深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
101	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	NA	NA	NA	NA
102	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	NA	NA	NA	NA
103	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	NA	NA	NA	NA
104	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	NA	NA	NA	NA
105	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	NA	NA	NA	NA
106	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	NA	NA	NA	NA
107	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）	NA	NA	NA	NA
108	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	NA	NA	NA	NA
109	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	NA	NA	NA	NA
110	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	NA	NA	NA	NA
111	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	NA	NA	NA	NA
112	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	NA	NA	NA	NA
113	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	NA	NA	NA	NA
114	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	NA	NA	NA	NA
115	2024-08-07	Optimizing clinical trials recruitment via deep learning 2019-11-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocz064 PMID:31188432	研究论文	本文提出了一种基于深度学习的方法DeepMatch (DM)，用于优化临床试验的招募过程，通过分析调查员和试验相关的异构数据源，对调查员进行排名，以提高招募效率。	DeepMatch方法结合了深度学习技术，能够从多种数据源中学习，提高调查员的排名准确性，从而优化临床试验的执行。	NA	优化临床试验的招募过程，降低新疗法的开发成本。	临床试验的调查员及其招募效率。	机器学习	NA	深度学习	NA	异构数据	2618项研究	NA	NA	NA	NA
116	2024-08-07	Toward a clinical text encoder: pretraining for clinical natural language processing with applications to substance misuse 2019-11-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocz072 PMID:31233140	研究论文	本文旨在开发用于临床自然语言处理的临床文本编码器，并通过预训练方法在账单代码数据上进行实验，以提高在多种表型任务中的性能	探索了多种神经编码器架构，并通过预训练账单代码数据来解决临床自然语言处理中获取大型数据集的难题	讨论了预训练方法的潜在局限性	开发能够将临床文本编码为可用于多种表型任务的表示的算法	临床文本编码器及其在临床文本分类任务中的应用	自然语言处理	NA	深度学习方法	神经编码器	文本	大量账单代码数据	NA	NA	NA	NA
117	2024-08-07	Cohort selection for clinical trials using deep learning models 2019-11-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocz139 PMID:31532478	研究论文	本文探讨了使用深度学习模型进行临床试验队列选择的任务，评估了几种深度学习架构的性能	研究了全连接前馈层对不同深度学习架构性能的影响	数据集规模有限，结果没有统计显著性	评估几种深度学习架构在临床试验队列选择任务中的表现	临床试验队列选择	自然语言处理	NA	深度学习	CNN, RNN, CNN-RNN混合架构	文本	数据集规模有限	NA	NA	NA	NA
118	2024-08-07	Using deep learning to probe the neural code for images in primary visual cortex 2019-04-01, Journal of vision IF:2.0Q2 DOI:10.1167/19.4.29 PMID:31026016	研究论文	本研究利用深度卷积神经网络预测初级视觉皮层（V1）神经元对自然图像刺激的放电率	本研究首次使用深度卷积神经网络预测V1神经元对自然图像刺激的放电率，并发现预测结果与实际放电率高度相关	研究仅限于预测V1神经元的放电率，未涉及更深层次的视觉信息处理机制	旨在填补对V1如何编码图像的理解中的重要空白	初级视觉皮层（V1）神经元对自然图像刺激的响应	计算机视觉	NA	深度学习	CNN	图像	355个神经元	NA	NA	NA	NA
119	2024-08-07	Toward predicting the evolution of lung tumors during radiotherapy observed on a longitudinal MR imaging study via a deep learning algorithm 2019-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.13765 PMID:31410855	研究论文	本研究旨在通过深度学习算法预测放射治疗期间肺肿瘤在纵向MRI研究中的空间和时间演变，以促进自适应放射治疗（ART）。	开发了一种预测神经网络（P-net），该网络结合卷积神经网络、门控循环单元和注意力模型，用于预测肿瘤的空间分布和时间演变。	研究样本量较小，需要进一步的前瞻性研究以验证算法的有效性。	预测放射治疗期间肺肿瘤的空间和时间演变，以支持自适应放射治疗决策。	肺肿瘤在放射治疗期间的空间和时间演变。	机器学习	肺肿瘤	MRI-T2w扫描	卷积神经网络、门控循环单元、注意力模型	图像	10名肺肿瘤患者	NA	NA	NA	NA
120	2024-08-07	Improved Prediction on Heart Transplant Rejection Using Convolutional Autoencoder and Multiple Instance Learning on Whole-Slide Imaging 2019-May, ... IEEE-EMBS International Conference on Biomedical and Health Informatics. IEEE-EMBS International Conference on Biomedical and Health Informatics DOI:10.1109/bhi.2019.8834632 PMID:32577622	研究论文	本文开发了一种先进的流程，用于质量控制、特征提取、聚类和分类，以提高心脏移植排斥反应的预测准确性。	本文首次结合卷积自编码器和多实例学习（MIL）在全切片成像上进行心脏移植排斥反应的自动训练和预测。	NA	提高心脏移植排斥反应的预测准确性。	心脏移植排斥反应的预测。	计算机视觉	心血管疾病	卷积自编码器，多实例学习（MIL）	CNN	图像	NA	NA	NA	NA	NA