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
181	2024-08-07	Beyond K-complex binary scoring during sleep: probabilistic classification using deep learning 2020-10-13, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsaa077 PMID:32301485	研究论文	本文提出了一种基于深度神经网络和高斯过程的算法，用于自动分类K复合波（KCs），这是一种睡眠阶段2的脑电图标志	该算法采用概率分类方法，能够给出输入波形是K复合波的概率，从0%到100%，并且表现优于现有的K复合波评分算法	NA	开发一种自动化的概率K复合波分类算法，以更深入地探索睡眠中K复合波与临床结果之间的关系	K复合波的自动分类	机器学习	NA	深度神经网络和高斯过程	深度神经网络	脑电图数据	训练数据包括来自19名健康年轻参与者的手动评分睡眠阶段2的K复合波，以及来自克利夫兰家庭研究的700个独立记录
182	2024-08-07	A deep learning approach to detect Covid-19 coronavirus with X-Ray images 2020 Oct-Dec, Biocybernetics and biomedical engineering IF:5.3Q1 DOI:10.1016/j.bbe.2020.08.008 PMID:32921862	研究论文	本文提出了一种利用X射线图像和深度学习技术检测COVID-19冠状病毒的诊断方法	该研究通过数据增强和两阶段深度网络设计，提高了模型的泛化能力和分类准确性	NA	开发一种快速准确的COVID-19检测方法，以应对全球病例增加和检测试剂盒有限的挑战	COVID-19冠状病毒的检测	计算机视觉	COVID-19	深度学习	深度网络	图像	1832张X射线图像
183	2024-08-07	DeepSEED: 3D Squeeze-and-Excitation Encoder-Decoder Convolutional Neural Networks for Pulmonary Nodule Detection 2020-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI45749.2020.9098317 PMID:33250956	研究论文	本文提出了一种新的3D卷积神经网络DeepSEED，用于肺结节检测，结合编码器-解码器结构和区域提议网络，使用动态缩放的交叉熵损失来减少假阳性率并解决样本不平衡问题	引入了动态缩放的交叉熵损失和挤压-激励结构来学习有效的图像特征，并利用不同特征图之间的相互依赖信息	NA	提高肺结节检测的深度学习模型的泛化性能	肺结节	计算机视觉	肺癌	低剂量计算机断层扫描（CT）	3D卷积神经网络	CT扫描图像	基于LIDC/IDRI数据集及其子集LUNA16的手动标记真实数据
184	2024-08-07	Real-time plant health assessment via implementing cloud-based scalable transfer learning on AWS DeepLens 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0243243 PMID:33332376	研究论文	本文通过在AWS DeepLens上实施基于云的可扩展迁移学习，实现了对果树和蔬菜植物叶病的实时自动检测和分类	提出的DeepLens分类和检测模型（DCDM）解决了以往机器学习模型在硬件要求高、可扩展性有限和实际使用效率低下的问题	NA	旨在通过自动化识别和分类植物叶病，减少经济损失并保护特定植物物种	果树（苹果、葡萄、桃和草莓）和蔬菜植物（土豆和番茄）的叶病	机器学习	NA	迁移学习	深度学习模型	图像	训练使用了四万张图像，评估使用了十万张图像
185	2024-08-07	A deep learning backcasting approach to the electrolyte, metabolite, and acid-base parameters that predict risk in ICU patients 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0242878 PMID:33332413	研究论文	本研究通过深度学习回溯方法，利用电解质、代谢物和酸碱参数，预测ICU患者的风险	采用深度学习回溯方法，提高了对ICU患者生理不稳定性发展的早期识别和决策能力	研究为回顾性分析，未来需在前瞻性研究中验证模型的有效性	提高对ICU患者风险恶化的识别能力	ICU患者的电解质、代谢物和酸碱参数	机器学习	NA	深度学习	深度学习模型	数值数据	5157名成年ICU患者
