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
1021	2024-08-05	Randomness Regularization With Simple Consistency Training for Neural Networks 2024-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3370716 PMID:38421846	研究论文	本论文介绍了一种简单的一致性训练策略R-Drop，以规范神经网络训练中的随机性	R-Drop通过最小化由dropout产生的输出分布之间的双向KL散度来解决训练和推理之间的不一致性	NA	目标是通过引入一致性训练来解决神经网络训练中的随机性问题	涉及广泛使用的深度学习任务和不同类型的神经网络	机器学习	NA	dropout	前馈神经网络、递归神经网络、图神经网络	数据集	共23个数据集的7个广泛使用的深度学习任务
1022	2024-08-05	Graphical models for identifying pore-forming proteins 2024-Aug, Proteins IF:3.2Q2 DOI:10.1002/prot.26687 PMID:38618860	研究论文	本文提出了一种图形模型，用于识别孔形成蛋白。	提出了一种基于蛋白质结构的样本高效图形模型，能够在序列相似性较低的情况下识别结构相似的蛋白。	已知的孔形成毒素结构数量有限，因此识别新结构相似的蛋白仍然具有挑战性。	旨在改进识别孔形成蛋白的方法，推动农业害虫控制的新方法开发。	研究对象为孔形成蛋白及其在生物膜中的功能和结构。	计算机视觉	NA	深度学习	半马尔可夫条件随机场模型	蛋白质序列	UniRef50中包含4300万个蛋白的基因组广泛蛋白质数据库
1023	2024-08-05	Sequential Point Clouds: A Survey 2024-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3365970 PMID:38354073	综述	本文提供了对应用于顺序点云研究的深度学习方法的全面回顾	系统总结并比较了对公共基准数据集测评的多种方法的定量结果	对当前顺序点云研究的挑战进行了讨论，但可能未给出具体的解决方案	探讨顺序点云的理解与应用，并总结相关研究进展	顺序点云的深度学习方法，如动态流估计、物体检测与跟踪等	计算机视觉	NA	深度学习	NA	点云	NA
1024	2024-08-05	Secure and privacy improved cloud user authentication in biometric multimodal multi fusion using blockchain-based lightweight deep instance-based DetectNet 2024-Aug, Network (Bristol, England) DOI:10.1080/0954898X.2024.2304707 PMID:38293964	研究论文	本研究提出了一种在云端系统中增强用户认证安全性和隐私的创新解决方案	集成了多模态生物识别、深度学习和区块链技术，创新地解决了用户隐私与认证准确性之间的矛盾	NA	旨在应对不断演变的网络威胁，提高云端系统的用户认证安全性和隐私保护	用户认证系统，使用多模态生物识别数据进行身份验证	计算机视觉	NA	深度学习、区块链技术	IL-DN	生物识别数据	NA
1025	2024-08-07	Adaptive Perturbation for Adversarial Attack 2024-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3367773 PMID:38376968	研究论文	本文提出了一种新的自适应扰动方法用于对抗性攻击，改善了对抗样本的攻击成功率	该方法直接利用精确的梯度方向并引入自适应缩放因子，避免了使用符号函数的局限	本文未提及对不同攻击目标的表现差异	研究深度学习模型的安全性，特别是在对抗性攻击方面的表现	对抗性攻击样本的生成和优化	机器学习	NA	对抗性攻击	NA	图像	CIFAR10和ImageNet数据集的广泛实验
1026	2024-08-05	ProactiV: Studying Deep Learning Model Behavior Under Input Transformations 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3301722 PMID:37535493	研究论文	该文探讨了在输入变换下深度学习模型行为的可视分析方法ProactiV	提出了一种模型无关的可视分析方法，以帮助开发者主动研究输出行为并识别模型的脆弱点	现有的方法主要集中在每类或实例级别的分析，未能全面评估模型在各种输入变换下的行为	改善深度学习模型的可解释性与性能	深度学习模型的输入变换对模型输出行为的影响	机器学习	NA	输入优化方法	NA	图像	NA
1027	2024-08-05	AutoTitle: An Interactive Title Generator for Visualizations 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3290241 PMID:37384476	研究论文	我们提出了AutoTitle，这是一种满足多种用户需求的交互式可视化标题生成器	AutoTitle通过深度学习生成标题，并提供用户交互界面以过滤指标，创新地结合了用户反馈和六个标题质量因素	未提及此工具的适用范围或在特定应用中的效果	旨在为可视化作品生成高质量的标题	可视化作者和潜在的标题生成用户	计算机视觉	NA	深度学习	NA	NA	参与用户研究的用户人数未明确说明
