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
20901	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
20902	2024-08-07	ReorientExpress: reference-free orientation of nanopore cDNA reads with deep learning 2019-11-29, Genome biology IF:10.1Q1 DOI:10.1186/s13059-019-1884-z PMID:31783882	研究论文	描述了一种名为ReorientExpress的方法，用于无参考基因组的转录组长序列读取的自由定向	ReorientExpress利用深度学习正确预测大多数读取的方向，特别是在训练于密切相关物种或与读取聚类结合时	NA	实现非模型生物和无基因组参考样本的长读取转录组学	转录组长序列读取的定向	机器学习	NA	深度学习	NA	序列数据	NA
20903	2024-08-07	Diagnosis of Thyroid Nodules: Performance of a Deep Learning Convolutional Neural Network Model vs. Radiologists 2019-11-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-54434-1 PMID:31780753	研究论文	本文开发了一种基于深度学习的甲状腺结节超声计算机辅助诊断系统（dCAD），并将其性能与基于支持向量机（SVM）的系统（sCAD）和放射科医生的诊断性能进行了比较	dCAD在总体敏感性、特异性、阳性预测值（PPV）、阴性预测值和准确性方面与放射科医生相当，并且在小结节方面表现更优于sCAD	NA	开发和评估基于深度学习的甲状腺结节超声计算机辅助诊断系统的性能	甲状腺结节	计算机视觉	甲状腺疾病	深度学习	CNN	图像	4919个甲状腺结节图像
20904	2024-08-07	Prediction Model of Organic Molecular Absorption Energies based on Deep Learning trained by Chaos-enhanced Accelerated Evolutionary algorithm 2019-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-53206-1 PMID:31754116	research paper	本文提出了一种基于混沌增强加速进化算法的深度学习预测模型，用于提高分子吸收能量的计算准确性、效率和稳定性。	该模型结合了深度学习和智能算法，采用混沌增强加速粒子群优化算法和深度人工神经网络（CAPSO BP DNN），具有七层8-4-4-4-4-4-1结构，能够有效提高预测效果和准确性。	NA	开发一种高精度的分子吸收能量预测模型。	有机分子的吸收能量。	machine learning	NA	deep learning	DNN	numerical	涉及八个与分子吸收能量相关的参数作为输入，一个参数作为输出。
20905	2024-08-07	Particle Mobility Analysis Using Deep Learning and the Moment Scaling Spectrum 2019-11-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-53663-8 PMID:31748591	研究论文	本文提出了一种使用深度学习和矩尺度谱分析来分析细胞内动态过程的新方法	首次采用深度学习方法对单颗粒轨迹进行分割，并使用矩尺度谱分析来估计移动类别的数量及其相关参数	NA	开发一种用于从时间序列显微镜图像中提取生物学相关参数的鲁棒方法	细胞内颗粒的动态行为	计算机视觉	NA	深度学习	NA	图像	包括内部数据集和公开的颗粒跟踪数据，涵盖多种蛋白质的不同动态行为
20906	2024-08-07	Unifying machine learning and quantum chemistry with a deep neural network for molecular wavefunctions 2019-11-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-019-12875-2 PMID:31729373	研究论文	本文介绍了一种深度学习框架，用于预测分子波函数，从而统一机器学习和量子化学	该框架能够在保持类似力场的效率的同时，通过波函数完全访问电子结构，并以分析可微分的方式捕捉量子力学	NA	旨在通过深度神经网络统一机器学习和量子化学，以优化分子结构的电子特性	分子的量子力学波函数	机器学习	NA	深度学习	深度神经网络	分子波函数	NA
20907	2024-08-07	Deep Learning Techniques for Grape Plant Species Identification in Natural Images 2019-Nov-07, Sensors (Basel, Switzerland) DOI:10.3390/s19224850 PMID:31703313	研究论文	本文评估了基于AlexNet架构的迁移学习和微调技术在自然图像中识别葡萄品种的性能	提出了一个四角合一的图像扭曲算法用于图像预处理，并验证了其在葡萄品种识别中的有效性	图像在自然环境中的采集、图像数量较少、不同葡萄品种图像间的高相似性以及收获季节中葡萄叶和果穗图像的显著变化	开发一种自动识别葡萄品种的算法，适用于如机器人采摘系统等集成软件组件	葡萄品种的自动识别	计算机视觉	NA	迁移学习和微调技术	AlexNet	图像	两个自然葡萄园图像数据集，分别在不同地理位置和收获季节采集
20908	2024-08-07	Attention-Based Deep Neural Networks for Detection of Cancerous and Precancerous Esophagus Tissue on Histopathological Slides 2019-11-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2019.14645 PMID:31693124	研究论文	本文评估了一种基于注意力机制的深度学习方法，用于高分辨率组织学图像分析，以检测巴雷特食管（BE）和食管腺癌	该方法仅基于组织级别的标注，与基于感兴趣区域的现有方法不同	该模型的性能提升在统计上不显著	评估一种新的深度学习方法，用于高分辨率组织学图像分析，以检测巴雷特食管和食管腺癌	高分辨率组织学图像，用于训练和测试新的深度学习模型	数字病理学	食管癌	深度学习	CNN和基于网格的注意力网络	图像	379张用于训练的图像，123张用于独立测试的图像