186	2024-08-07	Clinically significant prostate cancer detection and segmentation in low-risk patients using a convolutional neural network on multi-parametric MRI 2020-Dec, European radiology IF:4.7Q1 DOI:10.1007/s00330-020-07008-z PMID:32594208	研究论文	本文开发了一种自动方法，用于在低风险患者中识别和分割临床显著性前列腺癌，并评估其在常规临床环境中的表现。	使用3D卷积神经网络在多参数MRI上进行临床显著性前列腺癌的识别和分割。	模型在较小体积病变（>0.03 cc）上的性能不如较大体积病变（>0.5 cc）。	开发和评估一种自动方法，用于在低风险患者中识别和分割临床显著性前列腺癌。	低风险患者中的临床显著性前列腺癌。	计算机视觉	前列腺癌	多参数MRI	CNN	MRI图像	292名低风险患者
187	2024-08-07	Power-law scaling to assist with key challenges in artificial intelligence 2020-11-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-76764-1 PMID:33184422	研究论文	本文探讨了幂律缩放在深度学习中的应用，特别是在手写数字识别任务中，优化后的测试错误率随着数据库大小增加而趋近于零的幂律收敛现象	提出幂律缩放有助于解决当前人工智能应用中的关键挑战，并能预先估计数据集大小以达到所需的测试准确度	NA	研究幂律缩放在深度学习中的应用及其对人工智能关键挑战的辅助作用	深度学习中的幂律缩放现象及其在手写数字识别任务中的应用	机器学习	NA	深度学习	NA	图像	涉及最大数据集的测试错误率接近当前最先进算法的水平
188	2024-08-07	COVID-Net: a tailored deep convolutional neural network design for detection of COVID-19 cases from chest X-ray images 2020-11-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-76550-z PMID:33177550	研究论文	本文介绍了COVID-Net，一个专门为从胸部X光图像中检测COVID-19病例设计的深度卷积神经网络，并公开了该网络和COVIDx数据集	COVID-Net是首批公开的用于从胸部X光图像中检测COVID-19的网络设计之一	COVID-Net并非一个生产就绪的解决方案，而是希望加速开发高度准确的深度学习解决方案	开发一个有效的工具来帮助筛查COVID-19感染患者	COVID-19病例的胸部X光图像	计算机视觉	COVID-19	深度卷积神经网络	CNN	图像	13,975张胸部X光图像，涉及13,870个病例
189	2024-08-07	Toward Preparing a Knowledge Base to Explore Potential Drugs and Biomedical Entities Related to COVID-19: Automated Computational Approach 2020-Nov-10, JMIR medical informatics IF:3.1Q2 DOI:10.2196/21648 PMID:33055059	研究论文	本文通过自动化计算方法，从公开的科学文献和相关资源中挖掘信息，构建了一个专门针对COVID-19的知识库平台，用于探索与COVID-19相关的潜在药物和生物医学实体。	本文首次开发了一个专门针对COVID-19的知识库平台，通过自然语言处理、情感分析和深度学习等技术，自动挖掘和标记科学文献中的信息，以评估药物对疾病的有效性。	NA	探索与冠状病毒相关疾病（包括COVID-19）相关的潜在药物和生物医学实体，并通过自动化计算方法从科学文献中提取信息。	COVID-19及相关冠状病毒疾病，包括相关的药物、基因和疾病。	生物信息学	COVID-19	自然语言处理、情感分析、深度学习	NA	文本	1805种疾病、2454种药物、1910个基因
190	2024-08-07	Novel Deep Learning Network Analysis of Electrical Stimulation Mapping-Driven Diffusion MRI Tractography to Improve Preoperative Evaluation of Pediatric Epilepsy 2020-11, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2020.2977531 PMID:32142416	研究论文	研究深度卷积神经网络（DCNN）在儿童局灶性癫痫（FE）术前评估中作为新的影像工具的临床效用	DCNN轨迹分类在非侵入性检测ESM空间分辨率内的功能区域方面表现出色，准确率达到98%	NA	探讨DCNN轨迹分类在儿童局灶性癫痫术前评估中的临床效用	儿童局灶性癫痫患者	机器学习	癫痫	扩散MRI轨迹图	CNN	影像	89名儿童局灶性癫痫患者
