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
61	2024-12-07	Deep learning empowering design for selective solar absorber 2023-Sep, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2023-0291 PMID:39635349	研究论文	本文开发了一种结合深度学习和多目标双重退火算法的高性能设计范式，用于优化多层纳米结构以最大化太阳能光谱吸收和最小化红外辐射	本文首次将深度学习与多目标双重退火算法结合，用于设计高性能的选择性太阳能吸收器	实验测量的红外辐射平均发射率略高于计算值，表明实际性能与理论设计之间存在一定差距	开发一种高效的设计方法，用于优化太阳能吸收器的性能	多层纳米结构的选择性太阳能吸收器	NA	NA	深度学习	NA	NA	NA
62	2024-12-08	Progressively refined deep joint registration segmentation (ProRSeg) of gastrointestinal organs at risk: Application to MRI and cone-beam CT 2023-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.16527 PMID:37265185	研究论文	本文开发了一种名为ProRSeg的深度网络，用于胃肠道器官的风险区域的联合注册和分割，并评估其在MRI和锥束CT上的应用	ProRSeg网络在MRI和CBCT上的分割和注册精度显著高于其他方法	研究缺乏独立的测试和基准幻影数据集来测量剂量累积的准确性	开发一种能够准确分割和注册胃肠道器官风险区域的深度学习网络，并评估其在放射治疗中的应用	胃肠道器官风险区域，包括胃、十二指肠、大肠和小肠	计算机视觉	胰腺癌	深度学习	ProRSeg	MRI和CBCT图像	110张T2加权MRI图像和80张CBCT图像
63	2024-12-08	Deep learning-based vortex decomposition and switching based on fiber vector eigenmodes 2023-Jul, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2023-0202 PMID:39635056	研究论文	本文展示了基于深度学习的涡旋模式分解和切换技术，通过重建多视角投影强度分布图像来实现圆柱矢量（CV）和轨道角动量（OAM）模式的分解	首次实现了基于深度学习的CV和OAM模式分解，并展示了高效的模态系数和光场分布恢复	NA	实现对圆柱矢量和轨道角动量模式的智能生成和精确控制	圆柱矢量（CV）和轨道角动量（OAM）模式	光学	NA	深度学习	随机并行梯度下降（SPGD）算法	图像	NA
64	2024-12-08	Counting and mapping of subwavelength nanoparticles from a single shot scattering pattern 2023-Jul, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0612 PMID:39635469	研究论文	本文介绍了一种基于深度学习的超分辨率单次光学方法，用于计数和映射表面上的亚波长颗粒	提出了一种基于深度学习的超分辨率单次光学方法，用于计数和映射亚波长颗粒的位置	NA	开发一种用于计数和映射亚波长颗粒的新型光学方法	亚波长颗粒的计数和位置映射	计算机视觉	NA	深度学习	NA	图像	4 × 4 网格上的颗粒集合
65	2024-12-08	Deep-learning-assisted reconfigurable metasurface antenna for real-time holographic beam steering 2023-Jun, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0789 PMID:39633750	研究论文	本文提出了一种基于深度学习的可重构超表面天线，能够实现实时全息波束转向	采用深度学习算法结合自动编码器和电磁散射方程，取代传统的迭代方法，实现了实时确定超原子状态	NA	开发一种能够实时控制超表面天线以实现全息波束转向的方法	可重构超表面天线及其在全息波束转向中的应用	计算机视觉	NA	深度学习	自动编码器	电磁散射数据	NA
66	2024-12-08	A deep neural network for general scattering matrix 2023-Jun, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0770 PMID:39633768	研究论文	本文开发了一种深度神经网络（DNN），能够快速计算非对称散射体的散射矩阵	提出的DNN计算速度比有限元求解器快数千倍，并且自动满足能量守恒、时间反转和互易性等基本物理原理	NA	提出一种利用深度学习解决散射问题的高效方法	非对称散射体的散射矩阵	机器学习	NA	深度神经网络（DNN）	深度神经网络（DNN）	散射矩阵	NA
67	2024-12-08	Multimodal deep learning methods enhance genomic prediction of wheat breeding 2023-05-02, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkad045 PMID:36869747	研究论文	本文比较了一种新的深度学习方法与传统基因组预测模型在小麦育种中的应用	本文首次将深度学习方法应用于基因组与表型组（成像）相结合的基因组预测中	深度学习方法在某些年份的基因组预测准确性略低于GBLUP模型	提高小麦育种中未观测表型的基因组预测准确性	小麦的基因组数据和表型数据	机器学习	NA	深度学习	深度学习神经网络	基因组数据和表型数据	两个小麦数据集（DS1和DS2），DS1包含基因组和表型数据，DS2包含3年、2个环境（干旱和灌溉）和2-4个性状的基因组数据
