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
12021	2024-12-08	Deep learning-based vortex decomposition and switching based on fiber vector eigenmodes 2023-Jul, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2023-0202 PMID:39635056	研究论文	本文展示了基于深度学习的涡旋模式分解和切换技术，通过重建多视角投影强度分布图像来实现圆柱矢量（CV）和轨道角动量（OAM）模式的分解	首次实现了基于深度学习的CV和OAM模式分解，并展示了高效的模态系数和光场分布恢复	NA	实现对圆柱矢量和轨道角动量模式的智能生成和精确控制	圆柱矢量（CV）和轨道角动量（OAM）模式	光学	NA	深度学习	随机并行梯度下降（SPGD）算法	图像	NA
12022	2024-12-08	Counting and mapping of subwavelength nanoparticles from a single shot scattering pattern 2023-Jul, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0612 PMID:39635469	研究论文	本文介绍了一种基于深度学习的超分辨率单次光学方法，用于计数和映射表面上的亚波长颗粒	提出了一种基于深度学习的超分辨率单次光学方法，用于计数和映射亚波长颗粒的位置	NA	开发一种用于计数和映射亚波长颗粒的新型光学方法	亚波长颗粒的计数和位置映射	计算机视觉	NA	深度学习	NA	图像	4 × 4 网格上的颗粒集合
12023	2024-12-08	Multimodal deep learning methods enhance genomic prediction of wheat breeding 2023-05-02, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkad045 PMID:36869747	研究论文	本文比较了一种新的深度学习方法与传统基因组预测模型在小麦育种中的应用	本文首次将深度学习方法应用于基因组与表型组（成像）相结合的基因组预测中	深度学习方法在某些年份的基因组预测准确性略低于GBLUP模型	提高小麦育种中未观测表型的基因组预测准确性	小麦的基因组数据和表型数据	机器学习	NA	深度学习	深度学习神经网络	基因组数据和表型数据	两个小麦数据集（DS1和DS2），DS1包含基因组和表型数据，DS2包含3年、2个环境（干旱和灌溉）和2-4个性状的基因组数据
12024	2024-12-08	Inverse design in quantum nanophotonics: combining local-density-of-states and deep learning 2023-May, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0746 PMID:39635698	研究论文	本文介绍了一种在量子纳米光子学中结合局部态密度和深度学习的逆向设计框架	本文首次将深度学习引入量子光学领域，用于推进量子器件设计，并提供了一个新的平台，用于在没有直接结构与功能特性联系的复杂问题中设计纳米光子结构	NA	推进量子器件设计	量子纳米光子学中的自发辐射和纠缠问题	量子光学	NA	深度学习	全连接神经网络	局部态密度	单个多层壳金属纳米粒子系统中的量子发射器
12025	2024-12-08	Deep learning-enabled analysis of medical images identifies cardiac sphericity as an early marker of cardiomyopathy and related outcomes 2023-04-14, Med (New York, N.Y.) DOI:10.1016/j.medj.2023.02.009 PMID:36996817	研究论文	利用深度学习技术分析心脏磁共振图像，识别心脏球形度作为心肌病及相关结果的早期标志	首次使用深度学习技术测量左心室球形指数，并将其与心肌病和心房颤动的风险关联起来	研究排除了左心室大小或收缩功能异常的受试者，可能影响结果的普适性	探讨心脏形状变化对心血管风险和病理生理学的理解	左心室球形指数与心肌病和心房颤动的关系	计算机视觉	心血管疾病	深度学习	NA	图像	38,897名受试者
12026	2024-12-08	Diffractive interconnects: all-optical permutation operation using diffractive networks 2023-Mar, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0358 PMID:39634345	研究论文	本文介绍了通过深度学习设计的衍射光学网络，能够在全光条件下执行排列操作，并扩展到数十万条输入输出连接	首次实验展示了在太赫兹频段运行的衍射排列网络，并设计了抗对准误差的衍射设计	更深的衍射网络设计在物理对准和输出衍射效率方面存在实际挑战	开发基于衍射光学网络的全光排列操作平台	衍射光学网络的排列操作性能	光学	NA	衍射光学	NA	NA	NA
