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
17961	2024-08-28	A review on machine learning and deep learning for various antenna design applications 2022-Apr, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2022.e09317 PMID:35520616	综述	本文详细讨论了机器学习和深度学习在多种天线设计应用中的应用	机器学习和深度学习在天线设计中的应用提高了覆盖范围和频谱效率，加速了设计过程，减少了模拟次数，并提高了计算可行性	NA	探讨机器学习和深度学习在不同天线设计应用中的可行性和效果	毫米波、体中心、太赫兹、卫星、无人机、全球定位系统和纺织品等天线应用	机器学习	NA	机器学习, 深度学习	NA	数据	NA
17962	2024-08-28	Real-world analysis of manual editing of deep learning contouring in the thorax region 2022-Apr, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2022.04.008 PMID:35602549	研究论文	评估深度学习轮廓技术在胸部区域放射治疗中的用户调整情况，以了解临床实践中实际编辑的情况	识别了胸部区域每个危及器官的具体调整区域，并发现针对特定临床指征需要单独的模型，这与训练数据不同	NA	评估深度学习轮廓技术在临床实践中的实际表现	肺部和乳腺癌患者的危及器官自动轮廓技术后的手动调整	数字病理学	肺部和乳腺癌	深度学习轮廓技术	NA	影像	350名肺部癌症患者和362名乳腺癌患者
17963	2024-08-28	EMT-NET: EFFICIENT MULTITASK NETWORK FOR COMPUTER-AIDED DIAGNOSIS OF BREAST CANCER 2022-Mar, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi52829.2022.9761438 PMID:35530971	研究论文	本文提出了一种高效的轻量级多任务学习架构EMT-NET，用于乳腺癌的计算机辅助诊断，能够同时进行肿瘤分类和分割	本文引入了一个新的数值稳定的损失函数，以平衡癌症检测的敏感性和特异性，并使骨干网络学习专注于肿瘤区域的表示	NA	提高乳腺癌检测的效率和性能	乳腺癌肿瘤的分类和分割	计算机视觉	乳腺癌	深度学习	多任务网络	图像	1511张乳腺超声图像
17964	2024-08-28	Automatic skin disease diagnosis using deep learning from clinical image and patient information 2022-Mar, Skin health and disease DOI:10.1002/ski2.81 PMID:35665205	研究论文	本研究提出了一种利用深度学习预训练的mobilenet-v2模型，通过临床图像和患者信息自动诊断五种常见皮肤病的自动化系统	本研究开发了一个智能手机应用程序，能够在资源有限的地区作为决策支持系统使用	NA	开发一个自动化系统，用于通过临床图像和患者信息诊断五种常见皮肤病	五种常见皮肤病	机器学习	NA	深度学习	mobilenet-v2	图像和文本	NA
17965	2024-08-28	Reconstruction of three-dimensional tomographic patient models for radiation dose modulation in CT from two scout views using deep learning 2022-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.15414 PMID:34908175	研究论文	本文提出了一种使用深度学习从两个视角的扫描图像重建三维断层扫描患者模型的方法，以优化CT扫描中的辐射剂量调节。	利用深度学习策略从两个视角的扫描图像生成三维断层扫描患者模型，提高了辐射剂量调节的准确性。	目前的方法依赖于具有相对均匀衰减系数的患者模型，未考虑人体解剖结构的详细变化。	展示如何使用深度学习从两个视角的扫描图像生成三维断层扫描患者模型，并验证其在CT扫描中辐射剂量调节的准确性。	研究对象包括4214个独立的CT检查图像及其对应的两个视角的扫描图像。	计算机视觉	NA	深度学习	深度神经网络	图像	4214个独立的CT检查图像，验证集包含55136张图像来自212名患者。
17966	2024-08-28	Use of Multi-Modal Data and Machine Learning to Improve Cardiovascular Disease Care 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.840262 PMID:35571171	综述	本文综述了利用多模态数据和机器学习技术改进心血管疾病护理的最新研究	介绍了数据融合技术在整合电子病历、放射影像和遗传数据库等多模态数据中的应用，以提供针对心血管医学的科学和临床见解	NA	探讨如何利用最新的数据融合技术在心血管医学领域提供科学和临床见解	心血管疾病	机器学习	心血管疾病	机器学习 (ML) 和深度学习 (DL)	NA	多模态数据（电子病历、放射影像、遗传数据库等）	NA
17967	2024-08-28	Predicting antibody binders and generating synthetic antibodies using deep learning 2022 Jan-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2022.2069075 PMID:35482911	研究论文	本文利用深度学习技术预测抗体结合物并生成合成抗体	首次将抗体的轻链和重链互补决定区（CDR3s）编码为抗体图像，并使用卷积神经网络模型进行分类，同时构建生成对抗网络模型生成合成抗体	NA	探索深度学习在抗体工程、优化和发现中的应用	抗体结合物和合成抗体	机器学习	NA	深度学习	卷积神经网络（CNN）和生成对抗网络（GAN）	序列数据	包含结合物和非结合物抗体序列的面板
17968	2024-08-28	State-of-the-art violence detection techniques in video surveillance security systems: a systematic review 2022, PeerJ. Computer science DOI:10.7717/peerj-cs.920 PMID:35494848	综述	本研究对视频监控安全系统中的暴力检测技术进行了系统的调查和分析，旨在全面了解当前暴力检测研究的现状并预测其未来趋势。	NA	NA	解决视频暴力检测中的问题，评估现有方法，并讨论和识别该领域中的开放问题。	视频暴力检测技术及其相关数据集。	计算机视觉	NA	深度学习, 机器学习	NA	视频	分析了80篇研究论文，这些论文是从154篇论文中筛选出来的。
17969	2024-08-28	Negation and uncertainty detection in clinical texts written in Spanish: a deep learning-based approach 2022, PeerJ. Computer science DOI:10.7717/peerj-cs.913 PMID:35494817	研究论文	本文提出了一种基于深度学习的西班牙语临床文本中否定和不确定性检测方法	该方法结合了双向长短期记忆网络与条件随机场层（BiLSTM-CRF）和双向编码器表示变换器（BERT）两种深度学习技术，专门针对西班牙语临床文本中的否定和不确定性检测	NA	开发一种有效的深度学习方法来检测西班牙语临床文本中的否定和不确定性	西班牙语临床文本中的否定和不确定性	自然语言处理	NA	深度学习	BiLSTM-CRF, BERT	文本	使用了NUBES和IULA两个公开的西班牙语语料库，以及来自癌症患者的真实临床笔记注释数据集
17970	2024-08-28	Efficient Framework for Detection of COVID-19 Omicron and Delta Variants Based on Two Intelligent Phases of CNN Models 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/4838009 PMID:35495884	研究论文	本文提出了一种基于卷积神经网络（CNN）的两阶段智能框架，用于高效检测COVID-19的Omicron和Delta变种	该框架利用迁移学习和参数优化技术，通过X射线和CT扫描图像在早期阶段识别COVID-19，实现了高灵敏度、特异性和准确性	NA	开发一种成本更低、速度更快的诊断方法，以应对COVID-19变种导致的医疗系统崩溃	COVID-19的Omicron和Delta变种	计算机视觉	COVID-19	卷积神经网络（CNN）	CNN	图像	NA
17971	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
17972	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
17973	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
17974	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
17975	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
17976	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
17977	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
17978	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。
17979	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
17980	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