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
21	2024-08-05	A new method for enhancer prediction based on deep belief network 2017-Oct-16, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-017-1828-0 PMID:29072144	研究论文	本文提出了一种基于深度置信网络的增强子预测新方法	该研究提出了一种结合多种特征的新计算方法，称为EnhancerDBN，在增强子预测中表现优于现有的13种方法	目前的研究可能受限于计算模型在不同细胞系间的不一致性	旨在提高增强子预测的准确性和性能	关注增强子作为基因表达调控的重要元素	计算生物学	NA	深度学习	深度置信网络	DNA序列特征、DNA甲基化、组蛋白修饰	NA
22	2024-08-05	Multi-categorical deep learning neural network to classify retinal images: A pilot study employing small database 2017, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0187336 PMID:29095872	研究论文	这项研究使用深度学习卷积神经网络自动检测多种视网膜疾病	首次将转移学习与集成分类器结合，提升了多类别视网膜疾病的分类性能	由于数据集规模较小，本研究中的深度学习技术难以应用于临床	探讨深度学习在多种视网膜疾病检测中的应用	视网膜图像的多类别分类	计算机视觉	视网膜疾病	深度学习	CNN	图像	使用来自STARE数据库的10个类别的有限样本
23	2024-08-05	A deep convolutional neural network-based automatic delineation strategy for multiple brain metastases stereotactic radiosurgery 2017, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0185844 PMID:28985229	研究论文	本研究提出了一种基于深度卷积神经网络的自动化脑转移瘤轮廓绘制策略。	开发了用于对比增强T1加权磁共振成像数据集进行脑转移瘤分割的深度学习卷积神经网络算法，并将其集成到自动化分割工作流中。	在患者案例的分割结果中，DICE系数平均值略低，可能需要进一步优化算法。	旨在提升立体定向放射外科（SRS）的治疗规划效率和效果。	针对脑转移瘤进行目标 delineation 的自动化流程。	数字病理学	脑部疾病	磁共振成像(MRI)	CNN	图像	BRATS数据及临床患者数据
24	2024-08-05	A DEEP LEARNING APPROACH FOR CANCER DETECTION AND RELEVANT GENE IDENTIFICATION 2017, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing DOI:10.1142/9789813207813_0022 PMID:27896977	研究论文	本文提出了一种深度学习方法用于癌症检测和乳腺癌关键基因识别	使用堆叠去噪自编码器深入提取高维基因表达特征，并通过监督分类模型验证其在癌症检测中的有效性	未提及具体的样本数量和数据集来源，可能影响结果的普遍适用性	研究癌症检测及乳腺癌诊断所需的基因识别	乳腺癌相关的基因及其在临床诊断中的作用	数字病理学	乳腺癌	深度学习	堆叠去噪自编码器(SDAE)	基因表达数据	NA
25	2024-08-05	Protein Function Prediction Using Deep Restricted Boltzmann Machines 2017, BioMed research international IF:2.6Q3 DOI:10.1155/2017/1729301 PMID:28744460	研究论文	本文探讨了使用深层限制玻尔兹曼机预测部分注释蛋白质的缺失功能注释	首次将深层限制玻尔兹曼机应用于蛋白质功能注释的预测	未提及具体的实验样本规模和数据集的详细信息	研究深度学习技术在蛋白质功能预测中的应用	部分注释的蛋白质	机器学习	NA	深层限制玻尔兹曼机	深层限制玻尔兹曼机	图像, 文本	NA
26	2024-08-07	Deep learning and 3D-DESI imaging reveal the hidden metabolic heterogeneity of cancer 2017-May-01, Chemical science IF:7.6Q1 DOI:10.1039/c6sc03738k PMID:28507724	研究论文	本文利用深度学习和3D-DESI成像技术揭示了癌症的隐藏代谢异质性	采用参数化t-SNE的深度无监督神经网络技术，能够捕捉到线性方法无法识别的复杂非线性关系，从而在3D-DESI-MS数据集中识别出新的代谢簇	NA	探索肿瘤组织的分子结构和代谢异质性	人结直肠腺癌活检样本	机器学习	结直肠癌	3D-DESI-MS	参数化t-SNE	图像	单个结直肠腺癌活检样本
27	2024-08-07	Relevance of deep learning to facilitate the diagnosis of HER2 status in breast cancer 2017-04-05, Scientific reports IF:3.8Q1 DOI:10.1038/srep45938 PMID:28378829	研究论文	本文开发了一种基于深度学习的计算方法，用于自动评估乳腺癌中的HER2生物标志物，以辅助病理学家的诊断。	利用深度学习技术自动评分HER2，以减少病理学家之间的解释差异，提高诊断准确性。	研究样本量较小，仅包括71个乳腺癌切除样本。	探索深度学习在乳腺癌HER2状态诊断中的应用，以提高诊断的一致性和准确性。	乳腺癌中的HER2生物标志物。	数字病理学	乳腺癌	深度学习	NA	图像	71个乳腺癌肿瘤切除样本