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
941	2024-09-05	Template-Based Contrastive Distillation Pretraining for Math Word Problem Solving 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3265173 PMID:37126637	研究论文	提出了一种基于预训练语言模型的模板对比蒸馏预训练方法（TCDP），用于数学应用题求解，通过多视角对比学习融入数学逻辑知识，并通过知识蒸馏保留丰富的现实世界知识和高品质的语义表示	通过模板对比学习和知识蒸馏，将数学逻辑知识和现实世界知识融入预训练语言模型中，提高了数学应用题求解的能力	NA	提高数学应用题求解的准确性和理解能力	数学应用题求解任务	自然语言处理	NA	预训练语言模型	PLM-based encoder	文本	涉及两个广泛采用的基准数据集Math23K和CM17K
942	2024-09-05	Unsupervised Deep Tensor Network for Hyperspectral-Multispectral Image Fusion 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3266038 PMID:37134042	研究论文	本文提出了一种无监督深度张量网络（UDTN），用于融合低分辨率高光谱图像（HSI）和高分辨率多光谱图像（MSI），以提高HSI的分辨率	本文将张量理论与深度学习相结合，提出了一种新的无监督学习方法，通过联合表示HSI和MSI的主要成分和共享编码张量，实现了对多维特征的有效处理	NA	研究目的是提高高光谱图像的分辨率	研究对象是低分辨率高光谱图像和高分辨率多光谱图像	计算机视觉	NA	深度学习	张量网络	图像	使用了模拟和真实遥感数据集进行实验
943	2024-09-05	A Broad Generative Network for Two-Stage Image Outpainting 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3264617 PMID:37220055	研究论文	本文提出了一种用于两阶段图像外推的广义生成网络（BG-Net），通过使用岭回归优化快速训练第一阶段的重建网络，并在第二阶段设计接缝线鉴别器（SLD）进行过渡平滑，显著提高了图像质量。	提出的BG-Net在训练速度上比基于深度学习的网络更快，减少了整体训练时间，并展示了强大的关联绘图能力。	NA	开发一种高效的两阶段图像外推方法，以提高图像处理的效率和质量。	图像外推技术及其在图像处理中的应用。	计算机视觉	NA	NA	广义生成网络（BG-Net）	图像	使用了Wiki-Art和Place365数据集进行实验。
944	2024-09-05	Motif-Based Contrastive Learning for Community Detection 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3367873 PMID:38408012	研究论文	本文提出了一种基于模体的对比学习框架MotifCC，用于社区检测，通过融合高阶和低阶结构信息来提高检测效果	MotifCC框架通过构建基于模体的高阶网络并应用对比学习方法，有效融合了节点、边以及高阶和低阶结构信息，从而捕捉复杂的非线性关系	NA	改进复杂网络分析中的社区检测方法	复杂网络中的社区结构	机器学习	NA	对比学习	深度学习框架	网络数据	使用真实世界数据集进行广泛实验
945	2024-09-05	Application of deep-learning to the automatic segmentation and classification of lateral lymph nodes on ultrasound images of papillary thyroid carcinoma 2024-Sep, Asian journal of surgery IF:3.5Q1 DOI:10.1016/j.asjsur.2024.02.140 PMID:38453612	研究论文	本研究开发了深度学习模型，用于自动分割和分类超声图像中的甲状腺癌侧颈淋巴结	使用三种实例分割模型（MaskRCNN, SOLO 和 Mask2Former）进行像素级的对象识别，以实现对侧颈淋巴结的自动分割和分类	NA	旨在开发深度学习模型，用于自动分割和分类甲状腺癌患者的侧颈淋巴结转移	甲状腺癌患者的侧颈淋巴结超声图像	计算机视觉	甲状腺癌	深度学习	MaskRCNN, SOLO, Mask2Former	图像	1000张侧颈淋巴结超声图像，来自728名患者
