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
1	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
2	2024-10-11	Opportunities and obstacles for deep learning in biology and medicine 2018-04, Journal of the Royal Society, Interface DOI:10.1098/rsif.2017.0387 PMID:29618526	研究论文	本文探讨了深度学习在生物学和医学领域的应用及其面临的机遇和挑战	深度学习在生物医学领域的应用显示出有希望的进展，尽管改进相对温和，但提供了加速或辅助人类研究的有价值手段	深度学习尚未彻底改变生物医学领域，且在解释模型预测、数据标注不足以及法律和隐私限制方面存在挑战	探讨深度学习在生物医学领域的应用潜力及其面临的挑战	深度学习在患者分类、基本生物过程和患者治疗中的应用	机器学习	NA	深度学习	神经网络	数据	NA
3	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
4	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
5	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。
6	2024-08-05	Spatial Organization and Molecular Correlation of Tumor-Infiltrating Lymphocytes Using Deep Learning on Pathology Images 2018-04-03, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2018.03.086 PMID:29617659	研究论文	该文章展示了利用深度学习对病理图像中的肿瘤浸润淋巴细胞进行空间组织和分子相关性的映射	通过训练卷积神经网络对H&E图像进行计算染色，以获取肿瘤浸润淋巴细胞的映射，这在TCGA样本中是首次提出的	可能未能全面探索所有TCGA样本的多样性与局部空间结构的关联	研究肿瘤浸润淋巴细胞与肿瘤微环境的空间关系	分析13种TCGA肿瘤类型的肿瘤浸润淋巴细胞模式	数字病理学	NA	卷积神经网络	CNN	图像	13种TCGA肿瘤类型的样本
7	2024-08-05	Image analysis and machine learning for detecting malaria 2018-04, Translational research : the journal of laboratory and clinical medicine IF:6.4Q1 DOI:10.1016/j.trsl.2017.12.004 PMID:29360430	研究论文	本文概述了用于显微镜疟疾诊断的图像分析和机器学习方法	介绍了深度学习和智能手机技术在未来疟疾诊断中的最新进展	未提及具体的局限性	改善疟疾诊断以减少死亡率	显微镜血液涂片中的寄生虫计数	计算机视觉	疟疾	图像分析软件和机器学习方法	深度学习	图像	未提及样本大小
8	2024-08-05	NON-RIGID IMAGE REGISTRATION USING SELF-SUPERVISED FULLY CONVOLUTIONAL NETWORKS WITHOUT TRAINING DATA 2018-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI.2018.8363757 PMID:30079127	研究论文	提出了一种基于全卷积网络(FCN)的新颖非刚性图像配准算法	与大多数现有的深度学习图像配准方法不同，我们的方法在无训练数据的情况下直接估计空间变换	未提及此方法在其他类型图像上的表现	优化和学习待配准图像对之间的空间变换	3D结构脑磁共振(MR)图像	计算机视觉	NA	自监督学习	全卷积网络(FCN)	图像	NA
9	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