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
21461	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
21462	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
21463	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
21464	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
21465	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
21466	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
21467	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
21468	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
21469	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
21470	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
21471	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
21472	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
21473	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
21474	2024-08-07	A Technical Review of Convolutional Neural Network-Based Mammographic Breast Cancer Diagnosis 2019, Computational and mathematical methods in medicine DOI:10.1155/2019/6509357 PMID:31019547	综述	本研究综述了卷积神经网络（CNN）在乳腺X线摄影乳腺癌诊断（MBCD）领域的应用技术	探讨了三种基于CNN的MBCD模型：设计浅层或修改现有模型以降低时间和训练实例成本；利用迁移学习和微调优化预训练CNN；以及利用CNN模型进行特征提取并通过机器学习分类器区分恶性与良性病变	CNN在MBCD领域的应用仍处于早期阶段，实现深度学习工具辅助临床实践的目标还有很长的路要走	旨在为如何使用CNN进行相关任务提供线索	乳腺X线摄影乳腺癌诊断	计算机视觉	乳腺癌	卷积神经网络（CNN）	CNN	图像	NA
21475	2024-08-07	ShortFuse: Biomedical Time Series Representations in the Presence of Structured Information 2017-Aug, Proceedings of machine learning research PMID:30882086	研究论文	本文介绍了一种名为ShortFuse的方法，该方法通过显式建模时间序列与结构化协变量之间的时间交互和依赖关系，提高了深度学习模型在时间序列上的准确性	ShortFuse引入了混合卷积和LSTM单元，通过在时间域上共享权重的协变量来整合结构化信息	NA	提高深度学习模型在医疗应用中时间序列数据的准确性	预测与骨关节炎相关的软骨退化和脑瘫患者的手术结果	机器学习	NA	NA	CNN, LSTM	时间序列	NA
21476	2024-08-05	Radiographic Findings Associated With Mild Hip Dysplasia in 3869 Patients Using a Deep Learning Measurement Tool 2024-Aug, Arthroplasty today IF:1.5Q3 DOI:10.1016/j.artd.2024.101398 PMID:38993836	研究论文	本文开发了一种深度学习算法来测量和分类轻度髋关节发育不良的患者	创新点在于自动化测量与髋关节发育不良相关的多个角度，并应用于大规模患者群体的发病率分析	本研究没有提到患者的先前髋关节置换手术情况和其他潜在的混淆变量	本研究旨在使用深度学习算法测量与髋关节发育不良相关的角度并评估发病率	研究对象为3869名无先前髋关节置换手术的患者	计算机视觉	NA	深度学习(DL)	NA	影像	3869名患者
21477	2024-08-05	Unveiling the stochastic nature of human heteropolymer ferritin self-assembly mechanism 2024-Aug, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5104 PMID:38995055	研究论文	本文探讨了人类异聚体铁蛋白的自组装机制及其随机特性	揭示了异聚铁蛋白在自组装过程中具有独特的建筑特征和随机组装机制	对异铁蛋白组装机制的理解仍有限，需要进一步研究其功能和作用	理解异聚体铁蛋白的结构及其组装机制对细胞功能的影响	合成具有特定H与L亚基比例的铁蛋白异聚物	NA	NA	高分辨率冷冻电子显微镜分析和基于深度学习的氨基酸建模	NA	NA	NA
21478	2024-08-05	Three-Dimensional Label-Free Observing of the Self-Assembled Nanoparticles inside a Single Cell at Nanoscale Resolution 2024-Jul-13, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c06095 PMID:39001860	研究论文	本研究提出了一种无标记的三维观察自组装纳米颗粒的方法	创新点在于结合深度学习和同步辐射硬X射线纳米断层扫描技术来实现单细胞内自组装纳米颗粒的定量观察	文章未提及具体的实验环境或外部变量控制，从而可能影响结果的普适性	本研究旨在优化纳米医学中的自组装性能	研究对象为超小铁氧化物纳米颗粒（USIO NPs）	数字病理学	NA	深度学习结合同步辐射硬X射线纳米断层扫描	NA	图像	单个细胞
21479	2024-08-05	Oral mucosal lesions triage via YOLOv7 models 2024-Jul-12, Journal of the Formosan Medical Association = Taiwan yi zhi DOI:10.1016/j.jfma.2024.07.010 PMID:39003230	研究论文	本研究利用YOLOv7模型增强了口腔粘膜病变的早期检测和分类。	通过扩展数据集并比较不同的YOLOv7模型配置，提高了病变分类的准确性。	研究未提及YOLOv7模型在实际临床应用中的长期效果。	提高口腔粘膜病变的早期检测和分类能力。	主要研究对象为口腔粘膜病变。	计算机视觉	口腔癌	深度学习	YOLOv7	图像	超过50,000张白光宏观图像
21480	2024-08-05	A deep learning based cognitive model to probe the relation between psychophysics and electrophysiology of flicker stimulus 2024-Jul-10, Brain informatics DOI:10.1186/s40708-024-00231-0 PMID:38987386	研究论文	本文旨在通过基于深度学习的计算模型探讨闪烁刺激的心理物理学与电生理学之间的关系	使用卷积递归神经网络（CRNN）结合心理物理数据，展示了闪烁刺激的电生理特征可以通过时间卷积操作进行解释	本研究基于人类受试者的数据，可能受到个体差异的影响	桥接闪烁融合的心理物理学与闪烁刺激相关的电生理学之间的差距	利用人类受试者的心理物理数据进行训练的CRNN	计算机视觉	NA	深度学习	卷积递归神经网络（CRNN）	心理物理学数据	NA