	本文提出使用基于迁移学习的技术来监测单点切削工具的状态	利用预训练的深度学习网络如VGG-16、AlexNet、ResNet-50和GoogLeNet来识别切削工具的状态，并研究了超参数对性能的影响	未提及具体限制	提高制造业生产效率，通过智能和自动化的诊断工具来维护工具健康状况	单点切削工具的状态监测	机器学习	NA	迁移学习	CNN	振动信号	未提及具体数量
952	2024-09-02	A deep semantic vegetation health monitoring platform for citizen science imaging data 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0270625 PMID:35895741	研究论文	本文构建了一个基于深度语义分割的植被健康监测平台，用于处理公民科学项目中的RGB图像数据，以监测大面积景观中的植被健康状况	引入了基于深度语义分割的语义植被指数（SVI），并将其应用于公民科学项目中，以提高植被健康监测的准确性	文章未明确提及具体的局限性	开发一个能够准确监测大面积景观中植被健康状况的平台	澳大利亚景观中的植被健康状况	计算机视觉	NA	深度学习	语义分割模型	图像	数千张植被图像，来自澳大利亚地区的168个不同地点，覆盖六年的季度图像
953	2024-09-02	Predicting death risk analysis in fully vaccinated people using novel extreme regression-voting classifier 2022 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076221109530 PMID:35898288	研究论文	本研究利用机器学习模型预测接种疫苗人群的死亡风险，并比较了不同模型的效果	提出了一种新的极端回归-投票分类器模型，并在实验中显示出优于其他机器学习和深度学习模型的性能	NA	研究如何利用机器学习模型预测接种COVID-19疫苗后的死亡风险	接种COVID-19疫苗后出现的三种重要事件：未存活、康复和未康复	机器学习	COVID-19	NA	极端回归-投票分类器、卷积神经网络、长短期记忆网络、双向长短期记忆网络	文本	使用原始数据集和通过合成少数类过采样技术平衡的数据集进行实验
954	2024-09-02	A pilot study on deep learning-based grading of corners of vertebral bodies for assessment of radiographic progression in patients with ankylosing spondylitis 2022, Therapeutic advances in musculoskeletal disease IF:3.4Q2 DOI:10.1177/1759720X221114097 PMID:35898565	研究论文	本研究旨在开发一种基于深度学习模型的颈椎和腰椎椎体角度的分级方法，用于辅助检测强直性脊柱炎患者的mSASSS评分	首次开发了一种高性能的深度学习模型，用于椎体角度的分级	该模型需要进一步改进和验证，以开发未来的计算机辅助工具	开发一种深度学习模型，用于辅助检测强直性脊柱炎患者的mSASSS评分	颈椎和腰椎椎体角度	计算机视觉	强直性脊柱炎	深度学习	卷积神经网络	图像	1280名强直性脊柱炎患者，包括5,083张颈椎和5,245张腰椎侧位X光片，共计119,414个椎体角度
955	2024-09-02	Identification and Classification of Prostate Cancer Identification and Classification Based on Improved Convolution Neural Network 2022, BioMed research international IF:2.6Q3 DOI:10.1155/2022/9112587 PMID:35898684	研究论文	本研究基于改进的卷积神经网络对前列腺癌进行识别和分类	提出了一种基于改进U-Net网络的区域分割模型，通过密集连接块融合深浅层特征，并对各尺度特征进行监督	NA	提高前列腺癌诊断的客观性和重复性	前列腺癌的识别和分类	计算机视觉	前列腺癌	深度学习	U-Net网络	图像	一个完全注释的数据集
956	2024-09-02	Facility Layout Optimization of Urban Public Sports Services under the Background of Deep Learning 2022, Computational intelligence and neuroscience DOI:10.1155/2022/1748319 PMID:35898767	研究论文	本文采用M-P模型、损失函数和激活函数的方法，以即将举办亚运会的体育城市杭州为例，进行了城市公共体育服务布局优化的实验	利用深度学习技术优化城市公共体育服务的空间布局	实验仅基于杭州一个城市的情况，可能需要更多城市的数据以验证方法的普遍适用性	解决当前背景下城市体育社会设施布局不均衡及难以满足居民需求的问题	城市公共体育服务的空间布局	机器学习	NA	深度学习	M-P模型	数据	以杭州为例，进行了实验
957	2024-09-02	A Hierarchical Graph Learning Model for Brain Network Regression Analysis 2022, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2022.963082 PMID:35903810	研究论文	本文提出了一种用于脑网络回归分析的可解释图学习模型	该模型在有效性、公平性和透明度方面优于其他最先进的方法	NA	旨在提高脑网络分析的可解释性	脑网络和成人自我报告（ASR）评分	机器学习	NA	图学习方法	图学习模型	脑网络数据	来自人类连接组项目（HCP）的受试者
958	2024-09-02	Machine Learning Approaches to TCR Repertoire Analysis 2022, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2022.858057 PMID:35911778	综述	本文综述了基于机器学习和深度学习的T细胞受体库分析方法，并讨论了其未来前景	NA	NA	评估免疫系统的状态和异常	T细胞受体库	机器学习	NA	基因组测序技术	机器学习和深度学习	数据	NA
959	2024-09-02	Skin Cancer Classification With Deep Learning: A Systematic Review 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.893972 PMID:35912265	综述	本文全面概述了最新的基于深度学习的皮肤癌分类算法	总结了皮肤癌分类任务中的前沿问题及其解决方案，并指出这些方法的发展方向是结构化、轻量化和多模态	未提及具体的研究限制	提供基于深度学习的皮肤癌分类算法的全面概述	皮肤癌分类算法及其前沿问题	计算机视觉	皮肤癌	深度学习	CNN	图像	NA
960	2024-09-02	An effective behavior recognition method in the video session using convolutional neural network 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0266734 PMID:35913982	研究论文	提出了一种基于卷积神经网络的视频行为识别方法，通过增加目标检测阶段和改进损失函数，提高了行为识别的准确性	通过增加目标检测阶段和使用改进的损失函数，减少了背景噪声的干扰并解决了分类难度和样本不平衡问题	未提及具体限制	提高基于视频的行为识别方法的准确性	视频中的行为识别	计算机视觉	NA	卷积神经网络 (CNN)	CNN	视频	使用了不同的开源和基准数据集进行实验