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
81	2024-08-07	Imaging biomarkers of adiposity and sarcopenia as potential predictors for overall survival among patients with endometrial cancer treated with bevacizumab 2019-Nov, Gynecologic oncology reports IF:1.2Q3 DOI:10.1016/j.gore.2019.100502 PMID:31720357	研究论文	研究评估了身体质量指数（BMI）、皮下脂肪面积（SFA）和密度（SFD）、内脏脂肪面积（VFA）和密度（VFD）以及总腰大肌面积（TPA）与接受化疗联合或不联合贝伐珠单抗治疗的晚期或复发性子宫内膜癌患者预后之间的关系	使用深度学习算法从治疗前的CT扫描中确定SFA、VFA、SFD、VFD和TPA，并分析这些影像学指标与总体生存期（OS）和无进展生存期（PFS）的关系	研究未发现任何脂肪指标能预测贝伐珠单抗治疗的改善反应	探讨影像学指标作为预测子宫内膜癌患者总体生存的潜在标志物	接受化疗联合或不联合贝伐珠单抗治疗的晚期或复发性子宫内膜癌患者	数字病理学	子宫内膜癌	深度学习算法	NA	影像数据	78名患者
82	2024-08-07	Automatic Detection of Diabetic Retinopathy in Retinal Fundus Photographs Based on Deep Learning Algorithm 2019-Nov, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.8.6.4 PMID:31737428	研究论文	本文通过使用Inception-v3网络的深度迁移学习方法，实现了在眼底彩色图像中自动检测糖尿病视网膜病变（DR）	采用深度迁移学习方法和Inception-v3网络进行自动DR检测，提高了分类准确性和敏感性	NA	实现自动糖尿病视网膜病变检测，辅助临床决策	糖尿病视网膜病变在眼底彩色图像中的自动检测	计算机视觉	糖尿病视网膜病变	深度学习	Inception-v3网络	图像	共19,233张眼底彩色图像，来自5278名成年患者
83	2024-08-07	High-throughput phenotyping with deep learning gives insight into the genetic architecture of flowering time in wheat 2019-11-01, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giz120 PMID:31742599	研究论文	本文展示了在田间条件下使用深度学习从移动田间车辆近端成像直接估计小麦的植物形态和发育阶段	本文提出了一种基于深度学习的田间高通量表型分析方法，能够直接测量遗传群体中的形态和发育表型，并展示了其在小麦开花时间遗传结构研究中的应用	NA	研究目的是通过深度学习技术提高植物性状测量的精确度和速度，从而更好地连接基因型与表型	研究对象是小麦的植物形态和发育阶段，特别是开花时间	计算机视觉	NA	深度学习	卷积神经网络	图像	使用了由专家视觉评分标记的图像数据集
84	2024-08-07	Deep Learning Algorithm for Automated Diagnosis of Retinopathy of Prematurity Plus Disease 2019-Nov, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.8.6.23 PMID:31819832	研究论文	本研究描述了用于自动诊断早产儿视网膜病变（ROP）加病变的深度学习算法ROP.AI的初步开发	开发了一种新的深度学习算法ROP.AI，能够自动诊断ROP加病变，具有高灵敏度和阴性预测值	NA	开发和验证一种深度学习算法，用于自动诊断早产儿视网膜病变加病变	早产儿视网膜病变加病变的自动诊断	机器学习	早产儿视网膜病变	深度学习	深度学习算法	图像	6974张眼底图像
85	2024-08-07	Using deep learning for a diffusion-based segmentation of the dentate nucleus and its benefits over atlas-based methods 2019-Oct, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.6.4.044007 PMID:31824980	研究论文	本文介绍了一种使用深度学习技术自动分割齿状核的方法，并比较了其与基于图谱方法的优势	提出的深度学习方法在自动分割齿状核时，与手动标签的吻合度高于传统的基于图谱的分割方法	NA	开发一种能够更准确地自动分割齿状核的方法	齿状核的自动分割	计算机视觉	NA	深度学习	NA	医学影像	NA
