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
901	2024-10-10	Informative Data Selection With Uncertainty for Multimodal Object Detection 2024-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3270159 PMID:37224364	研究论文	本文提出了一种基于不确定性的多模态数据选择方法，用于提高目标检测的准确性	本文创新性地提出了一个通用的不确定性感知多模态融合模型，通过多管道松耦合架构结合点云和图像特征，量化多模态信息的相关性，并将其嵌入到边界框生成中，从而减少融合中的随机性并生成可靠输出	本文未详细讨论模型在其他数据集上的表现，且未涉及模型在实际应用中的性能	开发能够从多模态数据中自适应选择有效信息的深度学习模型，以提高目标检测的鲁棒性	多模态数据中的有效信息选择	计算机视觉	NA	多模态融合	不确定性感知多模态融合模型	点云和图像	KITTI 2-D目标检测数据集及其衍生脏数据
902	2024-10-10	A Patch Diversity Transformer for Domain Generalized Semantic Segmentation 2024-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3274760 PMID:37279122	研究论文	本文提出了一种名为Patch Diversity Transformer (PDTrans) 的新方法，通过学习全局多领域语义关系来改进场景分割的领域泛化	提出了Patch Diversity Transformer (PDTrans) 和两种扰动方法（Patch Photometric Perturbation (PPP) 和 Patch Statistics Perturbation (PSP)），以增强模型在不同领域间的泛化能力	未提及	解决深度学习在未知领域中的领域泛化问题，特别是如何有效表示领域不变上下文	场景分割任务中的领域泛化	计算机视觉	NA	Transformer	Transformer	图像	未提及
903	2024-10-10	Retinex Image Enhancement Based on Sequential Decomposition With a Plug-and-Play Framework 2024-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3280037 PMID:37279121	研究论文	本文提出了一种基于Retinex理论的顺序分解插拔式框架，用于低光图像增强和去噪	设计了一个基于Retinex理论的插拔式框架，结合卷积神经网络（CNN）进行去噪，实现了图像增强和噪声去除的同步处理	需要大量的标注数据来训练深度学习模型，且深度学习模型的内部工作机制难以解释	开发一种新的方法，用于低光图像增强和去噪，同时提高模型的可解释性	低光图像的增强和噪声去除	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	涉及不同数据集的广泛实验
904	2024-10-10	Mesh Convolution With Continuous Filters for 3-D Surface Parsing 2024-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3281871 PMID:37310827	研究论文	提出了一系列用于从3D三角网格中进行有效几何特征学习的模块化操作，包括新颖的网格卷积、高效的网格简化以及相关的网格（反）池化操作	利用球谐函数作为正交基来创建连续的卷积滤波器，并提供了一个开源实现Picasso，支持异构网格批处理和处理	NA	改进3D表面几何特征学习的深度学习方法	3D三角网格	计算机视觉	NA	网格卷积、网格简化、网格（反）池化	神经网络	3D表面数据	NA
905	2024-10-10	RGP: Neural Network Pruning Through Regular Graph With Edges Swapping 2024-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3280899 PMID:37310824	研究论文	本文提出了一种基于规则图的神经网络剪枝方法RGP，通过生成规则图并优化边分布来实现一次性剪枝	本文从网络模型拓扑结构的角度出发，提出了一种新的剪枝方法RGP，通过优化图的平均最短路径长度来提高剪枝效率	本文未提及具体的局限性	研究如何通过优化神经网络的图结构来实现高效的模型剪枝	神经网络的剪枝方法	机器学习	NA	神经网络剪枝	神经网络	NA	NA
906	2024-10-10	A Unified Analysis of AdaGrad With Weighted Aggregation and Momentum Acceleration 2024-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3279381 PMID:37310828	研究论文	本文提出了一种结合自适应学习率和动量加速技术的统一分析方法，命名为AdaUSM	AdaUSM整合了重球动量和Nesterov加速梯度动量，并采用了新的加权自适应学习率，统一了AdaGrad、AccAdaGrad、Adam和RMSProp的学习率	NA	填补自适应随机梯度下降算法在非凸随机设置中的理论收敛性差距	AdaGrad、RMSProp、Adam、AccAdaGrad等自适应随机梯度下降算法	机器学习	NA	自适应学习率、动量加速技术	AdaUSM	NA	涉及多种深度学习模型和数据集的对比实验
907	2024-10-10	WPConvNet: An Interpretable Wavelet Packet Kernel-Constrained Convolutional Network for Noise-Robust Fault Diagnosis 2024-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3282599 PMID:37318968	研究论文	提出了一种可解释的小波包核约束卷积网络（WPConvNet），用于提高故障诊断的噪声鲁棒性	结合了小波基的特征提取能力和卷积核的学习能力，提出了小波包卷积层和软阈值激活函数，并使用Mallat算法将卷积神经网络的级联卷积结构与小波包分解和重构相结合	NA	解决深度学习在故障诊断领域中解释性差和噪声鲁棒性不足的问题	轴承故障诊断	机器学习	NA	小波变换	卷积神经网络（CNN）	信号	两个轴承故障数据集