1028	2024-08-05	Shading-Guided Manga Screening From Reference 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3282223 PMID:37267131	研究论文	本研究提出了一种基于阴影引导的漫画筛选方法	引入阴影线条绘画作为屏幕漫画的中间对应物，将漫画筛选任务分解为生成阴影和替换适当的筛网色调两个子任务	研究未提及对多种艺术风格的适应性和通用性	旨在改善漫画制作中漫画筛选过程中的效率和质量	目标是生成阴影和合适的筛网色调	计算机视觉	NA	参考图像生成网络	NA	图像	进行大量视觉和定量实验以验证系统的有效性
1029	2024-08-05	Novel progressive deep learning algorithm for uncovering multiple single nucleotide polymorphism interactions to predict paclitaxel clearance in patients with nonsmall cell lung cancer 2024-Aug, Cancer innovation DOI:10.1002/cai2.110 PMID:38948246	研究论文	本文开发了一种新型的深度学习算法，用于揭示多重单核苷酸多态性相互作用，以预测非小细胞肺癌患者的紫杉醇清除率	提出了一种名为GEP-CSIs的数据挖掘算法，通过线性代数计算处理离散变量，优于传统的生物信息学方法	目前尚无关于该算法在不同癌症类型中的广泛适用性测试	研究紫杉醇的清除率与基因多态性之间的关系	非小细胞肺癌患者的基因多态性与紫杉醇清除数据	机器学习	肺癌	深度学习	GEP-CSIs算法	基因数据	使用了主要集和验证集的数据进行分析
1030	2024-08-05	Optimizing time prediction and error classification in early melanoma detection using a hybrid RCNN-LSTM model 2024-Aug, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24559 PMID:38515433	研究论文	本文提出了一种混合RCNN-LSTM模型，用于早期黑色素瘤检测中的时间预测和错误分类优化	采用了递归卷积神经网络(RCNN)和长短期记忆网络(LSTM)的深度学习方法，并考虑上下文依赖性来减少黑色素瘤检测中的分类错误	针对模型的局限性、外部数据的适用性及模型在未见数据上的表现尚需进一步探讨	优化早期黑色素瘤检测中的时间预测和错误分类	使用国际皮肤图像数据库，通过RCNN-LSTM对黑色素瘤进行分类和分析	计算机视觉	皮肤癌	深度学习	RCNN-LSTM	图像	三个数据集
1031	2024-08-05	Motion In-Betweening via Deep ∆-Interpolator 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3309107 PMID:37639420	研究论文	本文展示了使用深度学习基的插值器在基于关键帧合成人体运动中的应用	提出了一种在delta模式下操作的深度插值方法并利用球面线性插值器作为基线，取得了更高的准确性和有效性	文章未明确提及具体的局限性	探讨基于关键帧的人体运动合成的更优方法	通过公共数据集的实验验证方法的有效性和性能	计算机视觉	NA	深度学习	NA	运动数据	使用了公共数据集，具体样本数量未说明
1032	2024-08-05	Supervertex Sampling Network: A Geodesic Differential SLIC Approach for 3D Mesh 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3294845 PMID:37440384	研究论文	提出了一种新的可微分分段方法GDSV用于3D网格的分析	将深度超像素学习方法扩展到3D网格，并提出可微分的GDSV方法	现有的聚类基础网格层次构建方法难以嵌入其他可训练网络	旨在改进3D网格的分段和Hierarchical表示	3D网格数据集的分析和分类	计算机图形学	NA	可微分SLIC聚类算法	NA	3D网格	多个数据集
1033	2024-08-05	Advanced feature learning and classification of microscopic breast abnormalities using a robust deep transfer learning technique 2024-Aug, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24557 PMID:38553901	研究论文	本研究探讨了使用强大的深度迁移学习技术识别微观乳腺病变的特征学习与分类。	提出了一种基于低维多通道特征的乳腺癌微观图像识别方法，克服了特征利用和计算复杂度的限制。	研究未提及具体的样本来源和数据集精确大小，可能影响结果泛化性。	提高乳腺癌微观图像识别的诊断效率和准确性。	使用显微图像数据集来识别良性和恶性乳腺癌病变。	数字病理学	乳腺癌	深度学习，迁移学习	SqE-DDConvNet	图像	未提供具体样本大小
1034	2024-08-05	Using Multi-Level Consistency Learning for Partial-to-Partial Point Cloud Registration 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3280171 PMID:37235469	研究论文	提出了一种新颖的端到端框架MCLNet，用于点云注册。	利用多级一致性学习来处理部分到部分的点云注册任务	在处理更大规模数据时的性能尚不明晰	提高点云注册的准确性，特别是在部分到部分的匹配中	进行点云注册的深度学习方法	计算机视觉	NA	深度学习	NA	点云数据	较小规模的数据集
