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
12861	2024-08-04	Detection of freezing of gait in Parkinson's disease from foot-pressure sensing insoles using a temporal convolutional neural network 2024, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2024.1437707 PMID:39092074	研究论文	该文章开发了一种基于足压传感鞋垫的深度学习模型，以准确检测帕金森病患者的步态冻结	文章创新性地使用时间卷积神经网络（TCNN）结合足压传感器数据，超越了现有技术的准确性和实用性	样本量有限，仅包含14名帕金森病患者	研究旨在提高帕金森病患者步态冻结的检测准确性	研究对象为14名帕金森病患者及其在标准步态测试中的数据	机器学习	帕金森病	深度学习，足压传感器	时间卷积神经网络（TCNN）	传感器数据	14名帕金森病患者
12862	2024-08-05	Generative Adversarial Network (GAN) for Simulating Electroencephalography 2023-09, Brain topography IF:2.3Q3 DOI:10.1007/s10548-023-00986-5 PMID:37410276	研究论文	本研究探讨了生成对抗网络在模拟脑电图方面的应用	本研究首次利用生成对抗网络生成多通道脑电图数据，能够重建脑电图信号的时空特性	数据生成依赖于网络训练的质量，可能对某些特征的再现存在限制	研究生成对抗网络在脑电图模拟中的有效性	生成高质量的合成脑电图数据以供神经成像分析使用	机器学习	NA	生成对抗网络	GAN	脑电图数据	NA
12863	2024-08-04	Using Ensemble OCT-Derived Features beyond Intensity Features for Enhanced Stargardt Atrophy Prediction with Deep Learning 2023-Jul-02, Applied sciences (Basel, Switzerland) DOI:10.3390/app13148555 PMID:39086558	研究论文	本文提出了一种使用高级OCT衍生特征来增强对Stargardt萎缩预测的方法	本研究的创新点在于使用了多个OCT衍生特征，而不仅仅依赖常用的平均强度特征	未提及特定限制	研究预测Stargardt疾病进展的有效方法	Stargardt疾病患者的视网膜层变化	数字病理学	Stargardt病	SD-OCT	集成深度学习神经网络	图像	涉及多个视网膜层的图像数据
12864	2024-08-07	Clinically significant prostate cancer detection and segmentation in low-risk patients using a convolutional neural network on multi-parametric MRI 2020-Dec, European radiology IF:4.7Q1 DOI:10.1007/s00330-020-07008-z PMID:32594208	研究论文	本文开发了一种自动方法，用于在低风险患者中识别和分割临床显著性前列腺癌，并评估其在常规临床环境中的表现。	使用3D卷积神经网络在多参数MRI上进行临床显著性前列腺癌的识别和分割。	模型在较小体积病变（>0.03 cc）上的性能不如较大体积病变（>0.5 cc）。	开发和评估一种自动方法，用于在低风险患者中识别和分割临床显著性前列腺癌。	低风险患者中的临床显著性前列腺癌。	计算机视觉	前列腺癌	多参数MRI	CNN	MRI图像	292名低风险患者
12865	2024-08-07	Power-law scaling to assist with key challenges in artificial intelligence 2020-11-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-76764-1 PMID:33184422	研究论文	本文探讨了幂律缩放在深度学习中的应用，特别是在手写数字识别任务中，优化后的测试错误率随着数据库大小增加而趋近于零的幂律收敛现象	提出幂律缩放有助于解决当前人工智能应用中的关键挑战，并能预先估计数据集大小以达到所需的测试准确度	NA	研究幂律缩放在深度学习中的应用及其对人工智能关键挑战的辅助作用	深度学习中的幂律缩放现象及其在手写数字识别任务中的应用	机器学习	NA	深度学习	NA	图像	涉及最大数据集的测试错误率接近当前最先进算法的水平
