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
12001	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
12002	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
12003	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
12004	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
12005	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
12006	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）
12007	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
12008	2024-11-09	Searching to Exploit Memorization Effect in Deep Learning With Noisy Labels 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3394552 PMID:38683712	研究论文	本文提出了一种通过双层优化控制样本选择过程的方法，以利用深度学习中的记忆效应来处理带有噪声标签的数据	利用双层优化和半监督学习算法来控制样本选择过程，并通过牛顿法和立方正则化方法提高优化效率	NA	研究如何有效利用深度学习中的记忆效应来处理带有噪声标签的数据	带有噪声标签的数据	机器学习	NA	双层优化	NA	数据集	NA
12009	2024-11-09	Zero-Shot Neural Architecture Search: Challenges, Solutions, and Opportunities 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3395423 PMID:38687659	review	本文综述并比较了最先进的零样本神经架构搜索方法，重点在于其硬件感知能力	提出了无需训练的神经架构搜索方法，通过设计代理来预测网络的准确性	NA	综述和比较当前最先进的零样本神经架构搜索方法，并探讨其硬件感知能力	零样本神经架构搜索方法及其代理	machine learning	NA	NA	NA	NA	NA
12010	2024-11-09	Sub-sampling graph neural networks for genomic prediction of quantitative phenotypes 2024-Nov-06, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkae216 PMID:39250757	研究论文	本文提出了一种基于图神经网络的子采样架构，用于基因组数量性状的预测	提出了一个全局卷积神经网络（GCN）和一个局部子采样架构（GCN-RS），专门设计用于基于基因组关系信息的回归分析	NA	开发一种新的方法来提高基因组数量性状预测的准确性	基因组数量性状的预测	机器学习	NA	图卷积神经网络（GCN）	卷积神经网络（CNN）	基因组数据	模拟数据集和来自小麦、小鼠和猪的三个真实数据集
12011	2024-11-09	FinSafeNet: securing digital transactions using optimized deep learning and multi-kernel PCA(MKPCA) with Nyström approximation 2024-Nov-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76214-2 PMID:39500935	研究论文	研究提出了一种名为FinSafeNet的新型深度学习模型，用于保护数字银行渠道上的现金交易安全	引入了双向长短期记忆网络（Bi-LSTM）、卷积神经网络（CNN）和双注意力机制，结合多核主成分分析（MKPCA）和Nyström近似，显著提高了交易数据的安全性分析能力	NA	提升数字交易的安全性	数字银行渠道上的现金交易	机器学习	NA	多核主成分分析（MKPCA）、Nyström近似	双向长短期记忆网络（Bi-LSTM）、卷积神经网络（CNN）	交易数据	使用了Paysim数据库进行测试
12012	2024-11-09	Classification of salivary gland biopsies in Sjögren's syndrome by a convolutional neural network using an auto-machine learning platform 2024-Nov-06, BMC rheumatology IF:2.1Q3 DOI:10.1186/s41927-024-00417-3 PMID:39501369	研究论文	本文利用自动机器学习平台和卷积神经网络对干燥综合征中的唾液腺活检进行分类	本文首次使用自动机器学习平台进行唾液腺活检的自动分割和焦点评分量化，以提高诊断精度和速度	模型在质量较差的组织学切片上分类准确性较低，需要多中心研究进一步验证	利用自动机器学习平台提高干燥综合征诊断的精度和效率	干燥综合征患者的唾液腺活检	数字病理学	自身免疫性疾病	卷积神经网络	ResNet-152	图像	86名干燥综合征患者，共172张切片
12013	2024-11-09	Hierarchical graph representation learning with multi-granularity features for anti-cancer drug response prediction 2024-Nov-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3492806 PMID:39504283	研究论文	提出了一种基于多粒度特征的分层图表示学习算法，用于预测抗癌药物反应	引入了一种新的分层图表示学习算法，结合了细胞系和药物的多粒度特征，构建了异构图，并通过图卷积网络学习最终的细胞系和药物表示	NA	提高抗癌药物反应预测的准确性，指导治疗决策，减轻患者痛苦，改善癌症预后	细胞系和药物的相互作用，以及它们在异构图中的多层次邻居特征	机器学习	癌症	图卷积网络	图卷积网络	基因表达数据和分子指纹数据	使用了Genomics of Drug Sensitivity in Cancer (GDSC) 和 Cancer Cell Line Encyclopedia (CCLE) 数据库中的数据