946	2024-09-05	Permutation Equivariant Graph Framelets for Heterophilous Graph Learning 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3370918 PMID:38466605	研究论文	本文开发了一种新的多尺度提取方法，通过构建具有置换等变性、高效性和稀疏性的Haar型图框架，用于图上的深度学习任务，并设计了一种基于这些图框架的图框架神经网络模型PEGFAN。	提出了具有置换等变性、高效性和稀疏性的Haar型图框架，并设计了基于这些框架的图框架神经网络模型PEGFAN。	NA	开发适用于异质图学习的多尺度提取方法，并设计相应的神经网络模型。	异质图及其在深度学习任务中的应用。	机器学习	NA	图神经网络 (GNN)	图框架神经网络模型 (PEGFAN)	图数据	合成数据集和九个基准数据集
947	2024-09-05	Deep Learning for Dynamic Graphs: Models and Benchmarks 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3379735 PMID:38568760	研究论文	本文探讨了深度图网络在动态图上的应用，并进行了模型性能比较	提供了动态图表示学习的全面概述，并建立了评估新架构和方法的基准	NA	促进动态图领域的研究	动态图上的预测任务	机器学习	NA	深度图网络（DGNs）	NA	图数据	NA
948	2024-09-04	Quickly diagnosing Bietti crystalline dystrophy with deep learning 2024-Sep-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110579 PMID:39220263	研究论文	本研究利用深度学习技术，通过超广角彩色眼底照片对Bietti结晶样视网膜病变（BCD）进行诊断和临床阶段分类	本研究建立了中国人群中最大的BCD数据库，并开发了一种快速诊断BCD的方法	NA	旨在通过深度学习技术对BCD进行早期精确诊断和临床阶段分类	Bietti结晶样视网膜病变（BCD）患者	机器学习	视网膜疾病	深度学习	ResNeXt, Wide ResNet, ResNeSt	图像	包括BCD、视网膜色素变性（RP）和正常眼底照片，BCD患者进一步分为三个阶段
949	2024-09-04	Streamlined Intraoperative Brain Tumor Classification and Molecular Subtyping in Stereotactic Biopsies Using Stimulated Raman Histology and Deep Learning 2024-Sep-03, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-23-3842 PMID:38976016	研究论文	本研究评估了深度学习算法在立体定向脑活检中通过受激拉曼组织学（SRH）图像进行快速术中诊断的能力，并定义了确保诊断准确性的最小组织样本大小阈值。	使用基于人工智能的SRH图像分析在检测和亚分类脑肿瘤方面不劣于冷冻切片分析，并能进行有效的分子胶质瘤亚分类，有助于未来更快地做出治疗决策。	需要进一步改进以适应长期应用。	评估深度学习算法在立体定向脑活检中通过SRH图像进行快速术中诊断的能力，并定义最小组织样本大小阈值。	121张SRH图像来自84名患有不明确颅内病变的患者，这些患者正在接受立体定向脑活检。	机器学习	脑肿瘤	受激拉曼组织学（SRH）	深度学习模型	图像	121张SRH图像来自84名患者
950	2024-09-04	Noise-imitation learning: unpaired speckle noise reduction for optical coherence tomography 2024-Sep-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad708c PMID:39151463	研究论文	本文提出了一种名为噪声模仿学习（NIL）的新型非配对方法，用于光学相干断层扫描（OCT）图像的去噪	NIL方法通过三个主要模块（噪声提取模块、噪声模仿模块和对抗学习模块）实现了更简化的网络结构，仅使用一个生成器和一个判别器进行训练	NA	开发一种有效的非配对方法，用于降低OCT图像中的斑点噪声，提高图像质量和诊断准确性	OCT图像中的斑点噪声	计算机视觉	NA	对抗学习	生成对抗网络（GAN）	图像	在PKU37数据集上进行了实验