68	2024-12-08	Inverse design in quantum nanophotonics: combining local-density-of-states and deep learning 2023-May, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0746 PMID:39635698	研究论文	本文介绍了一种在量子纳米光子学中结合局部态密度和深度学习的逆向设计框架	本文首次将深度学习引入量子光学领域，用于推进量子器件设计，并提供了一个新的平台，用于在没有直接结构与功能特性联系的复杂问题中设计纳米光子结构	NA	推进量子器件设计	量子纳米光子学中的自发辐射和纠缠问题	量子光学	NA	深度学习	全连接神经网络	局部态密度	单个多层壳金属纳米粒子系统中的量子发射器
69	2024-12-08	Deep learning-enabled analysis of medical images identifies cardiac sphericity as an early marker of cardiomyopathy and related outcomes 2023-04-14, Med (New York, N.Y.) DOI:10.1016/j.medj.2023.02.009 PMID:36996817	研究论文	利用深度学习技术分析心脏磁共振图像，识别心脏球形度作为心肌病及相关结果的早期标志	首次使用深度学习技术测量左心室球形指数，并将其与心肌病和心房颤动的风险关联起来	研究排除了左心室大小或收缩功能异常的受试者，可能影响结果的普适性	探讨心脏形状变化对心血管风险和病理生理学的理解	左心室球形指数与心肌病和心房颤动的关系	计算机视觉	心血管疾病	深度学习	NA	图像	38,897名受试者
70	2024-12-08	Diffractive interconnects: all-optical permutation operation using diffractive networks 2023-Mar, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0358 PMID:39634345	研究论文	本文介绍了通过深度学习设计的衍射光学网络，能够在全光条件下执行排列操作，并扩展到数十万条输入输出连接	首次实验展示了在太赫兹频段运行的衍射排列网络，并设计了抗对准误差的衍射设计	更深的衍射网络设计在物理对准和输出衍射效率方面存在实际挑战	开发基于衍射光学网络的全光排列操作平台	衍射光学网络的排列操作性能	光学	NA	衍射光学	NA	NA	NA
71	2024-12-08	Multi-task topology optimization of photonic devices in low-dimensional Fourier domain via deep learning 2023-Mar, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0361 PMID:39634354	研究论文	本文提出了一种基于深度神经网络（DNN）的低维傅里叶域多任务拓扑优化方法，用于光子器件的设计	通过在低维傅里叶域中使用DNN进行拓扑优化，减少了设计自由度，加速了训练过程，并实现了多任务优化	NA	开发一种高效的多任务光子器件优化方法	光子器件，包括波长滤波器和波导耦合单光子源	计算机视觉	NA	深度学习	深度神经网络（DNN）	光学响应	NA
72	2024-12-08	All-optical ultrafast ReLU function for energy-efficient nanophotonic deep learning 2023-Mar, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0137 PMID:39634351	研究论文	本文展示了使用周期极化薄膜铌酸锂纳米光波导实现的全光超快ReLU函数，为能量高效的纳米光子深度学习提供了新途径	首次实验展示了全光超快ReLU函数，实现了每激活仅耗费飞焦耳能量和近乎即时的操作	NA	探索能量高效的硬件加速器，特别是光学神经网络中的非线性光学函数	全光ReLU函数及其在深度学习中的应用	光学	NA	周期极化薄膜铌酸锂纳米光波导	ReLU	光信号	NA
73	2024-12-08	Analog nanophotonic computing going practical: silicon photonic deep learning engines for tiled optical matrix multiplication with dynamic precision 2023-Mar, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0423 PMID:39634350	研究论文	本文提出并实验验证了一种通过低基数硅光子处理器上的分块矩阵乘法（TMM）实现速度优化的动态精度神经网络（NN）推理	引入了与光子神经元噪声系数相关的理论模型，并实验验证了动态精度计算在分类任务中的应用，显著减少了线性操作的执行时间	光子硬件尺寸和高速电光组件的有限比特精度限制了性能	加速深度神经网络的线性操作，实现高精度和速度优化的分类性能	光子神经网络的动态精度推理和分类性能	光子学	NA	硅光子处理器	神经网络	IRIS数据集	NA
74	2024-12-08	Deep Learning Solution for Quantification of Fluorescence Particles on a Membrane 2023-Feb-05, Sensors (Basel, Switzerland) DOI:10.3390/s23041794 PMID:36850392	研究论文	本文提出了一种基于YOLOv5算法的深度学习方法，用于检测和量化膜上荧光颗粒，特别是SARS-CoV-2病毒颗粒	本文创新性地使用了YOLOv5算法和CSPnet作为其骨干网络，结合测试时间增强（TTA）算法，实现了对多尺度、形状多变的荧光细胞的高效检测和量化	本文未提及具体的局限性	开发一种高效、准确的深度学习方法，用于检测和量化环境水样中的SARS-CoV-2病毒颗粒	SARS-CoV-2病毒颗粒及其荧光细胞	计算机视觉	NA	YOLOv5算法	CNN	图像	使用由Linde + Robinson实验室提供的私有数据集进行评估
