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
19661	2024-08-09	Identifying sex from pharyngeal images using deep learning algorithm 2024-08-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68817-6 PMID:39095416	研究论文	本研究利用深度学习算法从咽部图像中识别性别	首次探索使用咽部图像通过深度学习算法识别个体性别	研究仅限于特定年龄组和特定症状的患者	验证深度学习算法在咽部图像中识别性别的可行性	咽部图像和患者性别	计算机视觉	NA	深度学习	卷积神经网络	图像	20,319张图像用于训练，4,869张图像用于验证
19662	2024-08-09	GRU-powered sleep stage classification with permutation-based EEG channel selection 2024-08-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68978-4 PMID:39095608	研究论文	本文提出了一种新的睡眠阶段分类方法，结合基于排列的低成本通道选择方法和深度学习技术，特别是门控循环单元（GRU）模型	通过系统地排列脑电图（EEG）通道，评估不同EEG通道组合，以识别最具有信息量的子集进行5类睡眠阶段分类	当通道少于3个时，性能显著下降；N1类在通道从128个减少到3个随机或3个AASM推荐通道时，预测准确性受到最大影响	探索和优化使用GRU模型进行睡眠阶段分类的方法	睡眠阶段分类	机器学习	NA	脑电图（EEG）	GRU	脑电图数据	使用国际综合睡眠医学研究所（WPI-IIIS）在筑波大学收集的EEG数据集
19663	2024-08-09	Z-DNA formation in promoters conserved between human and mouse are associated with increased transcription reinitiation rates 2024-08-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68439-y PMID:39090226	研究论文	本文使用深度学习方法DeepZ预测基于DNA序列和核苷酸结构特性的Z-flipons，并研究了其在人类和小鼠基因组中的保守性及其对转录重启动率的影响。	首次揭示了Z-flipons在神经发生相关基因的替代和双向启动子中的显著富集，并证明了其与转录重启动率的增加有关。	NA	探讨Z-DNA在转录中的作用及其对基因表达的影响。	Z-flipons在人类和小鼠基因组中的分布及其对转录重启动率的影响。	生物信息学	NA	深度学习	transformer算法	DNA序列	人类和小鼠基因组
19664	2024-08-09	Improved microvascular imaging with optical coherence tomography using 3D neural networks and a channel attention mechanism 2024-08-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68296-9 PMID:39090263	研究论文	本文提出了一种利用3D卷积神经网络和通道注意力机制改进光学相干断层扫描（OCT）微血管成像的方法	通过考虑3D空间上下文，3D卷积神经网络减少了信息损失，保留了OCTA图像中的精细细节和边界	传统的统计和深度学习方法通常只处理单个2D B-扫描，忽略了相邻B-扫描的上下文信息和组织内的3D特征	提高光学相干断层扫描血管成像（OCTA）的准确性和临床适用性	皮肤微血管成像和分析	计算机视觉	心血管疾病	光学相干断层扫描血管成像（OCTA）	3D卷积神经网络（CNN）	图像	NA
19665	2024-08-09	A comprehensive multi-task deep learning approach for predicting metabolic syndrome with genetic, nutritional, and clinical data 2024-08-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68541-1 PMID:39090161	研究论文	本文提出了一种多任务深度学习模型，用于同时预测代谢综合征及其五个组成部分	该研究首次采用多任务深度学习模型，能够同时处理代谢综合征及其五个组成部分的预测，提高了预测性能	NA	旨在开发一种能够同时预测代谢综合征及其组成部分的新方法	代谢综合征及其五个组成部分	机器学习	心血管疾病	深度学习	多任务深度学习模型	遗传、营养和临床数据	7729名个体的352,228个单核苷酸多态性（SNPs）数据
19666	2024-08-09	Forecasting rheumatoid arthritis patient arrivals by including meteorological factors and air pollutants 2024-08-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67694-3 PMID:39090144	research paper	本研究旨在构建长短期记忆（LSTM）模型，结合气象因素和空气污染物来预测类风湿性关节炎（RA）患者到达情况，并与传统方法进行比较	首次尝试使用LSTM模型结合气象因素和空气污染物来预测RA患者到达情况，并证明其预测准确性优于传统的MA和AR模型	NA	预测类风湿性关节炎患者到达情况，优化医疗资源分配	类风湿性关节炎患者到达情况	machine learning	rheumatoid arthritis	NA	LSTM	numerical data	2422名个体
19667	2024-08-09	Fast flow field prediction of pollutant leakage diffusion based on deep learning 2024-Aug, Environmental science and pollution research international DOI:10.1007/s11356-024-34462-9 PMID:39073715	研究论文	本文介绍了一种基于深度学习的两级网络方法，用于模拟污染物扩散的流动特性	该方法在流场预测精度上相比传统深度学习方法有显著提升，并且计算效率比传统计算流体动力学（CFD）方法提高了800倍以上	深度学习方法虽然不受网格限制，但可能无法完全替代CFD方法	研究目的是提高污染物泄漏和扩散过程的预测效率和准确性	研究对象是污染物泄漏和扩散的流场	机器学习	NA	深度学习	两级网络	流场数据	未具体说明样本数量
