深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
41	2025-10-07	A deep learning framework for causal shape transformation 2018-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2017.12.003 PMID:29301111	研究论文	提出一种结合卷积神经网络和堆叠自编码器的混合架构，用于学习将输入视觉模式非线性转换为目标视觉模式的因果动作序列	解决了高维一对多逆映射问题，在微流体流场塑造中首次深入探索深度学习作为逆映射方法的应用	仅针对特定物理领域问题验证，未在更广泛的多步拓扑变换场景中测试	开发能够学习因果形状变换序列的深度学习框架	视觉模式和分布的序列变换	计算机视觉	NA	深度学习	CNN, SAE	视觉模式、分布数据	NA	NA	卷积神经网络, 堆叠自编码器	NA	NA
42	2024-11-15	Pulmonary Artery-Vein Classification in CT Images Using Deep Learning 2018-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2018.2833385 PMID:29993996	研究论文	本文提出了一种基于深度学习的肺动脉和肺静脉在CT图像中的自动分类方法	本文提出了一种新的全自动方法，通过三步流程（尺度空间粒子分割、3D卷积神经网络分类和图割优化）来分类肺动脉和肺静脉，并展示了其优于现有方法的性能	本文仅在18个临床病例的非对比CT扫描上进行了训练和评估，未来需要在更大样本量和更多类型的CT扫描上进行验证	开发一种自动化的方法来区分CT图像中的肺动脉和肺静脉，以辅助医生进行病理诊断	肺动脉和肺静脉在CT图像中的分类	计算机视觉	肺部疾病	3D卷积神经网络	CNN	图像	18个临床病例的非对比胸部CT扫描	NA	NA	NA	NA
43	2024-11-12	Towards a Scalable Software Defined Network-on-Chip for Next Generation Cloud 2018-Jul-18, Sensors (Basel, Switzerland) DOI:10.3390/s18072330 PMID:30021975	研究论文	本文提出了一种可扩展的软件定义片上网络（SDNoC）架构，以支持下一代云计算中的高效和可扩展系统	本文的创新点在于结合了分层片上网络拓扑（如环形和2D网格拓扑）与动态重配置的优势，并引入了数据驱动的编程执行模型，以支持深度学习应用	本文未详细讨论在实际部署中可能遇到的硬件和软件兼容性问题	研究目的是设计一种可扩展且高效的片上网络架构，以支持云计算中的各种应用需求	研究对象包括片上网络的拓扑结构、动态重配置机制以及数据驱动的编程执行模型	计算机网络	NA	片上网络（NoC）	NA	NA	实验中使用了最多1024个处理核心（PEs）进行对比测试	NA	NA	NA	NA
44	2024-11-11	Sixty-five years of the long march in protein secondary structure prediction: the final stretch? 2018-05-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbw129 PMID:28040746	研究论文	本文回顾了蛋白质二级结构预测65年的发展历程，并探讨了当前的技术进步和未来发展方向	本文介绍了最新的深度学习技术在蛋白质二级结构预测中的应用，并提出了预测蛋白质骨架扭转角和Cα原子角度及扭转角的新方法	本文未详细讨论现有方法的具体局限性	探讨蛋白质二级结构预测的最新进展和未来发展方向	蛋白质二级结构预测	生物信息学	NA	深度学习	NA	蛋白质序列和结构数据	1199个非冗余蛋白质的数据库	NA	NA	NA	NA
45	2024-11-10	DeFine: deep convolutional neural networks accurately quantify intensities of transcription factor-DNA binding and facilitate evaluation of functional non-coding variants 2018-06-20, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gky215 PMID:29617928	研究论文	本文介绍了一种基于深度学习的模型DeFine，用于准确量化转录因子与DNA结合的强度，并评估非编码变异的功能影响	DeFine模型不仅能够准确分类转录因子与DNA的结合与否，还能预测实值的结合强度，从而评估变异的功能影响	NA	开发一种能够准确预测转录因子与DNA结合强度并评估非编码变异功能影响的工具	转录因子与DNA结合的强度以及非编码变异的功能影响	机器学习	NA	深度学习	卷积神经网络	序列数据	利用大规模的转录因子ChIP-seq数据进行模型训练和验证	NA	NA	NA	NA
46	2024-10-11	Visualizing histopathologic deep learning classification and anomaly detection using nonlinear feature space dimensionality reduction 2018-05-16, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-018-2184-4 PMID:29769044	研究论文	本文利用t-SNE技术降低特征空间的维度，展示卷积神经网络（CNN）在组织病理学中的分类和异常检测	开发了一种量化和透明的方法，在softmax压缩之前可视化分类决策，并使用t-SNE图上的类间关系进行统计驱动的多类分类	NA	探索如何利用深度学习在组织病理学中进行计算机视觉，并开发更通用的工具来可视化基于组织学的深度学习推断和决策	组织病理学图像的分类和异常检测	数字病理学	NA	t-SNE	CNN	图像	NA	NA	NA	NA	NA
