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
21	2024-10-02	A Comparison of Shallow and Deep Learning Methods for Predicting Cognitive Performance of Stroke Patients From MRI Lesion Images 2019, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2019.00053 PMID:31417388	研究论文	本文比较了浅层和深层学习方法在从MRI病变图像预测中风患者认知表现方面的效果	提出了基于卷积神经网络（CNN）的深度学习方法，并设计了一种混合方法，通过重用CNN的高级特征作为岭回归（RR）模型的额外输入，显著提高了预测准确性	研究结果表明，训练数据的大小和图像冗余度是影响计算模型准确性的关键因素，但未详细探讨其他可能的影响因素	研究如何利用机器学习技术从神经影像数据中预测中风患者的认知表现	中风患者的MRI病变图像及其认知表现	机器学习	中风	卷积神经网络（CNN）、岭回归（RR）、支持向量回归	卷积神经网络（CNN）	图像	异质性中风患者样本
22	2024-10-02	Uncovering convolutional neural network decisions for diagnosing multiple sclerosis on conventional MRI using layer-wise relevance propagation 2019, NeuroImage. Clinical DOI:10.1016/j.nicl.2019.102003 PMID:31634822	研究论文	本文提出了一种基于3D卷积神经网络和层级相关传播的透明深度学习框架，用于诊断多发性硬化症	使用层级相关传播技术揭示了卷积神经网络在诊断多发性硬化症时的决策依据，验证了模型的有效性	研究样本量较小，可能影响模型的泛化能力	开发一种透明的深度学习框架，用于诊断多发性硬化症，并验证其决策依据	多发性硬化症患者和健康对照组的MRI数据	计算机视觉	神经炎症疾病	层级相关传播	卷积神经网络	图像	921例阿尔茨海默病神经影像学数据，76例多发性硬化症患者，71例健康对照组
23	2024-09-27	Chief complaint classification with recurrent neural networks 2019-05, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2019.103158 PMID:30926471	研究论文	本文研究了使用循环神经网络对急诊部门记录中的主诉进行分类	本文首次将长短期记忆网络（LSTM）和门控循环单元（GRU）应用于主诉分类，并展示了其在性能上优于传统的词袋分类器	研究仅基于单一美国管辖区的360万条去识别化急诊部门记录，可能存在地域和数据量的局限性	提高疫情检测速度和诊断准确性	急诊部门记录中的主诉和出院诊断	机器学习	NA	循环神经网络（RNN）	长短期记忆网络（LSTM）和门控循环单元（GRU）	文本	360万条去识别化的急诊部门记录
24	2024-09-27	A picture tells a thousand…exposures: Opportunities and challenges of deep learning image analyses in exposure science and environmental epidemiology 2019-01, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2018.11.042 PMID:30473381	研究论文	本文讨论了在暴露科学和环境流行病学领域应用人工智能（特别是深度卷积神经网络）的潜力、挑战和所需的数据来源	提出使用图像和其他补充数据源（如手机移动性和社交媒体信息）来估计环境暴露，并探讨了在低收入和中等收入国家中使用图像分析的成本效益	需要合适的训练和评估模型的大型数据库，并且新方法应与传统暴露指标相结合	探讨人工智能在暴露科学和环境健康领域的应用潜力	环境暴露的估计和环境健康的影响	机器学习	NA	深度卷积神经网络	CNN	图像	NA
25	2024-09-25	Ventricular ectopic beat detection using a wavelet transform and a convolutional neural network 2019-06-04, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ab17f0 PMID:30970338	研究论文	本文提出了一种结合小波变换和卷积神经网络的方法来自动识别心电图中的室性早搏	本文创新性地将小波变换与深度学习网络结合，用于室性早搏的分类	NA	本文旨在介绍一种利用小波变换和深度学习网络进行室性早搏分类的方法	本文研究对象为心电图中的室性早搏	机器学习	心血管疾病	小波变换	卷积神经网络	图像	MIT-BIH心律失常数据库和AHA数据库
26	2024-09-21	Mixed deep learning and natural language processing method for fake-food image recognition and standardization to help automated dietary assessment 2019-05, Public health nutrition IF:3.0Q2 DOI:10.1017/S1368980018000708 PMID:29623869	研究论文	本文研究了一种结合深度学习和自然语言处理的方法，用于识别假食物图像并进行标准化，以帮助自动化饮食评估	首次提出了一种自动识别假食物图像的方法，并结合自然语言处理进行食物匹配和标准化	研究样本量较小，仅涉及124名参与者，未来需要更大规模的研究验证	开发一种自动化方法，用于饮食评估和食物选择研究	假食物图像的识别和标准化	计算机视觉	NA	深度学习，自然语言处理	深度学习网络	图像	124名参与者，提供55种食物类别
