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
15521	2024-08-05	Learning Disentangled Priors for Hyperspectral Anomaly Detection: A Coupling Model-Driven and Data-Driven Paradigm 2024-Jun-04, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3401589 PMID:38833391	研究论文	本文提出了一种结合模型驱动和数据驱动的超光谱异常检测新范式	创新在于引入了分离先验知识的学习方法，结合低秩表示和深度学习技术	未提及具体的实施复杂性或在不同场景下的表现	旨在提高超光谱图像中异常物体检测的准确性	超光谱图像中的背景与异常对象	计算机视觉	NA	深度学习	深度展开架构	超光谱图像	在多个广泛认可的数据集上进行实验
15522	2024-08-05	E2SCNet: Efficient Multiobjective Evolutionary Automatic Search for Remote Sensing Image Scene Classification Network Architecture 2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3220699 PMID:36395135	研究论文	提出了一种高效的多目标进化自动搜索框架E2SCNet，用于遥感图像场景分类网络架构	E2SCNet采用了八种轻量级操作符，构建了多样化的搜索空间，实现了参数数量与准确度的两步进化搜索机制	进化神经架构搜索方法通常需要几天时间	解决遥感图像场景分类中传统网络架构的固定性和不足之处	遥感图像场景分类深度学习网络架构	计算机视觉	NA	多目标进化计算	NA	NA	通过与多种人类专家设计的网络及基于梯度和进化计算的搜索方法获得的网络进行比较
15523	2024-08-05	Automated marine oil spill detection algorithm based on single-image generative adversarial network and YOLO-v8 under small samples 2024-Jun, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2024.116475 PMID:38761680	研究论文	本文介绍了一种针对小样本的海洋油污检测算法，结合了SinGAN和YOLO-v8模型	创新之处在于使用单幅图像生成对抗网络(SinGAN)扩展小样本数据集，并结合YOLO-v8进行油污检测	研究的主要局限在于依赖于从Landsat-8卫星获得的小样本数据集，可能影响检测模型的泛化能力	本研究旨在提升海洋油污检测的准确性和实时性，特别是在样本稀缺的情况下	研究对象为海洋油污检测数据集，主要包括通过Landsat-8卫星拍摄的油污图像	计算机视觉	NA	生成对抗网络(SinGAN), YOLO-v8	YOLO-v8	图像	小样本数据集
15524	2024-08-05	Fourier Domain Robust Denoising Decomposition and Adaptive Patch MRI Reconstruction 2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3222394 PMID:37015441	研究论文	本文提出了一种傅里叶域稳健去噪分解和自适应补丁MRI重建的方法	创新点在于提出了一种新的两步优化方法，针对噪声和低欠采样数据的MRI重建	文中提到的模型在解决鲁棒字典学习问题时仍然是非凸的且计算复杂度高	旨在改善MRI重建过程中的图像质量，特别是在低欠采样和噪声干扰情况下	研究对象为MRI重建中的稀疏性和低欠采样数据	数字病理学	NA	傅里叶变换	低秩和稀疏去噪重建模型（LSDRM）和鲁棒字典学习重建模型（RDLRM）	图像	进行的广泛数值实验
15525	2024-08-05	Tiny Machine Learning for Concept Drift 2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3229897 PMID:37015671	研究论文	本文介绍了一种基于深度学习的概念漂移微型机器学习方案	首次提出了针对概念漂移的微型机器学习（TML-CD）解决方案，结合深度学习特征提取器和k近邻分类器，具有混合适应模块	假设训练过程在云或边缘计算系统中进行，可能限制了在某些环境下的应用	设计能够在嵌入式系统和物联网单元中操作的机器学习技术	针对在概念漂移影响下的数据生成过程进行适应性处理	机器学习	NA	深度学习, k近邻分类	NA	图像和音频	多个基准测试
15526	2024-08-05	Explainable Graph Wavelet Denoising Network for Intelligent Fault Diagnosis 2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3230458 PMID:37015709	研究论文	本文提出了一种可解释的图小波去噪网络用于智能故障诊断	提出了一种新的图小波去噪卷积以提取图结构数据的多尺度特征并实现信号去噪	NA	旨在提升在噪声环境下的智能故障诊断能力	主要研究信号中的故障相关组件及其去噪过程	机器学习	NA	图小波去噪卷积	NA	图结构数据	NA
15527	2024-08-05	Investigation of the MDM2-binding potential of de novo designed peptides using enhanced sampling simulations 2024-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.131840 PMID:38679255	研究论文	本研究通过深度学习设计了高亲和力的肽结合物，以干扰MDM2与p53的相互作用	利用深度学习蛋白质设计和结构预测方法，识别出新的高亲和力肽结合物Pep1和Pep2	在标题和摘要中未提及具体的样本类型或数量，限制了结果的广泛适用性	旨在设计肽以干扰MDM2与p53的相互作用，提供癌症治疗的新途径	针对MDM2的结合肽Pep1和Pep2	计算机视觉	肿瘤	增强采样模拟	深度学习模型	分子动态模拟数据	NA
