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
24941	2024-08-05	MULTI-SCALE SEGMENTATION USING DEEP GRAPH CUTS: ROBUST LUNG TUMOR DELINEATION IN MVCBCT 2018-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI.2018.8363628 PMID:31772718	研究论文	本文提出了一种基于深度图切割的多尺度分割方法，用于肺肿瘤的准确描绘	将多尺度分割问题设定为深度网络中的马尔可夫随机场能量最小化问题，并通过计算图中的最小切割进行求解	未提及具体的限制	旨在提高肺肿瘤分割的准确性	结合38个兆伏锥束计算机断层扫描数据集进行肺肿瘤的分割	计算机视觉	肺癌	深度学习	马尔可夫随机场	图像	38个兆伏锥束计算机断层扫描数据集
24942	2024-08-05	Synthesizing Missing PET from MRI with Cycle-consistent Generative Adversarial Networks for Alzheimer's Disease Diagnosis 2018, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-00931-1_52 PMID:34355223	研究论文	提出了一种基于3D循环一致生成对抗网络合成缺失PET图像的方法，用于阿尔茨海默病的诊断	创新性地采用双阶段深度学习框架来处理缺失的PET数据，并利用3D-cGAN捕捉MRI与PET之间的潜在关系	在实验中，缺失PET数据的合成依赖于输入的MRI数据质量	旨在提高阿尔茨海默病的诊断准确性，特别是在存在缺失图像数据的情况下	研究对象主要是阿尔茨海默病患者和轻度认知障碍患者	数字病理学	阿尔茨海默病	3D循环一致生成对抗网络	深度多实例神经网络	多模态神经影像	来自ADNI数据集的多个受试者
24943	2024-08-05	GRAM: Graph-based Attention Model for Healthcare Representation Learning 2017-Aug, KDD : proceedings. International Conference on Knowledge Discovery & Data Mining DOI:10.1145/3097983.3098126 PMID:33717639	研究论文	提出了一种图基注意力模型GRAM，用于医疗表示学习	GRAM利用医疗本体的层级信息补充电子健康记录，以提高深度学习在医疗预测建模中的表现	研究可能受到样本量不足的限制，尽管GRAM在低数据量情况下表现良好	提升医疗领域深度学习模型在预测建模中的表现	比较了GRAM与多种方法在疾病预测任务中的表现	医疗病理学	心力衰竭	深度学习	RNN	电子健康记录	使用数量级更少的训练数据进行实验
24944	2024-08-05	Deep convolutional neural network for segmentation of knee joint anatomy 2018-12, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.27229 PMID:29774599	研究论文	本文描述了一种新的分割方法，采用深度卷积神经网络（CNN）、三维全连接条件随机场（CRF）和三维单纯形可变形建模来提高膝关节组织分割的效率和准确性	创新点在于结合了深度卷积神经网络、三维全连接CRF和三维单纯形可变形建模，形成高分辨率的多类组织分类方案	NA	旨在提高膝关节组织分割的效率和准确性	研究对象为膝关节的12种不同关节结构的组织	计算机视觉	NA	3D快速自旋回波MR影像数据集	CNN	图像	NA
24945	2024-08-05	Colour and illumination in computer vision 2018-Aug-06, Interface focus IF:3.6Q1 DOI:10.1098/rsfs.2018.0008 PMID:29951188	评论	本文回顾了光照估计的历史和当前算法，并质疑深度学习在这一问题上的有效性	提出了一种基于单纯光照估计算法的最终偏差修正阶段的新方法，强调以曝光不变的方式进行偏差修正	未详细探讨其他算法的应用场景和比较数据	旨在改善计算机视觉中的光照估计准确性和效率	光照估计算法的理论和应用	计算机视觉	NA	NA	NA	图像	NA
24946	2024-08-05	An Algorithm Based on Deep Learning for Predicting In-Hospital Cardiac Arrest 2018-06-26, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.118.008678 PMID:29945914	研究论文	本研究提出了一种基于深度学习的预警系统，用于预测院内心脏骤停	该系统表现出比现有的传统追踪和触发系统更高的性能，具有更高的敏感性和更低的误报警率	此研究基于回顾性队列，样本来源于两家医院，可能存在外部有效性限制	研究旨在提高对院内心脏骤停的预测能力	研究对象为2010年6月至2017年7月期间住院的患者共52,131例	机器学习	心脏疾病	深度学习	循环神经网络	医疗数据	52,131名患者
