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
18661	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
18662	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。
18663	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
18664	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
18665	2024-08-28	Improved Deep Neural Network for Cross-Media Visual Communication 2022, Computational intelligence and neuroscience DOI:10.1155/2022/1556352 PMID:35535179	研究论文	本文提出了一种改进的生成对抗网络，用于提高跨媒体视觉通信中前景和背景分割的准确性及场景重建的精度	在生成对抗网络的基础上增加了组合编解码包，并配置生成器和判别器为级联结构，同时引入了基于卷积神经网络的新辅助分类器，以提高不同特征层视觉场景的识别准确率	NA	解决跨媒体视觉通信中的前景和背景分割问题，提高视觉通信场景重建的准确性	跨媒体视觉通信中的前景和背景分割及场景重建	计算机视觉	NA	生成对抗网络	GAN	图像	使用了Cityscapes、NoW和Replica数据集进行性能验证
18666	2024-08-28	Golden Standard or Obsolete Method? Review of ECG Applications in Clinical and Experimental Context 2022, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2022.867033 PMID:35547589	综述	本文综述了心电图（ECG）在研究和临床实践中的应用，探讨了各种方法的优缺点，并总结了高级数据分析的可能性	特别强调了在广泛临床应用中扩展的最新深度学习技术，这些技术在实验分支中展现出有前景的前景	NA	探讨心电图在心血管研究中的应用及其在临床和实验环境中的重要性	心血管系统及其在生理和病理生理条件下的功能	NA	心血管疾病	深度学习	深度学习模型	心电图数据	NA
18667	2024-08-28	Update on the Use of Nanocarriers and Drug Delivery Systems and Future Directions in Cervical Cancer 2022, Journal of immunology research IF:3.5Q2 DOI:10.1155/2022/1636908 PMID:35571568	综述	本文综述了纳米载体和药物递送系统在宫颈癌治疗中的应用及未来发展方向	提出通过纳米技术将化疗药物直接递送至宫颈癌细胞，减少副作用，并引入全息技术实现药物递送动力学的非微分模型，以及人工智能作为新的分析方法	NA	探讨纳米载体和药物递送系统在宫颈癌治疗中的应用及未来发展	宫颈癌及其治疗	NA	宫颈癌	纳米技术	NA	NA	NA
18668	2024-08-28	Attention-Based DSC-ConvLSTM for Multiclass Motor Imagery Classification 2022, Computational intelligence and neuroscience DOI:10.1155/2022/8187009 PMID:35571721	研究论文	本文提出了一种基于注意力机制的DSC-ConvLSTM模型，用于多类运动想象脑电信号分类，以提高分类准确率	采用深度可分离卷积提取脑电信号的空间特征，并通过改进的LSTM单元结合注意力机制提取时间域特征，提高了模型的解码性能	NA	提高运动想象脑电信号分类的准确率，推动脑机接口技术的发展	运动想象脑电信号	机器学习	NA	深度学习	DSC-ConvLSTM	脑电信号	使用两个数据集，BCI Competition IV Dataset 2a和高伽马数据集进行实验
18669	2024-08-28	Generating Full-Field Digital Mammogram From Digitized Screen-Film Mammogram for Breast Cancer Screening With High-Resolution Generative Adversarial Network 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.868257 PMID:35574397	研究论文	本研究开发了一种基于深度学习的生成算法HRGAN，用于从数字化屏幕胶片乳腺摄影（DFM）生成全视野数字乳腺摄影（FFDM），以提高乳腺癌筛查中深度学习算法的性能。	HRGAN算法能够在使用高分辨率DFM作为输入的同时保持图像分辨率和细节，解决了生成高分辨率FFDM的挑战。	由于网络容量和GPU内存的限制，生成高分辨率FFDM仍然是一个挑战。	开发一种基于FFDM的深度学习算法，同时利用现有的标记DFM数据集。	全视野数字乳腺摄影（FFDM）和数字化屏幕胶片乳腺摄影（DFM）。	计算机视觉	乳腺癌	生成对抗网络（GAN）	U-Net类似生成器和修改鉴别器	图像	使用了两个公开的乳腺摄影数据集，包括3568张DFM和410张FFDM。
