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
1101	2024-08-05	A review of ADHD detection studies with machine learning methods using rsfMRI data 2024-Aug, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5138 PMID:38472163	综述	本文综述了基于静息状态功能磁共振成像(rsfMRI)数据和机器学习方法的ADHD检测研究	该研究首次专门调查了ADHD的检测，并详细比较了现有研究的性能优缺点	文章未提及具体数据的样本大小和类型	研究旨在评估rsfMRI数据与机器学习方法在ADHD检测中的应用	研究对象为ADHD相关的fMRI数据和机器学习检测方法	机器学习	注意力缺陷多动障碍	rsfMRI	机器学习	fMRI数据	NA
1102	2024-08-05	A review of self-supervised, generative, and few-shot deep learning methods for data-limited magnetic resonance imaging segmentation 2024-Aug, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5143 PMID:38523402	review	该文章回顾了用于数据有限的磁共振成像分割的自监督、生成和少样本深度学习方法	创新点在于总结了利用少量标注样本的最新算法，并探讨了自监督学习、生成模型、少样本学习和半监督学习的基本原理	本综述没有深入探讨所有最新算法的细节，只是提供了一个概述	本研究的目的是回顾在数据有限情况下进行的磁共振成像分割的先进算法	研究对象包括心脏、腹部和脑部的磁共振成像分割应用	数字病理	NA	NA	自监督学习、生成模型、少样本学习和半监督学习	MRI图像	NA
1103	2024-08-05	Radiomics model and deep learning model based on T1WI image for acute lymphoblastic leukemia identification 2024-Aug, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.04.017 PMID:38796378	研究论文	该研究旨在开发高精度的放射组学和深度学习模型，以准确检测急性淋巴细胞白血病（ALL）	提出了一种基于T1WI图像的放射组学和深度学习模型，并通过验证评估其诊断效率	两种模型在测试队列中的统计比较未显示显著差异	研究的目的是通过T1WI图像识别急性淋巴细胞白血病	样本包含604例来自ALL组和正常儿童组的脑磁共振数据	数字病理学	急性淋巴细胞白血病	MRI	支持向量机和Efficientnet-B3	图像	604个脑磁共振数据样本
1104	2024-08-05	DeepAlienorNet: A deep learning model to extract clinical features from colour fundus photography in age-related macular degeneration 2024-Aug, Acta ophthalmologica IF:3.0Q1 DOI:10.1111/aos.16660 PMID:38345159	研究论文	本研究旨在开发一个名为'DeepAlienorNet'的深度学习模型，以从彩色眼底摄影中自动提取年龄相关性黄斑变性(AMD)的临床特征	该模型具有高可解释性，能够生成突出相关图像区域的热图，减少了黑箱效应	没有明显的限制信息	研究旨在开发一个用于自动识别AMD临床特征的深度学习模型	研究对象为77岁及以上的法国个体，分析其眼底图像	数字病理学	年龄相关性黄斑变性	深度学习	多标签深度学习模型	图像	1178张图像
1105	2024-08-05	Imaging Analytics using Artificial Intelligence in Oncology: A Comprehensive Review 2024-Aug, Clinical oncology (Royal College of Radiologists (Great Britain)) DOI:10.1016/j.clon.2023.09.013 PMID:37806795	综述	本文讨论了人工智能在肿瘤学影像分析中的多面角色，重点介绍了深度学习的应用。	讨论了人工智能在癌症管理中的新应用，包括自动生成放射学报告及与影像学相关的放射组学。	当前临床使用的有效深度学习模型仍处于初级阶段。	探讨人工智能及深度学习在癌症护理中的应用，促进研究，以实现临床转化。	对人工智能在癌症检测、诊断及治疗反应预测中的应用进行综合评述。	计算机视觉	肿瘤	深度学习	卷积神经网络	影像	NA
1106	2024-08-05	Segmentation and detection of crop pests using novel U-Net with hybrid deep learning mechanism 2024-Aug, Pest management science IF:3.8Q1 DOI:10.1002/ps.8083 PMID:38506377	研究论文	本研究提出了一种新的混合深度学习机制，用于作物害虫的分割和检测	通过将DenseNet-77与传统的U-Net模型混合，减少了U-Net模型的复杂性，并提出了新的卷积切片注意力门控递归单元模型进行害虫的检测	未提及具体的限制	旨在提高作物害虫检测的准确性	作物中的害虫	计算机视觉	NA	深度学习	混合的DenseNet-77 U-Net和卷积切片注意力门控递归单元模型	图像	NA
1107	2024-08-05	An effective segmentation and attention-based reptile residual capsule auto encoder for pest classification 2024-Aug, Pest management science IF:3.8Q1 DOI:10.1002/ps.8085 PMID:38507257	研究论文	本文提出了一种基于深度学习的方法，用于提高农作物害虫的检测和分类精度。	提出了新颖的注意力基于爬行动物残差胶囊自编码器（ARRCAE）技术，并结合改进的爬行动物搜索优化（IRSO）算法对分类参数进行优化调优。	由于抽象中未提及具体的局限性，因此此项信息为NA	提高农业害虫检测和分类的准确性，以改善作物生产力和质量。	主要研究对象为农业作物害虫。	数字病理学	NA	深度学习（DL），注意力基于U-Net方法	注意力基于爬行动物残差胶囊自编码器（ARRCAE）	图像	害虫数据集，具体样本数量在摘要中未明确说明，因此此项信息为NA
