深度学习在生物医药领域中的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新，已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价10元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 1098 篇文献，本页显示第 961 - 980 篇。
| 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 | 2024-11-09 |
NDDepth: Normal-Distance Assisted Monocular Depth Estimation and Completion
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3411571
PMID:38857129
|
研究论文 | 本文提出了一种基于物理（几何）驱动的深度学习框架，用于单目深度估计和完成任务 | 通过估计表面法线和原点距离图作为中间输出，并引入平面感知一致性约束来提高深度估计的准确性 | NA | 提高单目深度估计和完成任务的性能 | 单目深度估计和完成任务 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 使用了NYU-Depth-v2、KITTI和SUN RGB-D数据集 |
| 962 | 2024-11-09 |
CC4S: Encouraging Certainty and Consistency in Scribble-Supervised Semantic Segmentation
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3415387
PMID:38885110
|
研究论文 | 本文提出了一种名为CC4S的方法，通过设计网络结构、损失函数和训练过程，提高涂鸦监督语义分割中的确定性和一致性 | CC4S通过嵌入随机游走模块和使用软熵损失函数来减少不确定性，并通过自监督训练和神经特征空间的一致性损失来增强一致性 | NA | 解决涂鸦监督语义分割中由于标注稀疏和多样性导致的预测不确定和不一致问题 | 涂鸦监督语义分割中的确定性和一致性 | 计算机视觉 | NA | NA | NA | 图像 | NA |
| 963 | 2024-11-09 |
A Survey on Open-Vocabulary Detection and Segmentation: Past, Present, and Future
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3413013
PMID:38875096
|
综述 | 本文综述了开放词汇检测和分割的最新进展 | 提出了一个分类法来组织不同的任务和方法，并分析了各种方法的优缺点 | 未提及 | 回顾开放词汇检测和分割的发展历程，分析当前的研究现状，并展望未来的研究方向 | 开放词汇检测和分割的方法和任务 | 计算机视觉 | NA | NA | NA | NA | NA |
| 964 | 2024-11-09 |
Neural Disparity Refinement
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3411292
PMID:38848234
|
研究论文 | 提出了一种结合传统手工算法和深度学习技术的框架，用于从立体图像中获取高质量、高分辨率的视差图 | 将视差细化过程视为连续特征采样策略，神经视差细化网络可以在任何输出分辨率下估计增强的视差图 | 在从合成图像到真实图像的零样本泛化方面表现最佳，但在其他配置下可能表现不佳 | 开发一种能够处理各种视差图生成方法的高质量视差图细化框架 | 立体图像的视差图 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | NA |
| 965 | 2024-11-09 |
GT-CAM: Game Theory Based Class Activation Map for GCN
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3413026
PMID:38865236
|
研究论文 | 本文提出了一种基于博弈论的类激活图（GT-CAM）用于图卷积网络（GCN），以提高其在基于骨骼的行为识别中的可解释性 | GT-CAM结合了Shapley值和梯度权重来计算节点重要性，揭示了节点间的合作动态，并提出了一种计算节点联盟Shapley值的方法以减少计算负担 | NA | 提高图卷积网络在基于骨骼的行为识别中的可解释性 | 图卷积网络中的节点和局部子图 | 机器学习 | NA | 博弈论 | GCN | 骨骼数据 | NA |
| 966 | 2024-11-09 |
SSR-2D: Semantic 3D Scene Reconstruction From 2D Images
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3410032
PMID:38837926
|
研究论文 | 本文提出了一种从2D图像进行语义3D场景重建的方法，无需使用任何3D标注 | 本文的创新点在于利用可微渲染技术，通过2D观测和未知3D空间之间的桥梁，使用RGB图像和2D语义作为监督，实现了从有限的RGB-D图像中联合解决几何完成、着色和语义映射的问题 | NA | 研究目的是探索一种无需3D标注的语义场景重建方法 | 研究对象是3D室内空间的语义建模 | 计算机视觉 | NA | 可微渲染 | NA | 图像 | 涉及两个大规模基准数据集MatterPort3D和ScanNet |
| 967 | 2024-11-09 |
DeepMulticut: Deep Learning of Multicut Problem for Neuron Segmentation From Electron Microscopy Volume
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3409634
PMID:38833401
|
