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
1	2024-10-11	Higher SNR PET image prediction using a deep learning model and MRI image 2019-05-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab0dc0 PMID:30844784	研究论文	本文提出了一种使用深度神经网络和MRI图像提高PET图像信噪比的方法	本文创新性地使用深度神经网络和MRI图像来提高PET图像的信噪比，而不需要在训练中使用高信噪比的PET图像	本文主要在数字脑模型上进行验证，尚未在真实临床数据上进行广泛验证	提高PET图像的信噪比	PET图像和MRI图像	计算机视觉	NA	深度神经网络	U-Net	图像	使用了来自BrainWeb的数字脑模型进行评估，模拟了6分钟的脑PET扫描
2	2024-09-27	Chief complaint classification with recurrent neural networks 2019-05, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2019.103158 PMID:30926471	研究论文	本文研究了使用循环神经网络对急诊部门记录中的主诉进行分类	本文首次将长短期记忆网络（LSTM）和门控循环单元（GRU）应用于主诉分类，并展示了其在性能上优于传统的词袋分类器	研究仅基于单一美国管辖区的360万条去识别化急诊部门记录，可能存在地域和数据量的局限性	提高疫情检测速度和诊断准确性	急诊部门记录中的主诉和出院诊断	机器学习	NA	循环神经网络（RNN）	长短期记忆网络（LSTM）和门控循环单元（GRU）	文本	360万条去识别化的急诊部门记录
3	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
4	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
5	2024-08-07	Cross-domain AU Detection: Domains, Learning Approaches, and Measures 2019-May, Proceedings of the ... International Conference on Automatic Face and Gesture Recognition. IEEE International Conference on Automatic Face & Gesture Recognition DOI:10.1109/FG.2019.8756543 PMID:31749665	研究论文	本文研究了面部动作单元（AU）检测器在未训练过的新领域中的迁移能力，并通过实验评估了深度学习（CNN）和浅层学习（SVM）方法在不同数据库中的表现。	本文通过实验评估了AU检测器在不同领域间的迁移能力，并比较了深度学习和浅层学习方法的效果。	实验结果显示，AU检测器在不同领域间的迁移能力有限，尤其是在浅层学习方法中表现更差。	探讨AU检测器在未训练过的新领域中的表现及其迁移能力。	面部动作单元（AU）检测器在不同领域中的表现。	计算机视觉	NA	CNN, SVM	CNN, SVM	视频	两个大型公开数据库：Expanded BP4D+ 和 GFT
6	2024-08-07	A convolutional neural network for fast upsampling of undersampled tomograms in X-ray CT time-series using a representative highly sampled tomogram 2019-May-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577519003448 PMID:31074449	研究论文	本文提出了一种基于深度学习的超分辨率方法，称为上采样深度神经网络（UDNN），用于提高X射线CT时间序列中欠采样断层图像的上采样质量	该方法利用高采样断层图像的数据集来学习低采样和高采样断层图像之间的端到端映射，从而提高断层图像重建的质量	该方法需要针对不同类型的样本进行快速重新训练，且依赖于高采样断层图像的数据集	旨在提高X射线CT时间序列中欠采样断层图像的上采样质量	X射线CT时间序列中的欠采样断层图像	计算机视觉	NA	X射线CT	卷积神经网络	断层图像	两个80GB的断层图像数据集
7	2024-08-07	Predicting pregnancy using large-scale data from a women's health tracking mobile application 2019-May, Proceedings of the ... International World-Wide Web Conference. International WWW Conference DOI:10.1145/3308558.3313512 PMID:31538145	研究论文	本文利用女性健康追踪移动应用程序的大规模数据，开发了四种模型（包括逻辑回归模型和三个LSTM模型）来预测女性怀孕的概率	利用女性健康追踪移动应用程序的数据，首次展示了从移动健康追踪数据中预测怀孕的可行性，并开发了一种从深度学习模型中提取时间趋势的技术	NA	探索利用女性健康追踪移动应用程序的数据预测怀孕的可行性	女性怀孕概率	NA	NA	LSTM	逻辑回归模型, LSTM模型	数据日志	7900万条日志，来自65,276名女性
8	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）
9	2024-08-07	Intelligent ICU for Autonomous Patient Monitoring Using Pervasive Sensing and Deep Learning 2019-05-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-44004-w PMID:31142754	研究论文	本研究探讨了使用无处不在的传感技术和人工智能在重症监护室（ICU）中进行自主和细致监测的可行性	本研究展示了使用非侵入性系统对重症患者及其环境进行细致和自主监测的潜力	本研究为试点研究，样本量较小，需要进一步的大规模研究验证	研究在ICU中使用传感技术和人工智能进行自主监测的可行性	重症监护室中的患者及其环境	机器学习	NA	深度学习	NA	图像、声音、光强度	本研究未明确提及具体样本数量
10	2024-08-07	Deep Learning Convolutional Neural Networks for the Automatic Quantification of Muscle Fat Infiltration Following Whiplash Injury 2019-05-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-44416-8 PMID:31138878	研究论文	本研究使用深度学习卷积神经网络（CNN）自动量化鞭打损伤后的肌肉脂肪浸润（MFI）	本研究首次使用CNN模型自动量化MFI，并展示了其高测试可靠性和准确性	NA	研究目的是提高肌肉测量效率和客观性，以便量化监测颈椎及其他疾病中的肌肉特性	研究对象为39名鞭打损伤后3个月的参与者	计算机视觉	颈椎疾病	深度学习卷积神经网络（CNN）	CNN	高分辨率脂肪-水图像	39名参与者（26名女性，平均年龄=31.7±9.3岁）
