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
14341	2024-08-05	Public health nurse perspectives on predicting nonattendance for cervical cancer screening through classification, ensemble, and deep learning models 2024 Jul-Aug, Public health nursing (Boston, Mass.) DOI:10.1111/phn.13334 PMID:38757647	研究论文	本研究旨在使用各种算法准确预测女性在宫颈癌筛查中不参加的主要障碍	本研究引入了集合和深度学习模型来提高对宫颈癌筛查不参加者的预测准确性	研究中未提及样本的地域和背景的限制	探讨影响女性参加宫颈癌筛查的障碍因素并进行预测	1046名在基层卫生中心就诊的女性的数据	数字病理学	宫颈癌	分类、集合、深度学习模型	LSTM、随机森林、神经网络、朴素贝叶斯	数据	1046
14342	2024-08-05	The Impact of Artificial Intelligence on Allergy Diagnosis and Treatment 2024-Jul, Current allergy and asthma reports IF:5.4Q1 DOI:10.1007/s11882-024-01152-y PMID:38954325	综述	本文章探讨了人工智能在过敏诊断和治疗中的潜在应用及其益处	探讨了机器学习在过敏诊断中的应用及其对患者数据集的学习模式	存在与人工智能整合医疗过程相关的伦理挑战和隐私问题	研究人工智能在免疫性疾病诊断和管理中的应用潜力	重点关注人工智能在过敏反应相关研究中的应用	机器学习	过敏性疾病	机器学习	NA	病人数据集	NA
14343	2024-08-05	Defocus Blur Detection Attack via Mutual-Referenced Feature Transfer 2024-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3219059 PMID:36374887	研究论文	本文探索生成对抗图像以攻击失焦模糊检测网络。	提出了一种新的互参考攻击框架，利用失焦区域和对焦区域的互特征参考来提高对抗图像的质量。	未提及具体的限制	研究旨在通过生成对抗样本来攻击失焦模糊检测网络。	研究对象为失焦模糊检测（DBD）网络及其性能提升。	计算机视觉	NA	NA	NA	图像	NA
14344	2024-08-05	MRI-based prostate cancer classification using 3D efficient capsule network 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.16975 PMID:38346111	研究论文	本研究提出了一种基于3D高效胶囊网络的前列腺癌风险分层方法	开发了一种3D高效胶囊网络，克服了传统CNN模型在位置编码方面的不足，增强了对图像变换的鲁棒性	该研究可能受限于数据的不平衡性和模型的泛化能力	研究旨在利用MRI影像对前列腺癌进行风险分层	参与研究的对象为976名前列腺癌患者的T2加权MRI影像数据	数字病理学	前列腺癌	MRI	3D胶囊网络	影像	976名患者的MRI数据
14345	2024-08-05	[Microbial metaproteomics--From sample processing to data acquisition and analysis] 2024-Jul, Se pu = Chinese journal of chromatography DOI:10.3724/SP.J.1123.2024.02009 PMID:38966974	研究论文	微生物组蛋白质组学成为研究微生物的重要方法，但在样本处理和数据分析上存在挑战	强调了数据独立采集（DIA）在微生物组样本分析中的潜力，并探讨了深度学习和人工智能在分析准确性和速度上的应用	样本的复杂性和高度异质性限制了微生物组蛋白质组分析的深入覆盖	探讨微生物组蛋白质组学的方法，包括样本处理、数据采集和分析	关注微生物社区的组成与功能	数字病理学	NA	质谱分析，元基因组测序	深度学习	蛋白质组数据	NA
14346	2024-08-05	Invertible Residual Blocks in Deep Learning Networks 2024-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3238397 PMID:37022256	研究论文	本文研究了在深度学习网络中可逆残差块的条件和方法	提出了残差块可逆性的充要条件，并通过具体的卷积方法实现了可逆残差块	一般情况下，采用的可逆残差网络存在应用上的严格限制	研究残差块的可逆性，以改善信息丢失问题	深度学习网络中的残差块	机器学习	NA	NA	NA	实验数据	NA
14347	2024-08-05	Power Law in Deep Neural Networks: Sparse Network Generation and Continual Learning With Preferential Attachment 2024-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3217403 PMID:36342998	研究论文	本文探讨了深度神经网络的拓扑结构是否呈现幂律分布以及如何利用这种拓扑结构构建性能良好的稀疏神经网络	提出了通过优先连接机制和幂律动态构建高效稀疏深度神经网络的新方法	对已有深度神经网络的实证分析可能未涵盖所有类型的网络	研究深度神经网络的拓扑特性及其在构建 compact DNNs 中的应用	稀疏深度神经网络和优先连接机制	机器学习	NA	深度神经网络	NA	样本数据	相比其他基准方法，使用更少的样本进行训练
