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	2024-12-09	In silico spectral libraries by deep learning facilitate data-independent acquisition proteomics 2020-01-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-019-13866-z PMID:31919359	研究论文	本文提出了一种基于深度学习的计算光谱库生成方法DeepDIA，用于数据独立采集（DIA）蛋白质组学分析	DeepDIA能够生成与实验光谱库质量相当甚至更好的计算光谱库，并能直接从蛋白质序列数据库中构建光谱库，突破了依赖数据依赖采集（DDA）实验的限制	NA	开发一种新的方法来生成计算光谱库，以促进DIA蛋白质组学分析	人类血清样本中的肽和蛋白质	蛋白质组学	NA	数据独立采集（DIA）	深度学习模型	蛋白质序列数据库	人类血清样本
2	2024-11-15	Influence of the combination of big data technology on the Spark platform with deep learning on elevator safety monitoring efficiency 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0234824 PMID:32555687	研究论文	研究结合大数据技术和深度学习技术在Spark平台上提升电梯安全监控效率	提出了一种基于Spark平台的有限状态机模型和深度学习电梯故障预警模型	未详细说明模型的训练数据来源和样本量	提升电梯安全监控效率	电梯安全监控和故障预警	机器学习	NA	大数据技术, 深度学习	有限状态机 (FSM), 深度学习模型	电梯运行数据	未明确说明样本量
3	2024-11-06	An LSTM-Based Prediction Method for Lower Limb Intention Perception by Integrative Analysis of Kinect Visual Signal 2020, Journal of healthcare engineering DOI:10.1155/2020/8024789 PMID:32774824	研究论文	提出了一种基于LSTM网络的下肢意图感知预测方法，通过整合Kinect视觉信号进行下肢关节轨迹预测，以实现主动康复	利用LSTM网络学习序列特征，通过上肢关节角度预测下肢关节轨迹，实现下肢意图感知	仅在健康受试者中进行了验证，未涉及不同病理条件下的应用	开发一种基于计算机视觉和深度学习的下肢意图感知方法，用于康复机器人系统的主动康复	下肢关节轨迹预测，下肢意图感知	计算机视觉	NA	Kinect视觉信号	LSTM	关节角度	10名健康受试者，在四种不同步行速度下采集数据
4	2024-10-11	Impact of a deep learning assistant on the histopathologic classification of liver cancer 2020, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-020-0232-8 PMID:32140566	研究论文	研究开发了一种基于深度学习的助手，用于帮助病理学家区分肝细胞癌和胆管癌，并评估其对诊断性能的影响	首次评估了深度学习助手在临床工作流程中对病理学家诊断性能的实际影响	研究样本量较小，且仅限于两种肝癌亚型	探讨深度学习助手在肝癌病理分类中的应用及其对病理学家诊断准确性的影响	肝细胞癌和胆管癌的病理分类，以及深度学习助手对病理学家诊断性能的影响	数字病理学	肝癌	深度学习	NA	图像	验证集26个全切片图像，独立测试集80个全切片图像，11名病理学家
5	2024-10-11	Real-time colorectal cancer diagnosis using PR-OCT with deep learning 2020, Theranostics IF:12.4Q1 DOI:10.7150/thno.40099 PMID:32194821	研究论文	本文设计了一种基于深度学习的模式识别光学相干断层扫描（PR-OCT）系统，用于实时诊断结直肠癌	本文的创新点在于将深度学习技术应用于PR-OCT系统，实现了对结直肠癌的实时自动诊断	本文的局限性在于样本量相对较小，未来需要更大规模的数据集进行验证	本文的研究目的是开发一种能够实时诊断结直肠癌的新技术	本文的研究对象是结直肠癌及其相关组织	计算机视觉	结直肠癌	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	约26,000张OCT图像，来自20个肿瘤区域、16个良性区域和6个其他异常区域