15528	2024-08-05	Automated CT quantification of interstitial lung abnormality in patients with resectable stage I non-small cell lung cancer: Prognostic significance 2024-Jun, Thoracic cancer IF:2.3Q2 DOI:10.1111/1759-7714.15306 PMID:38682806	研究论文	本文研究了自动化CT定量分析间质性肺异常对I期非小细胞肺癌患者的预后意义	使用基于Fleischner Society定义的深度学习自动定量程序评估间质性肺异常的预测价值	本研究为回顾性分析，可能存在选择偏倚	评估间质性肺异常在I期非小细胞肺癌患者中的预后价值	948名接受肺切除术的I期非小细胞肺癌患者	数字病理学	非小细胞肺癌	深度学习	NA	CT扫描图像	948名I期非小细胞肺癌患者
15529	2024-08-05	Deep learning radiomics of multimodal ultrasound for classifying metastatic cervical lymphadenopathy into primary cancer sites: a feasibility study 2024-Jun, Ultraschall in der Medizin (Stuttgart, Germany : 1980) DOI:10.1055/a-2161-9369 PMID:38052240	研究论文	本研究探讨了基于多模态超声的深度学习放射组学在分类转移性颈部淋巴结病原发癌症位点中的可行性	该研究首次应用深度学习放射组学模型来区分转移性颈部淋巴结病的原发癌症位点	研究没有显示出超声弹性成像和对比增强超声与基础超声联合模型在准确性上有显著性提高	研究的目的是评估深度学习放射组学在分类转移性颈部淋巴结病原发癌症位点中的有效性	研究对象为280名癌症患者的280个经活检确认的转移性颈部淋巴结病样本	数字病理学	头颈肿瘤	多模态超声	深度学习放射组学模型	医学影像	280个转移性颈部淋巴结病样本
15530	2024-08-05	Deep Neural Networks and Tabular Data: A Survey 2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3229161 PMID:37015381	综述	该文章提供了针对异构表格数据的深度学习方法的综述	第一次对表格数据的深度学习方法进行了深入的概述，并进行了系统分类	深度学习模型在监督学习任务中的表现仍然不及基于梯度提升树的算法，暗示研究进展停滞	探索深度学习在表格数据中的应用和方法	针对不同规模和学习目标的真实世界表格数据集进行比较	机器学习	NA	深度学习	NA	表格数据	五个真实世界的表格数据集
15531	2024-08-07	Correction: Deep learning radiomics of multimodal ultrasound for classifying metastatic cervical lymphadenopathy into primary cancer sites: a feasibility study 2024-Jun, Ultraschall in der Medizin (Stuttgart, Germany : 1980) DOI:10.1055/a-2235-8731 PMID:38216132	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15532	2024-08-05	Natalizumab reduces loss of gray matter and thalamic volume in patients with relapsing-remitting multiple sclerosis: A post hoc analysis from the randomized, placebo-controlled AFFIRM trial 2024-May, Multiple sclerosis (Houndmills, Basingstoke, England) DOI:10.1177/13524585241235055 PMID:38469809	研究论文	本研究分析了Natalizumab在复发-缓解型多发性硬化症患者中对灰质和丘脑萎缩的影响	提供了首个安慰剂对照的证据，支持Natalizumab治疗可以减轻灰质和丘脑萎缩	本研究为事后分析，可能存在偏倚	评估Natalizumab对灰质和丘脑萎缩的影响	复发-缓解型多发性硬化症患者	数字病理学	多发性硬化症	深度学习图像分割	NA	MRI数据	NCT00027300中的复发-缓解型多发性硬化症患者的MRI数据
15533	2024-08-05	Using word evolution to predict drug repurposing 2024-Apr-30, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02496-1 PMID:38689287	研究论文	该研究使用词语演变的方法来预测药物再利用。	提出了一种基于词语演变的替代方法，以识别适合再利用的药物	不同模型的性能可能与训练数据的数量相关	探讨通过词语语境变化来识别适合再利用的药物的可能性	临床药物及其再利用	自然语言处理	NA	深度学习分类	NA	文本	使用从MEDLINE中按两个月时间间隔顺序排列的出版物构建的词嵌入
