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
18821	2024-08-25	An Improved DeepLab v3+ Deep Learning Network Applied to the Segmentation of Grape Leaf Black Rot Spots 2022, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2022.795410 PMID:35242151	研究论文	本文提出了一种改进的DeepLab v3+深度学习网络，用于分割葡萄叶黑腐病斑	使用ResNet101网络作为DeepLab v3+的主干网络，并在残差模块中插入通道注意力模块，同时在DeepLab v3+编码器中添加基于特征金字塔网络的特征融合分支	NA	提高葡萄叶黑腐病斑的分割准确性	葡萄叶黑腐病斑	计算机视觉	葡萄病害	深度学习	DeepLab v3+	图像	使用了Plant Village的测试集TS1和果园现场的测试集TS2进行测试
18822	2024-08-25	Deep Learning Accurately Quantifies Plasma Cell Percentages on CD138-Stained Bone Marrow Samples 2022, Journal of pathology informatics DOI:10.1016/j.jpi.2022.100011 PMID:35242448	研究论文	本文研究使用深度学习技术，通过卷积神经网络（CNN）精确量化CD138染色骨髓样本中的浆细胞百分比	提出使用深度学习技术提高浆细胞百分比测量的精确度	NA	提高浆细胞肿瘤诊断中浆细胞百分比的测量精确度	CD138染色骨髓样本中的浆细胞百分比	计算机视觉	浆细胞肿瘤	深度学习	CNN	图像	使用小图像块进行训练和验证，扩展到全玻片图像（WSIs）进行评估
18823	2024-08-25	Predicting EGFR and PD-L1 Status in NSCLC Patients Using Multitask AI System Based on CT Images 2022, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2022.813072 PMID:35250988	研究论文	开发了一种基于CT图像的多任务AI系统，用于预测非小细胞肺癌（NSCLC）患者的表皮生长因子受体（EGFR）和程序性死亡配体1（PD-L1）状态	该AI系统能够使用非侵入性的CT图像预测EGFR和PD-L1状态，避免了传统方法的侵入性操作	NA	开发一种非侵入性的AI系统，用于预测肺癌患者的EGFR和PD-L1状态，以辅助治疗决策	非小细胞肺癌患者的EGFR和PD-L1状态	机器学习	肺癌	CT图像	CNN	图像	NA
18824	2024-08-25	Wearable Sensor-Based Human Activity Recognition in the Smart Healthcare System 2022, Computational intelligence and neuroscience DOI:10.1155/2022/1391906 PMID:35251142	综述	本文综述了基于可穿戴传感器的人类活动识别（HAR）技术在智能医疗系统中的应用、挑战、数据集、方法和组件	提供了对HAR系统的全面评估和比较，以及系统的架构	未提及具体的技术限制	旨在全面审查基于可穿戴传感器的HAR技术	人类活动识别技术及其在智能医疗系统中的应用	计算机视觉	NA	可穿戴传感器	NA	传感器数据	NA
18825	2024-08-25	New Opportunities, Challenges, and Applications of Edge-AI for Connected Healthcare in Internet of Medical Things for Smart Cities 2022, Journal of healthcare engineering DOI:10.1155/2022/2950699 PMID:35251564	综述	本文综述了智能传感器、人工智能（AI）、机器学习（ML）、深度学习（DL）、医疗物联网（IoMT）和边缘分析与云计算集成在连接医疗保健中的新机遇、挑战和应用	探讨了AI、ML、DL、边缘AI、IoMT、6G和云计算在医疗保健中的应用，并提出了进一步验证和实施这些模型的建议	尽管这些技术在某些领域已显示出改进效果，但仍有有限区域尚未实施这些最新进展	探讨智能城市中医疗物联网的边缘AI在连接医疗保健中的应用和挑战	分析过去六年中发表的相关研究，评估AI、ML、DL等技术在医疗保健中的应用效果	人工智能	NA	AI, ML, DL, 边缘AI, IoMT, 6G, 云计算	NA	NA	NA
18826	2024-08-25	Radiological Analysis of COVID-19 Using Computational Intelligence: A Broad Gauge Study 2022, Journal of healthcare engineering DOI:10.1155/2022/5998042 PMID:35251572	综述	本研究旨在识别不同研究者提出的各种COVID-19医学影像分析模型，并讨论其优缺点	本研究详细讨论了现有的COVID-19检测方法及其面临的挑战，并强调了各种预处理和后处理方法以增强检测机制	尽管深度学习方法显示出高效率，但本研究也简要描述了其局限性	探讨深度学习在医学影像分析中的应用及其优缺点	COVID-19的医学影像分析模型	计算机视觉	COVID-19	深度学习	CNN	影像	NA
18827	2024-08-25	Wearable multimode sensor with a seamless integrated structure for recognition of different joint motion states with the assistance of a deep learning algorithm 2022, Microsystems & nanoengineering IF:7.3Q1 DOI:10.1038/s41378-022-00358-2 PMID:35251689	研究论文	本文介绍了一种新型的无缝集成结构的可穿戴多模传感器，该传感器能够解耦压力和应变刺激，并通过机器学习算法识别不同的关节运动状态	该传感器采用独特的无缝结构，包含电阻和电容两个主要部分，通过独立的电阻-电容传感机制解耦不同刺激，并具有高应变敏感性和高线性压力敏感性	NA	开发一种新型的可穿戴传感器，用于精确提取和识别运动特征，以支持多个科学问题的研究	可穿戴多模传感器的设计和性能评估	软机器人	NA	机器学习算法	NA	传感器数据	NA
