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
20421	2024-08-07	Deep learning-based stenosis quantification from coronary CT Angiography 2019-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2512168 PMID:31762536	研究论文	本文评估了利用深度学习从冠状动脉CT血管造影（CTA）中量化冠状动脉疾病的可行性	提出了一种基于深度学习的方法，能够准确地从CTA中量化冠状动脉疾病段，可能增强临床报告	研究样本仅包括156名患者，且深度学习方法在直径狭窄度（DS）的测量上与专家读者的测量存在显著差异	评估深度学习在冠状动脉CTA中量化狭窄的可行性	冠状动脉疾病患者的CTA图像	计算机视觉	心血管疾病	深度学习	卷积神经网络	图像	156名患者，共716个病变段
20422	2024-08-07	Application of convolutional neural networks to breast biopsies to delineate tissue correlates of mammographic breast density 2019, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-019-0134-6 PMID:31754628	研究论文	本文利用深度学习方法，通过分析放射引导下的乳腺活检数字化图像，探索乳腺密度与组织学特征之间的关系，并区分高密度和低密度女性的癌症风险	首次使用卷积神经网络分析乳腺活检图像，提取37个特征描述组织数量和形态结构，并训练随机森林模型预测纤维腺体体积和癌症诊断	研究样本量有限，且仅使用了放射引导下的乳腺活检图像，未来研究需扩大样本量并验证模型的泛化能力	探索乳腺密度与组织学特征之间的关系，并区分高密度和低密度女性的癌症风险	乳腺活检的数字化图像，包括852名患者的H&E染色图像	数字病理学	乳腺癌	卷积神经网络	随机森林	图像	852名患者
20423	2024-08-07	Prediction in Autism by Deep Learning Short-Time Spontaneous Hemodynamic Fluctuations 2019, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2019.01120 PMID:31780879	研究论文	本研究旨在探索使用多层人工神经网络基于短时自发血流动力学波动对自闭症谱系障碍（ASD）儿童和典型发育（TD）儿童进行分类的可能性	采用结合卷积神经网络（CNN）和门控循环单元（GRU）的CGRNN网络，有效提取特征并避免过拟合问题	样本量较小，仅包括25名ASD儿童和22名TD儿童	探索使用深度学习技术基于短时自发血流动力学波动对ASD和TD儿童进行分类	自闭症谱系障碍（ASD）儿童和典型发育（TD）儿童	机器学习	自闭症谱系障碍	功能近红外光谱技术（fNIRS）	CGRNN（结合CNN和GRU的多层神经网络）	时间序列	25名ASD儿童和22名TD儿童
20424	2024-08-07	Deepprune: Learning Efficient and Interpretable Convolutional Networks Through Weight Pruning for Predicting DNA-Protein Binding 2019, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2019.01145 PMID:31824562	研究论文	本文介绍了一种名为Deepprune的新型深度学习框架，通过权重剪枝和迭代微调，训练具有有限卷积核数量的CNN模型，以提高DNA-蛋白质结合位点的预测性能并增强模型的可解释性	Deepprune通过权重剪枝和迭代微调，实现了在有限卷积核数量下提高模型性能和可解释性	NA	旨在通过减少卷积核数量，提高基于CNN的模型在DNA-蛋白质结合位点预测中的性能和可解释性	DNA-蛋白质结合位点的预测	机器学习	NA	权重剪枝	CNN	ChIP-seq数据	模拟数据集和ChIP-seq数据
20425	2024-08-07	Adaptive template generation for amyloid PET using a deep learning approach 2018-09, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.24210 PMID:29752765	研究论文	本研究利用深度神经网络生成个体化的PET模板，以实现无需配准解剖磁共振成像的阿尔茨海默病评估中的淀粉样PET图像的精确空间归一化	提出了一种无需使用匹配的3D MRI图像，通过深度学习方法生成个体化PET模板的新技术，显著提高了MRI-less淀粉样PET评估的定量准确性	NA	开发一种新的方法，用于在无需3D MRI的情况下，对淀粉样PET图像进行空间归一化，以提高临床实践和研究中的分析效率	淀粉样PET图像的空间归一化	机器学习	阿尔茨海默病	深度神经网络	卷积自编码器（CAE）和生成对抗网络（GAN）	图像	使用了681对同时获取的C-PIB PET和T1加权3D MRI扫描数据，以及通过旋转527个随机选择的数据显示生成的685,100个增强数据进行训练，并用154个数据集进行验证
20426	2024-08-07	Extracting psychiatric stressors for suicide from social media using deep learning 2018-07-23, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-018-0632-8 PMID:30066665	研究论文	本研究旨在利用深度学习方法从社交媒体Twitter中提取与自杀相关的心理压力源	首次尝试使用深度学习方法从Twitter数据中提取心理压力源，并通过转移学习策略利用现有临床文本注释数据集	NA	探索识别Twitter上与自杀相关的心理压力源的技术	Twitter上的自杀相关推文	机器学习	NA	深度学习	卷积神经网络（CNN）和循环神经网络（RNN）	文本	包含自杀相关推文的Twitter数据集
