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
621	2024-08-05	Video-based Soft Tissue Deformation Tracking for Laparoscopic Augmented Reality-based Navigation in Kidney Surgery 2024-Jun-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3413537 PMID:38865220	研究论文	本研究提出了一个用于肾脏手术的软组织变形跟踪增强现实引导管线	提出了一种基于深度学习的特征点选择策略来提高变形向量场的准确性	本研究的实验主要在外部结构上进行，可能不完全代表内部结构的真实情况	提高腹腔镜肾脏手术的导航精度	针对肾脏手术中的软组织变形进行跟踪	计算机视觉	NA	MR或CT数据，双眼腹腔镜	生物力学模型	影像	外部结构和内部结构的实验样本，涉及多个实验
622	2024-08-05	Constraint-Aware Learning for Fractional Flow Reserve Pullback Curve Estimation from Invasive Coronary Imaging 2024-Jun-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3412935 PMID:38861432	研究论文	本文提出了一种约束感知学习框架，用于从入侵性冠状成像估计分数流量储备（FFR）回拉曲线	创新点在于引入几何和物理约束来改善FFR回拉曲线的估计，并利用合成数据进行模型训练	现有方法对固有几何关联和物理知识的整合不足	研究旨在改善从入侵性冠状成像中估计FFR回拉曲线的准确性	研究对象是382名患者的入侵性冠状成像数据	计算机视觉	冠状动脉疾病	深度学习	扩散模型	图像	382个患者的成像数据
623	2024-08-05	SSL-CPCD: Self-supervised learning with composite pretext-class discrimination for improved generalisability in endoscopic image analysis 2024-Jun-10, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3411933 PMID:38857149	研究论文	本文提出了一种新的自监督学习方法用于内镜图像分析，旨在提高模型的泛化能力	提出了基于复合前文本类区分的补充角度边际方法，有效改善了模型的相似聚类能力	尚未充分解决医学图像领域的自监督学习性能差距	探索自监督学习在医疗图像分析中的应用，以提高模型对未见数据的泛化能力	针对内镜成像数据进行分类、检测和分割任务的研究	机器学习	NA	自监督学习	NA	图像	NA
624	2024-08-05	Transcription Factor Binding Site Prediction Using CnNet Approach 2024-Jun-07, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3411024 PMID:38848239	研究论文	本文研究了一种使用CnNet方法预测转录因子结合位点的技术。	提出了一种结合MEME和卷积神经网络的CnNet方法，显著提高了转录因子结合位点预测的准确性。	没有提到具体的限制因素。	旨在开发一种新的方法来预测转录因子的结合位点。	研究对象是DNA基因序列的数据集及其转录因子的结合位点。	计算生物学	NA	深度学习	卷积神经网络（CNN）	基因序列数据	NA
625	2024-08-05	A Novel Hierarchical Cross-Stream Aggregation Neural Network for Semantic Segmentation of 3-D Dental Surface Models 2024-Jun-07, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3404276 PMID:38848227	研究论文	本文提出了一种新的分层交叉流聚合神经网络，用于3D牙科表面模型的语义分割	提出了一种基于多流架构的分层交叉流聚合网络，以提高3D语义分割的准确性	NA	旨在提高3D牙科模型中牙齿的语义分割准确性	3D牙齿模型	计算机视觉	NA	图注意力策略	分层交叉流聚合网络	3D模型	公共与自主数据集的真实患者牙科模型
626	2024-08-07	Compact Model Training by Low-Rank Projection With Energy Transfer 2024-Jun-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3400928 PMID:38843062	研究论文	本文提出了一种新的训练方法——低秩投影与能量转移（LRPET），用于从头开始训练低秩压缩网络并实现竞争性能	LRPET方法通过交替执行随机梯度下降训练和将每个权重矩阵投影到相应的低秩流形上，充分利用了模型容量，并通过能量转移补偿了投影导致的矩阵能量减少	NA	开发一种新的网络压缩方法，以提高低秩压缩网络的性能	低秩压缩网络的训练方法	机器学习	NA	低秩投影，能量转移	CNN	图像	在CIFAR-10和ImageNet数据集上进行了综合实验
627	2024-08-05	RmdnCache: Dual-Space Prefetching Neural Network for Large-Scale Volume Visualization 2024-Jun-05, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3410091 PMID:38837917	研究论文	本文提出了一种名为RmdnCache的深度学习预取方法，以优化大规模体积可视化中的数据流	创新性地结合了RNN和MDN网络进行预测，以减少输入延迟	NA	旨在减少大规模体积可视化中的输入延迟	3D科学数据集	计算机视觉	NA	深度学习	RNN和MDN	体积数据	真实大规模体积数据集
