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
961	2024-09-06	Integrating machine and deep learning technologies in green buildings for enhanced energy efficiency and environmental sustainability 2024-Sep-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70519-y PMID:39223231	研究论文	本文研究了将机器学习和深度学习技术应用于绿色建筑设计中，以提高能源效率和环境可持续性	提出了结合机器学习和深度学习技术来优化绿色建筑设计过程，并使用GNN和LSTM模型进行实验，结果表明这些模型比传统深度学习技术更准确和高效	未提及具体的研究局限性	开发一个绿色建筑设计预测模型，以优化资源消耗、提高居住者舒适度并减少建筑环境对环境的影响	绿色建筑设计过程及其对环境可持续性的影响	机器学习	NA	机器学习（ML）和深度学习（DL）技术，包括RF、DT、Extreme GB、GNN、LSTM和RNN	GNN和LSTM	数值数据	使用了ASHARE-884数据集
962	2024-09-06	Impact of acquisition area on deep-learning-based glaucoma detection in different plexuses in OCTA 2024-09-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71235-3 PMID:39223266	研究论文	研究了不同采集区域和血管丛对基于深度学习的青光眼检测的影响	深度学习方法在所有采集区域和血管丛中均优于传统的血管密度生物标志物，并且在6x6 ONH扫描中表现最佳	未提及具体限制	探讨不同采集区域和血管丛对基于机器学习的青光眼患者与健康对照组区分的影响	青光眼患者和健康对照组	计算机视觉	眼科疾病	光学相干断层扫描血管造影 (OCTA)	深度学习	图像	未提及具体样本数量
963	2024-09-06	PCP-GC-LM: single-sequence-based protein contact prediction using dual graph convolutional neural network and convolutional neural network 2024-Sep-02, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05914-3 PMID:39223474	研究论文	本文提出了一种基于单序列的蛋白质接触预测方法PCP-GC-LM，结合双层图卷积神经网络和卷积神经网络进行预测	本文创新性地使用了双层图神经网络和卷积网络，能够更好地捕捉蛋白质分子不同层次的抽象特征，并处理不同长度和形状的蛋白质分子结构	本文未提及具体的计算负担问题解决方案	提高基于单序列的蛋白质接触预测方法的准确性	蛋白质接触图谱预测	机器学习	NA	图卷积神经网络	图卷积神经网络和卷积神经网络	蛋白质序列和结构信息	两个同源二聚体蛋白质测试集（DeepHomo测试数据集和CASP-CAPRI目标数据集）
964	2024-09-06	Robust mosquito species identification from diverse body and wing images using deep learning 2024-Sep-02, Parasites & vectors IF:3.0Q1 DOI:10.1186/s13071-024-06459-3 PMID:39223629	研究论文	研究使用卷积神经网络（CNN）对蚊子种类进行基于图像的分类	比较了三种图像采集方法（智能手机、带宏镜头的智能手机和专业立体显微镜）在蚊子种类分类中的效果，并发现基于翅膀的分类效果优于基于身体的分类	CNN模型在不同设备上的表现依赖于特定设备的训练，导致平均准确率下降14%	探索卷积神经网络在蚊子种类分类中的应用	四种形态相似的Aedes蚊子种类	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	796个样本
965	2024-09-06	X-ray lens figure errors retrieved by deep learning from several beam intensity images 2024-Sep-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577524004958 PMID:39042577	研究论文	本文研究了使用深度学习从多个光束强度图像中检索X射线透镜表面误差的方法	提出了一种使用神经网络从光束强度图像中准确预测透镜误差轮廓的方法	NA	解决同步辐射光束聚焦中的相位问题，并验证仅使用传播光束在多个距离处的强度图像检索透镜表面误差的可能性	X射线透镜的表面误差	计算机视觉	NA	深度学习	神经网络	图像	数千次模拟
966	2024-09-06	Artificial intelligence-based plasma exosome label-free SERS profiling strategy for early lung cancer detection 2024-Sep, Analytical and bioanalytical chemistry IF:3.8Q1 DOI:10.1007/s00216-024-05445-z PMID:39017700	研究论文	本文介绍了一种基于人工智能的无标记表面增强拉曼光谱（SERS）策略，用于早期肺癌的检测	利用深度学习模型和卷积神经网络（CNN）对细胞外囊泡的拉曼光谱数据进行特征提取，结合支持向量机（SVM）模型进行早期肺癌的准确诊断	NA	开发一种新的早期肺癌诊断方法	肺癌细胞和正常细胞的细胞外囊泡	机器学习	肺癌	表面增强拉曼光谱（SERS）	卷积神经网络（CNN）和支持向量机（SVM）	光谱数据	肺癌细胞系和正常细胞系的细胞外囊泡样本
