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
17861	2024-09-05	Analysis of AI-Based Single-View 3D Reconstruction Methods for an Industrial Application 2022-Aug-25, Sensors (Basel, Switzerland) DOI:10.3390/s22176425 PMID:36080884	研究论文	本文研究了基于深度学习的单视角3D重建方法，特别关注了在工业应用中的质量控制方面的应用	首次在3D重建任务中考虑了U-Net，并引入了堆叠膨胀U-Net（SDU-Net），其在计算时间和评估指标上表现最佳	NA	探索和评估不同深度学习方法在从单个2D灰度图像进行3D重建中的应用	激光焊接组件的2D灰度图像	机器学习	NA	深度学习算法	堆叠自动编码器（SAE）、生成对抗网络（GANs）、U-Nets、堆叠膨胀U-Net（SDU-Net）	图像	少量训练数据
17862	2024-09-05	FGL-GAN: Global-Local Mask Generative Adversarial Network for Flame Image Composition 2022-Aug-23, Sensors (Basel, Switzerland) DOI:10.3390/s22176332 PMID:36080788	研究论文	本文提出了一种全局-局部掩码生成对抗网络（FGL-GAN），用于提高火焰图像合成的质量	FGL-GAN采用分层的全局-局部生成器结构，结合火焰掩码输入和对比学习方法，提高了火焰光环和反射的渲染质量，并加速了网络拟合	NA	旨在通过计算机合成火焰图像，减少收集火焰图像数据集的危险性	火焰图像的合成质量	计算机视觉	NA	生成对抗网络（GAN）	FGL-GAN	图像	NA
17863	2024-09-05	Antenna Excitation Optimization with Deep Learning for Microwave Breast Cancer Hyperthermia 2022-Aug-23, Sensors (Basel, Switzerland) DOI:10.3390/s22176343 PMID:36080800	研究论文	本文提出了一种基于卷积神经网络（CNN）的微波热疗天线激励优化方案，适用于多种配置，并通过实验证明了其有效性	提出了一种基于深度学习的天线激励优化方法，考虑了电场的复杂矢量特性，并适用于多种配置	目前仅在两种配置下进行了测试，未来需要进一步验证其在更多配置下的适用性	优化微波热疗中的天线激励，以更精确地聚焦微波能量于目标区域，减少对周围组织的影响	微波热疗中的天线激励优化	机器学习	乳腺癌	卷积神经网络（CNN）	CNN	数据集	通过叠加单个天线元素的信息收集数据集
17864	2024-09-05	Investigation of biases in convolutional neural networks for semantic segmentation using performance sensitivity analysis 2022-Aug, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2021.11.004 PMID:35016819	研究论文	本文研究了卷积神经网络在医学图像分割中的性能敏感性分析，以探索其对图像修改的偏差和鲁棒性	首次系统地研究了深度学习在医学图像分割中对输入数据变化的敏感性，并展示了不同数据增强策略的效果	研究仅限于两个公开的分割框架，且未探讨所有可能的图像修改情况	旨在系统地调查深度学习在医学图像分割中对输入数据变化的敏感性	深度学习在医学图像分割中的性能敏感性	计算机视觉	NA	深度学习	CNN	图像	使用公开的分割框架DeepMedic和TractSeg进行测试
17865	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
17866	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
17867	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
17868	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
17869	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。
17870	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
17871	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
17872	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
17873	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
17874	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
17875	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
17876	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
17877	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
17878	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
17879	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
17880	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