12014	2024-11-09	An automated pheochromocytoma and paraganglioma lesion segmentation AI-model at whole-body 68Ga- DOTATATE PET/CT 2024-Nov-05, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-024-01168-5 PMID:39500789	研究论文	开发了一种用于全身68Ga-DOTATATE PET/CT图像中嗜铬细胞瘤和副神经节瘤病变自动分割的人工智能模型	首次开发了一种基于深度学习的AI模型，用于全身68Ga-DOTATATE PET/CT图像中转移性嗜铬细胞瘤和副神经节瘤病变的自动分割	模型在低摄取的小病变检测上存在局限性，且肝脏区域的假阴性和假阳性较多	开发一种人工智能模型，用于自动分割全身3D DOTATATE-PET/CT图像中的病变，并自动化肿瘤负荷计算	嗜铬细胞瘤和副神经节瘤患者	计算机视觉	神经内分泌肿瘤	深度学习	nnUNet	图像	132个68Ga-DOTATATE PET/CT扫描，来自38名患者
12015	2024-11-09	Synergistic use of handcrafted and deep learning features for tomato leaf disease classification 2024-11-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71225-5 PMID:39500934	研究论文	本文介绍了一种结合传统手工特征和深度学习技术的计算机辅助诊断系统，用于自动检测和分类番茄叶病害	本文提出了一种新的评估方法来解决数据不平衡问题，并展示了将经典特征工程与现代机器学习技术结合在基于互信息的特征融合下的效果	NA	开发一种高精度的计算机辅助诊断系统，用于自动检测和分类番茄叶病害	番茄叶病害的自动检测和分类	计算机视觉	NA	深度学习技术	卷积神经网络 (CNN)	图像	NA
12016	2024-11-09	Scalable deep learning artificial intelligence histopathology slide analysis and validation 2024-11-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76807-x PMID:39500980	研究论文	本文开发并验证了一种可扩展的深度学习方法，用于分析和分类数字化病理切片中的病理类型	提出了一种新的金字塔分块方法，以利用分类区域周围的空间感知，同时保持对千兆像素图像的效率和可扩展性	NA	开发一种自动检测和识别数字化病理切片中病理类型的方法	数字化病理切片中的病理类型	数字病理学	NA	深度学习	深度学习模型	图像	多种组织类型（如睾丸、卵巢、前列腺、肾脏）和病理类型，来自华盛顿州立大学的表观遗传学改变的病理学研究
12017	2024-11-09	Optimizing knee osteoarthritis severity prediction on MRI images using deep stacking ensemble technique 2024-11-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78203-x PMID:39500982	研究论文	本文探讨了使用深度堆叠集成技术优化膝关节骨关节炎严重程度预测的方法	采用深度堆叠集成技术结合四种预训练模型（CNN、AlexNet、ResNet34和ResNet-50）来提高预测准确性	传统诊断方法耗时且对医疗专业人员来说有时繁琐	优化膝关节骨关节炎严重程度的预测，加快诊断过程	膝关节骨关节炎的严重程度	计算机视觉	骨关节炎	深度学习算法	CNN、AlexNet、ResNet34、ResNet-50	MRI图像	未明确提及具体样本数量
12018	2024-11-09	Deep learning based highly accurate transplanted bioengineered corneal equivalent thickness measurement using optical coherence tomography 2024-Nov-05, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01305-3 PMID:39501083	研究论文	本文提出了一种基于深度学习的自动分割方法，用于使用光学相干断层扫描（OCT）对移植的生物工程角膜等效物进行高精度测量	本文的创新点在于使用深度学习技术对生物工程角膜等效物的厚度进行自动分割和测量，提供了详细的厚度值、地图和体积测量	本文的局限性在于仅在动物研究中进行了验证，尚未在人类角膜移植中广泛应用	本文的研究目的是开发一种高精度的评估方法，用于测量移植的生物工程角膜等效物的完整性和生物相容性	本文的研究对象是移植的生物工程角膜等效物	计算机视觉	NA	光学相干断层扫描（OCT）	深度学习	图像	14天的监测数据
12019	2024-11-09	Three-dimensional localization and tracking of chromosomal loci throughout the Escherichia coli cell cycle 2024-Nov-05, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07155-9 PMID:39501081	研究论文	本文开发了一种深度学习方法，用于在活体大肠杆菌细胞中对染色体位点进行基于像散的超分辨率三维定位和跟踪	本文首次实现了对染色体位点的三维定位和跟踪，精度优于61纳米	NA	研究基因在细胞内的位置对其表达的影响	大肠杆菌细胞中的染色体位点	计算机视觉	NA	深度学习	深度学习模型	图像	NA
12020	2024-11-09	REDalign: accurate RNA structural alignment using residual encoder-decoder network 2024-Nov-05, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05956-7 PMID:39501155	研究论文	本文介绍了一种基于深度学习的RNA二级结构比对方法REDalign	REDalign利用残差编码器-解码器网络，能够高效地捕获共识结构并优化结构比对，显著降低了计算复杂度，并能有效处理包括假结在内的非嵌套结构	NA	开发一种高效且准确的RNA二级结构比对方法	RNA序列的二级结构	生物信息学	NA	深度学习	残差编码器-解码器网络	RNA序列	NA