深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
961	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	NA	NA	NA	NA
962	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	NA	NA	NA	NA
963	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	NA	NA	NA	NA
964	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	NA	NA	NA	NA
965	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	NA	NA	NA	NA
966	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	NA	NA	NA	NA
967	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	NA	NA	NA	NA
968	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	NA	NA	NA	NA
969	2024-12-06	Cross-Subject Tinnitus Diagnosis Based on Multi-Band EEG Contrastive Representation Learning 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3264521 PMID:37018100	研究论文	本文提出了一种基于多频带EEG对比表示学习的跨受试者耳鸣诊断方法	提出了一个名为多频带EEG对比表示学习（MECRL）的多任务学习框架，用于提高耳鸣诊断的鲁棒性和数据效率	NA	识别耳鸣并为其诊断和治疗提供理论指导	耳鸣患者和健康对照组的静息状态EEG数据	数字病理学	耳鸣	EEG	深度神经网络	EEG数据	187名耳鸣患者和80名健康受试者	NA	NA	NA	NA
970	2024-12-06	Psychotic Relapse Prediction in Schizophrenia Patients Using A Personalized Mobile Sensing-Based Supervised Deep Learning Model 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3265684 PMID:37037254	研究论文	本文提出了一种基于个性化移动感知和监督深度学习的模型RelapsePredNet，用于预测精神分裂症患者的精神病复发	本文的创新点在于提出了一个个性化的长短期记忆网络模型RelapsePredNet，并通过融合模型进一步提高了预测性能	本文的局限性在于仅使用了63名患者的移动感知数据进行评估，样本量较小	本文的研究目的是开发一种能够预测精神分裂症患者精神病复发的个性化深度学习模型	本文的研究对象是精神分裂症患者及其精神病复发	机器学习	精神疾病	深度学习	LSTM	移动感知数据	63名精神分裂症患者，每人监测时间长达一年	NA	NA	NA	NA
971	2024-12-06	Deep Learning Identifies Intelligible Predictors of Poor Prognosis in Chronic Kidney Disease 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3266587 PMID:37043318	研究论文	本研究探讨了机器学习和深度学习模型在慢性肾脏病（CKD）进展至终末期肾病（ESRD）预测中的可解释性	引入了四种先进的归因方法到深度学习模型中，提高了模型的可解释性，并发现了一些未被充分报告的CKD进展关键特征	LASSO模型的解释与临床知识不一致	早期诊断和预测慢性肾脏病的进展，以确保个性化治疗	慢性肾脏病患者及其进展至终末期肾病的预测	机器学习	肾脏病	深度学习	深度学习模型	临床和实验室数据	NA	NA	NA	NA	NA
972	2024-12-06	Reconstruction-Driven Dynamic Refinement Based Unsupervised Domain Adaptation for Joint Optic Disc and Cup Segmentation 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3266576 PMID:37043317	研究论文	提出了一种基于重建驱动的动态细化无监督域适应方法，用于联合视盘和视杯分割	引入了一种新的无监督域适应方法RDR-Net，通过重建对齐、低级特征细化和预测图对齐三个模块来缓解域偏移问题	未提及	解决视盘和视杯分割中的域偏移问题，提高模型的泛化能力	视盘和视杯的分割	计算机视觉	眼科疾病	无监督域适应	RDR-Net	图像	四个公开的眼底图像数据集	NA	NA	NA	NA
973	2024-12-06	One-Dimensional W-NETR for Non-Invasive Single Channel Fetal ECG Extraction 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3266645 PMID:37043321	研究论文	本文提出了一种使用W-NETR模型从母体腹部ECG信号中非侵入式提取单通道胎儿ECG的新方法	本文创新性地使用了两个并行的U-net模型结合transformer编码，称为W-NETR，利用transformer的自注意力机制增强远程交互和全局上下文捕捉能力	NA	开发一种高效、准确的非侵入式胎儿ECG提取方法，以实现早期胎儿心脏异常检测和安全分娩	从母体腹部ECG信号中提取胎儿ECG信号	生物医学工程	NA	transformer	W-NETR	ECG信号	使用了合成数据集和真实数据集（ADFECGDB和PCDB）进行测试	NA	NA	NA	NA