86	2024-08-07	Cross-domain AU Detection: Domains, Learning Approaches, and Measures 2019-May, Proceedings of the ... International Conference on Automatic Face and Gesture Recognition. IEEE International Conference on Automatic Face & Gesture Recognition DOI:10.1109/FG.2019.8756543 PMID:31749665	研究论文	本文研究了面部动作单元（AU）检测器在未训练过的新领域中的迁移能力，并通过实验评估了深度学习（CNN）和浅层学习（SVM）方法在不同数据库中的表现。	本文通过实验评估了AU检测器在不同领域间的迁移能力，并比较了深度学习和浅层学习方法的效果。	实验结果显示，AU检测器在不同领域间的迁移能力有限，尤其是在浅层学习方法中表现更差。	探讨AU检测器在未训练过的新领域中的表现及其迁移能力。	面部动作单元（AU）检测器在不同领域中的表现。	计算机视觉	NA	CNN, SVM	CNN, SVM	视频	两个大型公开数据库：Expanded BP4D+ 和 GFT
87	2024-08-07	Deep learning-based stenosis quantification from coronary CT Angiography 2019-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2512168 PMID:31762536	研究论文	本文评估了利用深度学习从冠状动脉CT血管造影（CTA）中量化冠状动脉疾病的可行性	提出了一种基于深度学习的方法，能够准确地从CTA中量化冠状动脉疾病段，可能增强临床报告	研究样本仅包括156名患者，且深度学习方法在直径狭窄度（DS）的测量上与专家读者的测量存在显著差异	评估深度学习在冠状动脉CTA中量化狭窄的可行性	冠状动脉疾病患者的CTA图像	计算机视觉	心血管疾病	深度学习	卷积神经网络	图像	156名患者，共716个病变段
88	2024-08-07	Application of convolutional neural networks to breast biopsies to delineate tissue correlates of mammographic breast density 2019, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-019-0134-6 PMID:31754628	研究论文	本文利用深度学习方法，通过分析放射引导下的乳腺活检数字化图像，探索乳腺密度与组织学特征之间的关系，并区分高密度和低密度女性的癌症风险	首次使用卷积神经网络分析乳腺活检图像，提取37个特征描述组织数量和形态结构，并训练随机森林模型预测纤维腺体体积和癌症诊断	研究样本量有限，且仅使用了放射引导下的乳腺活检图像，未来研究需扩大样本量并验证模型的泛化能力	探索乳腺密度与组织学特征之间的关系，并区分高密度和低密度女性的癌症风险	乳腺活检的数字化图像，包括852名患者的H&E染色图像	数字病理学	乳腺癌	卷积神经网络	随机森林	图像	852名患者
89	2024-08-07	Prediction in Autism by Deep Learning Short-Time Spontaneous Hemodynamic Fluctuations 2019, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2019.01120 PMID:31780879	研究论文	本研究旨在探索使用多层人工神经网络基于短时自发血流动力学波动对自闭症谱系障碍（ASD）儿童和典型发育（TD）儿童进行分类的可能性	采用结合卷积神经网络（CNN）和门控循环单元（GRU）的CGRNN网络，有效提取特征并避免过拟合问题	样本量较小，仅包括25名ASD儿童和22名TD儿童	探索使用深度学习技术基于短时自发血流动力学波动对ASD和TD儿童进行分类	自闭症谱系障碍（ASD）儿童和典型发育（TD）儿童	机器学习	自闭症谱系障碍	功能近红外光谱技术（fNIRS）	CGRNN（结合CNN和GRU的多层神经网络）	时间序列	25名ASD儿童和22名TD儿童
90	2024-08-07	Deepprune: Learning Efficient and Interpretable Convolutional Networks Through Weight Pruning for Predicting DNA-Protein Binding 2019, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2019.01145 PMID:31824562	研究论文	本文介绍了一种名为Deepprune的新型深度学习框架，通过权重剪枝和迭代微调，训练具有有限卷积核数量的CNN模型，以提高DNA-蛋白质结合位点的预测性能并增强模型的可解释性	Deepprune通过权重剪枝和迭代微调，实现了在有限卷积核数量下提高模型性能和可解释性	NA	旨在通过减少卷积核数量，提高基于CNN的模型在DNA-蛋白质结合位点预测中的性能和可解释性	DNA-蛋白质结合位点的预测	机器学习	NA	权重剪枝	CNN	ChIP-seq数据	模拟数据集和ChIP-seq数据