11	2024-08-07	The Use of Deep Learning to Predict Stroke Patient Mortality 2019-05-28, International journal of environmental research and public health DOI:10.3390/ijerph16111876 PMID:31141892	研究论文	本文利用深度神经网络通过医疗使用和健康行为数据预测中风患者的死亡率	采用量化缩放的主成分分析（PCA）从医疗记录中提取相关背景特征，并使用深度神经网络（DNN）进行预测	NA	研究如何通过医疗使用和健康行为数据预测中风患者的死亡率	中风患者	机器学习	NA	主成分分析（PCA）	深度神经网络（DNN）	医疗记录数据	15,099名中风患者
12	2024-08-07	A photometric stereo-based 3D imaging system using computer vision and deep learning for tracking plant growth 2019-05-01, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giz056 PMID:31127811	研究论文	本文介绍了一种基于光度立体技术的低成本便携式3D植物表型平台PS-Plant，用于跟踪和预测不同环境下植物的生长表现	首次将光度立体技术应用于植物表型分析，并开发了定制的计算机视觉算法和深度神经网络架构	NA	提高自动化植物表型分析的准确性，并加速表型与基因型之间的联系	模型植物拟南芥在不同环境下的生长结构	计算机视觉	NA	光度立体技术	深度神经网络	图像	221个手动注释的拟南芥花序，共1,768张图像
13	2024-08-07	Genetic Diversity in Stomatal Density among Soybeans Elucidated Using High-throughput Technique Based on an Algorithm for Object Detection 2019-05-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-44127-0 PMID:31110228	研究论文	本文开发了一种基于深度学习对象检测算法的高通量技术，用于评估和阐明大豆中气孔密度的变异	引入单次多框检测器算法，实现对微观图像中气孔的高通量自动识别	NA	开发高通量技术评估大豆气孔密度并阐明其变异	大豆的气孔密度	计算机视觉	NA	单次多框检测器	CNN	图像	90种大豆品系
14	2024-08-07	DEEPred: Automated Protein Function Prediction with Multi-task Feed-forward Deep Neural Networks 2019-05-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-43708-3 PMID:31089211	研究论文	本文提出了一种名为DEEPred的多任务前馈深度神经网络，用于基于基因本体（GO）的蛋白质功能预测	DEEPred通过严格的超参数测试优化，并使用三种类型的蛋白质描述符、不同大小的训练数据集和不同级别的GO术语进行基准测试。此外，还探索了使用更大但可能含有噪声的数据进行训练对性能的影响	NA	开发一种自动化的蛋白质功能预测方法，以改进对未表征蛋白质序列的注释	蛋白质功能预测	机器学习	NA	深度学习	多任务前馈深度神经网络	蛋白质描述符、GO术语	使用CAFA2和CAFA3挑战数据集进行性能评估
15	2024-08-07	Detection and classification the breast tumors using mask R-CNN on sonograms 2019-May, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000015200 PMID:31083152	研究论文	本研究利用Mask R-CNN技术在超声图像上自动检测、分割和分类乳腺肿瘤	开发了一种基于深度学习的技术，使用Mask R-CNN进行肿瘤检测和良恶性区分	NA	构建一个模型，用于超声图像上乳腺肿瘤的自动检测、分割和分类	乳腺肿瘤	计算机视觉	乳腺癌	Mask R-CNN	CNN	图像	NA
16	2024-08-07	Incorporation of a spectral model in a convolutional neural network for accelerated spectral fitting 2019-05, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.27641 PMID:30666698	研究论文	本文介绍了一种结合卷积神经网络和光谱模型的无监督深度学习架构，用于加速大脑体积磁共振波谱成像（MRSI）的光谱拟合	提出了一种新的卷积编码器-模型解码器（CEMD）架构，结合了自适应和无偏的卷积网络与磁共振模型，具有良好的可解释性	NA	开发一种能够快速进行全脑数据光谱拟合的新架构，以促进临床常规实践	大脑体积MRSI数据在胶质母细胞瘤患者中的光谱拟合	机器学习	肿瘤	磁共振波谱成像（MRSI）	卷积神经网络（CNN）	光谱数据	约10,000个光谱
17	2024-08-05	BIRNet: Brain image registration using dual-supervised fully convolutional networks 2019-05, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2019.03.006 PMID:30939419	研究论文	本文提出了一种通过预测变形从图像外观进行图像配准的深度学习方法	设计了一种全卷积网络，采用双重指导来避免过度依赖训练变形场的监督	获取训练的真实变形场可能具有挑战性	研究如何通过深度学习实现脑部图像的配准	脑部图像	计算机视觉	NA	深度学习	全卷积网络	图像	多种数据集的实验
18	2024-08-07	AFAR: A Deep Learning Based Tool for Automated Facial Affect Recognition 2019-May, Proceedings of the ... International Conference on Automatic Face and Gesture Recognition. IEEE International Conference on Automatic Face & Gesture Recognition DOI:10.1109/FG.2019.8756623 PMID:31762712	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA