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	Predicting prostate cancer grade reclassification on active surveillance using a deep learning-based grading algorithm 2024-Oct-01, Journal of the National Cancer Institute DOI:10.1093/jnci/djae139 PMID:38889303	研究论文	本文使用基于深度学习的算法AIRAProstate重新评估前列腺癌主动监测中的活检样本，验证其在前列腺癌分级中的应用	首次验证了基于深度学习的算法AIRAProstate在前列腺癌主动监测中的分级重分类效果，发现其比传统泌尿病理学家评估更准确	研究仅限于两个独立的前列腺癌主动监测队列，样本量相对较小	验证基于深度学习的算法在前列腺癌主动监测中的分级重分类效果	前列腺癌主动监测中的活检样本	机器学习	前列腺癌	深度学习	NA	图像	两个队列共涉及307个样本，其中138个仅使用系统活检，169个在初始活检前进行了前列腺磁共振成像
902	2024-10-09	Deep recognition of rice disease images: how many training samples do we really need? 2024-Oct, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.13636 PMID:38877787	研究论文	研究探讨了不同数据量对水稻病害图像识别任务的影响，并开发了一个功能模型来预测数据集大小与模型识别准确率之间的关系	首次系统科学地研究了数据量对水稻病害图像识别任务的影响，并提出了一个指数模型来描述这种关系	研究仅限于水稻稻瘟病和健康水稻叶片的图像，未涵盖其他水稻病害	探讨数据量对水稻病害图像识别准确率的影响	水稻稻瘟病和健康水稻叶片的图像	计算机视觉	水稻病害	深度学习	VGG16	图像	不同数量的水稻稻瘟病和健康水稻叶片图像
903	2024-10-10	Kidney medicine meets computer vision: a bibliometric analysis 2024-Oct, International urology and nephrology IF:1.8Q3 DOI:10.1007/s11255-024-04082-w PMID:38814370	研究论文	本文通过文献计量分析探讨了计算机视觉在肾脏医学研究中的应用和研究趋势	本文首次通过文献计量分析和网络可视化技术，全面概述了计算机视觉在肾脏医学研究中的进展和未来趋势	本文主要依赖于文献计量分析，可能无法全面反映所有相关研究的细节和深度	探索计算机视觉在肾脏医学研究中的应用现状和未来研究方向	计算机视觉技术在肾脏医学中的应用，包括医学图像处理、手术程序、医学图像分析/诊断等	计算机视觉	肾脏疾病	深度学习、机器学习	NA	图像	涉及1900年至2022年间的相关出版物
904	2024-10-10	Integrating deep learning with non-destructive thermal imaging for precision guava ripeness determination 2024-Oct, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.13614 PMID:38804719	研究论文	本文提出了一种利用热成像技术结合深度学习模型来精确评估番石榴成熟度的非破坏性方法	本文首次将热成像技术与深度学习模型结合用于番石榴成熟度的评估，并比较了五种深度学习模型的性能	本文未详细讨论不同品种番石榴在成熟过程中的细微变化对评估结果的影响	开发一种精确且非破坏性的方法来评估番石榴的成熟度，以减少收获后损失并提高供应链效率	番石榴的成熟度	计算机视觉	NA	热成像技术	深度学习模型（AlexNet, Inception-v3, GoogLeNet, ResNet-50, VGGNet-16）	热成像图像	不同成熟阶段的番石榴样本
905	2024-10-10	One-Click-Based Perception for Interactive Image Segmentation 2024-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3274127 PMID:37204953	研究论文	本文提出了一种基于单次点击的交互式图像分割方法，旨在减少用户交互成本并提高分割精度	本文的创新点在于设计了一个自顶向下的框架，将原始问题分解为基于单次点击的粗略定位和精细分割两个阶段，并引入了点击中心性（CC）和对象完整性（OI）监督来解决对象重叠问题	NA	探索如何在最小化用户交互成本的同时，实现对感兴趣目标的准确分割	交互式图像分割任务中的目标分割	计算机视觉	NA	深度学习	CNN	图像	NA
906	2024-10-10	Class-Level Logit Perturbation 2024-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3273355 PMID:37220052	研究论文	本文探讨了类级别logit扰动的现有方法，并提出了新的方法来显式学习扰动logit，以提高分类任务的性能	本文首次系统地探讨了类级别logit扰动，并提出了新的方法来显式学习扰动logit，结合元学习来确定每个类的正则或不规则增强	本文未详细讨论logit扰动可能带来的负面影响或潜在风险	研究类级别logit扰动对深度神经网络性能的影响，并提出新的方法来显式学习扰动logit	深度神经网络中的logit扰动方法及其对分类任务性能的影响	机器学习	NA	深度神经网络	DNN	图像	使用了基准图像分类数据集及其长尾版本进行实验
907	2024-10-10	PeriodNet: Noise-Robust Fault Diagnosis Method Under Varying Speed Conditions 2024-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3274290 PMID:37216236	研究论文	本文提出了一种名为PeriodNet的周期卷积神经网络，用于在变速条件下进行噪声鲁棒的故障诊断	引入了一种基于广义短时噪声抗性相关（GeSTNRC）方法的周期卷积模块（PeriodConv），能够有效捕捉变速条件下噪声振动信号的特征	NA	开发一种在变速条件下对噪声具有鲁棒性的智能故障诊断方法	滚动轴承在变速条件下的故障诊断	机器学习	NA	深度学习	卷积神经网络（CNN）	振动信号	使用了两个开源数据集，分别在恒速和变速条件下收集的数据
908	2024-10-10	Deep Ring-Block-Wise Network for Hyperspectral Image Classification 2024-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3274745 PMID:37220048	研究论文	本文提出了一种新的深度环块网络（DRN）用于高光谱图像分类，通过考虑特征分布来提高分类性能	本文创新性地引入了环块感知（RBP）层，结合自表示和环损失，使特征在空间几何上满足块和环的分布要求，从而提高特征的可分离性和判别性	NA	提高高光谱图像分类的性能	高光谱图像的特征分布和分类	计算机视觉	NA	深度学习	深度环块网络（DRN）	高光谱图像	使用了Salinas、Pavia Centre、Indian Pines和Houston数据集进行实验
909	2024-10-10	Split-Level Evolutionary Neural Architecture Search With Elite Weight Inheritance 2024-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3269816 PMID:37224355	研究论文	本文提出了一种分层进化神经架构搜索方法，通过粒子群优化和精英权重继承技术，解决了现有进化计算方法在神经架构搜索中的灵活性和效率问题	本文创新性地提出了分层粒子群优化方法和基于在线更新权重池的精英权重继承技术，显著提高了搜索效率和性能	NA	解决现有进化计算方法在神经架构搜索中的灵活性和效率问题	神经网络架构的自动构建	机器学习	NA	粒子群优化	神经网络架构搜索	图像	三个流行的图像分类基准数据集
910	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
911	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
912	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
913	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
914	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
915	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
916	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
917	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
918	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
919	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
920	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