深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
21	2024-08-07	CRIP: predicting circRNA-RBP-binding sites using a codon-based encoding and hybrid deep neural networks 2019-12, RNA (New York, N.Y.) DOI:10.1261/rna.070565.119 PMID:31537716	研究论文	本文开发了CRIP工具，用于预测circRNA上的RBP结合位点，采用基于密码子的编码方案和混合深度神经网络结构	首次提出基于机器学习的计算工具CRIP，用于预测circRNA上的RBP结合位点，并采用了创新的基于密码子的编码方案和混合深度学习架构	NA	理解circRNA的调控功能，特别是circRNA与RNA结合蛋白（RBP）的相互作用	circRNA与RBP的结合位点	机器学习	NA	NA	CNN和RNN	序列	37个数据集，每个数据集对应一个RBP的结合位点序列片段	NA	NA	NA	NA
22	2024-08-07	How theory and design-based research can mature PBL practice and research 2019-12, Advances in health sciences education : theory and practice IF:3.0Q2 DOI:10.1007/s10459-019-09940-2 PMID:31720879	研究论文	本文探讨了如何通过理论和基于设计的研究来成熟化问题导向学习（PBL）的实践和研究	提出了基于设计的研究（DBR）作为一种新的方法来桥接理论和实践，通过重新设计基于理论的教学实践并与各利益相关者紧密合作来调查这些实践	没有一种万能的解决方案来解决PBL中遇到的问题，且应谨慎得出哪种PBL方法最佳的结论	旨在更好地将PBL实践与情境性、建构性、自我导向性和协作性学习的理论或原则相结合	问题导向学习（PBL）的实践和研究	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
23	2024-08-07	Tumor tissue classification based on micro-hyperspectral technology and deep learning 2019-Dec-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.10.006370 PMID:31853405	研究论文	本文利用微型高光谱成像技术，结合深度学习模型，对胃癌组织进行分类研究	提出了一种基于深度学习模型的胃癌组织分析方法，并展示了CNN在提取肿瘤组织深层光谱-空间特征方面的优势	NA	探索高光谱技术在肿瘤组织病理诊断中的应用	胃癌组织与正常组织的分类	机器学习	胃癌	微型高光谱成像技术	CNN	高光谱数据	30名胃癌患者	NA	NA	NA	NA
24	2024-08-07	Deep learning for quality assessment of retinal OCT images 2019-Dec-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.10.006057 PMID:31853385	研究论文	本研究首次提出了一种基于信号完整性、位置和有效性的OCT图像质量评估（OCT-IQA）系统，并使用四种CNN架构进行训练和评估	首次提出了一种基于深度学习的OCT图像质量评估系统，并通过实验证明了其在提高视网膜病变检测准确性方面的有效性	NA	开发一种自动化的OCT图像质量评估系统，以提高视网膜病变检测的准确性	视网膜OCT图像的质量评估	计算机视觉	NA	深度学习	CNN	图像	使用了两个随机创建的测试数据集，其中一个数据集经过OCT-IQA系统筛选，仅包含高质量图像，另一个数据集混合了高质量和低质量图像	NA	NA	NA	NA
25	2024-08-07	Learning to see stuff 2019-Dec, Current opinion in behavioral sciences IF:4.9Q1 DOI:10.1016/j.cobeha.2019.07.004 PMID:31886321	研究论文	本文探讨了无监督深度学习在解释复杂外观材料（如纺织品和食品）视觉感知中的应用	提出了一种新的框架，通过学习高效准确地编码和预测视觉输入，而不是估计物理量如反射率或光照	文章未明确提及具体限制	解释人类如何学习识别复杂外观的材料	复杂外观的材料，如纺织品和食品	计算机视觉	NA	无监督深度学习	神经网络	图像	未明确提及具体样本数量	NA	NA	NA	NA
26	2024-08-07	Deep Learning Analysis of Cerebral Blood Flow to Identify Cognitive Impairment and Frailty in Persons Living With HIV 2019-12-15, Journal of acquired immune deficiency syndromes (1999) DOI:10.1097/QAI.0000000000002181 PMID:31714429	研究论文	本研究利用深度学习算法分析脑血流，以识别HIV感染者中的认知障碍和虚弱状态	本研究采用深度神经网络模型，通过特征提取技术识别出对认知障碍和虚弱状态预测最强的脑区	NA	研究目的是通过深度学习算法识别HIV感染者的认知障碍和虚弱状态	研究对象为接受联合抗逆转录病毒治疗的病毒学抑制的HIV感染者	机器学习	HIV感染	深度学习算法	深度神经网络（DNN）	脑血流图像	125名HIV感染者	NA	NA	NA	NA
27	2024-08-07	Applying a deep learning-based sequence labeling approach to detect attributes of medical concepts in clinical text 2019-12-05, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-019-0937-2 PMID:31801529	研究论文	本文提出了一种基于深度学习的序列标注方法，用于在临床文本中检测医学概念的属性	将属性检测转换为序列标注问题，实现了属性实体识别和关系分类的同时进行	NA	提高临床文本中医学概念属性检测的准确性	医学概念属性检测任务	自然语言处理	NA	NA	Bi-LSTM-CRF	文本	NA	NA	NA	NA	NA
