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
541	2024-09-27	Noise suppression in photon-counting computed tomography using unsupervised Poisson flow generative models 2024-Sep-23, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-024-00175-6 PMID:39311990	研究论文	本文提出了一种基于无监督泊松流生成模型的光子计数计算机断层扫描（CT）图像去噪技术	本文将无监督逆问题求解方法扩展到泊松流生成模型（PFGM++），并通过劫持和正则化采样过程，实现了单步采样器（NFE=1）	NA	开发一种无需配对数据的无监督图像去噪技术，以提高光子计数CT图像的质量	光子计数CT图像	计算机视觉	NA	深度学习	扩散模型	图像	临床低剂量CT数据和GE HealthCare开发的实验性光子计数CT系统中的临床图像
542	2024-09-27	Protocol for performing deep learning-based fundus fluorescein angiography image analysis with classification and segmentation tasks 2024-Sep-20, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2024.103134 PMID:38900632	研究论文	本文介绍了一种基于深度学习的视网膜荧光血管造影图像分析协议，包括分类和分割任务	提出了一个完整的从诊断到治疗建议的深度学习分析流程	未提及具体限制	开发一种用于视网膜疾病评估的深度学习分析协议	视网膜荧光血管造影图像	计算机视觉	NA	深度学习	NA	图像	未提及具体样本数量
543	2024-09-27	Computational Synthetic Biology Enabled through JAX: A Showcase 2024-Sep-20, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.4c00307 PMID:39230510	研究论文	本文展示了通过JAX库在计算合成生物学中的应用	本文首次展示了JAX在计算生物学中的应用，特别是合成生物学和定向进化领域	本文主要展示了JAX的应用，未深入探讨其在生物学中的局限性	展示JAX在计算合成生物学中的应用，并提供相关教程	合成生物学和定向进化	计算生物学	NA	JAX	NA	NA	NA
544	2024-09-27	Ultralow dose coronary calcium scoring CT at reduced tube voltage and current by using deep learning image reconstruction 2024-Sep-19, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111742 PMID:39321657	研究论文	探讨深度学习重建（DLR）在降低管电压和电流的极低剂量钙评分CT（CSCT）中的潜力	使用深度学习重建技术在降低管电压和电流的情况下实现极低剂量的钙评分CT	研究样本量较小，需要进一步验证在更大规模临床应用中的可行性	探索深度学习重建技术在极低剂量钙评分CT中的应用潜力	钙评分CT图像的质量和有效剂量	计算机视觉	心血管疾病	深度学习重建（DLR）	深度学习模型	图像	156名患者（分为两组：75名常规剂量组和81名极低剂量组）
545	2024-09-27	Localized Plasmonic Structured Illumination Microscopy Using Hybrid Inverse Design 2024-Sep-18, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.4c03069 PMID:39234957	研究论文	本文提出了一种结合深度学习和遗传算法的混合逆向设计框架，用于优化局部等离子体结构化照明显微镜（LPSIM）阵列	该框架通过迭代和进化优化设计，显著提高了LPSIM基底的复原精度、抗噪能力和对较少测量次数的容忍度	NA	优化局部等离子体结构化照明显微镜（LPSIM）阵列的设计过程，以实现更高的超分辨率成像性能	局部等离子体结构化照明显微镜（LPSIM）阵列	计算机视觉	NA	局部等离子体结构化照明显微镜（LPSIM）	卷积神经网络（CNN）	图像	NA
546	2024-09-27	Application of deep ensemble learning for palm disease detection in smart agriculture 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e37141 PMID:39319161	研究论文	本文研究了在智能农业中应用深度学习模型进行棕榈病害检测和分类	采用两阶段优化方法，结合迁移学习和深度集成学习技术，显著提高了模型的泛化能力和检测准确性	未提及具体局限性	改进现有研究中的局限性，提高棕榈病害检测的鲁棒性和泛化能力	棕榈树病害	计算机视觉	NA	深度学习	深度集成学习	图像	未提及具体样本数量
547	2024-09-27	[Prediction of PM10 Concentration in Dry Bulk Ports Using a Combined Deep Learning Model Considering Feature Meteorological Factors] 2024-Sep-08, Huan jing ke xue= Huanjing kexue DOI:10.13227/j.hjkx.202310217 PMID:39323136	研究论文	提出了一种结合深度学习模型CLAF，用于预测干散货港口的PM10浓度，考虑了气象因素的影响	提出了一个新的结合深度学习模型CLAF，融合了级联卷积神经网络（CNN）、长短期记忆网络（LSTM）和注意力机制（AM），以提高PM10浓度的预测准确性	NA	提高干散货港口PM10浓度的预测准确性，以有效管理PM暴露并减轻对人类健康和经济的风险	干散货港口的PM10浓度及其受气象因素影响的时间序列非线性变化特征	机器学习	NA	深度学习	CLAF（结合CNN、LSTM和AM）	时间序列数据	NA
