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
18561	2024-09-05	Dance Action Recognition Model Using Deep Learning Network in Streaming Media Environment 2022, Journal of environmental and public health DOI:10.1155/2022/8955326 PMID:36133163	研究论文	本文研究了一种基于深度学习网络的卷积神经网络用于舞蹈动作识别的方法，并通过模拟测试验证了其有效性	通过添加手动提取的时间域光流信息，提高了卷积神经网络在舞蹈动作识别中的准确性	NA	研究舞蹈动作识别技术，提高其在智能应用中的效果	舞蹈动作识别	计算机视觉	NA	深度学习	卷积神经网络（CNN）	视频	NA
18562	2024-09-05	LCDAE: Data Augmented Ensemble Framework for Lung Cancer Classification 2022 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338221124372 PMID:36148908	research paper	本文提出了一种用于肺癌分类的数据增强集成框架LCDAE，通过合成图像和数据增强技术提高模型性能并解决过拟合问题	引入LCDAE框架，结合深度卷积GAN、数据增强集成模型和混合数据增强技术，显著提升了肺癌分类任务的准确性、精确度和F1分数	NA	提高肺癌早期检测的准确性，降低患者死亡率	肺癌分类	computer vision	lung cancer	深度学习	CNN, GAN	image	NA
18563	2024-09-05	Deformation Analysis and Research of Building Envelope by Deep Learning Technology under the Reinforcement of the Diaphragm Wall 2022, Computational intelligence and neuroscience DOI:10.1155/2022/9489445 PMID:36156955	研究论文	本文通过深度学习技术中的长短期记忆网络（LSTM）模型，对地下建筑外壳的变形进行分析和预测，以提高其安全性	采用LSTM模型进行地下建筑外壳变形预测，提高了预测的准确性和效率	模型在预测水平位移和沉降位移时的平均相对误差仍有一定范围，且计算时间较长	优化地下建筑外壳的安全分析结果，全面提升地下建筑的安全性	地下建筑外壳的变形分析和预测	机器学习	NA	长短期记忆网络（LSTM）	LSTM	数据	未明确提及具体样本数量
18564	2024-09-05	Application of Genetic Algorithm and U-Net in Brain Tumor Segmentation and Classification: A Deep Learning Approach 2022, Computational intelligence and neuroscience DOI:10.1155/2022/5625757 PMID:36156956	研究论文	本文提出了一种基于遗传算法和U-Net的深度学习方法，用于脑肿瘤的分割和分类	本文引入了遗传算法进行分割，并使用U-Net进行分类，提高了脑肿瘤检测的准确性	NA	旨在通过深度学习技术提高脑肿瘤检测的准确性	脑肿瘤的分割和分类	机器学习	脑癌	遗传算法, U-Net, 离散小波变换 (DWT), 粒子群优化技术	U-Net	图像	130名患者的多种序列MRI数据
18565	2024-09-05	DeepHEMNMA: ResNet-based hybrid analysis of continuous conformational heterogeneity in cryo-EM single particle images 2022, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2022.965645 PMID:36158571	研究论文	本文介绍了一种基于ResNet的深度学习方法DeepHEMNMA，用于加速分析cryo-EM单颗粒图像中的连续构象异质性	DeepHEMNMA结合了HEMNMA方法与基于ResNet的深度学习技术，显著降低了计算成本	NA	开发一种新的方法以加速分析cryo-EM单颗粒图像中的连续构象异质性	cryo-EM单颗粒图像中的连续构象异质性	计算机视觉	NA	cryo-EM	ResNet	图像	NA