951	2024-09-04	Determination of Trace Organic Contaminant Concentration via Machine Classification of Surface-Enhanced Raman Spectra 2024-Sep-03, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c06447 PMID:38272008	研究论文	本文通过机器学习方法，利用表面增强拉曼光谱（SERS）预测样品中污染物的浓度	采用频率域变换方法（如傅里叶变换和沃尔什-阿达玛变换）处理SERS光谱数据，并结合机器学习模型提高浓度预测的准确性	SERS光谱的强度受多种因素影响，如基底参数、分析物方向和样品制备技术	开发一种利用机器学习从SERS光谱中预测污染物浓度的方法	三种分析物（罗丹明6G、毒死蜱和三氯生）的SERS光谱数据	机器学习	NA	表面增强拉曼光谱（SERS）	机器学习模型和深度学习模型	光谱数据	中等规模数据集约100个光谱，小规模数据集约50个光谱
952	2024-09-04	An Intelligent Early Warning System for Harmful Algal Blooms: Harnessing the Power of Big Data and Deep Learning 2024-Sep-03, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c03906 PMID:38436579	research paper	本研究利用大数据和深度学习模型开发了一种智能有害藻类水华早期预警系统	采用DeepDPM-Spectral Clustering方法分析和分层垂直水层，显著减少了预测模型的数量并增强了系统的适应性；开发了Bloomformer-2模型进行单步和多步预测	未提及具体限制	开发智能有害藻类水华早期预警系统	有害藻类水华	machine learning	NA	深度学习	Bloomformer-2	数据	在太湖的案例研究中，2018年冬季水柱分为四个集群（W1-W4），2019年夏季分为五个集群（S1-S5）
953	2024-09-04	Substantial Underestimation of Fine-Mode Aerosol Loading from Wildfires and Its Radiative Effects in Current Satellite-Based Retrievals over the United States 2024-Sep-03, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c02498 PMID:39163486	研究论文	本文开发了一种创新的角依赖深度学习模型（ADLM），用于从双角度观测中推断细模态气溶胶光学深度（fAOD），并评估其对美国地区野火产生的气溶胶负荷及其辐射效应的影响	ADLM模型利用多角度卫星数据，能够更准确地捕捉气溶胶特性，特别是在野火事件中，相比现有卫星产品有显著改进	NA	评估和改进现有卫星产品在测量野火产生的细模态气溶胶光学深度（fAOD）及其辐射效应方面的准确性	细模态气溶胶光学深度（fAOD）及其对地球能量平衡的影响	机器学习	NA	深度学习	ADLM	卫星数据	覆盖美国连续地区的双角度观测数据
954	2024-09-04	Early identification of patients at risk for iron-deficiency anemia using deep learning techniques 2024-Sep-03, American journal of clinical pathology IF:2.3Q2 DOI:10.1093/ajcp/aqae031 PMID:38642073	研究论文	本文利用深度学习技术开发模型，提前3至6个月预测铁缺乏性贫血的风险	首次使用深度学习技术在门诊环境中基于实验室数据序列早期预测铁缺乏性贫血	NA	开发模型提前预测铁缺乏性贫血的风险，以便及早干预	铁缺乏性贫血患者	机器学习	NA	深度学习技术	人工神经网络、长短期记忆单元和门控循环单元	实验室数据	30,603名患者
955	2024-09-04	Deep Learning Bridged Bioactivity, Structure, and GC-HRMS-Readable Evidence to Decipher Nontarget Toxicants in Sediments 2024-Sep-03, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c10814 PMID:38696305	研究论文	本文提出了一种基于深度学习的事件驱动分类框架，用于混合物风险评估，并通过高吞吐量筛选生物测定和毒物鉴定进行集成	开发了两种深度学习模型，用于预测生物活性物质的指纹并将其转换为质谱可读信息，以进行非目标分析	NA	旨在通过深度学习技术识别混合物中的非目标毒物	研究对象为引发芳基烃受体激活和氧化应激反应的沉积物中的化学混合物	机器学习	NA	GC-qToF-MS	深度学习模型	化学指纹数据	建立了两个包含121和118个指纹的库，并在沉积物提取物中鉴定了247种生物活性化合物