1108	2024-08-05	Fully Automatic Quantitative Measurement of Equilibrium Radionuclide Angiocardiography Using a Convolutional Neural Network 2024-Aug-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005275 PMID:38967505	研究论文	本研究旨在从平衡放射性核素血管造影数据集中生成基于深度学习的感兴趣区域以测量左心室射血分数	提出了一种使用2维U-Net卷积神经网络自动生成左心室的感兴趣区域的创新方法	研究主要集中在特定类型的图像数据上，可能无法普遍适用于所有类型的血管造影	提高左心室射血分数的测量便利性和可重复性	涉及19458名患者的41462个扫描样本	数字病理学	NA	深度学习	2维U-Net卷积神经网络	医学影像	41462个扫描（19309名患者）
1109	2024-08-05	fMRI-based spatio-temporal parcellations of the human brain 2024-Aug-01, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001280 PMID:38804205	评论	本文章回顾了基于功能磁共振成像(fMRI)的人脑分区的当前方法和思想	采用机器学习技术，特别是深度学习，能够利用空间和时间信息进行更细致的人脑分区	目前尚无万能的脑分区解决方案，模型选择和下游分析影响最佳的分区策略	探讨基于fMRI的人脑分区方法及其在神经科学研究中的重要性	基于fMRI的数据和人脑的空间与时间动态	数字病理学	NA	fMRI	深度学习	数据	NA
1110	2024-08-05	Source-Free Domain Adaptation With Domain Generalized Pretraining for Face Anti-Spoofing 2024-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3370721 PMID:38412088	研究论文	本文提出了一种新的无源域适应框架SDA-FAS，以解决面部反欺诈中的泛化问题	提出了第一个全栈隐私保护框架，系统性解决了无源设置下的源模型预训练、知识适应和目标数据探索问题	当前方法在无源数据的条件下可能受到域和身份偏差的限制	研究如何在无源域适应环境中提高面部反欺诈技术的泛化能力	面部反欺诈技术的深度学习模型	计算机视觉	NA	数据增强	NA	图像	十九个跨数据集场景
1111	2024-08-05	Residual network improves the prediction accuracy of genomic selection 2024-Aug, Animal genetics IF:1.8Q3 DOI:10.1111/age.13445 PMID:38746973	研究论文	本文探讨了残差网络在基因选择中的应用，并提高了预测精度	引入残差网络（ResNet）以解决模型深度增加导致的梯度衰退问题，从而提高基因选择的预测准确性	深度学习方法尚未完全超越传统基因选择方法，仍有待进一步验证和优化	提高复杂性状的基因选择预测准确性	对小麦和猪数据集进行基因选择的准确性比较	机器学习	NA	NA	残差网络（ResNet）	数据集（小麦、模拟和真实猪数据）	三个数据集（小麦、模拟和真实猪数据）
1112	2024-08-05	Inflammatory Knee Synovitis: Evaluation of an Accelerated FLAIR Sequence Compared With Standard Contrast-Enhanced Imaging 2024-Aug-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001065 PMID:38329824	研究文章	本研究评估了深度学习加速的FLAIR序列在膝关节炎症滑膜炎诊断中的价值和准确性	提出了深度学习加速的FLAIR序列，提供了与标准对比增强成像相当的诊断效果	本研究为回顾性研究，样本量较小	评估非对比FLAIR序列在膝关节炎症滑膜炎中的诊断准确性	膝关节伴有炎症滑膜炎的患者	数字病理学	NA	深度学习加速FLAIR序列	NA	图像	55名患者
1113	2024-08-05	Exploiting protein language models for the precise classification of ion channels and ion transporters 2024-Aug, Proteins IF:3.2Q2 DOI:10.1002/prot.26694 PMID:38656743	研究论文	本研究介绍了TooT-PLM-ionCT框架，用于精确分类离子通道和离子转运蛋白。	通过结合六个蛋白质语言模型和深度学习模型，提出了一种创新的方法以提升蛋白质分类的准确性，特别是在离子转运蛋白和膜蛋白的识别上，达到最先进的结果。	尽管进行了一些新数据集的引入以增强模型的强度和泛化能力，但仍需进一步的验证和评估。	研究旨在提升离子通道与离子转运蛋白的分类精度。	研究对象包括离子通道、离子转运蛋白和膜蛋白。	生物信息学	NA	蛋白质语言模型和深度学习	NA	数据集	验证了现有数据集，并引入新的数据集以增强模型评估，样本大小未具体提及
1114	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
1115	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
1116	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
1117	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
1118	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
1119	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
1120	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