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	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
202	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
203	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
204	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
205	2024-08-07	Deep learning in radiology: An overview of the concepts and a survey of the state of the art with focus on MRI 2019-04, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.26534 PMID:30575178	综述	本文概述了深度学习在放射学中的应用，特别是MRI领域，并调查了该领域的最新技术	深度学习算法在图像相关任务中展现出突破性性能，经常达到或超过人类表现	简要讨论了将深度学习融入未来放射学实践的机会和挑战	探讨深度学习在放射学中的应用机会，并介绍深度学习的基本概念	放射学领域，特别是MRI	计算机视觉	NA	深度学习	卷积神经网络	图像	NA
206	2024-08-07	Deep convolutional models improve predictions of macaque V1 responses to natural images 2019-04, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1006897 PMID:31013278	研究论文	本文测试了两种基于深度学习的方法——从物体识别训练的人工神经网络的迁移学习和端到端训练在大规模神经元群体上的数据驱动卷积神经网络模型——预测清醒猕猴V1区对自然图像反应的能力	多层卷积神经网络（CNNs）为预测灵长类V1区对自然图像的神经反应设定了新的技术水平，并且用于物体识别的深度特征比所有先前的滤波器组理论更好地解释了V1计算	NA	测试基于深度学习的方法预测清醒猕猴V1区对自然图像反应的能力	清醒猕猴V1区的神经反应	计算机视觉	NA	深度学习	CNN	图像	大规模神经元群体
207	2024-08-07	Analyzing and Visualizing Knowledge Structures of Health Informatics from 1974 to 2018: A Bibliometric and Social Network Analysis 2019-Apr, Healthcare informatics research IF:2.3Q3 DOI:10.4258/hir.2019.25.2.61 PMID:31131140	综述	本文通过定量文献回顾分析，对健康信息学的知识结构进行理论澄清，并绘制科学网络图谱	本文利用文本挖掘和文献计量学方法，分析了健康信息学领域的知识结构和科学网络模式	NA	旨在通过定量分析揭示健康信息学领域的知识结构和科学网络模式	健康信息学领域的文献和科学网络	健康信息学	NA	文本挖掘和文献计量学	NA	文本	30,115篇健康信息学主题的文章
208	2024-08-07	Predicting ischemic stroke tissue fate using a deep convolutional neural network on source magnetic resonance perfusion images 2019-Apr, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.6.2.026001 PMID:31131293	研究论文	本文利用深度卷积神经网络（CNN）在磁共振灌注成像上预测缺血性脑卒中的组织命运	提出了一种改进特征学习的深度CNN架构，并在曲线下面积上超越了现有的组织命运模型	NA	开发一种新的方法来预测急性脑卒患者的梗死体积，以辅助临床治疗决策	缺血性脑卒中的组织命运	计算机视觉	心血管疾病	磁共振灌注成像	CNN	图像	NA
209	2024-08-07	Automatic Pulmonary Nodule Detection Applying Deep Learning or Machine Learning Algorithms to the LIDC-IDRI Database: A Systematic Review 2019-Mar-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics9010029 PMID:30866425	综述	本研究旨在概述应用于LIDC-IDRI数据库的机器学习算法在胸部CT扫描中检测肺结节的情况	机器学习和深度学习算法能够以高准确度、敏感性和特异性检测肺结节	对于评估机器学习算法效率的方法尚未达成共识	提供关于应用于LIDC-IDRI数据库的机器学习算法在肺结节检测中的文献综述	机器学习和深度学习算法在LIDC-IDRI数据库中的应用	机器学习	肺部疾病	NA	机器学习算法和深度学习算法	CT扫描图像	41篇研究文章
210	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
211	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
212	2024-08-07	Incorporation of a spectral model in a convolutional neural network for accelerated spectral fitting 2019-05, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.27641 PMID:30666698	研究论文	本文介绍了一种结合卷积神经网络和光谱模型的无监督深度学习架构，用于加速大脑体积磁共振波谱成像（MRSI）的光谱拟合	提出了一种新的卷积编码器-模型解码器（CEMD）架构，结合了自适应和无偏的卷积网络与磁共振模型，具有良好的可解释性	NA	开发一种能够快速进行全脑数据光谱拟合的新架构，以促进临床常规实践	大脑体积MRSI数据在胶质母细胞瘤患者中的光谱拟合	机器学习	肿瘤	磁共振波谱成像（MRSI）	卷积神经网络（CNN）	光谱数据	约10,000个光谱