6	2024-10-11	Automated identification of retinopathy of prematurity by image-based deep learning 2020, Eye and vision (London, England) DOI:10.1186/s40662-020-00206-2 PMID:32766357	研究论文	本研究开发了一种基于深度学习的智能系统，用于自动识别早产儿视网膜病变（ROP）的严重程度	本研究首次使用101层卷积神经网络（ResNet）和更快的区域卷积神经网络（Faster-RCNN）进行图像分类和识别，并实现了对ROP严重程度的四级分类	NA	开发一种能够自动分类ROP严重程度并检测ROP阶段和plus病变的智能系统	早产儿视网膜病变（ROP）的严重程度分类和病变检测	计算机视觉	NA	卷积神经网络（CNN）	ResNet和Faster-RCNN	图像	36,231张眼底图像
7	2024-10-11	Predicting risk of late age-related macular degeneration using deep learning 2020, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-020-00317-z PMID:32904246	研究论文	本文利用深度学习和生存分析预测晚期年龄相关性黄斑变性的风险	本文首次展示了深度学习与生存分析结合的方法，能够准确预测晚期年龄相关性黄斑变性的风险，并在独立数据集上验证了其高预测准确性	本文的模型尚未在其他独立数据集上进行广泛验证，其泛化能力仍需进一步研究	开发一种能够准确预测晚期年龄相关性黄斑变性风险的深度学习模型，以辅助临床决策	年龄相关性黄斑变性患者	计算机视觉	眼科疾病	深度学习	深度学习模型	图像	3298名参与者（超过80,000张图像）
8	2024-10-11	Deep Learning Applications to Combat Novel Coronavirus (COVID-19) Pandemic 2020, SN computer science DOI:10.1007/s42979-020-00383-w PMID:33163975	综述	本文综述了深度学习在抗击新型冠状病毒（COVID-19）大流行中的应用	本文探讨了深度学习在医疗影像、疾病追踪、蛋白质结构分析、药物发现和病毒严重性与传染性分析等多个方面的创新应用	尽管深度学习算法在多个研究中得到应用，但在实际问题中的应用仍存在一些限制和挑战	讨论深度学习在控制新型冠状病毒（COVID-19）大流行中的贡献	深度学习在医疗影像、疾病追踪、蛋白质结构分析、药物发现和病毒严重性与传染性分析等领域的应用	机器学习	新型冠状病毒（COVID-19）	深度学习	NA	NA	NA
9	2024-10-10	Deep learning applications in pulmonary medical imaging: recent updates and insights on COVID-19 2020, Machine vision and applications IF:2.4Q2 DOI:10.1007/s00138-020-01101-5 PMID:32834523	综述	本文综述了深度学习在肺部医学影像分析中的应用发展，特别关注了COVID-19的贡献	本文总结了深度学习在肺部影像分析中的最新进展，并特别强调了其在COVID-19中的应用	本文主要集中在2017年2月至2020年5月期间的研究，可能未涵盖最新的研究成果	探讨深度学习在肺部医学影像分析中的应用及其对COVID-19的贡献	肺部影像分析中的深度学习应用，包括分类、分割和检测等任务，以及不同肺部病理如气道疾病、肺癌、COVID-19和其他感染	计算机视觉	肺部疾病	深度学习	NA	影像	超过160项贡献和调查
10	2024-10-09	Artificial Intelligence and COVID-19: Deep Learning Approaches for Diagnosis and Treatment 2020, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/ACCESS.2020.3001973 PMID:34192103	研究论文	本文探讨了利用人工智能和深度学习方法来诊断和治疗COVID-19	本文介绍了多种深度学习方法，如生成对抗网络（GANs）、极限学习机（ELM）和长短期记忆网络（LSTM），用于构建诊断和治疗COVID-19的AI平台	NA	开发基于人工智能的平台，以加速COVID-19的诊断和治疗	COVID-19的诊断和治疗	机器学习	传染病	深度学习	生成对抗网络（GANs）、极限学习机（ELM）、长短期记忆网络（LSTM）	临床数据、医学影像	NA
