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
1161	2024-08-16	Modelling future bone mineral density: Simplicity or complexity? 2024-Oct, Bone IF:3.5Q2 DOI:10.1016/j.bone.2024.117178 PMID:38972532	研究论文	本文比较了两种方法（简单统计方法和深度学习方法）在预测未来骨密度方面的效果	开发了一种基于深度学习的复杂方法来处理多维纵向数据，并结合了从患者历史DXA扫描中提取的变量和ZBM方法的特征	深度学习模型在男性中的表现不如简单统计模型	探索预测未来骨密度的有效方法，以辅助临床决策	使用纵向DXA数据的白人成年患者	NA	骨质疏松症	DXA扫描	深度学习模型	纵向数据	2948名40-90岁的白人成年人，其中2652名女性和296名男性
1162	2024-08-13	Magnitude and angle dynamics in training single ReLU neurons 2024-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106435 PMID:38970945	研究论文	本研究深入探讨了单个ReLU神经元在平方损失下的梯度流w(t)的训练动态，将其分解为幅度‖w(t)‖和角度φ(t)两个部分，并建立了这些部分的上限和下限以阐明收敛动态	本研究首次详细分解并分析了单个ReLU神经元的权重向量动态，填补了该领域的知识空白	研究主要集中在单个ReLU神经元和两层多神经元网络上，尚未扩展到更深层次的网络	理解深度ReLU网络的训练动态	单个ReLU神经元的权重向量动态	机器学习	NA	梯度下降法	ReLU神经元	NA	NA
1163	2024-08-13	Aligning the domains in cross domain model inversion attack 2024-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106490 PMID:38968777	研究论文	本文研究了在跨域模型逆向攻击中对齐不同域分布的问题	提出了域对齐模型逆向攻击（DA-MIA）和带有辅助分类器的域对齐模型逆向攻击（DA-MIA-AC），以解决因域分布差异导致的特征向量和预测向量逆向重建难题	未提及具体限制	旨在改进跨域模型逆向攻击中的图像重建和分类准确性	跨域模型逆向攻击中的特征向量和预测向量	机器学习	NA	模型逆向攻击	DA-MIA, DA-MIA-AC	图像	未提及具体样本数量
1164	2024-08-13	When an extra rejection class meets out-of-distribution detection in long-tailed image classification 2024-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106485 PMID:38959597	研究论文	本文提出了一种三分支训练框架，用于在长尾图像分类中进行异常检测，通过引入额外的拒绝类别和辅助异常训练数据来提高检测性能	提出了一种有效的三分支训练框架，结合了内部损失、异常损失和尾部类别原型诱导的监督对比损失（TSCL），以在一个网络中训练分布内分类器和异常检测器	NA	提高在长尾分布训练集上的异常检测性能	长尾图像分类中的异常检测	计算机视觉	NA	NA	CNN	图像	NA
1165	2024-08-13	A Semi-supervised Gaussian Mixture Variational Autoencoder method for few-shot fine-grained fault diagnosis 2024-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106482 PMID:38945116	研究论文	提出了一种半监督高斯混合变分自编码器方法SeGMVAE，用于少样本细粒度故障诊断	引入高斯混合作为变分自编码器的多模态先验分布，并通过期望最大化算法动态优化，以构建任务和未标记样本的潜在表示，实现元学习	NA	解决实际工程中由于标记高质量故障样本稀缺导致的细粒度故障诊断难题	机械故障的细粒度诊断	机器学习	NA	变分自编码器	高斯混合变分自编码器	样本数据	少量标记样本
1166	2024-08-13	A topological description of loss surfaces based on Betti Numbers 2024-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106465 PMID:38943863	研究论文	本文通过贝蒂数对深度学习模型中的损失函数表面进行拓扑描述，以更好地理解基于梯度下降的训练方法	提供了一种拓扑度量方法来评估多层神经网络中损失函数的复杂性	NA	旨在通过拓扑方法更好地理解深度学习模型的训练过程	多层神经网络的损失函数复杂性	机器学习	NA	NA	多层神经网络	NA	NA
1167	2024-08-13	Spiking generative adversarial network with attention scoring decoding 2024-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106423 PMID:38906053	研究论文	本文构建了一种能够处理复杂图像并具有更高性能的尖峰生成对抗网络，通过引入地球移动距离和基于注意力的加权解码方法，解决了尖峰生成对抗网络中的域外不一致性和时间不一致性问题	首次构建了能够处理复杂图像的尖峰生成对抗网络，并引入了地球移动距离和基于注意力的加权解码方法，显著提高了算法在多个数据集上的性能	NA	探索和改进基于尖峰神经网络的生成模型性能	尖峰生成对抗网络及其在复杂图像和事件数据上的应用	机器学习	NA	尖峰神经网络	生成对抗网络（GAN）	图像	包括MNIST、FashionMNIST、CIFAR10和CelebA等多个数据集
