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
21381	2024-08-07	Deep Learning during burn prehospital care: An evolving perspective 2024-06, Burns : journal of the International Society for Burn Injuries IF:3.2Q1 DOI:10.1016/j.burns.2024.03.015 PMID:38582694	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
21382	2024-08-05	A fully automated deep learning approach for coronary artery segmentation and comprehensive characterization 2024-Mar, APL bioengineering IF:6.6Q1 DOI:10.1063/5.0181281 PMID:38269204	研究论文	提出了一种完全自动化的深度学习方法，用于冠状动脉分割和综合特征分析	创新点在于开发了一个全自动化的管道，能够实现冠状动脉的分割以及冠状动脉钙化和扭曲的客观分析	该研究可能存在对特定数据集的依赖性，且只在CCTA图像上进行了验证	本研究旨在提供一种快速且客观的工具，以协助临床医生进行冠状动脉疾病风险评估	研究对象为281幅经过手动注释的CCTA图像	数字病理学	冠心病	冠状动脉计算机断层血管造影（CCTA）	基于U-Net的双阶段模型	图像	281幅CCTA图像
21383	2024-08-05	Analysis of pig posture detection in group-housed pigs using deep learning-based mask scoring instance segmentation 2024 Jan-Dec, Animal science journal = Nihon chikusan Gakkaiho DOI:10.1111/asj.13975 PMID:39005155	research paper	本研究探讨了一种基于深度学习的实例分割评分算法，用于检测和分割群体中猪的不同姿势	提出了一种新的对象检测和分割算法，能够在群体图像中识别个体猪的姿势，同时结合了残差网络和特征金字塔网络以提取特征图	在处理目标丢失和重叠猪只的错误检测方面仍存在一些挑战	研究猪姿势检测与家畜健康和福利之间的关系	群体饲养的猪	计算机视觉	NA	深度学习	残差网络和特征金字塔网络	图像	图像批次大小为512，每批次4张图像
21384	2024-08-05	Deep learning classification of ex vivo human colon tissues using spectroscopic OCT 2023-Sep-06, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.04.555974 PMID:37732221	研究论文	本文提出了一种基于光谱光学相干断层扫描的方法用于分类异体人类结肠组织。	创新性地结合了深度学习架构与光谱OCT技术，提升了结肠组织分类的准确性。	研究仅限于结肠上皮组织，不一定适用于其他组织类型。	提高结直肠癌筛查的效率和效果。	分析经过活检的结肠上皮组织样本。	数字病理学	结肠癌	光谱光学相干断层扫描（OCT）	深度学习架构，LSTM，KNN	组织样本	活检的结肠上皮组织样本
21385	2024-08-07	Incorporation of a spectral model in a convolutional neural network for accelerated spectral fitting 2019-05, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.27641 PMID:30666698	研究论文	本文介绍了一种结合卷积神经网络和光谱模型的无监督深度学习架构，用于加速大脑体积磁共振波谱成像（MRSI）的光谱拟合	提出了一种新的卷积编码器-模型解码器（CEMD）架构，结合了自适应和无偏的卷积网络与磁共振模型，具有良好的可解释性	NA	开发一种能够快速进行全脑数据光谱拟合的新架构，以促进临床常规实践	大脑体积MRSI数据在胶质母细胞瘤患者中的光谱拟合	机器学习	肿瘤	磁共振波谱成像（MRSI）	卷积神经网络（CNN）	光谱数据	约10,000个光谱
21386	2024-08-07	Deep Learning Neural Networks Highly Predict Very Early Onset of Pluripotent Stem Cell Differentiation 2019-04-09, Stem cell reports IF:5.9Q2 DOI:10.1016/j.stemcr.2019.02.004 PMID:30880077	研究论文	本文利用卷积神经网络（CNN）通过透射光显微镜图像区分多能干细胞和早期分化细胞	成功训练网络以超过99%的准确率识别未分化细胞和分化细胞，并在分化开始后仅20分钟即可进行成功预测	NA	训练CNN区分多能干细胞和早期分化细胞	小鼠胚胎干细胞和人类诱导多能干细胞的分化过程	计算机视觉	NA	透射光显微镜	CNN	图像	多个时间点的图像
21387	2024-08-07	Deep learning opens new horizons in personalized medicine 2019-Apr, Biomedical reports IF:2.3Q3 DOI:10.3892/br.2019.1199 PMID:30988951	研究论文	本文探讨了深度学习在个性化医疗中的应用，通过开发高精度的多模态预测模型，促进个性化医疗的实现。	深度学习提供了一种新颖的方法，能够开发高精度的多模态预测模型，有助于个性化医疗的实施。	NA	研究深度学习在个性化医疗中的应用，以解决多模态大数据转化为决策支持工具的挑战。	深度学习模型在个性化医疗中的应用及其对预测和检测率的影响。	机器学习	NA	深度学习 (DL)	深度学习模型	多模态数据	NA
