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
901	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
902	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
903	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
904	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
905	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
906	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
907	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
908	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
909	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
910	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
911	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
912	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
913	2024-08-05	Deep learning model to discriminate diverse infection types based on pairwise analysis of host gene expression 2024-Jun-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109908 PMID:38827397	研究论文	提出了一种深度学习模型bvnGPS2，用于区分不同类型的感染	结合注意力机制及大规模综合宿主转录组数据集，精确识别革兰氏阳性和阴性细菌感染及病毒感染	可能存在数据集来源和规模的限制	准确检测由各种病原体引起的感染	4,949个血样本来自10个国家的40个队列	机器学习	NA	深度学习，注意力机制	深度神经网络	血样本	4,949个血样本
914	2024-08-05	Optimizing motor imagery BCI models with hard trials removal and model refinement 2024-Jun-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad4f8e PMID:38781932	研究论文	本文提出了两种新方法，用于识别和减轻运动想象脑机接口系统中困难试验对模型性能的影响	提出了基于模型预测得分和定量可解释人工智能的方法来识别困难试验	实验未提及在其他数据集上的普遍性验证	提高运动想象脑机接口系统的分类性能	Open BMI 数据集中的运动想象试验	机器学习	NA	深度学习	深度卷积神经网络 (CNN)	数据集	NA
915	2024-08-05	How Artificial Intelligence Unravels the Complex Web of Cancer Drug Response 2024-Jun-04, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-1123 PMID:38588311	研究论文	该文章探讨了人工智能在癌症药物反应中的作用	研究通过解释性深度学习模型揭示了肿瘤细胞结构与药物反应之间的关系	NA	研究人工智能在精密医学中对癌症治疗的影响	研究CDK4/6抑制剂在乳腺癌治疗中的反应机制	数字病理学	乳腺癌	深度学习	解释性深度学习模型	NA	NA
916	2024-08-05	TRA-ACGAN: A motor bearing fault diagnosis model based on an auxiliary classifier generative adversarial network and transformer network 2024-Jun, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2024.03.033 PMID:38604873	研究论文	本文提出了一种基于辅助分类器生成对抗网络和变换网络的电动机轴承故障诊断模型TRA-ACGAN	该模型结合了ACGAN和变换网络，利用注意机制提取有效特征，避免了传统迭代和卷积结构的局限	尚未提及具体的局限性	研究电动机轴承故障诊断中的生成对抗网络的应用	电动机轴承故障数据及其诊断	深度学习	NA	生成对抗网络	ACGAN, 变换网络	故障数据	使用了CWRU数据集和PU数据集
917	2024-08-05	A deep learning-based model for detecting Leishmania amastigotes in microscopic slides: a new approach to telemedicine 2024-Jun-01, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-024-09428-4 PMID:38824500	研究论文	本研究开发了一种基于深度学习的模型，用于在显微切片中检测利什曼虫的阿米巴体	提出了一种名为LeishFuNet的深度学习框架，通过同域迁移学习提高检测利什曼虫的性能	可能在某些病理情况下的检测效果需要进一步验证	开发一种基于深度学习的自动化诊断模型以检测利什曼病	用于检测利什曼虫的显微图像，包含138个阳性案例和154个阴性案例	计算机视觉	利什曼病	深度学习	VGG19, ResNet50, MobileNetV2, DenseNet 169	图像	292张自收集的高分辨率显微图像
918	2024-08-05	Vegetation change detection and recovery assessment based on post-fire satellite imagery using deep learning 2024-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63047-2 PMID:38824170	研究论文	本研究提供了一种新的方法来理解和评估火灾后对植被的影响	提出了一种名为深嵌入聚类（DEC）的无监督方法来检测植被变化，并开发了基于深度学习的自适应生成对抗神经网络模型（AdaptiGAN）进行植被恢复评估	未提及具体的局限性	评估火灾后植被的变化和恢复	受野火影响地区的植被变化	遥感	NA	深度学习，卫星遥感	深嵌入聚类（DEC），自适应生成对抗神经网络模型（AdaptiGAN）	卫星影像	NA
919	2024-08-05	Research of 2D-COS with metabolomics modifications through deep learning for traceability of wine 2024-06-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63280-9 PMID:38824219	研究论文	提出了一种通过代谢组学分析与深度学习分类相结合的方法，以追溯葡萄酒的来源	结合代谢组学筛选与卷积神经网络，优化葡萄酒来源追溯的分类结果	未提及更广泛的应用或与其他分析方法的比较	研究葡萄酒的来源追溯方法	180个来自6个不同葡萄酒产区的葡萄酒样本	数字病理学	NA	UPLC-Q-TOF-MS	卷积神经网络 (CNN)	光谱	180个样本
920	2024-08-05	Adapting low-dose CT denoisers for texture preservation using zero-shot local noise-level matching 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17015 PMID:38478305	研究论文	本文提出了一种增强低剂量CT去噪算法的方法，旨在防止过度平滑现象并保持图像纹理的清晰度	提出的局部自适应噪声水平匹配算法能够在无额外训练数据的情况下增强去噪效果	该方法的有效性依赖于良好的噪声水平匹配，可能在某些极端图像情况下表现不佳	解决低剂量CT图像的过度平滑问题，设计无需大量训练数据的去噪算法	低剂量CT图像去噪算法的提升	数字病理学	NA	去噪	NA	图像	使用多种测试的低剂量CT去噪器进行实验