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
161	2024-08-07	ORCA-SPOT: An Automatic Killer Whale Sound Detection Toolkit Using Deep Learning 2019-07-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-47335-w PMID:31358873	研究论文	本文介绍了一种使用深度学习自动检测虎鲸声音的工具包ORCA-SPOT	ORCA-SPOT工具包能够自动从大型生物声学数据库中提取虎鲸声音，提高了处理效率和准确性	NA	旨在通过自动识别虎鲸的通信模式来增进对非人类动物种内通信的理解	虎鲸（Orcinus orca）的声音和环境噪音	机器学习	NA	深度神经网络	深度学习模型	声音	11,509个虎鲸信号和34,848个噪音片段
162	2024-08-07	Two-stage framework for optic disc localization and glaucoma classification in retinal fundus images using deep learning 2019-07-17, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-019-0842-8 PMID:31315618	研究论文	本文提出了一种两阶段框架，用于在视网膜眼底图像中定位视盘并进行青光眼分类	该方法在视盘定位和青光眼分类方面达到了新的最先进水平，并提出了一种基于规则的半自动地面实况生成方法，用于训练基于RCNN的模型进行自动视盘定位	在评估青光眼分类时，仅报告曲线下面积可能无法全面反映分类器的性能，需要额外的性能指标来证实结果	开发一种自动化的方法来定位视盘并进行青光眼分类，以辅助临床医生进行疾病识别	视网膜眼底图像中的视盘定位和青光眼分类	计算机视觉	青光眼	深度学习	CNN	图像	七个公开可用的视盘定位数据集和一个包含健康和青光眼标签的最大公开可用数据集ORIGA
163	2024-08-07	Deep Learning to Assess Long-term Mortality From Chest Radiographs 2019-07-03, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2019.7416 PMID:31322692	研究论文	本文开发并测试了一种名为CXR-risk的卷积神经网络（CNN），用于从胸部X光片预测长期死亡率，包括非癌症死亡	利用深度学习技术从单一胸部X光片中评估长期死亡风险，为预防和干预提供依据	NA	开发和测试一种CNN模型，用于预测基于胸部X光片的长期死亡率	胸部X光片数据及其与长期死亡率的关系	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	开发阶段样本量为41,856，测试阶段样本量为10,464，外部测试样本量为5,493
164	2024-08-07	Deep learning for automatic Gleason pattern classification for grade group determination of prostate biopsies 2019-Jul, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-019-02577-x PMID:31098801	研究论文	本文利用卷积神经网络（CNN）自动检测前列腺活检中的Gleason模式（GP）并确定分级组（GG），以减少前列腺癌病理分级中的观察者间变异性。	本文首次使用Inception-v3卷积神经网络对数字化前列腺活检图像进行GP的自动检测和GG的确定，提高了病理分级的准确性。	研究样本量较小，仅涉及38名患者的96份前列腺活检样本，可能影响结果的泛化性。	开发一种计算机辅助方法，通过自动检测Gleason模式和确定分级组，提高前列腺癌病理分级的准确性和治疗选择的优化。	前列腺活检样本中的Gleason模式和分级组。	数字病理学	前列腺癌	卷积神经网络（CNN）	Inception-v3	图像	96份前列腺活检样本来自38名患者
165	2024-08-07	DeepCentering: fully automated crystal centering using deep learning for macromolecular crystallography 2019-Jul-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S160057751900434X PMID:31274465	研究论文	介绍了一种名为DeepCentering的新型自动化晶体中心定位系统，该系统利用卷积神经网络实现完全自动化的精确晶体中心定位	DeepCentering系统实现了无需X射线照射晶体的完全自动化精确晶体中心定位	NA	开发一种用于高吞吐量蛋白质晶体学的完全自动化晶体中心定位系统	蛋白质晶体	计算机视觉	NA	卷积神经网络	CNN	图像	NA
166	2024-08-07	Characterization of Industry 4.0 Lean Management Problem-Solving Behavioral Patterns Using EEG Sensors and Deep Learning 2019-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s19132841 PMID:31247966	研究论文	本文通过结合脑电图非侵入式传感器和深度学习架构，研究了工业4.0中精益管理问题解决行为模式的神经特征	首次使用脑电图传感器和深度学习技术来分析和表征工业4.0中的问题解决行为模式	NA	旨在发现问题解决行为模式的神经特征，并利用深度学习架构进行行为模式表征	工业4.0中的精益管理问题解决行为模式	机器学习	NA	脑电图(EEG)	深度学习架构	脑活动信号	案例研究数据集
