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
1361	2024-08-27	Determination of the Severity and Percentage of COVID-19 Infection through a Hierarchical Deep Learning System 2022-Mar-28, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm12040535 PMID:35455654	研究论文	本文介绍了一种基于层次智能系统的新方法，利用深度学习模型通过X射线和胸部CT扫描检测和分类COVID-19患者，并评估感染程度和严重性	提出了一种新的分层智能系统，使用深度学习模型和新的直方图数据库来定义COVID-19患者在不同CT切片中的感染情况	NA	开发一种自动系统，通过机器学习在医学图像上对COVID-19患者进行严重性分级，以辅助医疗专家的决策	COVID-19患者的感染检测、感染百分比评估和严重性分类	机器学习	COVID-19	深度学习	CNN Densenet-161, SVM with LDA	医学图像（X射线和CT扫描）	NA
1362	2024-08-27	Deep Learning Based SWIR Object Detection in Long-Range Surveillance Systems: An Automated Cross-Spectral Approach 2022-Mar-27, Sensors (Basel, Switzerland) DOI:10.3390/s22072562 PMID:35408177	研究论文	本文提出了一种基于深度学习的近红外（SWIR）图像目标检测方法，通过跨光谱自动数据标注技术提高长距离监控系统的性能	提出了一种新的跨光谱自动数据标注方法，用于创建SWIR通道的训练数据集，并详细解释了数学图像变换方法以克服SWIR和彩色通道之间的差异	缺乏用于SWIR通道的深度学习目标检测模型的训练数据集限制了其性能	提高在具有挑战性的户外场景中捕获的SWIR图像中的目标检测能力	SWIR图像中的车辆和行人	计算机视觉	NA	深度学习	YOLOX	图像	涉及两种目标类型（车辆和行人）的实验测试
1363	2024-08-27	A Cognitive Sample Consensus Method for the Stitching of Drone-Based Aerial Images Supported by a Generative Adversarial Network for False Positive Reduction 2022-Mar-23, Sensors (Basel, Switzerland) DOI:10.3390/s22072474 PMID:35408091	研究论文	本研究提出了一种基于深度学习的异常值拒绝方案，利用生成对抗网络（GAN）架构减少由随机样本一致性方法（RANSAC）产生的错误估计假设，以改善无人机拍摄的航拍图像的拼接质量	本研究创新性地将生成对抗网络（GAN）应用于无人机航拍图像的拼接过程中，通过GAN的判别器预判RANSAC产生的估计目标假设样本的真伪，并通过生成器确认判别器的推理	NA	提高无人机航拍图像全景生成的质量	无人机航拍图像的拼接	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	涉及无人机航拍图像及一些杂项图像的测试
1364	2024-08-27	IoT Based Smart Monitoring of Patients' with Acute Heart Failure 2022-Mar-22, Sensors (Basel, Switzerland) DOI:10.3390/s22072431 PMID:35408045	研究论文	本研究提出了一种基于物联网（IoT）和云计算技术的智能医疗框架，用于改善心力衰竭患者的生存预测，无需手动特征工程	该框架利用IoT传感器实时监测患者数据，并通过深度学习模型进行处理，以提供及时有效的医疗服务	NA	研究目的是提高心力衰竭患者的生存预测准确性	心力衰竭患者	机器学习	心血管疾病	IoT	CNN	临床记录	包含13个特征的数据集
1365	2024-08-27	Deep learning for Alzheimer's disease: Mapping large-scale histological tau protein for neuroimaging biomarker validation 2022-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2021.118790 PMID:34933123	研究论文	本文开发了一种计算流程，用于在十亿像素的数字病理图像中识别和分割感兴趣的颗粒，生成定量的3D密度图，以验证PET示踪剂	提出了IHCNet，一种用于免疫组化样本的卷积神经网络，并成功处理了来自两个完整人脑的500多张幻灯片，生成了大规模的3D tau包含密度图	NA	验证PET示踪剂的神经影像生物标志物	阿尔茨海默病中的tau蛋白异常包含	数字病理学	阿尔茨海默病	卷积神经网络	CNN	图像	两个完整人脑的500多张幻灯片