20909	2024-08-07	Imaging biomarkers of adiposity and sarcopenia as potential predictors for overall survival among patients with endometrial cancer treated with bevacizumab 2019-Nov, Gynecologic oncology reports IF:1.2Q3 DOI:10.1016/j.gore.2019.100502 PMID:31720357	研究论文	研究评估了身体质量指数（BMI）、皮下脂肪面积（SFA）和密度（SFD）、内脏脂肪面积（VFA）和密度（VFD）以及总腰大肌面积（TPA）与接受化疗联合或不联合贝伐珠单抗治疗的晚期或复发性子宫内膜癌患者预后之间的关系	使用深度学习算法从治疗前的CT扫描中确定SFA、VFA、SFD、VFD和TPA，并分析这些影像学指标与总体生存期（OS）和无进展生存期（PFS）的关系	研究未发现任何脂肪指标能预测贝伐珠单抗治疗的改善反应	探讨影像学指标作为预测子宫内膜癌患者总体生存的潜在标志物	接受化疗联合或不联合贝伐珠单抗治疗的晚期或复发性子宫内膜癌患者	数字病理学	子宫内膜癌	深度学习算法	NA	影像数据	78名患者
20910	2024-08-07	Automatic Detection of Diabetic Retinopathy in Retinal Fundus Photographs Based on Deep Learning Algorithm 2019-Nov, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.8.6.4 PMID:31737428	研究论文	本文通过使用Inception-v3网络的深度迁移学习方法，实现了在眼底彩色图像中自动检测糖尿病视网膜病变（DR）	采用深度迁移学习方法和Inception-v3网络进行自动DR检测，提高了分类准确性和敏感性	NA	实现自动糖尿病视网膜病变检测，辅助临床决策	糖尿病视网膜病变在眼底彩色图像中的自动检测	计算机视觉	糖尿病视网膜病变	深度学习	Inception-v3网络	图像	共19,233张眼底彩色图像，来自5278名成年患者
20911	2024-08-07	High-throughput phenotyping with deep learning gives insight into the genetic architecture of flowering time in wheat 2019-11-01, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giz120 PMID:31742599	研究论文	本文展示了在田间条件下使用深度学习从移动田间车辆近端成像直接估计小麦的植物形态和发育阶段	本文提出了一种基于深度学习的田间高通量表型分析方法，能够直接测量遗传群体中的形态和发育表型，并展示了其在小麦开花时间遗传结构研究中的应用	NA	研究目的是通过深度学习技术提高植物性状测量的精确度和速度，从而更好地连接基因型与表型	研究对象是小麦的植物形态和发育阶段，特别是开花时间	计算机视觉	NA	深度学习	卷积神经网络	图像	使用了由专家视觉评分标记的图像数据集
20912	2024-08-07	Deep Learning Algorithm for Automated Diagnosis of Retinopathy of Prematurity Plus Disease 2019-Nov, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.8.6.23 PMID:31819832	研究论文	本研究描述了用于自动诊断早产儿视网膜病变（ROP）加病变的深度学习算法ROP.AI的初步开发	开发了一种新的深度学习算法ROP.AI，能够自动诊断ROP加病变，具有高灵敏度和阴性预测值	NA	开发和验证一种深度学习算法，用于自动诊断早产儿视网膜病变加病变	早产儿视网膜病变加病变的自动诊断	机器学习	早产儿视网膜病变	深度学习	深度学习算法	图像	6974张眼底图像
20913	2024-08-07	Using deep learning for a diffusion-based segmentation of the dentate nucleus and its benefits over atlas-based methods 2019-Oct, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.6.4.044007 PMID:31824980	研究论文	本文介绍了一种使用深度学习技术自动分割齿状核的方法，并比较了其与基于图谱方法的优势	提出的深度学习方法在自动分割齿状核时，与手动标签的吻合度高于传统的基于图谱的分割方法	NA	开发一种能够更准确地自动分割齿状核的方法	齿状核的自动分割	计算机视觉	NA	深度学习	NA	医学影像	NA
20914	2024-08-07	Cross-domain AU Detection: Domains, Learning Approaches, and Measures 2019-May, Proceedings of the ... International Conference on Automatic Face and Gesture Recognition. IEEE International Conference on Automatic Face & Gesture Recognition DOI:10.1109/FG.2019.8756543 PMID:31749665	研究论文	本文研究了面部动作单元（AU）检测器在未训练过的新领域中的迁移能力，并通过实验评估了深度学习（CNN）和浅层学习（SVM）方法在不同数据库中的表现。	本文通过实验评估了AU检测器在不同领域间的迁移能力，并比较了深度学习和浅层学习方法的效果。	实验结果显示，AU检测器在不同领域间的迁移能力有限，尤其是在浅层学习方法中表现更差。	探讨AU检测器在未训练过的新领域中的表现及其迁移能力。	面部动作单元（AU）检测器在不同领域中的表现。	计算机视觉	NA	CNN, SVM	CNN, SVM	视频	两个大型公开数据库：Expanded BP4D+ 和 GFT
20915	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
20916	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
20917	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
20918	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
20919	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
20920	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