12866	2024-08-07	COVID-Net: a tailored deep convolutional neural network design for detection of COVID-19 cases from chest X-ray images 2020-11-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-76550-z PMID:33177550	研究论文	本文介绍了COVID-Net，一个专门为从胸部X光图像中检测COVID-19病例设计的深度卷积神经网络，并公开了该网络和COVIDx数据集	COVID-Net是首批公开的用于从胸部X光图像中检测COVID-19的网络设计之一	COVID-Net并非一个生产就绪的解决方案，而是希望加速开发高度准确的深度学习解决方案	开发一个有效的工具来帮助筛查COVID-19感染患者	COVID-19病例的胸部X光图像	计算机视觉	COVID-19	深度卷积神经网络	CNN	图像	13,975张胸部X光图像，涉及13,870个病例
12867	2024-08-07	Toward Preparing a Knowledge Base to Explore Potential Drugs and Biomedical Entities Related to COVID-19: Automated Computational Approach 2020-Nov-10, JMIR medical informatics IF:3.1Q2 DOI:10.2196/21648 PMID:33055059	研究论文	本文通过自动化计算方法，从公开的科学文献和相关资源中挖掘信息，构建了一个专门针对COVID-19的知识库平台，用于探索与COVID-19相关的潜在药物和生物医学实体。	本文首次开发了一个专门针对COVID-19的知识库平台，通过自然语言处理、情感分析和深度学习等技术，自动挖掘和标记科学文献中的信息，以评估药物对疾病的有效性。	NA	探索与冠状病毒相关疾病（包括COVID-19）相关的潜在药物和生物医学实体，并通过自动化计算方法从科学文献中提取信息。	COVID-19及相关冠状病毒疾病，包括相关的药物、基因和疾病。	生物信息学	COVID-19	自然语言处理、情感分析、深度学习	NA	文本	1805种疾病、2454种药物、1910个基因
12868	2024-08-07	Novel Deep Learning Network Analysis of Electrical Stimulation Mapping-Driven Diffusion MRI Tractography to Improve Preoperative Evaluation of Pediatric Epilepsy 2020-11, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2020.2977531 PMID:32142416	研究论文	研究深度卷积神经网络（DCNN）在儿童局灶性癫痫（FE）术前评估中作为新的影像工具的临床效用	DCNN轨迹分类在非侵入性检测ESM空间分辨率内的功能区域方面表现出色，准确率达到98%	NA	探讨DCNN轨迹分类在儿童局灶性癫痫术前评估中的临床效用	儿童局灶性癫痫患者	机器学习	癫痫	扩散MRI轨迹图	CNN	影像	89名儿童局灶性癫痫患者
12869	2024-08-07	Deep learning methods for forecasting COVID-19 time-Series data: A Comparative study 2020-Nov, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2020.110121 PMID:32834633	研究论文	本文比较了五种深度学习方法在预测COVID-19时间序列数据中的应用	本文首次比较了多种深度学习模型在COVID-19病例预测中的性能，并发现VAE模型的表现优于其他算法	研究基于小量数据进行，可能影响模型的泛化能力	优化医疗资源分配并减缓COVID-19疾病的进展	COVID-19的新感染和康复病例数	机器学习	COVID-19	深度学习	RNN, LSTM, BiLSTM, GRUs, VAE	时间序列数据	每日确诊和康复病例数据，来自意大利、西班牙、法国、中国、美国和澳大利亚六个国家
12870	2024-08-07	A deep learning and grad-CAM based color visualization approach for fast detection of COVID-19 cases using chest X-ray and CT-Scan images 2020-Nov, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2020.110190 PMID:32836918	研究论文	本文提出了一种基于深度学习和Grad-CAM的颜色可视化方法，用于通过胸部X射线和CT扫描图像快速检测COVID-19病例	本文采用了深度迁移学习算法，结合胸部X射线和CT扫描图像，实现了对COVID-19病例的快速检测，检测时间仅需2秒，比传统的RT-PCR测试更快	NA	旨在通过深度学习技术快速准确地检测COVID-19病例，以应对全球健康危机	COVID-19病例的胸部X射线和CT扫描图像	计算机视觉	COVID-19	深度学习	深度迁移学习算法	图像	使用了三个数据集：COVID-chest X-ray、SARS-COV-2 CT-scan和Chest X-Ray Images (Pneumonia)
