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
161	2024-12-12	Interpretable brain disease classification and relevance-guided deep learning 2022-11-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-24541-7 PMID:36424437	研究论文	本文提出了一种利用相关性引导的热图在线计算的正则化技术，用于训练卷积神经网络（CNN）分类器，以提高脑疾病分类的可解释性和准确性	本文的创新点在于提出了一种相关性引导的正则化技术，通过在线计算热图来训练CNN分类器，从而提高分类准确性并减少对非脑组织特征的依赖	本文的局限性在于仅使用了T1加权MR图像，未探讨其他类型图像对分类结果的影响	研究目的是提高基于MRI的神经疾病分类的可解释性和准确性	研究对象是阿尔茨海默病患者和健康对照者的T1加权MR图像	机器学习	阿尔茨海默病	MRI	CNN	图像	128名阿尔茨海默病患者和290名健康对照者
162	2024-12-12	AVT: Multicenter aortic vessel tree CTA dataset collection with ground truth segmentation masks 2022-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2022.107801 PMID:35059483	研究论文	本文介绍了一个多中心主动脉血管树数据库，包含56个主动脉及其分支的CTA扫描数据和相应的半自动分割掩码	首次提供了多中心主动脉血管树的CTA数据集，并附带半自动生成的分割掩码，有助于研究不同地理位置的主动脉及其分支的几何形状变异性	NA	构建一个稳健的统计模型，用于开发全自动的主动脉血管树分割算法	主动脉及其分支的几何形状和变异性	计算机视觉	NA	CTA扫描	深度学习	图像	56个主动脉及其分支
163	2024-12-11	DMCGNet: A Novel Network for Medical Image Segmentation With Dense Self-Mimic and Channel Grouping Mechanism 2022-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2022.3192277 PMID:35939480	研究论文	提出了一种新的密集自模仿和通道分组机制的网络DMCGNet，用于医学图像分割，以实现更好的特征提取	引入了金字塔目标感知密集自模仿模块（PTDSM）和基于通道分割的特征融合模块（CSFFM），并结合深度监督与组集成学习（DSGEL）来增强特征提取和多尺度目标适应性	未提及具体限制	改进医学图像分割中的特征提取能力	医学图像分割任务	计算机视觉	NA	深度学习	DMCGNet	图像	4个医学图像分割数据集
164	2024-12-11	Deep learning on time series laboratory test results from electronic health records for early detection of pancreatic cancer 2022-07, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2022.104095 PMID:35598881	研究论文	本研究开发了一种深度学习框架，利用电子健康记录中的纵向临床数据进行胰腺癌的早期检测	提出了一个新颖的训练协议，通过应用独立泊松随机掩码强调早期检测，并使用分组神经网络架构进行数据融合	研究结果的普适性需要进一步验证，尤其是在不同疾病和人群中的应用	开发一种能够利用电子健康记录中的纵向临床数据进行胰腺癌早期检测的深度学习框架	电子健康记录中的纵向临床数据和胰腺癌的早期检测	机器学习	胰腺癌	深度学习	分组神经网络（GrpNN）	时间序列数据	使用了来自哥伦比亚大学欧文医学中心-纽约长老会医院的数据
165	2024-12-10	Deep Morphology Learning Enhances Ex Vivo Drug Profiling-Based Precision Medicine 2022-11-02, Blood cancer discovery IF:11.5Q1 DOI:10.1158/2643-3230.BCD-21-0219 PMID:36125297	研究论文	本文研究了在复发或难治性血液癌症患者中，使用弱监督深度学习方法分析细胞形态（DML）来补充基于诊断标记的恶性与非恶性细胞识别，以提高药物测试的准确性和个性化治疗的效果	本文提出了使用弱监督深度学习方法分析细胞形态（DML）来提高药物测试的重复性和药物作用模式的聚类效果，并通过自主识别与疾病相关的细胞形态来适应批次效应	NA	研究如何通过深度学习方法提高基于患者活检细胞的药物测试的准确性和个性化治疗效果	复发或难治性血液癌症患者的活检细胞	机器学习	血液癌症	深度学习	NA	细胞形态数据	390个活检样本，来自289名患者
166	2024-12-10	Monkeypox Virus Detection Using Pre-trained Deep Learning-based Approaches 2022-Oct-06, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-022-01868-2 PMID:36201085	研究论文	本文比较了13种预训练深度学习模型在猴痘病毒检测中的表现	提出了一种基于多数投票的集成方法，显著提高了检测性能	NA	开发一种高效的猴痘病毒检测方法	猴痘病毒	机器学习	NA	深度学习	深度学习模型	图像	使用了一个公开的数据集
