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
22341	2024-08-05	Learning a stable approximation of an existing but unknown inverse mapping: application to the half-time circular Radon transform 2024-Aug-01, Inverse problems IF:2.0Q2 DOI:10.1088/1361-6420/ad4f0a PMID:38933410	研究论文	本研究探讨了一种稳定逼近已知但未被解析表达的逆映射的图像重建方法	该研究开发了一种基于深度学习的过滤反投影方法，能够稳定地逼近未知的过滤操作	尚未验证该方法在所有类型数据上的有效性，可能在某些数据情况下表现不佳	研究稳定的图像重建方法，适用于半时间圆周Radon变换数据	图像重建问题，特别是利用半时间测量数据的Radon变换	计算机视觉	NA	卷积神经网络	CNN	图像	NA
22342	2024-08-05	Deep Learning Auto-Segmentation Network for Pediatric Computed Tomography Data Sets: Can We Extrapolate From Adults? 2024-Jul-15, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.01.201 PMID:38246249	研究论文	本研究评估了基于人工智能的自动分割模型在儿童CT数据集上的表现及其跨扫描仪兼容性	探讨了使用包含儿童数据的训练模型对提高分割性能的重要性	主要集中在特定的盆腔/胸部器官，可能无法推广至其他类型的医疗影像	评估成人CT数据训练的AI模型在儿童数据集上的性能	成人和儿童的CT扫描数据集，涵盖459个儿童CT扫描和950个成年CT扫描	数字病理学	NA	自动分割模型	nnU-Net	CT图像	儿童CT扫描459例，成人CT扫描950例
22343	2024-08-05	MOUNT: Learning 6DoF Motion Prediction Based on Uncertainty Estimation for Delayed AR Rendering 2024-Jul, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2022.3228807 PMID:37015352	研究论文	本文提出了一种基于深度学习的6DoF运动预测方法，用于补偿增强现实中的时间延迟	本文提出的MOUNT网络通过估计输入数据的不确定性来提高运动预测的准确性和流畅性	NA	研究增强现实设备中运动预测的优化方法	研究复杂的人体运动	计算机视觉	NA	深度学习	MOtion UNcerTainty encode decode network (MOUNT)	传感器数据	在EuRoC数据集和我们收集的数据集中进行了实验
22344	2024-08-05	Keyframe Control of Music-Driven 3D Dance Generation 2024-Jul, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3235538 PMID:37021894	研究论文	本研究提出了一种用于音乐驱动的舞蹈生成的关键帧插值方法	引入了关键帧插值和新颖的转换生成技术，以在舞蹈生成中实现更高的控制力	没有讨论对音乐类型或舞蹈风格的限制	提高音乐驱动的舞蹈生成的控制性和多样性	生成与音乐节拍和关键姿势相匹配的舞蹈动作	计算机视觉	NA	归一化流	NA	舞蹈动作	NA
22345	2024-08-05	Laplacian2Mesh: Laplacian-Based Mesh Understanding 2024-Jul, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3259044 PMID:37030768	研究论文	本研究提出了一种名为Laplacian2Mesh的新型卷积神经网络框架，用于处理不规则三角网格的形状理解任务	Laplacian2Mesh通过将输入网格映射到多维拉普拉斯-贝尔特拉米空间，实现了对不规则网格结构的有效处理，并引入了网格池化操作和通道自注意力块	本研究未具体提及可能存在的限制	本研究旨在提高在计算机图形学中对形状分类与语义分割任务的理解能力	研究对象为不规则的三角网格结构	计算机视觉	NA	卷积神经网络（CNN）	CNN	NA	进行了多种数据集的广泛测试
22346	2024-08-05	Can ChatGPT Answer Patient Questions Regarding Total Knee Arthroplasty? 2024-Jul, The journal of knee surgery IF:1.6Q3 DOI:10.1055/s-0044-1782233 PMID:38442904	研究论文	本文探讨了ChatGPT在回答有关全膝关节置换手术的常见患者问题的准确性。	文章首次评估了人工智能聊天应用程序在提供有关全膝关节置换手术信息中的有效性。	本研究只在一次在线互动中测试了10个常见问题，可能不足以全面评估其准确性。	研究旨在确定ChatGPT在提供全膝关节置换手术相关常见问题解答的准确性。	研究对象是针对全膝关节置换的常见问题（FAQ）与ChatGPT的交互。	自然语言处理	NA	深度学习	NA	文本	10个常见问题
22347	2024-08-05	Bidirectional Hybrid LSTM Based Recurrent Neural Network for Multi-View Stereo 2024-Jul, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2022.3165860 PMID:35394911	研究论文	本文提出了一种有效的双向混合LSTM基于递归神经网络的多视图立体重建方法	采用双向混合长短期记忆结构进行成本体积正则化，提高了准确性并节省了运行时内存	可能在特定情况下性能受限于数据集的多样性	提高多视图立体重建的准确性和效率	密集点云重建	计算机视觉	NA	深度学习	双向混合LSTM	点云	在DTU、Tanks and Temples和ETH3D数据集上进行了广泛实验
