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
18101	2024-09-07	Stacked dilated convolutions and asymmetric architecture for U-Net-based medical image segmentation 2022-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105891 PMID:35932729	研究论文	本文探讨了基于U-Net的医学图像分割网络的改进方法，提出了堆叠扩张卷积和非对称结构	引入了堆叠扩张卷积操作，输出多尺度感受野特征图，以及非对称结构，减少了解码器路径的通道数	未提及	改进U-Net及其变体的性能，减少模型参数	医学图像分割	计算机视觉	NA	堆叠扩张卷积	U-Net	图像	使用了公开和私有数据集
18102	2024-09-07	Clinical validation of deep learning algorithms for radiotherapy targeting of non-small-cell lung cancer: an observational study 2022-09, The Lancet. Digital health DOI:10.1016/S2589-7500(22)00129-7 PMID:36028289	研究论文	本文研究了深度学习算法在非小细胞肺癌放疗靶区勾画中的临床验证	本文提出了一个临床验证策略，并发现模型在几何分割指标上表现良好，但在临床实用性上可能存在差异	本文主要集中在几何分割指标的验证，未充分探讨模型在临床实用性上的表现	验证深度学习模型在非小细胞肺癌放疗靶区勾画中的临床应用	非小细胞肺癌肿瘤和淋巴结的CT图像分割	计算机视觉	肺癌	深度学习	NA	图像	2208名患者，其中787名用于模型发现，1421名用于模型验证，28名用于最终用户测试
18103	2024-09-07	Unsupervised Deep Learning for Stroke Lesion Segmentation on Follow-up CT Based on Generative Adversarial Networks 2022-08, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A7582 PMID:35902122	研究论文	本文开发并评估了一种基于生成对抗网络的无监督深度学习方法，用于在随访NCCT扫描中分割脑卒中病变	本文首次采用无监督的生成对抗网络进行脑卒中病变分割，无需手动标注病变	对于出血性病变和出血性转化的分割效果较差	开发和评估一种无监督的生成对抗网络，用于自动分割随访NCCT扫描中的脑卒中病变	脑卒中病变（包括梗死和出血性病变）的分割	计算机视觉	脑卒中	生成对抗网络	生成对抗网络	图像	820名急性缺血性脑卒中患者的基础和随访NCCT扫描
18104	2024-09-07	Incorporating causality in energy consumption forecasting using deep neural networks 2022-Jul-30, Annals of operations research IF:4.4Q1 DOI:10.1007/s10479-022-04857-3 PMID:35967838	研究论文	本文提出了一种结合因果关系的长短期记忆网络用于能源消耗预测	引入了因果关系信息到深度学习架构中，称为纠缠长短期记忆网络，并展示了其在能源消耗预测中的优越性	NA	改进能源消耗预测方法，提高预测准确性	能源消耗和天气数据	机器学习	NA	深度学习	纠缠长短期记忆网络	数据集	三个数据集
18105	2024-09-07	Differentiation and classification of bacterial endotoxins based on surface enhanced Raman scattering and advanced machine learning 2022-Jun-23, Nanoscale IF:5.8Q1 DOI:10.1039/d2nr01277d PMID:35686584	研究论文	本文利用表面增强拉曼散射（SERS）和先进的机器学习算法对细菌内毒素进行区分和分类	本文首次将SERS技术与多种机器学习算法结合，包括改进的深度学习算法RamanNet，实现了对细菌内毒素的高精度分类	NA	开发一种高精度的细菌内毒素分类方法，用于快速医疗诊断和治疗决策	11种细菌内毒素	机器学习	NA	表面增强拉曼散射（SERS）	支持向量机、k近邻、随机森林、RamanNet	光谱数据	11种细菌内毒素，平均检测量为8.75 pg每测量
18106	2024-09-07	Trans-channel fluorescence learning improves high-content screening for Alzheimer's disease therapeutics 2022-Jun, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-022-00490-8 PMID:36276634	研究论文	本文介绍了一种深度学习方法，通过跨通道荧光学习来改进阿尔茨海默病治疗药物的高内涵筛选	提出了一种新的机器学习方法，能够从相关标记中准确生成预测的荧光信号，并应用于阿尔茨海默病和癌症数据集，展示了其通用性	NA	改进药物筛选方法，提高生物活性化合物选择的效率	阿尔茨海默病治疗药物和癌症相关化合物	计算机视觉	阿尔茨海默病	深度学习	NA	图像	两个生物学上不同的数据集
18107	2024-09-07	A Comprehensive Review of High Throughput Phenotyping and Machine Learning for Plant Stress Phenotyping 2022-Jun, Phenomics (Cham, Switzerland) DOI:10.1007/s43657-022-00048-z PMID:36939773	综述	本文综述了高通量表型分析和机器学习在植物胁迫表型分析中的应用	本文介绍了机器学习和深度学习在处理高通量表型分析产生的大数据集中的应用，并探讨了其在植物育种和病理学活动中的潜力	本文指出了当前高通量表型分析技术在数据处理和解释方面面临的挑战，并提出了未来研究的方向	探讨机器学习和深度学习在植物胁迫表型分析中的应用，并评估其优势和局限性	植物在不同发育阶段的生物和非生物胁迫	机器学习	NA	高通量表型分析	机器学习模型和深度学习模型	图像数据	NA