91	2024-08-07	CNN-MGP: Convolutional Neural Networks for Metagenomics Gene Prediction 2019-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-018-0313-4 PMID:30588558	研究论文	本文介绍了一种基于卷积神经网络的元基因组基因预测程序CNN-MGP，该程序能够直接从原始DNA序列中预测元基因组片段中的基因，无需手动特征提取和特征选择阶段	CNN-MGP利用深度学习技术，能够学习编码和非编码区域的特征，并区分编码和非编码开放阅读框（ORFs），其准确性高于或相当于使用预定义特征的最先进的基因预测程序	NA	开发一种新的基因预测方法，以提高元基因组片段中基因预测的准确性	元基因组片段中的基因预测	机器学习	NA	卷积神经网络（CNN）	CNN	DNA序列	10个CNN模型基于预定义的GC含量范围训练于10个互斥数据集
92	2024-08-07	Exploring semantic deep learning for building reliable and reusable one health knowledge from PubMed systematic reviews and veterinary clinical notes 2019-11-12, Journal of biomedical semantics IF:1.6Q3 DOI:10.1186/s13326-019-0212-6 PMID:31711540	研究论文	本文探讨了如何利用语义深度学习方法，从PubMed系统评价和兽医临床笔记中提取关于人类和动物健康的诊断、预后、治疗等信息，并将其转化为可计算的知识	结合语义网络技术和深度学习，开发了一种新的方法来处理和映射缩写形式，并使用现有本体正式表示关联	NA	探索如何将非结构化自由文本数据转化为可靠且可重用的一体化健康知识	从PubMed系统评价和兽医临床笔记中提取的11种常见医疗状况的相关临床概念	机器学习	NA	语义深度学习	深度学习方法	文本	30万篇PubMed系统评价文章和250万份兽医临床笔记
93	2024-08-07	Deep learning for pollen allergy surveillance from twitter in Australia 2019-11-08, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-019-0921-x PMID:31699071	研究论文	本文介绍了一种基于深度学习的实时检测和生成关于澳大利亚最普遍的慢性疾病之一——花粉过敏的洞察的方法	该系统解决了传统机器学习技术手动特征工程的局限性，能够处理与医学概念相关的广泛非标准表达	NA	开发一种基于社交媒体数据的花粉过敏监测方法	澳大利亚的花粉过敏情况	机器学习	花粉过敏	深度学习	CNN, RNN, LSTM, GRU	文本	6个月期间从Twitter提取的数据
94	2024-08-07	Training the next generation of Africa's doctors: why medical schools should embrace the team-based learning pedagogy 2019-Nov-04, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-019-1845-y PMID:31699081	研究论文	本文探讨了非洲医学院应采用团队为基础的学习（TBL）教学法以培养全面发展的医生	提出TBL作为一种强有力的替代方法，能够在当前环境下提供全面的医学教育，促进学生'硬技能'和'软技能'的发展	讨论了TBL在非洲实施初期可能面临的挑战	推动非洲医学教育采用团队为基础的学习方法，以培养适应未来医疗需求的医生	非洲的医学教育及其面临的挑战	NA	NA	NA	NA	NA	NA
95	2024-08-07	Machine Friendly Machine Learning: Interpretation of Computed Tomography Without Image Reconstruction 2019-10-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-51779-5 PMID:31664075	研究论文	本文开发了一种直接处理原始计算机断层扫描（CT）数据而不进行图像重建的系统，通过在正弦图空间中进行机器学习，实现了身体区域识别和颅内出血（ICH）检测。	本文提出的SinoNet模型，是一种针对正弦图优化的卷积神经网络，能够在正弦图空间中直接处理CT数据，无需图像重建，且在稀疏采样正弦图上表现优于传统图像空间网络。	NA	开发一种新的机器学习系统，直接处理原始CT数据，跳过图像重建步骤，以提高医疗图像分析的效率和准确性。	身体区域识别和颅内出血（ICH）检测	机器学习	颅内出血	NA	卷积神经网络（CNN）	正弦图	NA