191	2024-08-07	Deep learning methods for forecasting COVID-19 time-Series data: A Comparative study 2020-Nov, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2020.110121 PMID:32834633	研究论文	本文比较了五种深度学习方法在预测COVID-19时间序列数据中的应用	本文首次比较了多种深度学习模型在COVID-19病例预测中的性能，并发现VAE模型的表现优于其他算法	研究基于小量数据进行，可能影响模型的泛化能力	优化医疗资源分配并减缓COVID-19疾病的进展	COVID-19的新感染和康复病例数	机器学习	COVID-19	深度学习	RNN, LSTM, BiLSTM, GRUs, VAE	时间序列数据	每日确诊和康复病例数据，来自意大利、西班牙、法国、中国、美国和澳大利亚六个国家
192	2024-08-07	A deep learning and grad-CAM based color visualization approach for fast detection of COVID-19 cases using chest X-ray and CT-Scan images 2020-Nov, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2020.110190 PMID:32836918	研究论文	本文提出了一种基于深度学习和Grad-CAM的颜色可视化方法，用于通过胸部X射线和CT扫描图像快速检测COVID-19病例	本文采用了深度迁移学习算法，结合胸部X射线和CT扫描图像，实现了对COVID-19病例的快速检测，检测时间仅需2秒，比传统的RT-PCR测试更快	NA	旨在通过深度学习技术快速准确地检测COVID-19病例，以应对全球健康危机	COVID-19病例的胸部X射线和CT扫描图像	计算机视觉	COVID-19	深度学习	深度迁移学习算法	图像	使用了三个数据集：COVID-chest X-ray、SARS-COV-2 CT-scan和Chest X-Ray Images (Pneumonia)
193	2024-08-07	Transcranial MR Imaging-Guided Focused Ultrasound Interventions Using Deep Learning Synthesized CT 2020-10, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A6758 PMID:32883668	研究论文	本研究探讨了使用深度学习技术将MR图像直接转换为合成CT图像，以简化经颅MR引导聚焦超声治疗计划的可行性	本研究首次使用深度学习技术将MR图像转换为合成CT图像，用于经颅MR引导聚焦超声治疗计划	NA	简化经颅MR引导聚焦超声治疗的临床工作流程	深度学习技术在将MR图像转换为合成CT图像中的应用	计算机视觉	NA	深度学习	U-Net神经网络	图像	41名受试者（平均年龄66.4±11.0岁，其中15名女性）
194	2024-08-07	Automatic segmentation and applicator reconstruction for CT-based brachytherapy of cervical cancer using 3D convolutional neural networks 2020-Oct, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.13024 PMID:32991783	研究论文	本研究提出了一种基于深度学习的自动分割和施用器重建方法，用于宫颈癌近距离放射治疗（BT）的计算机断层扫描（CT）规划，具有高精度和高效率	提出了一种新的三维（3D）卷积神经网络（CNN）架构DSD-UNET，用于自动分割高危临床目标体积（HR-CTV）和危险器官（OARs），并在施用器重建中实现了高精度的分割	NA	提高宫颈癌近距离放射治疗规划的效率和一致性	宫颈癌患者的CT图像分割和施用器重建	计算机视觉	宫颈癌	3D卷积神经网络	DSD-UNET	CT图像	91名接受CT基础宫颈癌近距离放射治疗的患者
195	2024-08-07	LncMirNet: Predicting LncRNA-miRNA Interaction Based on Deep Learning of Ribonucleic Acid Sequences 2020-Sep-23, Molecules (Basel, Switzerland) DOI:10.3390/molecules25194372 PMID:32977679	研究论文	本文提出了一种基于深度卷积神经网络的混合序列特征模型LncMirNet，用于预测长链非编码RNA（lncRNA）与微小RNA（miRNA）的相互作用	LncMirNet通过引入四种基于序列的特征（k-mer、CTD、doc2vec和图嵌入特征）并采用直方图融合方法，提高了预测lncRNA-miRNA相互作用的准确性和AUC值	NA	预测lncRNA与miRNA之间的相互作用，以帮助探索新的调控模式	lncRNA与miRNA的相互作用	机器学习	NA	深度卷积神经网络（CNN）	CNN	序列	使用来自lncRNASNP2的真实数据集进行五折交叉验证
