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
5161	2024-11-10	Machine Learning Using Template-Based-Predicted Structure of Haemagglutinin Predicts Pathogenicity of Avian Influenza 2024-Oct-28, Journal of microbiology and biotechnology IF:2.5Q3 DOI:10.4014/jmb.2405.05022 PMID:39252651	研究论文	本研究利用深度学习方法，通过模板预测的血凝素结构来预测禽流感的致病性	引入了一种新的管道，利用开源工具将蛋白质结构转换为适合计算分析的格式，并结合主成分分析和单类支持向量机提高了模型的鲁棒性	NA	开发一种快速准确识别高致病性禽流感毒株的方法	禽流感病毒的血凝素和神经氨酸酶类型	机器学习	NA	主成分分析，单类支持向量机，K近邻算法	二维卷积神经网络	基因组数据	12,143个禽流感病毒基因组，来自64个国家，涵盖119种血凝素和神经氨酸酶类型
5162	2024-11-10	Unipolar voltage electroanatomic mapping detects structural atrial remodeling identified by LGE-MRI 2024-Oct-11, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.10.015 PMID:39396602	研究论文	研究探讨了单极电压电生理学映射与晚期钆增强磁共振成像（LGE-MRI）检测到的左心房结构重塑之间的关系	发现单极低电压区域（LVAs）与LGE区域的高度重叠，显著优于双极LVAs，为心房颤动（AF）的诊断和管理提供了新的视角	研究样本量较小，仅涉及20名患者，未来需要更大规模的研究来验证结果	探索LGE区域与单极和双极低电压区域之间的关系，以改进心房颤动的诊断和管理	左心房（LA）的电生理学和结构重塑	心血管疾病	心房颤动	晚期钆增强磁共振成像（LGE-MRI）、电生理学映射	深度学习	图像	20名计划进行心房颤动消融的患者
5163	2024-11-10	Deep learning to assess bone quality from panoramic radiographs: the feasibility of clinical application through comparison with an implant surgeon and cone-beam computed tomography 2024-Oct, Journal of periodontal & implant science DOI:10.5051/jpis.2302880144 PMID:38725425	研究论文	本研究评估了深度学习（DL）通过全景（PA）放射图像评估骨质量的临床应用可行性，并与种植外科医生的主观触觉和锥束计算机断层扫描（CBCT）值进行了比较	首次使用深度学习技术通过全景放射图像评估骨质量，并与传统方法和CBCT值进行比较	研究样本量较小，需要基于高质量定量数据集的进一步研究以提高方法的可靠性和有效性	评估深度学习在通过全景放射图像评估骨质量方面的临床应用可行性	种植外科医生的主观触觉、CBCT值以及深度学习分类结果	计算机视觉	NA	深度学习	ResNet-50	图像	2,270个无牙种植位点的全景图像
5164	2024-11-10	Advances in AI and machine learning for predictive medicine 2024-Oct, Journal of human genetics IF:2.6Q2 DOI:10.1038/s10038-024-01231-y PMID:38424184	综述	本文探讨了深度学习在精准医学预测建模中的应用，特别是卷积神经网络（CNNs）在处理组学数据中的潜力	本文介绍了通过DeepInsight等转换方法将表格形式的组学数据转化为图像表示，从而使CNNs能够有效捕捉潜在特征，增强预测能力并利用迁移学习	本文指出在组学数据分析中应用CNNs存在模型可解释性、数据异质性和数据规模等问题	探讨深度学习在精准医学预测建模中的应用	组学数据及其在精准医学中的预测建模	机器学习	NA	深度学习	卷积神经网络（CNN）	表格数据	NA
5165	2024-11-10	Application of Artificial Intelligence in Ophthalmology: An Updated Comprehensive Review 2024 Jul-Sep, Journal of ophthalmic & vision research IF:1.6Q3 DOI:10.18502/jovr.v19i3.15893 PMID:39359529	综述	本文综述了人工智能在眼科领域的最新进展和挑战	介绍了AI在糖尿病视网膜病变、青光眼、年龄相关性黄斑变性等多种眼科疾病中的应用，并探讨了其在疾病筛查和治疗决策中的潜力	训练数据的质量和多样性、缺乏严格的临床验证、监管批准和临床医生信任的挑战，以及AI与现有临床工作流程的整合和决策透明性问题	探讨人工智能在眼科护理中的应用及其对疾病筛查、诊断和治疗计划优化的影响	主要眼科疾病，包括糖尿病视网膜病变、青光眼、年龄相关性黄斑变性等	计算机视觉	NA	机器学习和深度学习	深度学习模型	图像	NA
5166	2024-11-10	Sugarcane leaf dataset: A dataset for disease detection and classification for machine learning applications 2024-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110268 PMID:38533124	研究论文	本文介绍了一个名为“甘蔗叶数据集”的新数据集，用于甘蔗疾病检测和分类的机器学习应用	该数据集包含了6748张高分辨率甘蔗叶图像，分为九种疾病类别、健康叶类别和枯叶类别，覆盖了多种甘蔗疾病，为机器学习算法的发展提供了宝贵的资源	NA	开发用于甘蔗叶疾病检测和分类的机器学习算法	甘蔗叶及其相关疾病	机器学习	NA	深度学习、特征提取、模式识别	NA	图像	6748张甘蔗叶图像