96	2024-08-07	Deep learning-based optical field screening for robust optical diffraction tomography 2019-10-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-51363-x PMID:31645595	研究论文	本文提出了一种基于深度学习的光场筛选方法，用于提高光学衍射断层成像（ODT）的鲁棒性和高吞吐量	通过将专家知识融入深度卷积神经网络，实现了对缺陷2D图像的高效自动筛选	NA	提高光学衍射断层成像的图像质量和处理效率	光学场图像的质量控制	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	包含清洁和噪声标注的大量光学场图像数据集
97	2024-08-07	QM-sym, a symmetrized quantum chemistry database of 135 kilo molecules 2019-10-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-019-0237-9 PMID:31628326	研究论文	本文构建了一个名为QM-sym的新量子化学数据库，包含135k个具有Ch对称性的有机分子，并计算了这些分子的几何、电子、能量和热力学性质。	QM-sym数据库包含了罕见的对称性信息，可以显著降低结构计算的复杂性，并简化为最小对称单元。	NA	解决传统从头算量子化学方法耗时的问题，并提供一个包含对称性信息的量子化学数据库。	135k个具有Ch对称性的有机分子及其量子化学性质。	量子化学	NA	Gaussian 09	NA	数据库	135k个有机分子
98	2024-08-07	Hands-Free User Interface for AR/VR Devices Exploiting Wearer's Facial Gestures Using Unsupervised Deep Learning 2019-Oct-14, Sensors (Basel, Switzerland) DOI:10.3390/s19204441 PMID:31614988	研究论文	本研究提出了一种利用佩戴者面部表情识别用户意图的无手操作界面，适用于增强现实（AR）头戴设备	设计了一种基于红外扩散特性的人体皮肤变形检测传感器，并开发了一种无监督深度学习方法来识别面部表情	NA	开发适用于头戴环境的增强现实技术用户界面	增强现实头戴设备的用户界面	计算机视觉	NA	无监督深度学习	时空自编码器和深度嵌入聚类算法	皮肤变形数据	NA
99	2024-08-07	Deep learning based topology guaranteed surface and MME segmentation of multiple sclerosis subjects from retinal OCT 2019-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.10.005042 PMID:31646029	研究论文	本文提出了一种基于深度学习的网络，用于从视网膜OCT图像中提取连续、平滑且保证拓扑结构的表面和MME分割	该网络在训练过程中自动学习形状先验，而不是像图方法那样硬编码。此外，该方法通过两个级联的深度网络在一次前向传播中同时分割视网膜表面和MME，提高了分割的准确性和速度	NA	开发一种新的深度学习框架，用于从视网膜OCT图像中准确快速地分割多发性硬化症患者的视网膜层和MME	多发性硬化症患者的视网膜层和微囊性黄斑水肿（MME）	计算机视觉	多发性硬化症	深度学习	深度网络	图像	3D体积数据
100	2024-08-07	Deriving Visual Cues from Deep Learning to Achieve Subpixel Cell Segmentation in Adaptive Optics Retinal Images 2019-Oct, Ophthalmic medical image analysis : 6th International Workshop, OMIA 2019, held in conjunction with MICCAI 2019, Shenzhen, China, October 17, Proceedings. OMIA (Workshop) (6th : 2019 : Shenzhen Shi, China) DOI:10.1007/978-3-030-32956-3_11 PMID:31701095	研究论文	本文开发了一种AOSeg-Net方法，利用多通道U-Net预测细胞边界的空间概率，并通过区域级水平集算法实现亚像素级别的细胞分割	提出了一种新的AOSeg-Net方法，结合五色定理和区域级水平集算法，有效解决了在低对比度、各向异性区域和密集细胞边界接触的AO图像中细胞分割的难题	NA	实现高分辨率视网膜图像中光感受器细胞的亚像素级别分割	光感受器细胞的形态评估	计算机视觉	NA	NA	U-Net	图像	428张高分辨率视网膜图像，来自23名人类受试者