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
1221	2024-08-28	Joint Dense Residual and Recurrent Attention Network for DCE-MRI Breast Tumor Segmentation 2022, Computational intelligence and neuroscience DOI:10.1155/2022/3470764 PMID:35498198	研究论文	本文提出了一种基于动态对比增强磁共振成像（DCE-MRI）的自动准确的两阶段U-Net分割框架，用于乳腺癌肿瘤检测	该框架在第一阶段使用改进的U-Net模型自动描绘乳腺感兴趣区域（ROI），第二阶段结合膨胀卷积的密集残差模块和循环注意力模块，提高了肿瘤与健康组织的分割准确性	NA	提高基于MRI的深度学习技术在乳腺癌肿瘤自动识别中的准确性	乳腺癌肿瘤的自动分割	计算机视觉	乳腺癌	DCE-MRI	U-Net	MRI数据	160例乳腺癌肿瘤病例
1222	2024-08-28	TA-Net: Topology-Aware Network for Gland Segmentation 2022-Jan, IEEE Winter Conference on Applications of Computer Vision. IEEE Winter Conference on Applications of Computer Vision DOI:10.1109/wacv51458.2022.00330 PMID:35509894	研究论文	本文提出了一种新的拓扑感知网络（TA-Net），用于准确分离密集聚集和严重变形的腺体	TA-Net采用多任务学习架构，通过学习实例分割和腺体拓扑估计的共享表示来增强腺体分割的泛化能力	NA	解决在组织病理学图像分析中准确分割密集聚集腺体的挑战	腺体分割	计算机视觉	NA	深度学习	CNN	图像	使用了GlaS和CRAG数据集
1223	2024-08-28	Big Data Fusion Method Based on Internet of Things Collection 2022, Computational intelligence and neuroscience DOI:10.1155/2022/1835309 PMID:35510060	研究论文	本文提出了一种基于FC-SAE的数据融合模型，用于处理时间序列数据和文本数据的异构性问题，并通过特征提取和数据融合提高预测准确性	提出了一种基于FC-SAE的数据融合模型，使用GloVe和CNN提取文本数据特征，FC神经网络提取时间序列数据潜在特征，并通过SEA模型进行数据融合	NA	解决时间序列数据和文本数据之间的异构性问题，提高数据融合的准确性	时间序列数据和文本数据	机器学习	NA	深度学习	FC-SAE, CNN	时间序列数据, 文本数据	NA
1224	2024-08-28	Research Progress of Machine Learning and Deep Learning in Intelligent Diagnosis of the Coronary Atherosclerotic Heart Disease 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/3016532 PMID:35516452	综述	本文综述了机器学习和深度学习在冠状动脉粥样硬化性心脏病智能诊断中的应用进展	人工智能技术，特别是机器学习和深度学习，为冠状动脉粥样硬化性心脏病的早期、精确和全面诊断提供了新方法	NA	探讨人工智能在冠状动脉粥样硬化性心脏病诊断中的应用	冠状动脉粥样硬化性心脏病	机器学习	心血管疾病	机器学习, 深度学习	NA	图像, 功能参数	NA
1225	2024-08-28	Estimating Alpha, Beta, and Gamma Diversity Through Deep Learning 2022, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2022.839407 PMID:35519811	研究论文	本文提出了一种基于深度学习的物种丰富度直接估算方法，跳过了估算单个物种范围的步骤，通过神经网络模型基于清单图的物种列表进行训练，预测基于空间相关变量的物种丰富度。	本文的创新点在于使用深度学习框架直接估算物种丰富度，跳过了传统方法中估算单个物种范围的步骤，提供了一种自动化估算生物多样性的新方法。	NA	本文的研究目的是开发一种新的方法来估算物种丰富度，以帮助识别高保护优先区域的物种多样性。	本文的研究对象是澳大利亚的植物多样性，通过高空间分辨率的独立可验证地图来评估alpha、beta和gamma多样性。	机器学习	NA	深度学习	神经网络	物种列表	NA