11	2024-10-04	A Survey on Deep Learning for Neuroimaging-Based Brain Disorder Analysis 2020, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2020.00779 PMID:33117114	综述	本文综述了深度学习在基于神经影像的脑部疾病分析中的应用	本文讨论了现有研究的局限性并提出了未来可能的研究方向	本文主要讨论了现有研究的局限性	综述深度学习在基于神经影像的脑部疾病分析中的应用	本文研究了阿尔茨海默病、帕金森病、自闭症谱系障碍和精神分裂症四种典型脑部疾病	计算机视觉	神经退行性疾病	深度学习	深度神经网络	影像	NA
12	2024-10-04	Deep Learning for Predicting Complex Traits in Spring Wheat Breeding Program 2020, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2020.613325 PMID:33469463	研究论文	本文评估了深度学习模型在华盛顿州立大学春小麦育种项目中预测复杂性状的潜力	深度学习模型在预测复杂性状方面比传统模型rrBLUP提高了0至5%的准确性	NA	评估深度学习模型在春小麦育种项目中预测复杂性状的潜力	春小麦的五个不同数量性状	机器学习	NA	深度学习	多层感知器 (MLP) 和卷积神经网络 (CNN)	基因数据	650个重组自交系 (RILs) 来自春小麦嵌套关联作图 (NAM) 群体
13	2024-10-04	Large-Scale Counting and Localization of Pineapple Inflorescence Through Deep Density-Estimation 2020, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2020.599705 PMID:33584745	研究论文	本文通过深度密度估计方法实现菠萝花序的大规模计数和定位	利用深度学习进行密度估计，实现菠萝花序的自动计数，计算复杂度与植物数量无关，适用于大规模检测	未提及具体局限性	优化菠萝种植管理，提高收获效率	菠萝花序的计数和定位	计算机视觉	NA	深度学习	密度估计模型	图像	超过160万株开花植物
14	2024-10-04	Diagnosis of COVID-19 Pneumonia Based on Graph Convolutional Network 2020, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2020.612962 PMID:33585511	研究论文	提出了一种基于图卷积网络的三维深度学习方法，用于快速诊断COVID-19肺炎	通过图卷积网络整合多源CT数据，并提出迁移学习方法初始化3D-CNN参数，以提高诊断性能	未提及	开发一种快速诊断COVID-19肺炎的方法，减轻放射科医生和医生的负担	COVID-19肺炎患者和正常对照组的CT图像	计算机视觉	COVID-19	图卷积网络（GCN）	3D卷积神经网络（3D-CNN）	图像	399例COVID-19感染病例和400例正常对照组，来自六种设备类型
15	2024-10-04	An Introductory Review of Deep Learning for Prediction Models With Big Data 2020, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2020.00004 PMID:33733124	综述	本文介绍了深度学习在人工智能和机器学习中的新学习范式，并重点讨论了深度前馈神经网络、卷积神经网络、深度信念网络、自编码器和长短期记忆网络等模型	本文介绍了深度学习模型的核心架构，并强调了这些架构在构建新应用特定网络架构中的灵活组合能力	本文主要为入门级综述，未深入探讨深度学习模型的数学和计算方法的复杂性	介绍深度学习模型的基本架构，为数据科学家和跨学科研究人员提供基础知识	深度学习模型的核心架构，包括深度前馈神经网络、卷积神经网络、深度信念网络、自编码器和长短期记忆网络	机器学习	NA	NA	深度前馈神经网络、卷积神经网络、深度信念网络、自编码器、长短期记忆网络	NA	NA