1168	2024-08-13	A syntactic evidence network model for fact verification 2024-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106424 PMID:38875934	研究论文	本文提出了一种结合实体关键词、句法信息和句子注意力的句法证据网络（SENet）模型，用于事实验证	SENet模型通过提取实体关键词和使用预训练的句法依赖解析器来提取相应的句法句子结构，并将提取的句法信息融入注意力机制，以实现语言驱动的词表示	NA	提高事实验证任务的准确性	事实验证任务中的句法信息和注意力机制	自然语言处理	NA	注意力机制	SENet	文本	在FEVER和UKP Snopes数据集上进行了实验
1169	2024-08-07	A dual-mode, image-enhanced, miniaturized microscopy system for incubator-compatible monitoring of live cells 2024-Oct-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.126537 PMID:38996561	research paper	本文介绍了一种名为MiniCube的双模式、图像增强型微型显微镜系统，用于在培养箱内直接监测活细胞	MiniCube系统支持明场和荧光成像，具有单细胞空间分辨率和亚秒级时间分辨率，并能通过深度学习算法显著提高信噪比	NA	开发一种适用于培养箱内活细胞监测的微型显微镜系统	活细胞的生理活动和增殖	computer vision	NA	深度学习	NA	image	单细胞
1170	2024-08-07	Rapid, portable, and sensitive detection of CaMV35S by RPA-CRISPR/Cas12a-G4 colorimetric assays with high accuracy deep learning object recognition and classification 2024-Oct-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.126441 PMID:38924982	研究论文	本文开发了一种基于RPA-CRISPR/Cas12a-G四链体比色法结合深度学习算法的快速、灵敏且便携的CaMV35S启动子检测方法	该方法结合了RPA扩增、CRISPR/Cas12a系统和G四链体技术，并通过深度学习算法进行高精度分类，实现了对CaMV35S启动子的高灵敏度检测	NA	开发一种快速、灵敏且便携的基因改造检测方法，以促进农业安全和食品安全	CaMV35S启动子的检测	生物技术	NA	RPA-CRISPR/Cas12a-G四链体比色法	Yolov5和Resnet	图像	检测限低至10 aM，0.01%的基因改造样本
1171	2024-08-04	Machine learning for high-precision simulation of dissolved organic matter in sewer: Overcoming data restrictions with generative adversarial networks 2024-Oct-15, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174469 PMID:38972419	研究论文	本研究建立了一种新框架，结合生成对抗网络和机器学习模型，以提高污水中溶解有机物转化过程的模拟精度	提出了一种整合生成对抗网络算法与机器学习模型的框架，以克服数据限制带来的缺陷	模型的准确性受到数据限制的限制	研究污水中溶解有机物的转化过程及其管理策略	污水中的溶解有机物的转化过程	机器学习	NA	生成对抗网络	集成模型	虚拟数据集	1000个样本
1172	2024-08-04	Spatiotemporal changes of urban vacant land and its distribution patterns in shrinking cities on the globe 2024-Oct-15, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174424 PMID:38969133	研究论文	研究确定了497个全球收缩城市中的城市空置土地（UVL）及其时空特征	使用手动标记和深度学习识别UVL，揭示其分布模式及时空变化	仅分析了2016年至2021年间的UVL，可能未涵盖其他时间段的变化	识别UVL并分析其在收缩城市中的时空特征	497个全球收缩城市的城市空置土地	城市规划	NA	深度学习	NA	地理空间数据	497个城市
1173	2024-08-05	An effective deep learning fusion method for predicting the TVB-N and TVC contents of chicken breasts using dual hyperspectral imaging systems 2024-Oct-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.139847 PMID:38925007	研究论文	本文提出了一种基于深度学习的融合方法，通过双波段高光谱成像系统预测鸡胸肉中的TVB-N和TVC含量	提出了一种端到端的深度学习模型PAFFM，整合了CNN、注意力机制和金字塔结构，能够有效融合不同光谱数据进行预测	暂无普适的处理组合，需依赖不同数据集的反复试验	研究鸡胸肉中TVB-N和TVC的预测方法	鸡胸肉的新鲜度指标TVB-N和TVC	数字病理学	NA	高光谱成像	CNN	光谱数据	NA
1174	2024-08-05	Clivia biosensor: Soil moisture identification based on electrophysiology signals with deep learning 2024-Oct-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2024.116525 PMID:38936168	研究论文	该研究探讨了利用电生理信号和深度学习对植物进行土壤湿度监测的可能性	提出了一种轻量级的卷积神经网络（CNN）模型，PlantNet，能够以最低的计算资源消耗实现最佳分类性能	目前仅针对克利维亚在不同土壤湿度梯度下的电信号进行了研究，尚未验证其它植物	研究植物作为生物传感器监测土壤湿度的潜力	克利维亚植物在不同土壤湿度梯度下的电信号	机器学习	NA	电生理信号	卷积神经网络（CNN）	电信号	NA