967	2024-09-06	Pre-therapy PET-based voxel-wise dosimetry prediction by characterizing intra-organ heterogeneity in PSMA-directed radiopharmaceutical theranostics 2024-Sep, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06737-3 PMID:38724653	研究论文	本研究旨在通过表征体内器官异质性，利用人工智能技术预测基于预治疗PET的体素级剂量分布	本研究首次利用深度学习技术预测体素级吸收剂量图，考虑了体内器官的异质性	本研究仅在转移性去势抵抗性前列腺癌患者中进行，样本量有限	通过表征体内器官异质性，预测基于预治疗PET的体素级吸收剂量图，以提高治疗效果	转移性去势抵抗性前列腺癌患者	数字病理学	前列腺癌	深度学习	深度学习模型	图像	23名患者，48个治疗周期
968	2024-09-05	Predicting Small Molecule Binding Nucleotides in RNA Structures Using RNA Surface Topography 2024-Sep-04, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01264 PMID:39230508	研究论文	本文开发了一种基于空间相关性的深度学习模型ZHmolReSTasite，用于预测带有结的RNA结构中的小分子结合核苷酸	ZHmolReSTasite模型利用RNA表面地形考虑空间相关性，能够准确预测简单和复杂RNA结构中的结合核苷酸	现有方法难以预测带有结的复杂RNA结构中的结合核苷酸	提高RNA小分子结合核苷酸预测的准确性，促进药物发现和抑制剂设计	RNA小分子结合核苷酸的预测	机器学习	NA	深度学习	深度学习模型	RNA结构数据	包含简单RNA结构的基准测试集TE18和RB9，以及带有结的RNA结构的挑战性测试集
969	2024-09-05	Unrealistic Data Augmentation Improves the Robustness of Deep Learning-Based Classification of Dopamine Transporter SPECT Against Variability Between Sites and Between Cameras 2024-Sep-03, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.267570 PMID:39054285	研究论文	本文提出了一种强烈不切实际的数据增强方法，以提高卷积神经网络（CNN）对多巴胺转运体SPECT图像分类的鲁棒性，特别是在不同站点和不同相机之间的变异性。	使用基于高斯模糊和加性噪声的强烈不切实际数据增强方法，显著提高了CNN在不同数据集上的分类准确性和泛化能力。	NA	提高深度学习在多巴胺转运体SPECT图像分类中的鲁棒性。	多巴胺转运体SPECT图像的自动分类。	计算机视觉	NA	数据增强	CNN	图像	1,100张I-标记的2β-羧甲氧基-3β-(4-碘苯基)--(3-氟丙基)诺特罗潘SPECT图像
970	2024-09-05	Perspectives on Advancing Multimodal Learning in Environmental Science and Engineering Studies 2024-Sep-03, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c03088 PMID:39226136	研究论文	本文探讨了多模态学习在环境科学与工程研究中的应用和潜力	提出利用多模态学习（MML）整合不同模态数据，以提高环境问题预测模型的准确性和鲁棒性	讨论了在环境科学与工程领域实施多模态学习的挑战	探索多模态学习在环境科学与工程中的应用，以解决复杂的环境问题	环境质量评估、化学危害预测和污染控制技术优化	机器学习	NA	多模态学习（MML）	NA	多模态数据	NA
971	2024-09-05	Sequence-specific targeting of intrinsically disordered protein regions 2024-Sep-02, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.15.603480 PMID:39071356	研究论文	本文介绍了一种结合生物物理原理和深度学习的方法，用于设计能够特异性地结合到蛋白质无序区域（IDRs）的蛋白质	该方法通过将查询序列通过数百个具有不同口袋深度和间距的模板，实现了对无序序列的通用识别，并通过RFdiffusion优化结合体-目标的适应性	NA	开发一种能够特异性地结合到蛋白质无序区域的方法，以应用于生物研究、治疗和诊断	设计能够结合到39种高度多样化的无结构目标的结合体	生物技术	NA	深度学习, RFdiffusion	NA	蛋白质序列	39种高度多样化的无结构目标，每个目标约36种设计
972	2024-09-05	A deep learning classification framework for research methods of marine protected area management 2024-Sep, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.122228 PMID:39182377	研究论文	本研究提出了一种基于深度学习的海洋保护区管理方法分类框架，特别关注数据和理论能力，使用自然语言处理技术	该框架通过提取学术资源中的关键词并基于语义相似性进行聚类，生成了用于摘要标注的基准文本，并总结了研究方法的组合类型，提出了数据-理论中和原则	NA	旨在为海洋保护区管理方法提供一个高效的基于理论和数据驱动的方法集成框架	海洋保护区管理方法	自然语言处理	NA	自然语言处理	深度学习	文本	分析了1986至2024年间9049篇海洋保护区管理实证研究文章
973	2024-09-05	Sensor-based characterization of construction and demolition waste at high occupancy densities using synthetic training data and deep learning 2024-Sep, Waste management & research : the journal of the International Solid Wastes and Public Cleansing Association, ISWA IF:3.7Q2 DOI:10.1177/0734242X241231410 PMID:38385439	研究论文	研究使用深度学习方法和合成训练数据对高密度占用下的建筑拆除废物进行传感器监测	提出了一种生成合成训练图像的方法，避免了耗时的手动标记，并通过在真实图像上测试训练模型来证明其成功	未明确提及	探索不同深度学习架构在建筑拆除废物特征化中的适用性	建筑拆除废物（CDW）的传感器监测和深度学习对象检测方法	机器学习	NA	深度学习	Region-based CNN (Faster R-CNN), YOLOv3, Single Shot MultiBox Detector (SSD)	图像	以砖和砂灰砖混合物作为示例废物流