18566	2024-09-05	Pre-thrombectomy prognostic prediction of large-vessel ischemic stroke using machine learning: A systematic review and meta-analysis 2022, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2022.945813 PMID:36158960	meta-analysis	本文通过系统综述和荟萃分析，总结了使用机器学习方法对接受血管内血栓切除术的大血管闭塞性脑卒患者进行术前预后预测的研究	探讨了传统机器学习模型和深度学习模型在预测大血管闭塞性脑卒治疗后结果中的应用	大多数模型使用小数据集开发，缺乏坚实的外部验证，且存在潜在偏倚风险	旨在总结基于机器学习的术前预后模型，并识别关键研究空白	接受血管内血栓切除术的大血管闭塞性脑卒患者	machine learning	ischemic stroke	machine learning	ML models, DL models	clinical data	16项研究描述的19个模型
18567	2024-09-05	Construction and Analysis of Emotion Recognition and Psychotherapy System of College Students under Convolutional Neural Network and Interactive Technology 2022, Computational intelligence and neuroscience DOI:10.1155/2022/5993839 PMID:36164423	research paper	本研究旨在有效建立大学生心理干预和治疗系统，及时发现和纠正他们的心理问题。从教育学和心理学角度出发，选取体育专业大学生作为研究对象，基于卷积神经网络（CNN）建立了一个互动式大学生情绪识别和心理干预系统	本研究采用深度学习CNN模型，相比反向传播神经网络（BPNN）和决策树算法，具有更好的情绪识别能力。同时，采用支持向量机算法进行情绪分类，提高了识别准确率	NA	旨在通过情绪识别猜测学生的心理状态，减少人为参与，为大学心理治疗提供新的研究思路	体育专业的大学生	machine learning	NA	卷积神经网络（CNN）	CNN	image	未明确具体数量
18568	2024-09-05	Optimal Facial Feature Based Emotional Recognition Using Deep Learning Algorithm 2022, Computational intelligence and neuroscience DOI:10.1155/2022/8379202 PMID:36177319	研究论文	本研究通过改进卷积神经网络技术，识别七种基本情绪，并评估多种预处理技术对CNN性能的影响	提出了一种基于深度学习的卷积神经网络技术，用于优化面部特征的情感识别	未使用优化技术	提高基于面部特征的情感识别准确性	七种基本情绪的识别	计算机视觉	NA	卷积神经网络	CNN	图像	约32,298张图片用于测试和训练
18569	2024-09-05	Construction of Intelligent Nursing System Based on Visual Action Recognition Algorithm 2022, Computational intelligence and neuroscience DOI:10.1155/2022/8311371 PMID:36177321	研究论文	本文构建了一个基于视觉动作识别算法的智能护理系统，旨在通过视频监控识别老年人的生活状态，提供实时高效的护理服务	利用深度学习算法进行视觉动作识别，以满足老年人多样化的需求，并提供更高质量的生活和人文关怀	NA	开发一种智能护理系统，通过视觉动作识别算法提高老年人的生活质量和护理效率	老年人的日常生活状态，特别是正常生活状态和跌倒状态	计算机视觉	NA	深度学习算法	DL	视频	未具体说明
18570	2024-09-05	Deep learning applications in myocardial perfusion imaging, a systematic review and meta-analysis 2022, Informatics in medicine unlocked DOI:10.1016/j.imu.2022.101055 PMID:36187893	综述	本文对深度学习在心肌灌注成像中的应用进行了系统回顾和荟萃分析	深度学习在提高心肌灌注成像诊断准确性、预测患者事件和安全性方面显示出潜力	需要更多临床应用研究以实现对已知或疑似冠状动脉疾病患者的更好护理	总结深度学习在心肌灌注成像中的应用证据	深度学习在心肌灌注成像中的应用	机器学习	心血管疾病	NA	CNN	图像	46项研究