14348	2024-08-05	Training of a deep learning based digital subtraction angiography method using synthetic data 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.16973 PMID:38353632	研究论文	本文提出了一种使用合成数据训练深度学习基础的数字减影血管造影方法	研究通过生成没有典型伪影和噪声的合成数字减影血管造影图像对，为深度学习模型训练提供了丰富的数据	目前的深度学习数字减影血管造影模型仍无法令人满意地显示特定结构，也不能预测无噪声图像	研究旨在为深度学习数字减影血管造影模型的训练提供丰富的合成图像对	研究对象包括合成数字减影血管造影图像和临床数字减影血管造影数据	数字病理学	心血管疾病	计算机断层扫描 (CT)	深度学习模型	图像	超过7000张CT图像和超过25000张合成血管投影图像
14349	2024-08-05	Intelligent Power System Stability Assessment and Dominant Instability Mode Identification Using Integrated Active Deep Learning 2024-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3238168 PMID:37022042	研究论文	本文提出了一种智能框架，用于基于主动深度学习识别电力系统中的主导不稳定模式	提出了一种集成的主动深度学习查询策略，以减少标记数据集所需的人力专家工作	未提及具体的局限性	提高电力系统稳定性评估和应急控制的效率	电力系统中主导不稳定模式的识别和分类	机器学习	NA	主动深度学习	NA	数据集样本	在中国电力研究院 36 个节点系统和东北电力系统的案例研究中使用
14350	2024-08-05	Greybox: A hybrid algorithm for direct estimation of tracer kinetic parameters from undersampled DCE-MRI data 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.16935 PMID:38214325	研究论文	提出了一种混合算法Greybox，直接从欠采样的DCE-MRI数据中估计示踪剂动力学参数	首次利用基于卷积神经网络的编码作为插件优先项来改善重建算法的性能	未提及文章的具体局限性	解决从欠采样DCE-MRI数据中直接估计示踪剂动力学参数的非线性逆问题	用于脑部、乳腺和前列腺的DCE-MRI数据集	数字病理学	乳腺癌、前列腺癌	动态对比增强（DCE）MRI	UNET	图像	乳腺数据集：10名患者（1032个训练样本，752个验证样本）；前列腺数据集：18名患者（720个训练样本，216个验证样本）；脑部数据集：19名患者（3152个训练样本，1168个验证样本）
14351	2024-08-05	An Efficient Federated Learning Framework for Machinery Fault Diagnosis With Improved Model Aggregation and Local Model Training 2024-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3238724 PMID:37022453	研究论文	本文提出了一种高性能的联邦学习框架，用于机械故障诊断。	提出了一种结合遗忘卡尔曼滤波器和立方指数平滑的优化聚合策略，以及一个结合多尺度卷积、注意力机制和多阶段残差连接的深度学习网络。	未提及	提高机械故障诊断模型的效率和泛化能力，同时保护数据隐私。	多客户端设备的故障数据。	机器学习	NA	联邦学习	深度学习网络	数据集	两个机械故障数据集
14352	2024-08-05	Surrogate-Assisted and Filter-Based Multiobjective Evolutionary Feature Selection for Deep Learning 2024-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3234629 PMID:37018667	研究论文	本文章提出了用于深度学习的多目标进化特征选择的新方法	采用了一种新的基于代理的辅助方法来降低包裹型目标函数的高计算成本，并结合了过滤型和包裹型特征选择技术	尽管提出了新方法，但其有效性仍需在更广泛的应用背景中验证	提高深度学习预测模型中的特征选择性能	针对空气质量和室内温度预测问题进行特征选择	机器学习	NA	基于进化算法	NA	时间序列数据	NA
14353	2024-08-05	Enhancing adaptive proton therapy through CBCT images: Synthetic head and neck CT generation based on 3D vision transformers 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17057 PMID:38569141	研究论文	本研究介绍了一种基于3D视觉变换器的从CBCT图像生成合成头颈CT的方法。	引入了增强的ViT3D架构来提高从CBCT图像生成pCT图像的准确性，并减少了临床边界内的SPR误差。	需要进一步研究以评估该方法在不同医学成像应用中的鲁棒性和泛化能力。	旨在通过改进图像生成方法来增强适应性质子疗法的有效性。	包括59名接受头颈癌治疗的患者的259对图像数据集。	数字病理学	头颈癌	深度学习	3D视觉变换器	图像	59名患者的259对图像
14354	2024-08-05	High-throughput classification of S. cerevisiae tetrads using deep learning 2024-Jul, Yeast (Chichester, England) DOI:10.1002/yea.3965 PMID:38850080	研究论文	本文开发了一种基于深度学习的图像识别和分类流程，用于高通量检测S. cerevisiae tetrads和分类减数交叉	提出了一种自动化分析方法，能够在不需要tetrad解剖的情况下分析减数分配	未提及具体的实验局限性	提高对S. cerevisiae中减数重组的理解和相关基因的发现	利用野生型和基因敲除突变体的大型图像数据集进行分析	数字病理学	NA	深度学习	NA	图像	大型图像数据集