167	2024-08-07	A Literature Review: Geometric Methods and Their Applications in Human-Related Analysis 2019-Jun-23, Sensors (Basel, Switzerland) DOI:10.3390/s19122809 PMID:31234601	综述	本文综述了几何方法及其在人类相关分析中的应用	提出了基于提取几何属性范围的几何方法分类：面向对象的几何方法、面向特征的几何方法和基于流程的几何方法	NA	探讨几何概念、几何方法及其在人类相关分析中的应用	人类形状分析、人类姿态分析和人类动作分析	计算机视觉	NA	几何深度学习	NA	NA	NA
168	2024-08-07	A Deep Learning-Based Automatic Mosquito Sensing and Control System for Urban Mosquito Habitats 2019-Jun-21, Sensors (Basel, Switzerland) DOI:10.3390/s19122785 PMID:31234294	研究论文	本文介绍了一种基于深度学习的自动蚊子检测与控制系统，用于城市蚊子栖息地	该系统使用全卷积网络（FCN）和基于神经网络的回归方法进行图像处理，提高了检测准确性和处理速度	单图像分类器的准确率较低，仅为52%	开发一种高效的自动蚊子检测与控制系统，以控制蚊子传播的传染病	蚊子及其栖息地	机器学习	NA	深度学习网络	全卷积网络（FCN）	图像	NA
169	2024-08-07	2019-Jun, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2019.05.010 PMID:31101593	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
170	2024-08-07	Improvement diagnostic accuracy of sinusitis recognition in paranasal sinus X-ray using multiple deep learning models 2019-Jun, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims.2019.05.15 PMID:31367548	研究论文	本研究探讨了使用多深度学习模型通过鼻窦X光片识别上颌窦炎特征的可行性，并提出了一种通过多数决策算法确定合理共识的方法	本研究采用了多数决策算法，通过多个卷积神经网络模型（VGG-16、VGG-19和ResNet-101）来提高鼻窦炎检测的准确性	NA	研究目的是探讨通过鼻窦X光片识别上颌窦炎特征的可行性，并提出最有效的确定合理共识的方法	上颌窦炎的识别	机器学习	NA	卷积神经网络（CNN）	CNN	图像	共4,860名患者，包括2,430名正常和上颌窦炎患者
171	2024-08-07	Predicting Ion Mobility Collision Cross-Sections Using a Deep Neural Network: DeepCCS 2019-04-16, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.8b05821 PMID:30932474	研究论文	本文通过深度学习算法预测离子迁移碰撞截面（CCS）值，以提高小分子鉴定的准确性	开发了一种新的深度学习模型DeepCCS，用于预测CCS值，该模型在多个实验室的不同仪器上进行了训练和测试，表现优于现有预测算法	NA	提高使用质谱进行非靶向代谢组学测量时小分子鉴定的准确性	小分子的离子迁移碰撞截面（CCS）值	机器学习	NA	离子迁移谱（IMS）	深度神经网络	SMILES符号和离子类型信息	超过2400个分子
172	2024-08-07	A deep learning based method for large-scale classification, registration, and clustering of in-situ hybridization experiments in the mouse olfactory bulb 2019-01-15, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2018.12.003 PMID:30529409	研究论文	本文开发了一种基于深度学习的方法，用于大规模分类、注册和聚类小鼠嗅球中的原位杂交实验图像	首次为小鼠嗅球构建了一个高质量的基因表达注册图谱，并通过非负矩阵分解揭示了典型的表达模式和层特异性标记基因	NA	利用深度学习技术处理小鼠嗅球中大量基因的原位杂交图像，以构建基因表达图谱并揭示其表达模式	小鼠嗅球的原位杂交实验图像	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	数千个脑组织切片
173	2024-08-07	The application of convolutional neural network to stem cell biology 2019, Inflammation and regeneration IF:5.0Q1 DOI:10.1186/s41232-019-0103-3 PMID:31312276	研究论文	本文探讨了卷积神经网络（CNN）在诱导多能干细胞（iPSC）生物学研究中的应用	提出使用CNN自动从相位对比显微镜图像中识别细胞类型，无需分子标记	NA	探索CNN在干细胞生物学研究中的应用潜力	诱导多能干细胞（iPSC）及其分化后的特定细胞类型	机器学习	NA	卷积神经网络（CNN）	CNN	图像	NA
