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	A scalable discrete-time survival model for neural networks 2019, PeerJ IF:2.3Q2 DOI:10.7717/peerj.6257 PMID:30701130	研究论文	本文描述了一种适用于神经网络的离散时间生存模型Nnet-survival	该模型使用小批量随机梯度下降方法进行训练，并具有灵活性，能够处理大数据集及不同的基线风险率	未提及具体的模型局限性	研究旨在提高生存数据的预测能力	研究对象为具有已知随访时间及事件/审查指标的患者数据	机器学习	NA	最大似然法	神经网络	模拟数据和真实数据	NA
62	2024-08-05	Pre-operative Overall Survival Time Prediction for Glioblastoma Patients Using Deep Learning on Both Imaging Phenotype and Genotype 2019, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-32239-7_46 PMID:34085058	研究论文	该文章提出了一种新的基于深度学习的方法来预测胶质母细胞瘤（GBM）患者的术前总生存时间。	创新点在于结合术前多模态MR图像和肿瘤基因型信息进行总生存时间预测，尤其是使用了多任务卷积神经网络来同时进行基因型和总生存时间预测。	文章中可能没有讨论模型在不同临床环境中的适用性和外部验证的结果。	研究目的在于通过结合影像表型和基因型信息以提高胶质母细胞瘤患者的术前预后准确性。	研究对象是120名胶质母细胞瘤（GBM）患者的术前影像数据。	机器学习	胶质母细胞瘤	深度学习	多任务卷积神经网络（CNN）	影像	120名胶质母细胞瘤患者的样本
63	2024-08-05	Global analysis of N6-methyladenosine functions and its disease association using deep learning and network-based methods 2019-01, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1006663 PMID:30601803	研究论文	本文提出了一种计算方案用于预测m6A调控基因及其相关疾病	提出了Deep-m6A模型和Hot-m6A网络管道以解决m6A调控基因的检测和功能优先排序	对m6A调控的具体基因如何影响癌症等疾病的机制了解仍然有限	探讨m6A在基因调控及其在疾病中的作用	涉及m6A调控基因及其关联疾病的研究	计算机视觉	白血病, 肾细胞癌	MeRIP-Seq	深度学习模型, 网络模型	人类样本数据	75个MeRIP-seq人类样本
64	2024-08-07	Deep learning image recognition enables efficient genome editing in zebrafish by automated injections 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0202377 PMID:30615627	研究论文	本文开发了一种基于深度学习软件的机器学习技术，实现了对斑马鱼胚胎的高速自动化微注射，提高了基因编辑效率。	该研究首次展示了使用深度学习图像识别技术进行斑马鱼胚胎自动化微注射，显著提高了操作速度和效率。	NA	开发一种高效的自动化微注射系统，用于斑马鱼胚胎的基因编辑。	斑马鱼胚胎的基因编辑和微注射技术。	计算机视觉	NA	深度学习	Inception v3	图像	未具体说明样本数量
65	2024-08-07	FissureNet: A Deep Learning Approach For Pulmonary Fissure Detection in CT Images 2019-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2018.2858202 PMID:30106711	研究论文	本文提出了一种名为FissureNet的深度学习框架，用于在CT图像中检测肺裂	FissureNet采用了一种从粗到细的级联卷积神经网络策略，有效解决了传统方法在检测弱和异常肺裂时敏感性低的问题	NA	提高肺裂在CT图像中的检测准确性	肺裂在CT图像中的自动检测	计算机视觉	肺部疾病	卷积神经网络	CNN	图像	3706名受试者的吸气和呼气3DCT扫描，以及20名受试者的4DCT扫描