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
7201	2024-09-05	Sensor-based characterization of construction and demolition waste at high occupancy densities using synthetic training data and deep learning 2024-Sep, Waste management & research : the journal of the International Solid Wastes and Public Cleansing Association, ISWA IF:3.7Q2 DOI:10.1177/0734242X241231410 PMID:38385439	研究论文	研究使用深度学习方法和合成训练数据对高密度占用下的建筑拆除废物进行传感器监测	提出了一种生成合成训练图像的方法，避免了耗时的手动标记，并通过在真实图像上测试训练模型来证明其成功	未明确提及	探索不同深度学习架构在建筑拆除废物特征化中的适用性	建筑拆除废物（CDW）的传感器监测和深度学习对象检测方法	机器学习	NA	深度学习	Region-based CNN (Faster R-CNN), YOLOv3, Single Shot MultiBox Detector (SSD)	图像	以砖和砂灰砖混合物作为示例废物流
7202	2024-09-05	A novel Skin lesion prediction and classification technique: ViT-GradCAM 2024-Sep, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.70040 PMID:39221858	研究论文	本文提出了一种基于ViT-GradCAM的新型皮肤病变预测与分类技术	使用ViT-GradCAM架构进行皮肤病变检测和分类，相较于其他深度学习模型，提供了更准确的结果	NA	旨在通过ViT和GradCAM技术提高皮肤病变检测和分类的准确性	皮肤病变	计算机视觉	皮肤癌	ViT-GradCAM	ViT	图像	使用了包含10,015张皮肤镜图像的HAM 10000数据集
7203	2024-09-05	SALR: Sharpness-Aware Learning Rate Scheduler for Improved Generalization 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3263393 PMID:37027266	research paper	本文提出了一种名为SALR的锐度感知学习率更新技术，旨在改善深度学习中的泛化能力并自动化学习率调度过程	SALR方法根据损失函数的局部锐度动态更新基于梯度的优化器的学习率，使优化器能够在锐利谷地自动增加学习率，增加逃脱机会	NA	改善深度学习中的泛化能力并自动化学习率调度过程	深度学习中的学习率调度	machine learning	NA	NA	NA	NA	NA
7204	2024-09-05	Robust-EQA: Robust Learning for Embodied Question Answering With Noisy Labels 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3251984 PMID:37028297	research paper	本文提出了一种针对带有噪声标签的具身问答（EQA）任务的鲁棒学习算法，通过联合训练和分层鲁棒学习算法提高模型对噪声的抵抗力	提出了一个联合训练的共正则化噪声鲁棒学习方法和一个两阶段的分层鲁棒学习算法，以过滤视觉问答模块和导航标签中的噪声	未提及具体限制	提高具身问答系统在噪声环境下的鲁棒性	具身问答系统中的噪声标签问题	computer vision	NA	NA	CNN	image	在极端噪声环境（45%噪声标签）和低级噪声环境（20%噪声标签）下进行了测试
7205	2024-09-05	Improving Deep Neural Networks' Training for Image Classification With Nonlinear Conjugate Gradient-Style Adaptive Momentum 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3255783 PMID:37030680	研究论文	本文提出了一种基于非线性共轭梯度（NCG）方法的新型自适应动量，用于改进深度神经网络（DNNs）的训练	提出的自适应动量无需动量相关的超参数调整，允许使用更大的学习率，加速DNNs训练并提高最终的准确性和鲁棒性	NA	改进深度神经网络的训练过程	深度神经网络的训练优化	机器学习	NA	非线性共轭梯度（NCG）方法	深度神经网络（DNNs）	图像	CIFAR10和CIFAR100数据集
7206	2024-09-05	Effective Active Learning Method for Spiking Neural Networks 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3257333 PMID:37030679	研究论文	本文提出了一种针对深度脉冲神经网络（SNNs）的有效主动学习方法，通过引入ActiveLossNet模块提取特征并选择有价值的样本，以减少标记数据的需求。	本文提出的主动学习算法在多个SNN框架上表现优于随机选择和传统人工神经网络（ANN）的主动学习方法，并且收敛速度更快。	NA	旨在减少训练高性能深度SNNs所需的标记数据量。	深度脉冲神经网络（SNNs）及其主动学习方法。	机器学习	NA	NA	SNN	图像	实验在CIFAR-10、MNIST、Fashion-MNIST和SVHN数据集上进行，使用了七层CIFARNet和20层ResNet-18框架。