22348	2024-08-05	Non-invasive screening of bladder cancer using digital microfluidics and FLIM technology combined with deep learning 2024-Jun-28, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400192 PMID:38938144	研究论文	本文介绍了一种结合数字微流体和荧光寿命成像显微技术非侵入性筛查膀胱癌的新方法	本研究引入了一种新颖的非侵入性膀胱癌筛查技术，结合了数字微流体和FLIM技术	样本量较小，仅涉及54名参与者	研究旨在开发一种有效的非侵入性膀胱癌筛查方法	研究对象为54名参与者的尿液样本	数字病理学	膀胱癌	数字微流体和荧光寿命成像显微技术	深度学习残差卷积神经网络	图像	54个参与者的尿液样本
22349	2024-08-05	Retrieving and reconstructing conceptually similar images from fMRI with latent diffusion models and a neuro-inspired brain decoding model 2024-Jun-28, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad593c PMID:38885689	研究论文	本研究提出了一种新颖的脑解码方法，依赖于语义和上下文相似性	提出通过线性映射脑活动到神经网络潜在空间，以合成与原始内容相匹配的图像	NA	研究如何基于可测量的神经相关性推断心理状态或感知输入的内部表征	使用fMRI数据集进行语义分类和图像检索	计算神经科学	NA	fMRI	潜在扩散模型	图像	三个不同的fMRI数据集
22350	2024-08-05	Two-Dimensional Deep Learning Frameworks for Drug-Induced Cardiotoxicity Detection 2024-Jun-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c00654 PMID:38842187	研究论文	本文提出了用于检测药物引起的心脏毒性的新型深度学习框架。	该研究引入了STFT-CNN和SST-CNN两个框架，通过人类相关的细胞模型实现了更高的准确性和可靠性。	当前的方法在准确识别心脏毒性物质方面存在严重局限。	研究旨在改善药物引起的心脏毒性检测方法。	研究对象包括由诱导多能干细胞衍生的心肌细胞及其机械信号。	机器学习	心血管疾病	短时傅里叶变换 (STFT) 和同步挤压变换 (SST)	卷积神经网络 (CNN)	时间信号	NA
22351	2024-08-05	Enhanced coalbed methane well production prediction framework utilizing the CNN-BL-MHA approach 2024-Jun-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65606-z PMID:38918551	研究论文	本文提出了一种基于CNN-BL-MHA的方法来预测煤层气井的产量	本文创新性地结合了CNN、Bi-LSTM和多头注意力机制，构建了一个煤层气井的产量预测模型	单一深度学习模型可能面临过拟合、梯度爆炸和梯度消失等问题	研究旨在提高煤层气井产量预测的准确性	本文研究对象为煤层气井的生产数据	机器学习	NA	深度学习	CNN-BL-MHA	时间序列数据	使用了W1和W2井的生产数据进行实验
22352	2024-08-05	Accurate prediction of CDR-H3 loop structures of antibodies with deep learning 2024-Jun-26, eLife IF:6.4Q1 DOI:10.7554/eLife.91512 PMID:38921957	研究论文	本文提出H3-OPT工具包，用于预测单克隆抗体和纳米抗体的3D结构	H3-OPT结合了AlphaFold2的优势和预训练的蛋白质语言模型，显著提高了CDR-H3环结构的预测精度	本文未提及具体的局限性	研究抗体建模中CDR-H3环结构的高精度预测方法	单克隆抗体和纳米抗体的CDR-H3环结构	计算机视觉	NA	深度学习	AlphaFold2	3D结构数据	三个通过H3-OPT预测的抗VEGF纳米抗体的实验结构
22353	2024-08-05	A retrospective study of deep learning generalization across two centers and multiple models of X-ray devices using COVID-19 chest-X rays 2024-06-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64941-5 PMID:38918499	研究论文	这项研究旨在识别和研究影响深度学习网络内部验证和推广的潜在因素	研究揭示了不同制造商的X光设备对深度学习模型推广能力的显著影响	研究主要限制在不同类型的响应功能设备之间未能实现推广	探讨影响计算机辅助诊断系统深度学习算法推广的因素	COVID-19胸部X光影像及其与对照影像的分类	计算机视觉	COVID-19	卷积神经网络（CNN）	VGG16	图像	来自两个机构通过三种不同X光设备制造商获取的多组图像
