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
881	2024-08-05	Spatial acoustic properties recovery with deep learning 2024-Jun-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0026231 PMID:38847594	研究论文	提出了一种空间依赖的物理信息神经网络（SD-PINN），用于从测量中恢复空间依赖的偏微分方程（PDE）系数	SD-PINN允许使用单个神经网络恢复空间依赖的PDE系数，消除了对特定领域物理专业知识的要求	NA	研究如何通过深度学习恢复偏微分方程中的空间依赖系数	关注波动方程的空间依赖系数的恢复，以揭示不均匀介质中的声学特性分布	机器学习	NA	物理信息神经网络（PINN）	深度学习网络	测量数据	NA
882	2024-08-05	Multimodal radiotherapy dose prediction using a multi-task deep learning model 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17115 PMID:38710210	研究论文	本研究开发了一种基于多任务深度学习模型的AVB放疗剂量预测方法	提出了一个可以同时预测多种放疗模式剂量分布的多任务模型，克服了单一模式模型的限制	仅在28名APBI患者的数据上进行评估，样本量相对较小	开发高效个性化的AVB放疗模式优化方法	28名APBI患者及其92个治疗计划	数字病理学	NA	深度学习	CNN	CT扫描数据	28名APBI患者及其92个治疗计划
883	2024-08-05	Early Predicting Osteogenic Differentiation of Mesenchymal Stem Cells Based on Deep Learning Within One Day 2024-Jun, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-024-03483-3 PMID:38488988	研究论文	本文探讨了基于深度学习的间充质干细胞成骨分化的早期预测方法	通过简单的明场图像和深度学习网络实现了对间充质干细胞成骨分化的早期和准确检测	研究主要依赖于明场图像，可能会受到图像质量的影响	旨在通过训练卷积神经网络(CNN)来定量测量间充质干细胞的成骨分化	间充质干细胞(MSCs)的成骨分化过程	计算机视觉	NA	深度学习	卷积神经网络(CNN)	图像	在早期成骨分化过程中捕获了多个时间点的MSC图像 (第0天、1天、3天、5天和7天)
884	2024-08-05	Memory-efficient semantic segmentation of large microscopy images using graph-based neural networks 2024-Jun-06, Microscopy (Oxford, England) DOI:10.1093/jmicro/dfad049 PMID:37864808	研究论文	本文提出了一种基于图神经网络的框架，用于大规模显微镜图像分割任务	通过将大规模图像转换为图形并使用超像素，克服了深度学习模型在内存方面的限制	超像素生成可能导致误差，需改进生成算法或增加超像素数量以提高准确性	研究结合图神经网络的显微镜图像分割方法以提高效率	生物细胞和细胞集落的显微镜图像	数字病理学	NA	图神经网络 (GNN)	NA	图像	使用了数百万像素的显微镜图像样本
885	2024-08-05	General Aqueous System Simulation through an AI-Embedded Metaverse Chemistry Laboratory 2024-Jun-06, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.4c01111 PMID:38814104	研究论文	本研究设计了一种物理支持的深度学习模型，预测一般水相系统的未来状态	提出了一种嵌入AI的元宇宙化学实验室框架，能够有效地模拟水相系统属性并预测离子化合物的溶解时间	当前的元宇宙框架在实验数据分析上仍有局限，使得优化实验的整体时间消耗较高	旨在通过数字化化学信息的方式，优化实验设计和数据利用	主要研究100多种常见离子溶液的一般水相系统	物理化学	NA	深度学习	NA	实验数据	100+种常见离子溶液
886	2024-08-05	AI in evaluating ambulation of stroke patients: severity classification with video and functional ambulation category scale 2024-Jun-06, Topics in stroke rehabilitation IF:2.2Q1 DOI:10.1080/10749357.2024.2359342 PMID:38841903	研究论文	本研究验证了一种深度学习模型，用于根据功能步态分类（FAC）规模对中风患者的步态图像数据进行分类	提出了基于视频数据的人体姿势估计方法，用于开发步态参数模型和分类模型	研究依赖于收集的大量多样化数据，这些数据是在非标准化的真实环境中收集的	验证深度学习模型对中风患者步态图像数据的分类能力	203名中风患者和182名健康个体的步态视觉数据	计算机视觉	中风	深度学习	NA	视频	203名中风患者和182名健康个体
887	2024-08-05	Sustainable Sea of Internet of Things: Wind Energy Harvesting System for Unmanned Surface Vehicles 2024-Jun-05, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c05142 PMID:38768307	研究论文	本论文提出了一种基于压电和电磁效应的无人水面车辆风能采集系统	创新点在于自我调节策略的实施和优化的磁体配置，有效提高了风能收集的性能	未提及具体环境条件对设备性能的影响	旨在开发一种智能的海洋环境监测系统，通过风能采集为无人水面车辆提供动力	研究对象为无人水面车辆及其风能采集系统	物联网	NA	风能采集	深度学习算法	实验数据	原型制造和测试，具体样本量未提及
