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
41	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
42	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
43	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
44	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
45	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
46	2024-08-07	Deep learning for photoacoustic tomography from sparse data 2019, Inverse problems in science and engineering IF:1.1Q3 DOI:10.1080/17415977.2018.1518444 PMID:31057659	研究论文	本文针对光声断层扫描（PAT）中的稀疏数据问题，开发了一种基于深度学习的快速高效图像重建算法	提出了一种基于深度卷积神经网络（CNN）的直接且高效的重建算法，该算法在实际图像重建中仅需一次训练好的CNN评估，无需耗时的正向和伴随问题求解	NA	开发适用于光声断层扫描中稀疏数据问题的快速准确图像重建算法	光声断层扫描中的稀疏数据问题	计算机视觉	NA	深度学习	CNN	图像	基于一组训练数据调整权重
47	2024-08-07	An automatic diagnostic system based on deep learning, to diagnose hyperlipidemia 2019, Diabetes, metabolic syndrome and obesity : targets and therapy DOI:10.2147/DMSO.S198547 PMID:31118725	研究论文	本文提出了一种基于深度学习算法的自动诊断系统，用于通过人体生理参数诊断高血脂症	该系统使用深度学习模型自动提取所有可用信息，而非人工减少原始数据，从而降低了劳动力成本	NA	开发一种高效的自动诊断系统，以提高临床诊断效率	高血脂症的自动诊断	机器学习	NA	深度学习	神经网络	生理参数	测试数据集
48	2024-08-07	Removing Confounding Factors Associated Weights in Deep Neural Networks Improves the Prediction Accuracy for Healthcare Applications 2019, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing PMID:30864310	研究论文	本文提出了一种有效方法，通过去除深度神经网络中与年龄或性别等混杂因素相关的权重，提高跨队列预测准确性	该方法仅需对基准模型架构进行最小改动，即可应用于大多数现有神经网络	NA	提高医疗应用中深度学习模型的预测准确性	深度神经网络中的混杂因素	机器学习	NA	NA	CNN, LSTM	图像	涉及CT扫描、MRA和EEG脑波数据
49	2024-08-07	DMfold: A Novel Method to Predict RNA Secondary Structure With Pseudoknots Based on Deep Learning and Improved Base Pair Maximization Principle 2019, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2019.00143 PMID:30886627	研究论文	提出了一种基于深度学习和改进碱基对最大化原则的新方法DMfold，用于预测包含假结的RNA二级结构	DMfold方法通过学习已知结构中相似的RNA序列来预测二级结构，避免了多序列方法对高度同源序列的依赖，并通过深度学习自动提取折叠参数，避免了单序列方法中折叠参数的不足	NA	开发一种新的计算方法来预测包含假结的RNA二级结构	RNA二级结构，特别是包含假结的结构	生物信息学	NA	深度学习	深度学习模型	序列数据	NA
50	2024-08-07	Embedded deep learning in ophthalmology: making ophthalmic imaging smarter 2019 Jan-Dec, Therapeutic advances in ophthalmology IF:2.3Q2 DOI:10.1177/2515841419827172 PMID:30911733	review	本文综述了深度学习在眼科影像设备中的嵌入应用，旨在通过自动图像采集提高图像质量，从而增强基于深度学习的临床诊断	探讨了深度学习系统在眼科影像设备中的嵌入能力，以及如何通过'主动采集'技术提高图像质量	NA	研究深度学习在眼科影像设备中的嵌入应用及其对临床诊断的影响	深度学习系统在眼科影像设备中的嵌入及图像质量提升	computer vision	NA	deep learning	NA	image	NA
51	2024-08-07	Prediction of premature all-cause mortality: A prospective general population cohort study comparing machine-learning and standard epidemiological approaches 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0214365 PMID:30917171	研究论文	本研究旨在通过机器学习和标准生存模型预测早死风险，并比较两者的预测效果	机器学习算法在预测早死风险方面比传统方法有显著改进	NA	开发新的预测算法，预测早死风险	502,628名40-69岁的参与者	机器学习	NA	深度学习, 随机森林, Cox回归	深度学习, 随机森林, Cox回归	人口统计、生物测量、临床和生活方式数据	502,628名参与者
52	2024-08-07	Recurrent residual U-Net for medical image segmentation 2019-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.6.1.014006 PMID:30944843	研究论文	本文提出了一种基于深度学习的医学图像分割方法，包括循环U-Net模型（RU-Net）和循环残差U-Net模型（R2U-Net），并验证了其在多个基准数据集上的优越性能	结合了U-Net、残差网络和循环卷积神经网络的优势，通过残差单元和循环残差卷积层的特征累积，实现了更好的特征表示和性能提升	NA	提高医学图像分割任务的性能	医学图像的分类、分割和检测	计算机视觉	NA	深度学习	U-Net, 残差网络, 循环卷积神经网络	图像	三个基准数据集，包括视网膜图像中的血管分割、皮肤癌分割和肺部病变分割
53	2024-08-07	Optimization of a Deep-Learning Method Based on the Classification of Images Generated by Parameterized Deep Snap a Novel Molecular-Image-Input Technique for Quantitative Structure-Activity Relationship (QSAR) Analysis 2019, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2019.00065 PMID:30984753	研究论文	本文优化了一种基于参数化DeepSnap生成图像分类的深度学习方法，用于定量结构-活性关系（QSAR）分析，以预测化学化合物的潜在毒性。	开发了一种新的深度学习技术DeepSnap，用于QSAR分析，无需提取描述符即可预测多种化学物质对各种受体的潜在毒性。	DeepSnap方法的多个参数尚未优化，本研究评估了这些参数对深度学习预测模型性能的影响。	优化DeepSnap方法的参数，以提高深度学习预测模型的性能，用于评估化学化合物的风险。	化学化合物的潜在毒性预测及其对各种受体的影响。	机器学习	NA	深度学习	深度学习预测模型	图像	使用64张图像构建化学化合物CAR激动剂的预测模型
54	2024-08-07	A Technical Review of Convolutional Neural Network-Based Mammographic Breast Cancer Diagnosis 2019, Computational and mathematical methods in medicine DOI:10.1155/2019/6509357 PMID:31019547	综述	本研究综述了卷积神经网络（CNN）在乳腺X线摄影乳腺癌诊断（MBCD）领域的应用技术	探讨了三种基于CNN的MBCD模型：设计浅层或修改现有模型以降低时间和训练实例成本；利用迁移学习和微调优化预训练CNN；以及利用CNN模型进行特征提取并通过机器学习分类器区分恶性与良性病变	CNN在MBCD领域的应用仍处于早期阶段，实现深度学习工具辅助临床实践的目标还有很长的路要走	旨在为如何使用CNN进行相关任务提供线索	乳腺X线摄影乳腺癌诊断	计算机视觉	乳腺癌	卷积神经网络（CNN）	CNN	图像	NA
55	2024-08-07	A feasibility study for predicting optimal radiation therapy dose distributions of prostate cancer patients from patient anatomy using deep learning 2019-01-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-018-37741-x PMID:30705354	研究论文	本文通过深度学习方法，利用患者解剖图像轮廓预测前列腺癌患者的最佳放疗剂量分布	修改了用于分割目的的卷积深度网络模型U-net，用于从计划靶体积（PTV）和危及器官（OAR）的患者图像轮廓预测剂量	NA	通过准确预测剂量分布，指导临床计划优化，节省时间并保持高质量计划	前列腺癌患者的放疗剂量分布	机器学习	前列腺癌	深度学习	U-net	图像	前列腺癌患者