22354	2024-08-05	Design optimization of large-scale bifacial photovoltaic module frame using deep learning surrogate model 2024-Jun-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64594-4 PMID:38918445	研究论文	本研究开发了一种基于深度神经网络的有限元代理模型，以优化大型双面光伏模块框架设计	通过使用深度学习代理模型，实现了对大型双面光伏模块框架设计因素的优化预测	研究未详细描述在不同环境条件下模型的适用性	优化大型双面光伏模块的框架设计以减少挠度并降低重量	大型双面光伏模块的框架设计因素	工程优化	NA	有限元分析 (FEA)	深度神经网络 (DNN)	数值数据	243个有限元分析数据集及生成的100万个数据集
22355	2024-08-05	Distributed transformer for high order epistasis detection in large-scale datasets 2024-06-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65317-5 PMID:38918413	研究论文	提出了一种基于变换器的框架，用于高阶表观遗传学检测	提出了一种新颖、灵活、可移植和可扩展的网络解释框架，以处理任何阶数的表观遗传学	由于神经网络的黑箱特性，缺乏可解释性仍然是一个未解决的挑战	理解复杂疾病的遗传基础	应用于基因组广泛关联研究中的单核苷酸多态性(SNP)组合分析	计算机视觉	NA	深度学习	变换器	基因组数据	三个WTCCC数据集
22356	2024-08-05	Deep learning-based localization algorithms on fluorescence human brain 3D reconstruction: a comparative study using stereology as a reference 2024-06-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65092-3 PMID:38918523	研究论文	本文对基于深度学习的细胞定位算法进行比较，旨在为人脑三维重建提供准确的细胞计数和定位方法	使用最近介绍的三维立体测量设计作为参考，对三种基于深度学习的技术进行深入实证评估	准确量化人脑神经元面临特定挑战，如高像素强度变异、自动荧光和非特异性荧光	帮助用户根据研究目标选择合适的技术	聚焦于布罗卡区的一部分进行人脑分析	数字病理学	NA	荧光显微镜	深度学习模型	3D 数据	使用了最新三维立体测量设计进行大规模分析
22357	2024-08-05	Extraction of water bodies from high-resolution remote sensing imagery based on a deep semantic segmentation network 2024-Jun-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65430-5 PMID:38918493	研究论文	本文提出了一种新颖的深度学习框架WaterDeep，用于从高分辨率遥感影像中提取水体	引入了一种基于DeepLabV3 + 架构的新深度学习框架，并结合高低层特征的创新融合机制	NA	准确识别城市水体特征，以监测水资源和制定水管理策略	高分辨率遥感图像中的水体特征及其边界	计算机视觉	NA	深度学习	WaterDeep，基于Xception基础网络及Atrous Spatial Pyramid Pooling模块	高分辨率遥感影像	创建了一个全面的数据集，样本数量未具体说明
22358	2024-08-05	Deep learning model for the prediction of all-cause mortality among long term care people in China: a prospective cohort study 2024-06-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65601-4 PMID:38918463	研究论文	本研究旨在开发一个深度学习模型，以预测中国长期护理人群的全因死亡风险	提出了一种基于深度学习的风险分层模型，专注于老年残疾人群的全因死亡风险预测	仅基于一个试点城市的数据，可能不具代表性	研究的目的是为老年残疾人提供长期护理计划的风险预测	包括42353名65岁以上的残疾成人	机器学习	NA	深度学习	NA	行政数据	42353名残疾成人
22359	2024-08-05	CMRxRecon: A publicly available k-space dataset and benchmark to advance deep learning for cardiac MRI 2024-Jun-25, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03525-4 PMID:38918497	研究论文	CMRxRecon 数据集是一个公开的 k 空间数据集，旨在推动深度学习在心脏 MRI 中的应用	提供了一个包含 300 名受试者的多对比、多视角、多切片和多线圈 CMR 数据集，促进深度学习方法的发展	目前数据集数量有限，可能不够大以涵盖所有心脏病的变异性	推动最先进的心脏 MRI 图像重建的进展	300 名受试者的心脏影像数据，包括心脏电影和映射序列	数字病理	心脏病	k 空间重建	深度学习模型	影像	300 名受试者
22360	2024-08-07	Author Correction: MRI-only based material mass density and relative stopping power estimation via deep learning for proton therapy: a preliminary study 2024-Jun-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65365-x PMID:38918458	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA