深度学习在生物医药领域中的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新，已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价10元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 24567 篇文献，本页显示第 12901 - 12920 篇。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12901 | 2024-11-10 |
The automated Greulich and Pyle: a coming-of-age for segmental methods?
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1326488
PMID:38533467
|
研究论文 | 本文回顾了自动化骨龄评估方法的成功与局限，并提出了一种新的假设，即深度学习网络在预测骨龄时捕捉到了超出参考类别的细微差别 | 提出了一个新的假设，即深度学习网络在预测骨龄时捕捉到了超出参考类别的细微差别，并建议使用基于特征骨组的评分来解释预测偏差 | 未具体提及 | 探讨自动化骨龄评估方法的进展及其潜在应用 | 骨龄评估方法及其自动化应用 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
| 12902 | 2024-11-10 |
A review of mechanistic learning in mathematical oncology
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1363144
PMID:38533513
|
综述 | 本文综述了数学肿瘤学中机制学习的现状，并展望了其在肿瘤学领域的发展前景 | 本文提出了机制学习的四种分类（顺序、并行、外在、内在），并讨论了物理信息神经网络、代理模型学习和数字孪生等技术 | 本文未详细讨论机制学习在其他医学领域的应用 | 探讨机制学习在肿瘤学中的应用及其未来发展 | 机制学习在肿瘤学中的应用，包括纵向肿瘤反应预测和时间到事件建模 | 机器学习 | 肿瘤学 | 物理信息神经网络、代理模型学习、数字孪生 | NA | NA | NA |
| 12903 | 2024-11-10 |
Automatic segmentation of atrial fibrillation and flutter in single-lead electrocardiograms by self-supervised learning and Transformer architecture
2023-12-22, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocad219
PMID:37949101
|
研究论文 | 本文开发了一种基于Transformer架构和自监督学习的深度学习模型，用于单导联心电图中的房颤和房扑自动分割 | 本文首次将Transformer架构与自监督学习结合，用于单导联心电图中的房颤和房扑分割 | 本文仅在11个公开数据库和24个外部验证样本上进行了验证，未来需在更多临床数据上进行验证 | 开发一种自动检测房颤和房扑的深度学习模型，以预防中风和缓解血流动力学不稳定 | 单导联心电图中的房颤和房扑 | 机器学习 | 心血管疾病 | 自监督学习 | Transformer | 心电图 | 11个公开数据库中的心电图数据，以及24个外部验证样本 |
| 12904 | 2024-11-10 |
Diffusion Models To Predict 3D Late Mechanical Activation From Sparse 2D Cardiac MRIs
2023-Dec, Proceedings of machine learning research
PMID:38525446
|
研究论文 | 本文提出了一种基于形状约束扩散模型从稀疏的2D心脏MRI图像预测3D晚期机械激活（LMA）图的方法 | 本文的创新点在于利用从训练数据中学习到的对象形状作为先验知识，指导3D重建过程，而不是仅仅依赖于图像强度的空间相关性 | NA | 确定心脏再同步治疗中最佳起搏点的关键在于识别左心室心肌的晚期机械激活区域 | 左心室心肌的3D晚期机械激活图 | 计算机视觉 | 心血管疾病 | 深度学习 | 扩散模型 | 图像 | 使用了公开的3D心肌网格数据集进行训练和测试 |
| 12905 | 2024-11-10 |
DeFine: deep convolutional neural networks accurately quantify intensities of transcription factor-DNA binding and facilitate evaluation of functional non-coding variants
2018-06-20, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gky215
PMID:29617928
|
研究论文 | 本文介绍了一种基于深度学习的模型DeFine，用于准确量化转录因子与DNA结合的强度，并评估非编码变异的功能影响 | DeFine模型不仅能够准确分类转录因子与DNA的结合与否，还能预测实值的结合强度，从而评估变异的功能影响 | NA | 开发一种能够准确预测转录因子与DNA结合强度并评估非编码变异功能影响的工具 | 转录因子与DNA结合的强度以及非编码变异的功能影响 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 序列数据 | 利用大规模的转录因子ChIP-seq数据进行模型训练和验证 |
| 12906 | 2024-11-10 |
Tumor gene expression data classification via sample expansion-based deep learning
2017-Dec-12, Oncotarget
DOI:10.18632/oncotarget.22762
PMID:29312636
|
