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
21561	2024-08-05	TRESTLE: Toolkit for Reproducible Execution of Speech, Text and Language Experiments 2023, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:37350929	研究论文	本文介绍了TRESTLE，一个专注于语音、文本和语言实验可重复执行的开源工具包	TRESTLE提供了一种精确的数字蓝图用于数据预处理和选择策略，以帮助研究者获得可比较的结果	由于研究者在方法和数据选择策略上的差异，结果的直接比较仍然具有挑战性	旨在提升认知障碍与健康个体语言差异的研究可重复性	聚焦于来自TalkBank数据集的两种数据集，以痴呆检测作为示例领域	自然语言处理	认知障碍	深度学习	NA	文本数据	NA
21562	2024-08-07	Spatially Distinct Genetic Determinants of Aortic Dimensions Influence Risks of Aneurysm and Stenosis 2022-08-02, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2022.05.024 PMID:35902171	研究论文	本研究使用深度学习分析了43,317名UK Biobank参与者的230万张心脏磁共振图像，以阐明左心室流出道、主动脉根部和升主动脉直径的遗传基础，并探讨这些直径与疾病发生率的关联。	发现了79个与至少一个直径显著相关的基因位点，其中35个是新发现的，这些发现有助于预测胸主动脉瘤和主动脉狭窄。	NA	阐明左心室流出道、主动脉根部和升主动脉直径的遗传基础	左心室流出道、主动脉根部和升主动脉的直径	数字病理学	心血管疾病	深度学习	NA	图像	43,317名UK Biobank参与者
21563	2024-08-07	From cell lines to cancer patients: personalized drug synergy prediction 2022-Jan-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae134 PMID:38718189	研究论文	本文提出了一种深度学习框架PDSP，用于利用患者特异性的单一药物反应数据进行个性化药物协同预测	PDSP模型首先在细胞系上训练，然后使用患者的基因表达数据和相关单一药物反应进行微调，以提高预测准确性	目前仅在三名白血病患者的数据上进行了评估	开发一种能够在临床环境中更有效地预测患者特定药物组合的深度学习模型	白血病患者	机器学习	白血病	深度学习	深度学习框架	基因表达数据	三名白血病患者
21564	2024-08-05	ProactiV: Studying Deep Learning Model Behavior Under Input Transformations 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3301722 PMID:37535493	研究论文	该文探讨了在输入变换下深度学习模型行为的可视分析方法ProactiV	提出了一种模型无关的可视分析方法，以帮助开发者主动研究输出行为并识别模型的脆弱点	现有的方法主要集中在每类或实例级别的分析，未能全面评估模型在各种输入变换下的行为	改善深度学习模型的可解释性与性能	深度学习模型的输入变换对模型输出行为的影响	机器学习	NA	输入优化方法	NA	图像	NA
21565	2024-08-05	AutoTitle: An Interactive Title Generator for Visualizations 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3290241 PMID:37384476	研究论文	我们提出了AutoTitle，这是一种满足多种用户需求的交互式可视化标题生成器	AutoTitle通过深度学习生成标题，并提供用户交互界面以过滤指标，创新地结合了用户反馈和六个标题质量因素	未提及此工具的适用范围或在特定应用中的效果	旨在为可视化作品生成高质量的标题	可视化作者和潜在的标题生成用户	计算机视觉	NA	深度学习	NA	NA	参与用户研究的用户人数未明确说明
21566	2024-08-05	Shading-Guided Manga Screening From Reference 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3282223 PMID:37267131	研究论文	本研究提出了一种基于阴影引导的漫画筛选方法	引入阴影线条绘画作为屏幕漫画的中间对应物，将漫画筛选任务分解为生成阴影和替换适当的筛网色调两个子任务	研究未提及对多种艺术风格的适应性和通用性	旨在改善漫画制作中漫画筛选过程中的效率和质量	目标是生成阴影和合适的筛网色调	计算机视觉	NA	参考图像生成网络	NA	图像	进行大量视觉和定量实验以验证系统的有效性
21567	2024-08-05	Novel progressive deep learning algorithm for uncovering multiple single nucleotide polymorphism interactions to predict paclitaxel clearance in patients with nonsmall cell lung cancer 2024-Aug, Cancer innovation DOI:10.1002/cai2.110 PMID:38948246	研究论文	本文开发了一种新型的深度学习算法，用于揭示多重单核苷酸多态性相互作用，以预测非小细胞肺癌患者的紫杉醇清除率	提出了一种名为GEP-CSIs的数据挖掘算法，通过线性代数计算处理离散变量，优于传统的生物信息学方法	目前尚无关于该算法在不同癌症类型中的广泛适用性测试	研究紫杉醇的清除率与基因多态性之间的关系	非小细胞肺癌患者的基因多态性与紫杉醇清除数据	机器学习	肺癌	深度学习	GEP-CSIs算法	基因数据	使用了主要集和验证集的数据进行分析
