深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
981	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	NA	NA	NA	NA
982	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。	NA	NA	NA	NA
983	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	NA	NA	NA	NA
984	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	NA	NA	NA	NA
985	2024-09-05	Reducing Urban Traffic Congestion Using Deep Learning and Model Predictive Control 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3264709 PMID:37053060	研究论文	本文提出了一种基于深度学习（DL）的控制算法——基于速度的模型预测控制（VMPC），用于减少城市交通拥堵，特别是针对缓慢时变交通信号控制的情况	该算法结合了深度学习进行系统识别和模型预测控制进行交通信号控制，并引入了基于建模误差熵损失的训练标准，灵感来源于随机分布控制理论	NA	旨在减少城市交通拥堵	城市交通拥堵及交通信号控制	机器学习	NA	深度学习（DL）和模型预测控制（VMPC）	深度学习模型	交通信号控制数据	NA	NA	NA	NA	NA
986	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	NA	NA	NA	NA
987	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	NA	NA	NA	NA
988	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。	NA	NA	NA	NA
989	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	NA	NA	NA	NA
990	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	NA	NA	NA	NA
991	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	NA	NA	NA	NA
992	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	NA	NA	NA	NA
993	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	NA	NA	NA	NA
994	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	NA	NA	NA	NA
995	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	NA	NA	NA	NA
996	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	NA	NA	NA	NA
997	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）	NA	NA	NA	NA
998	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	NA	NA	NA	NA
999	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	NA	NA	NA	NA
1000	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	NA	NA	NA	NA