14355	2024-08-05	Transfer learning for auto-segmentation of 17 organs-at-risk in the head and neck: Bridging the gap between institutional and public datasets 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.16997 PMID:38376454	研究论文	本研究调查了大型公共数据集在头颈部关键器官自动分割中的应用	首次探讨了转移学习如何在有限的机构数据集中，通过使用大型公共数据集来增强模型的表现	仅使用公共数据训练的模型在大多数其他关键器官上的性能较机构数据存在小幅不足	研究大型公共数据集是否可以替代小型机构数据集，用于构建头颈部关键器官的自动分割模型	头颈部关键器官在计算机断层扫描图像中的自动分割	数字病理学	NA	深度学习	3D U-Net	图像	大型公共数据集n > 1000，机构数据集n > 500
14356	2024-08-05	Forecasting fish mortality from water and air quality data using deep learning models 2024 Jul-Aug, Journal of environmental quality IF:2.2Q3 DOI:10.1002/jeq2.20574 PMID:38808585	研究论文	本研究集成了空气和水质数据，以深度学习方法预测鱼类死亡率	创新性地结合了空气和水质数据来测量水质退化，并用深度学习模型进行预测	研究没有考虑所有可能影响鱼类死亡的因素	提高鱼类死亡预测的准确性，以应对水生生物死亡事件的高发	水质和气象数据对鱼类死亡率的影响	机器学习	NA	深度学习	多层感知器和长短期记忆网络	环境数据	4个鱼类死亡事件的数据
14357	2024-08-05	Composite Neighbor-Aware Convolutional Metric Networks for Hyperspectral Image Classification 2024-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3232532 PMID:37015657	研究论文	提出了一种复合邻域感知卷积度量网络，用于高光谱图像分类	提出的CNCMN利用了复合邻居进行表示学习，通过结合图像卷积和图卷积进行灵活的特征提取	与传统卷积神经网络相比，GCN需要完整图的输入，计算消耗巨大	旨在通过批量学习从复合邻居中获取目标特征表示	针对高光谱图像的像素及超像素	计算机视觉	NA	卷积神经网络，图卷积网络	复合邻域感知卷积度量网络	高光谱图像	在三个真实高光谱图像上进行了广泛的实验
14358	2024-08-05	Deep Subdomain Learning Adaptation Network: A Sensor Fault-Tolerant Soft Sensor for Industrial Processes 2024-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3231849 PMID:37015656	研究论文	本研究提出了一种深度子域学习适应网络（DSLAN），用于开发抗传感器故障的软传感器，能够同时处理传感器降级和故障问题	提出了一种新的子域学习者，能够自动学习子域划分，并结合新的概率局部最大均值差异（PLMMD）来衡量源特征与目标特征间的分布差异	未提及局限性	提高软传感器在工业过程中的抗传感器故障能力	工业过程中的传感器数据	数字病理学	NA	深度学习	深度域适应模型	过程数据	使用了Tennessee Eastman基准过程和两个真实工业过程
14359	2024-08-05	Diagnosis of mental disorders using machine learning: Literature review and bibliometric mapping from 2012 to 2023 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32548 PMID:38975193	综述	该文章回顾了2012年至2023年间关于机器学习在精神疾病诊断中应用的文献及其计量学分析	本文展示了机器学习技术在精神疾病诊断中的日益增长的应用和相关的研究进展	该研究的局限性在于仅分析了过去10年的文献，可能未覆盖最新的研究动态	研究机器学习在精神疾病诊断中的应用及其相关文献的计量学映射	对2811篇文献进行了分析，重点关注抑郁症和精神分裂症	机器学习	精神疾病	机器学习，深度学习	决策树分类器，随机森林分类器，支持向量机分类器，LSTM，卷积神经网络	文献	2811篇期刊文章，40篇选定研究
14360	2024-08-05	Paddy insect identification using deep features with lion optimization algorithm 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32400 PMID:38975160	研究论文	本研究提供了一种利用深度学习和机器学习技术及时检测和分类水稻害虫的框架	该研究首次成功结合特征优化技术与深度学习和机器学习，以提高水稻害虫的识别精度	没有提及系统在不同环境或不同类型害虫中的具体适用性	研究旨在早期检测水稻田中的害虫以减少潜在损失	研究对象是水稻害虫的图像数据集	计算机视觉	水稻病害	深度学习、机器学习、图像增强	卷积神经网络（CNN）	图像	数据集分为两组：一组没有水稻害虫，另一组有水稻害虫，具体样本数量未提及