21568	2024-08-05	Optimizing time prediction and error classification in early melanoma detection using a hybrid RCNN-LSTM model 2024-Aug, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24559 PMID:38515433	研究论文	本文提出了一种混合RCNN-LSTM模型，用于早期黑色素瘤检测中的时间预测和错误分类优化	采用了递归卷积神经网络(RCNN)和长短期记忆网络(LSTM)的深度学习方法，并考虑上下文依赖性来减少黑色素瘤检测中的分类错误	针对模型的局限性、外部数据的适用性及模型在未见数据上的表现尚需进一步探讨	优化早期黑色素瘤检测中的时间预测和错误分类	使用国际皮肤图像数据库，通过RCNN-LSTM对黑色素瘤进行分类和分析	计算机视觉	皮肤癌	深度学习	RCNN-LSTM	图像	三个数据集
21569	2024-08-05	Motion In-Betweening via Deep ∆-Interpolator 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3309107 PMID:37639420	研究论文	本文展示了使用深度学习基的插值器在基于关键帧合成人体运动中的应用	提出了一种在delta模式下操作的深度插值方法并利用球面线性插值器作为基线，取得了更高的准确性和有效性	文章未明确提及具体的局限性	探讨基于关键帧的人体运动合成的更优方法	通过公共数据集的实验验证方法的有效性和性能	计算机视觉	NA	深度学习	NA	运动数据	使用了公共数据集，具体样本数量未说明
21570	2024-08-05	Supervertex Sampling Network: A Geodesic Differential SLIC Approach for 3D Mesh 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3294845 PMID:37440384	研究论文	提出了一种新的可微分分段方法GDSV用于3D网格的分析	将深度超像素学习方法扩展到3D网格，并提出可微分的GDSV方法	现有的聚类基础网格层次构建方法难以嵌入其他可训练网络	旨在改进3D网格的分段和Hierarchical表示	3D网格数据集的分析和分类	计算机图形学	NA	可微分SLIC聚类算法	NA	3D网格	多个数据集
21571	2024-08-05	Advanced feature learning and classification of microscopic breast abnormalities using a robust deep transfer learning technique 2024-Aug, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24557 PMID:38553901	研究论文	本研究探讨了使用强大的深度迁移学习技术识别微观乳腺病变的特征学习与分类。	提出了一种基于低维多通道特征的乳腺癌微观图像识别方法，克服了特征利用和计算复杂度的限制。	研究未提及具体的样本来源和数据集精确大小，可能影响结果泛化性。	提高乳腺癌微观图像识别的诊断效率和准确性。	使用显微图像数据集来识别良性和恶性乳腺癌病变。	数字病理学	乳腺癌	深度学习，迁移学习	SqE-DDConvNet	图像	未提供具体样本大小
21572	2024-08-05	Using Multi-Level Consistency Learning for Partial-to-Partial Point Cloud Registration 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3280171 PMID:37235469	研究论文	提出了一种新颖的端到端框架MCLNet，用于点云注册。	利用多级一致性学习来处理部分到部分的点云注册任务	在处理更大规模数据时的性能尚不明晰	提高点云注册的准确性，特别是在部分到部分的匹配中	进行点云注册的深度学习方法	计算机视觉	NA	深度学习	NA	点云数据	较小规模的数据集
21573	2024-08-05	SmartGD: A GAN-Based Graph Drawing Framework for Diverse Aesthetic Goals 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3306356 PMID:37594870	研究论文	本文提出了一种基于GAN的图形绘制框架SmartGD，旨在优化多种美学目标	提出了一种新的GAN框架，可以优化多种定量美学目标，不受可微分性的限制	现有方法无法直接应用于优化非可微分标准	探讨优化图形绘制中的不同美学目标	设计并测试一种新颖的GAN框架用于图形绘制	计算机视觉	NA	生成对抗网络 (GAN)	NA	NA	进行了多种美学标准的实验