908	2024-10-10	Deep Convolutional Tables: Deep Learning Without Convolutions 2024-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3270402 PMID:37402200	研究论文	提出了一种不使用点积神经元，而是依赖于投票表层次结构的深度网络新形式，称为卷积表（CTs），以实现基于CPU的推理加速	提出的卷积表（CTs）通过编码位置环境为二进制索引，并使用索引从表中检索所需局部输出的方式，避免了卷积层的时间消耗瓶颈，具有更好的计算复杂度和容量:计算比率	需要进一步验证在不同应用场景下的性能和泛化能力	解决当代深度学习技术中卷积层的时间消耗瓶颈问题，特别是在物联网和基于CPU的设备中的应用	卷积表（CTs）及其在深度网络中的应用	机器学习	NA	卷积表（CTs）	卷积表网络	图像	NA
909	2024-10-10	MHW-GAN: Multidiscriminator Hierarchical Wavelet Generative Adversarial Network for Multimodal Image Fusion 2024-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3271059 PMID:37432812	研究论文	本文提出了一种多判别器分层小波生成对抗网络（MHW-GAN）用于多模态图像融合	构建了分层小波融合模块和边缘感知模块，利用生成器与三个判别器之间的对抗学习关系来约束融合图像的生成	未提及	开发一种新的深度学习算法，用于多模态图像融合，以保留不同层次和尺度的特征信息	多模态图像融合	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	使用了公开和自收集的四种类型的多模态图像数据集
910	2024-10-10	Exploring the Impact of Model Complexity on Laryngeal Cancer Detection 2024-Oct, Indian journal of otolaryngology and head and neck surgery : official publication of the Association of Otolaryngologists of India DOI:10.1007/s12070-024-04776-8 PMID:39376269	研究论文	研究探讨了模型复杂度对喉癌检测的影响	研究了不同复杂度的机器学习模型在喉癌检测中的效果，发现深度学习模型ResNet-50在CT图像特征识别上表现最佳	深度学习模型如ResNet-50虽然准确率高，但资源需求大	探讨模型复杂度对喉癌检测诊断效果的影响	喉癌检测	机器学习	喉癌	NA	Logistic Regression, 小神经网络, 卷积神经网络 (ResNet-50)	图像 (CT图像)	NA
911	2024-10-10	Analyzing Racial Differences in Imaging Joint Replacement Registries Using Generative Artificial Intelligence: Advancing Orthopaedic Data Equity 2024-Oct, Arthroplasty today IF:1.5Q3 DOI:10.1016/j.artd.2024.101503 PMID:39376670	研究论文	本研究利用生成性深度学习技术分析了接受全髋关节置换术患者在种族差异上的影像学差异	本研究首次使用生成性深度学习技术来探索和理解基于种族的影像学差异	研究样本中白人患者比例远高于非裔美国人，可能导致结果偏倚	探讨生成性模型在理解医疗影像数据集中差异的潜力	接受全髋关节置换术患者的骨盆X光片	计算机视觉	NA	生成性深度学习技术	生成性去噪扩散概率模型	影像	480,407张骨盆X光片，主要为白人患者
912	2024-10-10	Effect of cysteine mutation at Ca2+ coordinating residues to the autolysis, folding and hydrophobicity of full length and mature Rand protease: molecular dynamics simulation and essential dynamics 2024-Oct, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2249105 PMID:37608543	研究论文	研究了在Rand蛋白酶的Ca2+结合残基处进行半胱氨酸突变对其自溶、折叠和疏水性的影响，通过分子动力学模拟和基本动力学分析	利用深度学习进行结构预测，构建了全长和成熟Rand蛋白酶的三维结构，并通过分子动力学模拟研究了半胱氨酸突变对这些结构的影响	研究仅限于计算机模拟，未进行实验验证	探讨半胱氨酸突变对Rand蛋白酶结构稳定性的影响	Rand蛋白酶的全长和成熟形式及其Ca2+结合残基	分子动力学	NA	分子动力学模拟	深度学习模型	蛋白质结构数据	7个预测的高亲和力Ca2+结合残基的突变体
913	2024-10-10	A structural-based virtual screening and in vitro validation reveals novel effective inhibitors for SARS-CoV-2 helicase and endoribonuclease 2024-Oct, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2250479 PMID:37615430	研究论文	本研究通过基于结构的虚拟筛选和体外验证，发现针对SARS-CoV-2解旋酶和内切核糖核酸酶的新型有效抑制剂	本研究采用分层结构虚拟筛选方法，结合多种筛选策略和分子动力学模拟，成功识别出两种具有高结合亲和力的化合物	需要进一步验证这些化合物的效果	寻找能够干扰COVID-19生命周期的分子	SARS-CoV-2的解旋酶和内切核糖核酸酶	NA	NA	深度学习方法、分子对接技术、分子动力学模拟	NA	化合物	756,275种化合物