研究论文 | 本文提出了一种基于深度学习的端到端聚合框架DeepMulticut，用于解决电子显微镜体积中的神经元分割问题 | 将模型估计和模型求解两个阶段整合，提出了一种基于深度学习的端到端聚合框架DeepMulticut，并通过连续的Soft-GAEC算法解决了NP难的多割问题 | NA | 解决现有图划分方法在超像素聚合中的模型误差问题 | 电子显微镜体积中的神经元分割 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 三个公开的EM数据集 |
| 968 | 2024-11-09 |
Toward DNN of LUTs: Learning Efficient Image Restoration With Multiple Look-Up Tables
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3401048
PMID:38743551
|
研究论文 | 提出了一种名为MuLUT的方法，通过构建多个查找表（LUT）来实现高效的图像恢复 | 引入了一种新的多LUT架构MuLUT，通过并行构建多个LUT和层级索引机制，显著提高了图像恢复的性能 | 未提及 | 开发一种高效的图像恢复算法，以满足边缘设备上高清屏幕的需求 | 图像恢复任务，包括超分辨率、去马赛克、去噪和去块效应 | 计算机视觉 | NA | 查找表（LUT） | MuLUT | 图像 | 未提及 |
| 969 | 2024-11-08 |
HOPE: High-Order Polynomial Expansion of Black-Box Neural Networks
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3399197
PMID:38728128
|
研究论文 | 本文介绍了一种名为HOPE的高阶多项式展开方法，用于将黑箱神经网络展开为高阶泰勒多项式 | 提出了一种新的高阶多项式展开方法HOPE，能够快速准确地计算神经网络的高阶导数，并将其展开为泰勒多项式，从而提供网络的局部和全局解释 | NA | 旨在提高深度神经网络的可解释性，使其在需要理性决策的领域中得到更广泛的应用 | 深度神经网络及其高阶导数 | 机器学习 | NA | 高阶导数计算 | 神经网络 | NA | NA |
| 970 | 2024-11-09 |
A New Brain Network Construction Paradigm for Brain Disorder via Diffusion-Based Graph Contrastive Learning
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3442811
PMID:39137077
|
研究论文 | 提出了一种基于扩散的图对比学习方法DGCL，用于构建脑网络，以分析脑功能和疾病机制 | 设计了基于扩散的脑网络构建流程DGCL，通过脑区感知模块精确确定脑区位置，并利用图对比学习优化脑连接，增强同一组内脑网络的一致性 | NA | 开发一种新的脑网络构建范式，以克服现有工具的局限性，提高脑网络构建的效率和一致性 | 脑网络的构建和优化，以及其在疾病发展阶段预测中的应用 | 机器学习 | NA | 图对比学习 | NA | 脑网络数据 | 在ADNI和ABIDE两个数据集上进行了验证 |
| 971 | 2024-11-09 |
Deep Non-Rigid Structure-From-Motion: A Sequence-to-Sequence Translation Perspective
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3443922
PMID:39150802
|
研究论文 | 本文提出了一种从序列到序列的视角解决深度稀疏非刚性结构从运动问题的方法 | 提出了一种新的序列到序列翻译方法，通过形状-运动预测器和上下文层来重建3D关键点序列，并引入了自表达性正则化和时间编码来增强非刚性序列的约束 | NA | 解决非刚性结构从运动问题中的3D重建 | 非刚性物体的3D形状和相机姿态 | 计算机视觉 | NA | 多头部注意力机制（MHA） | 深度学习框架 | 关键点序列 | 在Human3.6M、CMU Mocap和InterHand等多个数据集上进行了实验 |
| 972 | 2024-11-09 |
A Survey on Continual Semantic Segmentation: Theory, Challenge, Method and Application
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3446949
PMID:39167503
|
综述 | 本文综述了持续语义分割（CSS）的理论、挑战、方法和应用 | 本文构建了一个全面的CSS综述，涵盖问题定义、主要挑战、通用数据集、新理论和多样化应用 | NA | 旨在推动终身学习领域的发展，并为相关领域提供有价值的视角 | 持续语义分割（CSS）及其在计算机视觉中的应用 | 计算机视觉 | NA | NA | NA | NA | NA |
| 973 | 2024-11-09 |
Gaseous Object Detection
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3449994
PMID:39186417
|
研究论文 | 本文探讨了气体对象检测（GOD）任务，并构建了一个包含600个视频的GOD-Video数据集，提出了一种基于物理模型的Voxel Shift Field（VSF）方法来处理气体对象的检测问题 | 首次提出气体对象检测任务，并设计了基于物理模型的Voxel Shift Field方法来处理气体对象的检测问题 | 本文仅提出了一个初步的解决方案，尚未解决气体对象检测中的所有挑战 | 探索将对象检测技术从固体物质扩展到气体物质的可能性 | 气体对象的检测 | 计算机视觉 | NA | 深度学习 | Faster RCNN | 视频 | 600个视频，共141,017帧 |
| 974 | 2024-11-09 |