21388	2024-08-07	A deep learning approach to automatic teeth detection and numbering based on object detection in dental periapical films 2019-03-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-40414-y PMID:30846758	研究论文	本文提出使用TensorFlow工具包中的faster R-CNN来检测和编号牙科根尖片中的牙齿，并引入三种后处理技术以提高检测精度	引入了三种后处理技术：过滤算法删除重叠框、神经网络模型检测缺失牙齿、基于牙齿编号系统的规则模块修正检测结果	NA	开发一种自动检测和编号牙科根尖片中牙齿的深度学习方法	牙科根尖片中的牙齿	计算机视觉	NA	faster R-CNN	CNN	图像	测试数据集
21389	2024-08-07	Reagent-Free and Rapid Assessment of T Cell Activation State Using Diffraction Phase Microscopy and Deep Learning 2019-03-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.8b04895 PMID:30741527	研究论文	本文介绍了一种利用衍射相位显微镜和深度学习技术快速且无需试剂评估CD8 T细胞激活状态的光学成像方法	提出了一种无需试剂且快速的方法来区分激活和未激活的CD8 T细胞，通过深度学习模型准确预测混合细胞群的比例	该方法仍需进一步完善以提高其准确性和应用范围	开发一种快速且成本效益高的平台，用于评估T细胞对候选抗原的反应	CD8 T细胞的激活状态	生物医学工程	NA	衍射相位显微镜	深度学习	图像	活细胞
21390	2024-08-07	Automated segmentation of dermal fillers in OCT images of mice using convolutional neural networks 2019-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.10.001315 PMID:30891348	研究论文	本文介绍了一种基于光学相干断层扫描（OCT）和深度学习的系统，用于自动确定水凝胶的皮内体积	使用了一种自建的OCT原型设备和u-net类似架构的卷积神经网络进行图像分割	NA	开发一种自动测量皮内填充物体积的方法	小鼠皮肤中的皮内填充物	计算机视觉	NA	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	100个OCT体积数据集
21391	2024-08-07	High-throughput, high-resolution deep learning microscopy based on registration-free generative adversarial network 2019-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.10.001044 PMID:30891329	研究论文	本文结合生成对抗网络（GAN）与光学显微镜，实现了在大视场（FOV）下的深度学习超分辨率成像	提出了一种无需图像配准的生成对抗网络，并设计了一个图像降级模型用于生成低分辨率图像以进行训练	NA	实现高吞吐量、高分辨率的深度学习显微成像	多种样本，包括USA分辨率目标、人类病理切片、荧光标记的成纤维细胞以及转基因小鼠脑部的深层组织	计算机视觉	NA	生成对抗网络（GAN）	GAN	图像	多种类型样本，包括USA分辨率目标、人类病理切片、荧光标记的成纤维细胞及转基因小鼠脑部深层组织
21392	2024-08-07	A deep learning algorithm to increase intelligibility for hearing-impaired listeners in the presence of a competing talker and reverberation 2019-03, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/1.5093547 PMID:31067936	研究论文	研究使用深度学习算法在有竞争说话者和回声的环境中提高听力受损者的语音可懂度	该研究扩展了深度学习语音分离技术在多种环境中的应用范围，包括不同背景噪音、竞争说话者和房间回声	NA	探索深度学习算法在复杂声学环境中作为降噪工具的性能	听力受损者和正常听力者在不同目标干扰比下的语音可懂度	机器学习	听力障碍	深度学习	双向长短期记忆循环神经网络	语音	听力受损者和正常听力者
21393	2024-08-07	Deep Learning-Based Multinational Banknote Type and Fitness Classification with the Combined Images by Visible-Light Reflection and Infrared-Light Transmission Image Sensors 2019-Feb-15, Sensors (Basel, Switzerland) DOI:10.3390/s19040792 PMID:30781367	研究论文	本文提出了一种基于深度学习的多国货币类型和适用性分类方法，该方法结合红外透射和可见光反射图像，使用卷积神经网络进行分类	本文的创新点在于同时考虑了多国货币的类型和适用性分类，并提出了一种新的方法来估计纸币的适用性值及其在多次输入中的结果一致性	NA	旨在解决自动支付设施中纸币的自动分拣问题，包括纸币类型识别、适用性分类和防伪检测	研究对象为印度卢比、韩国韩元和美国美元的纸币图像	计算机视觉	NA	深度学习	卷积神经网络	图像	包含印度卢比、韩国韩元和美国美元的纸币图像，涉及两种和三种适用性级别
21394	2024-08-07	16S rRNA sequence embeddings: Meaningful numeric feature representations of nucleotide sequences that are convenient for downstream analyses 2019-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1006721 PMID:30807567	研究论文	本文探讨了使用词和句子嵌入方法对核苷酸序列进行数值表示，以便于下游机器学习应用（尤其是深度学习）	本文采用Skip-Gram word2vec方法将k-mers嵌入到密集的低维数值向量空间中，并利用现有的句子嵌入技术对特定身体部位或样本的所有序列进行嵌入，展示了这些表示的意义	NA	探索核苷酸序列的数值表示方法，以便于下游机器学习应用	16S rRNA扩增子调查中的k-mers序列	机器学习	NA	Skip-Gram word2vec	NA	序列数据	特定身体部位或样本的所有序列
