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
12521	2024-08-09	Machine learning and deep learning tools for the automated capture of cancer surveillance data 2024-Aug-01, Journal of the National Cancer Institute. Monographs DOI:10.1093/jncimonographs/lgae018 PMID:39102883	研究论文	本文探讨了利用机器学习和深度学习模型自动化从非结构化临床文本中提取癌症监测数据的方法	提出了一种新的方法，利用先进的计算能力自动化数据提取，以填补关键信息缺口并创建一个灵活的平台，可添加新的信息源如基因组学	NA	旨在提高癌症监测数据的自动化提取效率和准确性	非结构化临床文本中的关键数据元素，如病理报告、放射学报告、相关生物标志物信息及复发情况	机器学习	癌症	机器学习, 深度学习	NA	文本	NA
12522	2024-08-09	Automated segmentation of liver and hepatic vessels on portal venous phase computed tomography images using a deep learning algorithm 2024-Aug, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14397 PMID:38773719	研究论文	本研究提出了一种基于深度学习算法的自动分割门静脉期CT图像中肝脏和肝血管的方法	该深度学习算法在分割肝脏和肝血管方面表现优异，显著减少了手动处理时间，提高了分割的准确性	本研究为回顾性研究，使用的是私有数据集，可能存在数据偏倚	旨在开发一种自动化的深度学习分割算法，用于门静脉期CT图像中肝脏和肝血管的分割	肝脏和肝血管的自动分割	计算机视觉	NA	深度学习	深度学习算法	CT图像	训练集413张，验证集52张，测试集50张，独立临床数据集44例
12523	2024-08-09	Error detection for radiotherapy planning validation based on deep learning networks 2024-Aug, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14372 PMID:38709158	研究论文	本文利用深度学习算法对3D剂量分布图进行提取，并创建了一个预测模型，用于分类多种机器模型、治疗方法和肿瘤位置的错误	本文提出的CNN模型在预测放射治疗计划验证中的错误分类方面，相较于传统的GPR方法，表现出更优越的预测能力	NA	利用深度学习算法提高放射治疗计划验证的效率和准确性	3D剂量分布图和放射治疗计划验证中的错误分类	机器学习	NA	深度学习	CNN	3D剂量分布数据	94名肿瘤患者
12524	2024-08-09	Neural Network Layer Algebra: A Framework to Measure Capacity and Compression in Deep Learning 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3241100 PMID:37027551	研究论文	本文提出了一种新的框架来测量神经网络的内在属性，特别是卷积网络的能力和压缩性	引入了层代数概念，并基于此提出了层复杂度和层内在能力两个度量标准，这些度量标准独立于网络参数，仅依赖于网络结构	NA	旨在开发一种新的方法来评估神经网络的表达能力和学习能力	神经网络的结构特性和性能	机器学习	NA	NA	CNN	图像	NA
12525	2024-08-09	Understanding Short-Range Memory Effects in Deep Neural Networks 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3242969 PMID:37027555	研究论文	本研究探讨了深度神经网络中随机梯度下降（SGD）的短程记忆效应	提出SGD可以被视为由分形布朗运动（FBM）驱动的随机微分方程（SDE）的离散化，这一观点与传统的布朗或Lévy稳定运动驱动模型不同	NA	深入理解SGD的有效性和其在训练过程中的行为	随机梯度下降（SGD）及其在深度学习中的应用	机器学习	NA	随机梯度下降（SGD）	深度神经网络	NA	NA
12526	2024-08-09	A Hybrid Neuromorphic Object Tracking and Classification Framework for Real-Time Systems 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3243679 PMID:37027553	研究论文	本文提出了一种实时混合神经形态框架，用于使用基于事件的相机进行对象跟踪和分类	采用混合帧和事件的方法，结合帧基于前景事件密度的区域提议方法，实现硬件友好的对象跟踪方案，并在TrueNorth平台上通过能量高效深度网络进行分类	NA	解决深度学习推理在低功耗嵌入式平台上计算和内存密集的问题	对象跟踪和分类	计算机视觉	NA	基于事件的相机	TrueNorth (TN)	图像	使用原始收集的数据集进行训练和测试
12527	2024-08-09	Probabilistic Attention Based on Gaussian Processes for Deep Multiple Instance Learning 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3245329 PMID:37027623	研究论文	本文介绍了一种基于高斯过程的注意力机制（AGP），用于深度多实例学习，提供准确的包级预测和实例级可解释性	AGP模型是一种新颖的概率性注意力机制，基于高斯过程，能够提供不确定性估计，增强对小数据集的鲁棒性	NA	探索在医学领域中，如何通过减少标注工作量来提高多实例学习的性能和不确定性估计	多实例学习在医学图像识别中的应用	机器学习	NA	高斯过程	AGP	图像	在少于100个标签的小数据集上进行了实验验证