174	2024-08-07	Twitter mining using semi-supervised classification for relevance filtering in syndromic surveillance 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0210689 PMID:31318885	研究论文	本文研究利用Twitter数据进行综合症监测，并通过半监督分类技术筛选相关推文，以评估其增强现有综合症监测能力及更好地理解未直接寻求医疗建议的有症状人群的能力	提出了一种半监督方法用于症状相关推文的分类和相关性过滤，并探讨了使用表情符号和其他特殊特征捕捉推文语调以提高分类性能	尽管关键词数据收集，但许多收集的推文可能不相关，因为它们代表闲聊或意识讨论而非个人特定状况	评估Twitter数据在综合症监测中的应用，增强现有监测系统并更好地理解有症状但未直接寻求医疗建议的人群	特定综合症——哮喘/呼吸困难	自然语言处理	NA	半监督分类技术	NA	文本	大量推文数据
175	2024-08-07	Using distant supervision to augment manually annotated data for relation extraction 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0216913 PMID:31361753	研究论文	本文通过远监督方法增强人工标注数据，以改善自然语言处理任务中的关系抽取	采用远监督方法和迁移学习技术，提高了模型在人工标注数据集上的表现	远监督方法获取的数据通常存在噪声，需要通过启发式方法进行预处理	探索如何有效利用远监督数据增强人工标注数据集，以满足深度学习模型对大量标注数据的需求	自然语言处理任务中的关系抽取	自然语言处理	NA	远监督方法	NA	文本	NA
176	2024-08-07	A Full-Image Deep Segmenter for CT Images in Breast Cancer Radiotherapy Treatment 2019, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2019.00677 PMID:31403032	研究论文	本文提出了一种用于乳腺癌放疗治疗中CT图像的自动分割方法，该方法利用深度学习技术对女性乳房和心脏进行精确分割	新开发的深度神经网络在性能上优于当前最先进的神经网络，并将推理速度提高了近一个数量级	NA	开发一种自动分割解决方案，以提高乳腺癌放疗治疗中CT图像的分割准确性和速度	女性乳房和心脏的CT图像	计算机视觉	乳腺癌	深度学习	深度神经网络	图像	NA
177	2024-08-07	Deep learning for cardiovascular medicine: a practical primer 2019-07-01, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehz056 PMID:30815669	综述	本文综述了深度学习在心血管医学中的应用现状，探讨了其优势与局限性，并为临床医生和研究者提供了技术背景	深度学习能够自动化医学图像解释，增强临床决策，识别新型表型，并在复杂疾病中选择更好的治疗路径	深度学习模型解释困难，需要大量标注数据进行训练，设计缺乏标准化，训练数据效率低，临床试验适用性有限	探讨深度学习在心血管医学中的应用及其挑战	心血管医学中的深度学习应用	机器学习	心血管疾病	深度学习	多层神经网络	图像	NA
178	2024-08-07	3D whole brain segmentation using spatially localized atlas network tiles 2019-07-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2019.03.041 PMID:30910724	研究论文	本文提出了一种基于空间定位图谱网络块（SLANT）的方法，用于高分辨率全脑分割	使用多个独立的三维全卷积网络（FCN）进行空间分布学习，并结合传统医学图像处理方法与深度学习，提高了分割性能并减少了计算时间	NA	提高全脑分割的性能和效率	全脑分割	计算机视觉	NA	深度卷积神经网络（CNN）	三维全卷积网络（FCN）	MRI图像	5111个初始未标记扫描
179	2024-08-07	Combining learning and constraints for genome-wide protein annotation 2019-Jun-17, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-019-2875-5 PMID:31208327	研究论文	本文介绍了OCELOT系统，该系统通过结合序列预测器和模糊逻辑规则的一致性层，用于全基因组蛋白质的功能和相互作用注释	OCELOT系统通过整合先验知识，显著提高了预测质量，并在实验中表现优于其他方法	NA	开发一种能够考虑现有知识约束的预测框架，以提高机器生成注释的质量	全基因组蛋白质的功能和相互作用注释	机器学习	NA	NA	NA	序列	酵母基因组
180	2024-08-07	Deep convolutional neural networks for mammography: advances, challenges and applications 2019-Jun-06, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-019-2823-4 PMID:31167642	综述	本文详细回顾了深度卷积神经网络（CNNs）在乳腺X线摄影图像分析中的应用，包括其优势、局限性和性能	总结了83项研究中应用CNNs在乳腺摄影中的最佳实践，以提高诊断准确性，并深入探讨了用于各种任务的CNNs架构	指出了当前研究中存在的挑战和需要进一步探索的方向	旨在为乳腺摄影研究社区提供当前和未来研究的基石，并指导选择最适合的数据库	乳腺X线摄影图像分析	计算机视觉	乳腺癌	深度学习（DL），卷积神经网络（CNN）	CNN	图像	涉及83项研究