548	2024-09-27	A Meta-Learning Approach for Classifying Multimodal Retinal Images of Retinal Vein Occlusion With Limited Data 2024-Sep-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.9.22 PMID:39297809	研究论文	提出并验证了一种用于分类多模态视网膜图像中视网膜静脉阻塞的元学习方法	使用元学习模型在有限数据下检测视网膜静脉阻塞，并展示了在不同模态图像上的优异诊断能力	NA	提出并验证一种元学习方法，用于从多模态图像中检测视网膜静脉阻塞	视网膜静脉阻塞的多模态图像	计算机视觉	视网膜疾病	元学习	ResNet, CLIP	图像	1254张彩色眼底图像，来自39种不同的眼底疾病
549	2024-09-27	Exploring the Combination of Computer Vision and Surgical Neuroanatomy: A Workflow Involving Artificial Intelligence for the Identification of Skull Base Foramina 2024-Sep-02, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.08.137 PMID:39233310	研究论文	本文探讨了计算机视觉与外科神经解剖学的结合，开发了一种用于识别颅底孔的人工智能工作流程	本文创新性地开发了一种计算机视觉模型，能够自动识别和标注颅底孔，提高了手术规划和教育效果	NA	开发一种计算机视觉模型，自动识别和标注颅底孔，以避免手术并发症并促进神经外科学员的教育进步	颅底孔的识别和标注	计算机视觉	NA	深度学习	卷积神经网络	图像	3560张高分辨率、标注的颅底图像
550	2024-09-27	CSV-Filter: a deep learning-based comprehensive structural variant filtering method for both short and long reads 2024-Sep-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae539 PMID:39240375	研究论文	本文介绍了一种基于深度学习的结构变异过滤方法CSV-Filter，适用于短读长和长读长数据	CSV-Filter采用了一种新颖的多级灰度图像编码方法，并结合图像增强技术和自监督学习网络，提高了结构变异特征的提取能力	NA	开发一种能够有效过滤结构变异检测结果中假阳性结果的方法	结构变异（SVs）及其在遗传研究和精准医学中的应用	机器学习	NA	深度学习	自监督学习网络	图像	NA
551	2024-09-27	Predicting peritumoral glioblastoma infiltration and subsequent recurrence using deep-learning-based analysis of multi-parametric magnetic resonance imaging 2024-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.5.054001 PMID:39220048	研究论文	本文开发了一种结合专家知识和数据增强的方法，利用深度学习分析多参数磁共振成像（mpMRI）来预测胶质母细胞瘤（GBM）的肿瘤浸润和复发	本文创新性地使用深度学习模型预测胶质母细胞瘤的肿瘤浸润，无需依赖专家绘制的感兴趣区域（ROI）进行模型训练	NA	开发一种无需专家ROI绘制即可预测胶质母细胞瘤肿瘤浸润的深度学习模型	胶质母细胞瘤患者的肿瘤浸润和复发	数字病理学	脑肿瘤	多参数磁共振成像（mpMRI）	深度学习	图像	229名患者
552	2024-09-27	Comparison and benchmark of deep learning methods for non-coding RNA classification 2024-Sep, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012446 PMID:39264986	研究论文	本文比较和评估了用于非编码RNA分类的深度学习方法，并提供了相关数据集的详细描述	本文首次全面比较了当前最先进的非编码RNA分类方法，并进行了客观的基准测试	本文未涵盖所有可能的深度学习架构，且实验结果可能受限于所使用的数据集	评估和比较不同深度学习方法在非编码RNA分类中的性能	非编码RNA的分类方法及其在不同数据集上的表现	机器学习	NA	深度学习	多种深度学习架构	非编码RNA序列	涉及多个流行数据集
553	2024-09-27	Hyperdimensional computing: A fast, robust, and interpretable paradigm for biological data 2024-Sep, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012426 PMID:39316621	研究论文	本文探讨了超维度计算（HDC）在生物信息学中的应用潜力	提出超维度计算作为一种新的计算范式，具有高效、鲁棒和可解释性	NA	探索超维度计算在生物信息学中的应用潜力	生物数据处理和分析	生物信息学	NA	超维度计算（HDC）	NA	多模态和结构化数据	NA