27	2024-09-14	[Deep residual convolutional neural network for recognition of electrocardiogram signal arrhythmias] 2019-Apr-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.201712031 PMID:31016934	研究论文	提出了一种结合小波自适应阈值去噪和深度残差卷积神经网络的算法，用于多类心律失常信号的识别	设计了一个包含多个残差块的20层卷积神经网络，解决了传统CNN在网络深度增加时的退化问题，并通过批量归一化提高了收敛性	NA	提高心电图信号中心律失常的识别准确率，并将其应用于家庭和养老院等非医院场景	心电图信号中的多类心律失常	机器学习	心血管疾病	小波自适应阈值去噪	深度残差卷积神经网络 (DR-CNN)	信号	94,091个2导联心搏数据
28	2024-09-13	[A review of deep learning methods for the detection and classification of pulmonary nodules] 2019-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.201903027 PMID:31875384	综述	本文综述了深度学习方法在肺结节检测和分类中的应用	系统介绍了2D-CNN、3D-CNN、Faster R-CNN、MMCNN、DCGAN和迁移学习技术在肺结节检测和分类中的应用	未提及具体实验结果和数据支持	探讨深度学习技术在肺结节检测和分类中的应用	肺结节的检测和分类	计算机视觉	肺癌	深度学习	2D-CNN、3D-CNN、Faster R-CNN、MMCNN、DCGAN	图像	NA
29	2024-09-11	DeepAtlas: Joint Semi-Supervised Learning of Image Registration and Segmentation 2019-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-32245-8_47 PMID:39247524	研究论文	提出了一种联合学习图像配准和分割的深度学习框架	该框架能够利用现有分割数据进行弱监督，并在没有分割数据时通过分割网络计算，从而提高配准和分割的准确性	NA	提高医学图像配准和分割的准确性，特别是在训练数据有限的情况下	膝关节和脑部的3D磁共振图像	计算机视觉	NA	深度卷积神经网络 (CNN)	CNN	图像	膝关节和脑部的3D磁共振图像，具体数量未明确
30	2024-09-10	Self-supervised learning for medical image analysis using image context restoration 2019-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2019.101539 PMID:31374449	研究论文	本文提出了一种基于图像上下文恢复的自监督学习策略，用于医学图像分析	提出了一种新的自监督学习策略，通过上下文恢复来更好地利用未标记图像，该策略具有学习语义图像特征、适用于不同类型的后续图像分析任务以及实现简单的特点	未明确提及	提高机器学习模型在医学图像分析中的性能，特别是在标记数据不足的情况下	胎儿2D超声图像的扫描平面检测、CT图像中腹部器官的定位以及多模态MR图像中脑肿瘤的分割	计算机视觉	NA	自监督学习	NA	图像	未明确提及
31	2024-09-06	Simultaneous cosegmentation of tumors in PET-CT images using deep fully convolutional networks 2019-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.13331 PMID:30537103	研究论文	研究使用深度全卷积网络（DFCN）在PET-CT图像上同时分割肿瘤的方法	提出了一种基于DFCN的肿瘤同时分割方法，结合了PET和CT的信息，并展示了其优于现有图论分割方法的性能	NA	研究3D深度学习全卷积网络在非小细胞肺癌PET-CT图像上同时分割肿瘤的效用和效率	非小细胞肺癌（NSCLC）的PET-CT图像中的肿瘤	计算机视觉	肺癌	深度学习	全卷积网络（DFCN）	图像	60对PET/CT图像
32	2024-09-06	Deep learning in medical imaging and radiation therapy 2019-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.13264 PMID:30367497	综述	本文综述了深度学习在医学影像和放射治疗中的应用	本文总结了当前的成就，并指出了未来的应用和技术创新方向	本文主要总结了现有研究，未涉及具体实验或数据分析	总结深度学习在医学影像和放射治疗中的应用现状，并探讨未来的发展方向	深度学习在医学影像和放射治疗中的应用	计算机视觉	NA	深度学习	卷积神经网络	影像	NA
33	2024-09-04	Region-specific Diffeomorphic Metric Mapping 2019-Dec, Advances in neural information processing systems PMID:36081637	研究论文	本文介绍了一种区域特定的微分同胚度量映射（RDMM）注册方法，该方法通过估计时空速度场来参数化所需的空间变换，并允许空间变化的正则化	与现有使用固定空间不变正则化的非参数注册方法（如LDDMM模型）不同，RDMM方法允许通过估计的时空速度场进行空间变化正则化，从而更自然地捕捉大位移	NA	探索RDMM注册方法的性能，并验证其在不同数据集上的应用效果	RDMM注册方法在合成2D数据和两个3D数据集（膝关节MRI和肺部CT图像）上的应用	计算机视觉	NA	微分同胚度量映射	深度学习模型	图像	合成2D数据和两个3D数据集（膝关节MRI和肺部CT图像）
