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	2024-10-02	Comment on: "Deep learning for pharmacovigilance: recurrent neural network architectures for labeling adverse drug reactions in Twitter posts" 2019-06-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocz013 PMID:31087070	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2	2024-09-25	Ventricular ectopic beat detection using a wavelet transform and a convolutional neural network 2019-06-04, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ab17f0 PMID:30970338	研究论文	本文提出了一种结合小波变换和卷积神经网络的方法来自动识别心电图中的室性早搏	本文创新性地将小波变换与深度学习网络结合，用于室性早搏的分类	NA	本文旨在介绍一种利用小波变换和深度学习网络进行室性早搏分类的方法	本文研究对象为心电图中的室性早搏	机器学习	心血管疾病	小波变换	卷积神经网络	图像	MIT-BIH心律失常数据库和AHA数据库
3	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
4	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
5	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
6	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
7	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
8	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
9	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
10	2024-08-07	Deep learning as a predictive tool for fetal heart pregnancy following time-lapse incubation and blastocyst transfer 2019-06-04, Human reproduction (Oxford, England) DOI:10.1093/humrep/dez064 PMID:31111884	研究论文	本研究开发了一种名为IVY的深度学习模型，能够从原始时间流逝视频中直接预测胎儿心脏妊娠的概率，无需任何手动形态动力学注释或囊胚形态评估。	该模型提供了一个客观且完全自动化的系统，用于从时间流逝视频中预测妊娠概率，避免了传统方法中的人为主观性和变异性。	本研究为回顾性分析，显示了深度学习模型的高预测能力，但其临床影响尚不确定，需要进一步的前瞻性随机对照试验来评估其临床意义。此外，模型目前仅适用于第5天的胚胎，对于第3天移植的情况需要额外调整。	开发一种深度学习模型，用于从时间流逝视频中预测胎儿心脏妊娠的概率。	时间流逝视频和临床结果。	机器学习	NA	深度学习	深度学习模型	视频	10,638个胚胎
11	2024-08-07	Biomedical Image Processing with Containers and Deep Learning: An Automated Analysis Pipeline: Data architecture, artificial intelligence, automated processing, containerization, and clusters orchestration ease the transition from data acquisition to insights in medium-to-large datasets 2019-06, BioEssays : news and reviews in molecular, cellular and developmental biology IF:3.2Q1 DOI:10.1002/bies.201900004 PMID:31094000	研究论文	本文介绍了一种结合数据管理、人工智能、容器化、集群编排和质量控制的统一分析管道，用于处理中型到大型生物医学图像数据集	提出了一个结合多种技术的新型分析方法，能够加速研究进程	NA	开发一种自动化的分析管道，以简化从数据采集到洞察的过程	中型到大型生物医学图像数据集	计算机视觉	NA	深度学习	NA	图像	NA
12	2024-08-07	DeepConv-DTI: Prediction of drug-target interactions via deep learning with convolution on protein sequences 2019-06, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1007129 PMID:31199797	研究论文	本文提出了一种基于深度学习的药物-靶点相互作用预测模型DeepConv-DTI，通过在蛋白质序列上进行卷积操作来捕捉参与药物-靶点相互作用的蛋白质局部残基模式	该模型在原始蛋白质序列上执行卷积操作，能够捕捉到更广泛的蛋白质类别中的局部残基模式，并且在预测性能上优于以往基于蛋白质描述符的模型和近期开发的深度学习模型	NA	开发一种新的计算模型，用于提高药物-靶点相互作用的预测准确性	药物-靶点相互作用	机器学习	NA	卷积神经网络(CNN)	CNN	蛋白质序列	大规模的药物-靶点相互作用信息
13	2024-08-07	PPR-Meta: a tool for identifying phages and plasmids from metagenomic fragments using deep learning 2019-06-01, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giz066 PMID:31220250	研究论文	介绍了一种名为PPR-Meta的工具，利用深度学习技术从宏基因组片段中同时识别噬菌体和质粒	PPR-Meta是首个能够同时高效可靠地识别噬菌体和质粒片段的工具	NA	开发一种能够同时识别宏基因组数据中噬菌体和质粒片段的工具	噬菌体和质粒片段	机器学习	NA	深度学习	Bi-path Convolutional Neural Network	序列	使用人工拼接和真实宏基因组数据进行测试
14	2024-08-07	Improving Sensitivity on Identification and Delineation of Intracranial Hemorrhage Lesion Using Cascaded Deep Learning Models 2019-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-018-00172-1 PMID:30680471	研究论文	本文提出了一种级联深度学习模型，用于提高颅内出血病变的识别和勾画灵敏度	使用级联卷积神经网络（CNN）和双全卷积网络（FCN）模型，结合两种不同的窗口设置进行图像预处理，以提高分类和分割性能	NA	提高颅内出血检测的敏感性和特异性，以支持急诊室的诊断和治疗决策	颅内出血及其亚型病变的识别和勾画	计算机视觉	NA	卷积神经网络（CNN），全卷积网络（FCN）	CNN，FCN	图像	135,974张CT图像，其中33,391张标记为出血
15	2024-08-07	Distinction between benign and malignant breast masses at breast ultrasound using deep learning method with convolutional neural network 2019-Jun, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-019-00831-5 PMID:30888570	研究论文	本研究使用卷积神经网络（CNN）深度学习方法区分乳腺超声图像中的良性与恶性肿块	本研究展示了CNN模型在区分乳腺超声图像中良性与恶性肿块的高诊断性能，与放射科医生相比，具有同等或更好的诊断效果	NA	利用深度学习和卷积神经网络区分乳腺超声图像中的良性与恶性肿块	乳腺超声图像中的良性与恶性肿块	机器学习	乳腺疾病	卷积神经网络（CNN）	CNN	图像	训练数据包括480张良性肿块图像和467张恶性肿块图像，测试数据包括48张良性肿块图像和72张恶性肿块图像