7207	2024-09-05	Interactive Feature Embedding for Infrared and Visible Image Fusion 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3264911 PMID:37040245	research paper	本文提出了一种基于自监督学习框架的红外和可见光图像融合的交互特征嵌入方法	通过设计交互特征嵌入模型，在自监督学习框架下有效提取源图像的分层表示，以保留关键信息	NA	克服传统无监督机制在红外和可见光图像融合中关键信息提取不足的问题	红外和可见光图像融合	computer vision	NA	自监督学习	交互特征嵌入模型	图像	NA
7208	2024-09-05	CapsRule: Explainable Deep Learning for Classifying Network Attacks 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3262981 PMID:37053064	研究论文	提出了一种名为CapsRule的有效且高效的基于规则的深度学习解释方法，用于分类网络攻击	CapsRule通过提取高保真规则来解释输入样本如何被分类，并使用预计算的耦合系数在训练阶段重叠规则提取过程以提高效率	NA	开发一种能够提高深度学习模型透明度和效率的规则提取方法，以应用于网络攻击分类	网络攻击分类	机器学习	NA	深度学习	胶囊网络	数据集	超过一百万的先进分布式拒绝服务（DDoS）攻击
7209	2024-09-05	Reducing Urban Traffic Congestion Using Deep Learning and Model Predictive Control 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3264709 PMID:37053060	研究论文	本文提出了一种基于深度学习（DL）的控制算法——基于速度的模型预测控制（VMPC），用于减少城市交通拥堵，特别是针对缓慢时变交通信号控制的情况	该算法结合了深度学习进行系统识别和模型预测控制进行交通信号控制，并引入了基于建模误差熵损失的训练标准，灵感来源于随机分布控制理论	NA	旨在减少城市交通拥堵	城市交通拥堵及交通信号控制	机器学习	NA	深度学习（DL）和模型预测控制（VMPC）	深度学习模型	交通信号控制数据	NA
7210	2024-09-05	Template-Based Contrastive Distillation Pretraining for Math Word Problem Solving 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3265173 PMID:37126637	研究论文	提出了一种基于预训练语言模型的模板对比蒸馏预训练方法（TCDP），用于数学应用题求解，通过多视角对比学习融入数学逻辑知识，并通过知识蒸馏保留丰富的现实世界知识和高品质的语义表示	通过模板对比学习和知识蒸馏，将数学逻辑知识和现实世界知识融入预训练语言模型中，提高了数学应用题求解的能力	NA	提高数学应用题求解的准确性和理解能力	数学应用题求解任务	自然语言处理	NA	预训练语言模型	PLM-based encoder	文本	涉及两个广泛采用的基准数据集Math23K和CM17K
7211	2024-09-05	Unsupervised Deep Tensor Network for Hyperspectral-Multispectral Image Fusion 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3266038 PMID:37134042	研究论文	本文提出了一种无监督深度张量网络（UDTN），用于融合低分辨率高光谱图像（HSI）和高分辨率多光谱图像（MSI），以提高HSI的分辨率	本文将张量理论与深度学习相结合，提出了一种新的无监督学习方法，通过联合表示HSI和MSI的主要成分和共享编码张量，实现了对多维特征的有效处理	NA	研究目的是提高高光谱图像的分辨率	研究对象是低分辨率高光谱图像和高分辨率多光谱图像	计算机视觉	NA	深度学习	张量网络	图像	使用了模拟和真实遥感数据集进行实验
7212	2024-09-05	A Broad Generative Network for Two-Stage Image Outpainting 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3264617 PMID:37220055	研究论文	本文提出了一种用于两阶段图像外推的广义生成网络（BG-Net），通过使用岭回归优化快速训练第一阶段的重建网络，并在第二阶段设计接缝线鉴别器（SLD）进行过渡平滑，显著提高了图像质量。	提出的BG-Net在训练速度上比基于深度学习的网络更快，减少了整体训练时间，并展示了强大的关联绘图能力。	NA	开发一种高效的两阶段图像外推方法，以提高图像处理的效率和质量。	图像外推技术及其在图像处理中的应用。	计算机视觉	NA	NA	广义生成网络（BG-Net）	图像	使用了Wiki-Art和Place365数据集进行实验。
7213	2024-09-05	Motif-Based Contrastive Learning for Community Detection 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3367873 PMID:38408012	研究论文	本文提出了一种基于模体的对比学习框架MotifCC，用于社区检测，通过融合高阶和低阶结构信息来提高检测效果	MotifCC框架通过构建基于模体的高阶网络并应用对比学习方法，有效融合了节点、边以及高阶和低阶结构信息，从而捕捉复杂的非线性关系	NA	改进复杂网络分析中的社区检测方法	复杂网络中的社区结构	机器学习	NA	对比学习	深度学习框架	网络数据	使用真实世界数据集进行广泛实验