15534	2024-08-05	Enhancing skin lesion classification with advanced deep learning ensemble models: a path towards accurate medical diagnostics 2024-04, Current problems in cancer IF:2.5Q3 DOI:10.1016/j.currproblcancer.2024.101077 PMID:38480028	研究论文	本研究开发了一种基于先进深度学习的皮肤病变分类方法，旨在提高准确性	研究采用了多种深度神经网络模型的集成技术，显著提高了皮肤病变分类的准确性	数据可用性有限，分类不平衡以及噪声问题仍然存在	研究旨在开发准确的皮肤病变分类方法以改善生存率	研究对象为来自HAM10000和ISIC数据集的多样化皮肤病变图像	数字病理学	皮肤癌	图像修复、数据增强、SGD优化	ResNeXt101、SeResNeXt101、ResNet152V2、DenseNet201、GoogLeNet、Xception	图像	HAM10000和ISIC数据集中多样化的皮肤病变图像
15535	2024-08-05	Systemic lupus in the era of machine learning medicine 2024-Mar-04, Lupus science & medicine IF:3.7Q1 DOI:10.1136/lupus-2023-001140 PMID:38443092	综述	这篇文章讨论了机器学习在系统性红斑狼疮研究中的应用。	文章创新地探讨了机器学习如何用于建立预测模型和识别新生物标志物，以理解疾病发生机制、早期诊断和预后。	大多数预测模型在临床应用前仍需要外部验证。	研究机器学习技术在系统性红斑狼疮研究中的整合与应用。	聚焦于系统性红斑狼疮的发病机制、早期诊断和预后研究。	机器学习	系统性红斑狼疮	机器学习	深度学习模型	大数据集	NA
15536	2024-08-05	Advancements in Uric Acid Stone Detection: Integrating Deep Learning with CT Imaging and Clinical Assessments in the Upper Urinary Tract 2024, Urologia internationalis IF:1.5Q3 DOI:10.1159/000538133 PMID:38432217	研究论文	本文旨在通过深度学习分析CT扫描和临床检测数据以识别尿酸结石	结合深度学习与CT成像和临床评估，开发多种预测模型识别尿酸结石	样本量较小，仅包括276名患者	建立准确识别尿酸结石的预测模型	276名上尿路结石患者	机器学习	NA	CT成像、机器学习	深度学习模型	血液和尿液检测数据、CT扫描	276名患者，48名尿酸结石患者和228名其他类型结石患者
15537	2024-08-05	Guided diffusion for inverse molecular design 2023-Oct, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00532-0 PMID:38177755	研究论文	本文介绍了一种新的逆分子设计方法GaUDI，其结合了属性预测的等变图神经网络和生成扩散模型	GaUDI通过结合图神经网络和生成扩散模型，实现了对分子属性的条件设计，并能够生成超出初始分布的分子	未提及具体的局限性	提高分子设计的效率和有效性，特别是在有机电子应用中	生成的475,000个多环芳香系统的数据集	机器学习	NA	生成扩散模型，图神经网络	NA	数据集	475,000个多环芳香系统
15538	2024-08-05	VOC transport in an occupied residence: Measurements and predictions via deep learning 2023-Sep-20, The Science of the total environment DOI:10.1016/j.scitotenv.2023.164559 PMID:37263430	研究论文	本研究监测和预测了占用居住环境中的挥发性有机化合物(VOCs)	通过深度学习模型预测了在占用居住环境中十种典型VOCs的浓度，并发现人类活动对VOCs排放有显著影响	在研究中未涉及更广泛的环境变量和更多的VOCs种类	研究居住环境中VOCs的传输特性及其暴露评估	在占用的住宅中监测和预测十种典型VOCs	数字病理学	NA	深度学习	长短期记忆网络(LSTM)	时间序列数据	10种典型VOCs
15539	2024-08-05	Unsupervised 3D Pose Transfer With Cross Consistency and Dual Reconstruction 2023-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2023.3259059 PMID:37030769	研究论文	本文提出了一种无监督的3D姿态转移方法，旨在从源网格向目标网格转移姿态，同时保留目标网格的身份信息	提出了一种名为X-DualNet的简单而有效的方法，能够在无监督下实现3D姿态转移	依赖于真实场景中有限的地面真实数据，尽管可以实现无监督训练，但可能在某些情况下受到限制	实现高效的无监督3D姿态转移	源网格与目标网格的人类与动物数据	计算机视觉	NA	深度学习	NA	网格数据	广泛的人类和动物数据
15540	2024-08-05	A Generalized Explanation Framework for Visualization of Deep Learning Model Predictions 2023-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2023.3241106 PMID:37022375	研究论文	提出了一种通用的解释框架GALORE，用于深度学习模型预测的可视化	通过统一归因解释和两种其他类型的解释，提出了新的解释类别以处理深度学习模型的不确定性	主要集中于专家领域的细粒度分类问题，可能不适用于其他类型的分类问题	提高对深度学习模型决策过程的理解	使用CUB200和ADE20K数据集进行对象识别和场景分类的实验	计算机视觉	NA	NA	NA	图像	使用两个数据集进行实验，具体样本数量未提及