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
1121	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
1122	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
1123	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
1124	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
1125	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
1126	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
1127	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
1128	2024-08-05	Contrastive Learning for Joint Normal Estimation and Point Cloud Filtering 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3263866 PMID:37030701	研究论文	本文提出了一种新的深度学习方法，通过联合估计法线和过滤点云来解决3D领域中的基本研究问题	引入了一种基于3D补丁的对比学习框架，并实现了一种新的联合损失来同时估计法线和位移	对比学习框架可能在非常高噪声水平下的鲁棒性不足	研究如何联合估计法线和点云过滤以提高处理效果	点云数据的法线和过滤	计算机视觉	NA	深度学习	回归网络	点云	NA
1129	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
1130	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
1131	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
1132	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
1133	2024-08-05	Predictive models and applicability of artificial intelligence-based approaches in drug allergy 2024-Aug-01, Current opinion in allergy and clinical immunology IF:3.0Q3 DOI:10.1097/ACI.0000000000001002 PMID:38814733	综述	本文回顾了基于人工智能的预测模型在药物过敏诊断中的潜在应用价值	文章强调了利用机器学习、深度学习及人工神经网络作为可靠的临床诊断和预测工具的创新点	目前关于药物过敏发展的评分和预测模型相对稀缺，大多数依赖于逻辑回归分析	探讨基于人工智能的预测模型在药物过敏管理中的有效性	研究的对象主要是药物过敏患者的风险分层及管理	自然语言处理	药物过敏	人工智能	深度学习	文本	NA
1134	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
1135	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
1136	2024-08-05	Construction of an antidepressant priority list based on functional, environmental, and health risks using an interpretable mixup-transformer deep learning model 2024-Aug-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.134651 PMID:38843640	研究论文	本研究构建了一个针对抗抑郁药物风险优先筛选的综合性系统	提出了一种改进的mixup-transformer深度学习模型，大幅提高了分类准确性	未提及具体的实验样本或数据限制	研究抗抑郁药物的风险识别与评估	抗抑郁药物的功能性、环境与健康风险	机器学习	NA	深度学习	mixup-transformer	NA	筛选出33种高优先级抗抑郁药物
1137	2024-08-05	Early detection of nicosulfuron toxicity and physiological prediction in maize using multi-branch deep learning models and hyperspectral imaging 2024-Aug-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.134723 PMID:38815392	研究论文	本研究开发了用于早期检测玉米中尼库苏隆毒性的HerbiNet模型	提出了一种创新方法，结合多分支深度学习模型和高光谱成像技术，能准确预测玉米中尼库苏隆的毒性	模型的实际应用可能受到数据集和环境变量的影响	旨在评估和预测玉米中尼库苏隆的毒性，以保护玉米生产	选择受到尼库苏隆处理的玉米作物及其高光谱图像作为研究对象	数字病理学	NA	高光谱成像	深度学习模型	图像	NA
1138	2024-08-05	Improved 3D DESS MR neurography of the lumbosacral plexus with deep learning and geometric image combination reconstruction 2024-Aug, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04613-7 PMID:38386108	研究论文	本研究评估了深度学习重建对LSP MRN影像质量和神经可见性的影响	提出了一种几何图像组合方法，以改善DESS信号的组合	仅评估了成人患者的影像，样本量相对较小	探讨深度学习重建及几何图像组合对LSP MRN的影像质量提升	涉及40名接受3.0特斯拉LSP MRN的成人患者	数字病理学	NA	深度学习重建，几何图像组合	NA	影像	40名患者（22名女性，平均年龄48.6岁）
1139	2024-08-05	Exploring the potential of representation and transfer learning for anatomical neuroimaging: Application to psychiatry 2024-Aug-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120665 PMID:38848981	研究论文	本研究探讨了在精神病学中应用代表性和迁移学习的解剖神经影像学的潜力	提出了通过自监督学习、生成建模和基于年龄的监督学习等三种预训练策略来改善深度学习在临床数据集中的表现	现有比较研究主要集中于预测临床关系较低的表型，且仅使用单一数据集	研究深度学习和标准机器学习在解剖神经影像学上的预测能力及其在精神病学中的应用	比较深度学习和标准机器学习在精神病学中对精神分裂症、躁郁症和自闭症谱系障碍的预测能力	数字病理学	精神病	深度学习	深度集成模型	图像	脑影像数据来自约10k的健康人群和≤1k的临床数据集
1140	2024-08-05	Automated segmentation of epilepsy surgical resection cavities: Comparison of four methods to manual segmentation 2024-Aug-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120682 PMID:38866195	研究论文	该研究比较了四种自动分割管道在癫痫手术切除腔体的准确性	首次对四种自动分割方法在不同类型癫痫手术切除结果上的表现进行了比较	所有算法均未能识别所有切除腔，且仍需要人工质量控制	比较四种自动分割管道在MRI上切除腔体的准确性	50名接受癫痫手术的患者，包括30名颞叶和20名外颞叶患者	数字病理	癫痫	SPM-12和3D U-net卷积神经网络	CNN	MRI图像	50个患者的手术切除腔体