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
1681	2024-08-07	Performance enhancement of short-term wind speed forecasting model using Realtime data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302664 PMID:38820359	研究论文	本文提出了一种混合模型L-LG-S，用于精确的短期风速预测，并使用来自巴基斯坦卡拉奇市风力涡轮机的实际风速数据进行了测试	提出的混合模型L-LG-S在短期风速预测的训练、验证和测试预测中，准确性分别比现有技术模型提高了98%	NA	提高短期风速预测的准确性，以支持更有效和安全的可再生风能生产	短期风速预测模型	机器学习	NA	NA	混合模型	风速数据	来自巴基斯坦卡拉奇市风力涡轮机的实际风速数据
1682	2024-08-07	A model for skin cancer using combination of ensemble learning and deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301275 PMID:38820401	研究论文	本文通过结合集成学习和深度学习技术，开发了一种用于区分良性和恶性皮肤癌的模型	采用多种机器学习和深度学习技术以及不同的特征提取器和选择器来提高评估指标，并设计了包含多种技术的特征选择层	NA	帮助医疗专家区分良性和恶性皮肤癌病例	皮肤癌的良恶性区分	机器学习	皮肤癌	集成学习, 深度学习	DenseNet-201, MLP, XGB, RF, NB	图像	约350万例皮肤癌诊断
1683	2024-08-07	A Hybrid convolution neural network for the classification of tree species using hyperspectral imagery 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304469 PMID:38820430	研究论文	本文提出了一种混合卷积神经网络方法，用于使用高光谱图像对树种进行分类	结合深度学习和传统学习技术的优势，通过混合特征选择方法和优化算法提高了分类准确性	NA	提高树种分类的准确性	树种分类	计算机视觉	NA	高光谱遥感技术	CNN	图像	树种数据集
1684	2024-08-07	DAU-Net: Dual attention-aided U-Net for segmenting tumor in breast ultrasound images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303670 PMID:38820462	研究论文	本研究设计了一种基于深度学习的分割方法，用于检测乳腺超声图像中的肿瘤	提出了一种新的分割方法DAU-Net，结合了位置卷积块注意力模块（PCBAM）和移位窗口注意力（SWA）两种强大的注意力机制，集成到残差U-Net模型中	NA	提高乳腺肿瘤检测的准确性，从而改善女性的生存率	乳腺超声图像中的肿瘤	计算机视觉	乳腺癌	深度学习	U-Net	图像	使用了两个广泛使用的乳腺超声图像数据集BUSI和UDIAT
1685	2024-08-07	MCE: Medical Cognition Embedded in 3D MRI feature extraction for advancing glioma staging 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304419 PMID:38820482	研究论文	本文提出了一种嵌入医学认知的3D MRI特征提取模型，用于改进脑胶质瘤的分期	该研究通过嵌入医学知识特征到数据驱动方法中，提高了特征提取的质量，并设计了两种方法模拟医学专业人员在阅片过程中的学习过程	NA	改进脑胶质瘤MRI检测的分类和分期	脑胶质瘤的3D MRI数据	计算机视觉	脑胶质瘤	MRI	MCE模型	3D图像	使用了公开的BraTS2018和BraTS2020数据集
1686	2024-08-07	Research on breast cancer pathological image classification method based on wavelet transform and YOLOv8 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230296 PMID:38189740	研究论文	本文提出了一种基于小波变换和YOLOv8的乳腺癌病理图像分类方法	结合深度学习和小波变换技术，提高了乳腺癌病理图像的分类准确性	NA	提高乳腺癌病理图像的自动识别和分类准确性	乳腺癌病理图像	数字病理学	乳腺癌	小波变换	YOLOv8	图像	数据集通过图像翻转技术扩增，训练集和测试集按8:2和7:3划分
1687	2024-08-07	Performance evaluation of deep learning image reconstruction algorithm for dual-energy spectral CT imaging: A phantom study 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230333 PMID:38393883	研究论文	本研究评估了深度学习图像重建（DLIR）算法在双能谱CT（DEsCT）成像中的性能，特别是在不同辐射剂量和图像能量水平下的表现，并与滤波反投影（FBP）和自适应统计迭代重建-V（ASIR-V）算法进行了比较。	DLIR算法在低keV图像中提供了更好的噪声控制，并且在所有剂量和能量水平下具有最低的图像噪声和最高的检测能力。	NA	评估DLIR算法在双能谱CT成像中的性能，特别是在不同辐射剂量和图像能量水平下的表现。	ACR464 phantom在不同剂量和能量水平下的虚拟单色图像重建。	计算机视觉	NA	双能谱CT（DEsCT）	深度学习图像重建（DLIR）	图像	ACR464 phantom在四个剂量水平（3.5 mGy, 5 mGy, 7.5 mGy, 10 mGy）和五个能量水平（40 keV, 50 keV, 68 keV, 74 keV, 140 keV）下的扫描数据。