1035	2024-08-05	SmartGD: A GAN-Based Graph Drawing Framework for Diverse Aesthetic Goals 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3306356 PMID:37594870	研究论文	本文提出了一种基于GAN的图形绘制框架SmartGD，旨在优化多种美学目标	提出了一种新的GAN框架，可以优化多种定量美学目标，不受可微分性的限制	现有方法无法直接应用于优化非可微分标准	探讨优化图形绘制中的不同美学目标	设计并测试一种新颖的GAN框架用于图形绘制	计算机视觉	NA	生成对抗网络 (GAN)	NA	NA	进行了多种美学标准的实验
1036	2024-08-07	Automated segmentation of cell organelles in volume electron microscopy using deep learning 2024-Aug, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24548 PMID:38501891	研究论文	本文提出了一种基于深度学习的快速自动轮廓分割方法（FAMOUS），用于在体积电子显微镜数据集中自动分割、可视化和量化细胞器	引入了快速、多模态的机器学习工作流程，用于3D细胞器的自动分割，并在多种体积电子显微镜数据集和细胞系中成功应用，优于手动分割方法的时间和准确性	NA	加速从细胞器检测到定量分析的过程	细胞器在体积电子显微镜数据集中的分割、可视化和量化	计算机视觉	NA	深度学习	神经网络	图像	展示了在HeLa细胞数据集和酵母细胞数据集上的应用
1037	2024-08-05	An exploratory deep learning approach to investigate tuberculosis pathogenesis in nonhuman primate model: Combining automated radiological analysis with clinical and biomarkers data 2024-Aug, Journal of medical primatology IF:0.8Q3 DOI:10.1111/jmp.12722 PMID:38949157	研究论文	该文章探讨了在非人类灵长类动物模型中，通过结合自动影像分析与临床及生物标志物数据来研究结核病的发病机制	提出了一种新的基于机器学习的CT分析方法TB-Net，该方法在疾病进展分析中表现优于标准深度学习模型	样本量较小，仅使用了六只猕猴进行实验	旨在开发一种综合方法来检测和监测结核病病例	使用六只猕猴作为研究对象，分析其感染结核分枝杆菌后的肺部变化	机器学习	结核病	计算机断层扫描（CT）	TB-Net	影像	六只猕猴
1038	2024-08-05	Learning a stable approximation of an existing but unknown inverse mapping: application to the half-time circular Radon transform 2024-Aug-01, Inverse problems IF:2.0Q2 DOI:10.1088/1361-6420/ad4f0a PMID:38933410	研究论文	本研究探讨了一种稳定逼近已知但未被解析表达的逆映射的图像重建方法	该研究开发了一种基于深度学习的过滤反投影方法，能够稳定地逼近未知的过滤操作	尚未验证该方法在所有类型数据上的有效性，可能在某些数据情况下表现不佳	研究稳定的图像重建方法，适用于半时间圆周Radon变换数据	图像重建问题，特别是利用半时间测量数据的Radon变换	计算机视觉	NA	卷积神经网络	CNN	图像	NA
1039	2024-08-05	APEX-pHLA: A novel method for accurate prediction of the binding between exogenous short peptides and HLA class I molecules 2024-Aug, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.05.013 PMID:38772499	研究论文	本研究开发了一种基于深度学习的新方法，准确预测外源短肽与HLA类I分子的结合	提出了APEX-pHLA模型，结合textCNN和BiLSTM架构，克服了传统方法在HLA类I等位基因变异和肽段长度上的限制	NA	开发高效的预测方法以加速免疫性肽的筛选和疫苗设计	外源短肽与人类白细胞抗原（HLA）分子之间的结合	NA	NA	深度学习	textCNN和BiLSTM	NA	独立测试集和外部测试集的样本数量未具体说明
1040	2024-08-05	A comprehensive evaluation method for dust pollution: Digital image processing and deep learning approach 2024-Aug-15, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.134761 PMID:38870848	研究论文	本文提出了一种新颖的灰度平均分析与深度学习结合的尘埃污染评估方法	将灰度平均分析与深度学习相结合，以提高图像分类的准确性和效率	未提及针对不同尘埃污染类型的适用性和全面性	评估和改善尘埃污染对环境和人类健康的影响	300幅自设计的尘埃扩散模拟系统生成的图像	计算机视觉	NA	深度学习	NA	图像	300幅图像