12528	2024-08-09	STDAN: Deformable Attention Network for Space-Time Video Super-Resolution 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3243029 PMID:37027773	研究论文	本文提出了一种名为STDAN的可变形注意力网络，用于时空视频超分辨率（STVSR）任务	设计了长短期特征插值（LSTFI）模块和时空可变形特征聚合（STDFA）模块，以更好地利用相邻输入帧的信息和动态视频帧中的时空上下文	NA	提高低分辨率（LR）和低帧率（LFR）视频的时空分辨率	时空视频超分辨率	计算机视觉	NA	双向循环神经网络（RNN）	可变形注意力网络	视频	多个数据集
12529	2024-08-09	Deep learning-based automatic segmentation of bone graft material after maxillary sinus augmentation 2024-Aug, Clinical oral implants research IF:4.8Q2 DOI:10.1111/clr.14221 PMID:38033189	研究论文	研究深度学习在从锥束计算机断层扫描（CBCT）图像中自动分割上颌窦提升术后移植材料中的准确性和可靠性	提出了一种包含3D V-Net和3D Attention V-Net的深度学习模型，用于自动分割移植材料，其性能显著优于传统手动分割方法	NA	评估深度学习模型在上颌窦提升术后移植材料自动分割中的准确性和效率	上颌窦提升术后的移植材料	计算机视觉	NA	CBCT	3D V-Net, 3D Attention V-Net	图像	100对CBCT扫描（训练集82对，测试集18对）
12530	2024-08-09	SASAN: ground truth for the effective segmentation and classification of skin cancer using biopsy images 2024-Aug-01, Diagnosis (Berlin, Germany) DOI:10.1515/dx-2024-0012 PMID:38487874	研究论文	本文提出了一种基于SASAN数据集的皮肤癌诊断方法，通过区域兴趣（ROI）提取来提高分类性能	引入SASAN数据集，专注于ROI提取，以忽略噪声特征并提高模型分类性能	NA	提高皮肤癌自动诊断的准确性	皮肤癌的分割和分类	机器学习	皮肤癌	深度学习	UNet, LinkNet, PSPNet, FPN	图像	包含多样皮肤癌病例的ASAN数据集
12531	2024-08-09	Protein multi-level structure feature-integrated deep learning method for mutational effect prediction 2024-Aug, Biotechnology journal IF:3.2Q2 DOI:10.1002/biot.202400203 PMID:39115336	研究论文	本文介绍了一种基于蛋白质多级结构特征的深度学习方法MLSmut，用于预测突变效应	MLSmut方法整合了蛋白质的共进化、序列语义和几何特征，通过两阶段训练策略提高了预测性能	NA	旨在解决定向进化中识别最佳突变位点的挑战	蛋白质的突变效应	机器学习	NA	深度学习	深度学习模型	蛋白质数据	10个单点突变和2个多点突变扫描数据集，以及40-100个实验测量数据
12532	2024-08-09	A novel method for identifying rice seed purity using hybrid machine learning algorithms 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33941 PMID:39108897	研究论文	本文提出了一种利用混合机器学习算法自动识别特定水稻品种纯度的新方法	该方法通过深度学习架构提取相关特征，并应用机器学习算法进行分类，显著优于现有方法	NA	开发一种有效的水稻种子纯度识别系统	水稻种子纯度	机器学习	NA	混合机器学习算法	深度学习架构	数据	NA
12533	2024-08-09	Cross-modal knowledge distillation for continuous sign language recognition 2024-Jul-30, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106587 PMID:39111160	研究论文	提出了一种跨模态知识蒸馏方法用于连续手语识别，该方法包含两个教师模型和一个学生模型，通过多模态信息传递提高手语识别准确率	引入跨模态知识蒸馏方法，通过两个教师模型提供丰富的软标签辅助学生模型训练	依赖于特定的教师模型和学生模型结构，可能不适用于所有手语识别场景	提高连续手语识别的准确率	连续手语视频到gloss序列的转换	自然语言处理	NA	知识蒸馏	跨模态模型	视频	使用了多个常用的手语数据集，包括PHOENIX 2014T、CSL-Daily和QSL
12534	2024-08-09	Computational design of soluble and functional membrane protein analogues 2024-Jul, Nature IF:50.5Q1 DOI:10.1038/s41586-024-07601-y PMID:38898281	研究论文	本文利用深度学习流程设计了复杂的蛋白质折叠结构和可溶性的膜蛋白类似物	成功将膜蛋白的独特拓扑结构特征在溶液中重现，并展示了其高热稳定性，为药物发现开辟了新途径	NA	设计复杂的蛋白质拓扑结构并赋予其膜蛋白的功能	膜蛋白及其可溶性类似物	机器学习	NA	深度学习	深度学习模型	蛋白质结构数据	NA