34	2024-09-02	From deep learning to mechanistic understanding in neuroscience: the structure of retinal prediction 2019-Dec, Advances in neural information processing systems PMID:35283616	研究论文	本文通过结合降维和现代归因方法，开发了一种系统方法来从深度神经网络模型中提取和理解计算机制，并应用于视网膜的深度网络模型，揭示了视网膜作为预测特征提取器的工作原理。	本文提出了一种新的系统方法，通过结合降维和现代归因方法，从深度神经网络模型中提取和理解计算机制，为深度网络作为神经科学模型提供了更坚实的理论基础。	本文主要关注于从深度网络模型中提取计算机制，尚未涉及这些机制在生物学上的验证。	研究目的是探索深度学习在神经科学中的应用，并从深度网络模型中提取和理解计算机制。	研究对象是视网膜的深度网络模型及其在处理视觉刺激时的计算机制。	机器学习	NA	深度学习	深度前馈神经网络	视觉刺激	NA
35	2024-08-31	Facial expression recognition for monitoring neurological disorders based on convolutional neural network 2019-Nov, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-019-07959-6 PMID:35693322	研究论文	本研究开发了一种基于卷积神经网络的自动化面部表情识别系统，用于监测神经障碍患者	该系统采用了一种新颖的深度学习方法，通过四阶段网络结构，结合整体面部信息和局部特征，提高了面部表情识别的准确性	NA	开发一种低成本、无创的自动化面部表情识别系统，帮助专家检测神经障碍	面部表情识别在神经障碍患者中的应用	计算机视觉	神经障碍	卷积神经网络	CNN	图像	在RaFD数据库上进行了实验，实现了94.44%的准确率
36	2024-08-22	Delfos: deep learning model for prediction of solvation free energies in generic organic solvents 2019-Sep-28, Chemical science IF:7.6Q1 DOI:10.1039/c9sc02452b PMID:32110289	研究论文	本文介绍了一种名为Delfos的深度学习模型，用于预测通用有机溶剂中的溶剂化自由能	Delfos模型采用了两个独立的溶剂和溶质编码器网络，结合词嵌入和循环层以及注意力机制，从循环神经网络的输出中提取重要子结构	NA	开发一种新的机器学习方法，用于预测有机溶剂中的溶剂化自由能	有机溶质和溶剂系统的溶剂化自由能	机器学习	NA	深度学习	CNN	文本	2495个溶质-溶剂对
37	2024-08-18	Assessment of Accuracy of an Artificial Intelligence Algorithm to Detect Melanoma in Images of Skin Lesions 2019-10-02, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2019.13436 PMID:31617929	研究论文	评估人工智能算法在皮肤病变图像中检测黑色素瘤的准确性	该研究展示了人工智能算法在识别皮肤镜图像中的黑色素瘤方面的能力，其准确性与专业人员相当	研究中部分图像缺失或不适合分析，可能影响算法的训练和评估	确定人工智能算法在智能手机和数码单反相机拍摄的皮肤镜图像中识别黑色素瘤的准确性	使用三种不同相机拍摄的514名至少有一个可疑色素性皮肤病变患者的皮肤镜图像	计算机视觉	皮肤癌	深度学习	深度学习算法	图像	514名患者，共1550张皮肤病变图像
38	2024-08-12	Precision immunoprofiling by image analysis and artificial intelligence 2019-Apr, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-018-2485-z PMID:30470933	研究论文	本文评估了计算病理学和人工智能在免疫肿瘤学标志物评估中的应用，并讨论了其在精准医学中的潜力	提出了将计算病理学与人工智能结合的标准化方法，并探讨了其在免疫肿瘤学中的应用	NA	开发新的预测和预后检测方法，以支持患者选择和分层	免疫肿瘤学标志物，如PD-L1和免疫细胞浸润	数字病理学	NA	人工智能	机器学习	图像	NA
39	2024-08-09	Imaging Advances in Chronic Obstructive Pulmonary Disease. Insights from the Genetic Epidemiology of Chronic Obstructive Pulmonary Disease (COPDGene) Study 2019-02-01, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.201807-1351SO PMID:30304637	综述	本文总结了COPDGene研究中影像学发现对慢性阻塞性肺病（COPD）理解的主要进展	介绍了通过影像学特征如早期间质性肺异常、肺气肿的视觉存在及模式等，对COPD发病机制和预后的新见解，以及使用深度学习进行COPD表型分型的研究	NA	旨在理解慢性阻塞性肺病的病因、进展和异质性	超过10,000名当前和曾经的吸烟者	数字病理学	慢性阻塞性肺病	计算机断层扫描	深度学习	影像数据	超过10,000名参与者
40	2024-08-07	Descriptor Free QSAR Modeling Using Deep Learning With Long Short-Term Memory Neural Networks 2019, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2019.00017 PMID:33733106	研究论文	本研究探索了在不使用预计算描述符的情况下，利用长短期记忆（LSTM）神经网络构建高质量可解释的QSAR模型的前景	使用LSTM神经网络直接从SMILES代码或新开发的线性分子表示法中训练模型，提高了对训练集中不相似化合物的预测能力	NA	研究使用LSTM神经网络构建无需预计算描述符的QSAR模型的可行性	QSAR模型的构建方法及其在不同数据集上的应用	机器学习	NA	LSTM神经网络	LSTM	文本	训练集包含7,866至31,919个化合物