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	2024-09-14	[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
2	2024-08-14	Deep learning in the cross-time frequency domain for sleep staging from a single-lead electrocardiogram 2018-12-21, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/aaf339 PMID:30524025	研究论文	本研究使用心电图（ECG）中的节拍检测、时频域中的心肺耦合以及深度卷积神经网络（CNN）来分类睡眠阶段	提出的基于ECG的睡眠阶段分类方法在非脑电图数据上取得了最高报告结果，并使用了比先前研究大十倍的数据集	NA	从单导联心电图中分类睡眠阶段	睡眠阶段（清醒、快速眼动睡眠、非快速眼动浅睡眠和非快速眼动深睡眠）	机器学习	NA	深度卷积神经网络（CNN）	CNN	心电图（ECG）数据	使用了MIT-BIH多导睡眠图数据库（SLPDB）、PhysioNet/计算心脏病学挑战2018数据库（CinC2018）和睡眠心脏健康研究（SHHS）数据库
3	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
4	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）
5	2024-08-07	How to Agree on a CTC: Evaluating the Consensus in Circulating Tumor Cell Scoring 2018-12, Cytometry. Part A : the journal of the International Society for Analytical Cytology DOI:10.1002/cyto.a.23576 PMID:30246927	研究论文	本文介绍了一种开源的循环肿瘤细胞（CTC）评分工具，用于评估不同审查者之间的一致性并促进CTC分类的共识	引入了开源CTC评分工具，并展示了深度学习技术在CTC计数中的应用前景	需要进一步研究以提高计算机识别CTC的准确性	评估循环肿瘤细胞计数的准确性和机构间比较的可行性	循环肿瘤细胞（CTC）的计数和分类	数字病理学	NA	深度学习	NA	图像	100张图像，来自两个不同的平台，由15名审查者和一个专家小组评估
6	2024-08-07	Spatial mapping with Gaussian processes and nonstationary Fourier features 2018-Dec, Spatial statistics IF:2.1Q1 DOI:10.1016/j.spasta.2018.02.002 PMID:31008043	研究论文	本文通过利用傅里叶特征表示、高斯过程和神经网络之间的联系，提出了一种简单高效的框架，用于从数据中直接学习任意复杂的非平稳核函数	本文引入了一种更通用的非平稳核函数表示方法，扩展了简单线性加法方法到具有更高阶交互的非线性方法	NA	开发一种新的框架，用于学习复杂的非平稳核函数，同时避免过拟合并提高泛化性能	时间序列数据集和东非地表温度遥感问题	机器学习	NA	高斯过程和非平稳傅里叶特征	高斯过程	时间序列数据和遥感数据	具体样本数量未在摘要中提及
7	2024-08-05	Predicting tumor cell line response to drug pairs with deep learning 2018-Dec-21, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-018-2509-3 PMID:30577754	研究论文	该文章提出了一种用于预测肿瘤细胞系对药物组合反应的深度学习计算模型	提出了基于残差神经网络的新模型，能够解释94%的反应方差，并且展示了药物描述符在预测中的主要作用	需要更多细胞系的筛选数据以更有效地利用分子特征	旨在建模组合药物活性的预测	对NCI-ALMANAC数据库中的药物组合进行细胞系反应预测	机器学习	NA	深度学习	残差神经网络	NA	60个肿瘤细胞系
8	2024-08-05	Deep clustering of protein folding simulations 2018-Dec-21, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-018-2507-5 PMID:30577777	研究论文	本文探讨了使用深度学习技术对生物分子模拟进行聚类的问题	该研究采用卷积变分自编码器（CVAE）从长时间尺度的蛋白质折叠模拟中无监督地学习生物物理相关的低维潜在特征	缺乏对其他生物分子系统的适用性验证	旨在通过深度学习技术提取与复杂生物过程相关的定量见解	研究对象为三种模型蛋白质折叠系统，包括Fs肽、villin头部片段和β-β-α（BBA）蛋白	机器学习	NA	CVAE	卷积变分自编码器	模拟数据	三种蛋白质折叠系统的总采样时间超过800μs
9	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
10	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
11	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