18108	2024-09-07	Estimating muscle activation from EMG using deep learning-based dynamical systems models 2022-05-19, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ac6369 PMID:35366649	研究论文	本文提出了一种基于深度学习动态系统模型的方法，用于从肌电图（EMG）信号中估计肌肉激活	本文采用了AutoLFADS，一种大规模无监督深度学习方法，最初设计用于去噪皮层尖峰数据，以估计多肌肉EMG信号中的肌肉激活	NA	研究运动神经控制，估计在各种行为条件下肌肉的激活情况	肌肉激活的潜在神经命令信号	机器学习	NA	深度学习	循环神经网络	肌电图信号	涉及大鼠后肢和猴子前臂肌肉活动
18109	2024-09-07	Transfer Learning-Based Model for Diabetic Retinopathy Diagnosis Using Retinal Images 2022-Apr-22, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci12050535 PMID:35624922	研究论文	本文提出了一种基于迁移学习的糖尿病视网膜病变诊断模型，使用眼底图像进行分类	利用预训练的VGGNet网络结合迁移学习方法，通过数据增强操作处理数据不足和不平衡问题，提高了分类性能	未提及具体限制	开发一种自动化的糖尿病视网膜病变诊断方法，以早期检测和分类减少视觉障碍	糖尿病视网膜病变及其在眼底图像中的分类	计算机视觉	糖尿病	迁移学习	VGGNet	图像	使用基准数据集进行评估，未提及具体样本数量
18110	2024-09-07	A cognitive framework based on deep neural network for classification of coronavirus disease 2022-Feb-13, Journal of ambient intelligence and humanized computing DOI:10.1007/s12652-022-03756-6 PMID:35194472	研究论文	本文提出了一种基于深度神经网络的认知框架，用于冠状病毒疾病的分类	本文提出了一种混合模型，使用胸部X光图像早期识别冠状病毒疑似患者，并采用SQueezeNet模型进行分类，实验结果显示平均准确率达到97.8%	NA	诊断和预防冠状病毒的传播	冠状病毒疾病	计算机视觉	冠状病毒疾病	深度学习	SQueezeNet	图像	NA
18111	2024-09-07	An End-To-End Pipeline for Fully Automatic Morphological Quantification of Mouse Brain Structures From MRI Imagery 2022, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2022.865443 PMID:36304320	研究论文	本文开发了一种端到端的自动化管道，用于从MRI图像中量化小鼠大脑结构的形态学特征	提出了DeepBrainIPP，一种基于深度学习的脑图像处理管道，改进了颅骨剥离和数据增强策略，并直接分割小脑的小结构	NA	开发一种自动化的方法来量化小鼠大脑结构的形态学特征	小鼠大脑的MRI图像	计算机视觉	NA	深度学习	CNN	图像	172个原始图像，通过数据增强扩展到4040个样本
18112	2024-09-07	Towards a better understanding of annotation tools for medical imaging: a survey 2022, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-12100-1 PMID:35350630	综述	本文综述了当前可用的医学影像标注工具，包括其图形用户界面和支持工具的描述	本文提供了对流行标注工具的深入回顾，并展示了它们在标注医学影像数据集中的成功应用	NA	旨在更好地理解医学影像标注工具，并为研究人员提供指导	医学影像标注工具及其在数据集标注中的应用	计算机视觉	NA	深度学习和机器学习	NA	图像	NA
18113	2024-09-07	Deep learning in multimedia healthcare applications: a review 2022, Multimedia systems IF:3.5Q1 DOI:10.1007/s00530-022-00948-0 PMID:35645465	综述	本文综述了基于多媒体数据的深度学习技术在医疗保健应用中的发展现状	本文系统性地总结了深度学习在医疗保健领域的应用，特别是利用多媒体数据进行诊断、预测和治疗的创新方法	本文主要集中在综述现有研究，未提出新的技术或模型	探讨深度学习技术在医疗保健领域的应用，特别是利用多媒体数据进行诊断、预测和治疗	多媒体数据，包括图像、视频、音频和文本	机器学习	NA	深度学习	NA	多媒体数据	NA
18114	2024-09-07	Exploring the Deep-Learning Techniques in Detecting the Presence of Coronavirus in the Chest X-Ray Images: A Comprehensive Review 2022, Archives of computational methods in engineering : state of the art reviews IF:9.7Q1 DOI:10.1007/s11831-022-09768-x PMID:35645554	综述	本文综述了利用深度学习技术在胸部X光图像中检测冠状病毒存在的研究	本文总结了多种传统和预训练的深度学习方法，这些方法被开发用于减少COVID-19疾病的传播	NA	探讨深度学习技术在冠状病毒检测中的应用	胸部X光图像中的冠状病毒检测	计算机视觉	冠状病毒	深度学习	CNN	图像	NA
