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
19561	2024-09-06	Simultaneous cosegmentation of tumors in PET-CT images using deep fully convolutional networks 2019-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.13331 PMID:30537103	研究论文	研究使用深度全卷积网络（DFCN）在PET-CT图像上同时分割肿瘤的方法	提出了一种基于DFCN的肿瘤同时分割方法，结合了PET和CT的信息，并展示了其优于现有图论分割方法的性能	NA	研究3D深度学习全卷积网络在非小细胞肺癌PET-CT图像上同时分割肿瘤的效用和效率	非小细胞肺癌（NSCLC）的PET-CT图像中的肿瘤	计算机视觉	肺癌	深度学习	全卷积网络（DFCN）	图像	60对PET/CT图像
19562	2024-09-06	Deep learning in medical imaging and radiation therapy 2019-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.13264 PMID:30367497	综述	本文综述了深度学习在医学影像和放射治疗中的应用	本文总结了当前的成就，并指出了未来的应用和技术创新方向	本文主要总结了现有研究，未涉及具体实验或数据分析	总结深度学习在医学影像和放射治疗中的应用现状，并探讨未来的发展方向	深度学习在医学影像和放射治疗中的应用	计算机视觉	NA	深度学习	卷积神经网络	影像	NA
19563	2024-09-05	Predicting Small Molecule Binding Nucleotides in RNA Structures Using RNA Surface Topography 2024-Sep-04, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01264 PMID:39230508	研究论文	本文开发了一种基于空间相关性的深度学习模型ZHmolReSTasite，用于预测带有结的RNA结构中的小分子结合核苷酸	ZHmolReSTasite模型利用RNA表面地形考虑空间相关性，能够准确预测简单和复杂RNA结构中的结合核苷酸	现有方法难以预测带有结的复杂RNA结构中的结合核苷酸	提高RNA小分子结合核苷酸预测的准确性，促进药物发现和抑制剂设计	RNA小分子结合核苷酸的预测	机器学习	NA	深度学习	深度学习模型	RNA结构数据	包含简单RNA结构的基准测试集TE18和RB9，以及带有结的RNA结构的挑战性测试集
19564	2024-09-05	Unrealistic Data Augmentation Improves the Robustness of Deep Learning-Based Classification of Dopamine Transporter SPECT Against Variability Between Sites and Between Cameras 2024-Sep-03, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.267570 PMID:39054285	研究论文	本文提出了一种强烈不切实际的数据增强方法，以提高卷积神经网络（CNN）对多巴胺转运体SPECT图像分类的鲁棒性，特别是在不同站点和不同相机之间的变异性。	使用基于高斯模糊和加性噪声的强烈不切实际数据增强方法，显著提高了CNN在不同数据集上的分类准确性和泛化能力。	NA	提高深度学习在多巴胺转运体SPECT图像分类中的鲁棒性。	多巴胺转运体SPECT图像的自动分类。	计算机视觉	NA	数据增强	CNN	图像	1,100张I-标记的2β-羧甲氧基-3β-(4-碘苯基)--(3-氟丙基)诺特罗潘SPECT图像
19565	2024-09-05	Perspectives on Advancing Multimodal Learning in Environmental Science and Engineering Studies 2024-Sep-03, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c03088 PMID:39226136	研究论文	本文探讨了多模态学习在环境科学与工程研究中的应用和潜力	提出利用多模态学习（MML）整合不同模态数据，以提高环境问题预测模型的准确性和鲁棒性	讨论了在环境科学与工程领域实施多模态学习的挑战	探索多模态学习在环境科学与工程中的应用，以解决复杂的环境问题	环境质量评估、化学危害预测和污染控制技术优化	机器学习	NA	多模态学习（MML）	NA	多模态数据	NA
19566	2024-09-05	Sequence-specific targeting of intrinsically disordered protein regions 2024-Sep-02, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.15.603480 PMID:39071356	研究论文	本文介绍了一种结合生物物理原理和深度学习的方法，用于设计能够特异性地结合到蛋白质无序区域（IDRs）的蛋白质	该方法通过将查询序列通过数百个具有不同口袋深度和间距的模板，实现了对无序序列的通用识别，并通过RFdiffusion优化结合体-目标的适应性	NA	开发一种能够特异性地结合到蛋白质无序区域的方法，以应用于生物研究、治疗和诊断	设计能够结合到39种高度多样化的无结构目标的结合体	生物技术	NA	深度学习, RFdiffusion	NA	蛋白质序列	39种高度多样化的无结构目标，每个目标约36种设计