1226	2024-08-28	Correction of out-of-focus microscopic images by deep learning 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.04.003 PMID:35521557	研究论文	本文开发了一种基于CycleGAN和多组件加权损失函数的模型，用于校正显微镜图像中的失焦问题	提出的模型在校正失焦图像方面达到了最先进的性能，并展示了出色的泛化能力，能够应用于不同类型的显微镜图像数据集	NA	解决显微镜图像中的失焦问题，提高图像质量以支持生物医学研究和疾病诊断	利什曼原虫和牛肺动脉内皮细胞的显微镜图像	计算机视觉	NA	CycleGAN	GAN	图像	包括利什曼原虫数据集和牛肺动脉内皮细胞数据集，以及来自Broad Bioimage Benchmark Collection的人类细胞数据集
1227	2024-08-28	Network Intrusion Detection Method Combining CNN and BiLSTM in Cloud Computing Environment 2022, Computational intelligence and neuroscience DOI:10.1155/2022/7272479 PMID:35528357	研究论文	提出了一种结合CNN和BiLSTM网络的网络入侵检测方法	引入了注意力机制以提高分类准确性，并结合C5.0决策树和CNN BiLSTM深度学习模型直接学习高维数据的表征特征	NA	提高云计算环境中网络入侵检测系统的性能	网络入侵检测方法	计算机视觉	NA	CNN, BiLSTM	CNN, BiLSTM	图像	使用KDD CUP 99数据集
1228	2024-08-28	Analysis of Logistics Linkage by Digital Twins Technology and Lightweight Deep Learning 2022, Computational intelligence and neuroscience DOI:10.1155/2022/6602545 PMID:35528370	研究论文	本文研究了企业生产与分销（P-D）过程的优化，通过数字孪生技术和轻量级深度学习算法设计并验证了面向P-D物流联动的决策机制。	利用数字孪生技术进行实时数据映射和动态虚拟模拟，以及采用轻量级深度学习算法优化决策模型。	NA	满足不断发展的各种产品的个性化需求，提高企业内部生产与分销过程的联合运作效率。	企业生产与分销（P-D）过程的优化。	机器学习	NA	数字孪生技术，轻量级深度学习算法	协同优化（CO）方法	实时数据	应用于国内企业H，通过Matlab平台进行敏感性分析。
1229	2024-08-28	Evaluation Algorithm for the Effectiveness of Stroke Rehabilitation Treatment Using Cross-Modal Deep Learning 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/5435207 PMID:35529256	研究论文	本文提出了一种基于跨模态深度学习的卒中康复治疗效果评估算法	使用三维循环对抗生成神经网络模型恢复缺失的PET数据，并通过跨模态深度学习网络模型融合MRI和PET的特征图像进行识别	NA	研究卒中康复治疗效果的评估算法，以优化治疗方案	卒中患者的康复治疗效果	机器学习	卒中	跨模态深度学习	三维循环对抗生成神经网络	图像	MRI和PET图像被分为正样本和负样本
1230	2024-08-28	Deep learning kidney segmentation with very limited training data using a cascaded convolution neural network 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0267753 PMID:35533181	研究论文	本研究探讨了在训练数据非常有限的情况下，使用级联卷积神经网络（CNN）进行肾脏分割的可行性	采用3D增强的少样本深度学习方法，即使在单个Unet的情况下也能实现良好的性能，并且级联网络在某些情况下显著提高了分割性能	研究仅使用了60个受试者的数据，且仅限于MR图像	研究在训练数据非常有限的情况下，使用深度学习CNN模型进行肾脏分割的可行性	肾脏分割	计算机视觉	NA	深度学习	级联卷积神经网络（CNN）	图像	60个受试者，其中20个用于训练和测试，40个用于测试