研究论文 | 本文提出了一种基于样本扩展的深度学习方法用于肿瘤基因表达数据分类 | 本文提出了样本扩展方法，通过随机清洗部分损坏的输入多次来获得大量样本，解决了基因表达数据训练样本不足的问题 | NA | 研究如何有效区分肿瘤样本和正常样本 | 肿瘤基因表达数据 | 机器学习 | NA | 深度学习 | 堆叠自编码器 (SAE) 和一维卷积神经网络 (1DCNN) | 基因表达数据 | NA |
| 12907 | 2024-11-09 |
Adversarial Training With Anti-Adversaries
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3432973
PMID:39046856
|
研究论文 | 本文探讨了对抗训练中不同扰动方向（对抗和反对抗）及其边界对深度神经网络鲁棒性、泛化性和公平性的影响 | 提出了一种结合对抗和反对抗扰动的新型训练方法，通过理论和实验验证了其在提高模型公平性和鲁棒性方面的有效性 | 未提及具体的局限性 | 研究对抗训练在不同扰动方向和边界下的理论和实际影响，提出改进方法以提高模型的公平性和鲁棒性 | 深度神经网络的鲁棒性、泛化性和公平性 | 机器学习 | NA | 对抗训练 | 深度神经网络 | NA | 未提及具体样本数量 |
| 12908 | 2024-11-09 |
DifFace: Blind Face Restoration With Diffused Error Contraction
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3432651
PMID:39042531
|
研究论文 | 提出了一种名为DifFace的新方法，用于盲人脸修复，通过扩散误差收缩来处理未见过的复杂退化问题 | DifFace方法通过建立从低质量图像到高质量图像的后验分布，避免了复杂的损失设计，并能更优雅地处理未见过的复杂退化问题 | NA | 改进盲人脸修复技术，使其能够更好地处理未见过的复杂退化问题 | 盲人脸修复中的低质量图像到高质量图像的转换 | 计算机视觉 | NA | 扩散模型 | 扩散模型 | 图像 | 使用合成数据进行训练 |
| 12909 | 2024-11-09 |
Adan: Adaptive Nesterov Momentum Algorithm for Faster Optimizing Deep Models
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3423382
PMID:38963744
|
研究论文 | 提出了一种名为Adan的自适应Nesterov动量算法，旨在提高深度模型训练速度 | 重新定义了Nesterov加速方法，开发了一种新的Nesterov动量估计方法，避免了在外推点计算梯度的额外开销，并证明了Adan在非凸随机问题中找到ϵ-近似一阶平稳点的复杂度与最佳已知下界匹配 | NA | 提高深度学习模型训练效率 | 深度学习模型优化器 | 机器学习 | NA | 自适应梯度算法 | Nesterov动量算法 | NA | NA |
| 12910 | 2024-11-09 |
Transformer-Based Visual Segmentation: A Survey
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3434373
PMID:39074008
|
综述 | 本文综述了基于Transformer的视觉分割技术，总结了近年来的进展 | Transformer在视觉处理任务中显著超越了传统的卷积或循环方法，提供了更强大、统一和简单的解决方案 | 本文未提及具体的局限性 | 综述基于Transformer的视觉分割技术，总结进展并指出未来研究方向 | 视觉分割技术及其在自动驾驶、图像编辑、机器人感知和医学分析等领域的应用 | 计算机视觉 | NA | Transformer | Transformer | 图像、视频帧、点云 | NA |
| 12911 | 2024-11-09 |
Surface Reconstruction From Point Clouds: A Survey and a Benchmark
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3429209
PMID:39012756
|
综述 | 本文综述并评估了深度学习时代下从点云重建连续二维流形表面的现有方法 | 本文贡献了一个大规模的基准数据集，包含合成和真实扫描数据，并进行了全面的实证研究，特别关注现有方法对扫描缺陷的鲁棒性 | 本文指出多视角扫描点集的对齐问题、表面点缺失和点异常值等实际挑战仍未被现有方法解决 | 综述和评估现有从点云重建表面的方法，并提供一个基准数据集和实证研究 | 从点云重建连续二维流形表面的方法 | 计算机视觉 | NA | 深度学习 | NA | 点云 | 大规模基准数据集，包含合成和真实扫描数据 |
| 12912 | 2024-11-09 |
Dynamic 3D Point Cloud Sequences as 2D Videos
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3421359
PMID:38954587
|
研究论文 | 本文提出了一种新的通用表示方法，称为结构化点云视频（SPCV），通过将动态3D点云序列重新组织为具有空间平滑性和时间一致性的2D视频，以实现高效的3D点云序列处理和分析 | 提出了结构化点云视频（SPCV）表示方法，通过将3D点云序列重新组织为2D视频，利用现有的2D图像/视频技术进行处理，提高了处理效率和效果 | NA | 开发一种新的方法来有效地处理和分析动态3D点云序列 | 动态3D点云序列 | 计算机视觉 | NA | 自监督学习 | NA | 点云 | NA |
| 12913 | 2024-11-09 |
Large-Scale Object Detection in the Wild With Imbalanced Data Distribution, and Multi-Labels
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3421300
PMID:38949947
|
