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
181	2024-08-07	Deep learning as a predictive tool for fetal heart pregnancy following time-lapse incubation and blastocyst transfer 2019-06-04, Human reproduction (Oxford, England) DOI:10.1093/humrep/dez064 PMID:31111884	研究论文	本研究开发了一种名为IVY的深度学习模型，能够从原始时间流逝视频中直接预测胎儿心脏妊娠的概率，无需任何手动形态动力学注释或囊胚形态评估。	该模型提供了一个客观且完全自动化的系统，用于从时间流逝视频中预测妊娠概率，避免了传统方法中的人为主观性和变异性。	本研究为回顾性分析，显示了深度学习模型的高预测能力，但其临床影响尚不确定，需要进一步的前瞻性随机对照试验来评估其临床意义。此外，模型目前仅适用于第5天的胚胎，对于第3天移植的情况需要额外调整。	开发一种深度学习模型，用于从时间流逝视频中预测胎儿心脏妊娠的概率。	时间流逝视频和临床结果。	机器学习	NA	深度学习	深度学习模型	视频	10,638个胚胎
182	2024-08-07	Biomedical Image Processing with Containers and Deep Learning: An Automated Analysis Pipeline: Data architecture, artificial intelligence, automated processing, containerization, and clusters orchestration ease the transition from data acquisition to insights in medium-to-large datasets 2019-06, BioEssays : news and reviews in molecular, cellular and developmental biology IF:3.2Q1 DOI:10.1002/bies.201900004 PMID:31094000	研究论文	本文介绍了一种结合数据管理、人工智能、容器化、集群编排和质量控制的统一分析管道，用于处理中型到大型生物医学图像数据集	提出了一个结合多种技术的新型分析方法，能够加速研究进程	NA	开发一种自动化的分析管道，以简化从数据采集到洞察的过程	中型到大型生物医学图像数据集	计算机视觉	NA	深度学习	NA	图像	NA
183	2024-08-07	DeepConv-DTI: Prediction of drug-target interactions via deep learning with convolution on protein sequences 2019-06, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1007129 PMID:31199797	研究论文	本文提出了一种基于深度学习的药物-靶点相互作用预测模型DeepConv-DTI，通过在蛋白质序列上进行卷积操作来捕捉参与药物-靶点相互作用的蛋白质局部残基模式	该模型在原始蛋白质序列上执行卷积操作，能够捕捉到更广泛的蛋白质类别中的局部残基模式，并且在预测性能上优于以往基于蛋白质描述符的模型和近期开发的深度学习模型	NA	开发一种新的计算模型，用于提高药物-靶点相互作用的预测准确性	药物-靶点相互作用	机器学习	NA	卷积神经网络(CNN)	CNN	蛋白质序列	大规模的药物-靶点相互作用信息
184	2024-08-07	PPR-Meta: a tool for identifying phages and plasmids from metagenomic fragments using deep learning 2019-06-01, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giz066 PMID:31220250	研究论文	介绍了一种名为PPR-Meta的工具，利用深度学习技术从宏基因组片段中同时识别噬菌体和质粒	PPR-Meta是首个能够同时高效可靠地识别噬菌体和质粒片段的工具	NA	开发一种能够同时识别宏基因组数据中噬菌体和质粒片段的工具	噬菌体和质粒片段	机器学习	NA	深度学习	Bi-path Convolutional Neural Network	序列	使用人工拼接和真实宏基因组数据进行测试
185	2024-08-07	Intelligent ICU for Autonomous Patient Monitoring Using Pervasive Sensing and Deep Learning 2019-05-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-44004-w PMID:31142754	研究论文	本研究探讨了使用无处不在的传感技术和人工智能在重症监护室（ICU）中进行自主和细致监测的可行性	本研究展示了使用非侵入性系统对重症患者及其环境进行细致和自主监测的潜力	本研究为试点研究，样本量较小，需要进一步的大规模研究验证	研究在ICU中使用传感技术和人工智能进行自主监测的可行性	重症监护室中的患者及其环境	机器学习	NA	深度学习	NA	图像、声音、光强度	本研究未明确提及具体样本数量
186	2024-08-07	Deep Learning Convolutional Neural Networks for the Automatic Quantification of Muscle Fat Infiltration Following Whiplash Injury 2019-05-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-44416-8 PMID:31138878	研究论文	本研究使用深度学习卷积神经网络（CNN）自动量化鞭打损伤后的肌肉脂肪浸润（MFI）	本研究首次使用CNN模型自动量化MFI，并展示了其高测试可靠性和准确性	NA	研究目的是提高肌肉测量效率和客观性，以便量化监测颈椎及其他疾病中的肌肉特性	研究对象为39名鞭打损伤后3个月的参与者	计算机视觉	颈椎疾病	深度学习卷积神经网络（CNN）	CNN	高分辨率脂肪-水图像	39名参与者（26名女性，平均年龄=31.7±9.3岁）
187	2024-08-07	The Use of Deep Learning to Predict Stroke Patient Mortality 2019-05-28, International journal of environmental research and public health DOI:10.3390/ijerph16111876 PMID:31141892	研究论文	本文利用深度神经网络通过医疗使用和健康行为数据预测中风患者的死亡率	采用量化缩放的主成分分析（PCA）从医疗记录中提取相关背景特征，并使用深度神经网络（DNN）进行预测	NA	研究如何通过医疗使用和健康行为数据预测中风患者的死亡率	中风患者	机器学习	NA	主成分分析（PCA）	深度神经网络（DNN）	医疗记录数据	15,099名中风患者