21574	2024-08-07	Automated segmentation of cell organelles in volume electron microscopy using deep learning 2024-Aug, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24548 PMID:38501891	研究论文	本文提出了一种基于深度学习的快速自动轮廓分割方法（FAMOUS），用于在体积电子显微镜数据集中自动分割、可视化和量化细胞器	引入了快速、多模态的机器学习工作流程，用于3D细胞器的自动分割，并在多种体积电子显微镜数据集和细胞系中成功应用，优于手动分割方法的时间和准确性	NA	加速从细胞器检测到定量分析的过程	细胞器在体积电子显微镜数据集中的分割、可视化和量化	计算机视觉	NA	深度学习	神经网络	图像	展示了在HeLa细胞数据集和酵母细胞数据集上的应用
21575	2024-08-05	Importance of Terrain and Climate for Predicting Soil Organic Carbon Is Highly Variable across Local to Continental Scales 2024-Jul-02, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c01172 PMID:38904357	研究论文	本研究探讨地形和气候对土壤有机碳分布的重要性	创新点在于通过深度学习方法揭示不同尺度下地形和气候在预测SOC分布中的作用	未评估因果机制，仅为观察性研究	旨在全面理解土壤有机碳的空间分布及其控制因素	研究对象为土壤有机碳(SOC)的空间分布	NA	NA	深度学习	NA	NA	局部尺度为1.25公里，大陆尺度为美国
21576	2024-08-05	Construction and validation of a deep learning prognostic model based on digital pathology images of stage III colorectal cancer 2024-Jul, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2024.108369 PMID:38703632	研究论文	本文研究了一种基于数字病理图像的深度学习预后模型，用于预测III期结直肠癌的预后	本研究展示了一种新型的肿瘤风险签名（TRS），用于量化III期结直肠癌患者的肿瘤微环境	该研究的局限性在于样本仅限于III期结直肠癌患者，可能不适用于其他阶段	探讨基于深度学习的肿瘤风险签名在III期结直肠癌预后中的价值	研究对象为265例来自癌症基因组图谱的III期结直肠癌患者和70例来自中山大学附属第六医院的III期结直肠癌患者	数字病理学	结直肠癌	深度学习	Cox模型	全切片图像	总共335例III期结直肠癌患者
21577	2024-08-05	Deep learning reconstruction algorithm for frequency-resolved optical gating 2024-Jul-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.519973 PMID:38950256	研究论文	提出一种基于深度学习的算法，用于重建超短激光脉冲	首次采用Seq2Seq模型及注意力机制精准重建超短脉冲	对非常有限的光谱图进行重建可能存在不确定性	研发高效的FROG技术用于超短激光脉冲的高速度测量	超短激光脉冲及其光谱图	光学技术	NA	深度学习	Seq2Seq	光谱图	整体测试数据集的样本
21578	2024-08-05	A comprehensive survey on deep active learning in medical image analysis 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103201 PMID:38776841	综述	本文综述了深度主动学习在医学图像分析中的核心方法及其整合。	首次详细总结了主动学习与其他标签高效技术的整合，特别是针对医学图像分析的主动学习工作	未明确指出具体的实验限制	探讨主动学习在医学图像分析中的应用及未来趋势	医学图像分析中的主动学习方法	数字病理学	NA	深度学习	NA	医学图像	NA
21579	2024-08-05	Coronary plaque phenotype associated with positive remodeling 2024 Jul-Aug, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2024.04.009 PMID:38677958	研究论文	该文章研究了与冠状动脉正重塑相关的斑块表型	利用四种机器学习模型识别与冠状动脉正重塑紧密相关的特征	NA	探讨正重塑与冠状动脉斑块特征的关系	426名接受冠状动脉CTA和光学相干断层扫描(OCT)的患者	计算机视觉	心血管疾病	光学相干断层扫描(OCT)	梯度提升机(GBM)、随机森林(RF)、深度学习(DL)、支持向量机(SVM)	NA	426名患者
21580	2024-08-05	A deep learning model for translating CT to ventilation imaging: analysis of accuracy and impact on functional avoidance radiotherapy planning 2024-Jul, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-024-01550-2 PMID:38536558	研究论文	本文介绍了一种将规划CT影像直接转换为通气影像的深度学习模型	该研究提出了一种新颖的深度学习模型，可以将CT影像准确转换为通气影像	本研究的样本量较小，且需要进一步的前瞻性试验来验证结果	探讨功能性影像在放射治疗计划中的应用，旨在减少肺部毒性	研究对象为48名非小细胞肺癌患者的配对规划CT和4DCT扫描	数字病理学	肺癌	深度学习	3D U-Net	影像	48名患者，测试集为7名患者