56	2024-08-07	Developed and validated a prognostic nomogram for recurrence-free survival after complete surgical resection of local primary gastrointestinal stromal tumors based on deep learning 2019-Jan, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2018.12.028 PMID:30587460	研究论文	本研究旨在开发和验证一种基于深度学习的预测胃肠道间质瘤术后无复发生存期的预后列线图	本研究首次将残差神经网络（ResNet）与临床病理因素结合，构建了个体化的预后列线图，显示出比传统模型更高的区分能力和校准精度	NA	开发和验证一种新的预后工具，用于指导胃肠道间质瘤患者术后辅助伊马替尼治疗的选择	胃肠道间质瘤患者的术后无复发生存期	机器学习	胃肠道间质瘤	残差神经网络（ResNet）	ResNet	对比增强计算机断层扫描（CE-CT）图像	训练集包含80例经病理诊断的胃肠道间质瘤患者，并进行了内部和外部验证
57	2024-08-07	An attention based deep learning model of clinical events in the intensive care unit 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0211057 PMID:30759094	研究论文	本研究训练了结合注意力机制的长短期记忆（LSTM）循环神经网络（RNN），以预测MIMIC-III数据集中两周内ICU患者的每日脓毒症、心肌梗死（MI）和万古霉素抗生素使用情况	模型通过注意力机制提高了预测准确性，并提供了一定程度的可解释性，有助于临床决策支持	模型在利用电子健康记录（EHR）数据进行训练时，面临如何处理临床决策代理变量的挑战	开发和改进深度学习模型，以减少ICU医生的信息过载，并提供临床决策支持	ICU患者的脓毒症、心肌梗死和万古霉素使用预测	机器学习	NA	长短期记忆（LSTM）循环神经网络（RNN）结合注意力机制	LSTM	电子健康记录（EHR）数据	MIMIC-III数据集中的两周ICU患者数据
58	2024-08-07	In-Bed Pose Estimation: Deep Learning With Shallow Dataset 2019, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2019.2892970 PMID:30792942	研究论文	本文提出了一种在特定应用场景下，即床位姿态估计中，用于人体姿态和身体部位检测的鲁棒方法	采用红外选择性（IRS）图像采集技术应对光照变化挑战，并提出2端直方图定向梯度（HOG）校正方法处理非传统姿态视角	缺乏用于床位姿态的大型公共数据集，限制了从零开始使用大型网络	解决床位姿态估计中的特定挑战，提高姿态估计的准确性	人体在床上的姿态和身体部位	计算机视觉	NA	红外选择性（IRS）图像采集技术	卷积神经网络（CNN）	图像	使用IRS成像系统从几个现实尺寸的假人模型中收集的IRS图像数据
59	2024-08-07	Encodings and models for antimicrobial peptide classification for multi-resistant pathogens 2019, BioData mining IF:4.0Q1 DOI:10.1186/s13040-019-0196-x PMID:30867681	综述	本文综述了用于多重耐药病原体分类的抗菌肽编码和模型的最新进展	介绍了基于序列和结构聚合的氨基酸编码及其特性，并特别关注了从支持向量机和深度学习方法中派生的编码	尽管重点放在抗菌肽预测上，但并非所有提到的编码都已在抗菌研究中详细探讨，而是作为一般蛋白质或肽的表示	探讨如何通过机器学习方法自动化发现抗菌肽，并解决开发适当氨基酸编码的挑战	抗菌肽及其对多重耐药病原体的效果	机器学习	NA	机器学习方法	支持向量机和深度学习模型	序列数据	NA
60	2024-08-07	The Applications of Radiomics in Precision Diagnosis and Treatment of Oncology: Opportunities and Challenges 2019, Theranostics IF:12.4Q1 DOI:10.7150/thno.30309 PMID:30867832	综述	本文综述了放射组学在肿瘤精准诊断和治疗中的应用，包括方法学进展和面临的挑战	介绍了放射组学在肿瘤管理中利用大量放射图像和新型计算技术提高诊断准确性和治疗反应评估的新工具	讨论了放射组学领域的挑战及其方法的临床适用性	旨在发展定量和个性化的医学	肿瘤的诊断、治疗规划和评估	数字病理学	肿瘤学	放射组学	深度学习	图像	大量放射图像