554	2024-09-27	Explainable artificial intelligence in deep learning-based detection of aortic elongation on chest X-ray images 2024-Sep, European heart journal. Digital health DOI:10.1093/ehjdh/ztae045 PMID:39318689	研究论文	本文评估了深度学习模型在胸部X光图像中检测主动脉延长的性能，并使用可解释的人工智能技术来理解模型的决策过程	本文结合了可解释的人工智能技术，如梯度加权类激活映射和局部可解释模型无关解释方法，来增强深度学习模型决策的可解释性	本文未详细讨论模型的泛化能力和在不同数据集上的表现	评估深度学习模型在胸部X光图像中检测主动脉延长的性能，并使用可解释的人工智能技术来理解模型的决策过程	胸部X光图像中的主动脉延长	计算机视觉	心血管疾病	深度学习	DenseNet, EfficientNet	图像	未提供具体样本数量
555	2024-09-27	The potential impact of AI innovations on US occupations 2024-Sep, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgae320 PMID:39319327	研究论文	本文探讨了人工智能创新对美国职业任务的潜在影响，并提出了一种基于深度学习的自然语言处理方法来评估这种影响	本文利用深度学习技术替代了以往的手动标注或粗粒度匹配方法，提出了AI Impact指标来量化人工智能对职业任务的潜在影响	人工智能对劳动力的影响有限，部分受影响的职业是增强而非替代，且受影响的行业正面临劳动力短缺问题	评估人工智能创新对美国职业任务的潜在影响	职业任务及其与人工智能专利的关系	自然语言处理	NA	深度学习	NA	文本	17,879个任务描述和24,758项人工智能专利
556	2024-09-26	Dissecting the infodemic: An in-depth analysis of COVID-19 misinformation detection on X (formerly Twitter) utilizing machine learning and deep learning techniques 2024-Sep-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e37760 PMID:39315207	综述	本文对过去五年内发表的600篇文章进行了综述，重点分析了87项关于在Twitter上检测COVID-19相关假新闻的研究，探讨了用于识别假新闻传播者的算法技术和方法	本文创建了一个大型数据库，整合了17个不同研究工作的训练数据集，以促进假新闻检测的大规模训练数据集的使用	提出的模型存在过拟合、梯度消失和高预测时间问题，传播者相关分析领域的工作较少	揭示COVID-19相关推文的分化情况以及错误信息的传播方式	COVID-19相关假新闻的检测和假新闻传播者的行为模式	机器学习	NA	机器学习和深度学习技术	深度神经网络	文本	600篇文章，其中87项研究，17个不同研究工作的训练数据集
557	2024-09-26	PROFiT-Net: Property-Networking Deep Learning Model for Materials 2024-Sep-25, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.4c05159 PMID:39264687	研究论文	本文介绍了一种基于轨道场矩阵（OFM）表示的深度学习模型PROFiT-Net，用于预测材料的物理性质	PROFiT-Net通过结合元素性质和价电子配置信息，改进了OFM表示，能够有效捕捉晶体中元素性质的相互关系，并在预测介电常数、实验带隙和形成焓方面表现出高精度	NA	开发能够准确预测材料性质的人工智能技术	材料性质预测	机器学习	NA	深度学习	卷积神经网络	晶体结构数据	NA
558	2024-09-26	Automatic Segmentation of Ultrasound-Guided Quadratus Lumborum Blocks Based on Artificial Intelligence 2024-Sep-25, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01267-8 PMID:39320548	研究论文	本文提出了一种基于人工智能的自动分割超声引导下腰方肌阻滞的方法	开发了一种名为Q-VUM的深度学习模型，基于VGG16网络，能够精确分割超声图像中的多种组织结构	NA	旨在利用人工智能技术提高超声引导下腰方肌阻滞的精确性和效率	超声图像中的腰方肌及其周围组织	计算机视觉	NA	深度学习	U-shaped网络	图像	112名患者，共3162张图像
559	2024-09-26	3-1-3 Weight averaging technique-based performance evaluation of deep neural networks for Alzheimer's disease detection using structural MRI 2024-Sep-24, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad72f7 PMID:39178890	研究论文	本文研究了基于3-1-3权重平均技术的深度神经网络在阿尔茨海默病检测中的性能评估	提出了3-1-3权重平均技术和微调方法，显著提高了分类模型的性能	NA	评估深度学习模型在阿尔茨海默病检测中的准确性	阿尔茨海默病及其在结构MRI上的表现	计算机视觉	阿尔茨海默病	深度学习	深度神经网络（DNN）	图像	使用了来自阿尔茨海默病神经影像数据库（ADNI）的T1加权3D磁共振成像（MRI）数据
560	2024-09-26	Exploring the Intersection Between Neural Architecture Search and Continual Learning 2024-Sep-24, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3453973 PMID:39316489	综述	本文探讨了神经架构搜索（NAS）和持续学习（CL）之间的交叉点，旨在开发更健壮和自适应的深度神经网络（DNNs）	首次全面综述了NAS和CL的结合，提出了终身自主DNNs的研究方向	NA	研究如何通过结合NAS和CL的方法，使DNNs在部署后能够持续适应和自动化	神经架构搜索和持续学习	机器学习	NA	NA	深度神经网络（DNNs）	NA	NA