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
61	2024-08-05	Computationally Assessing the Bioactivation of Drugs by N-Dealkylation 2018-02-19, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.7b00191 PMID:29355304	研究论文	本文探讨了药物N-去烷基化生物活化的计算评估	首次报告通过结合代谢模型和反应性模型构建的生物活化模型	研究仅基于小型验证集进行测试，可能未涵盖所有药物	研究N-去烷基化在药物代谢中的作用及其生物活化潜力	主要研究人类肝微粒体（HLM）对药物的N-去烷基化反应	计算生物学	NA	深度学习	NA	药物代谢数据	小型验证集的药物分子
62	2024-08-05	Tumor Margin Classification of Head and Neck Cancer Using Hyperspectral Imaging and Convolutional Neural Networks 2018-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2293167 PMID:30245540	研究论文	本研究利用高光谱成像和卷积神经网络对头颈癌肿瘤边缘进行分类	提出了一种新的方法，通过注册的组织学癌症边缘生成高光谱成像的真实标签，并使用三种不同的CNN架构进行组织分类	样本量有限，仅涉及20名患者，需进一步研究以验证结果	研究高光谱成像在癌症切除后识别肿瘤边缘的能力	来自20名接受癌症切除手术的患者的人体手术标本	计算机视觉	头颈癌	高光谱成像	卷积神经网络	图像	20个患者的手术标本
63	2024-08-05	A resolution adaptive deep hierarchical (RADHicaL) learning scheme applied to nuclear segmentation of digital pathology images 2018, Computer methods in biomechanics and biomedical engineering. Imaging & visualization DOI:10.1080/21681163.2016.1141063 PMID:29732269	研究论文	本文提出了一种分辨率自适应深层次学习方案，以提高数字病理图像的核分割效率	创新性地结合低分辨率深度学习网络来判断是否需要高放大率，以优化计算效率和精度	未提及使用多种癌症类型或其他病理图像的评估，可能会限制方法的广泛适用性	研究深度学习在数字病理图像核分割中的应用，以提高处理效率	141个ER+乳腺癌图像的核分割任务	数字病理学	乳腺癌	深度学习	深度层次学习模型	图像	141个ER+乳腺癌图像，包含12000个核的专家标注
64	2024-08-05	Improved deep learning-based macromolecules structure classification from electron cryo-tomograms 2018-Nov, Machine vision and applications IF:2.4Q2 DOI:10.1007/s00138-018-0949-4 PMID:31511756	研究论文	该论文提出了一种基于深度学习的新方法，用于从电子冷冻断层扫描数据中分类大分子结构	本文提出了三种新设计的CNN模型，以提高大规模大分子结构分类的性能	尽管新模型在分类准确性上有显著提高，但仍可能在真实世界数据中面临挑战	改善深度学习在大分子结构分类中的应用性能	使用电子冷冻断层扫描数据进行大分子复杂结构的分类	计算机视觉	NA	电子冷冻断层扫描 (CECT)	卷积神经网络 (CNN)	图像	12个不同信噪比和倾斜角度范围的数据集
65	2024-08-05	Voxel Deconvolutional Networks for 3D Brain Image Labeling 2018-Aug, KDD : proceedings. International Conference on Knowledge Discovery & Data Mining DOI:10.1145/3219819.3219974 PMID:30906620	研究论文	本文提出了一种用于3D脑图像标记的体素反卷积层（VoxelDCL）来解决反卷积层中的棋盘伪影问题	首次在3D空间中提出体素反卷积层以解决反卷积层的棋盘伪影问题，并在U-Net架构上构建了多种变体的体素反卷积网络	该研究主要集中于解决3D空间中的棋盘伪影问题，未深入探讨其他可能的图像处理问题	提高3D脑图像标记的准确性	使用ADNI和LONI LPBA40数据集进行3D脑图像标记任务	计算机视觉	NA	反卷积	U-Net	图像	使用ADNI和LONI LPBA40数据集
66	2024-08-05	MULTI-SCALE SEGMENTATION USING DEEP GRAPH CUTS: ROBUST LUNG TUMOR DELINEATION IN MVCBCT 2018-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI.2018.8363628 PMID:31772718	研究论文	本文提出了一种基于深度图切割的多尺度分割方法，用于肺肿瘤的准确描绘	将多尺度分割问题设定为深度网络中的马尔可夫随机场能量最小化问题，并通过计算图中的最小切割进行求解	未提及具体的限制	旨在提高肺肿瘤分割的准确性	结合38个兆伏锥束计算机断层扫描数据集进行肺肿瘤的分割	计算机视觉	肺癌	深度学习	马尔可夫随机场	图像	38个兆伏锥束计算机断层扫描数据集
