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
121	2024-08-07	Cortical graph neural network for AD and MCI diagnosis and transfer learning across populations 2019, NeuroImage. Clinical DOI:10.1016/j.nicl.2019.101929 PMID:31491832	研究论文	本研究利用结合皮质厚度和几何信息的谱图卷积神经网络（graph-CNN），基于ADNI-2队列的3089个T1加权MRI数据，识别轻度认知障碍（MCI）和阿尔茨海默病（AD），并评估其在不同人群中的预测可行性	本研究首次展示了将基于一个人群训练的AD/MCI分类器迁移到其他人群的可行性，并发现结合皮质几何信息的CNN有潜力提高分类性能	NA	探索机器学习与神经影像数据结合在早期诊断MCI和AD中的应用，并评估分类器在不同人群中的预测能力	轻度认知障碍（MCI）和阿尔茨海默病（AD）的诊断	机器学习	阿尔茨海默病	谱图卷积神经网络（graph-CNN）	CNN	MRI图像	ADNI-2队列3089个样本，ADNI-1队列3602个样本，亚洲队列347个样本
122	2024-08-07	An artificial intelligent diagnostic system on mobile Android terminals for cholelithiasis by lightweight convolutional neural network 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0221720 PMID:31513631	research paper	本文提出了一种基于Android移动终端的轻量级卷积神经网络人工智能诊断系统，用于胆结石识别	该系统针对移动设备的计算能力和存储容量限制，设计了轻量级的卷积神经网络MobileNetV2，实现了高效的胆结石识别	训练任务在PC上完成，移动终端仅执行识别任务	开发适用于移动设备的人工智能诊断系统，用于胆结石的识别	胆结石的CT图像	machine learning	胆结石	卷积神经网络	CNN	image	从山东省第三医院收集的胆结石CT图像数据集
123	2024-08-07	Integration of Machine Learning Methods to Dissect Genetically Imputed Transcriptomic Profiles in Alzheimer's Disease 2019, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2019.00726 PMID:31552082	研究论文	本研究利用组织特异性的cis-eQTL基因表达预测模型，对808个样本的基因型进行分析，并通过无监督和有监督的机器学习方法解析 imputed 转录组数据，以识别潜在的生物学关联。	研究首次将变分自编码器和支持向量机分类器结合，用于组织特异性基因优先级排序，并发现这种组合可以提高深度学习分类器的准确性。	尽管使用了深度学习分类模型，但由于eQTL变异的遗传力较低，预测能力相对较低，且分类能力高度依赖于网络结构。	旨在通过机器学习技术解析阿尔茨海默病的遗传 imputed 转录组数据，以更好地理解其生物学基础。	研究对象包括对照组、轻度认知障碍患者和阿尔茨海默病患者。	机器学习	阿尔茨海默病	cis-eQTL基因表达预测模型	变分自编码器、支持向量机、循环神经网络	转录组数据	808个样本
124	2024-08-07	Extraction of chemical-protein interactions from the literature using neural networks and narrow instance representation 2019-01-01, Database : the journal of biological databases and curation DOI:10.1093/database/baz095 PMID:31622463	研究论文	本文采用深度学习方法从生物医学文献中提取化学-蛋白质相互作用，基于在BioCreative VI CHEMPROT任务中的参与进行了多种改进	使用简单的深度学习模型和非常窄的关系实例表示，仅使用最短依赖路径中的最多10个单词及其相应的依赖边	NA	改进从生物医学文献中检索和自动提取关系的方法，以收集越来越多的已发表作品中的结构化信息	化学-蛋白质相互作用	自然语言处理	NA	深度学习	双向长短期记忆循环网络或卷积神经网络	文本	测试集上的F1-score为0.6306