7214	2024-09-05	Application of deep-learning to the automatic segmentation and classification of lateral lymph nodes on ultrasound images of papillary thyroid carcinoma 2024-Sep, Asian journal of surgery IF:3.5Q1 DOI:10.1016/j.asjsur.2024.02.140 PMID:38453612	研究论文	本研究开发了深度学习模型，用于自动分割和分类超声图像中的甲状腺癌侧颈淋巴结	使用三种实例分割模型（MaskRCNN, SOLO 和 Mask2Former）进行像素级的对象识别，以实现对侧颈淋巴结的自动分割和分类	NA	旨在开发深度学习模型，用于自动分割和分类甲状腺癌患者的侧颈淋巴结转移	甲状腺癌患者的侧颈淋巴结超声图像	计算机视觉	甲状腺癌	深度学习	MaskRCNN, SOLO, Mask2Former	图像	1000张侧颈淋巴结超声图像，来自728名患者
7215	2024-09-05	Permutation Equivariant Graph Framelets for Heterophilous Graph Learning 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3370918 PMID:38466605	研究论文	本文开发了一种新的多尺度提取方法，通过构建具有置换等变性、高效性和稀疏性的Haar型图框架，用于图上的深度学习任务，并设计了一种基于这些图框架的图框架神经网络模型PEGFAN。	提出了具有置换等变性、高效性和稀疏性的Haar型图框架，并设计了基于这些框架的图框架神经网络模型PEGFAN。	NA	开发适用于异质图学习的多尺度提取方法，并设计相应的神经网络模型。	异质图及其在深度学习任务中的应用。	机器学习	NA	图神经网络 (GNN)	图框架神经网络模型 (PEGFAN)	图数据	合成数据集和九个基准数据集
7216	2024-09-05	Deep Learning for Dynamic Graphs: Models and Benchmarks 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3379735 PMID:38568760	研究论文	本文探讨了深度图网络在动态图上的应用，并进行了模型性能比较	提供了动态图表示学习的全面概述，并建立了评估新架构和方法的基准	NA	促进动态图领域的研究	动态图上的预测任务	机器学习	NA	深度图网络（DGNs）	NA	图数据	NA
7217	2024-09-05	Deep learning approach for dysphagia detection by syllable-based speech analysis with daily conversations 2024-08-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70774-z PMID:39217249	研究论文	本研究评估了一种新开发的深度学习模型，该模型通过分析基于音节的日常对话数据来诊断吞咽困难	本研究首次采用基于音节的数据分析方法来诊断吞咽困难	NA	评估深度学习模型在日常环境中早期、非侵入性和简单地检测吞咽困难的有效性	吞咽困难患者和对照组	机器学习	老年疾病	深度学习	卷积神经网络	音频	16名吞咽困难患者和24名对照组
7218	2024-09-05	Leveraging electrocardiography signals for deep learning-driven cardiovascular disease classification model 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35621 PMID:39224246	研究论文	本研究介绍了一种基于深度学习的自动化心电图信号识别技术（ADL-ECGSR），用于心血管疾病的检测和分类	该技术采用双向长短期记忆网络（BiLSTM）进行特征提取，并结合Adamax优化器和龙fly算法（DFA）与堆叠稀疏自编码器（SSAE）模块进行信号识别和分类	文章未提及具体限制	开发一种高效的自动化心电图信号识别技术，以提高心血管疾病的诊断准确性	心电图信号及其在心血管疾病分类中的应用	机器学习	心血管疾病	深度学习	BiLSTM	心电图信号	使用PTB-XL数据集进行模拟验证
7219	2024-09-05	The analysis of teaching quality evaluation for the college sports dance by convolutional neural network model and deep learning 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36067 PMID:39224395	研究论文	本研究利用卷积神经网络（CNN）模型和深度学习方法，全面分析和评估大学体育舞蹈教学质量	引入基于一维CNN的教学质量评估（TQE）模型，创新性地应用深度学习技术量化评估体育舞蹈教育质量	NA	旨在通过多维评估体系和1D-CNN模型的应用，全面评估大学体育舞蹈教育质量	大学体育舞蹈教学质量	机器学习	NA	卷积神经网络（CNN）	CNN	一维评估数据	24个评估指标
7220	2024-09-05	Deep learning artificial neural network framework to optimize the adsorption capacity of 3-nitrophenol using carbonaceous material obtained from biomass waste 2024-08-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70989-0 PMID:39215127	研究论文	本研究利用从农业废弃物中提取的碳质材料，通过人工神经网络和遗传算法优化吸附过程，以提高3-硝基苯酚的吸附能力。	本研究创新性地使用Haematoxylum campechianum树皮和椰壳（墨西哥坎佩切丰富的农业废弃物）进行毒素去除，并通过人工神经网络和遗传算法优化吸附条件，提高吸附效率。	NA	研究旨在通过深度学习优化吸附过程，提高碳质材料对3-硝基苯酚的吸附能力。	研究对象包括碳质材料（CM-HC）、3-硝基苯酚、人工神经网络和遗传算法。	环境科学	NA	扫描电子显微镜（SEM/EDS）、BET方法、X射线粉末衍射（XRD）、人工神经网络（ANNs）、遗传算法	人工神经网络（ANNs）	实验数据	吸附剂用量2-10 g/L，温度300.15-330.15 K，pH值3-8