1688	2024-08-07	Predicting the error magnitude in patient-specific QA during radiotherapy based on ResNet 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230251 PMID:38457139	研究论文	本研究利用ResNet模型预测放射治疗中特定患者质量保证（QA）过程中的误差幅度	首次探讨了深度学习在预测误差幅度方面的可行性	NA	旨在预测放射治疗中不同交付误差类型的误差幅度	胸部癌症计划的强度调制放射治疗（IMRT）	机器学习	胸部癌症	ResNet	CNN	剂量分布	34个胸部癌症计划（172个场），其中30个计划用于模型训练和验证，4个计划用于外部测试
1689	2024-08-07	A user-friendly deep learning application for accurate lung cancer diagnosis 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230255 PMID:38607727	研究论文	本研究开发了一种用户友好的深度学习应用，用于提高肺癌诊断的准确性	利用放射组学和深度学习技术，通过U-NET和DenseNet模型进行图像分割和癌症分类，提高了肺癌诊断的效率和准确性	3D图像处理可能受器官重叠、畸变和放大等因素的限制，且可能无法检测到新的病理变化	开发一种工具，利用放射组学和深度学习技术进行肺癌诊断	肺癌患者的CT扫描图像	机器学习	肺癌	放射组学, 深度学习	U-NET, DenseNet	图像	86名患者来自Bach Mai医院，1012名患者来自开放数据库
1690	2024-08-07	DDA-SSNets: Dual decoder attention-based semantic segmentation networks for COVID-19 infection segmentation and classification using chest X-Ray images 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230421 PMID:38607728	研究论文	本文提出了一种基于双解码器注意力机制的语义分割网络DDA-SSNets，用于通过胸部X光图像对COVID-19感染进行分割和分类	提出了双解码器注意力机制的语义分割网络DDA-SSNets，包括DDA-UNet和DDA-SegNet，以及基于遗传算法的深度卷积神经网络分类器GADCNet，用于提高COVID-19感染的诊断和分期能力	NA	开发基于深度学习的模型，用于分类和量化与COVID-19相关的肺部感染	COVID-19感染的肺部区域和非感染区域	计算机视觉	COVID-19	深度学习	CNN	图像	胸部X光图像中的肺叶和感染区域
1691	2024-08-07	Feature shared multi-decoder network using complementary learning for Photon counting CT ring artifact suppression 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230396 PMID:38669511	研究论文	本文提出了一种新颖的特征共享多解码器网络（FSMDN），利用互补学习来抑制光子计数CT图像中的环状伪影	该网络通过特征共享编码器提取上下文和环状伪影特征，并通过并行的独立解码器进行处理，实现了伪影抑制和组织细节保留	NA	旨在全面解决光子计数CT图像中环状伪影的问题	光子计数CT图像中的环状伪影	计算机视觉	NA	深度学习	特征共享多解码器网络（FSMDN）	图像	涉及具有三种强度环状伪影的光子计数CT图像的多次实验
1692	2024-08-07	Development and Application of Traditional Chinese Medicine Using AI Machine Learning and Deep Learning Strategies 2024, The American journal of Chinese medicine DOI:10.1142/S0192415X24500265 PMID:38715181	综述	本文综述了机器学习和深度学习在传统中医中的应用和发展	探讨了机器学习和深度学习在中医理论中的应用，如舌诊、脉诊和辨证施治，并强调了其在中医领域的早期成功应用	文章指出了中医在机器学习和深度学习应用中面临的问题和挑战	旨在验证机器学习和深度学习在中医应用中的成就，并探讨其未来的发展	传统中医及其在现代技术中的应用	自然语言处理	NA	机器学习 (ML) 和深度学习 (DL)	NA	NA	NA
1693	2024-08-07	Intelligent Stroke Disease Prediction Model Using Deep Learning Approaches 2024, Stroke research and treatment IF:1.8Q3 DOI:10.1155/2024/4523388 PMID:38817540	研究论文	本文利用一系列生理特征参数与深度神经网络（如Wasserstein生成对抗网络和回归网络）合作，构建了一个中风预测模型	使用WGAN-GP进行正样本数据增强以解决样本不平衡问题，并设计了一个基于深度回归网络的中风预测模型	NA	开发一个智能的中风疾病预测模型，以帮助早期识别中风症状并及时干预	中风疾病的预测	机器学习	中风	深度学习	深度神经网络	生理特征参数	使用中风公共数据集，具体样本数量未明确
1694	2024-08-07	Revolutionising healthcare with artificial intelligence: A bibliometric analysis of 40 years of progress in health systems 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241258757 PMID:38817839	研究论文	本文通过文献计量分析，回顾了过去四十年人工智能在医疗系统中的发展历程	本文首次对人工智能在医疗系统中的应用进行了长达四十年的文献计量分析，揭示了该领域的增长趋势和关键研究方向	NA	评估和可视化人工智能在医疗系统中的研究趋势和影响力	人工智能在医疗系统中的应用	机器学习	NA	文献计量分析	NA	文本	64,063篇论文