5167	2024-11-10	Deep learning-based target tracking with X-ray images for radiotherapy: a narrative review 2024-Mar-15, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1489 PMID:38545053	综述	本文综述了基于深度学习的放射治疗中使用X射线图像进行目标跟踪的现状，并讨论了现有局限性和潜在解决方案	探讨了深度学习在放射治疗中实时无标记目标跟踪的潜力	直接在2D kV X射线图像上实时定位肿瘤和危及器官仍然具有挑战性，需要更多技术和临床努力	综述基于深度学习的放射治疗中使用2D kV X射线图像进行目标跟踪的现状，并讨论其局限性和未来发展方向	放射治疗中的目标跟踪和运动管理	计算机视觉	癌症	深度学习	卷积神经网络	图像	23篇英文文献
5168	2024-11-10	LST-AI: a Deep Learning Ensemble for Accurate MS Lesion Segmentation 2024-Mar-11, medRxiv : the preprint server for health sciences DOI:10.1101/2023.11.23.23298966 PMID:38045345	研究论文	本文介绍了一种名为LST-AI的深度学习集成模型，用于多发性硬化症（MS）病灶的精确分割	LST-AI采用了一种包含二元交叉熵和Tversky损失的复合损失函数，以改善高度异质性MS病灶的分割效果	NA	开发一种开源的深度学习工具，用于多发性硬化症病灶的自动分割	多发性硬化症患者的脑白质病灶	计算机视觉	神经系统疾病	深度学习	3D-UNet	图像	491对T1w和FLAIR图像，用于训练；103个测试案例，用于评估
5169	2024-11-10	Deep learning from atrioventricular plane displacement in patients with Takotsubo syndrome: lighting up the black-box 2024-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztad077 PMID:38505490	研究论文	本研究利用深度卷积神经网络（DCNN）分析心尖球形综合征（TTS）患者的心脏超声视频，以提高诊断的准确性和解释性	本研究通过梯度加权类激活映射分析，可视化了DCNN在区分TTS和前壁ST段抬高型心肌梗死（STEMI）中的作用，揭示了潜在的影像学特征	NA	提高心尖球形综合征（TTS）诊断的准确性和解释性	心尖球形综合征（TTS）和前壁ST段抬高型心肌梗死（STEMI）患者	计算机视觉	心血管疾病	深度卷积神经网络（DCNN）	DCNN	视频	300名患者（150名TTS患者和150名STEMI患者）
5170	2024-11-10	The automated Greulich and Pyle: a coming-of-age for segmental methods? 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1326488 PMID:38533467	研究论文	本文回顾了自动化骨龄评估方法的成功与局限，并提出了一种新的假设，即深度学习网络在预测骨龄时捕捉到了超出参考类别的细微差别	提出了一个新的假设，即深度学习网络在预测骨龄时捕捉到了超出参考类别的细微差别，并建议使用基于特征骨组的评分来解释预测偏差	未具体提及	探讨自动化骨龄评估方法的进展及其潜在应用	骨龄评估方法及其自动化应用	计算机视觉	NA	深度学习	NA	图像	NA
5171	2024-11-10	A review of mechanistic learning in mathematical oncology 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1363144 PMID:38533513	综述	本文综述了数学肿瘤学中机制学习的现状，并展望了其在肿瘤学领域的发展前景	本文提出了机制学习的四种分类（顺序、并行、外在、内在），并讨论了物理信息神经网络、代理模型学习和数字孪生等技术	本文未详细讨论机制学习在其他医学领域的应用	探讨机制学习在肿瘤学中的应用及其未来发展	机制学习在肿瘤学中的应用，包括纵向肿瘤反应预测和时间到事件建模	机器学习	肿瘤学	物理信息神经网络、代理模型学习、数字孪生	NA	NA	NA
5172	2024-11-09	Adversarial Training With Anti-Adversaries 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3432973 PMID:39046856	研究论文	本文探讨了对抗训练中不同扰动方向（对抗和反对抗）及其边界对深度神经网络鲁棒性、泛化性和公平性的影响	提出了一种结合对抗和反对抗扰动的新型训练方法，通过理论和实验验证了其在提高模型公平性和鲁棒性方面的有效性	未提及具体的局限性	研究对抗训练在不同扰动方向和边界下的理论和实际影响，提出改进方法以提高模型的公平性和鲁棒性	深度神经网络的鲁棒性、泛化性和公平性	机器学习	NA	对抗训练	深度神经网络	NA	未提及具体样本数量