888	2024-08-07	Correction: Deep learning model for differentiating nasal cavity masses based on nasal endoscopy images 2024-Jun-03, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02562-8 PMID:38831373	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
889	2024-08-05	Opening the black box of team-based learning (TBL): A study of verbal interactions in online application sessions 2024-06, Medical teacher IF:3.3Q1 DOI:10.1080/0142159X.2023.2285249 PMID:38035575	研究论文	本研究探讨了在线团队基础学习（TBL）应用课程中的语言互动情况。	研究提供了对在线TBL课程中互动类型的深入分析，揭示了互动在促进深度学习中的重要性。	研究主要集中在特定的在线应用课程中，可能无法全面代表所有在线TBL课程。	深入了解在线TBL应用课程中互动的性质和程度，并探讨其在不同团队和课程中的变化。	研究对象为12个TBL团队在两次在线应用课程中的互动情况。	教育研究	NA	音视频记录	NA	文本、音频和视频	12个TBL团队
890	2024-08-05	Crowdsourcing image segmentation for deep learning: integrated platform for citizen science, paid microtask, and gamification 2024-Jun-25, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2023-0148 PMID:38143326	研究论文	本文开发了一种集成群众外包的平台，以比较不同的医学图像分割方法	提出了结合公民科学、付费微任务和游戏化的集成众包平台	样本数量较少，仅有50幅图像参与训练	比较不同类型的众包方法在医学图像分割中的效果	医学图像（眼底图像中的巩膜分割）	数字病理学	NA	深度学习，卷积神经网络	NA	图像	50幅图像
891	2024-08-05	E2SCNet: Efficient Multiobjective Evolutionary Automatic Search for Remote Sensing Image Scene Classification Network Architecture 2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3220699 PMID:36395135	研究论文	提出了一种高效的多目标进化自动搜索框架E2SCNet，用于遥感图像场景分类网络架构	E2SCNet采用了八种轻量级操作符，构建了多样化的搜索空间，实现了参数数量与准确度的两步进化搜索机制	进化神经架构搜索方法通常需要几天时间	解决遥感图像场景分类中传统网络架构的固定性和不足之处	遥感图像场景分类深度学习网络架构	计算机视觉	NA	多目标进化计算	NA	NA	通过与多种人类专家设计的网络及基于梯度和进化计算的搜索方法获得的网络进行比较
892	2024-08-05	Automated marine oil spill detection algorithm based on single-image generative adversarial network and YOLO-v8 under small samples 2024-Jun, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2024.116475 PMID:38761680	研究论文	本文介绍了一种针对小样本的海洋油污检测算法，结合了SinGAN和YOLO-v8模型	创新之处在于使用单幅图像生成对抗网络(SinGAN)扩展小样本数据集，并结合YOLO-v8进行油污检测	研究的主要局限在于依赖于从Landsat-8卫星获得的小样本数据集，可能影响检测模型的泛化能力	本研究旨在提升海洋油污检测的准确性和实时性，特别是在样本稀缺的情况下	研究对象为海洋油污检测数据集，主要包括通过Landsat-8卫星拍摄的油污图像	计算机视觉	NA	生成对抗网络(SinGAN), YOLO-v8	YOLO-v8	图像	小样本数据集
893	2024-08-05	Fourier Domain Robust Denoising Decomposition and Adaptive Patch MRI Reconstruction 2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3222394 PMID:37015441	研究论文	本文提出了一种傅里叶域稳健去噪分解和自适应补丁MRI重建的方法	创新点在于提出了一种新的两步优化方法，针对噪声和低欠采样数据的MRI重建	文中提到的模型在解决鲁棒字典学习问题时仍然是非凸的且计算复杂度高	旨在改善MRI重建过程中的图像质量，特别是在低欠采样和噪声干扰情况下	研究对象为MRI重建中的稀疏性和低欠采样数据	数字病理学	NA	傅里叶变换	低秩和稀疏去噪重建模型（LSDRM）和鲁棒字典学习重建模型（RDLRM）	图像	进行的广泛数值实验