67	2024-08-05	Synthesizing Missing PET from MRI with Cycle-consistent Generative Adversarial Networks for Alzheimer's Disease Diagnosis 2018, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-00931-1_52 PMID:34355223	研究论文	提出了一种基于3D循环一致生成对抗网络合成缺失PET图像的方法，用于阿尔茨海默病的诊断	创新性地采用双阶段深度学习框架来处理缺失的PET数据，并利用3D-cGAN捕捉MRI与PET之间的潜在关系	在实验中，缺失PET数据的合成依赖于输入的MRI数据质量	旨在提高阿尔茨海默病的诊断准确性，特别是在存在缺失图像数据的情况下	研究对象主要是阿尔茨海默病患者和轻度认知障碍患者	数字病理学	阿尔茨海默病	3D循环一致生成对抗网络	深度多实例神经网络	多模态神经影像	来自ADNI数据集的多个受试者
68	2024-08-05	Deep convolutional neural network for segmentation of knee joint anatomy 2018-12, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.27229 PMID:29774599	研究论文	本文描述了一种新的分割方法，采用深度卷积神经网络（CNN）、三维全连接条件随机场（CRF）和三维单纯形可变形建模来提高膝关节组织分割的效率和准确性	创新点在于结合了深度卷积神经网络、三维全连接CRF和三维单纯形可变形建模，形成高分辨率的多类组织分类方案	NA	旨在提高膝关节组织分割的效率和准确性	研究对象为膝关节的12种不同关节结构的组织	计算机视觉	NA	3D快速自旋回波MR影像数据集	CNN	图像	NA
69	2024-08-05	Colour and illumination in computer vision 2018-Aug-06, Interface focus IF:3.6Q1 DOI:10.1098/rsfs.2018.0008 PMID:29951188	评论	本文回顾了光照估计的历史和当前算法，并质疑深度学习在这一问题上的有效性	提出了一种基于单纯光照估计算法的最终偏差修正阶段的新方法，强调以曝光不变的方式进行偏差修正	未详细探讨其他算法的应用场景和比较数据	旨在改善计算机视觉中的光照估计准确性和效率	光照估计算法的理论和应用	计算机视觉	NA	NA	NA	图像	NA
70	2024-08-05	An Algorithm Based on Deep Learning for Predicting In-Hospital Cardiac Arrest 2018-06-26, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.118.008678 PMID:29945914	研究论文	本研究提出了一种基于深度学习的预警系统，用于预测院内心脏骤停	该系统表现出比现有的传统追踪和触发系统更高的性能，具有更高的敏感性和更低的误报警率	此研究基于回顾性队列，样本来源于两家医院，可能存在外部有效性限制	研究旨在提高对院内心脏骤停的预测能力	研究对象为2010年6月至2017年7月期间住院的患者共52,131例	机器学习	心脏疾病	深度学习	循环神经网络	医疗数据	52,131名患者
71	2024-08-07	Prediction of protein self-interactions using stacked long short-term memory from protein sequences information 2018-12-21, BMC systems biology DOI:10.1186/s12918-018-0647-x PMID:30577794	研究论文	本文开发了一种基于堆叠长短期记忆（SLSTM）神经网络的深度学习模型，用于预测蛋白质自相互作用	首次应用深度学习方法预测蛋白质自相互作用，并结合Zernike矩（ZMs）和位置特异性权重矩阵（PSWM）进行特征提取	NA	开发一种高效的计算方法来预测蛋白质自相互作用，以弥补传统实验方法的不足	蛋白质自相互作用	机器学习	NA	深度学习	SLSTM	序列	使用了酵母和人类蛋白质自相互作用数据集
72	2024-08-07	Automatic seizure detection using three-dimensional CNN based on multi-channel EEG 2018-12-07, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-018-0693-8 PMID:30526571	研究论文	本文提出了一种基于多通道脑电图（EEG）的三维卷积神经网络（CNN）来自动检测癫痫发作	首次尝试应用三维CNN从EEG中检测癫痫发作，提供了一种从多通道EEG信号中同时学习模式的新方法	NA	旨在提供一个有效的自动癫痫发作检测系统	多通道EEG信号	机器学习	癫痫	三维卷积神经网络（3D CNN）	CNN	脑电图（EEG）数据	13名患者的EEG数据
73	2024-08-07	Deep Learning-Based Automated Classification of Multi-Categorical Abnormalities From Optical Coherence Tomography Images 2018-Nov, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.7.6.41 PMID:30619661	研究论文	本文开发了一种基于深度学习的智能系统，用于自动分类光学相干断层扫描（OCT）图像中的多类别异常	该系统能够自动检测并区分各种OCT图像，准确度极高，性能与人类专家相当或更优	NA	开发一种新的基于深度学习的智能系统，用于自动分类OCT图像	60,407张OCT图像，由17位持牌视网膜专家标记，其中25,134张图像被纳入研究	计算机视觉	NA	深度学习	ResNet	图像	25,134张OCT图像