12027	2024-12-08	Multi-task topology optimization of photonic devices in low-dimensional Fourier domain via deep learning 2023-Mar, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0361 PMID:39634354	研究论文	本文提出了一种基于深度神经网络（DNN）的低维傅里叶域多任务拓扑优化方法，用于光子器件的设计	通过在低维傅里叶域中使用DNN进行拓扑优化，减少了设计自由度，加速了训练过程，并实现了多任务优化	NA	开发一种高效的多任务光子器件优化方法	光子器件，包括波长滤波器和波导耦合单光子源	计算机视觉	NA	深度学习	深度神经网络（DNN）	光学响应	NA
12028	2024-12-08	All-optical ultrafast ReLU function for energy-efficient nanophotonic deep learning 2023-Mar, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0137 PMID:39634351	研究论文	本文展示了使用周期极化薄膜铌酸锂纳米光波导实现的全光超快ReLU函数，为能量高效的纳米光子深度学习提供了新途径	首次实验展示了全光超快ReLU函数，实现了每激活仅耗费飞焦耳能量和近乎即时的操作	NA	探索能量高效的硬件加速器，特别是光学神经网络中的非线性光学函数	全光ReLU函数及其在深度学习中的应用	光学	NA	周期极化薄膜铌酸锂纳米光波导	ReLU	光信号	NA
12029	2024-12-08	Analog nanophotonic computing going practical: silicon photonic deep learning engines for tiled optical matrix multiplication with dynamic precision 2023-Mar, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0423 PMID:39634350	研究论文	本文提出并实验验证了一种通过低基数硅光子处理器上的分块矩阵乘法（TMM）实现速度优化的动态精度神经网络（NN）推理	引入了与光子神经元噪声系数相关的理论模型，并实验验证了动态精度计算在分类任务中的应用，显著减少了线性操作的执行时间	光子硬件尺寸和高速电光组件的有限比特精度限制了性能	加速深度神经网络的线性操作，实现高精度和速度优化的分类性能	光子神经网络的动态精度推理和分类性能	光子学	NA	硅光子处理器	神经网络	IRIS数据集	NA
12030	2024-12-08	Deep Learning Solution for Quantification of Fluorescence Particles on a Membrane 2023-Feb-05, Sensors (Basel, Switzerland) DOI:10.3390/s23041794 PMID:36850392	研究论文	本文提出了一种基于YOLOv5算法的深度学习方法，用于检测和量化膜上荧光颗粒，特别是SARS-CoV-2病毒颗粒	本文创新性地使用了YOLOv5算法和CSPnet作为其骨干网络，结合测试时间增强（TTA）算法，实现了对多尺度、形状多变的荧光细胞的高效检测和量化	本文未提及具体的局限性	开发一种高效、准确的深度学习方法，用于检测和量化环境水样中的SARS-CoV-2病毒颗粒	SARS-CoV-2病毒颗粒及其荧光细胞	计算机视觉	NA	YOLOv5算法	CNN	图像	使用由Linde + Robinson实验室提供的私有数据集进行评估
12031	2024-12-08	A deep generative prior for high-resolution isotropic MR head slices 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2654032 PMID:39629055	研究论文	本文训练了一个StyleGAN3-T模型，用于生成高分辨率各向同性的头部MR切片	本文首次在头部MR切片上训练了一个StyleGAN3-T模型，并保留了图像的完整性以适用于下游任务	NA	开发一个能够生成高分辨率各向同性头部MR切片的生成模型	头部MR切片	计算机视觉	NA	StyleGAN3-T	GAN	图像	使用了来自多个方向和对比度的1mm各向同性体积的切片
12032	2024-12-08	Deep reinforcement learning empowers automated inverse design and optimization of photonic crystals for nanoscale laser cavities 2023-Jan, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0692 PMID:39634850	研究论文	本文提出了一种基于深度强化学习的光子晶体逆向设计方法，用于纳米级激光腔的自动化优化	利用深度强化学习算法L2DO，实现了光子晶体激光腔的自主逆向设计和优化，显著提高了设计效率和性能	本文未提及具体的局限性	开发一种自动化方法，用于光子晶体激光腔的逆向设计和优化	光子晶体纳米激光腔	光子学	NA	深度强化学习	深度Q学习和近端策略优化	NA	两个激光腔：长光子晶体纳米梁和带有L3腔的光子晶体纳米梁
12033	2024-12-08	Deep neural network enabled active metasurface embedded design 2022-Sep, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0152 PMID:39635158	研究论文	本文提出了一种利用深度学习方法进行光子器件中嵌入式主动超表面结构的前向建模和逆向设计的研究	结合神经网络设计和散射矩阵优化显著简化了计算开销，同时实现了精确的目标驱动设计	NA	研究光子器件中嵌入式主动超表面结构的前向建模和逆向设计	光子器件中的主动超表面结构	计算机视觉	NA	深度学习	神经网络	NA	NA