12535	2024-08-09	Imaging at the nexus: how state of the art imaging techniques can enhance our understanding of cancer and fibrosis 2024-Jun-13, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05379-1 PMID:38872212	研究论文	本文详细介绍了最新的成像技术在癌症和纤维化疾病诊断中的应用及其相互促进的研究进展	介绍了多种成像技术如PET、MRI、SGHI、超声、放射组学和人工智能在癌症和纤维化诊断中的创新应用	NA	探讨成像技术在癌症和纤维化疾病早期准确诊断中的应用	癌症和纤维化疾病	数字病理学	NA	正电子发射断层扫描(PET), 磁共振成像(MRI), 第二代谐波成像(SGHI), 超声(US), 放射组学, 人工智能(AI)	深度学习(DL)	图像	NA
12536	2024-08-09	Source-free unsupervised domain adaptation: A survey 2024-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106230 PMID:38490115	综述	本文从技术角度对现有的无源域无监督域适应（SFUDA）方法进行了系统的文献综述	提出了对SFUDA方法的分类，包括白盒SFUDA和黑盒SFUDA，并进一步细分为不同的学习策略子类别	讨论了每个子类别方法的挑战，以及白盒和黑盒SFUDA方法的优缺点	综述无源域无监督域适应方法，探讨其未来发展方向	无源域无监督域适应方法及其应用	机器学习	NA	深度学习	NA	NA	NA
12537	2024-08-09	Deep learning performance compared to healthcare experts in detecting wrist fractures from radiographs: A systematic review and meta-analysis 2024-May, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111399 PMID:38428318	meta-analysis	本研究通过系统综述和荟萃分析，评估了深度学习算法在腕部骨折诊断中的准确性，并与医疗专家的诊断结果进行了比较	研究发现卷积神经网络（CNN）的诊断准确性与医疗专家相当	需要更多采用严格参考标准、外部数据集验证以及探索医疗专家辅助下CNN诊断性能的研究	评估深度学习算法在腕部骨折诊断中的准确性	腕部骨折的诊断	machine learning	NA	convolutional neural networks (CNN)	CNN	image	共包含33,026张腕部X光片
12538	2024-08-09	Artificial intelligence for cervical cancer screening: Scoping review, 2009-2022 2024-May, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics DOI:10.1002/ijgo.15179 PMID:37811597	综述	本文综述了2009年至2022年间人工智能在宫颈癌早期影像诊断中的应用	支持向量机和深度学习方法（如卷积神经网络、ResNet和VGG）显示出超过97%的最佳诊断性能	需要进一步研究以验证这些发现	描述和综合关于人工智能在宫颈癌早期影像诊断中诊断准确性的文献	人工智能在宫颈癌影像诊断中的应用	机器学习	宫颈癌	卷积神经网络（CNN）、ResNet、VGG	卷积神经网络（CNN）	图像	32项研究
12539	2024-08-09	Deep Probabilistic Principal Component Analysis for Process Monitoring 2024-Apr-23, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3386890 PMID:38652625	研究论文	本文提出了一种新的深度概率主成分分析（DePPCA）模型，结合了概率建模和深度学习的优势，用于工业过程的监控和故障检测	DePPCA模型通过贪婪逐层预训练和端到端微调两个阶段构建，能够提取高层次特征并提高模型对高层次特征的表示能力	NA	开发一种能够实现精确和高效过程监控的新模型	工业过程的监控和故障检测	机器学习	NA	概率主成分分析（PPCA）	深度学习模型	工业过程数据	具体样本数量未在摘要中提及
12540	2024-08-09	Classification of substances by health hazard using deep neural networks and molecular electron densities 2024-Apr-16, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00835-y PMID:38627862	研究论文	本文提出了一种利用3D电子密度信息训练深度神经网络管道来分割高、中、低电负性区域并分类物质为健康有害或无害的方法	本文首次使用3D电子密度表示法训练机器学习模型，利用分子的真实空间域进行预测	NA	旨在通过展示深度学习网络可以基于分子的3D电子密度表示进行训练，为用于训练机器学习算法的多样化3D分子表示做出贡献	研究对象包括化妆品和食品产品中的有害和无害物质	机器学习	NA	3D电子密度计算	3D-UNet	3D电子密度立方体	自定义的欧洲化学品管理局(ECHA)子集和自定义食品数据集(CompFood)