974	2024-12-06	SLEEP-SEE-THROUGH: Explainable Deep Learning for Sleep Event Detection and Quantification From Wearable Somnography 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3267087 PMID:37058373	研究论文	本文提出了一种可解释的深度学习方法，用于从可穿戴睡眠监测设备中检测和量化睡眠事件	本文的创新点在于结合了光学、差压和加速度信号，通过深度网络进行多因素夜间监测，并生成定性和定量数据以提高预测的可解释性	本文的局限性在于样本量较小，且睡眠模式预测的准确性相对较低	本文的研究目的是开发一种可解释的深度学习模型，用于早期诊断和评估睡眠障碍	本文的研究对象是可穿戴设备采集的光学、差压和加速度信号，以及由此生成的类睡眠图信号	机器学习	NA	深度学习	深度网络	信号	20名健康受试者	NA	NA	NA	NA
975	2024-12-06	Deep Learning Segmentation of the Right Ventricle in Cardiac MRI: The M&Ms Challenge 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3267857 PMID:37067963	研究论文	本文介绍了在心脏MRI图像中使用深度学习方法对右心室进行分割的研究，并参与了M&Ms挑战	提出了新的方法来处理右心室的几何和纹理复杂性，特别是在存在病理如扩张型右心室、三尖瓣反流等情况下的分割	需要整合多种心脏疾病、视角、扫描仪和采集协议以提高自动心脏分割算法的可靠性	提高心脏MRI图像中右心室分割的准确性	右心室在心脏MRI图像中的分割	计算机视觉	心血管疾病	深度学习	nnU-Net	图像	360例心脏MRI病例，包括短轴和长轴4腔视图，来自三家西班牙医院，使用九种不同扫描仪	NA	NA	NA	NA
976	2024-12-06	Benchmarking Polyp Segmentation Methods in Narrow-Band Imaging Colonoscopy Images 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3270724 PMID:37099473	研究论文	本文提出了一个新的窄带成像（NBI）结肠镜图像息肉分割数据集（PS-NBI2K），并对24种基于深度学习的息肉分割方法进行了基准测试和分析	首次在窄带成像（NBI）数据上对多种基于深度学习的息肉分割方法进行基准测试，并提出了一个新的数据集PS-NBI2K	现有方法在处理较小尺寸和较强干扰的息肉时表现不佳，且在有效性和效率之间存在权衡	评估和改进窄带成像（NBI）结肠镜图像中的息肉分割方法	窄带成像（NBI）结肠镜图像中的息肉分割	计算机视觉	NA	深度学习（DL）	NA	图像	2000张窄带成像（NBI）结肠镜图像	NA	NA	NA	NA
977	2024-12-06	Two-Stage Self-Supervised Cycle-Consistency Transformer Network for Reducing Slice Gap in MR Images 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3271815 PMID:37126622	研究论文	本文提出了一种两阶段自监督循环一致性Transformer网络（TSCTNet），用于减少MR图像中的切片间隙	设计了一种新颖的自监督学习策略，结合了Transformer和CNN结构，以探索局部和全局切片表示	需要进一步验证在更多数据集上的泛化能力	减少MR图像中的切片间隙，重建高分辨率图像	MR图像	计算机视觉	NA	深度学习	Transformer	图像	两个公开的MR图像数据集	NA	NA	NA	NA
978	2024-12-06	BCR-Net: A deep learning framework to predict breast cancer recurrence from histopathology images 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0283562 PMID:37014891	研究论文	开发了一种深度学习框架BCR-Net，用于从组织病理学图像预测乳腺癌复发风险	提出了BCR-Net框架，通过多实例学习模型自动加权特征，预测乳腺癌复发风险，优于现有的WSI分类模型	未提及	开发一种AI模型，替代昂贵且耗时的基因检测，预测乳腺癌复发风险	乳腺癌患者的组织病理学图像	机器学习	乳腺癌	深度学习	BCR-Net	图像	99名匿名患者的H&E和Ki67乳腺癌切除全切片图像	NA	NA	NA	NA
979	2024-12-02	Coarse-Graining with Equivariant Neural Networks: A Path Toward Accurate and Data-Efficient Models 2023-Dec-14, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.3c05928 PMID:38033234	研究论文	本文探讨了使用等变神经网络进行粗粒化分子建模和模拟，以提高模型的准确性和数据效率	本文提出通过引入等变卷积操作来减少神经网络在预测分子能量和力时对大量数据的需求	尽管等变卷积操作提高了数据效率，但模型仍然比成对力场慢	研究如何通过等变神经网络提高粗粒化分子模型的准确性和数据效率	粗粒化水分子模型	机器学习	NA	等变卷积操作	神经网络	分子动力学数据	单帧参考数据	NA	NA	NA	NA
980	2024-11-27	Denoising magnetic resonance spectroscopy (MRS) data using stacked autoencoder for improving signal-to-noise ratio and speed of MRS 2023-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.16831 PMID:37947479	研究论文	本文提出了一种使用堆叠自编码器（SAE）对磁共振波谱（MRS）数据进行去噪的方法，以提高信号噪声比（SNR）和MRS的采集速度	本文的创新点在于使用深度学习方法对MRS数据进行去噪，而不需要增加信号平均次数（NSA），从而缩短采集时间并提高SNR	本文的局限性在于仅在脑波谱模型和人体受试者数据上进行了验证，尚未在更广泛的临床环境中进行测试	本文的研究目的是通过深度学习方法提高MRS数据的SNR和采集速度，从而增强MRS的诊断价值和临床应用	本文的研究对象是磁共振波谱（MRS）数据，特别是低NSA数据	机器学习	NA	堆叠自编码器（SAE）	堆叠自编码器（SAE）	磁共振波谱（MRS）数据	研究使用了脑波谱模型和人体受试者的数据，包括脑肿瘤患者的数据	NA	NA	NA	NA