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
221	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
222	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
223	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
224	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
225	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
226	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
227	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
228	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
229	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
230	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
231	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
232	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
233	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
234	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
235	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
236	2024-08-07	Deep learning and manual assessment show that the absolute mitotic count does not contain prognostic information in triple negative breast cancer 2019-Aug, Cellular oncology (Dordrecht) DOI:10.1007/s13402-019-00445-z PMID:30989469	研究论文	本文通过深度学习和手动评估方法，研究了绝对有丝分裂计数在三阴性乳腺癌中的预后价值	首次使用深度学习和手动方法评估三阴性乳腺癌中有丝分裂计数的预后价值	研究仅限于回顾性三阴性乳腺癌队列，可能限制了结果的普遍性	评估有丝分裂计数作为三阴性乳腺癌预后因素的价值	三阴性乳腺癌患者的有丝分裂计数	机器学习	乳腺癌	卷积神经网络	CNN	图像	298例三阴性乳腺癌患者
237	2024-08-07	Distinction between benign and malignant breast masses at breast ultrasound using deep learning method with convolutional neural network 2019-Jun, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-019-00831-5 PMID:30888570	研究论文	本研究使用卷积神经网络（CNN）深度学习方法区分乳腺超声图像中的良性与恶性肿块	本研究展示了CNN模型在区分乳腺超声图像中良性与恶性肿块的高诊断性能，与放射科医生相比，具有同等或更好的诊断效果	NA	利用深度学习和卷积神经网络区分乳腺超声图像中的良性与恶性肿块	乳腺超声图像中的良性与恶性肿块	机器学习	乳腺疾病	卷积神经网络（CNN）	CNN	图像	训练数据包括480张良性肿块图像和467张恶性肿块图像，测试数据包括48张良性肿块图像和72张恶性肿块图像
238	2024-08-05	Skull-Stripping of Glioblastoma MRI Scans Using 3D Deep Learning 2019-Oct, Brainlesion : glioma, multiple sclerosis, stroke and traumatic brain injuries. BrainLes (Workshop) DOI:10.1007/978-3-030-46640-4_6 PMID:32577629	研究论文	本文评估了使用3D深度学习架构进行胶质瘤MRI扫描的头骨去除性能	提出了一种新的方法，专注于多参数MRI扫描中的头骨去除，与现有方法相比能够更好地处理脑肿瘤图像	只评估了公共可用的实现，而未考虑其他潜在的3D深度学习架构	研究旨在优化在胶质瘤MRI图像上进行头骨去除的性能	使用1796个手动检查过的胶质瘤mpMRI扫描作为研究对象	计算机视觉	脑肿瘤	3D深度学习	DeepMedic, 3D U-Net, FCN	MRI图像	1796个mpMRI脑肿瘤扫描
239	2024-08-05	DDL: Deep Dictionary Learning for Predictive Phenotyping 2019-Aug, IJCAI : proceedings of the conference DOI:10.24963/ijcai.2019/812 PMID:33767572	研究论文	本文提出了一种深度字典学习框架（DDL），旨在通过使用无标签数据来改善预测表型的性能。	本研究创新性地使用无标签数据作为信息的补充来源，以生成更好、更简明的数据表示，从而克服标签不足的问题。	本研究可能受到无标签数据质量和多样性的影响，这可能限制了结果的广泛适用性。	研究的目的是提高基于电子健康记录（EHR）数据的预测表型准确性。	研究对象包括多个EHR数据集中的患者表型。	机器学习	NA	深度学习	深度字典学习	电子健康记录（EHR）数据	多个EHR数据集
240	2024-08-05	BIRNet: Brain image registration using dual-supervised fully convolutional networks 2019-05, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2019.03.006 PMID:30939419	研究论文	本文提出了一种通过预测变形从图像外观进行图像配准的深度学习方法	设计了一种全卷积网络，采用双重指导来避免过度依赖训练变形场的监督	获取训练的真实变形场可能具有挑战性	研究如何通过深度学习实现脑部图像的配准	脑部图像	计算机视觉	NA	深度学习	全卷积网络	图像	多种数据集的实验