188	2024-08-07	A photometric stereo-based 3D imaging system using computer vision and deep learning for tracking plant growth 2019-05-01, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giz056 PMID:31127811	研究论文	本文介绍了一种基于光度立体技术的低成本便携式3D植物表型平台PS-Plant，用于跟踪和预测不同环境下植物的生长表现	首次将光度立体技术应用于植物表型分析，并开发了定制的计算机视觉算法和深度神经网络架构	NA	提高自动化植物表型分析的准确性，并加速表型与基因型之间的联系	模型植物拟南芥在不同环境下的生长结构	计算机视觉	NA	光度立体技术	深度神经网络	图像	221个手动注释的拟南芥花序，共1,768张图像
189	2024-08-07	Deep Learning in Image Cytometry: A Review 2019-04, Cytometry. Part A : the journal of the International Society for Analytical Cytology DOI:10.1002/cyto.a.23701 PMID:30565841	综述	本文综述了深度学习在细胞和组织样本显微图像数据中的应用	介绍了深度学习与传统图像数据信息提取方法的区别	未提供应用这些方法到自己数据的完整手册	旨在增加对深度学习方法的理解，并强调输入数据要求、计算资源、挑战和局限性	深度学习在图像细胞学中的应用	计算机视觉	NA	深度学习	CNN	图像	NA
190	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
191	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
192	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
193	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
194	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
195	2024-08-07	Improving Sensitivity on Identification and Delineation of Intracranial Hemorrhage Lesion Using Cascaded Deep Learning Models 2019-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-018-00172-1 PMID:30680471	研究论文	本文提出了一种级联深度学习模型，用于提高颅内出血病变的识别和勾画灵敏度	使用级联卷积神经网络（CNN）和双全卷积网络（FCN）模型，结合两种不同的窗口设置进行图像预处理，以提高分类和分割性能	NA	提高颅内出血检测的敏感性和特异性，以支持急诊室的诊断和治疗决策	颅内出血及其亚型病变的识别和勾画	计算机视觉	NA	卷积神经网络（CNN），全卷积网络（FCN）	CNN，FCN	图像	135,974张CT图像，其中33,391张标记为出血
196	2024-08-07	Genetic Diversity in Stomatal Density among Soybeans Elucidated Using High-throughput Technique Based on an Algorithm for Object Detection 2019-05-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-44127-0 PMID:31110228	研究论文	本文开发了一种基于深度学习对象检测算法的高通量技术，用于评估和阐明大豆中气孔密度的变异	引入单次多框检测器算法，实现对微观图像中气孔的高通量自动识别	NA	开发高通量技术评估大豆气孔密度并阐明其变异	大豆的气孔密度	计算机视觉	NA	单次多框检测器	CNN	图像	90种大豆品系
197	2024-08-07	DEEPred: Automated Protein Function Prediction with Multi-task Feed-forward Deep Neural Networks 2019-05-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-43708-3 PMID:31089211	研究论文	本文提出了一种名为DEEPred的多任务前馈深度神经网络，用于基于基因本体（GO）的蛋白质功能预测	DEEPred通过严格的超参数测试优化，并使用三种类型的蛋白质描述符、不同大小的训练数据集和不同级别的GO术语进行基准测试。此外，还探索了使用更大但可能含有噪声的数据进行训练对性能的影响	NA	开发一种自动化的蛋白质功能预测方法，以改进对未表征蛋白质序列的注释	蛋白质功能预测	机器学习	NA	深度学习	多任务前馈深度神经网络	蛋白质描述符、GO术语	使用CAFA2和CAFA3挑战数据集进行性能评估
198	2024-08-07	Detection and classification the breast tumors using mask R-CNN on sonograms 2019-May, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000015200 PMID:31083152	研究论文	本研究利用Mask R-CNN技术在超声图像上自动检测、分割和分类乳腺肿瘤	开发了一种基于深度学习的技术，使用Mask R-CNN进行肿瘤检测和良恶性区分	NA	构建一个模型，用于超声图像上乳腺肿瘤的自动检测、分割和分类	乳腺肿瘤	计算机视觉	乳腺癌	Mask R-CNN	CNN	图像	NA
199	2024-08-07	Computer vision enables short- and long-term analysis of Lophelia pertusa polyp behaviour and colour from an underwater observatory 2019-04-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-41275-1 PMID:31036904	研究论文	本研究利用固定水下观测站上的高清摄像头和其他传感器，监测了2015年4月至11月期间Lofoten-Vesterålen地区的冷温珊瑚（Lophelia pertusa）礁，通过图像处理和深度学习技术分析珊瑚颜色和珊瑚虫活动的变化	本研究展示了通过有效的综合计算方法，图像时间序列是理解和监测水下环境动态的新颖且丰富的信息来源，得益于固定水下观测站的高时间分辨率和覆盖范围	NA	研究珊瑚虫行为和颜色的短期和长期变化	Lophelia pertusa珊瑚礁的珊瑚虫行为和颜色变化	计算机视觉	NA	图像处理和深度学习	深度学习模型	图像	2015年4月至11月期间的数据
200	2024-08-07	Machine learning accurately classifies age of toddlers based on eye tracking 2019-04-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-42764-z PMID:31000762	研究论文	本研究利用机器学习方法（支持向量机和深度学习）分析眼动追踪数据，以准确分类幼儿的年龄	采用数据驱动的方法，通过机器学习模型揭示了影响年龄相关注视模式变化的因素	NA	探索机器学习在理解幼儿注视模式随年龄变化中的应用	幼儿的注视行为和年龄分类	机器学习	NA	支持向量机（SVM）和深度学习（DL）	支持向量机（SVM）和深度学习（DL）	眼动追踪数据	未明确提及具体样本数量