167	2024-12-08	Deep neural network enabled active metasurface embedded design 2022-Sep, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0152 PMID:39635158	研究论文	本文提出了一种利用深度学习方法进行光子器件中嵌入式主动超表面结构的前向建模和逆向设计的研究	结合神经网络设计和散射矩阵优化显著简化了计算开销，同时实现了精确的目标驱动设计	NA	研究光子器件中嵌入式主动超表面结构的前向建模和逆向设计	光子器件中的主动超表面结构	计算机视觉	NA	深度学习	神经网络	NA	NA
168	2024-12-08	Photonic (computational) memories: tunable nanophotonics for data storage and computing 2022-Sep, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0089 PMID:39635175	综述	本文综述了新兴的纳米光子器件及其在数据存储和计算中的应用	探讨了光子集成电路和光学纳米材料在芯片级光子存储中的新机遇	光子存储在存储密度上尚未能与电子数字存储相媲美	探讨如何通过光子存储和计算技术改进或超越传统的冯·诺依曼架构	纳米光子器件及其在光子存储和计算中的应用	NA	NA	光子集成电路 (PICs)	NA	NA	NA
169	2024-12-08	Data enhanced iterative few-sample learning algorithm-based inverse design of 2D programmable chiral metamaterials 2022-Sep, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0310 PMID:39635508	研究论文	提出了一种数据增强迭代少样本学习算法（DEIFS），用于精确高效地逆向设计多形状的二维手性超材料	DEIFS算法通过数据增强和迭代过程，显著减少了数据集的大小，同时提高了逆向设计的速度和准确性，并增加了对实验结果的数据解释性	NA	实现二维手性超材料的精确和高效逆向设计	二维衍射手性结构，包括不同几何参数（宽度、分离空间、桥长和金长）	计算机视觉	NA	数据增强迭代少样本学习算法（DEIFS）	NA	光谱数据	涉及多种形状的二维手性超材料
170	2024-12-08	Deep learning in light-matter interactions 2022-Jul, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0197 PMID:39635557	研究论文	本文探讨了深度学习在光物质相互作用中的应用及其带来的机遇和挑战	深度学习改善了纳米光子器件的设计和实验数据的获取与分析，甚至在理论基础不足或过于复杂的情况下	深度学习作为黑箱模型，难以理解和解释其结果和可靠性，尤其是在数据集不完整或数据由对抗性方法生成时	探讨深度学习在光子学中的应用及其带来的机遇和挑战	光物质相互作用及其在光子学中的应用	机器学习	NA	深度学习	NA	实验数据和模拟数据	NA
171	2024-12-08	Computational spectrometers enabled by nanophotonics and deep learning 2022-Jun, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2021-0636 PMID:39635673	综述	介绍了一种新型光谱仪，该光谱仪主要依赖计算技术来恢复光谱信息	结合了纳米光子学、高级信号处理和机器学习的最新进展	面临关键挑战，需要进一步发展	回顾计算光谱仪的最新进展，识别关键挑战，并指出未来可能的发展方向	计算光谱仪及其在机器感知和成像中的应用	NA	NA	纳米光子学、机器学习	NA	光谱数据	NA
172	2024-12-08	Advancing statistical learning and artificial intelligence in nanophotonics inverse design 2022-Jun, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2021-0660 PMID:39635678	综述	本文综述了纳米光子学逆向设计领域的最新优化方法、深度学习及其混合技术	探讨了深度学习在纳米光子学逆向设计中的应用及其混合技术	未具体提及	探讨纳米光子学逆向设计中的优化方法和人工智能技术的应用	纳米光子学逆向设计中的材料和几何配置	纳米光子学	NA	深度学习	NA	NA	NA
173	2024-12-08	Free-form optimization of nanophotonic devices: from classical methods to deep learning 2022-Apr, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2021-0713 PMID:39633938	综述	本文综述了自由形式纳米光子器件设计的新兴领域，涵盖了从经典方法到深度学习方法的优化策略	本文介绍了自由形式设计方案，突破了传统设计约束，充分利用了设计潜力	NA	系统概述自由形式纳米光子器件设计领域	自由形式纳米光子器件的优化策略	纳米光子学	NA	NA	NA	NA	NA