18571	2024-09-05	EasyDAM_V2: Efficient Data Labeling Method for Multishape, Cross-Species Fruit Detection 2022, Plant phenomics (Washington, D.C.) DOI:10.34133/2022/9761674 PMID:36204392	研究论文	本文提出了一种改进的数据标注方法EasyDAM_V2，用于多形状和跨物种水果检测	引入了Across-CycleGAN图像转换网络和伪标签自适应阈值选择策略，以提高数据标注的准确性	NA	旨在降低基于深度学习的水果检测模型的应用成本	多形状和跨物种水果的检测	计算机视觉	NA	GANs	CycleGAN	图像	使用了一个有标签的橙子数据集作为源域，火龙果和芒果数据集作为目标域
18572	2024-09-05	Deep learning-based amyloid PET positivity classification model in the Alzheimer's disease continuum by using 2-[18F]FDG PET 2021-Jun-10, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-021-00798-3 PMID:34114091	研究论文	本文提出了一种基于深度学习（DL）的模型，用于从2-脱氧-2-[氟-18]氟-D-葡萄糖（2-[18F]FDG）PET图像中分类阿尔茨海默病连续体中的淀粉样PET阳性情况	该模型能够在不进行有限可及性的淀粉样PET的情况下，成功分类临床实践中的淀粉样PET阳性情况	NA	开发一种基于2-[18F]FDG PET图像的深度学习模型，用于早期诊断和预测阿尔茨海默病	阿尔茨海默病患者	机器学习	阿尔茨海默病	2-[18F]FDG PET	2.5-D深度学习架构	图像	训练和内部验证数据集包含1433名参与者，外部验证数据集包含100名参与者
18573	2024-09-05	Improving the performance of deep learning models using statistical features: The case study of COVID-19 forecasting 2021-May-22, Mathematical methods in the applied sciences IF:2.1Q1 DOI:10.1002/mma.7500 PMID:34226777	研究论文	本研究提出两种结合统计特征的混合深度学习方法，用于改进COVID-19预测模型的性能	提出了一种结合统计特征的混合深度学习方法，包括多头注意力机制与统计特征的结合（ATT_FE）和卷积神经网络与统计特征的结合（CNN_FE）	NA	改进COVID-19预测模型的性能，帮助当局做出准确决策以控制疫情	COVID-19疫情数据	机器学习	COVID-19	深度学习	CNN, LSTM, 多头注意力机制	数据	10个确诊病例最多的国家
18574	2024-09-05	Generating High-Quality Lymph Node Clinical Target Volumes for Head and Neck Cancer Radiation Therapy Using a Fully Automated Deep Learning-Based Approach 2021-03-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2020.10.005 PMID:33068690	研究论文	本文开发了一种基于深度学习的全自动方法，用于生成头颈部癌症放疗的高质量淋巴结临床目标体积（CTV）轮廓。	该研究首次实现了全自动的深度学习方法来描绘头颈部癌症患者的淋巴结CTV，提高了放疗计划的自动化程度。	研究中使用的模型需要进一步优化，以减少对医生编辑的依赖，并提高不同医生间的评分一致性。	开发一种全自动的深度学习模型，用于生成头颈部癌症放疗的高质量淋巴结CTV轮廓。	头颈部癌症患者的淋巴结CTV轮廓。	计算机视觉	头颈部癌症	计算机断层扫描（CT）	U-Net	图像	71名头颈部癌症患者的CT扫描数据，其中51名用于训练，10名用于交叉验证，10名用于测试，另外32名用于最终模型验证。
18575	2024-09-05	Improving Diagnostic Accuracy in Low-Dose SPECT Myocardial Perfusion Imaging With Convolutional Denoising Networks 2020-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2020.2979940 PMID:32167887	研究论文	本研究探讨了深度学习方法在低剂量SPECT心肌灌注成像中减少图像噪声并提高诊断准确性的潜力	提出了一种深度学习方法，能够在低剂量SPECT-MPI中实现显著的噪声减少，并提高诊断准确性	NA	研究深度学习在低剂量SPECT心肌灌注成像中的应用，以提高诊断准确性	低剂量SPECT心肌灌注成像的图像噪声和诊断准确性	计算机视觉	心血管疾病	深度学习	卷积去噪网络	图像	1,052名受试者