19567	2024-09-05	A deep learning classification framework for research methods of marine protected area management 2024-Sep, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.122228 PMID:39182377	研究论文	本研究提出了一种基于深度学习的海洋保护区管理方法分类框架，特别关注数据和理论能力，使用自然语言处理技术	该框架通过提取学术资源中的关键词并基于语义相似性进行聚类，生成了用于摘要标注的基准文本，并总结了研究方法的组合类型，提出了数据-理论中和原则	NA	旨在为海洋保护区管理方法提供一个高效的基于理论和数据驱动的方法集成框架	海洋保护区管理方法	自然语言处理	NA	自然语言处理	深度学习	文本	分析了1986至2024年间9049篇海洋保护区管理实证研究文章
19568	2024-09-05	Sensor-based characterization of construction and demolition waste at high occupancy densities using synthetic training data and deep learning 2024-Sep, Waste management & research : the journal of the International Solid Wastes and Public Cleansing Association, ISWA IF:3.7Q2 DOI:10.1177/0734242X241231410 PMID:38385439	研究论文	研究使用深度学习方法和合成训练数据对高密度占用下的建筑拆除废物进行传感器监测	提出了一种生成合成训练图像的方法，避免了耗时的手动标记，并通过在真实图像上测试训练模型来证明其成功	未明确提及	探索不同深度学习架构在建筑拆除废物特征化中的适用性	建筑拆除废物（CDW）的传感器监测和深度学习对象检测方法	机器学习	NA	深度学习	Region-based CNN (Faster R-CNN), YOLOv3, Single Shot MultiBox Detector (SSD)	图像	以砖和砂灰砖混合物作为示例废物流
19569	2024-09-05	A novel Skin lesion prediction and classification technique: ViT-GradCAM 2024-Sep, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.70040 PMID:39221858	研究论文	本文提出了一种基于ViT-GradCAM的新型皮肤病变预测与分类技术	使用ViT-GradCAM架构进行皮肤病变检测和分类，相较于其他深度学习模型，提供了更准确的结果	NA	旨在通过ViT和GradCAM技术提高皮肤病变检测和分类的准确性	皮肤病变	计算机视觉	皮肤癌	ViT-GradCAM	ViT	图像	使用了包含10,015张皮肤镜图像的HAM 10000数据集
19570	2024-09-05	SALR: Sharpness-Aware Learning Rate Scheduler for Improved Generalization 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3263393 PMID:37027266	research paper	本文提出了一种名为SALR的锐度感知学习率更新技术，旨在改善深度学习中的泛化能力并自动化学习率调度过程	SALR方法根据损失函数的局部锐度动态更新基于梯度的优化器的学习率，使优化器能够在锐利谷地自动增加学习率，增加逃脱机会	NA	改善深度学习中的泛化能力并自动化学习率调度过程	深度学习中的学习率调度	machine learning	NA	NA	NA	NA	NA
19571	2024-09-05	Robust-EQA: Robust Learning for Embodied Question Answering With Noisy Labels 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3251984 PMID:37028297	research paper	本文提出了一种针对带有噪声标签的具身问答（EQA）任务的鲁棒学习算法，通过联合训练和分层鲁棒学习算法提高模型对噪声的抵抗力	提出了一个联合训练的共正则化噪声鲁棒学习方法和一个两阶段的分层鲁棒学习算法，以过滤视觉问答模块和导航标签中的噪声	未提及具体限制	提高具身问答系统在噪声环境下的鲁棒性	具身问答系统中的噪声标签问题	computer vision	NA	NA	CNN	image	在极端噪声环境（45%噪声标签）和低级噪声环境（20%噪声标签）下进行了测试
19572	2024-09-05	Improving Deep Neural Networks' Training for Image Classification With Nonlinear Conjugate Gradient-Style Adaptive Momentum 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3255783 PMID:37030680	研究论文	本文提出了一种基于非线性共轭梯度（NCG）方法的新型自适应动量，用于改进深度神经网络（DNNs）的训练	提出的自适应动量无需动量相关的超参数调整，允许使用更大的学习率，加速DNNs训练并提高最终的准确性和鲁棒性	NA	改进深度神经网络的训练过程	深度神经网络的训练优化	机器学习	NA	非线性共轭梯度（NCG）方法	深度神经网络（DNNs）	图像	CIFAR10和CIFAR100数据集
19573	2024-09-05	Effective Active Learning Method for Spiking Neural Networks 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3257333 PMID:37030679	研究论文	本文提出了一种针对深度脉冲神经网络（SNNs）的有效主动学习方法，通过引入ActiveLossNet模块提取特征并选择有价值的样本，以减少标记数据的需求。	本文提出的主动学习算法在多个SNN框架上表现优于随机选择和传统人工神经网络（ANN）的主动学习方法，并且收敛速度更快。	NA	旨在减少训练高性能深度SNNs所需的标记数据量。	深度脉冲神经网络（SNNs）及其主动学习方法。	机器学习	NA	NA	SNN	图像	实验在CIFAR-10、MNIST、Fashion-MNIST和SVHN数据集上进行，使用了七层CIFARNet和20层ResNet-18框架。