196	2024-08-07	Deep learning can be used to train naïve, nonprofessional observers to detect diagnostic visual patterns of certain cancers in mammograms: a proof-of-principle study 2020-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.7.2.022410 PMID:32042860	研究论文	本研究通过一系列实验证明，深度学习技术可以训练非专业观察者识别医学影像中的特定癌症诊断视觉模式	首次证明深度学习技术能够训练非专业人士在医学影像中识别癌症的诊断视觉模式	研究规模较小，主要集中在乳腺癌的乳腺摄影图像上	探索深度学习技术在训练非专业人士识别医学影像中癌症诊断视觉模式的可行性	非专业观察者对医学影像中癌症诊断视觉模式的识别能力	计算机视觉	乳腺癌	深度学习	NA	影像	实验涉及多个非专业观察者，具体数量未详细说明
197	2024-08-07	Insights of Novel Coronavirus (SARS-CoV-2) disease outbreak, management and treatment 2020, AIMS microbiology IF:2.7Q3 DOI:10.3934/microbiol.2020013 PMID:33134740	研究论文	本文探讨了新型冠状病毒（SARS-CoV-2）疫情的爆发、管理和治疗	文章介绍了实时PCR、免疫学、显微镜和地理信息系统（GIS）等临床诊断技术的进步，以及人工智能、组合化学和深度学习方法在寻找新型治疗药物中的应用	NA	研究新型冠状病毒（SARS-CoV-2）的爆发、管理和治疗策略	新型冠状病毒（SARS-CoV-2）及其对全球健康的影响	公共卫生	传染病	实时PCR（RT-PCR）、地理信息系统（GIS）、人工智能（AI）、深度学习	NA	NA	全球超过423349例死亡
198	2024-08-07	Deep learning-assisted comparative analysis of animal trajectories with DeepHL 2020-10-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-19105-0 PMID:33082335	研究论文	本研究介绍了DeepHL平台，一个利用深度学习辅助进行动物运动轨迹比较分析的工具	DeepHL平台采用基于注意力机制的深度神经网络，自动检测并突出显示轨迹中特定于某个群体的特征段，帮助生物学家揭示这些特征段的潜在意义	NA	旨在通过深度学习技术辅助生物学家进行动物行为轨迹的比较分析	多种动物（如蠕虫、昆虫、老鼠、熊和海鸟）的运动轨迹	机器学习	NA	深度学习	基于注意力机制的深度神经网络	轨迹数据	多种动物的运动轨迹，范围从毫米到数百公里
199	2024-08-07	Non-invasive decision support for NSCLC treatment using PET/CT radiomics 2020-10-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-19116-x PMID:33067442	研究论文	本文报道了一种基于F-FDG-PET/CT的深度学习模型，用于非小细胞肺癌（NSCLC）治疗决策支持，特别是EGFR突变状态的预测。	该研究开发了一种非侵入性的深度学习评分（EGFR-DLS），能够精确量化NSCLC患者的EGFR突变状态，有助于指导治疗选择。	NA	旨在开发一种新的方法来帮助指导非小细胞肺癌的治疗选择。	非小细胞肺癌（NSCLC）患者的治疗决策支持。	机器学习	肺癌	PET/CT	深度学习模型	图像	多个机构的患者群体
200	2024-08-07	Exploration into biomarker potential of region-specific brain gene co-expression networks 2020-10-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-73611-1 PMID:33051491	研究论文	本研究利用GTEx项目的RNA表达数据构建了正常大脑的基因共表达网络（GCN），并基于大脑结构将其整合为六个大脑迷你GCN，以探索其作为生物标志物的潜力	首次构建了基于大脑区域的基因共表达网络，并发现这些网络中的基因在肿瘤中显示出更高的突变率	NA	探索大脑区域特异性基因共表达网络作为生物标志物的潜力	大脑区域特异性基因共表达网络及其在肿瘤中的突变情况	基因组学	脑肿瘤	RNA表达分析	深度学习分类器（Gene Oracle）	基因表达数据	来自GTEx项目的多个大脑区域样本