Deep Interactive Segmentation of Medical Images: A Systematic Review and Taxonomy
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3452629
PMID:39213271
|
综述 | 本文对医学图像交互分割领域的深度学习方法进行了系统性综述和分类 | 提出了一个全面的分类法，并对现有方法进行了系统性回顾和深入分析 | 缺乏不同方法之间的比较，需要通过标准化的基线和基准来解决 | 提高医学图像分析中昂贵标注的效率 | 医学图像的交互分割 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
| 975 | 2024-11-08 |
Vision-Centric BEV Perception: A Survey
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3449912
PMID:39250358
|
综述 | 本文综述了以视觉为中心的鸟瞰图（BEV）感知技术的最新发展及其扩展 | 本文首次全面综述了这一新兴研究领域，并提供了系统的回顾和总结 | NA | 促进未来研究 | 以视觉为中心的鸟瞰图感知技术及其扩展 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
| 976 | 2024-11-09 |
Deep Single Image Defocus Deblurring via Gaussian Kernel Mixture Learning
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3457856
PMID:39255177
|
研究论文 | 提出了一种端到端的深度学习方法，用于从单张失焦图像中去除失焦模糊 | 采用像素级的混合高斯核模型来精确且紧凑地参数化空间变化的失焦点扩散函数，并提出了分组混合高斯核模型以提高建模精度 | NA | 解决数字摄影中常见的失焦模糊问题 | 失焦图像的去模糊处理 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 图像 | 五个基准数据集 |
| 977 | 2024-11-09 |
A deep learning approach for gastroscopic manifestation recognition based on Kyoto Gastritis Score
2024-Dec, Annals of medicine
IF:4.9Q1
DOI:10.1080/07853890.2024.2418963
PMID:39498518
|
研究论文 | 本研究旨在验证基于京都胃炎评分的人工智能方法在识别胃镜表现中的适用性，以提高早期胃癌检测和降低胃癌死亡率 | 提出了一种由五个GAM-EfficientNet模型组成的深度学习方法，用于多标签识别胃镜表现，并将其与不同经验水平的内镜医师进行比较 | 需要前瞻性验证以评估其在临床应用中的适用性 | 验证人工智能方法在识别胃镜表现中的适用性，以提高早期胃癌检测和降低胃癌死亡率 | 29013张胃镜图像，根据京都胃炎评分分为五类 | 计算机视觉 | 胃癌 | 深度学习 | GAM-EfficientNet | 图像 | 29013张胃镜图像 |
| 978 | 2024-11-09 |
Appearance-Based Gaze Estimation With Deep Learning: A Review and Benchmark
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3393571
PMID:38662567
|
综述 | 本文系统回顾了基于深度学习的外观式注视估计方法，并建立了一个全面的基准 | 本文总结了数据预处理和后处理方法，并建立了一个全面的基准，为未来的注视估计研究提供了指导 | 由于注视估计研究的独特性，如2D注视位置与3D注视向量之间的不公平比较以及不同的预处理和后处理方法，缺乏开发基于深度学习的注视估计算法的明确指南 | 系统回顾基于深度学习的外观式注视估计方法，并建立一个全面的基准 | 注视估计算法及其性能比较 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
| 979 | 2024-11-09 |
Latency-Aware Unified Dynamic Networks for Efficient Image Recognition
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3393530
PMID:38662565
|
研究论文 | 本文介绍了一种名为LAUDNet的延迟感知统一动态网络框架，用于提高图像识别的效率 | LAUDNet整合了三种基本动态范式（空间自适应计算、层跳过和通道跳过），并引入延迟预测器来优化调度策略 | NA | 解决动态网络在实际应用中效率低于理论计算的问题 | 动态网络的计算单元激活和计算资源分配 | 计算机视觉 | NA | NA | 动态网络 | 图像 | 涉及多个视觉任务（图像分类、目标检测和实例分割） |
| 980 | 2024-11-09 |
Learning to Holistically Detect Bridges From Large-Size VHR Remote Sensing Imagery
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3393024
PMID:38683714
|
研究论文 | 本文提出了一种在大尺寸高分辨率遥感图像中整体检测桥梁的方法，并构建了一个包含6000张图像的大规模数据集GLH-Bridge | 提出了一个新的大规模数据集GLH-Bridge，并设计了一种高效的网络HBD-Net，采用分离检测器特征融合架构和形状敏感样本重加权策略 | 缺乏大尺寸高分辨率遥感图像的数据集限制了深度学习算法在桥梁检测中的性能 | 解决大尺寸高分辨率遥感图像中桥梁检测的挑战 | 桥梁检测 | 计算机视觉 | NA | 深度学习 | HBD-Net | 图像 | 6000张高分辨率遥感图像，包含59737座桥梁 |