628	2024-08-05	Deep Spatial-Spectral Joint-Sparse Prior Encoding Network for Hyperspectral Target Detection 2024-Jun-05, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3403729 PMID:38837919	研究论文	本文提出了一种新的深度空间-光谱联合稀疏先验编码网络用于高光谱目标检测	引入了高光谱目标检测领域的领域知识，使网络具有明确的可解释性	NA	提高高光谱图像的目标检测精度和可解释性	高光谱图像中的目标和背景特征	计算机视觉	NA	高光谱成像	深度神经网络	图像	NA
629	2024-08-05	Three-dimensional atrous inception module for crowd behavior classification 2024-Jun-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65003-6 PMID:38909074	研究论文	提出了一种三维空洞Inception模块的网络用于人群行为分类	创造性地引入了三维空洞卷积和分离损失函数，提高了对复杂人群行为的分类精度	缺乏关于模型在不同环境下的有效性和鲁棒性验证	解决人群行为识别中的复杂性问题	人群行为在视频监控系统中的识别与分类	计算机视觉	NA	三维卷积	3D神经网络	视频	NA
630	2024-08-05	Protocol to perform integrative analysis of high-dimensional single-cell multimodal data using an interpretable deep learning technique 2024-Jun-21, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2024.103066 PMID:38748882	研究论文	本文提出了一种使用可解释深度学习技术对高维单细胞多模态数据进行集成分析的协议	创新点在于提出了一种名为moETM的可解释深度学习技术来处理单细胞多组学数据	限制在于所演示的数据只来自骨髓单核细胞，可能缺乏其他细胞类型的数据	研究单细胞多组学数据的集成分析方法	研究对象为骨髓单核细胞的单细胞多组学数据	数字病理学	NA	单细胞多组学测序	moETM	多模态数据	使用了来自GSE194122的数据集，具体样本数量未提及
631	2024-08-05	A deep learning framework for denoising and ordering scRNA-seq data using adversarial autoencoder with dynamic batching 2024-Jun-21, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2024.103067 PMID:38748883	研究论文	本文介绍了一种用于去噪单细胞RNA测序数据的深度学习框架	提出了一种动态批处理对抗自编码器(DB-AAE)以提高scRNA-seq数据的去噪效果	本研究的局限性未在摘要中明确指出	旨在解决单细胞RNA测序数据分析中的技术挑战	针对单细胞RNA测序数据集进行去噪处理	机器学习	NA	深度学习	对抗自编码器	基因表达数据	NA
632	2024-08-05	Deep learning with noisy labels in medical prediction problems: a scoping review 2024-Jun-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae108 PMID:38814164	综述	本文旨在全面回顾深度学习在医疗预测中对标签噪声管理的研究	提出了将标签噪声管理作为医疗研究标准元素的重要性，并分类了标签噪声检测方法和处理技术	仅涉及2016年至2023年间的60篇文献，可能无法涵盖所有相关研究	研究医疗预测问题中标签噪声管理的重要性和现状	关注医疗研究中标签噪声的来源、影响、检测及处理技术	机器学习	NA	深度学习	NA	文献研究	60篇文献
633	2024-08-05	Determining Protein Secondary Structures in Heterogeneous Medium-Resolution Cryo-EM Images Using CryoSSESeg 2024-Jun-18, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c02608 PMID:38911779	研究论文	本研究提出了一个基于卷积神经网络的框架cryoSSESeg，用于在中等分辨率的冷冻电子显微镜图像中确定蛋白质二级结构的组织	介绍了一种新的深度学习方法cryoSSESeg，相比传统图像处理工具和其他深度学习模型表现出更优或相当的性能	结果受到中等分辨率密度图质量变化的影响，需要小心评估数据质量	通过分析中等分辨率的冷冻电子显微镜图像来提取蛋白质二级结构的信息	约1300条蛋白链来自500个实验性的冷冻电子显微镜密度图	计算机视觉	NA	冷冻电子显微镜（cryo-EM）	卷积神经网络（CNN）	图像	约1300条蛋白链，来自约500个不同质量的实验性冷冻电子显微镜密度图
634	2024-08-05	Deep-GenMut: Automated genetic mutation classification in oncology: A deep learning comparative study 2024-Jun-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32279 PMID:38912449	研究论文	本文探讨了自动化的肿瘤学基因突变分类方法	通过比较不同深度学习模型，提出了优化的BioBERT模型用于基因突变分类，展示了实验结果的显著提升	研究中存在文本长度庞大、数据偏差以及数据实例重复等挑战	提高临床解释的精确度，改进基因突变的自动分析	利用深度学习模型对基因突变进行分类	自然语言处理	癌症	下一代测序技术	BioBERT, BERT, LSTM, BiLSTM	文本	使用了由纪念斯隆-凯特琳癌症中心（MSKCC）创建的包含多种突变的数据集
635	2024-08-05	Advancing reliability and efficiency of urban communication: Unmanned aerial vehicles, intelligent reflection surfaces, and deep learning techniques 2024-Jun-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32472 PMID:38912507	研究论文	本文提出了一种用于无人机辅助通信系统的新型三维动态信道模型，并引入智能反射面来提升城市通信的可靠性和效率	提出了一种结合深度学习和人工智能技术的信道跟踪方法，使用深度神经网络进行初步估计，并采用双向长短期记忆（Bi-LSTM）模型进行持续监测	文中未提及具体在复杂城市环境中部署的限制因素	旨在改进城市环境中的无线通信网络，通过无人机和智能反射面建立更可靠的连接	研究对象为无人机辅助通信系统和智能反射面的整合	计算机视觉	NA	深度学习	Bi-LSTM	信号数据	仿真结果未具体说明样本规模
636	2024-08-05	Enhancing Earth data analysis in 5G satellite networks: A novel lightweight approach integrating improved deep learning 2024-Jun-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32071 PMID:38912450	研究论文	该文章提出了一种集成云服务器与卫星网络结构的轻量级深度学习方法以增强地球数据分析	创新点在于提出了LMAEDL方法，通过适应性调整学习技术来优化卫星网络中的数据处理	文章未提供对比的具体数据或结果，可能无法全面评估所有潜在局限性	研究旨在提升5G卫星网络中数据分析的效率	研究对象包括在远程节点中分布广泛的传感器产生的大量数据	机器学习	NA	深度学习	NA	数据	NA
637	2024-08-05	Contrastive pre-training for sequence based genomics models 2024-Jun-12, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.10.598319 PMID:38915667	研究论文	本文介绍了一种用于序列基础基因组模型的无监督对比预训练方法cGen	cGen是一种模型无关的对比预训练方法，能够在训练前初始化权重，从而减少所需数据集的大小	对比预训练方法的有效性可能受到原始基因组数据的质量影响	探索深度学习在基因组学中的应用，尤其是在数据稀缺情况下的模型性能提升	研究序列基础的深度学习模型在基因组学中的应用	机器学习	NA	NA	NA	序列数据	NA
638	2024-08-05	Deep learning-based multi-modal data integration enhancing breast cancer disease-free survival prediction 2024-Jun, Precision clinical medicine IF:5.1Q1 DOI:10.1093/pcmedi/pbae012 PMID:38912415	研究论文	本研究开发了一个新的多模态深度学习模型，使用术前数据预测乳腺癌的无病生存期。	创新点在于将临床病理数据与分子数据整合到DeepClinMed-PGM模型中，以提高预测乳腺癌无病生存期的准确性。	研究的回顾性设计可能影响模型的广泛适用性和外部验证。	研究旨在开发一个乳腺癌无病生存期的预测模型。	参与者包括训练队列741人，内部验证队列184人，外部测试队列95人。	机器学习	乳腺癌	深度学习	DeepClinMed-PGM	影像、分子和临床数据	训练队列741人，内部验证队列184人，外部测试队列95人
639	2024-08-05	Image detection model construction of Apolygus lucorum and Empoasca spp. based on improved YOLOv5 2024-Jun, Pest management science IF:3.8Q1 DOI:10.1002/ps.7964 PMID:38243837	研究论文	本研究提出了一种基于改进YOLOv5的深度学习模型用于自动检测和计数小害虫Apolygus lucorum和Empoasca spp.	提出了新的YOLOv5s_HSSE模型，通过改变激活函数、引入SIoU损失函数和增加注意力机制实现更高的检测精度	关于模型在不同环境或其他作物上的适用性未进行详细探讨	开发一种高效、准确的小害虫监测方法	针对Apolygus lucorum和Empoasca spp.的小害虫进行检测和计数	计算机视觉	NA	深度学习	YOLOv5s_HSSE	图像	1502张从多个地点和时间收集的图像
640	2024-08-05	Applicability of Deep Learning to Dynamically Identify the Different Organs of the Pelvic Floor in the Midsagittal Plane 2024-Jun-24, International urogynecology journal IF:1.8Q3 DOI:10.1007/s00192-024-05841-0 PMID:38913129	研究论文	本文创建并验证了一种卷积神经网络(CNN)以通过动态超声识别盆底不同器官	使用CNN动态识别盆底器官的创新方法	对每个器官的DSI存在较大差异，膀胱和子宫的识别表现较差	研究如何利用CNN进行盆底器官的识别	110位患者的盆底结构	计算机视觉	NA	超声	CNN	视频	110名患者