125	2024-08-07	Translational AI and Deep Learning in Diagnostic Pathology 2019, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2019.00185 PMID:31632973	综述	本文综述了人工智能在病理学中的应用，特别是深度学习技术在细胞成像和诊断病理学实际应用中的创新	介绍了深度学习技术在病理学中的不同方法，以及推动这一创新的公共挑战和新兴应用	NA	探讨人工智能在临床实践中的转化，特别是如何无缝集成到数字病理工作流程中，以提高诊断效率和准确性	深度学习技术在病理学中的应用	数字病理学	NA	深度学习	NA	图像	NA
126	2024-08-07	Probing the 3D architecture of the plant nucleus with microscopy approaches: challenges and solutions 2019-12, Nucleus (Austin, Tex.) DOI:10.1080/19491034.2019.1644592 PMID:31362571	研究论文	本文探讨了使用高至超分辨率显微镜和图像处理技术来解析植物细胞核的三维结构，并提出了相应的挑战和解决方案	本文引入了高至超分辨率显微镜和图像处理技术，以实现对植物细胞核三维结构的最佳空间和时间分辨率的定量和细胞特异性分析	NA	解码影响细胞反应和身份的核组织原则	植物细胞核的三维结构	数字病理学	NA	高至超分辨率显微镜，图像处理	NA	图像	NA
127	2024-08-07	Automatic 3D Bi-Ventricular Segmentation of Cardiac Images by a Shape-Refined Multi- Task Deep Learning Approach 2019-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2019.2894322 PMID:30676949	研究论文	本文提出了一种结合多任务深度学习和图谱传播的形状精细化双心室分割方法，用于短轴心脏磁共振体积图像的自动分割	该方法通过2.5D全卷积网络结合计算优势和3D空间一致性，并设计了精细化步骤以明确施加形状先验知识，提高分割质量	NA	开发一种自动化的形状精细化双心室分割方法，以提高心脏磁共振图像分割的准确性和 anatomical smoothness	心脏磁共振图像中的双心室分割	计算机视觉	NA	深度学习	全卷积网络（FCN）	图像	1831名健康受试者和649名肺动脉高压受试者
128	2024-08-07	Deep Learning to Improve Breast Cancer Detection on Screening Mammography 2019-08-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-48995-4 PMID:31467326	研究论文	本文开发了一种深度学习算法，用于在筛查乳腺X线摄影中准确检测乳腺癌	采用端到端训练方法，减少了对罕见病灶注释的依赖，并展示了模型在不同乳腺X线摄影平台间的迁移能力	NA	提高乳腺癌筛查中乳腺X线摄影的检测准确性	乳腺癌检测	机器学习	乳腺癌	深度学习	全卷积网络	图像	独立测试集包括来自Digital Database for Screening Mammography (CBIS-DDSM)的数字化胶片乳腺X线摄影图像和来自INbreast数据库的全场数字乳腺摄影(FFDM)图像
129	2024-08-07	Reverse active learning based atrous DenseNet for pathological image classification 2019-Aug-28, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-019-2979-y PMID:31455228	研究论文	本文提出了一种基于深度反向主动学习（DRAL）和空洞密集网络（ADN）的病理图像分类训练策略	提出的DRAL通过移除训练集中的错误标记块来提高分类准确性，ADN结合空洞卷积和密集块进行多尺度特征提取	NA	提高深度学习模型在部分标记错误的训练数据集上的性能	病理图像分类	数字病理学	NA	深度学习	DenseNet	图像	使用了BACH、CCG和UCSB三个病理数据集进行评估
130	2024-08-07	Accurate and instant frequency estimation from noisy sinusoidal waves by deep learning 2019-Aug-15, Nano convergence IF:13.4Q1 DOI:10.1186/s40580-019-0197-y PMID:31414287	研究论文	本文使用深度学习网络从带有噪声的正弦波中估计频率	设计了一个三层神经网络，能够从与白噪声混合的正弦波中提取频率，并展示了如何将模型泛化到其他频率范围	NA	开发一种能够从噪声正弦波中准确且快速估计频率的方法	带有噪声的正弦波	机器学习	NA	深度学习网络	神经网络	波形数据	10万个波形用于训练和测试模型