47	2024-10-11	Deep Learning in Nuclear Medicine and Molecular Imaging: Current Perspectives and Future Directions 2018-Apr, Nuclear medicine and molecular imaging IF:1.3Q3 DOI:10.1007/s13139-017-0504-7 PMID:29662559	综述	本文综述了深度学习在核医学和分子影像学中的应用现状及未来发展方向	探讨了深度学习在分子影像学中的独特应用，特别是生物标志物开发方面	未提及具体的技术细节或实验结果	介绍深度学习在分子影像学中的应用，并讨论其对临床决策和专家角色的潜在影响	核医学和分子影像学中的深度学习应用	计算机视觉	NA	深度学习	NA	图像	NA	NA	NA	NA	NA
48	2024-10-11	Predicting sex from brain rhythms with deep learning 2018-02-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-018-21495-7 PMID:29449649	研究论文	本文探讨了使用深度卷积神经网络从脑电图中预测性别的可行性	首次展示了深度神经网络能够从脑电图中提取性别特异性信息，准确率超过80%	NA	探索脑电图中的性别特异性信息	脑电图数据	机器学习	NA	深度卷积神经网络	CNN	脑电图	NA	NA	NA	NA	NA
49	2024-10-11	Fully automated detection of breast cancer in screening MRI using convolutional neural networks 2018-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.5.1.014502 PMID:29340287	研究论文	本文开发了一种利用早期相位扫描中的空间信息进行乳腺癌筛查MRI的完全自动化检测系统	提出了一个仅利用早期相位扫描中的空间信息进行乳腺癌检测的CADe系统，并在实验中显著提高了检测敏感性	未提及	开发一种适用于简化的MRI协议的乳腺癌筛查自动化检测系统	乳腺癌筛查MRI图像	计算机视觉	乳腺癌	深度学习	卷积神经网络 (CNN)	MRI图像	385个MRI扫描，包含161个恶性病变	NA	NA	NA	NA
50	2024-10-04	Modeling positional effects of regulatory sequences with spline transformations increases prediction accuracy of deep neural networks 2018-04-15, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btx727 PMID:29155928	研究论文	本文开发了一种基于样条变换的神经网络模块，用于灵活且稳健地建模距离，显著提高了深度神经网络对体内RNA结合蛋白结合位点的预测准确性	提出了样条变换方法，用于在深度神经网络中建模基因组地标之间的相对距离，相比传统的分段线性变换，样条变换在预测准确性、训练速度和鲁棒性方面表现更优	NA	提高深度神经网络对基因调控序列的预测准确性	RNA结合蛋白结合位点和人类剪接分支点	机器学习	NA	深度学习	深度神经网络	基因组数据	123种蛋白质中的120种	NA	NA	NA	NA
51	2024-09-14	[Computer-aided diagnosis of Parkinson's disease based on the stacked deep polynomial networks ensemble learning framework] 2018-12-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.201709030 PMID:30583319	研究论文	本文提出了一种基于堆叠深度多项式网络（SDPN）的集成学习框架，用于帕金森病（PD）的计算机辅助诊断（CAD）	引入了一种新的监督深度学习算法——深度多项式网络（DPN），并在此基础上构建了堆叠DPN（SDPN）集成学习框架，显著提高了小数据集上的诊断准确性	NA	提高基于磁共振成像（MRI）的帕金森病计算机辅助诊断的准确性	帕金森病（PD）的诊断	计算机视觉	神经退行性疾病	深度学习	深度多项式网络（DPN）	图像	使用了Parkinson's Progression Markers Initiative数据集（PPMI）中的MRI图像数据	NA	NA	NA	NA
52	2024-09-14	[Research of electroencephalography representational emotion recognition based on deep belief networks] 2018-04-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.201706035 PMID:29745522	研究论文	本文利用深度信念网络（DBN）模型处理脑电图（EEG）信号，识别情绪状态（积极、消极和中性），并与支持向量机（SVM）进行比较	本文首次在开源深度学习框架中使用DBN模型进行情绪识别，并发现DBN在分类准确性和稳定性上优于传统的SVM	研究仍需进一步深入，以建立更准确的情绪识别系统	探索深度学习算法在情绪识别中的应用，提高分类器的性能	脑电图（EEG）信号的情绪状态识别	机器学习	NA	深度信念网络（DBN）	深度信念网络（DBN）	脑电图（EEG）信号	不同情绪刺激下的受试者脑电图信号	NA	NA	NA	NA
53	2024-09-05	Model-Based Learning for Accelerated, Limited-View 3-D Photoacoustic Tomography 2018-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2018.2820382 PMID:29870367	研究论文	本文提出了一种专门设计用于从有限光声测量中提供高分辨率3D图像的深度神经网络	网络设计为迭代方案，并结合了数据拟合的梯度信息以补偿有限视图伪影	NA	加速有限视图3D光声断层成像	光声测量数据	计算机视觉	NA	深度学习	深度神经网络	图像	一组来自肺部CT扫描的分段血管及体内光声测量数据	NA	NA	NA	NA