12871	2024-08-07	Transcranial MR Imaging-Guided Focused Ultrasound Interventions Using Deep Learning Synthesized CT 2020-10, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A6758 PMID:32883668	研究论文	本研究探讨了使用深度学习技术将MR图像直接转换为合成CT图像，以简化经颅MR引导聚焦超声治疗计划的可行性	本研究首次使用深度学习技术将MR图像转换为合成CT图像，用于经颅MR引导聚焦超声治疗计划	NA	简化经颅MR引导聚焦超声治疗的临床工作流程	深度学习技术在将MR图像转换为合成CT图像中的应用	计算机视觉	NA	深度学习	U-Net神经网络	图像	41名受试者（平均年龄66.4±11.0岁，其中15名女性）
12872	2024-08-07	Automatic segmentation and applicator reconstruction for CT-based brachytherapy of cervical cancer using 3D convolutional neural networks 2020-Oct, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.13024 PMID:32991783	研究论文	本研究提出了一种基于深度学习的自动分割和施用器重建方法，用于宫颈癌近距离放射治疗（BT）的计算机断层扫描（CT）规划，具有高精度和高效率	提出了一种新的三维（3D）卷积神经网络（CNN）架构DSD-UNET，用于自动分割高危临床目标体积（HR-CTV）和危险器官（OARs），并在施用器重建中实现了高精度的分割	NA	提高宫颈癌近距离放射治疗规划的效率和一致性	宫颈癌患者的CT图像分割和施用器重建	计算机视觉	宫颈癌	3D卷积神经网络	DSD-UNET	CT图像	91名接受CT基础宫颈癌近距离放射治疗的患者
12873	2024-08-07	LncMirNet: Predicting LncRNA-miRNA Interaction Based on Deep Learning of Ribonucleic Acid Sequences 2020-Sep-23, Molecules (Basel, Switzerland) DOI:10.3390/molecules25194372 PMID:32977679	研究论文	本文提出了一种基于深度卷积神经网络的混合序列特征模型LncMirNet，用于预测长链非编码RNA（lncRNA）与微小RNA（miRNA）的相互作用	LncMirNet通过引入四种基于序列的特征（k-mer、CTD、doc2vec和图嵌入特征）并采用直方图融合方法，提高了预测lncRNA-miRNA相互作用的准确性和AUC值	NA	预测lncRNA与miRNA之间的相互作用，以帮助探索新的调控模式	lncRNA与miRNA的相互作用	机器学习	NA	深度卷积神经网络（CNN）	CNN	序列	使用来自lncRNASNP2的真实数据集进行五折交叉验证
12874	2024-08-07	Deep learning can be used to train naïve, nonprofessional observers to detect diagnostic visual patterns of certain cancers in mammograms: a proof-of-principle study 2020-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.7.2.022410 PMID:32042860	研究论文	本研究通过一系列实验证明，深度学习技术可以训练非专业观察者识别医学影像中的特定癌症诊断视觉模式	首次证明深度学习技术能够训练非专业人士在医学影像中识别癌症的诊断视觉模式	研究规模较小，主要集中在乳腺癌的乳腺摄影图像上	探索深度学习技术在训练非专业人士识别医学影像中癌症诊断视觉模式的可行性	非专业观察者对医学影像中癌症诊断视觉模式的识别能力	计算机视觉	乳腺癌	深度学习	NA	影像	实验涉及多个非专业观察者，具体数量未详细说明
12875	2024-08-07	Insights of Novel Coronavirus (SARS-CoV-2) disease outbreak, management and treatment 2020, AIMS microbiology IF:2.7Q3 DOI:10.3934/microbiol.2020013 PMID:33134740	研究论文	本文探讨了新型冠状病毒（SARS-CoV-2）疫情的爆发、管理和治疗	文章介绍了实时PCR、免疫学、显微镜和地理信息系统（GIS）等临床诊断技术的进步，以及人工智能、组合化学和深度学习方法在寻找新型治疗药物中的应用	NA	研究新型冠状病毒（SARS-CoV-2）的爆发、管理和治疗策略	新型冠状病毒（SARS-CoV-2）及其对全球健康的影响	公共卫生	传染病	实时PCR（RT-PCR）、地理信息系统（GIS）、人工智能（AI）、深度学习	NA	NA	全球超过423349例死亡