131	2024-08-07	scAlign: a tool for alignment, integration, and rare cell identification from scRNA-seq data 2019-08-14, Genome biology IF:10.1Q1 DOI:10.1186/s13059-019-1766-4 PMID:31412909	research paper	本文介绍了一种名为scAlign的无监督深度学习方法，用于单细胞RNA测序数据的整合，能够处理部分重叠或完整的细胞标签，并估计跨数据集的每个细胞基因表达差异	scAlign方法在跨数据集的细胞类型特异性表达和细胞类型组成变化方面表现出色，具有高度的鲁棒性	NA	开发一种新的数据整合方法，用于识别不同条件或物种间细胞类型特异性的基因表达差异，以及批次效应校正	单细胞RNA测序数据	machine learning	NA	scRNA-seq	deep learning	基因表达数据	NA
132	2024-08-07	HENA, heterogeneous network-based data set for Alzheimer's disease 2019-08-14, Scientific data IF:5.8Q1 DOI:10.1038/s41597-019-0152-0 PMID:31413325	研究论文	本文介绍了一种基于异构网络的阿尔茨海默病数据集（HENA），并展示了使用图卷积网络（深度学习方法）分析大型异构生物数据集的应用。	提出了一个基于异构网络的阿尔茨海默病数据集（HENA），并展示了如何利用图卷积网络进行分析。	NA	旨在通过整合不同领域的实验数据，为阿尔茨海默病的研究提供一个系统的视角。	阿尔茨海默病及其相关痴呆症的机制和潜在药物靶点。	生物信息学	阿尔茨海默病	图卷积网络	图卷积网络	异构生物数据集	NA
133	2024-08-07	Machine learning applications in prostate cancer magnetic resonance imaging 2019-08-07, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-019-0109-2 PMID:31392526	综述	本文综述了机器学习（ML）在前列腺磁共振成像（MRI）中的最新应用	介绍了深度学习（DL）这一特殊类型的机器学习，包括其模仿人类神经网络的结构及其‘黑箱’特性	临床应用仍需在不同扫描仪供应商、场强和机构中进行更强大的验证	旨在概述机器学习在前列腺MRI中的应用	前列腺MRI中的机器学习应用	机器学习	前列腺癌	磁共振成像（MRI）	深度学习（DL）	图像	NA
134	2024-08-07	Beginnings of Artificial Intelligence in Medicine (AIM): Computational Artifice Assisting Scientific Inquiry and Clinical Art - with Reflections on Present AIM Challenges 2019-Aug, Yearbook of medical informatics DOI:10.1055/s-0039-1677895 PMID:31022744	review	本文回顾了医学领域中人工智能（AI）的起源及其发展历程，特别是早期基于知识的方法与机器学习方法的交替使用，并探讨了当前深度学习在AI中的应用及其面临的挑战。	文章强调了深度学习在医学AI中的新兴作用，以及它如何改变传统的基于知识的方法。	尽管深度学习在医学AI中取得了许多成功，但仍面临科学挑战，如如何结合脑科学、认知和语言模型，以及如何在不影响人类判断和专业知识的情况下应用这些进展。	旨在概述医学AI的早期发展及其后续进展，并从当前的‘AI-深度学习热潮’角度探讨其在生物医学研究和临床推理中的应用。	研究对象包括医学AI的历史发展、不同模型在临床实践与生物医学科学中的应用，以及当前AI在生物医学应用中的挑战。	machine learning	NA	Deep Learning	Deep Learning	text	NA
135	2024-08-07	A clinically applicable approach to continuous prediction of future acute kidney injury 2019-08, Nature IF:50.5Q1 DOI:10.1038/s41586-019-1390-1 PMID:31367026	研究论文	本文开发了一种深度学习方法，用于连续预测未来急性肾损伤的风险	该模型能够提供预测的置信度评估和每个预测的关键临床特征列表，以及临床相关血液测试的预测未来轨迹	NA	实现对患者未来恶化风险的连续更新和准确预测，以便及时干预	急性肾损伤，一种常见且可能危及生命的疾病	机器学习	肾脏疾病	深度学习	深度学习模型	电子健康记录	703,782名成年患者，涵盖172个住院和1,062个门诊站点