75	2024-12-08	A deep generative prior for high-resolution isotropic MR head slices 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2654032 PMID:39629055	研究论文	本文训练了一个StyleGAN3-T模型，用于生成高分辨率各向同性的头部MR切片	本文首次在头部MR切片上训练了一个StyleGAN3-T模型，并保留了图像的完整性以适用于下游任务	NA	开发一个能够生成高分辨率各向同性头部MR切片的生成模型	头部MR切片	计算机视觉	NA	StyleGAN3-T	GAN	图像	使用了来自多个方向和对比度的1mm各向同性体积的切片
76	2024-12-08	Deep reinforcement learning empowers automated inverse design and optimization of photonic crystals for nanoscale laser cavities 2023-Jan, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0692 PMID:39634850	研究论文	本文提出了一种基于深度强化学习的光子晶体逆向设计方法，用于纳米级激光腔的自动化优化	利用深度强化学习算法L2DO，实现了光子晶体激光腔的自主逆向设计和优化，显著提高了设计效率和性能	本文未提及具体的局限性	开发一种自动化方法，用于光子晶体激光腔的逆向设计和优化	光子晶体纳米激光腔	光子学	NA	深度强化学习	深度Q学习和近端策略优化	NA	两个激光腔：长光子晶体纳米梁和带有L3腔的光子晶体纳米梁
77	2024-12-06	Hyperspectral signature-band extraction and learning: an example of sugar content prediction of Syzygium samarangense 2023-09-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-41603-6 PMID:37699940	研究论文	本研究提出了一种从高光谱数据转换的多光谱数据中提取特征波段的方法，并使用深度学习模型预测山竹果的糖含量	本研究创新性地使用集成梯度方法从卷积神经网络和前馈神经网络模型中提取特征波段，并展示了这些波段在预测山竹果糖含量方面的潜力	本研究仅限于使用特定的光谱数据和模型，未来研究可以扩展到其他类型的光谱数据和模型	研究如何从高光谱数据中提取特征波段，并利用这些波段预测山竹果的糖含量	山竹果的糖含量	机器学习	NA	高光谱数据转换、集成梯度方法	卷积神经网络 (CNN)、前馈神经网络 (FNN)	光谱数据	30组，每组包含6个特征波段
78	2024-12-06	The Swin-Transformer network based on focal loss is used to identify images of pathological subtypes of lung adenocarcinoma with high similarity and class imbalance 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04795-y PMID:37097394	研究论文	本文提出了一种基于Swin-Transformer网络和Focal Loss的FL-STNet模型，用于高相似性和类别不平衡的肺腺癌病理亚型图像识别	本文引入了Focal Loss并结合Swin-Transformer模型的优势，解决了当前CNN和Vit模型的不足	NA	提高肺腺癌病理分类的临床问题	肺腺癌及其亚型的病理图像	计算机视觉	肺腺癌	Swin-Transformer	FL-STNet	图像	360名被诊断为肺腺癌和其他肺部疾病的患者
79	2024-12-06	Deep learning-based methods for classification of microsatellite instability in endometrial cancer from HE-stained pathological images 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04838-4 PMID:37150803	研究论文	本文提出了一种基于注意力模块的深度学习架构，用于从HE染色的病理图像中分类子宫内膜癌的微卫星不稳定性	本文提出了一种新的基于注意力模块的深度学习架构，用于从病理图像中提取特征并进行微卫星不稳定性的分类	本文未详细讨论模型的泛化能力和在其他癌症类型中的应用	开发一种基于深度学习的自动化方法，用于从HE染色的病理图像中分类子宫内膜癌的微卫星不稳定性	子宫内膜癌的微卫星不稳定性	数字病理学	子宫内膜癌	深度学习	注意力模块	图像	使用了来自The Cancer Genome Atlas子宫内膜队列的HE染色全切片图像
80	2024-12-06	A novel staging system based on deep learning for overall survival in patients with esophageal squamous cell carcinoma 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04842-8 PMID:37154930	研究论文	开发了一种基于深度学习的预测食管鳞状细胞癌患者总体生存率的新分期系统	提出了基于深度学习模型DeepSurv的新分期系统，并在多个队列数据中验证了其预测性能	NA	开发和验证一种新的基于深度学习的分期系统，用于预测食管鳞状细胞癌患者的总体生存率	食管鳞状细胞癌患者	机器学习	食管癌	深度学习	深度学习模型	临床数据	6020名食管鳞状细胞癌患者