1695	2024-08-07	Dermoscopy-based Radiomics Help Distinguish Basal Cell Carcinoma and Actinic Keratosis: A Large-scale Real-world Study Based on a 207-combination Machine Learning Computational Framework 2024, Journal of Cancer IF:3.3Q2 DOI:10.7150/jca.94759 PMID:38817855	研究论文	本研究利用机器学习算法开发了一种预测模型，用于区分皮肤镜图像中的基底细胞癌（BCC）和光化性角化病（AK）	研究开发了一个深度学习模型用于图像特征的定量分析，并整合了15种机器学习算法，通过随机组合和交叉验证生成了207种算法组合	NA	开发一种有效的预测模型，用于区分皮肤镜图像中的基底细胞癌和光化性角化病	皮肤镜图像中的基底细胞癌和光化性角化病	机器学习	皮肤癌	机器学习算法	深度学习模型	图像	904张皮肤镜图像
1696	2024-08-07	Simulation of Automatically Annotated Visible and Multi-/Hyperspectral Images Using the Helios 3D Plant and Radiative Transfer Modeling Framework 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0189 PMID:38817960	研究论文	本文提出了一种基于Helios 3D植物建模软件的辐射传输建模框架，用于模拟植物的可见光、多/高光谱图像，并自动生成标注信息	该框架能够模拟RGB、多/高光谱、热成像和深度相机图像，并生成带有完全解析的参考标签的植物图像，如植物物理特性、叶片化学浓度和叶片生理特性	NA	解决深度学习模型在植物和作物特性分析中对标注图像数据集的需求，以及从遥感数据中提取复杂特性的挑战	植物和作物的特性分析	计算机视觉	NA	辐射传输建模	深度学习模型	图像	NA
1697	2024-08-07	Radiation dose estimation with multiple artificial neural networks in dicentric chromosome assay 2024, International journal of radiation biology IF:2.1Q2 DOI:10.1080/09553002.2024.2338531 PMID:38687685	研究论文	本文开发了一种使用深度学习算法自动识别染色体并进行辐射剂量精确估计的方法，遵循泊松分布。	该研究通过使用多种人工神经网络（ANNs）实现了辐射剂量的全自动和精确估计，克服了传统方法的局限性。	在低于0.5 Gy的剂量水平下，由于数值问题，剂量估计的准确性受到阻碍。	开发一种高精度的辐射剂量估计方法，通过全自动检测双着丝粒染色体（DCs），严格遵循泊松分布。	辐射剂量估计	机器学习	NA	人工神经网络（ANNs）	深度学习模型	图像	30名健康捐赠者的样本，覆盖7个剂量水平（0至4 Gy）
1698	2024-08-07	Deep learning and minimally invasive inflammatory activity assessment: a proof-of-concept study for development and score correlation of a panendoscopy convolutional network 2024, Therapeutic advances in gastroenterology IF:3.9Q1 DOI:10.1177/17562848241251569 PMID:38812708	研究论文	本研究旨在开发一种基于卷积神经网络的自动化评分系统，用于客观评估克罗恩病患者的炎症活动	本研究首次提出了一种基于人工智能的自动化评分系统，用于评估克罗恩病患者的炎症活动，并与现有的验证评分系统进行了强相关性分析	本研究为初步研究，样本量较小，需要进一步验证和优化	开发一种基于胶囊内镜图像的自动化评分系统，用于客观评估克罗恩病患者的炎症活动	克罗恩病患者的胶囊内镜视频	机器学习	克罗恩病	卷积神经网络	CNN	视频	61名克罗恩病患者
1699	2024-08-07	SPECT-MPI for Coronary Artery Disease: A Deep Learning Approach 2024, Acta medica Philippina DOI:10.47895/amp.vi0.7582 PMID:38812768	研究论文	本文研究使用卷积神经网络（CNN）对单光子发射计算机断层扫描-心肌灌注成像（SPECT-MPI）进行分类，以检测冠状动脉疾病中的灌注异常	本文提出的CNN模型在分类性能上优于常用的预训练CNN架构，并能提供高精度的诊断结果	NA	应用深度学习方法在SPECT-MPI图像分类中，以提高诊断冠状动脉疾病的准确性	SPECT-MPI图像和卷积神经网络模型	机器学习	心血管疾病	卷积神经网络（CNN）	CNN	图像	192名接受应激测试-休息Tc99m MPI的患者
1700	2024-08-07	SVM-RLF-DNN: A DNN with reliefF and SVM for automatic identification of COVID from chest X-ray and CT images 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241257045 PMID:38812845	研究论文	本文提出了一种结合支持向量机（SVM）、改进的特征选择算法ReliefF和深度神经网络（DNN）的混合分类网络，用于从胸部X射线和CT图像中自动识别COVID-19。	该研究引入了ReliefF算法进行特征选择，使用Manhattan距离替代Euclidean距离，并通过SVM进行多类别分类，提高了模型的准确性和稳定性。	NA	开发一种先进的检测技术，用于从胸部X射线和CT扫描图像中识别COVID-19模式，结合深度学习和机器学习方法。	胸部X射线和CT扫描图像中的COVID-19、病毒性肺炎和健康病例。	计算机视觉	COVID-19	深度神经网络（DNN）	CNN	图像	使用了来自Kaggle和GitHub的公开胸部X射线和CT扫描图像数据库