24947	2024-08-05	Automated identification of aquatic insects: A case study using deep learning and computer vision techniques 2024-Jul-20, The Science of the total environment DOI:10.1016/j.scitotenv.2024.172877 PMID:38740196	研究论文	本研究利用深度学习和计算机视觉技术自动识别水生昆虫，以提高生物监测的效率和分类精度	研究建立了一个包含90个EPT分类的数据库，并使用CNN模型实现了98.7%的分类准确率	研究中只涉及特定的EPT分类，可能不能推广到所有水生昆虫的分类	提高水生昆虫生物监测程序的效率和分类分辨率	EPT类水生昆虫，包括蜉蝣、石蝇和毛虫	计算机视觉	NA	深度学习	卷积神经网络	图像	共16,650张图像，包含90个EPT分类
24948	2024-08-05	Human Versus Machine Intelligence: Assessing Natural Language Generation Models Through Complex Systems Theory 2024-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3358168 PMID:38265904	研究论文	通过复杂系统理论评估自然语言生成模型的能力。	提出了一种比较GPT-2生成文本与人类文本的新方法，利用复杂性科学框架进行深入分析。	未提及具体的局限性。	探讨Transformer架构在自然语言生成中的表现并分析其与人类文本的关系。	比较GPT-2生成的英文文本与人类创作的小说和程序代码。	自然语言处理	NA	复杂性测量	GPT-2	文本	分析了三种文本类型，具体样本量未提及
24949	2024-08-05	Detection and coverage estimation of purple nutsedge in turf with image classification neural networks 2024-Jul, Pest management science IF:3.8Q1 DOI:10.1002/ps.8055 PMID:38436512	研究论文	该研究评估了使用图像分类神经网络检测和估算草坪中紫色猪殃殃覆盖率的有效性	通过使用不同的深度学习模型，尤其是DenseNet，在杂草检测和覆盖估算上表现出先进的准确性和效率	需要大量注释数据进行模型训练	实现精确的杂草检测和覆盖率估算以优化除草剂应用	杂草检测和估算在百慕大草坪中的覆盖率	计算机视觉	NA	深度学习	DenseNet, GoogLeNet, ResNet	图像	NA
24950	2024-08-05	Research on precise phenotype identification and growth prediction of lettuce based on deep learning 2024-Jul-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118845 PMID:38570128	研究论文	本文研究了生菜的精确表型识别和生长预测	通过深度学习模型，提出了用于生菜生长的预测模型，并定义了一些新颖的表型指标	没有详细说明实验的样本大小和营养应激条件的具体影响	旨在实现精准农业的目标，通过识别和监测生菜的表型特征	生菜的表型特征及其生长状态	数字农业	NA	深度学习	NA	RGB图像	NA
24951	2024-08-05	On the Number of Linear Regions of Convolutional Neural Networks With Piecewise Linear Activations 2024-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3361155 PMID:38300783	研究论文	本文提供了用于研究具有分段线性激活的卷积神经网络线性区域的数学结果	提出了一层和多层分段线性卷积神经网络的最大和平均线性区域数量的数学结果	未提及具体限制	研究具有分段线性激活的卷积神经网络的线性区域	分段线性卷积神经网络的线性区域	机器学习	NA	NA	PLCNN	NA	NA
24952	2024-08-05	Self-Supervised Deep Blind Video Super-Resolution 2024-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3361168 PMID:38329850	研究论文	本文提出了一种自监督学习方法来解决盲视频超分辨率问题	创新点在于同时估计模糊核和高分辨率视频，并生成辅助配对数据以更好地约束网络	在实际应用中，高分辨率视频和对应低分辨率视频的获取仍然很困难	研究旨在通过自监督学习方法改善视频超分辨率的效果	研究对象是低分辨率视频，目标是恢复出高分辨率视频	计算机视觉	NA	NA	NA	视频	NA
24953	2024-08-05	Siamese Cooperative Learning for Unsupervised Image Reconstruction From Incomplete Measurements 2024-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3359087 PMID:38277253	研究论文	本文提出了一种无监督深度学习方法，用于从不完整测量中进行图像重建	提出了一种通过Siamese网络在测量矩阵的零空间和伪逆的范围空间上协作重建的无监督深度学习方法	该方法依赖于自监督损失，可能在某些情况下无法达到最佳重建效果	扩展深度学习在获取潜在图像挑战性任务中的应用	对图像重建进行无监督学习	计算机视觉	NA	深度学习	Siamese网络	图像	应用于四个来自不同应用的成像任务