894	2024-08-05	Tiny Machine Learning for Concept Drift 2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3229897 PMID:37015671	研究论文	本文介绍了一种基于深度学习的概念漂移微型机器学习方案	首次提出了针对概念漂移的微型机器学习（TML-CD）解决方案，结合深度学习特征提取器和k近邻分类器，具有混合适应模块	假设训练过程在云或边缘计算系统中进行，可能限制了在某些环境下的应用	设计能够在嵌入式系统和物联网单元中操作的机器学习技术	针对在概念漂移影响下的数据生成过程进行适应性处理	机器学习	NA	深度学习, k近邻分类	NA	图像和音频	多个基准测试
895	2024-08-05	Explainable Graph Wavelet Denoising Network for Intelligent Fault Diagnosis 2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3230458 PMID:37015709	研究论文	本文提出了一种可解释的图小波去噪网络用于智能故障诊断	提出了一种新的图小波去噪卷积以提取图结构数据的多尺度特征并实现信号去噪	NA	旨在提升在噪声环境下的智能故障诊断能力	主要研究信号中的故障相关组件及其去噪过程	机器学习	NA	图小波去噪卷积	NA	图结构数据	NA
896	2024-08-05	Investigation of the MDM2-binding potential of de novo designed peptides using enhanced sampling simulations 2024-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.131840 PMID:38679255	研究论文	本研究通过深度学习设计了高亲和力的肽结合物，以干扰MDM2与p53的相互作用	利用深度学习蛋白质设计和结构预测方法，识别出新的高亲和力肽结合物Pep1和Pep2	在标题和摘要中未提及具体的样本类型或数量，限制了结果的广泛适用性	旨在设计肽以干扰MDM2与p53的相互作用，提供癌症治疗的新途径	针对MDM2的结合肽Pep1和Pep2	计算机视觉	肿瘤	增强采样模拟	深度学习模型	分子动态模拟数据	NA
897	2024-08-05	Automated CT quantification of interstitial lung abnormality in patients with resectable stage I non-small cell lung cancer: Prognostic significance 2024-Jun, Thoracic cancer IF:2.3Q2 DOI:10.1111/1759-7714.15306 PMID:38682806	研究论文	本文研究了自动化CT定量分析间质性肺异常对I期非小细胞肺癌患者的预后意义	使用基于Fleischner Society定义的深度学习自动定量程序评估间质性肺异常的预测价值	本研究为回顾性分析，可能存在选择偏倚	评估间质性肺异常在I期非小细胞肺癌患者中的预后价值	948名接受肺切除术的I期非小细胞肺癌患者	数字病理学	非小细胞肺癌	深度学习	NA	CT扫描图像	948名I期非小细胞肺癌患者
898	2024-08-05	Deep learning radiomics of multimodal ultrasound for classifying metastatic cervical lymphadenopathy into primary cancer sites: a feasibility study 2024-Jun, Ultraschall in der Medizin (Stuttgart, Germany : 1980) DOI:10.1055/a-2161-9369 PMID:38052240	研究论文	本研究探讨了基于多模态超声的深度学习放射组学在分类转移性颈部淋巴结病原发癌症位点中的可行性	该研究首次应用深度学习放射组学模型来区分转移性颈部淋巴结病的原发癌症位点	研究没有显示出超声弹性成像和对比增强超声与基础超声联合模型在准确性上有显著性提高	研究的目的是评估深度学习放射组学在分类转移性颈部淋巴结病原发癌症位点中的有效性	研究对象为280名癌症患者的280个经活检确认的转移性颈部淋巴结病样本	数字病理学	头颈肿瘤	多模态超声	深度学习放射组学模型	医学影像	280个转移性颈部淋巴结病样本
899	2024-08-05	Deep Neural Networks and Tabular Data: A Survey 2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3229161 PMID:37015381	综述	该文章提供了针对异构表格数据的深度学习方法的综述	第一次对表格数据的深度学习方法进行了深入的概述，并进行了系统分类	深度学习模型在监督学习任务中的表现仍然不及基于梯度提升树的算法，暗示研究进展停滞	探索深度学习在表格数据中的应用和方法	针对不同规模和学习目标的真实世界表格数据集进行比较	机器学习	NA	深度学习	NA	表格数据	五个真实世界的表格数据集
900	2024-08-07	Correction: Deep learning radiomics of multimodal ultrasound for classifying metastatic cervical lymphadenopathy into primary cancer sites: a feasibility study 2024-Jun, Ultraschall in der Medizin (Stuttgart, Germany : 1980) DOI:10.1055/a-2235-8731 PMID:38216132	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA