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
141	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
142	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
143	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
144	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
145	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
146	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
147	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
148	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
149	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
150	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）
151	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
152	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）
153	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
154	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
155	2024-08-07	Combining patient visual timelines with deep learning to predict mortality 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0220640 PMID:31365580	研究论文	本研究开发了一种框架，将纵向患者数据转换为视觉时间线，并利用深度学习模型预测住院死亡率	本研究创新地将临床数据转换为视觉时间线，并使用卷积神经网络与循环层模型来预测住院死亡率，提高了预测准确性并允许临床解释	NA	开发一种框架，将临床数据转换为视觉时间线，并利用深度学习模型预测住院死亡率	成年患者在三级护理中心的连续住院记录	机器学习	NA	深度学习	卷积神经网络	图像	115,825例住院记录，其中2,926例发生住院死亡
156	2024-08-07	Association of radiomic imaging features and gene expression profile as prognostic factors in pancreatic ductal adenocarcinoma 2019, American journal of translational research IF:1.7Q4 PMID:31396352	研究论文	本研究探讨了CT影像的放射组学特征是否能准确预测胰腺导管腺癌（PDAC）中HMGA2和C-MYC基因的表达状态，并利用机器学习方法识别患者的生存时间	本研究首次将放射组学特征与基因表达谱结合，用于预测胰腺导管腺癌患者的生存时间和基因表达状态	研究样本量相对较小，且仅限于胰腺导管腺癌患者	探索放射组学特征在胰腺导管腺癌中的预后价值	胰腺导管腺癌患者的CT影像数据和基因表达状态	数字病理学	胰腺癌	放射组学特征提取	支持向量机	影像	111名胰腺导管腺癌患者
157	2024-08-07	Validation of automated artificial intelligence segmentation of optical coherence tomography images 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0220063 PMID:31419240	研究论文	本文通过对比人类和机器在光谱域和扫频源光学相干断层扫描图像分割中的表现，验证了一种基于卷积神经网络的自动分割算法	提出的深度学习分割算法在OCT B扫描图像中的自动眼部分割与人类分割者相当	NA	评估光谱域和扫频源光学相干断层扫描图像分割中人类和机器的性能	光谱域和扫频源光学相干断层扫描图像中的玻璃体、视网膜、脉络膜和巩膜的像素级分类	计算机视觉	NA	光学相干断层扫描	卷积神经网络	图像	6210张手动分割的图像，来自2070张B扫描图像（1046张SDOCT和1024张SSOCT；630张C扫描）
158	2024-08-07	The Possibility of Deep Learning-Based, Computer-Aided Skin Tumor Classifiers 2019, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2019.00191 PMID:31508420	综述	本文综述了基于深度学习的计算机辅助皮肤肿瘤分类器的最新技术和当前发展	引入深度学习技术，自动提取代表性特征，显著提高分类效能	目前报道的系统中，能够分类常规临床图像的系统较少	提高计算机对常规临床图像的分类准确性，达到熟练皮肤科医生的水平	皮肤肿瘤的分类	计算机视觉	皮肤肿瘤	深度学习	NA	图像	NA
159	2024-08-07	Highly accelerated multishot echo planar imaging through synergistic machine learning and joint reconstruction 2019-10, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.27813 PMID:31106902	研究论文	本文介绍了一种结合机器学习（ML）和物理基础的图像重建框架，实现了无需导航器的高加速多重回波平面成像（msEPI），并展示了其在高分辨率结构和扩散成像中的应用	利用深度学习获取具有最小伪影的临时图像，并结合联合虚拟线圈灵敏度编码（JVC-SENSE）重建技术，提高了图像质量	NA	开发一种新的图像重建框架，以实现高加速的多重回波平面成像	高分辨率结构和扩散成像	机器学习	NA	多重回波平面成像（msEPI）	深度学习网络	图像	使用2次EPI拍摄实现8倍平面内加速和2倍多频带加速，以及使用5次拍摄实现9倍平面内加速和2倍多频带加速
160	2024-08-07	Deep Learning Techniques for Medical Image Segmentation: Achievements and Challenges 2019-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-019-00227-x PMID:31144149	research paper	本文对利用深度学习技术进行医学图像分割的流行方法进行了关键性评估，并总结了最常见的挑战及可能的解决方案	NA	NA	评估深度学习技术在医学图像分割中的应用	医学图像分割的深度学习方法及其挑战	computer vision	NA	deep learning	NA	image	NA