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	2024-08-07	Applications of Deep-Learning in Exploiting Large-Scale and Heterogeneous Compound Data in Industrial Pharmaceutical Research 2019, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2019.01303 PMID:31749705	研究论文	本文总结了深度学习技术在工业制药研究中处理大规模异构化合物数据的现状及其对药物发现过程的影响	深度学习技术在化学信息学和生物图像分析领域的应用，如活性预测、分子设计等	NA	探讨深度学习技术在工业制药研究中处理大规模化合物数据的应用	大规模异构化合物数据	机器学习	NA	深度学习	深度学习模型	化合物数据	数千至数百万化合物
22	2024-08-07	Cortical graph neural network for AD and MCI diagnosis and transfer learning across populations 2019, NeuroImage. Clinical DOI:10.1016/j.nicl.2019.101929 PMID:31491832	研究论文	本研究利用结合皮质厚度和几何信息的谱图卷积神经网络（graph-CNN），基于ADNI-2队列的3089个T1加权MRI数据，识别轻度认知障碍（MCI）和阿尔茨海默病（AD），并评估其在不同人群中的预测可行性	本研究首次展示了将基于一个人群训练的AD/MCI分类器迁移到其他人群的可行性，并发现结合皮质几何信息的CNN有潜力提高分类性能	NA	探索机器学习与神经影像数据结合在早期诊断MCI和AD中的应用，并评估分类器在不同人群中的预测能力	轻度认知障碍（MCI）和阿尔茨海默病（AD）的诊断	机器学习	阿尔茨海默病	谱图卷积神经网络（graph-CNN）	CNN	MRI图像	ADNI-2队列3089个样本，ADNI-1队列3602个样本，亚洲队列347个样本
23	2024-08-07	An artificial intelligent diagnostic system on mobile Android terminals for cholelithiasis by lightweight convolutional neural network 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0221720 PMID:31513631	research paper	本文提出了一种基于Android移动终端的轻量级卷积神经网络人工智能诊断系统，用于胆结石识别	该系统针对移动设备的计算能力和存储容量限制，设计了轻量级的卷积神经网络MobileNetV2，实现了高效的胆结石识别	训练任务在PC上完成，移动终端仅执行识别任务	开发适用于移动设备的人工智能诊断系统，用于胆结石的识别	胆结石的CT图像	machine learning	胆结石	卷积神经网络	CNN	image	从山东省第三医院收集的胆结石CT图像数据集
24	2024-08-07	Integration of Machine Learning Methods to Dissect Genetically Imputed Transcriptomic Profiles in Alzheimer's Disease 2019, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2019.00726 PMID:31552082	研究论文	本研究利用组织特异性的cis-eQTL基因表达预测模型，对808个样本的基因型进行分析，并通过无监督和有监督的机器学习方法解析 imputed 转录组数据，以识别潜在的生物学关联。	研究首次将变分自编码器和支持向量机分类器结合，用于组织特异性基因优先级排序，并发现这种组合可以提高深度学习分类器的准确性。	尽管使用了深度学习分类模型，但由于eQTL变异的遗传力较低，预测能力相对较低，且分类能力高度依赖于网络结构。	旨在通过机器学习技术解析阿尔茨海默病的遗传 imputed 转录组数据，以更好地理解其生物学基础。	研究对象包括对照组、轻度认知障碍患者和阿尔茨海默病患者。	机器学习	阿尔茨海默病	cis-eQTL基因表达预测模型	变分自编码器、支持向量机、循环神经网络	转录组数据	808个样本
25	2024-08-07	Extraction of chemical-protein interactions from the literature using neural networks and narrow instance representation 2019-01-01, Database : the journal of biological databases and curation DOI:10.1093/database/baz095 PMID:31622463	研究论文	本文采用深度学习方法从生物医学文献中提取化学-蛋白质相互作用，基于在BioCreative VI CHEMPROT任务中的参与进行了多种改进	使用简单的深度学习模型和非常窄的关系实例表示，仅使用最短依赖路径中的最多10个单词及其相应的依赖边	NA	改进从生物医学文献中检索和自动提取关系的方法，以收集越来越多的已发表作品中的结构化信息	化学-蛋白质相互作用	自然语言处理	NA	深度学习	双向长短期记忆循环网络或卷积神经网络	文本	测试集上的F1-score为0.6306
26	2024-08-07	Translational AI and Deep Learning in Diagnostic Pathology 2019, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2019.00185 PMID:31632973	综述	本文综述了人工智能在病理学中的应用，特别是深度学习技术在细胞成像和诊断病理学实际应用中的创新	介绍了深度学习技术在病理学中的不同方法，以及推动这一创新的公共挑战和新兴应用	NA	探讨人工智能在临床实践中的转化，特别是如何无缝集成到数字病理工作流程中，以提高诊断效率和准确性	深度学习技术在病理学中的应用	数字病理学	NA	深度学习	NA	图像	NA
