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
101	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
102	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
103	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
104	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
105	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
106	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
107	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
108	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
109	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
110	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
111	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
112	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
113	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
114	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
115	2024-08-07	Deep Learning on Point Clouds and Its Application: A Survey 2019-Sep-26, Sensors (Basel, Switzerland) DOI:10.3390/s19194188 PMID:31561639	综述	本文综述了点云特征学习的现有方法，包括基于点和基于树的方法，并分析了它们的优缺点，介绍了点云特征学习的应用，并预测了未来的研究趋势	将深度学习应用于点云处理，探索了基于点和基于树的点云特征学习方法	文章未明确提及具体的技术局限性	综述点云特征学习的现有方法及其应用，并预测未来研究趋势	点云数据及其在3D物体分类、语义分割和3D物体检测中的应用	计算机视觉	NA	深度学习	CNN	点云	文章未提及具体样本数量
116	2024-08-07	A Survey of Vision-Based Human Action Evaluation Methods 2019-Sep-24, Sensors (Basel, Switzerland) DOI:10.3390/s19194129 PMID:31554229	综述	本文综述了基于视觉的人类动作评估方法和技术	介绍了动作评估研究中的运动检测和预处理、手工特征表示方法以及基于深度学习的特征表示方法	未提及具体限制	旨在设计用于自动评估人类动作质量的计算模型和评估方法	人类动作评估	计算机视觉	NA	深度学习	NA	骨骼数据	未提及具体样本数量
117	2024-08-07	Machine learning polymer models of three-dimensional chromatin organization in human lymphoblastoid cells 2019-08-15, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2019.03.002 PMID:30853548	研究论文	本文提出了结合一维序列特异性、表观基因组信息和转录因子结合位点的机器学习模型，用于解释在人类淋巴母细胞中观察到的长距离染色质环化现象	本文创新性地将机器学习模型与基于聚合物的生物物理模拟相结合，以预测高分辨率的拓扑关联域内相互作用	NA	研究目的是解释人类淋巴母细胞中观察到的长距离染色质环化现象	研究对象是人类淋巴母细胞中的三维染色质结构	机器学习	NA	ChIA-PET	随机森林、梯度提升机、深度学习模型	序列、表观基因组信息、转录因子结合位点	GM12878细胞系
118	2024-08-07	Beltrami-net: domain-independent deep D-bar learning for absolute imaging with electrical impedance tomography (a-EIT) 2019-07-23, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ab21b2 PMID:31091516	研究论文	本文提出了一种新的绝对电阻抗断层成像（a-EIT）图像重建方法，结合深度学习技术和实时鲁棒的D-bar方法，并探讨了先验信息对重建结果的影响	本文的创新点在于使用Beltrami方程生成训练数据，使得训练数据不受边界形状的限制，从而训练出更通用的网络	NA	开发并验证一种新的绝对电阻抗断层成像（a-EIT）图像重建方法的可行性	电阻抗断层成像（EIT）的图像重建	计算机视觉	NA	D-bar方法	CNN	图像	使用了来自两个EIT系统（ACT4和KIT4）的实验数据，训练集包含不同先验信息
119	2024-08-07	SPHERICAL U-NET FOR INFANT CORTICAL SURFACE PARCELLATION 2019-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI.2019.8759537 PMID:31681458	研究论文	本文提出了一种新颖的端到端深度学习方法，通过将表面分割任务转化为球面上的语义分割任务，用于婴儿皮质表面的精确分割	开发了针对球面网格数据表示的表面卷积、池化和上采样操作，并将U-Net和SegNet架构转换为球面表示	NA	旨在提高人类脑部MRI研究中皮质表面分割的准确性	婴儿的皮质表面	计算机视觉	NA	卷积神经网络（CNN）	U-Net	图像	90名新生儿
120	2024-08-07	Strategies to Reduce the Expert Supervision Required for Deep Learning-Based Segmentation of Histopathological Images 2019, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2019.00222 PMID:31681779	综述	本文综述了减少深度学习在组织病理学图像分割中所需专家监督的策略	提出了使用免疫组织化学标记作为标签、真实数据增强、生成对抗网络（GAN）和迁移学习等方法，以及利用不完美注释的替代学习策略	NA	旨在探讨自动化组织病理学图像分割所需的庞大标注图像数量的策略	组织病理学图像中的多种组织学对象（如细胞核、腺体等）的分割	数字病理学	NA	深度学习	生成对抗网络（GAN）	图像	数百或数千个组织病理学图像中的对象