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
21441	2024-08-07	Automated segmentation of haematoma and perihaematomal oedema in MRI of acute spontaneous intracerebral haemorrhage 2019-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2019.01.022 PMID:30711800	研究论文	本文介绍了一种自动分割急性自发性脑内出血（SICH）MRI图像中血肿和周围水肿的算法	该方法是首个直接利用MRI图像进行SICH血肿和水肿分割的技术	NA	旨在为临床试验提供定量结果测量，并可能为SICH患者的预后提供重要标志	急性自发性脑内出血（SICH）患者的MRI图像中的血肿和周围水肿	计算机视觉	脑血管疾病	MRI	NA	图像	18名患者用于算法验证，32名手动标注对象用于与深度学习方法比较
21442	2024-08-07	Explaining the unique nature of individual gait patterns with deep learning 2019-02-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-38748-8 PMID:30787319	研究论文	本文利用深度神经网络（DNN）研究临床生物力学中个体步态模式的独特性，并通过Layer-Wise Relevance Propagation（LRP）技术解释模型预测与输入变量之间的关系	本文首次提出了一种通用框架，通过测量每个输入变量对预测的时间解析贡献，使非线性机器学习方法在生物力学步态分析中可理解且可解释	NA	研究个体步态模式的独特性，并提供一种方法来理解和解释机器学习模型在步态分析中的应用	个体步态模式及其在临床生物力学中的应用	机器学习	NA	深度神经网络（DNN）	DNN	数据	NA
21443	2024-08-07	Using Memristors for Robust Local Learning of Hardware Restricted Boltzmann Machines 2019-02-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-018-38181-3 PMID:30755662	研究论文	本文探讨了使用忆阻器实现硬件限制玻尔兹曼机的鲁棒局部学习	提出了一种基于两次权重更新符号的脉宽选择方案，并展示了该策略对忆阻器设备非线性和随机性的部分免疫能力	NA	设计适用于芯片上玻尔兹曼机的简单忆阻器编程协议	忆阻器设备在硬件神经网络中的应用	机器学习	NA	忆阻器	玻尔兹曼机	NA	NA
21444	2024-08-07	Deep Reinforcement Learning in Medicine 2019-Feb, Kidney diseases (Basel, Switzerland) DOI:10.1159/000492670 PMID:30815460	研究论文	本文介绍了强化学习的基本概念，并探讨了如何将强化学习与深度学习有效结合，以及深度强化学习在医学领域的应用潜力	本文首次探讨了深度强化学习在医学领域的应用	NA	介绍强化学习的基本概念，并探讨其在医学领域的应用	强化学习与深度学习的结合及其在医学领域的应用	机器学习	NA	深度强化学习	深度神经网络	NA	NA
21445	2024-08-07	A feasibility study for predicting optimal radiation therapy dose distributions of prostate cancer patients from patient anatomy using deep learning 2019-01-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-018-37741-x PMID:30705354	研究论文	本文通过深度学习方法，利用患者解剖图像轮廓预测前列腺癌患者的最佳放疗剂量分布	修改了用于分割目的的卷积深度网络模型U-net，用于从计划靶体积（PTV）和危及器官（OAR）的患者图像轮廓预测剂量	NA	通过准确预测剂量分布，指导临床计划优化，节省时间并保持高质量计划	前列腺癌患者的放疗剂量分布	机器学习	前列腺癌	深度学习	U-net	图像	前列腺癌患者