956	2024-09-04	Transformer-based deep learning networks for fault detection, classification, and location prediction in transmission lines 2024-Sep-03, Network (Bristol, England) DOI:10.1080/0954898X.2024.2393746 PMID:39224075	research paper	本文提出了一种基于Transformer的分层深度学习方法（HDLA），用于输电线路中的故障检测、分类和位置预测	HDLA利用两阶段基于Transformer的分类和回归模型，直接从同步的三相电流和电压样本中进行故障检测、故障类型分类和故障位置预测，无需特征提取，显著降低了计算复杂性	NA	提高现代电力系统的稳定性和可靠性，减少经济损失，增强系统保护的敏感性	输电线路中的故障检测、分类和位置预测	machine learning	NA	Transformer	Transformer-based deep learning networks	three-phase current and voltage samples	包含各种故障场景的综合数据集，涵盖多种类型、位置、电阻、起始角度和噪声水平
957	2024-09-04	Deep learning method for predicting weekly anatomical changes in patients with nasopharyngeal carcinoma during radiotherapy 2024-Sep-03, Medical physics IF:3.2Q1 DOI:10.1002/mp.17381 PMID:39225585	研究论文	本研究开发了一种深度学习方法，用于预测鼻咽癌患者在放疗期间每周的解剖变化	提出了一种结合长短期记忆网络和生成对抗网络（LSTM-GAN）的方法，能够预测鼻咽癌患者在放疗期间的解剖变化	NA	开发一种深度学习方法，预测鼻咽癌患者在放疗期间的肿瘤反应和解剖变化	鼻咽癌患者的肿瘤目标体积和危险器官	机器学习	鼻咽癌	NA	LSTM-GAN	图像	230名鼻咽癌患者
958	2024-08-19	Deep learning is necessary for safety regulation in predicting malnutrition in gastric cancer patients 2024-Sep, Clinical nutrition (Edinburgh, Scotland) DOI:10.1016/j.clnu.2024.07.043 PMID:39153431	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
959	2024-09-02	A comprehensive approach for evaluating lymphovascular invasion in invasive breast cancer: Leveraging multimodal MRI findings, radiomics, and deep learning analysis of intra- and peritumoral regions 2024-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102415 PMID:39032451	研究论文	本文通过比较术前多模态磁共振成像（MRI）基于放射组学和深度学习（DL）模型的诊断性能，评估了乳腺癌中的淋巴血管侵犯（LVI）。	本文创新性地结合了多模态MRI、放射组学和深度学习分析，构建了混合模型，显著提高了LVI状态的诊断效率。	本研究为回顾性研究，样本量相对较小，未来需要在前瞻性研究和更大样本量中验证结果。	评估和比较基于多模态MRI的放射组学和深度学习模型在乳腺癌LVI诊断中的性能。	乳腺癌患者中的淋巴血管侵犯（LVI）。	数字病理学	乳腺癌	多模态MRI	深度学习模型	图像	262名乳腺癌患者，其中训练组183人，验证组79人。
960	2024-09-02	ScribSD+: Scribble-supervised medical image segmentation based on simultaneous multi-scale knowledge distillation and class-wise contrastive regularization 2024-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102416 PMID:39018640	研究论文	本文提出了一种名为ScribSD+的新框架，该框架基于多尺度知识蒸馏和类间对比正则化，用于从涂鸦注释中学习医学图像分割	引入了多尺度预测级别的知识蒸馏和类间对比正则化，有效提高了学生网络的分割性能	NA	减少医学图像分割中对大量像素级手动注释的依赖，降低注释成本	心脏结构分割和胎盘及胎儿脑部MRI分割	计算机视觉	NA	多尺度知识蒸馏，类间对比正则化	CNN	图像	ACDC数据集和胎儿MRI数据集