研究论文 | 本文研究了在大规模不平衡数据分布和多标签情况下进行目标检测的问题，并提出了解决方案 | 设计了并发softmax处理多标签问题，并提出软平衡采样方法和混合训练调度器来解决标签不平衡问题 | NA | 提高大规模目标检测任务中的模型性能 | Open Images数据集中的目标检测任务 | 计算机视觉 | NA | NA | NA | 图像 | 涉及Open Images数据集中的大量样本 |
| 12914 | 2024-11-09 |
A Survey of Label-Efficient Deep Learning for 3D Point Clouds
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3416302
PMID:38889032
|
综述 | 本文对三维点云的标签高效深度学习进行了全面的综述 | 首次全面综述了三维点云的标签高效学习方法 | 未提及具体的研究局限性 | 探讨三维点云处理中标签高效学习的必要性、涵盖的子领域及其进展 | 三维点云数据及其在深度学习中的应用 | 计算机视觉 | NA | 深度神经网络 | NA | 点云 | 未提及具体样本数量 |
| 12915 | 2024-11-09 |
NDDepth: Normal-Distance Assisted Monocular Depth Estimation and Completion
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3411571
PMID:38857129
|
研究论文 | 本文提出了一种基于物理（几何）驱动的深度学习框架，用于单目深度估计和完成任务 | 通过估计表面法线和原点距离图作为中间输出，并引入平面感知一致性约束来提高深度估计的准确性 | NA | 提高单目深度估计和完成任务的性能 | 单目深度估计和完成任务 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 使用了NYU-Depth-v2、KITTI和SUN RGB-D数据集 |
| 12916 | 2024-11-09 |
CC4S: Encouraging Certainty and Consistency in Scribble-Supervised Semantic Segmentation
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3415387
PMID:38885110
|
研究论文 | 本文提出了一种名为CC4S的方法，通过设计网络结构、损失函数和训练过程，提高涂鸦监督语义分割中的确定性和一致性 | CC4S通过嵌入随机游走模块和使用软熵损失函数来减少不确定性，并通过自监督训练和神经特征空间的一致性损失来增强一致性 | NA | 解决涂鸦监督语义分割中由于标注稀疏和多样性导致的预测不确定和不一致问题 | 涂鸦监督语义分割中的确定性和一致性 | 计算机视觉 | NA | NA | NA | 图像 | NA |
| 12917 | 2024-11-09 |
A Survey on Open-Vocabulary Detection and Segmentation: Past, Present, and Future
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3413013
PMID:38875096
|
综述 | 本文综述了开放词汇检测和分割的最新进展 | 提出了一个分类法来组织不同的任务和方法，并分析了各种方法的优缺点 | 未提及 | 回顾开放词汇检测和分割的发展历程，分析当前的研究现状，并展望未来的研究方向 | 开放词汇检测和分割的方法和任务 | 计算机视觉 | NA | NA | NA | NA | NA |
| 12918 | 2024-11-09 |
Neural Disparity Refinement
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3411292
PMID:38848234
|
研究论文 | 提出了一种结合传统手工算法和深度学习技术的框架，用于从立体图像中获取高质量、高分辨率的视差图 | 将视差细化过程视为连续特征采样策略，神经视差细化网络可以在任何输出分辨率下估计增强的视差图 | 在从合成图像到真实图像的零样本泛化方面表现最佳，但在其他配置下可能表现不佳 | 开发一种能够处理各种视差图生成方法的高质量视差图细化框架 | 立体图像的视差图 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | NA |
| 12919 | 2024-11-09 |
GT-CAM: Game Theory Based Class Activation Map for GCN
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3413026
PMID:38865236
|
研究论文 | 本文提出了一种基于博弈论的类激活图（GT-CAM）用于图卷积网络（GCN），以提高其在基于骨骼的行为识别中的可解释性 | GT-CAM结合了Shapley值和梯度权重来计算节点重要性，揭示了节点间的合作动态，并提出了一种计算节点联盟Shapley值的方法以减少计算负担 | NA | 提高图卷积网络在基于骨骼的行为识别中的可解释性 | 图卷积网络中的节点和局部子图 | 机器学习 | NA | 博弈论 | GCN | 骨骼数据 | NA |
| 12920 | 2024-11-09 |
SSR-2D: Semantic 3D Scene Reconstruction From 2D Images
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3410032
PMID:38837926
|
研究论文 | 本文提出了一种从2D图像进行语义3D场景重建的方法，无需使用任何3D标注 | 本文的创新点在于利用可微渲染技术，通过2D观测和未知3D空间之间的桥梁，使用RGB图像和2D语义作为监督，实现了从有限的RGB-D图像中联合解决几何完成、着色和语义映射的问题 | NA | 研究目的是探索一种无需3D标注的语义场景重建方法 | 研究对象是3D室内空间的语义建模 | 计算机视觉 | NA | 可微渲染 | NA | 图像 | 涉及两个大规模基准数据集MatterPort3D和ScanNet |