18576	2024-09-05	Early Detection of Alzheimer's Disease Using Magnetic Resonance Imaging: A Novel Approach Combining Convolutional Neural Networks and Ensemble Learning 2020, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2020.00259 PMID:32477040	研究论文	本文提出了一种结合卷积神经网络（CNN）和集成学习（EL）的新方法，用于通过磁共振成像（MRI）早期检测阿尔茨海默病（AD）	该研究创新性地结合了CNN和EL，通过数据驱动的方法定位最具辨别性的脑区，并最大化集成模型的泛化能力，以早期捕捉AD相关的脑部变化	需要进一步研究以检验该方法的临床意义及其在检测其他脑部疾病中的通用性	开发一种新的方法用于早期检测阿尔茨海默病	使用MRI对MCI患者和AD患者进行分类	机器学习	阿尔茨海默病	磁共振成像（MRI）	卷积神经网络（CNN）	图像	未明确提及具体样本数量
18577	2024-09-05	Model-Based Learning for Accelerated, Limited-View 3-D Photoacoustic Tomography 2018-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2018.2820382 PMID:29870367	研究论文	本文提出了一种专门设计用于从有限光声测量中提供高分辨率3D图像的深度神经网络	网络设计为迭代方案，并结合了数据拟合的梯度信息以补偿有限视图伪影	NA	加速有限视图3D光声断层成像	光声测量数据	计算机视觉	NA	深度学习	深度神经网络	图像	一组来自肺部CT扫描的分段血管及体内光声测量数据
18578	2024-09-04	Performance and Clinical Impact of Radiomics and 3D-CNN Models for the Diagnosis of Neurodegenerative Parkinsonian Syndromes on 18 F-FDOPA PET 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005392 PMID:39104036	研究论文	本研究比较了半自动化放射组学模型和自动化3D卷积神经网络（3D-CNN）模型在18 F-FDOPA PET图像上诊断神经退行性帕金森综合征的性能和临床价值	开发的3D-CNN模型能够自动诊断神经退行性帕金森综合征，并在经验较少的医院中减少6%的诊断错误	NA	比较半自动化放射组学模型和自动化3D-CNN模型在诊断神经退行性帕金森综合征的性能和临床价值	687名运动症状符合帕金森综合征的患者	计算机视觉	神经退行性疾病	放射组学, 3D卷积神经网络	3D-CNN	图像	417名患者用于训练模型，100名患者用于内部测试，170名患者用于外部测试
18579	2024-09-04	Organomics: A Concept Reflecting the Importance of PET/CT Healthy Organ Radiomics in Non-Small Cell Lung Cancer Prognosis Prediction Using Machine Learning 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005400 PMID:39192505	研究论文	本研究探讨了在非小细胞肺癌预后预测中，使用机器学习算法从健康器官中提取的信息的关联性和附加价值。	本研究首次探索了从健康器官中提取的信息对非小细胞肺癌预后预测的附加价值，并展示了其在机器学习性能上的改进。	研究样本量相对较小，且依赖于公开数据库中的PET/CT图像。	探索健康器官的放射组学信息在非小细胞肺癌预后预测中的作用。	非小细胞肺癌患者的PET/CT图像及其健康器官的放射组学信息。	机器学习	肺癌	PET/CT	nnU-Net	图像	154名患者
18580	2024-09-04	Label-free spatiotemporal decoding of single-cell fate via acoustic driven 3D tomography 2024-Oct, Materials today. Bio DOI:10.1016/j.mtbio.2024.101201 PMID:39221213	研究论文	本文介绍了一种无标记、成本效益高且易于制造的非接触式声学诱导振动系统，用于实现细胞的多自由度旋转，并结合深度学习技术进行细胞的3D重建和形态分析	该方法通过声学诱导振动系统实现了细胞的全角度旋转控制，结合深度学习技术进行高精度的细胞识别和3D重建	NA	开发一种新的无标记3D成像技术，以揭示细胞功能和相互作用的复杂性	多种细胞类型及其在药物诱导凋亡中的特征	生物医学研究	NA	声学诱导振动系统	深度学习	图像	多种细胞类型