54	2024-08-28	Towards machine learned quality control: A benchmark for sharpness quantification in digital pathology 2018-04, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2017.09.001 PMID:29241972	研究论文	本文介绍了一种用于模糊检测的基准数据集，并比较了当前最先进的清晰度描述符及其在随机森林框架内的预测性能，同时展示了卷积神经网络如残差网络可以从头开始训练模糊检测器。	提出了一个用于模糊检测的基准数据集，并展示了卷积神经网络在训练模糊检测器方面的应用，以及在临床设置中测试了该框架，显示出优于现有质量控制流程的性能。	未提及具体限制。	旨在解决数字病理学中高吞吐量扫描的质量控制问题。	数字病理学中的模糊区域检测。	数字病理学	NA	卷积神经网络	CNN	图像	未提及具体样本数量。	NA	NA	NA	NA
55	2024-08-25	Quanti.us: a tool for rapid, flexible, crowd-based annotation of images 2018-08, Nature methods IF:36.1Q1 DOI:10.1038/s41592-018-0069-0 PMID:30065368	研究论文	介绍Quanti.us，一个基于众包的图像标注平台，提供了一种比计算算法更准确的图像分析问题解决方案	Quanti.us能够在图像分析任务中实现10-50倍的分析时间节省，且与专家标注相比，其深度学习性能相当	NA	开发一种快速、灵活的图像标注工具，以替代传统的计算算法	图像标注平台Quanti.us的性能和效率	计算机视觉	NA	深度学习	NA	图像	多种中通量图像分析任务	NA	NA	NA	NA
56	2024-08-23	Brain MRI analysis for Alzheimer's disease diagnosis using an ensemble system of deep convolutional neural networks 2018-May-31, Brain informatics DOI:10.1186/s40708-018-0080-3 PMID:29881892	研究论文	本文提出了一种使用深度卷积神经网络的集成系统，用于通过脑部MRI数据分析阿尔茨海默病的诊断	本文模型能够识别阿尔茨海默病的不同阶段，并在早期诊断中获得更优越的性能	NA	旨在通过脑部MRI数据分析提高阿尔茨海默病的诊断准确性	阿尔茨海默病的诊断及其不同阶段	计算机视觉	阿尔茨海默病	深度学习	CNN	MRI图像	使用了Open Access Series of Imaging Studies数据集	NA	NA	NA	NA
57	2024-08-06	Early Prediction of Acute Kidney Injury in Critical Care Setting Using Clinical Notes 2018-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm.2018.8621574 PMID:33376624	research paper	本文探讨了在重症监护中使用临床笔记早期预测急性肾损伤的方法	开发了数据驱动的预测模型，利用临床笔记生成有意义的词汇和概念表示	研究可能依赖于特定医院的临床记录数据，限制了外部验证	旨在提前识别有急性肾损伤风险的重症患者	重症监护病房的急性肾损伤患者	自然语言处理	急性肾损伤	NLP	监督学习分类器和知识引导的深度学习架构	临床笔记	使用重症监护单位入院后24小时内的临床笔记	NA	NA	NA	NA
58	2024-08-07	DBN Structure Design Algorithm for Different Datasets Based on Information Entropy and Reconstruction Error 2018-Dec-04, Entropy (Basel, Switzerland) DOI:10.3390/e20120927 PMID:33266651	研究论文	本文提出了一种基于信息熵和重构误差的深度信念网络（DBN）结构设计算法	该算法创新性地结合了网络深度和节点数量，并同时对其进行优化	NA	旨在为不同数据集设计合适的DBN结构	DBN的结构设计	机器学习	NA	深度学习技术	深度信念网络（DBN）	图像	使用了三个公共数据集（MNIST, Cifar-10 和 Cifar-100）	NA	NA	NA	NA
59	2024-08-07	High-fidelity phenotyping: richness and freedom from bias 2018-Mar-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocx110 PMID:29040596	研究论文	本文探讨了电子健康记录表型分析的丰富性和偏差减少	提出从二元分配转向更丰富的表征研究，并探索新的时间方向和抽象表征，包括深度学习	健康护理过程产生的偏差被视为噪音，未被明确研究	研究如何提高电子健康记录表型分析的保真度，包括丰富性和减少偏差	电子健康记录数据及其在表型分析中的应用	生物医学信息学	NA	深度学习	NA	电子健康记录数据	NA	NA	NA	NA	NA
60	2024-08-07	The Role of a Deep-Learning Method for Negation Detection in Patient Cohort Identification from Electroencephalography Reports 2018, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:30815145	研究论文	本文研究了一种深度学习方法在从脑电图报告中识别患者队列时进行否定检测的作用	本文采用了一种神经否定检测技术，并与现有的神经极性识别系统进行了比较，结果表明该方法能产生更好的患者队列	NA	研究如何通过深度学习技术提高患者队列识别的准确性	脑电图报告中的否定检测	自然语言处理	NA	深度学习	神经网络	文本	NA	NA	NA	NA	NA