18670	2024-08-28	DeepNC: a framework for drug-target interaction prediction with graph neural networks 2022, PeerJ IF:2.3Q2 DOI:10.7717/peerj.13163 PMID:35578674	研究论文	本文提出了一种基于图神经网络的药物-靶点相互作用预测框架DeepNC	DeepNC框架利用三种图神经网络算法（GENConv、GCNConv和HypergraphConv）学习药物和靶点的特征，并通过全连接层预测结合亲和力值	NA	构建一种先进的基于深度学习的药物-靶点相互作用预测模型	药物和靶点的结合亲和力	机器学习	NA	图神经网络	GNN	图	使用了三个数据集（Davis、Kiba和Allergy）进行模型评估
18671	2024-08-28	Cleanup Sketched Drawings: Deep Learning-Based Model 2022, Applied bionics and biomechanics IF:1.8Q3 DOI:10.1155/2022/2238077 PMID:35578715	研究论文	本文提出了一种基于全卷积网络（FCNN）的深度学习模型，用于简化粗糙的栅格草图图像	该模型能够自动生成高质量的简化草图图像，有效解决了粗糙草图图像中的噪声、不必要背景和低分辨率问题	NA	研究如何使用深度学习技术自动清理和改进粗糙绘图	粗糙的栅格草图图像	计算机视觉	NA	深度学习	全卷积网络（FCNN）	图像	三个公开的栅格图像数据集
18672	2024-08-28	Automated bone marrow cytology using deep learning to generate a histogram of cell types 2022, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-022-00107-6 PMID:35603269	研究论文	本文开发了一种基于深度学习的端到端系统，用于自动化骨髓细胞学分析，并生成细胞类型直方图	提出了一种新的细胞类型直方图（HCT）表示方法，用于量化骨髓细胞类别概率分布，作为细胞学患者指纹	NA	开发一种支持人工智能的计算病理学技术，以提高血液学诊断的效率和准确性	骨髓细胞学分析	计算机视觉	血液疾病	深度学习	NA	图像	NA
18673	2024-08-28	AANet: Attentive All-level Fusion Deep Neural Network Approach for Multi-modality Early Alzheimer's Disease Diagnosis 2022, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:37128453	研究论文	本文提出了一种名为AANet的新系统，用于融合多层次和多模态患者数据，包括3D脑图像、患者人口统计学、遗传学和血液生物标志物，以进行早期阿尔茨海默病诊断。	AANet通过自注意力机制的全层次融合方法，自动调整各层次MRI图像特征、患者人口统计学、血液生物标志物和遗传数据的权重，实现了多模态数据的有效整合。	NA	开发一种新的深度学习框架，用于多模态数据融合的疾病诊断。	早期阿尔茨海默病的诊断。	机器学习	阿尔茨海默病	深度学习	CNN	图像、文本	数据来自阿尔茨海默病神经成像倡议
18674	2024-08-28	Assessment of the CASP14 assembly predictions 2021-12, Proteins IF:3.2Q2 DOI:10.1002/prot.26199 PMID:34337786	研究论文	本文评估了CASP14中39个研究小组提交的超过2500个蛋白质复合物三维模型的预测性能	文章展示了结合传统技术与深度学习方法在蛋白质复合物预测中的有效性，并指出AlphaFold2预测在界面预测中的潜在帮助	文章指出，对于没有整体模板复合物的预测仍面临重大挑战	评估CASP14中蛋白质复合物结构预测的准确性和挑战	CASP14中的22个蛋白质复合物	计算机视觉	NA	模板基础建模、蛋白质对接、深度学习基础的接触预测	深度学习模型	3D模型	超过2500个3D模型，涉及22个蛋白质复合物
18675	2024-08-28	Clinical Artificial Intelligence Applications: Breast Imaging 2021-Nov, Radiologic clinics of North America IF:2.1Q2 DOI:10.1016/j.rcl.2021.07.010 PMID:34689871	review	本文简要概述了人工智能在临床乳腺影像学中的发展	随着影像技术的发展，人工智能技术采用了更复杂的算法、更快的计算机和更大的数据集	NA	探讨人工智能在乳腺影像学中的应用	乳腺影像学中的检测、诊断及治疗反应评估任务	computer vision	breast cancer	AI	deep learning	image	NA