21446	2024-08-07	Developed and validated a prognostic nomogram for recurrence-free survival after complete surgical resection of local primary gastrointestinal stromal tumors based on deep learning 2019-Jan, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2018.12.028 PMID:30587460	研究论文	本研究旨在开发和验证一种基于深度学习的预测胃肠道间质瘤术后无复发生存期的预后列线图	本研究首次将残差神经网络（ResNet）与临床病理因素结合，构建了个体化的预后列线图，显示出比传统模型更高的区分能力和校准精度	NA	开发和验证一种新的预后工具，用于指导胃肠道间质瘤患者术后辅助伊马替尼治疗的选择	胃肠道间质瘤患者的术后无复发生存期	机器学习	胃肠道间质瘤	残差神经网络（ResNet）	ResNet	对比增强计算机断层扫描（CE-CT）图像	训练集包含80例经病理诊断的胃肠道间质瘤患者，并进行了内部和外部验证
21447	2024-08-07	An attention based deep learning model of clinical events in the intensive care unit 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0211057 PMID:30759094	研究论文	本研究训练了结合注意力机制的长短期记忆（LSTM）循环神经网络（RNN），以预测MIMIC-III数据集中两周内ICU患者的每日脓毒症、心肌梗死（MI）和万古霉素抗生素使用情况	模型通过注意力机制提高了预测准确性，并提供了一定程度的可解释性，有助于临床决策支持	模型在利用电子健康记录（EHR）数据进行训练时，面临如何处理临床决策代理变量的挑战	开发和改进深度学习模型，以减少ICU医生的信息过载，并提供临床决策支持	ICU患者的脓毒症、心肌梗死和万古霉素使用预测	机器学习	NA	长短期记忆（LSTM）循环神经网络（RNN）结合注意力机制	LSTM	电子健康记录（EHR）数据	MIMIC-III数据集中的两周ICU患者数据
21448	2024-08-07	In-Bed Pose Estimation: Deep Learning With Shallow Dataset 2019, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2019.2892970 PMID:30792942	研究论文	本文提出了一种在特定应用场景下，即床位姿态估计中，用于人体姿态和身体部位检测的鲁棒方法	采用红外选择性（IRS）图像采集技术应对光照变化挑战，并提出2端直方图定向梯度（HOG）校正方法处理非传统姿态视角	缺乏用于床位姿态的大型公共数据集，限制了从零开始使用大型网络	解决床位姿态估计中的特定挑战，提高姿态估计的准确性	人体在床上的姿态和身体部位	计算机视觉	NA	红外选择性（IRS）图像采集技术	卷积神经网络（CNN）	图像	使用IRS成像系统从几个现实尺寸的假人模型中收集的IRS图像数据
21449	2024-08-07	Encodings and models for antimicrobial peptide classification for multi-resistant pathogens 2019, BioData mining IF:4.0Q1 DOI:10.1186/s13040-019-0196-x PMID:30867681	综述	本文综述了用于多重耐药病原体分类的抗菌肽编码和模型的最新进展	介绍了基于序列和结构聚合的氨基酸编码及其特性，并特别关注了从支持向量机和深度学习方法中派生的编码	尽管重点放在抗菌肽预测上，但并非所有提到的编码都已在抗菌研究中详细探讨，而是作为一般蛋白质或肽的表示	探讨如何通过机器学习方法自动化发现抗菌肽，并解决开发适当氨基酸编码的挑战	抗菌肽及其对多重耐药病原体的效果	机器学习	NA	机器学习方法	支持向量机和深度学习模型	序列数据	NA
21450	2024-08-07	The Applications of Radiomics in Precision Diagnosis and Treatment of Oncology: Opportunities and Challenges 2019, Theranostics IF:12.4Q1 DOI:10.7150/thno.30309 PMID:30867832	综述	本文综述了放射组学在肿瘤精准诊断和治疗中的应用，包括方法学进展和面临的挑战	介绍了放射组学在肿瘤管理中利用大量放射图像和新型计算技术提高诊断准确性和治疗反应评估的新工具	讨论了放射组学领域的挑战及其方法的临床适用性	旨在发展定量和个性化的医学	肿瘤的诊断、治疗规划和评估	数字病理学	肿瘤学	放射组学	深度学习	图像	大量放射图像
