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
201	2024-08-07	A deep learning algorithm to increase intelligibility for hearing-impaired listeners in the presence of a competing talker and reverberation 2019-03, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/1.5093547 PMID:31067936	研究论文	研究使用深度学习算法在有竞争说话者和回声的环境中提高听力受损者的语音可懂度	该研究扩展了深度学习语音分离技术在多种环境中的应用范围，包括不同背景噪音、竞争说话者和房间回声	NA	探索深度学习算法在复杂声学环境中作为降噪工具的性能	听力受损者和正常听力者在不同目标干扰比下的语音可懂度	机器学习	听力障碍	深度学习	双向长短期记忆循环神经网络	语音	听力受损者和正常听力者
202	2024-08-07	Deep Learning-Based Multinational Banknote Type and Fitness Classification with the Combined Images by Visible-Light Reflection and Infrared-Light Transmission Image Sensors 2019-Feb-15, Sensors (Basel, Switzerland) DOI:10.3390/s19040792 PMID:30781367	研究论文	本文提出了一种基于深度学习的多国货币类型和适用性分类方法，该方法结合红外透射和可见光反射图像，使用卷积神经网络进行分类	本文的创新点在于同时考虑了多国货币的类型和适用性分类，并提出了一种新的方法来估计纸币的适用性值及其在多次输入中的结果一致性	NA	旨在解决自动支付设施中纸币的自动分拣问题，包括纸币类型识别、适用性分类和防伪检测	研究对象为印度卢比、韩国韩元和美国美元的纸币图像	计算机视觉	NA	深度学习	卷积神经网络	图像	包含印度卢比、韩国韩元和美国美元的纸币图像，涉及两种和三种适用性级别
203	2024-08-07	16S rRNA sequence embeddings: Meaningful numeric feature representations of nucleotide sequences that are convenient for downstream analyses 2019-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1006721 PMID:30807567	研究论文	本文探讨了使用词和句子嵌入方法对核苷酸序列进行数值表示，以便于下游机器学习应用（尤其是深度学习）	本文采用Skip-Gram word2vec方法将k-mers嵌入到密集的低维数值向量空间中，并利用现有的句子嵌入技术对特定身体部位或样本的所有序列进行嵌入，展示了这些表示的意义	NA	探索核苷酸序列的数值表示方法，以便于下游机器学习应用	16S rRNA扩增子调查中的k-mers序列	机器学习	NA	Skip-Gram word2vec	NA	序列数据	特定身体部位或样本的所有序列
204	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
205	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
206	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
207	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
208	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
209	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
210	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
211	2024-08-07	Pathologist-level classification of histologic patterns on resected lung adenocarcinoma slides with deep neural networks 2019-03-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-40041-7 PMID:30833650	研究论文	本研究提出了一种深度学习模型，用于自动分类肺腺癌手术切除切片上的组织学模式	模型使用卷积神经网络识别肿瘤细胞区域，并聚合这些分类以推断任何给定全切片图像的主要和次要组织学模式	模型在独立测试集上的Kappa值为0.525，与三位病理学家的一致性为66.6%，略高于病理学家之间的Kappa值0.485和一致性62.7%	开发一种能够自动分类肺腺癌组织学模式的深度学习模型，以辅助病理学家提高分类准确性	肺腺癌手术切除切片上的组织学模式	数字病理学	肺腺癌	卷积神经网络	CNN	图像	143张全切片图像
212	2024-08-07	Automated segmentation of haematoma and perihaematomal oedema in MRI of acute spontaneous intracerebral haemorrhage 2019-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2019.01.022 PMID:30711800	研究论文	本文介绍了一种自动分割急性自发性脑内出血（SICH）MRI图像中血肿和周围水肿的算法	该方法是首个直接利用MRI图像进行SICH血肿和水肿分割的技术	NA	旨在为临床试验提供定量结果测量，并可能为SICH患者的预后提供重要标志	急性自发性脑内出血（SICH）患者的MRI图像中的血肿和周围水肿	计算机视觉	脑血管疾病	MRI	NA	图像	18名患者用于算法验证，32名手动标注对象用于与深度学习方法比较
213	2024-08-07	Explaining the unique nature of individual gait patterns with deep learning 2019-02-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-38748-8 PMID:30787319	研究论文	本文利用深度神经网络（DNN）研究临床生物力学中个体步态模式的独特性，并通过Layer-Wise Relevance Propagation（LRP）技术解释模型预测与输入变量之间的关系	本文首次提出了一种通用框架，通过测量每个输入变量对预测的时间解析贡献，使非线性机器学习方法在生物力学步态分析中可理解且可解释	NA	研究个体步态模式的独特性，并提供一种方法来理解和解释机器学习模型在步态分析中的应用	个体步态模式及其在临床生物力学中的应用	机器学习	NA	深度神经网络（DNN）	DNN	数据	NA
214	2024-08-07	Using Memristors for Robust Local Learning of Hardware Restricted Boltzmann Machines 2019-02-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-018-38181-3 PMID:30755662	研究论文	本文探讨了使用忆阻器实现硬件限制玻尔兹曼机的鲁棒局部学习	提出了一种基于两次权重更新符号的脉宽选择方案，并展示了该策略对忆阻器设备非线性和随机性的部分免疫能力	NA	设计适用于芯片上玻尔兹曼机的简单忆阻器编程协议	忆阻器设备在硬件神经网络中的应用	机器学习	NA	忆阻器	玻尔兹曼机	NA	NA
215	2024-08-07	Deep Reinforcement Learning in Medicine 2019-Feb, Kidney diseases (Basel, Switzerland) DOI:10.1159/000492670 PMID:30815460	研究论文	本文介绍了强化学习的基本概念，并探讨了如何将强化学习与深度学习有效结合，以及深度强化学习在医学领域的应用潜力	本文首次探讨了深度强化学习在医学领域的应用	NA	介绍强化学习的基本概念，并探讨其在医学领域的应用	强化学习与深度学习的结合及其在医学领域的应用	机器学习	NA	深度强化学习	深度神经网络	NA	NA
216	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
217	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
218	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
219	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
220	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