18828	2024-08-25	An Improved COVID-19 Detection using GAN-Based Data Augmentation and Novel QuNet-Based Classification 2022, BioMed research international IF:2.6Q3 DOI:10.1155/2022/8925930 PMID:35257012	研究论文	本文提出了一种改进的COVID-19检测方法，使用基于GAN的数据增强和新型QuNet分类器	引入了基于GAN的数据增强方法和新型卷积神经网络QuNet，提高了COVID-19检测的准确性	公开可用数据集的不足导致模型过拟合问题	改进COVID-19的检测方法，提高诊断准确性	COVID-19病毒的X射线图像	机器学习	COVID-19	GAN	CNN	图像	使用了四种现有的深度卷积网络（DenseNet-121、InceptionV3、Xception和ResNet101）以及新提出的QuNet网络进行比较分析
18829	2024-08-25	An Efficient Stacked Deep Transfer Learning Model for Automated Diagnosis of Lyme Disease 2022, Computational intelligence and neuroscience DOI:10.1155/2022/2933015 PMID:35265109	研究论文	本文提出了一种高效的堆叠深度迁移学习模型，用于自动化诊断莱姆病	该模型通过使用二阶边缘基色恒常性预处理方法和数据增强技术，有效解决了过拟合和颜色变化问题	NA	提高莱姆病的诊断准确性	莱姆病与其他感染的区分	机器学习	莱姆病	深度学习	AlexNet	图像	使用了5折交叉验证
18830	2024-08-25	Classification and Detection of Autism Spectrum Disorder Based on Deep Learning Algorithms 2022, Computational intelligence and neuroscience DOI:10.1155/2022/8709145 PMID:35265118	研究论文	本研究利用深度学习算法对自闭症谱系障碍进行分类和检测	提出了一种基于社交媒体数据和人脸识别的自闭症谱系障碍检测系统	需要精确的技术来提取和生成正确的人脸特征模式	帮助社区和精神科医生通过面部特征实验性地检测自闭症	自闭症谱系障碍儿童的面部特征	机器学习	精神疾病	深度学习	卷积神经网络	图像	2,940张人脸图像
18831	2024-08-25	Ensemble Deep Learning and Internet of Things-Based Automated COVID-19 Diagnosis Framework 2022, Contrast media & molecular imaging DOI:10.1155/2022/7377502 PMID:35280708	研究论文	本文提出了一种基于集成深度学习和物联网（IoT）的自动化COVID-19诊断框架，通过集成三个预训练的深度学习模型和利用医疗IoT设备收集的CT扫描图像进行自动诊断	该框架通过集成多个深度学习模型和利用IoT技术，提高了COVID-19诊断的准确性和效率	NA	开发一种高效的自动化COVID-19诊断方法	COVID-19疑似病例的诊断	机器学习	COVID-19	深度学习	集成模型	图像	四类数据集
18832	2024-08-25	Deep Learning Neural Network Prediction System Enhanced with Best Window Size in Sliding Window Algorithm for Predicting Domestic Power Consumption in a Residential Building 2022, Computational intelligence and neuroscience DOI:10.1155/2022/7216959 PMID:35281200	研究论文	本文通过深度学习方法（LSTM和CNN）分析并预测单个住宅建筑的家用电力消耗，引入了“最佳N窗口大小”特征，以识别过去数据中的可靠时间段，从而优化预测模型。	提出了“最佳N窗口大小”特征，用于识别过去数据中的可靠时间段，以改进滑动窗口算法，提高预测模型的准确性。	NA	分析和预测住宅建筑的家用电力消耗，以提高能源利用效率。	单个住宅建筑的家用电力消耗。	机器学习	NA	深度学习	LSTM和CNN	时间序列数据	NA
18833	2024-08-25	Deep learning for microscopic examination of protozoan parasites 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.02.005 PMID:35284048	review	本文综述了深度学习在原生动物寄生虫显微检查领域的进展	深度学习在生物医学图像分析中表现出卓越性能，特别是在寄生虫诊断方面	深度学习在原生动物寄生虫诊断中仍面临挑战和未来趋势	总结深度学习在原生动物寄生虫显微检查领域的进展及未来趋势	原生动物寄生虫的显微图像	computer vision	NA	deep learning	CNN	image	公开可用的原生动物寄生虫显微图像数据集