18676	2024-08-28	BI-RADS-NET: AN EXPLAINABLE MULTITASK LEARNING APPROACH FOR CANCER DIAGNOSIS IN BREAST ULTRASOUND IMAGES 2021-Oct, IEEE International Workshop on Machine Learning for Signal Processing : [proceedings]. IEEE International Workshop on Machine Learning for Signal Processing DOI:10.1109/mlsp52302.2021.9596314 PMID:35509454	研究论文	本文介绍了BI-RADS-Net，一种用于乳腺癌超声图像检测的可解释多任务学习深度学习方法	该方法通过学习与临床诊断相关的特征表示，同时解释和分类乳腺肿瘤，并提供基于形态学特征的预测解释	NA	开发一种可解释的深度学习方法，用于乳腺癌超声图像的癌症检测	乳腺肿瘤的检测和分类	计算机视觉	乳腺癌	深度学习	CNN	图像	1,192张图像
18677	2024-08-28	Predict Alzheimer's disease using hippocampus MRI data: a lightweight 3D deep convolutional network model with visual and global shape representations 2021-05-24, Alzheimer's research & therapy DOI:10.1186/s13195-021-00837-0 PMID:34030743	研究论文	本文提出了一种基于海马体MRI数据和全局形状表示的轻量级3D深度卷积网络模型DenseCNN2，用于阿尔茨海默病的分类	DenseCNN2模型结合了海马体分割和全局形状特征，提高了分类性能	NA	开发一种高效的阿尔茨海默病分类诊断工具	阿尔茨海默病患者和正常对照组的海马体MRI数据	机器学习	阿尔茨海默病	MRI	CNN	图像	326名阿尔茨海默病患者和607名正常对照组的海马体MRI数据
18678	2024-08-28	High-resolution 3D abdominal segmentation with random patch network fusion 2021-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2020.101894 PMID:33421919	研究论文	本文提出了一种基于随机空间初始化和统计融合的补丁网络，用于高分辨率3D腹部器官分割。	该方法通过随机空间初始化和统计融合在重叠区域的关注点（ROI）上，提高了多器官分割的性能。	NA	研究高分辨率3D腹部器官分割的挑战性问题。	3D腹部器官在高分辨率CT上的分割。	计算机视觉	NA	3D全卷积网络（FCN）	补丁网络	图像	260名受试者
18679	2024-08-28	Dental microfracture detection using wavelet features and machine learning 2021-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2580744 PMID:35505894	研究论文	本文提出了一种结合高分辨率锥束计算机断层扫描（CBCT）和机器学习算法来检测牙齿微裂纹的方法	该方法通过使用小波金字塔构造生成相位图像，并利用U-Net深度学习架构定位裂纹的方向和范围，提供了一种新的量化牙齿结构破坏的方法	目前该模型仅在2D切片上进行了验证，未来的工作将扩展到3D体积，并改进特征提取和临床验证	开发一种新的算法来早期检测牙齿微裂纹，以提高治疗效果和牙齿保留时间	研究对象为提取的人类牙齿，包括裂纹牙齿和对照牙齿	机器学习	NA	CBCT	U-Net	图像	22颗裂纹牙齿和14颗对照牙齿
18680	2024-08-28	Deep learning-based detection and segmentation of diffusion abnormalities in acute ischemic stroke 2021, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-021-00062-8 PMID:35602200	研究论文	本文开发了一种基于深度学习的工具，用于检测和分割急性缺血性卒中的扩散异常	提出的模型在小型病变中表现优于通用网络和DeepMedic，具有较低的假阳性率、平衡的精确度和敏感性，以及对数据扰动的鲁棒性	NA	开发一种高效的工具，用于检测和分割急性卒中的扩散异常	急性和亚急性缺血性卒中患者的扩散加权MRI图像	计算机视觉	脑血管疾病	深度学习	NA	图像	2,348例临床扩散加权MRI图像，以及280例外部数据集MRI图像