18115	2024-09-07	Combating multimodal fake news on social media: methods, datasets, and future perspective 2022, Multimedia systems IF:3.5Q1 DOI:10.1007/s00530-022-00966-y PMID:35818516	综述	本文综述了利用深度学习技术对抗社交媒体上的多模态假新闻的现状	本文首次全面探讨了多模态假新闻检测的技术和数据集，并提出了未来的研究方向	目前可用的多模态数据集有限，限制了研究的深入	探讨如何利用深度学习技术有效检测社交媒体上的多模态假新闻	社交媒体上的多模态假新闻	自然语言处理	NA	深度学习	NA	多模态数据	NA
18116	2024-09-07	Automatic segmentation of COVID-19 from computed tomography images using modified U-Net model-based majority voting approach 2022, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-022-07653-z PMID:35968248	研究论文	本文提出了一种基于改进U-Net模型和多数投票方法的自动分割COVID-19肺部CT图像的深度学习方法	本文创新性地修改了U-Net模型的编码器部分，结合了VGG16、ResNet101、DenseNet121、InceptionV3和EfficientNetB5深度学习模型，并通过多数投票原则整合结果	NA	研究目的是通过深度学习和分割技术自动检测COVID-19肺部CT图像	研究对象是COVID-19肺部CT图像	计算机视觉	COVID-19	深度学习	U-Net	图像	COVID-19分割测试数据集
18117	2024-09-07	Fusion Attention Mechanism for Foreground Detection Based on Multiscale U-Net Architecture 2022, Computational intelligence and neuroscience DOI:10.1155/2022/7432615 PMID:36172321	研究论文	本文提出了一种基于多尺度U-Net架构和融合注意力机制的前景检测方法	引入注意力机制到U-Net多尺度架构中，通过跳跃连接使网络更关注前景对象，抑制无关背景区域，提高模型学习能力	仅利用空间信息，未充分利用时间信息	改进前景检测的准确性	视频中的前景对象	计算机视觉	NA	深度学习	U-Net	图像	CDnet-2014数据集
18118	2024-09-07	Onboard Pointing Error Detection and Estimation of Observation Satellite Data Using Extended Kalman Filter 2022, Computational intelligence and neuroscience DOI:10.1155/2022/4340897 PMID:36248921	研究论文	本文提出了一种基于扩展卡尔曼滤波（EKF）的轻量级深度学习算法，用于检测和估计观测卫星数据中的指向误差	本文的创新点在于使用扩展卡尔曼滤波（EKF）来检测和估计卫星数据中的指向误差，减少了对地面跟踪系统的依赖，并提高了轨道参数估计的精度	本文的局限性在于线性化过程中可能出现的误差，需要通过适当选择线性展开点和EKF算法模型中的雅可比矩阵计算来克服	本文的研究目的是开发一种高效的方法来检测和估计卫星数据中的指向误差，以提高卫星系统的安全性和可靠性	本文的研究对象是卫星数据中的指向误差，包括姿态和轨道误差	卫星通信	NA	扩展卡尔曼滤波（EKF）	扩展卡尔曼滤波（EKF）	卫星数据	NA
18119	2024-09-07	A New method for promote the performance of deep learning paradigm in diagnosing breast cancer: improving role of fusing multiple views of thermography images 2022, Health and technology IF:3.1Q2 DOI:10.1007/s12553-022-00702-6 PMID:36254270	研究论文	本文提出了一种通过融合多视角热成像图像来提升深度学习模型在乳腺癌诊断中性能的新方法	通过融合正面、侧面45度和侧面45度热成像图像，利用迁移学习构建检测模型，显著提高了乳腺癌诊断的敏感性和特异性	需要进一步研究和改进以验证其在实际应用中的有效性	提升深度学习模型在乳腺癌早期诊断中的性能	乳腺癌的早期诊断	计算机视觉	乳腺癌	热成像	深度学习	图像	使用乳腺研究数据库（DMR）中的红外图像进行研究
18120	2024-09-07	Data augmentation based on multiple oversampling fusion for medical image segmentation 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0274522 PMID:36256637	研究论文	本文提出了一种基于多重过采样融合的数据增强方法，用于医学图像分割	结合仿射变换和随机过采样进行数据增强，并使用加权交叉熵损失函数解决类别不平衡问题	未提及	提高医学图像分割模型的性能，特别是小组织病变的分割	肺结节和肝肿瘤的CT图像分割	计算机视觉	NA	NA	CNN	图像	使用了LUNA16和LiTS17数据集，涉及肺结节和肝肿瘤的CT图像