136	2024-08-07	Single-Particle Diffusion Characterization by Deep Learning 2019-07-23, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2019.06.015 PMID:31280841	研究论文	本文利用深度学习技术对单粒子扩散轨迹进行分类，以推断导致异常扩散的潜在过程	本文采用神经网络对单粒子轨迹进行分类，并展示了其在估计Hurst指数和扩散系数方面的应用，相比传统的时间平均MSD分析，具有更高的准确性和更少的步骤需求	NA	开发一种简单的方法，利用多条短轨迹准确评估扩散过程	单粒子扩散轨迹	机器学习	NA	深度学习	神经网络	轨迹数据	模拟数据和实验数据，包括多条短轨迹（最少25步）和极短轨迹（10步）
137	2024-08-07	Automatic CNN-based detection of cardiac MR motion artefacts using k-space data augmentation and curriculum learning 2019-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2019.04.009 PMID:31055126	研究论文	本文提出了一种基于k空间数据增强和课程学习的自动检测心脏磁共振（CMR）电影图像中运动伪影的方法	提出了一种基于k空间合成伪影创建的数据增强方案和基于合成伪影严重程度的预定义课程学习方法	仅在UK Biobank数据集的一个子集上进行了评估，可能需要进一步验证其在其他数据集上的性能	开发自动检测心脏磁共振图像中运动伪影的技术	心脏磁共振电影图像中的运动伪影	计算机视觉	NA	k空间数据增强	3D-CNN和LRCN	图像	3510张心脏磁共振图像
138	2024-08-07	A high-bias, low-variance introduction to Machine Learning for physicists 2019-May-30, Physics reports DOI:10.1016/j.physrep.2019.03.001 PMID:31404441	综述	本文为物理学家提供了一个易于理解和直观的机器学习核心概念和工具的介绍	强调了机器学习与统计物理之间的自然联系，并使用Python Jupyter笔记本引入现代ML/统计包	NA	为物理学家介绍机器学习的核心概念和工具	机器学习的基本概念和高级主题	机器学习	NA	NA	神经网络	数据集	使用物理启发的数据集（如Ising模型和蒙特卡罗模拟的质子-质子碰撞的超级对称衰变）
139	2024-08-07	Fast and robust active neuron segmentation in two-photon calcium imaging using spatiotemporal deep learning 2019-04-23, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.1812995116 PMID:30975747	研究论文	本文提出了一种利用3D卷积神经网络对双光子钙成像视频中的活性神经元进行快速且鲁棒的自动分割方法	该方法利用了双光子钙成像视频中的全时空信息，并在多种双光子显微镜数据集上展示了其优于现有技术的性能，与手动分割相当	NA	开发一种自动、快速且可靠的活性神经元分割方法，以支持实时行为研究中的神经信号分析	双光子钙成像视频中的活性神经元	计算机视觉	NA	双光子显微镜	3D卷积神经网络	视频	多种双光子显微镜数据集
140	2024-08-07	Evolutionarily informed deep learning methods for predicting relative transcript abundance from DNA sequence 2019-03-19, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.1814551116 PMID:30842277	研究论文	本文开发了两种考虑进化关系的方法，用于改进从DNA序列预测相对转录本丰度的深度学习模型	本文提出的两种方法考虑了生物系统内的进化依赖性，通过基因家族引导的分割和直系同源对比，提高了预测的准确性并减少了假阳性	NA	开发和验证考虑进化关系的深度学习方法，以提高从DNA序列预测mRNA表达水平的准确性	mRNA表达水平预测	机器学习	NA	深度学习	深度学习模型	DNA序列	不同基因家族和直系同源基因