21451	2024-08-07	DeepSSM: A Deep Learning Framework for Statistical Shape Modeling from Raw Images 2018-Sep, Shape in medical imaging : International Workshop, ShapeMI 2018, held in conjunction with MICCAI 2018, Granada, Spain, September 20, 2018 : proceedings. ShapeMI (Workshop) (2018 : Granada, Spain) DOI:10.1007/978-3-030-04747-4_23 PMID:30805572	研究论文	提出了一种名为DeepSSM的深度学习框架，用于直接从3D图像中提取低维形状表示，无需参数调整或用户协助	DeepSSM使用卷积神经网络（CNN）同时定位感兴趣的生物结构、建立对应关系，并将这些点投影到点分布模型中的低维形状表示中。此外，提出了一种新的数据增强程序，利用少量处理过的图像上的现有对应关系创建可信的训练样本	需要验证DeepSSM在更多应用场景中的有效性和泛化能力	开发一种无需复杂预处理操作的统计形状建模方法	儿童颅骨CT、股骨CT和左心房MRI图像	计算机视觉	NA	卷积神经网络（CNN）	CNN	3D图像	利用40-50个CT/MRI扫描生成数千个训练图像
21452	2024-08-07	Deep Learning on 1-D Biosignals: a Taxonomy-based Survey 2018-Aug, Yearbook of medical informatics DOI:10.1055/s-0038-1667083 PMID:30157512	综述	本综述旨在回顾用于生物信号分析的深度学习技术，并推导出一个分类法来组织该领域日益增长的应用	深度学习模型如卷积神经网络（CNNs）已成功应用于医学影像，但生物医学信号分析尚未充分受益于这一新颖方法	未来的研究预计将集中在深度学习架构的标准化和网络参数的优化上，以提高性能和鲁棒性，同时需要基于应用的方法和来自移动记录的更新训练数据	回顾用于计算机辅助诊断的生物信号分析的深度学习技术，并推导出一个分类法来组织该领域的应用	生物信号分析	机器学习	NA	深度学习	CNN	生物信号	2010年至2017年间共发表了71篇相关论文，其中大多数（36篇）关于心电图（ECG）信号
21453	2024-08-07	Automatically Linking Registered Clinical Trials to their Published Results with Deep Highway Networks 2018, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:29888040	研究论文	本文介绍了NCT Link系统，该系统利用深度学习技术自动将注册的临床试验与发表的MEDLINE文章链接起来	NCT Link系统采用了深度高速公路网络（DHN）来自动学习并估计MEDLINE文章报告临床试验结果的可能性，相较于之前的自动系统，性能提升了30%-58%	NA	解决临床试验注册中许多试验未链接到其发表结果的问题	临床试验及其发表结果的自动链接	自然语言处理	NA	深度学习	深度高速公路网络（DHN）	文本	NA
21454	2024-08-07	Predicting the Outcome of Patient-Provider Communication Sequences using Recurrent Neural Networks and Probabilistic Models 2018, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:29888043	研究论文	本文研究了使用循环神经网络和概率模型预测患者与提供者沟通序列结果的问题	提出了基于循环神经网络和马尔可夫链及隐马尔可夫模型的两种解决方案，并比较了它们的准确性	需要进一步研究以验证在不同临床环境中的泛化能力	预测临床对话中患者与提供者沟通序列的结果	患者与提供者的沟通序列及其对动机访谈成功的影响	自然语言处理	NA	循环神经网络（RNN），马尔可夫链（MC），隐马尔可夫模型（HMM）	RNN，MC，HMM	文本	使用来自真实动机访谈的带行为代码的沟通序列进行实验
21455	2024-08-05	PepExplainer: An explainable deep learning model for selection-based macrocyclic peptide bioactivity prediction and optimization 2024-Sep-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2024.116628 PMID:38944933	研究论文	PepExplainer是一个可解释的深度学习模型，用于基于选择的宏环肽生物活性预测和优化	本研究开发的PepExplainer模型，通过图神经网络和亚结构掩码解释法，能够有效处理复杂的宏环肽结构及其生物活性预测	在深度学习模型中仍然存在数据可用性有限和解释性差的问题	该研究旨在通过AI工具提高宏环肽的生物活性预测和优化效率	研究对象为宏环肽及其与IL-17C/IL-17 RE相互作用的生物活性	计算机视觉	NA	图神经网络	图神经网络	分子图	十三个新合成的宏环肽