12034	2024-12-08	Photonic (computational) memories: tunable nanophotonics for data storage and computing 2022-Sep, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0089 PMID:39635175	综述	本文综述了新兴的纳米光子器件及其在数据存储和计算中的应用	探讨了光子集成电路和光学纳米材料在芯片级光子存储中的新机遇	光子存储在存储密度上尚未能与电子数字存储相媲美	探讨如何通过光子存储和计算技术改进或超越传统的冯·诺依曼架构	纳米光子器件及其在光子存储和计算中的应用	NA	NA	光子集成电路 (PICs)	NA	NA	NA
12035	2024-12-08	Data enhanced iterative few-sample learning algorithm-based inverse design of 2D programmable chiral metamaterials 2022-Sep, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0310 PMID:39635508	研究论文	提出了一种数据增强迭代少样本学习算法（DEIFS），用于精确高效地逆向设计多形状的二维手性超材料	DEIFS算法通过数据增强和迭代过程，显著减少了数据集的大小，同时提高了逆向设计的速度和准确性，并增加了对实验结果的数据解释性	NA	实现二维手性超材料的精确和高效逆向设计	二维衍射手性结构，包括不同几何参数（宽度、分离空间、桥长和金长）	计算机视觉	NA	数据增强迭代少样本学习算法（DEIFS）	NA	光谱数据	涉及多种形状的二维手性超材料
12036	2024-12-08	Deep learning in light-matter interactions 2022-Jul, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0197 PMID:39635557	研究论文	本文探讨了深度学习在光物质相互作用中的应用及其带来的机遇和挑战	深度学习改善了纳米光子器件的设计和实验数据的获取与分析，甚至在理论基础不足或过于复杂的情况下	深度学习作为黑箱模型，难以理解和解释其结果和可靠性，尤其是在数据集不完整或数据由对抗性方法生成时	探讨深度学习在光子学中的应用及其带来的机遇和挑战	光物质相互作用及其在光子学中的应用	机器学习	NA	深度学习	NA	实验数据和模拟数据	NA
12037	2024-12-08	Computational spectrometers enabled by nanophotonics and deep learning 2022-Jun, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2021-0636 PMID:39635673	综述	介绍了一种新型光谱仪，该光谱仪主要依赖计算技术来恢复光谱信息	结合了纳米光子学、高级信号处理和机器学习的最新进展	面临关键挑战，需要进一步发展	回顾计算光谱仪的最新进展，识别关键挑战，并指出未来可能的发展方向	计算光谱仪及其在机器感知和成像中的应用	NA	NA	纳米光子学、机器学习	NA	光谱数据	NA
12038	2024-12-08	Advancing statistical learning and artificial intelligence in nanophotonics inverse design 2022-Jun, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2021-0660 PMID:39635678	综述	本文综述了纳米光子学逆向设计领域的最新优化方法、深度学习及其混合技术	探讨了深度学习在纳米光子学逆向设计中的应用及其混合技术	未具体提及	探讨纳米光子学逆向设计中的优化方法和人工智能技术的应用	纳米光子学逆向设计中的材料和几何配置	纳米光子学	NA	深度学习	NA	NA	NA
12039	2024-12-08	Free-form optimization of nanophotonic devices: from classical methods to deep learning 2022-Apr, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2021-0713 PMID:39633938	综述	本文综述了自由形式纳米光子器件设计的新兴领域，涵盖了从经典方法到深度学习方法的优化策略	本文介绍了自由形式设计方案，突破了传统设计约束，充分利用了设计潜力	NA	系统概述自由形式纳米光子器件设计领域	自由形式纳米光子器件的优化策略	纳米光子学	NA	NA	NA	NA	NA
12040	2024-12-08	AMPlify: attentive deep learning model for discovery of novel antimicrobial peptides effective against WHO priority pathogens 2022-Jan-25, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-022-08310-4 PMID:35078402	研究论文	介绍了一种名为AMPlify的注意力深度学习模型，用于发现对世界卫生组织优先病原体有效的新型抗菌肽	提出了AMPlify模型，通过深度学习方法预测抗菌肽，并展示了其在筛选蛙类基因组衍生的肽序列中的应用	NA	寻找替代传统抗生素的新型抗菌肽	抗菌肽及其对世界卫生组织优先病原体的活性	机器学习	NA	深度学习	注意力模型	序列数据	从牛蛙基因组中提取的肽序列