27	2024-08-07	Combining patient visual timelines with deep learning to predict mortality 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0220640 PMID:31365580	研究论文	本研究开发了一种框架，将纵向患者数据转换为视觉时间线，并利用深度学习模型预测住院死亡率	本研究创新地将临床数据转换为视觉时间线，并使用卷积神经网络与循环层模型来预测住院死亡率，提高了预测准确性并允许临床解释	NA	开发一种框架，将临床数据转换为视觉时间线，并利用深度学习模型预测住院死亡率	成年患者在三级护理中心的连续住院记录	机器学习	NA	深度学习	卷积神经网络	图像	115,825例住院记录，其中2,926例发生住院死亡
28	2024-08-07	Association of radiomic imaging features and gene expression profile as prognostic factors in pancreatic ductal adenocarcinoma 2019, American journal of translational research IF:1.7Q4 PMID:31396352	研究论文	本研究探讨了CT影像的放射组学特征是否能准确预测胰腺导管腺癌（PDAC）中HMGA2和C-MYC基因的表达状态，并利用机器学习方法识别患者的生存时间	本研究首次将放射组学特征与基因表达谱结合，用于预测胰腺导管腺癌患者的生存时间和基因表达状态	研究样本量相对较小，且仅限于胰腺导管腺癌患者	探索放射组学特征在胰腺导管腺癌中的预后价值	胰腺导管腺癌患者的CT影像数据和基因表达状态	数字病理学	胰腺癌	放射组学特征提取	支持向量机	影像	111名胰腺导管腺癌患者
29	2024-08-07	Validation of automated artificial intelligence segmentation of optical coherence tomography images 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0220063 PMID:31419240	研究论文	本文通过对比人类和机器在光谱域和扫频源光学相干断层扫描图像分割中的表现，验证了一种基于卷积神经网络的自动分割算法	提出的深度学习分割算法在OCT B扫描图像中的自动眼部分割与人类分割者相当	NA	评估光谱域和扫频源光学相干断层扫描图像分割中人类和机器的性能	光谱域和扫频源光学相干断层扫描图像中的玻璃体、视网膜、脉络膜和巩膜的像素级分类	计算机视觉	NA	光学相干断层扫描	卷积神经网络	图像	6210张手动分割的图像，来自2070张B扫描图像（1046张SDOCT和1024张SSOCT；630张C扫描）
30	2024-08-07	The Possibility of Deep Learning-Based, Computer-Aided Skin Tumor Classifiers 2019, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2019.00191 PMID:31508420	综述	本文综述了基于深度学习的计算机辅助皮肤肿瘤分类器的最新技术和当前发展	引入深度学习技术，自动提取代表性特征，显著提高分类效能	目前报道的系统中，能够分类常规临床图像的系统较少	提高计算机对常规临床图像的分类准确性，达到熟练皮肤科医生的水平	皮肤肿瘤的分类	计算机视觉	皮肤肿瘤	深度学习	NA	图像	NA
31	2024-08-07	A deep learning based method for large-scale classification, registration, and clustering of in-situ hybridization experiments in the mouse olfactory bulb 2019-01-15, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2018.12.003 PMID:30529409	研究论文	本文开发了一种基于深度学习的方法，用于大规模分类、注册和聚类小鼠嗅球中的原位杂交实验图像	首次为小鼠嗅球构建了一个高质量的基因表达注册图谱，并通过非负矩阵分解揭示了典型的表达模式和层特异性标记基因	NA	利用深度学习技术处理小鼠嗅球中大量基因的原位杂交图像，以构建基因表达图谱并揭示其表达模式	小鼠嗅球的原位杂交实验图像	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	数千个脑组织切片
32	2024-08-07	The application of convolutional neural network to stem cell biology 2019, Inflammation and regeneration IF:5.0Q1 DOI:10.1186/s41232-019-0103-3 PMID:31312276	研究论文	本文探讨了卷积神经网络（CNN）在诱导多能干细胞（iPSC）生物学研究中的应用	提出使用CNN自动从相位对比显微镜图像中识别细胞类型，无需分子标记	NA	探索CNN在干细胞生物学研究中的应用潜力	诱导多能干细胞（iPSC）及其分化后的特定细胞类型	机器学习	NA	卷积神经网络（CNN）	CNN	图像	NA
33	2024-08-07	Twitter mining using semi-supervised classification for relevance filtering in syndromic surveillance 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0210689 PMID:31318885	研究论文	本文研究利用Twitter数据进行综合症监测，并通过半监督分类技术筛选相关推文，以评估其增强现有综合症监测能力及更好地理解未直接寻求医疗建议的有症状人群的能力	提出了一种半监督方法用于症状相关推文的分类和相关性过滤，并探讨了使用表情符号和其他特殊特征捕捉推文语调以提高分类性能	尽管关键词数据收集，但许多收集的推文可能不相关，因为它们代表闲聊或意识讨论而非个人特定状况	评估Twitter数据在综合症监测中的应用，增强现有监测系统并更好地理解有症状但未直接寻求医疗建议的人群	特定综合症——哮喘/呼吸困难	自然语言处理	NA	半监督分类技术	NA	文本	大量推文数据