19574	2024-09-05	Interactive Feature Embedding for Infrared and Visible Image Fusion 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3264911 PMID:37040245	research paper	本文提出了一种基于自监督学习框架的红外和可见光图像融合的交互特征嵌入方法	通过设计交互特征嵌入模型，在自监督学习框架下有效提取源图像的分层表示，以保留关键信息	NA	克服传统无监督机制在红外和可见光图像融合中关键信息提取不足的问题	红外和可见光图像融合	computer vision	NA	自监督学习	交互特征嵌入模型	图像	NA
19575	2024-09-05	CapsRule: Explainable Deep Learning for Classifying Network Attacks 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3262981 PMID:37053064	研究论文	提出了一种名为CapsRule的有效且高效的基于规则的深度学习解释方法，用于分类网络攻击	CapsRule通过提取高保真规则来解释输入样本如何被分类，并使用预计算的耦合系数在训练阶段重叠规则提取过程以提高效率	NA	开发一种能够提高深度学习模型透明度和效率的规则提取方法，以应用于网络攻击分类	网络攻击分类	机器学习	NA	深度学习	胶囊网络	数据集	超过一百万的先进分布式拒绝服务（DDoS）攻击
19576	2024-09-05	Reducing Urban Traffic Congestion Using Deep Learning and Model Predictive Control 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3264709 PMID:37053060	研究论文	本文提出了一种基于深度学习（DL）的控制算法——基于速度的模型预测控制（VMPC），用于减少城市交通拥堵，特别是针对缓慢时变交通信号控制的情况	该算法结合了深度学习进行系统识别和模型预测控制进行交通信号控制，并引入了基于建模误差熵损失的训练标准，灵感来源于随机分布控制理论	NA	旨在减少城市交通拥堵	城市交通拥堵及交通信号控制	机器学习	NA	深度学习（DL）和模型预测控制（VMPC）	深度学习模型	交通信号控制数据	NA
19577	2024-09-05	Template-Based Contrastive Distillation Pretraining for Math Word Problem Solving 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3265173 PMID:37126637	研究论文	提出了一种基于预训练语言模型的模板对比蒸馏预训练方法（TCDP），用于数学应用题求解，通过多视角对比学习融入数学逻辑知识，并通过知识蒸馏保留丰富的现实世界知识和高品质的语义表示	通过模板对比学习和知识蒸馏，将数学逻辑知识和现实世界知识融入预训练语言模型中，提高了数学应用题求解的能力	NA	提高数学应用题求解的准确性和理解能力	数学应用题求解任务	自然语言处理	NA	预训练语言模型	PLM-based encoder	文本	涉及两个广泛采用的基准数据集Math23K和CM17K
19578	2024-09-05	Unsupervised Deep Tensor Network for Hyperspectral-Multispectral Image Fusion 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3266038 PMID:37134042	研究论文	本文提出了一种无监督深度张量网络（UDTN），用于融合低分辨率高光谱图像（HSI）和高分辨率多光谱图像（MSI），以提高HSI的分辨率	本文将张量理论与深度学习相结合，提出了一种新的无监督学习方法，通过联合表示HSI和MSI的主要成分和共享编码张量，实现了对多维特征的有效处理	NA	研究目的是提高高光谱图像的分辨率	研究对象是低分辨率高光谱图像和高分辨率多光谱图像	计算机视觉	NA	深度学习	张量网络	图像	使用了模拟和真实遥感数据集进行实验
19579	2024-09-05	A Broad Generative Network for Two-Stage Image Outpainting 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3264617 PMID:37220055	研究论文	本文提出了一种用于两阶段图像外推的广义生成网络（BG-Net），通过使用岭回归优化快速训练第一阶段的重建网络，并在第二阶段设计接缝线鉴别器（SLD）进行过渡平滑，显著提高了图像质量。	提出的BG-Net在训练速度上比基于深度学习的网络更快，减少了整体训练时间，并展示了强大的关联绘图能力。	NA	开发一种高效的两阶段图像外推方法，以提高图像处理的效率和质量。	图像外推技术及其在图像处理中的应用。	计算机视觉	NA	NA	广义生成网络（BG-Net）	图像	使用了Wiki-Art和Place365数据集进行实验。
19580	2024-09-05	Motif-Based Contrastive Learning for Community Detection 2024-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3367873 PMID:38408012	研究论文	本文提出了一种基于模体的对比学习框架MotifCC，用于社区检测，通过融合高阶和低阶结构信息来提高检测效果	MotifCC框架通过构建基于模体的高阶网络并应用对比学习方法，有效融合了节点、边以及高阶和低阶结构信息，从而捕捉复杂的非线性关系	NA	改进复杂网络分析中的社区检测方法	复杂网络中的社区结构	机器学习	NA	对比学习	深度学习框架	网络数据	使用真实世界数据集进行广泛实验