24954	2024-08-05	Memory-efficient semantic segmentation of large microscopy images using graph-based neural networks 2024-Jun-06, Microscopy (Oxford, England) DOI:10.1093/jmicro/dfad049 PMID:37864808	研究论文	本文提出了一种基于图神经网络的框架，用于大规模显微镜图像分割任务	通过将大规模图像转换为图形并使用超像素，克服了深度学习模型在内存方面的限制	超像素生成可能导致误差，需改进生成算法或增加超像素数量以提高准确性	研究结合图神经网络的显微镜图像分割方法以提高效率	生物细胞和细胞集落的显微镜图像	数字病理学	NA	图神经网络 (GNN)	NA	图像	使用了数百万像素的显微镜图像样本
24955	2024-08-05	General Aqueous System Simulation through an AI-Embedded Metaverse Chemistry Laboratory 2024-Jun-06, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.4c01111 PMID:38814104	研究论文	本研究设计了一种物理支持的深度学习模型，预测一般水相系统的未来状态	提出了一种嵌入AI的元宇宙化学实验室框架，能够有效地模拟水相系统属性并预测离子化合物的溶解时间	当前的元宇宙框架在实验数据分析上仍有局限，使得优化实验的整体时间消耗较高	旨在通过数字化化学信息的方式，优化实验设计和数据利用	主要研究100多种常见离子溶液的一般水相系统	物理化学	NA	深度学习	NA	实验数据	100+种常见离子溶液
24956	2024-08-05	AI in evaluating ambulation of stroke patients: severity classification with video and functional ambulation category scale 2024-Jun-06, Topics in stroke rehabilitation IF:2.2Q1 DOI:10.1080/10749357.2024.2359342 PMID:38841903	研究论文	本研究验证了一种深度学习模型，用于根据功能步态分类（FAC）规模对中风患者的步态图像数据进行分类	提出了基于视频数据的人体姿势估计方法，用于开发步态参数模型和分类模型	研究依赖于收集的大量多样化数据，这些数据是在非标准化的真实环境中收集的	验证深度学习模型对中风患者步态图像数据的分类能力	203名中风患者和182名健康个体的步态视觉数据	计算机视觉	中风	深度学习	NA	视频	203名中风患者和182名健康个体
24957	2024-08-05	Sustainable Sea of Internet of Things: Wind Energy Harvesting System for Unmanned Surface Vehicles 2024-Jun-05, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c05142 PMID:38768307	研究论文	本论文提出了一种基于压电和电磁效应的无人水面车辆风能采集系统	创新点在于自我调节策略的实施和优化的磁体配置，有效提高了风能收集的性能	未提及具体环境条件对设备性能的影响	旨在开发一种智能的海洋环境监测系统，通过风能采集为无人水面车辆提供动力	研究对象为无人水面车辆及其风能采集系统	物联网	NA	风能采集	深度学习算法	实验数据	原型制造和测试，具体样本量未提及
24958	2024-08-07	Correction: Deep learning model for differentiating nasal cavity masses based on nasal endoscopy images 2024-Jun-03, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02562-8 PMID:38831373	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
24959	2024-08-05	Opening the black box of team-based learning (TBL): A study of verbal interactions in online application sessions 2024-06, Medical teacher IF:3.3Q1 DOI:10.1080/0142159X.2023.2285249 PMID:38035575	研究论文	本研究探讨了在线团队基础学习（TBL）应用课程中的语言互动情况。	研究提供了对在线TBL课程中互动类型的深入分析，揭示了互动在促进深度学习中的重要性。	研究主要集中在特定的在线应用课程中，可能无法全面代表所有在线TBL课程。	深入了解在线TBL应用课程中互动的性质和程度，并探讨其在不同团队和课程中的变化。	研究对象为12个TBL团队在两次在线应用课程中的互动情况。	教育研究	NA	音视频记录	NA	文本、音频和视频	12个TBL团队
24960	2024-08-05	GenCoder: A Novel Convolutional Neural Network Based Autoencoder for Genomic Sequence Data Compression 2024 May-Jun, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3366240 PMID:38358865	研究论文	本文提出了一种名为GenCoder的基于卷积自编码器的基因组序列数据压缩新算法	该算法实现了不损失信息的基因组序列压缩和重构	尚未提到特定的限制因素	研究如何对基因组序列数据进行无损压缩	基因组序列数据	机器学习	NA	卷积自编码器	自编码器	基因组序列数据	在多个基因组和基准数据集上进行评估