1231	2024-08-28	Improved Deep Neural Network for Cross-Media Visual Communication 2022, Computational intelligence and neuroscience DOI:10.1155/2022/1556352 PMID:35535179	研究论文	本文提出了一种改进的生成对抗网络，用于提高跨媒体视觉通信中前景和背景分割的准确性及场景重建的精度	在生成对抗网络的基础上增加了组合编解码包，并配置生成器和判别器为级联结构，同时引入了基于卷积神经网络的新辅助分类器，以提高不同特征层视觉场景的识别准确率	NA	解决跨媒体视觉通信中的前景和背景分割问题，提高视觉通信场景重建的准确性	跨媒体视觉通信中的前景和背景分割及场景重建	计算机视觉	NA	生成对抗网络	GAN	图像	使用了Cityscapes、NoW和Replica数据集进行性能验证
1232	2024-08-28	Golden Standard or Obsolete Method? Review of ECG Applications in Clinical and Experimental Context 2022, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2022.867033 PMID:35547589	综述	本文综述了心电图（ECG）在研究和临床实践中的应用，探讨了各种方法的优缺点，并总结了高级数据分析的可能性	特别强调了在广泛临床应用中扩展的最新深度学习技术，这些技术在实验分支中展现出有前景的前景	NA	探讨心电图在心血管研究中的应用及其在临床和实验环境中的重要性	心血管系统及其在生理和病理生理条件下的功能	NA	心血管疾病	深度学习	深度学习模型	心电图数据	NA
1233	2024-08-28	Update on the Use of Nanocarriers and Drug Delivery Systems and Future Directions in Cervical Cancer 2022, Journal of immunology research IF:3.5Q2 DOI:10.1155/2022/1636908 PMID:35571568	综述	本文综述了纳米载体和药物递送系统在宫颈癌治疗中的应用及未来发展方向	提出通过纳米技术将化疗药物直接递送至宫颈癌细胞，减少副作用，并引入全息技术实现药物递送动力学的非微分模型，以及人工智能作为新的分析方法	NA	探讨纳米载体和药物递送系统在宫颈癌治疗中的应用及未来发展	宫颈癌及其治疗	NA	宫颈癌	纳米技术	NA	NA	NA
1234	2024-08-28	Attention-Based DSC-ConvLSTM for Multiclass Motor Imagery Classification 2022, Computational intelligence and neuroscience DOI:10.1155/2022/8187009 PMID:35571721	研究论文	本文提出了一种基于注意力机制的DSC-ConvLSTM模型，用于多类运动想象脑电信号分类，以提高分类准确率	采用深度可分离卷积提取脑电信号的空间特征，并通过改进的LSTM单元结合注意力机制提取时间域特征，提高了模型的解码性能	NA	提高运动想象脑电信号分类的准确率，推动脑机接口技术的发展	运动想象脑电信号	机器学习	NA	深度学习	DSC-ConvLSTM	脑电信号	使用两个数据集，BCI Competition IV Dataset 2a和高伽马数据集进行实验
1235	2024-08-28	Generating Full-Field Digital Mammogram From Digitized Screen-Film Mammogram for Breast Cancer Screening With High-Resolution Generative Adversarial Network 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.868257 PMID:35574397	研究论文	本研究开发了一种基于深度学习的生成算法HRGAN，用于从数字化屏幕胶片乳腺摄影（DFM）生成全视野数字乳腺摄影（FFDM），以提高乳腺癌筛查中深度学习算法的性能。	HRGAN算法能够在使用高分辨率DFM作为输入的同时保持图像分辨率和细节，解决了生成高分辨率FFDM的挑战。	由于网络容量和GPU内存的限制，生成高分辨率FFDM仍然是一个挑战。	开发一种基于FFDM的深度学习算法，同时利用现有的标记DFM数据集。	全视野数字乳腺摄影（FFDM）和数字化屏幕胶片乳腺摄影（DFM）。	计算机视觉	乳腺癌	生成对抗网络（GAN）	U-Net类似生成器和修改鉴别器	图像	使用了两个公开的乳腺摄影数据集，包括3568张DFM和410张FFDM。