12876	2024-08-07	Optimizing clinical trials recruitment via deep learning 2019-11-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocz064 PMID:31188432	研究论文	本文提出了一种基于深度学习的方法DeepMatch (DM)，用于优化临床试验的招募过程，通过分析调查员和试验相关的异构数据源，对调查员进行排名，以提高招募效率。	DeepMatch方法结合了深度学习技术，能够从多种数据源中学习，提高调查员的排名准确性，从而优化临床试验的执行。	NA	优化临床试验的招募过程，降低新疗法的开发成本。	临床试验的调查员及其招募效率。	机器学习	NA	深度学习	NA	异构数据	2618项研究
12877	2024-08-04	Deep Learning k-Space-to-Image Reconstruction Facilitates High Spatial Resolution and Scan Time Reduction in Diffusion-Weighted Imaging Breast MRI 2024-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29139 PMID:37974498	研究论文	该研究探讨了基于深度学习的k空间到图像重建方法在乳腺DWI中的应用	提出了一种结合k空间到图像重建的方法，用于减少扫描时间和提高空间分辨率	该研究为回顾性研究，可能存在选择偏倚	研究乳腺扩散加权成像的扫描时间减少与空间分辨率改善	133名女性参与者进行了多参数乳腺MRI检查	数字病理学	乳腺癌	深度学习k空间到图像重建	深度学习模型	影像	133名女性
12878	2024-08-04	Deep-Learning-Based MRI Microbleeds Detection for Cerebral Small Vessel Disease on Quantitative Susceptibility Mapping 2024-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29198 PMID:38149750	研究论文	本文提出了一个深度学习管道，用于在定量敏感映射(QSM)中自动检测脑微出血(CMB)	该文章提出了一种两阶段的深度学习管道，成功应用于CMB检测，并超越了之前的手工方法	使用的数据仅来自对照组，未提及模型在其他实验条件下的表现	自动检测脑小血管病患者的脑微出血	393名脑小血管病患者中的1843个脑微出血案例	计算机视觉	脑小血管病	定量敏感映射(QSM)	V-Net	MRI图像	393名患者中的1843个脑微出血案例和78名受试者用于外部测试
12879	2024-08-04	RevGraphVAMP: A protein molecular simulation analysis model combining graph convolutional neural networks and physical constraints 2024-Sep, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.06.011 PMID:38972499	研究论文	提出了一种新型无监督模型RevGraphVAMP，用于智能分析分子动力学模拟轨迹	本研究集成了图卷积神经网络和物理约束优化，创新性地引入了注意力机制以评估关键交互区域的重要性	本研究可能在模型推广到其他类型的蛋白质时面临挑战	旨在提高对模拟轨迹数据的分析准确性和生物机制的可解释性	主要研究蛋白质的分子动力学模拟和相应的状态转变预测	数字病理学	自闭症谱系障碍	分子动力学模拟	图卷积神经网络	轨迹数据	应用于两个公共数据集和Shank3-Rap1复合物
12880	2024-08-04	DP-site: A dual deep learning-based method for protein-peptide interaction site prediction 2024-Sep, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.06.001 PMID:38871095	研究论文	该文章介绍了一种名为DP-Site的计算框架，用于预测蛋白质-肽相互作用位点	提出了一个双重深度学习管道，结合了卷积神经网络和长短期记忆网络，在蛋白质-肽相互作用的预测上优于以往的方法	未提及具体的限制因素	通过提出DP-Site方法来改进蛋白质-肽相互作用位点的预测	主要研究对象是蛋白质和其相互作用的肽	计算机视觉	NA	深度学习	卷积神经网络和长短期记忆网络	NA	通过十折交叉验证和独立测试集评估