20427	2024-08-07	Latent source mining in FMRI via restricted Boltzmann machine 2018-06, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.24005 PMID:29457314	研究论文	本文提出了一种基于受限玻尔兹曼机（RBM）的盲源分离（BSS）方法，用于功能性磁共振成像（fMRI）时间序列分析，以提高脑网络识别的准确性	该方法通过将RBM应用于fMRI时间序列而非体积，显著降低了模型复杂性并提高了训练集规模，从而提升了训练效率	NA	探索RBM在大型fMRI数据中挖掘复杂结构的能力，并评估其在fMRI数据分析中作为深层模型构建块的潜力	fMRI数据中的脑网络识别	机器学习	NA	受限玻尔兹曼机（RBM）	RBM	时间序列	基于Human Connectome Project（HCP）数据集
20428	2024-08-07	Deep learning with convolutional neural networks for EEG decoding and visualization 2017-11, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.23730 PMID:28782865	研究论文	本文研究了使用卷积神经网络（ConvNets）进行脑电图（EEG）解码和可视化的深度学习方法	提出了使用批量归一化和指数线性单元等机器学习领域的最新进展，以及裁剪训练策略，提高了深度ConvNets的解码性能	需要进一步理解如何设计和训练ConvNets以进行端到端的EEG解码，并可视化ConvNets学习到的信息性EEG特征	探索如何设计和训练ConvNets以从原始EEG中解码任务相关信息，并展示深度ConvNets结合先进可视化技术在基于EEG的脑映射中的潜力	研究了不同架构的深度ConvNets，用于从原始EEG解码想象或执行的任务	机器学习	NA	卷积神经网络（ConvNets）	CNN	脑电图（EEG）	未具体说明样本数量
20429	2024-08-05	Investigating the effects of artificial intelligence on the personalization of breast cancer management: a systematic study 2024-Jul-18, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-12575-1 PMID:39026174	研究论文	该文章探讨了人工智能在乳腺癌管理个性化中的应用效果	研究展示了多种深度学习和机器学习方法在乳腺癌管理中的有效性，并揭示了复杂的组学和遗传数据中的潜在模式	未详细说明限制因素	研究人工智能如何与精准肿瘤学结合，优化乳腺癌的个性化治疗	聚焦于使用人工智能模型进行个性化乳腺癌管理的研究	机器学习	乳腺癌	深度学习, 机器学习	NB, SVM, RF, XGBoost, 强化学习	组学数据	共涉及46项研究
20430	2024-08-05	Classification of the quality of canine and feline ventrodorsal and dorsoventral thoracic radiographs through machine learning 2024-Jul, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association IF:1.3Q2 DOI:10.1111/vru.13373 PMID:38668682	研究论文	本研究提出了一种基于机器学习的犬猫胸部X光片质量分类模型	采用深度学习和机器学习的方法对胸部X光片的质量进行了分类，分析了裁剪、定位和曝光等方面	未提到模型在真实临床环境中的长期应用效果	提高犬猫胸部X光片的质量控制以改善诊断结果	分析899幅犬猫胸部X光片的质量	机器学习	心血管疾病	深度学习和机器学习	NA	影像	899幅犬猫胸部X光片
20431	2024-08-05	Deep learning-based prediction of one-year mortality in Finland is an accurate but unfair aging marker 2024-Jul, Nature aging IF:17.0Q1 DOI:10.1038/s43587-024-00657-5 PMID:38914859	研究论文	本文开发了一个深度学习模型，以预测芬兰的一年死亡率，展示了其准确性和不公平性作为老龄化标记	提出了一种针对短期死亡率的新型老龄化时钟，并评估了其算法公平性	在不同人群中模型性能不均，特别是在劣势群体中面临公平性挑战	研究短期死亡风险作为老龄化标记的预测能力	芬兰全国人口的纵向数据	机器学习	NA	深度学习	深度学习模型	数据	540万
20432	2024-08-05	Atomic-Scale 3D Structure of a Supported Pd Nanoparticle Revealed by Electron Tomography with Convolution Neural Network-Based Image Inpainting 2024-Jul, Small methods IF:10.7Q1 DOI:10.1002/smtd.202301163 PMID:38044263	研究论文	该研究利用电子断层成像和深度学习方法分析了支持金属纳米颗粒的三维原子结构	提出了一种基于深度学习的图像修复方法，有效分离并重建了支持的Pd纳米颗粒的三维结构	研究中未提及具体的样本选择标准和实验重复性问题	分析金属纳米颗粒的原子级三维结构并理解其催化性质	支持的Pd纳米颗粒及其与支持材料的界面	数字病理学	NA	电子断层成像，深度学习图像修复	NA	图像	观察到一个11 nm的Pd纳米颗粒
20433	2024-08-05	Learning the intrinsic dynamics of spatio-temporal processes through Latent Dynamics Networks 2024-Feb-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-45323-x PMID:38418469	研究论文	本文介绍了一种新架构，名为潜在动力学网络，能够揭示潜在非马尔可夫系统中的低维内在动力学	提出了一种轻量级的潜在动力学网络，可以在无需高维空间操作的情况下自动发现低维流形，并在时间外推场景中进行分布的预测	未明确提出研究的特定限制因素	研究复杂空间时间过程在外部刺激下的进化预测	针对潜在的非马尔可夫系统进行探索性研究	机器学习	NA	深度学习算法	潜在动力学网络	低维空间数据	NA