1236	2024-08-28	DeepNC: a framework for drug-target interaction prediction with graph neural networks 2022, PeerJ IF:2.3Q2 DOI:10.7717/peerj.13163 PMID:35578674	研究论文	本文提出了一种基于图神经网络的药物-靶点相互作用预测框架DeepNC	DeepNC框架利用三种图神经网络算法（GENConv、GCNConv和HypergraphConv）学习药物和靶点的特征，并通过全连接层预测结合亲和力值	NA	构建一种先进的基于深度学习的药物-靶点相互作用预测模型	药物和靶点的结合亲和力	机器学习	NA	图神经网络	GNN	图	使用了三个数据集（Davis、Kiba和Allergy）进行模型评估
1237	2024-08-28	Cleanup Sketched Drawings: Deep Learning-Based Model 2022, Applied bionics and biomechanics IF:1.8Q3 DOI:10.1155/2022/2238077 PMID:35578715	研究论文	本文提出了一种基于全卷积网络（FCNN）的深度学习模型，用于简化粗糙的栅格草图图像	该模型能够自动生成高质量的简化草图图像，有效解决了粗糙草图图像中的噪声、不必要背景和低分辨率问题	NA	研究如何使用深度学习技术自动清理和改进粗糙绘图	粗糙的栅格草图图像	计算机视觉	NA	深度学习	全卷积网络（FCNN）	图像	三个公开的栅格图像数据集
1238	2024-08-28	Automated bone marrow cytology using deep learning to generate a histogram of cell types 2022, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-022-00107-6 PMID:35603269	研究论文	本文开发了一种基于深度学习的端到端系统，用于自动化骨髓细胞学分析，并生成细胞类型直方图	提出了一种新的细胞类型直方图（HCT）表示方法，用于量化骨髓细胞类别概率分布，作为细胞学患者指纹	NA	开发一种支持人工智能的计算病理学技术，以提高血液学诊断的效率和准确性	骨髓细胞学分析	计算机视觉	血液疾病	深度学习	NA	图像	NA
1239	2024-08-28	AANet: Attentive All-level Fusion Deep Neural Network Approach for Multi-modality Early Alzheimer's Disease Diagnosis 2022, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:37128453	研究论文	本文提出了一种名为AANet的新系统，用于融合多层次和多模态患者数据，包括3D脑图像、患者人口统计学、遗传学和血液生物标志物，以进行早期阿尔茨海默病诊断。	AANet通过自注意力机制的全层次融合方法，自动调整各层次MRI图像特征、患者人口统计学、血液生物标志物和遗传数据的权重，实现了多模态数据的有效整合。	NA	开发一种新的深度学习框架，用于多模态数据融合的疾病诊断。	早期阿尔茨海默病的诊断。	机器学习	阿尔茨海默病	深度学习	CNN	图像、文本	数据来自阿尔茨海默病神经成像倡议
1240	2024-08-27	A cross-scanner and cross-tracer deep learning method for the recovery of standard-dose imaging quality from low-dose PET 2022-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-021-05644-1 PMID:34950968	研究论文	本文开发了一种深度学习方法，能够在不同扫描器和示踪剂下从低剂量PET图像恢复到标准剂量图像质量	本文创新性地开发了一种条件生成对抗网络（GAN），用于跨扫描器和跨示踪剂的优化，以提高AI在临床实践中的可信度	NA	旨在开发一种AI技术，能够在不同扫描器和示踪剂下独立应用，从低剂量扫描中恢复高质量成像	237名患者的脑部[18F]FDG PET图像，以及不同扫描器和示踪剂下的PET图像	计算机视觉	NA	条件生成对抗网络（GAN）	GAN	图像	237名患者的脑部[18F]FDG PET图像，45名患者的[18F]FDG PET图像，18名患者的[18F]FET PET图像，10名患者的[18F]Florbetapir图像