1366	2024-08-27	Clinical Assessment of Deep Learning-based Super-Resolution for 3D Volumetric Brain MRI 2022-Mar, Radiology. Artificial intelligence DOI:10.1148/ryai.210059 PMID:35391765	研究论文	本研究前瞻性地评估了基于人工智能的图像增强技术在32名连续接受临床脑部MRI检查的患者中的应用效果	AI增强扫描在所有评估指标上均不劣于标准护理扫描，并实际上显示了定性SNR的改善	评分者间的一致性较低至中等	评估基于人工智能的图像增强技术在缩短扫描时间的同时提高信噪比和保持空间分辨率的效果	32名接受临床脑部MRI检查的患者	计算机视觉	NA	基于人工智能的图像增强技术	NA	图像	32名患者
1367	2024-08-27	Detection and diagnosis of COVID-19 infection in lungs images using deep learning techniques 2022-Mar, International journal of imaging systems and technology IF:3.0Q2 DOI:10.1002/ima.22697 PMID:35465214	研究论文	本文利用深度学习技术，特别是卷积神经网络（CNN）和深度神经网络（DNN），开发了一种系统来识别COVID-19患者	本文提出了两种模型，一种是基于图像的分形特征设计DNN，另一种是使用肺部X光图像设计CNN，并通过分割过程使用CNN架构来识别肺部图像中的感染区域	本文的DNN方法在准确性和敏感性上低于CNN方法	开发一种新的方法来快速准确地检测和诊断COVID-19感染	COVID-19感染的肺部图像	计算机视觉	COVID-19	深度学习	CNN, DNN	图像	未明确提及具体样本数量
1368	2024-08-27	A comprehensive review of federated learning for COVID-19 detection 2022-Mar, International journal of intelligent systems IF:5.0Q1 DOI:10.1002/int.22777 PMID:37520859	综述	本文综述了使用深度学习和联邦学习技术进行COVID-19检测的最新进展，重点介绍了联邦学习在保护数据隐私方面的应用	重点介绍了联邦学习在保护数据隐私方面的应用，以及其在医疗系统中使用胸部X光图像数据集进行COVID-19检测的实际案例	讨论了联邦学习在医疗领域实施的几个挑战，作为未来工作的潜在方向	综述联邦学习技术在COVID-19检测中的应用及其在医疗领域的挑战	COVID-19检测技术及其在医疗数据隐私保护中的应用	机器学习	COVID-19	联邦学习	NA	图像	使用胸部X光图像数据集
1369	2024-08-27	Predicting cancer outcomes with radiomics and artificial intelligence in radiology 2022-02, Nature reviews. Clinical oncology DOI:10.1038/s41571-021-00560-7 PMID:34663898	research paper	本文讨论了人工智能（AI）工具在放射学图像中解决临床决策中下一代挑战的潜力，如跨多种癌症的预后、治疗反应预测等。	介绍了AI在肿瘤影像学中的应用，特别是手工放射组学方法和深度学习派生表示法，并举例说明了它们在决策支持中的应用。	提到了临床应用中面临的挑战，包括数据管理、可解释性以及监管和报销问题。	探讨AI在放射学中作为癌症管理决策支持工具的潜力和挑战。	AI工具在放射学图像中的应用，特别是预后、治疗反应预测等方面。	computer vision	NA	artificial intelligence (AI)	deep learning	image	NA
1370	2024-08-27	Pesticide detection combining the Wasserstein generative adversarial network and the residual neural network based on terahertz spectroscopy 2022-Jan-05, RSC advances IF:3.9Q2 DOI:10.1039/d1ra06905e PMID:35425184	研究论文	本文提出了一种结合Wasserstein生成对抗网络和残差神经网络的方法，用于基于太赫兹光谱的农药检测	本文首次将Wasserstein生成对抗网络与残差神经网络结合，用于解决太赫兹光谱数据样本不足的问题，并通过预训练模型技术减少训练参数，避免过拟合	深度学习在太赫兹光谱分析中的应用报告较少，主要限制是学习样本不足	探索深度学习在农药残留检测中的应用，扩展太赫兹光谱的应用范围	基于太赫兹光谱的农药检测，特别是多菌灵的检测	机器学习	NA	太赫兹光谱	WGAN-ResNet	光谱数据	具体样本数量未提及