1175	2024-08-05	Beneficial effect of residential greenness on sperm quality and the role of air pollution: A multicenter population-based study 2024-Oct-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174038 PMID:38906295	研究论文	研究表明居住环境的绿化对男性精子质量有益，并探讨空气污染的影响	首次系统探讨居住绿化与男性精子质量之间的关系，以及空气污染对这一关系的调节作用	研究未考虑其他可能影响精子质量的环境因素	评估居住绿化对男性精子质量的影响及空气污染的调节作用	研究对象为来自中国6个地区的33,184名精子捐赠者的样本	数字病理学	男性不育	归一化差异植被指数(NDVI)和时空深度学习法	线性混合模型	样本数据	共涉及78,742个样本
1176	2024-08-05	Effect of MR head coil geometry on deep-learning-based MR image reconstruction 2024-Oct, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30130 PMID:38647191	研究论文	本研究探讨了在使用深度学习（DL）图像重建方法时，平行成像施加的几何线圈约束是否可以放宽。	本文章的创新点在于提出了相比传统非深度学习方法，深度学习图像重建方法在几何线圈设计约束方面的灵活性。	本研究的限制在于只对两种线圈配置进行了评估，未考虑其他可能影响重建性能的因素。	本文旨在比较深度学习方法与传统方法在MR图像重建中的表现，特别是在处理线圈重叠时的能力。	研究对象为不同几何配置的头部线圈，包括8通道和32通道线圈。	数字病理学	NA	深度学习	NA	图像	NA
1177	2024-08-05	Which riverine water quality parameters can be predicted by meteorologically-driven deep learning? 2024-Oct-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174357 PMID:38945234	研究论文	本研究探讨了气象驱动的深度学习在河流水质参数预测中的应用	研究表明LSTM和GRU模型在预测多种水质参数方面表现优异，尤其是GRU模型在预测每日极值时表现出低误差增量	在预测浊度方面存在预测不足	探讨气象驱动的深度学习对河流水质参数的预测能力	以大黑河流域为研究对象，分析水温、溶解氧、电导率、化学需氧量、氨氮、总磷和总氮等水质参数	机器学习	NA	深度学习	LSTM和GRU	水质数据	NA
1178	2024-08-05	Innovative approaches for accurate ozone prediction and health risk analysis in South Korea: The combined effectiveness of deep learning and AirQ 2024-Oct-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174158 PMID:38909816	研究论文	本研究介绍了一种创新的方法，用于准确预测韩国的臭氧水平及其健康风险分析	提出了一种结合卷积神经网络（CNN）的深度偏差修正（Deep-BC）框架，以改善臭氧的预测精度	研究限于使用2016到2019年的历史数据，可能无法涵盖最新的变化	研究旨在提高臭氧预测的准确性以减轻其对公共健康的影响	研究对象为南韩七个主要省份的臭氧暴露与死亡率之间的关系	机器学习	心血管疾病	深度学习	卷积神经网络（CNN）	气象数据与空气污染物测量数据	使用了2016至2019年的数据以及2021年的预测结果
1179	2024-08-05	A deep learning model integrating a wind direction-based dynamic graph network for ozone prediction 2024-Oct-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174229 PMID:38917895	研究论文	本文开发了一种新的混合深度学习模型，用于预测臭氧浓度。	提出了一种基于动态风向的时空图网络（WDDSTG-Net），结合动态图结构和注意力机制以提高预测精度。	未提及具体的局限性	旨在提高臭氧浓度的预测准确性，以便相关机构采取及时措施。	研究对象为空气质量监测站的臭氧浓度数据。	机器学习	NA	序列到序列模型，图注意力机制	动态时空图网络	时序数据	NA
1180	2024-08-05	The use of artificial intelligence algorithms to detect macroplastics in aquatic environments: A critical review 2024-Oct-01, The Science of the total environment DOI:10.1016/j.scitotenv.2024.173843 PMID:38871326	评论	本文对在水域环境中检测宏观塑料的人工智能算法进行了批判性综述	本文分析了机器学习和深度学习方法在水域环境中检测、分类和数量化宏观塑料的应用，并介绍了最新的发展趋势	传统的机器学习技术在多类分类中表现出效率不足，且对处理大量数据的计算需求较高	评估机器学习和深度学习在检测宏观塑料中的有效性，并提供有效的废物管理策略	分析水域环境中宏观塑料的检测和分类方法	机器学习	NA	深度学习	卷积神经网络	卫星图像、航拍图像和无人机视频记录	NA