18834	2024-08-25	An Internet-of-Medical-Things-Enabled Edge Computing Framework for Tackling COVID-19 2021-Nov-01, IEEE internet of things journal IF:8.2Q1 DOI:10.1109/JIOT.2021.3051080 PMID:35782185	研究论文	本文开发了一个基于互联网医疗物联网（IoMT）的边缘计算框架，利用深度学习（DL）检测多样化的与COVID-19相关的健康症状，并生成用于医疗决策支持的报告和警报。	该研究利用IoMT收集家庭环境中的多样化情感和身体健康数据，并在资源受限的边缘环境中运行先进的深度学习应用，实现了本地化的数据处理和推理，确保了用户隐私、安全性和低延迟。	NA	开发一个边缘IoMT系统，用于在疫情期间管理家庭健康，并通过深度学习检测COVID-19症状。	COVID-19相关的健康症状和家庭环境中的情感及生理状态数据。	机器学习	COVID-19	深度学习（DL）	NA	情感和生理状态数据	NA
18835	2024-08-25	Computer Audition for Fighting the SARS-CoV-2 Corona Crisis-Introducing the Multitask Speech Corpus for COVID-19 2021-Nov-01, IEEE internet of things journal IF:8.2Q1 DOI:10.1109/JIOT.2021.3067605 PMID:35782182	研究论文	本文介绍了一个用于COVID-19研究的多任务语音语料库，收集了51名确诊COVID-19患者的自然语音数据，并定义了三个分类任务来评估患者的身体和/或心理状态	提出了一个新颖的多任务语音语料库，用于COVID-19研究，填补了计算机听觉在传染病监测方面的研究空白	NA	利用计算机听觉技术支持COVID-19的预防、诊断、治疗、追踪和管理	COVID-19患者的语音数据及其身体和心理状态	机器学习	COVID-19	计算机听觉	深度学习	语音	51名确诊COVID-19患者
18836	2024-08-25	Automatic detection of cotton balls during brain surgery: Where deep learning meets ultrasound imaging to tackle foreign objects 2021-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2580887 PMID:35233128	研究论文	本文研究了使用深度学习和超声成像技术自动检测脑外科手术中棉球的方法	采用3D打印的自定义深度盒和Butterfly IQ手持超声探头，结合YOLOv4算法进行实时物体识别	NA	提高脑外科手术中棉球的检测准确性和速度	棉球在脑外科手术中的检测	计算机视觉	NA	超声成像	YOLOv4	图像	棉球在不同位置和深度下的检测
18837	2024-08-25	Deep Learning-Based Mapping of Tumor Infiltrating Lymphocytes in Whole Slide Images of 23 Types of Cancer 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.806603 PMID:35251953	研究论文	本文提出了一种基于深度学习的流程，用于在23种癌症的全切片图像中分类肿瘤浸润淋巴细胞（TILs），并生成TIL图	该研究使用了三种先进的卷积神经网络架构（VGG16、Inception-V4和ResNet-34），并结合了病理学家手动标注和计算机生成的标签进行训练，提高了模型的准确性和F分数	NA	研究肿瘤浸润淋巴细胞作为生物标志物在预测疾病进展和临床结果中的作用	23种不同类型的癌症中的肿瘤浸润淋巴细胞	数字病理学	多种癌症	深度学习	CNN	图像	涉及23种癌症的全切片图像，包括大量训练数据和手动标注的图像块
18838	2024-08-25	An Interpretable Deep Learning Model for Covid-19 Detection With Chest X-Ray Images 2021, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/ACCESS.2021.3087583 PMID:35256923	研究论文	本文介绍了一种用于COVID-19检测的可解释深度学习模型Gen-ProtoPNet	Gen-ProtoPNet模型使用了广义距离函数，能够处理任意类型的空间维度原型，提高了模型的解释性	NA	开发一种可解释的深度学习模型用于COVID-19的及时准确检测	COVID-19的检测	机器学习	COVID-19	深度学习	Gen-ProtoPNet	图像	使用了X射线图像数据集
18839	2024-08-25	Learning Predictive and Interpretable Timeseries Summaries from ICU Data 2021, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:35309006	研究论文	本文提出了一种新方法，从ICU数据中学习既具有预测性又易于人类理解的临床时间序列摘要	提出的摘要方法由简单直观的临床数据函数组成，如“下降的平均动脉压”，这些摘要不仅易于理解，而且在性能上与最先进的深度学习模型相当	NA	提高重症监护病房风险分层任务的性能，并增强模型的可解释性	临床时间序列数据	机器学习	NA	NA	深度学习模型	时间序列数据	NA
18840	2024-08-25	VOTENET+ : AN IMPROVED DEEP LEARNING LABEL FUSION METHOD FOR MULTI-ATLAS SEGMENTATION 2020-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi45749.2020.9098493 PMID:35261721	研究论文	本文通过将VoteNet模型与联合标签融合（JLF）方法结合，改进了多图谱分割（MAS）的性能	提出了一种改进的深度网络VoteNet+，用于局部预测图谱标签与目标图像标签不同的概率，并证明了JLF比多数投票更适合作为VoteNet框架的标签融合方法	NA	提高多图谱分割的性能	3D MR脑部图像的分割	计算机视觉	NA	深度学习	CNN	图像	LPBA40数据集