174	2024-12-08	AMPlify: attentive deep learning model for discovery of novel antimicrobial peptides effective against WHO priority pathogens 2022-Jan-25, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-022-08310-4 PMID:35078402	研究论文	介绍了一种名为AMPlify的注意力深度学习模型，用于发现对世界卫生组织优先病原体有效的新型抗菌肽	提出了AMPlify模型，通过深度学习方法预测抗菌肽，并展示了其在筛选蛙类基因组衍生的肽序列中的应用	NA	寻找替代传统抗生素的新型抗菌肽	抗菌肽及其对世界卫生组织优先病原体的活性	机器学习	NA	深度学习	注意力模型	序列数据	从牛蛙基因组中提取的肽序列
175	2024-12-08	3D bi-directional transformer U-Net for medical image segmentation 2022, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2022.1080715 PMID:36687770	研究论文	本文提出了一种新的3D双向Transformer U-Net框架，用于三维医学图像分割	设计了一种新的注意力机制，通过3D计算充分提取自注意力能力，并结合3D Transformer和3D DCNN的优势	NA	改进现有深度卷积神经网络在医学图像分割任务中处理全局关系的能力	三维医学图像分割	计算机视觉	NA	深度卷积神经网络 (DCNN)	3D双向Transformer U-Net	图像	两个独立数据集，包含3D MRI和CT图像
176	2024-12-08	A learning based approach for designing extended unit cell metagratings 2022-Jan, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2021-0540 PMID:39633889	研究论文	本文提出了一种基于深度学习的扩展单元晶格超表面逆向设计方法	该方法通过学习超表面在反射和透射阶次上的光谱响应，避免了传统方法中由于元原子间耦合效应未充分考虑而导致的效率降低问题	NA	提高超表面设计的效率和性能	扩展单元晶格超表面	纳米光子学	NA	深度学习	深度神经网络	光谱数据	NA
177	2024-12-08	Deep-learning-based recognition of multi-singularity structured light 2022-Jan, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2021-0489 PMID:39635381	研究论文	本文介绍了一种基于深度学习的框架，用于识别具有多重奇点的结构化光	该框架能够直接从光束传播后的两个强度模式中揭示多重奇点相位结构，并输出相位信息，从而释放扭曲光子的丰富直观信息	NA	开发一种能够精确识别具有多重奇点的结构化光的新技术	多重奇点的结构化光及其相位信息	计算机视觉	NA	深度学习 (DL)	NA	图像	NA
178	2024-12-01	Improving the repeatability of deep learning models with Monte Carlo dropout 2022-Nov-18, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00709-3 PMID:36400939	研究论文	本文评估了四种模型类型在医学图像分类任务中的重复性，并研究了蒙特卡罗 dropout 对分类性能和重复性的影响	利用蒙特卡罗预测显著提高了重复性，特别是在类别边界处，并减少了95%一致性限制和类别不一致率	超过20次蒙特卡罗迭代后，重复性没有进一步提高	评估深度学习模型在医学图像分类任务中的重复性，并研究蒙特卡罗 dropout 对分类性能和重复性的影响	四种模型类型（二分类、多分类、有序分类和回归）在医学图像分类任务中的重复性	机器学习	NA	蒙特卡罗 dropout	ResNet 和 DenseNet	图像	来自同一患者在同一就诊期间获取的图像
179	2024-12-01	JSE: Joint Semantic Encoder for zero-shot gesture learning 2022-Aug, Pattern analysis and applications : PAA IF:3.7Q2 DOI:10.1007/s10044-021-00992-y PMID:39588314	研究论文	本文研究了三种不同的特征提取技术对零样本手势学习性能的影响，并提出了一种名为联合语义编码器（JSE）的双线性自编码器方法	本文首次研究了特征选择对零样本手势学习的影响，并提出了联合语义编码器（JSE）方法，该方法在零样本手势识别中表现优异	本文未详细讨论JSE方法在其他领域的适用性及其泛化能力	研究特征提取技术对零样本手势学习性能的影响，并提出一种新的方法来提高零样本手势识别的准确性	零样本手势学习中的特征提取技术和识别性能	机器学习	NA	深度学习	自编码器	图像	未明确提及具体样本数量
180	2024-11-24	Denoising diffusion weighted imaging data using convolutional neural networks 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0274396 PMID:36108272	研究论文	本文提出了一种使用一维卷积神经网络（1D-CNN）对高b值扩散加权成像（DWI）数据进行去噪的方法	该方法利用低噪声数据集进行训练，能够在不依赖大量训练样本的情况下，有效去除高噪声DWI图像中的噪声	该方法需要一个低噪声的单个受试者数据集进行训练，这在实际应用中可能存在限制	开发一种有效的DWI图像去噪方法，以提高组织微结构测量的准确性	高b值扩散加权成像数据	计算机视觉	NA	扩散加权成像（DWI）	一维卷积神经网络（1D-CNN）	图像	单个受试者数据集用于训练，多个受试者的高噪声数据集用于验证