21456	2024-08-05	Floating on groundwater: Insight of multi-source remote sensing for Qaidam basin 2024-Aug, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.121513 PMID:38909574	研究论文	本文从遥感角度探讨了柴达木盆地湖泊的补给源和地下水循环模式	提出了改进的遥感自适应优化网络 RSA-IOCRNet，并获得了优于其他七个网络的实验结果	本文未明确指出具体的实验条件和数据集限制	研究柴达木盆地湖泊的水源及其与地下水的关系	柴达木盆地的16个主要湖泊及其地下水循环	自然语言处理	NA	深度学习网络	OCRNet	多源遥感数据	包含柴达木盆地的16个主要湖泊
21457	2024-08-05	Deep learning-based and BI-RADS guided radiomics model for automatic tumor-infiltrating lymphocytes evaluation in breast cancer 2024-Jul-12, The British journal of radiology DOI:10.1093/bjr/tqae129 PMID:38995740	研究论文	本文研究了一种可解释的放射组学模型，用于从超声图像中自动预测乳腺癌中的肿瘤浸润淋巴细胞（TILs）水平	该模型结合了BI-RADS指导的放射组学特征和临床数据，优于传统的放射组学方法，并提供了众多可解释特征	研究的局限性未在摘要中提及	研究的目的是探索一种与临床决策一致的放射组学模型	378名侵袭性乳腺癌患者	数字病理学	乳腺癌	超声（US）影像	深度学习模型	影像	378名患者
21458	2024-08-05	Integration of wearable devices and deep learning: New possibilities for health management and disease prevention 2024-Jul-09, Bioscience trends IF:5.7Q1 DOI:10.5582/bst.2024.01170 PMID:38925926	研究论文	探讨了可穿戴设备与深度学习的结合在健康管理和疾病预防中的新可能性	提出了通过将可穿戴设备与医疗记录整合来实现更准确的疾病预测和个性化生活方式指导	当前研究主要集中于短期预测，缺乏长期视角的深入研究	旨在通过整合数据提升可穿戴设备和深度学习在健康管理中的应用	研究对象为使用可穿戴设备的用户与其产生的健康数据	数字病理学	NA	深度学习	NA	传感器数据	NA
21459	2024-08-05	Deep 3D histology powered by tissue clearing, omics and AI 2024-Jul, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02327-1 PMID:38997593	研究论文	本文讨论了将三维组织组织学技术应用于生物医学研究的方法	创新地结合了组织清理化学、标记和体积成像技术，以实现细胞层级的全面三维映射	未来发展的整合方法仍需进一步完善，才能完全发挥下一代三维组织学的潜力	探讨三维细胞地图在理解组织和生物体生理及病理中的重要性	组织和细胞的三维结构数据及其分子组成	数字病理学	NA	组织清理技术	深度学习	结构数据和分子数据	NA
21460	2024-08-05	Clustering single-cell RNA sequencing data via iterative smoothing and self-supervised discriminative embedding 2024-Jul, Oncogene IF:6.9Q1 DOI:10.1038/s41388-024-03074-5 PMID:38834657	研究论文	提出了一种名为scRISE的深度聚类方法来处理单细胞RNA测序数据。	引入了一种迭代平滑和自监督的区分嵌入模块，提高了数据表示和聚类的质量。	未提及具体的限制因素。	提升单细胞转录组测序数据的聚类分析效果。	单细胞RNA测序数据集，尤其关注HNSCC数据集。	数字病理学	NA	深度学习	图自编码器	RNA测序数据	十七个scRNA-seq数据集