16	2024-10-04	A natural language processing pipeline to advance the use of Twitter data for digital epidemiology of adverse pregnancy outcomes 2020, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.yjbinx.2020.100076 PMID:34417007	研究论文	研究开发了一种自然语言处理管道，用于从Twitter数据中识别不良妊娠结局，以推进数字流行病学研究	首次开发了一种基于BERT的自然语言处理方法，用于自动识别Twitter上的不良妊娠结局报告，并引入了一种规则过滤器来减少误报	研究主要基于Twitter数据，可能无法完全代表所有妊娠结局报告的情况	评估女性是否在Twitter上报告不良妊娠结局，并开发自然语言处理方法以自动识别这些报告	Twitter上的不良妊娠结局报告，包括流产、死产、早产等	自然语言处理	妊娠相关疾病	自然语言处理 (NLP)	BERT	文本	超过4亿条公开的Twitter推文，涉及超过10万名宣布怀孕的用户
17	2024-10-02	Bone metastasis classification using whole body images from prostate cancer patients based on convolutional neural networks application 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0237213 PMID:32797099	研究论文	本文探讨了使用卷积神经网络（CNN）对前列腺癌患者全身骨扫描图像进行骨转移分类的方法	本文提出了一套简单、快速且更准确的CNN架构，用于骨转移分类，并展示了其在骨扫描图像分类中的优越性能	NA	开发和展示一套用于自动分类全身骨扫描图像的简单但稳健的CNN模型	前列腺癌患者的全身骨扫描图像	计算机视觉	前列腺癌	卷积神经网络（CNN）	CNN	图像	NA
18	2024-10-01	Automated Hierarchy Evaluation System of Large Vessel Occlusion in Acute Ischemia Stroke 2020, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2020.00013 PMID:32265682	研究论文	本文介绍了一种基于香港医院管理局2016年所有急性缺血性卒中（AIS）患者记录的自动化大血管闭塞（LVO）评估系统	首次结合结构化临床数据和非结构化非对比CT（NCCT）影像数据进行急性期LVO诊断，性能优于以往报道的方法	NA	开发一种能够快速识别大血管闭塞的自动化评估系统，以提高急性缺血性卒中患者的再灌注治疗机会和神经恢复	急性缺血性卒中患者的大血管闭塞	机器学习	脑血管疾病	机器学习技术，包括逻辑回归、随机森林、支持向量机（SVM）和极端梯度提升（XGBoost）	多层次模型	结构化临床数据和非对比CT（NCCT）影像数据	300名患者，其中200名用于模型训练，100名用于模型性能评估
19	2024-10-01	Enhanced Accuracy for Multiclass Mental Workload Detection Using Long Short-Term Memory for Brain-Computer Interface 2020, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2020.00584 PMID:32655353	研究论文	研究使用长短期记忆网络（LSTM）提高脑机接口中多类心理负荷检测的准确性	提出了使用卷积神经网络（CNN）和长短期记忆网络（LSTM）的新型深度学习框架，显著提高了多类心理负荷分类的准确性	NA	提高脑机接口中多类心理负荷检测的准确性	心理负荷的分类和检测	机器学习	NA	功能近红外光谱（fNIRS）	长短期记忆网络（LSTM）	脑活动信号	15名参与者（男女各半），每人进行10次心理负荷实验
20	2024-10-01	A Path Toward Explainable AI and Autonomous Adaptive Intelligence: Deep Learning, Adaptive Resonance, and Models of Perception, Emotion, and Action 2020, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2020.00036 PMID:32670045	研究论文	本文总结了生物神经网络模型如何帮助理解自主适应智能，并解释了这些模型的动态和涌现特性如何可解释，从而可以自信地应用于大规模应用	提出了Adaptive Resonance Theory (ART)算法，克服了反向传播和深度学习的计算问题，实现了无灾难性遗忘的快速分类	未提及	探讨可解释的人工智能和自主适应智能的发展路径	生物神经网络模型及其在感知、认知、情感和行动中的应用	机器学习	NA	Adaptive Resonance Theory (ART)	NA	NA	NA