34	2024-08-07	Using distant supervision to augment manually annotated data for relation extraction 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0216913 PMID:31361753	研究论文	本文通过远监督方法增强人工标注数据，以改善自然语言处理任务中的关系抽取	采用远监督方法和迁移学习技术，提高了模型在人工标注数据集上的表现	远监督方法获取的数据通常存在噪声，需要通过启发式方法进行预处理	探索如何有效利用远监督数据增强人工标注数据集，以满足深度学习模型对大量标注数据的需求	自然语言处理任务中的关系抽取	自然语言处理	NA	远监督方法	NA	文本	NA
35	2024-08-07	A Full-Image Deep Segmenter for CT Images in Breast Cancer Radiotherapy Treatment 2019, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2019.00677 PMID:31403032	研究论文	本文提出了一种用于乳腺癌放疗治疗中CT图像的自动分割方法，该方法利用深度学习技术对女性乳房和心脏进行精确分割	新开发的深度神经网络在性能上优于当前最先进的神经网络，并将推理速度提高了近一个数量级	NA	开发一种自动分割解决方案，以提高乳腺癌放疗治疗中CT图像的分割准确性和速度	女性乳房和心脏的CT图像	计算机视觉	乳腺癌	深度学习	深度神经网络	图像	NA
36	2024-08-07	Segmentation of retinal fluid based on deep learning: application of three-dimensional fully convolutional neural networks in optical coherence tomography images 2019, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2019.06.22 PMID:31236362	研究论文	本文探讨了一种基于深度学习的视网膜液体分割算法，以实现对视网膜液体患者的准确诊断和治疗	提出了一个三维全卷积神经网络用于视网膜OCT图像的分割，减少了类别不平衡的影响，并实现了端到端的体积图像分割	NA	探索基于深度学习的分割算法，以提高视网膜液体诊断的准确性	视网膜液体	计算机视觉	NA	全卷积神经网络	CNN	图像	NA
37	2024-08-07	Adversarial Learning of Knowledge Embeddings for the Unified Medical Language System 2019, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:31259009	研究论文	本文提出了一种使用生成对抗网络（GANs）从统一医学语言系统（UMLS）中的知识图谱学习知识嵌入的技术，并展示了其在临床预测模型中的应用	利用生成对抗网络学习UMLS嵌入，提高了临床预测模型的性能	NA	探索如何将UMLS中的知识整合到深度学习方法中	UMLS中的知识图谱，包括Metathesaurus和Semantic Network	机器学习	NA	生成对抗网络（GANs）	GAN	知识图谱	NA
38	2024-08-07	Objective and Automated Detection of Diffuse White Matter Abnormality in Preterm Infants Using Deep Convolutional Neural Networks 2019, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2019.00610 PMID:31275101	研究论文	本文提出了一种使用深度卷积神经网络自动检测早产儿脑白质异常的方法	采用深度学习方法自动识别T1加权MRI图像上的脑白质异常区域，模型性能优于其他流行的机器学习模型	NA	开发一种客观且自动化的方法来准确识别早产儿的脑白质异常	早产儿的脑白质异常	计算机视觉	NA	深度学习	CNN	图像	95名早产儿用于交叉验证和保留验证，28名早产儿用于外部验证
39	2024-08-07	Convolutional Neural Networks for Recognition of Lymphoblast Cell Images 2019, Computational intelligence and neuroscience DOI:10.1155/2019/7519603 PMID:31281337	研究论文	本文提出了一种使用卷积神经网络（CNN）识别急性淋巴细胞白血病（ALL）亚型的方法	采用深度学习方法自动提取特征，无需手工设计特征工程	未提及具体限制	探索深度学习方法在识别淋巴细胞和ALL亚型中的可行性	急性淋巴细胞白血病（ALL）的T-淋巴母细胞白血病（pre-T）和B-淋巴母细胞白血病（pre-B）亚型	计算机视觉	白血病	卷积神经网络（CNN）	CNN	图像	未提及具体样本数量
40	2024-08-07	Fully Automated Segmentation of Lower Extremity Deep Vein Thrombosis Using Convolutional Neural Network 2019, BioMed research international IF:2.6Q3 DOI:10.1155/2019/3401683 PMID:31281832	研究论文	本文提出了一种基于深度学习和对比增强磁共振成像的全自动下肢深静脉血栓分割方法	采用具有编码器-解码器架构的深度学习网络进行DVT分割，相比其他深度学习模型，该CNN模型在DVT分割中表现更优	NA	开发一种有效的全自动下肢深静脉血栓分割方法，以促进诊断和治疗	下肢深静脉血栓	计算机视觉	深静脉血栓	对比增强磁共振成像(CE-MRI)	CNN	图像	58名新诊断的下肢深静脉血栓患者