19668	2024-08-09	Intraoperative near infrared functional imaging of rectal cancer using artificial intelligence methods - now and near future state of the art 2024-Aug, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06731-9 PMID:38858280	research paper	本文讨论了人工智能增强的吲哚菁绿（ICG）灌注分析在直肠癌手术中的概念和实践，并强调了近期和未来的关键进展	介绍了计算机视觉和时间序列分析的突破性发展，这些技术能够在手术中实时量化和分类直肠癌组织的荧光灌注信号，准确区分正常、良性与恶性组织	NA	探索人工智能在直肠癌手术中近红外功能成像的应用，以提高诊断和治疗的精确度	直肠癌组织及其荧光灌注信号的实时量化和分类	computer vision	直肠癌	近红外成像	NA	图像	NA
19669	2024-08-09	PreCNet: Next-Frame Video Prediction Based on Predictive Coding 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3240857 PMID:37022810	研究论文	本文将Rao和Ballard（1999）的经典预测编码模型转化为现代深度学习框架，并提出了PreCNet网络，用于下一帧视频预测任务	将预测编码理论应用于机器学习，并展示了基于神经科学模型的架构在视频预测任务中的优异性能	较大的训练集（2M图像）表明KITTI训练集存在局限性	探索预测编码理论在机器学习中的应用，并验证基于神经科学模型的深度学习框架的性能	下一帧视频预测任务	机器学习	NA	深度学习	PreCNet	图像	测试集包含城市环境中的车载摄像头图像，训练集包括2M图像
19670	2024-08-09	Taming Self-Supervised Learning for Presentation Attack Detection: De-Folding and De-Mixing 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3243229 PMID:37027593	研究论文	本文提出了一种基于自监督学习的演示攻击检测方法DF-DM，通过全局-局部视图结合去折叠和去混合策略，提高模型对未知演示攻击工具的泛化能力	首次证明了模型初始化对演示攻击检测泛化能力的重要性，并提出了一种新的自监督学习方法DF-DM	NA	提高生物识别系统对演示攻击的检测能力，特别是对未知演示攻击工具的泛化能力	演示攻击检测技术	机器学习	NA	自监督学习	NA	图像	在CASIA-FASD和Idiap Replay-Attack数据集上进行训练，评估在OULU-NPU和MSU-MFSD数据集上的表现
19671	2024-08-09	Unambiguous and High-Fidelity Backdoor Watermarking for Deep Neural Networks 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3250210 PMID:37028031	研究论文	本文提出了一种明确且高保真的深度神经网络后门水印方案，通过设计确定性依赖的触发样本和标签，提高了水印对抗模糊攻击的鲁棒性，并通过改进后门保真度的评估方法，显著提升了水印的保真度。	本文创新性地设计了确定性依赖的触发样本和标签，使模糊攻击的复杂度从线性增加到指数，同时提出了基于训练数据特征分布和决策边界的新保真度评估方法。	NA	旨在解决深度神经网络水印技术中的后门水印模糊攻击问题，并提高水印的保真度。	深度神经网络的水印技术，特别是后门水印的鲁棒性和保真度。	机器学习	NA	深度学习	CNN	图像	使用了两个版本的ResNet18、WRN28_10和EfficientNet-B0模型，在MNIST、CIFAR-10、CIFAR-100和FOOD-101数据集上进行实验。
19672	2024-08-09	Automatic Learning Rate Adaption for Memristive Deep Learning Systems 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3244006 PMID:37027694	研究论文	本文提出了一种用于忆阻深度学习系统的自动学习率调整方法	首次在忆阻深度学习系统中使用自适应学习率进行图像识别，并采用了量化神经网络架构，提高了训练效率且未损失测试精度	NA	旨在通过忆阻器提升混合互补金属氧化物半导体（CMOS）技术在硬件中的性能	忆阻深度学习系统中的学习率调整	机器学习	NA	忆阻器	深度神经网络（DNNs）	图像	NA
19673	2024-08-09	A Survey on Offline Reinforcement Learning: Taxonomy, Review, and Open Problems 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3250269 PMID:37030754	综述	本文对离线强化学习进行了分类，回顾了最新的算法突破，并指出了现有基准的特性和不足，同时提出了未来的研究方向	提出了一个统一的分类法来分类离线强化学习方法，并总结了每种方法和方法类在不同数据集属性上的性能	NA	旨在为离线强化学习领域提供一个全面的回顾和未来的研究方向	离线强化学习算法及其在不同数据集上的性能	机器学习	NA	强化学习	NA	数据集	NA
19674	2024-08-09	Class-Incremental Learning Method With Fast Update and High Retainability Based on Broad Learning System 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3259016 PMID:37030863	研究论文	本文提出了一种基于广义学习系统的类增量学习方法（BLS-CIL），该方法能够快速更新并高度保留旧类知识	引入了一种新的类相关损失函数，考虑了新旧类之间的相关性，并开发了一种新的递归更新规则（RULL），无需重放所有旧类的示例	NA	旨在开发一种能够快速更新且高度保留旧类知识的类增量学习方法	类增量学习方法在实际应用中的性能	机器学习	NA	广义学习系统	浅层神经网络	图像、表格/数值数据	12个真实世界数据集，包括7个表格/数值数据集和6个图像数据集
19675	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
19676	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
19677	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
19678	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
19679	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
19680	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