5173	2024-11-09	DifFace: Blind Face Restoration With Diffused Error Contraction 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3432651 PMID:39042531	研究论文	提出了一种名为DifFace的新方法，用于盲人脸修复，通过扩散误差收缩来处理未见过的复杂退化问题	DifFace方法通过建立从低质量图像到高质量图像的后验分布，避免了复杂的损失设计，并能更优雅地处理未见过的复杂退化问题	NA	改进盲人脸修复技术，使其能够更好地处理未见过的复杂退化问题	盲人脸修复中的低质量图像到高质量图像的转换	计算机视觉	NA	扩散模型	扩散模型	图像	使用合成数据进行训练
5174	2024-11-09	Adan: Adaptive Nesterov Momentum Algorithm for Faster Optimizing Deep Models 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3423382 PMID:38963744	研究论文	提出了一种名为Adan的自适应Nesterov动量算法，旨在提高深度模型训练速度	重新定义了Nesterov加速方法，开发了一种新的Nesterov动量估计方法，避免了在外推点计算梯度的额外开销，并证明了Adan在非凸随机问题中找到ϵ-近似一阶平稳点的复杂度与最佳已知下界匹配	NA	提高深度学习模型训练效率	深度学习模型优化器	机器学习	NA	自适应梯度算法	Nesterov动量算法	NA	NA
5175	2024-11-09	Transformer-Based Visual Segmentation: A Survey 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3434373 PMID:39074008	综述	本文综述了基于Transformer的视觉分割技术，总结了近年来的进展	Transformer在视觉处理任务中显著超越了传统的卷积或循环方法，提供了更强大、统一和简单的解决方案	本文未提及具体的局限性	综述基于Transformer的视觉分割技术，总结进展并指出未来研究方向	视觉分割技术及其在自动驾驶、图像编辑、机器人感知和医学分析等领域的应用	计算机视觉	NA	Transformer	Transformer	图像、视频帧、点云	NA
5176	2024-11-09	Surface Reconstruction From Point Clouds: A Survey and a Benchmark 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3429209 PMID:39012756	综述	本文综述并评估了深度学习时代下从点云重建连续二维流形表面的现有方法	本文贡献了一个大规模的基准数据集，包含合成和真实扫描数据，并进行了全面的实证研究，特别关注现有方法对扫描缺陷的鲁棒性	本文指出多视角扫描点集的对齐问题、表面点缺失和点异常值等实际挑战仍未被现有方法解决	综述和评估现有从点云重建表面的方法，并提供一个基准数据集和实证研究	从点云重建连续二维流形表面的方法	计算机视觉	NA	深度学习	NA	点云	大规模基准数据集，包含合成和真实扫描数据
5177	2024-11-09	Dynamic 3D Point Cloud Sequences as 2D Videos 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3421359 PMID:38954587	研究论文	本文提出了一种新的通用表示方法，称为结构化点云视频（SPCV），通过将动态3D点云序列重新组织为具有空间平滑性和时间一致性的2D视频，以实现高效的3D点云序列处理和分析	提出了结构化点云视频（SPCV）表示方法，通过将3D点云序列重新组织为2D视频，利用现有的2D图像/视频技术进行处理，提高了处理效率和效果	NA	开发一种新的方法来有效地处理和分析动态3D点云序列	动态3D点云序列	计算机视觉	NA	自监督学习	NA	点云	NA
5178	2024-11-09	Large-Scale Object Detection in the Wild With Imbalanced Data Distribution, and Multi-Labels 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3421300 PMID:38949947	研究论文	本文研究了在大规模不平衡数据分布和多标签情况下进行目标检测的问题，并提出了解决方案	设计了并发softmax处理多标签问题，并提出软平衡采样方法和混合训练调度器来解决标签不平衡问题	NA	提高大规模目标检测任务中的模型性能	Open Images数据集中的目标检测任务	计算机视觉	NA	NA	NA	图像	涉及Open Images数据集中的大量样本
5179	2024-11-09	A Survey of Label-Efficient Deep Learning for 3D Point Clouds 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3416302 PMID:38889032	综述	本文对三维点云的标签高效深度学习进行了全面的综述	首次全面综述了三维点云的标签高效学习方法	未提及具体的研究局限性	探讨三维点云处理中标签高效学习的必要性、涵盖的子领域及其进展	三维点云数据及其在深度学习中的应用	计算机视觉	NA	深度神经网络	NA	点云	未提及具体样本数量
5180	2024-11-09	NDDepth: Normal-Distance Assisted Monocular Depth Estimation and Completion 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3411571 PMID:38857129	研究论文	本文提出了一种基于物理（几何）驱动的深度学习框架，用于单目深度估计和完成任务	通过估计表面法线和原点距离图作为中间输出，并引入平面感知一致性约束来提高深度估计的准确性	NA	提高单目深度估计和完成任务的性能	单目深度估计和完成任务	计算机视觉	NA	深度学习	CNN	图像	使用了NYU-Depth-v2、KITTI和SUN RGB-D数据集