28	2024-08-07	Comparing biological information contained in mRNA and non-coding RNAs for classification of lung cancer patients 2019-Dec-03, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-019-6338-1 PMID:31796020	研究论文	本文通过分析肺腺癌患者的RNA-seq数据，包括非编码和蛋白质编码RNA，利用深度学习神经网络和其他先进的分类方法，比较了不同类型RNA在癌症分类中的表现。	本研究首次使用非miRNA的ncRNA进行癌症的计算分类，并直接比较了蛋白质编码RNA和非编码RNA的分类能力。	NA	旨在解码人类DNA的意义，这将彻底改变医学和我们对疾病的治疗方式。	肺腺癌患者，一种非小细胞肺癌的组织学亚型。	数字病理学	肺癌	RNA-seq	深度信念网络	RNA数据	肺腺癌患者	NA	NA	NA	NA
29	2024-08-07	Classification and Visualization of Alzheimer's Disease using Volumetric Convolutional Neural Network and Transfer Learning 2019-12-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-54548-6 PMID:31796817	研究论文	本研究提出了一种基于体积卷积神经网络和迁移学习的方法，用于阿尔茨海默病（AD）的分类和可视化	使用卷积自编码器（CAE）进行无监督学习，并结合监督迁移学习，以及基于梯度的可视化方法来识别与AD和pMCI相关的重要生物标志物	由于神经影像数据稀缺，端到端学习尚未得到广泛关注	促进体积卷积神经网络模型的端到端学习，并实现阿尔茨海默病的分类和可视化	阿尔茨海默病（AD）及其相关认知障碍的分类和关键区域识别	计算机视觉	阿尔茨海默病	体积卷积神经网络（CNN）	CNN	MRI图像	实验基于ADNI数据库进行，具体样本数量未详细说明	NA	NA	NA	NA
30	2024-08-07	Role of deep learning in infant brain MRI analysis 2019-12, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2019.06.009 PMID:31229667	研究论文	本文探讨了深度学习算法在婴儿脑部MRI分析中的应用，特别是在脑组织分割和神经发育障碍的早期疾病预测方面的应用	提出了针对婴儿MRI数据特点的深度学习方法，并讨论了如何改进现有解决方案以应对数据量小、类别不平衡和模型解释性不足的问题	存在数据量小、类别不平衡和深度学习模型解释性不足的问题	研究深度学习在婴儿脑部MRI分析中的应用，特别是在脑组织分割和早期疾病预测方面	婴儿脑部MRI数据	机器学习	NA	深度学习算法，特别是卷积网络	CNN	MRI图像	数据量小	NA	NA	NA	NA
31	2024-08-07	Next generation research applications for hybrid PET/MR and PET/CT imaging using deep learning 2019-Dec, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-019-04374-9 PMID:31254036	综述	本文综述了利用人工智能特别是深度学习算法提高PET/MR和PET/CT混合成像质量的应用	探讨了如何利用AI技术缩短成像时间、减少放射性示踪剂剂量以及进行双示踪剂研究等新可能性	未明确提及	探索AI在提高PET成像质量和利用解剖信息方面的应用	PET/MR和PET/CT混合成像技术	计算机视觉	NA	深度学习	卷积神经网络	图像	NA	NA	NA	NA	NA
32	2024-08-07	Using deep Siamese neural networks for detection of brain asymmetries associated with Alzheimer's Disease and Mild Cognitive Impairment 2019-12, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2019.07.003 PMID:31319126	研究论文	本研究利用基于配对侧脑间半球区域的深度孪生神经网络框架，探索全脑体积不对称性在阿尔茨海默病和轻度认知障碍检测中的应用	采用深度孪生神经网络处理低维体积特征，相比使用全脑MR图像的研究，减少了复杂性和计算时间，同时保留了生物信息密度	NA	探索神经解剖体积和形状不对称性作为阿尔茨海默病和轻度认知障碍的临床前成像生物标志物的潜力	阿尔茨海默病和轻度认知障碍的脑不对称性检测	机器学习	阿尔茨海默病	MRICloud	孪生神经网络	图像	使用ADNI和BIOCARD数据集	NA	NA	NA	NA
33	2024-08-07	Augmented Bladder Tumor Detection Using Deep Learning 2019-12, European urology IF:25.3Q1 DOI:10.1016/j.eururo.2019.08.032 PMID:31537407	研究论文	本文开发了一种基于卷积神经网络的图像分析平台CystoNet，用于增强膀胱肿瘤的检测	CystoNet在膀胱肿瘤检测中表现出高灵敏度和特异性，可能提高膀胱镜检查的诊断率和TURBT的效率	NA	开发一种深度学习算法，用于增强膀胱镜检查中的膀胱癌检测	膀胱肿瘤的检测和定位	计算机视觉	膀胱癌	深度学习	CNN	视频	开发数据集包括95名患者用于算法训练，5名患者用于测试，验证数据集包括54名患者	NA	NA	NA	NA
34	2024-08-07	CNN-MGP: Convolutional Neural Networks for Metagenomics Gene Prediction 2019-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-018-0313-4 PMID:30588558	研究论文	本文介绍了一种基于卷积神经网络的元基因组基因预测程序CNN-MGP，该程序能够直接从原始DNA序列中预测元基因组片段中的基因，无需手动特征提取和特征选择阶段	CNN-MGP利用深度学习技术，能够学习编码和非编码区域的特征，并区分编码和非编码开放阅读框（ORFs），其准确性高于或相当于使用预定义特征的最先进的基因预测程序	NA	开发一种新的基因预测方法，以提高元基因组片段中基因预测的准确性	元基因组片段中的基因预测	机器学习	NA	卷积神经网络（CNN）	CNN	DNA序列	10个CNN模型基于预定义的GC含量范围训练于10个互斥数据集	NA	NA	NA	NA
35	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	NA	NA	NA	NA