1371	2024-08-27	Deep learning-based breast region extraction of mammographic images combining pre-processing methods and semantic segmentation supported by Deeplab v3 2022, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-228017 PMID:35124595	研究论文	本文提出了一种基于深度学习的乳腺区域提取方法，结合预处理技术和语义分割模型Deeplab v3+，用于从乳腺X线图像中准确提取乳腺区域。	该方法通过中值滤波抑制噪声，CLAHE增强对比度，并使用Deeplab v3+模型进行语义分割，提高了乳腺区域提取的准确性。	NA	旨在提高乳腺X线图像中乳腺区域提取的准确性，为计算机辅助诊断系统的发展提供基础。	乳腺X线图像中的乳腺区域。	计算机视觉	乳腺癌	中值滤波，CLAHE，Deeplab v3+	Deeplab v3+	图像	在mini-MIAS数据集和INbreast数据集上进行了训练和评估。
1372	2024-08-27	Detection of Types of Mental Illness through the Social Network Using Ensembled Deep Learning Model 2022, Computational intelligence and neuroscience DOI:10.1155/2022/9404242 PMID:35378814	研究论文	本文通过集成深度学习模型对Reddit社交网络上的情感进行分类，以预测用户的精神疾病类型	采用集成深度学习模型，结合卷积神经网络和循环神经网络进行多类别分类，提高了预测准确率	NA	通过社交网络分析预测用户的精神疾病类型	社交网络上的用户情感及其对应的精神疾病类型	机器学习	NA	集成深度学习	CNN和RNN	文本	未具体说明
1373	2024-08-27	Advanced brain aging in multiple system atrophy compared to Parkinson's disease 2022, NeuroImage. Clinical DOI:10.1016/j.nicl.2022.102997 PMID:35397330	研究论文	本研究通过深度学习方法评估了多系统萎缩（MSA）和帕金森病（PD）患者的脑部预测年龄差异（PAD），并比较了两种疾病在灰质和白质中的脑老化模式。	本研究首次使用深度学习方法分析了MSA和PD患者的脑部影像特征，揭示了两种疾病在脑老化模式上的显著差异。	研究样本量较小，可能影响结果的普遍性；未考虑其他可能影响脑老化的因素。	旨在开发一种基于影像的生物标志物，以早期区分多系统萎缩和帕金森病。	多系统萎缩（MSA）患者、帕金森病（PD）患者和健康对照组（HC）。	神经影像学	神经退行性疾病	磁共振成像（MRI）	深度学习	影像	MSA患者23例，PD患者33例，健康对照组34例
1374	2024-08-27	Computational and Mathematical Methods in Medicine Prediction of COVID-19 in BRICS Countries: An Integrated Deep Learning Model of CEEMDAN-R-ILSTM-Elman 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/1566727 PMID:35419081	研究论文	本文针对COVID-19在BRICS国家的传播情况，构建了一个基于CEEMDAN-R-ILSTM-Elman的集成深度学习预测模型	提出了一个集成深度学习预测模型，结合CEEMDAN、ILSTM和Elman神经网络，通过分解-重构-预测-集成的方法提高预测准确性	文章未明确提及模型的局限性	预测COVID-19在BRICS国家的新增确诊病例数，并分析疫情传播的影响因素	COVID-19在BRICS国家的传播数据	机器学习	COVID-19	CEEMDAN, ILSTM, Elman神经网络	集成深度学习模型	时间序列数据	未明确提及具体样本数量
1375	2024-08-27	Combination of Radiological and Clinical Baseline Data for Outcome Prediction of Patients With an Acute Ischemic Stroke 2022, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2022.809343 PMID:35432171	研究论文	本研究旨在开发结合影像和临床基线数据的预测模型，用于急性缺血性中风患者的治疗结果预测	本研究创新地结合了影像学和深度学习图像特征与临床数据，显著改善了良好再灌注的预测	尽管结合影像和临床数据在预测再灌注方面有所改善，但在预测mRS评分方面并未显示出显著优势	开发结合影像和临床基线数据的预测模型，以提高急性缺血性中风患者治疗结果的预测准确性	急性缺血性中风患者	数字病理学	中风	深度学习	CNN	影像和临床数据	3,279名患者
1376	2024-08-27	A Real-Time Medical Ventilation on Heart Failure Analysis Based on Sleep Apnea Snore and Meta-Analysis 2022, Journal of healthcare engineering DOI:10.1155/2022/9979413 PMID:35444776	研究论文	本文通过使用基于LeNet-100 CNN的深度学习技术，对睡眠呼吸暂停打鼾进行实时医疗通气分析，以改善心脏衰竭的诊断和治疗	本文采用了LeNet-100 CNN模型进行深度学习，提高了分类准确性，并进行了心脏衰竭的元分析	NA	研究旨在通过改进分类准确性来优化睡眠呼吸暂停（OSA）的治疗方法	心脏衰竭患者及其睡眠呼吸暂停症状	机器学习	心血管疾病	深度学习	CNN	数据集	心脏衰竭数据集来自Kaggle网站
1377	2024-08-27	A Survey of Dental Caries Segmentation and Detection Techniques 2022, TheScientificWorldJournal DOI:10.1155/2022/8415705 PMID:35450417	综述	本文深入探讨了深度学习在牙科龋齿分割和检测中的应用	本文综述了多种基于深度学习的牙科图像分割和检测方法，并根据龋齿类型和X射线图像类型进行了分类	本文讨论了现有方法的局限性，并提出了未来改进的方向	分析和比较深度学习在牙科龋齿分割和检测中的应用	牙科龋齿的分割和检测	计算机视觉	牙科疾病	深度学习	CNN	图像	NA
1378	2024-08-27	ADC-Net: An Open-Source Deep Learning Network for Automated Dispersion Compensation in Optical Coherence Tomography 2022, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2022.864879 PMID:35463032	研究论文	本研究开发了一种用于光学相干断层扫描（OCT）中自动色散补偿的深度学习网络（ADC-Net）	ADC-Net基于改进的UNet架构，采用编码器-解码器流水线，能够对OCT B-扫描进行部分补偿并优化所有视网膜层	NA	开发一种深度学习网络用于OCT中的自动色散补偿	光学相干断层扫描（OCT）中的色散问题	计算机视觉	NA	深度学习	UNet	图像	五输入通道模型被观察为ADC-Net训练的最佳选择
1379	2024-08-27	Dual-Branch Convolutional Neural Network Based on Ultrasound Imaging in the Early Prediction of Neoadjuvant Chemotherapy Response in Patients With Locally Advanced Breast Cancer 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.812463 PMID:35463368	研究论文	本研究开发了一种基于深度学习的新方法——双分支卷积神经网络（DBNN），利用超声图像早期预测局部晚期乳腺癌患者对新辅助化疗（NAC）的反应	提出了一种双分支卷积神经网络（DBNN），通过特征共享和调整不同分支的权重，强调了不同阶段数据的重要性，并结合NAC前后的超声图像信息，提高了预测病理完全反应（pCR）的诊断性能	本研究为回顾性研究，样本量相对较小，且仅限于局部晚期乳腺癌患者	开发一种新的方法，利用超声图像早期预测乳腺癌患者对新辅助化疗的反应，以指导治疗决策	局部晚期乳腺癌患者对新辅助化疗的早期反应	机器学习	乳腺癌	超声成像	双分支卷积神经网络（DBNN）	图像	114名女性患者
1380	2024-08-27	Non-Invasive Measurement Using Deep Learning Algorithm Based on Multi-Source Features Fusion to Predict PD-L1 Expression and Survival in NSCLC 2022, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2022.828560 PMID:35464416	研究论文	本文开发了一种基于深度学习算法的非侵入性测量系统，用于预测非小细胞肺癌（NSCLC）中的PD-L1表达和生存结果	本研究首次提出了一种结合深度学习、影像组学和临床特征的AI系统，用于非侵入性地评估PD-L1表达和生存结果	NA	开发一种非侵入性的AI系统，用于测量PD-L1表达特征（ES）并评估NSCLC患者的生存结果	非小细胞肺癌（NSCLC）患者的PD-L1表达和生存结果	机器学习	肺癌	深度学习	3D ResNet	CT图像	1135名非小细胞肺癌（NSCLC）患者