20434	2024-08-05	Feature extraction method of EEG based on wavelet packet reconstruction and deep learning model of VR motion sickness feature classification and prediction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305733 PMID:39028732	研究论文	提出了基于小波包重构的EEG特征提取方法，并利用深度学习模型对虚拟现实运动病特征进行分类和预测	采用增强的GRU网络分析EEG数据，开发了一种高效的深度学习模型，实现了84.9%的运动病分类和预测准确率	尚未提及特定的局限性	研究旨在改善虚拟现实体验和推动虚拟现实技术的发展	研究对象为虚拟现实环境下的用户EEG数据和反馈信息	机器学习	NA	EEG	GRU	NA	NA
20435	2024-08-05	Deep Clustering of Electronic Health Records Tabular Data for Clinical Interpretation 2023-Dec, ... IEEE International Conference on Telecommunications and Photonics. IEEE International Conference on Telecommunications and Photonics DOI:10.1109/ictp60248.2023.10490723 PMID:39027675	研究论文	本研究提出了一种基于临床变量的患者分层策略，并评估了聚类性能。	创新点在于提出了一种基于临床变量进行患者分层的新策略，并采用深度学习方法改善了聚类效果。	本研究局限于使用传统聚类算法进行比较，未涉及其他复杂模型的应用。	本研究旨在提高对患者数据的理解和分析，特别是在没有明确诊断标签的情况下。	研究对象为高血压患者群体，通过聚类分析识别了不同患者簇。	机器学习	NA	深度学习	NA	表格数据	NA
20436	2024-08-05	Generative adversarial network constrained multiple loss autoencoder: A deep learning-based individual atrophy detection for Alzheimer's disease and mild cognitive impairment 2023-02-15, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26146 PMID:36394351	研究论文	本文提出了一种生成对抗网络约束的多损失自编码器框架用于阿尔茨海默病和轻度认知障碍的个体萎缩检测	提出了一种新颖的GANCMLAE模型，能够精确描述个体大脑萎缩模式并具有良好的临床应用潜力	尚缺乏对其他人群或更广泛样本的验证，以评估模型的通用性	研究个体大脑萎缩模式，以提高阿尔茨海默病和轻度认知障碍的精准医学	正常对照组与阿尔茨海默病和轻度认知障碍患者	数字病理学	阿尔茨海默病	生成对抗网络	自编码器	图像	来自阿尔茨海默病神经影像学倡议队列的正常对照组和Xuanwu队列的数据
20437	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
20438	2024-08-07	Exploring semantic deep learning for building reliable and reusable one health knowledge from PubMed systematic reviews and veterinary clinical notes 2019-11-12, Journal of biomedical semantics IF:1.6Q3 DOI:10.1186/s13326-019-0212-6 PMID:31711540	研究论文	本文探讨了如何利用语义深度学习方法，从PubMed系统评价和兽医临床笔记中提取关于人类和动物健康的诊断、预后、治疗等信息，并将其转化为可计算的知识	结合语义网络技术和深度学习，开发了一种新的方法来处理和映射缩写形式，并使用现有本体正式表示关联	NA	探索如何将非结构化自由文本数据转化为可靠且可重用的一体化健康知识	从PubMed系统评价和兽医临床笔记中提取的11种常见医疗状况的相关临床概念	机器学习	NA	语义深度学习	深度学习方法	文本	30万篇PubMed系统评价文章和250万份兽医临床笔记
20439	2024-08-07	Deep learning for pollen allergy surveillance from twitter in Australia 2019-11-08, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-019-0921-x PMID:31699071	研究论文	本文介绍了一种基于深度学习的实时检测和生成关于澳大利亚最普遍的慢性疾病之一——花粉过敏的洞察的方法	该系统解决了传统机器学习技术手动特征工程的局限性，能够处理与医学概念相关的广泛非标准表达	NA	开发一种基于社交媒体数据的花粉过敏监测方法	澳大利亚的花粉过敏情况	机器学习	花粉过敏	深度学习	CNN, RNN, LSTM, GRU	文本	6个月期间从Twitter提取的数据
20440	2024-08-07	Training the next generation of Africa's doctors: why medical schools should embrace the team-based learning pedagogy 2019-Nov-04, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-019-1845-y PMID:31699081	研究论文	本文探讨了非洲医学院应采用团队为基础的学习（TBL）教学法以培养全面发展的医生	提出TBL作为一种强有力的替代方法，能够在当前环境下提供全面的医学教育，促进学生'硬技能'和'软技能'的发展	讨论了TBL在非洲实施初期可能面临的挑战	推动非洲医学教育采用团队为基础的学习方法，以培养适应未来医疗需求的医生	非洲的医学教育及其面临的挑战	NA	NA	NA	NA	NA	NA