21395	2024-08-07	Removing Confounding Factors Associated Weights in Deep Neural Networks Improves the Prediction Accuracy for Healthcare Applications 2019, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing PMID:30864310	研究论文	本文提出了一种有效方法，通过去除深度神经网络中与年龄或性别等混杂因素相关的权重，提高跨队列预测准确性	该方法仅需对基准模型架构进行最小改动，即可应用于大多数现有神经网络	NA	提高医疗应用中深度学习模型的预测准确性	深度神经网络中的混杂因素	机器学习	NA	NA	CNN, LSTM	图像	涉及CT扫描、MRA和EEG脑波数据
21396	2024-08-07	DMfold: A Novel Method to Predict RNA Secondary Structure With Pseudoknots Based on Deep Learning and Improved Base Pair Maximization Principle 2019, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2019.00143 PMID:30886627	研究论文	提出了一种基于深度学习和改进碱基对最大化原则的新方法DMfold，用于预测包含假结的RNA二级结构	DMfold方法通过学习已知结构中相似的RNA序列来预测二级结构，避免了多序列方法对高度同源序列的依赖，并通过深度学习自动提取折叠参数，避免了单序列方法中折叠参数的不足	NA	开发一种新的计算方法来预测包含假结的RNA二级结构	RNA二级结构，特别是包含假结的结构	生物信息学	NA	深度学习	深度学习模型	序列数据	NA
21397	2024-08-07	Embedded deep learning in ophthalmology: making ophthalmic imaging smarter 2019 Jan-Dec, Therapeutic advances in ophthalmology IF:2.3Q2 DOI:10.1177/2515841419827172 PMID:30911733	review	本文综述了深度学习在眼科影像设备中的嵌入应用，旨在通过自动图像采集提高图像质量，从而增强基于深度学习的临床诊断	探讨了深度学习系统在眼科影像设备中的嵌入能力，以及如何通过'主动采集'技术提高图像质量	NA	研究深度学习在眼科影像设备中的嵌入应用及其对临床诊断的影响	深度学习系统在眼科影像设备中的嵌入及图像质量提升	computer vision	NA	deep learning	NA	image	NA
21398	2024-08-07	Prediction of premature all-cause mortality: A prospective general population cohort study comparing machine-learning and standard epidemiological approaches 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0214365 PMID:30917171	研究论文	本研究旨在通过机器学习和标准生存模型预测早死风险，并比较两者的预测效果	机器学习算法在预测早死风险方面比传统方法有显著改进	NA	开发新的预测算法，预测早死风险	502,628名40-69岁的参与者	机器学习	NA	深度学习, 随机森林, Cox回归	深度学习, 随机森林, Cox回归	人口统计、生物测量、临床和生活方式数据	502,628名参与者
21399	2024-08-07	Recurrent residual U-Net for medical image segmentation 2019-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.6.1.014006 PMID:30944843	研究论文	本文提出了一种基于深度学习的医学图像分割方法，包括循环U-Net模型（RU-Net）和循环残差U-Net模型（R2U-Net），并验证了其在多个基准数据集上的优越性能	结合了U-Net、残差网络和循环卷积神经网络的优势，通过残差单元和循环残差卷积层的特征累积，实现了更好的特征表示和性能提升	NA	提高医学图像分割任务的性能	医学图像的分类、分割和检测	计算机视觉	NA	深度学习	U-Net, 残差网络, 循环卷积神经网络	图像	三个基准数据集，包括视网膜图像中的血管分割、皮肤癌分割和肺部病变分割
21400	2024-08-07	Optimization of a Deep-Learning Method Based on the Classification of Images Generated by Parameterized Deep Snap a Novel Molecular-Image-Input Technique for Quantitative Structure-Activity Relationship (QSAR) Analysis 2019, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2019.00065 PMID:30984753	研究论文	本文优化了一种基于参数化DeepSnap生成图像分类的深度学习方法，用于定量结构-活性关系（QSAR）分析，以预测化学化合物的潜在毒性。	开发了一种新的深度学习技术DeepSnap，用于QSAR分析，无需提取描述符即可预测多种化学物质对各种受体的潜在毒性。	DeepSnap方法的多个参数尚未优化，本研究评估了这些参数对深度学习预测模型性能的影响。	优化DeepSnap方法的参数，以提高深度学习预测模型的性能，用于评估化学化合物的风险。	化学化合物的潜在毒性预测及其对各种受体的影响。	机器学习	NA	深度学习	深度学习预测模型	图像	使用64张图像构建化学化合物CAR激动剂的预测模型