213	2024-08-07	Deep Learning Neural Networks Highly Predict Very Early Onset of Pluripotent Stem Cell Differentiation 2019-04-09, Stem cell reports IF:5.9Q2 DOI:10.1016/j.stemcr.2019.02.004 PMID:30880077	研究论文	本文利用卷积神经网络（CNN）通过透射光显微镜图像区分多能干细胞和早期分化细胞	成功训练网络以超过99%的准确率识别未分化细胞和分化细胞，并在分化开始后仅20分钟即可进行成功预测	NA	训练CNN区分多能干细胞和早期分化细胞	小鼠胚胎干细胞和人类诱导多能干细胞的分化过程	计算机视觉	NA	透射光显微镜	CNN	图像	多个时间点的图像
214	2024-08-07	Deep learning opens new horizons in personalized medicine 2019-Apr, Biomedical reports IF:2.3Q3 DOI:10.3892/br.2019.1199 PMID:30988951	研究论文	本文探讨了深度学习在个性化医疗中的应用，通过开发高精度的多模态预测模型，促进个性化医疗的实现。	深度学习提供了一种新颖的方法，能够开发高精度的多模态预测模型，有助于个性化医疗的实施。	NA	研究深度学习在个性化医疗中的应用，以解决多模态大数据转化为决策支持工具的挑战。	深度学习模型在个性化医疗中的应用及其对预测和检测率的影响。	机器学习	NA	深度学习 (DL)	深度学习模型	多模态数据	NA
215	2024-08-07	A deep learning approach to automatic teeth detection and numbering based on object detection in dental periapical films 2019-03-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-40414-y PMID:30846758	研究论文	本文提出使用TensorFlow工具包中的faster R-CNN来检测和编号牙科根尖片中的牙齿，并引入三种后处理技术以提高检测精度	引入了三种后处理技术：过滤算法删除重叠框、神经网络模型检测缺失牙齿、基于牙齿编号系统的规则模块修正检测结果	NA	开发一种自动检测和编号牙科根尖片中牙齿的深度学习方法	牙科根尖片中的牙齿	计算机视觉	NA	faster R-CNN	CNN	图像	测试数据集
216	2024-08-07	Reagent-Free and Rapid Assessment of T Cell Activation State Using Diffraction Phase Microscopy and Deep Learning 2019-03-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.8b04895 PMID:30741527	研究论文	本文介绍了一种利用衍射相位显微镜和深度学习技术快速且无需试剂评估CD8 T细胞激活状态的光学成像方法	提出了一种无需试剂且快速的方法来区分激活和未激活的CD8 T细胞，通过深度学习模型准确预测混合细胞群的比例	该方法仍需进一步完善以提高其准确性和应用范围	开发一种快速且成本效益高的平台，用于评估T细胞对候选抗原的反应	CD8 T细胞的激活状态	生物医学工程	NA	衍射相位显微镜	深度学习	图像	活细胞
217	2024-08-07	Automated segmentation of dermal fillers in OCT images of mice using convolutional neural networks 2019-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.10.001315 PMID:30891348	研究论文	本文介绍了一种基于光学相干断层扫描（OCT）和深度学习的系统，用于自动确定水凝胶的皮内体积	使用了一种自建的OCT原型设备和u-net类似架构的卷积神经网络进行图像分割	NA	开发一种自动测量皮内填充物体积的方法	小鼠皮肤中的皮内填充物	计算机视觉	NA	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	100个OCT体积数据集
218	2024-08-07	High-throughput, high-resolution deep learning microscopy based on registration-free generative adversarial network 2019-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.10.001044 PMID:30891329	研究论文	本文结合生成对抗网络（GAN）与光学显微镜，实现了在大视场（FOV）下的深度学习超分辨率成像	提出了一种无需图像配准的生成对抗网络，并设计了一个图像降级模型用于生成低分辨率图像以进行训练	NA	实现高吞吐量、高分辨率的深度学习显微成像	多种样本，包括USA分辨率目标、人类病理切片、荧光标记的成纤维细胞以及转基因小鼠脑部的深层组织	计算机视觉	NA	生成对抗网络（GAN）	GAN	图像	多种类型样本，包括USA分辨率目标、人类病理切片、荧光标记的成纤维细胞及转基因小鼠脑部深层组织
219	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
220	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