974	2024-09-05	A novel Skin lesion prediction and classification technique: ViT-GradCAM 2024-Sep, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.70040 PMID:39221858	研究论文	本文提出了一种基于ViT-GradCAM的新型皮肤病变预测与分类技术	使用ViT-GradCAM架构进行皮肤病变检测和分类，相较于其他深度学习模型，提供了更准确的结果	NA	旨在通过ViT和GradCAM技术提高皮肤病变检测和分类的准确性	皮肤病变	计算机视觉	皮肤癌	ViT-GradCAM	ViT	图像	使用了包含10,015张皮肤镜图像的HAM 10000数据集
975	2024-09-05	SALR: Sharpness-Aware Learning Rate Scheduler for Improved Generalization 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3263393 PMID:37027266	research paper	本文提出了一种名为SALR的锐度感知学习率更新技术，旨在改善深度学习中的泛化能力并自动化学习率调度过程	SALR方法根据损失函数的局部锐度动态更新基于梯度的优化器的学习率，使优化器能够在锐利谷地自动增加学习率，增加逃脱机会	NA	改善深度学习中的泛化能力并自动化学习率调度过程	深度学习中的学习率调度	machine learning	NA	NA	NA	NA	NA
976	2024-09-05	Robust-EQA: Robust Learning for Embodied Question Answering With Noisy Labels 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3251984 PMID:37028297	research paper	本文提出了一种针对带有噪声标签的具身问答（EQA）任务的鲁棒学习算法，通过联合训练和分层鲁棒学习算法提高模型对噪声的抵抗力	提出了一个联合训练的共正则化噪声鲁棒学习方法和一个两阶段的分层鲁棒学习算法，以过滤视觉问答模块和导航标签中的噪声	未提及具体限制	提高具身问答系统在噪声环境下的鲁棒性	具身问答系统中的噪声标签问题	computer vision	NA	NA	CNN	image	在极端噪声环境（45%噪声标签）和低级噪声环境（20%噪声标签）下进行了测试
977	2024-09-05	Improving Deep Neural Networks' Training for Image Classification With Nonlinear Conjugate Gradient-Style Adaptive Momentum 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3255783 PMID:37030680	研究论文	本文提出了一种基于非线性共轭梯度（NCG）方法的新型自适应动量，用于改进深度神经网络（DNNs）的训练	提出的自适应动量无需动量相关的超参数调整，允许使用更大的学习率，加速DNNs训练并提高最终的准确性和鲁棒性	NA	改进深度神经网络的训练过程	深度神经网络的训练优化	机器学习	NA	非线性共轭梯度（NCG）方法	深度神经网络（DNNs）	图像	CIFAR10和CIFAR100数据集
978	2024-09-05	Effective Active Learning Method for Spiking Neural Networks 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3257333 PMID:37030679	研究论文	本文提出了一种针对深度脉冲神经网络（SNNs）的有效主动学习方法，通过引入ActiveLossNet模块提取特征并选择有价值的样本，以减少标记数据的需求。	本文提出的主动学习算法在多个SNN框架上表现优于随机选择和传统人工神经网络（ANN）的主动学习方法，并且收敛速度更快。	NA	旨在减少训练高性能深度SNNs所需的标记数据量。	深度脉冲神经网络（SNNs）及其主动学习方法。	机器学习	NA	NA	SNN	图像	实验在CIFAR-10、MNIST、Fashion-MNIST和SVHN数据集上进行，使用了七层CIFARNet和20层ResNet-18框架。
979	2024-09-05	Interactive Feature Embedding for Infrared and Visible Image Fusion 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3264911 PMID:37040245	research paper	本文提出了一种基于自监督学习框架的红外和可见光图像融合的交互特征嵌入方法	通过设计交互特征嵌入模型，在自监督学习框架下有效提取源图像的分层表示，以保留关键信息	NA	克服传统无监督机制在红外和可见光图像融合中关键信息提取不足的问题	红外和可见光图像融合	computer vision	NA	自监督学习	交互特征嵌入模型	图像	NA
980	2024-09-05	CapsRule: Explainable Deep Learning for Classifying Network Attacks 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3262981 PMID:37053064	研究论文	提出了一种名为CapsRule的有效且高效的基于规则的深度学习解释方法，用于分类网络攻击	CapsRule通过提取高保真规则来解释输入样本如何被分类，并使用预计算的耦合系数在训练阶段重叠规则提取过程以提高效率	NA	开发一种能够提高深度学习模型透明度和效率的规则提取方法，以应用于网络攻击分类	网络攻击分类	机器学习	NA	深度学习	胶囊网络	数据集	超过一百万的先进分布式拒绝服务（DDoS）攻击