914	2024-10-10	Analysis of health recommendations using longitudinal quality of life data: QoL@TbA - A transformer-based approach 2024 Oct-Dec, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582241291789 PMID:39379063	研究论文	本文提出了一种基于深度学习Transformer模型的方法，用于分析健康建议并预测行为变化对心理情绪的影响	本文创新性地使用Transformer模型来分析多特征纵向行为数据，生成行为变化的建议	实验仅基于ELSA参与者的行为历史和心理情绪数据，可能限制了模型的普适性	研究如何通过分析多特征纵向数据生成有效的健康建议	ELSA参与者的行为历史和心理情绪	机器学习	NA	深度学习	Transformer	纵向数据	2682名ELSA参与者
915	2024-10-09	When Metal Nanoclusters Meet Smart Synthesis 2024-Oct-08, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c09597 PMID:39316700	研究论文	本文探讨了原子精确金属纳米团簇（MNCs）的智能合成方法及其在科学领域的应用前景	引入智能合成方法，包括自动化闭环框架、数据解释和AI反馈，以解决MNCs合成中的挑战	智能合成方法在MNCs合成中的应用仍处于研究前沿，存在固有的挑战和机遇	总结智能合成在纳米材料中的应用，并探讨智能合成在MNCs领域的研究前沿	原子精确金属纳米团簇（MNCs）及其智能合成方法	NA	NA	智能合成方法，包括自动化闭环框架、数据解释和AI反馈	深度学习算法	NA	NA
916	2024-10-09	[Opportunities and challenges in the development of artificial intelligence research in spinal surgery] 2024-Oct-08, Zhonghua yi xue za zhi DOI:10.3760/cma.j.cn112137-20240410-00840 PMID:39375126	研究论文	本文探讨了人工智能在脊柱外科研究中的应用及其面临的机遇与挑战	人工智能在脊柱疾病的诊断、治疗策略制定、手术导航、预后评估和术后康复中展现出巨大潜力	当前研究仍处于初级阶段，面临标准化数据库缺乏、算法学习模型简单、多模态临床信息融合不足和临床适用性有限等挑战	推动脊柱外科诊断和治疗技术的创新与完善	脊柱疾病及其相关治疗和康复	机器学习	脊柱疾病	深度学习	NA	多模态临床信息	NA
917	2024-10-09	[Accuracy and efficiency of 2D/3D single-vertebra spine navigation registration method based on dual-view feature fusion] 2024-Oct-08, Zhonghua yi xue za zhi DOI:10.3760/cma.j.cn112137-20240408-00815 PMID:39375133	研究论文	研究基于双视图特征融合的脊柱2D/3D单椎体导航注册方法的准确性和效率	提出了一种基于双视图特征融合的脊柱2D/3D单椎体导航注册方法，通过融合前后位和侧位X光图像特征，显著提高了注册精度和效率	NA	探讨脊柱2D/3D术前CT和术中X光注册的准确性和效率	140例腰椎脊柱患者的术前CT和术中前后位及侧位X光图像	计算机视觉	NA	卷积神经网络 (CNN)	CNN	图像	140例腰椎脊柱患者
918	2024-10-09	Solving Zero-Shot Sparse-View CT Reconstruction With Variational Score Solver 2024-Oct-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3475516 PMID:39374276	研究论文	本文提出了一种名为变分分数求解器（VSS）的新方法，用于解决零样本稀疏视图CT重建问题	本文的创新点在于使用变分分数求解器（VSS）进行稀疏视图CT重建，无需配对数据，并通过潜在扩散模型获取概率分布，实现高质量重建	本文未提及具体的局限性	研究目的是解决稀疏视图CT重建问题，减少对配对数据的依赖，提高重建质量	研究对象是稀疏视图CT重建技术	计算机视觉	NA	潜在扩散模型	变分分数求解器（VSS）	CT图像	未提及具体样本数量
919	2024-10-09	A Deep Learning-Driven Sampling Technique to Explore the Phase Space of an RNA Stem-Loop 2024-Oct-07, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00669 PMID:39374435	研究论文	本文介绍了一种基于深度学习的采样技术，用于探索RNA茎环的相空间	本文将原本用于蛋白质折叠的深度学习驱动采样技术DeepDriveMD（DDMD）应用于RNA茎环折叠问题，克服了传统方法在计算成本和先验知识需求上的挑战	NA	探索RNA茎环折叠的相空间，优化计算资源的使用	RNA茎环的折叠和展开过程	机器学习	NA	深度学习驱动采样技术	DeepDriveMD	接触图	NA
920	2024-10-09	E-SAT: An extreme learning machine based self attention approach for decoding motor imagery EEG in subject-speciﬁc tasks 2024-Oct-07, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad83f4 PMID:39374625	研究论文	本文提出了一种基于极限学习机的自注意力机制（E-SAT），用于解码特定任务中的运动想象脑电信号	引入了一种新的基于极限学习机的自注意力机制（E-SAT），以提高特定任务中运动想象脑电信号的分类性能	NA	提高脑机接口（BCI）在解码运动想象任务中的性能	运动想象脑电信号	机器学习	NA	极限学习机（ELM）	自注意力机制（E-SAT）	脑电信号（EEG）	使用了多个数据集，包括BCI Competition III Dataset IV-a、IV-b和BCI Competition IV Datasets 1、2a、2b、3