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
13921	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
13922	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
13923	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
13924	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
13925	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
13926	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
13927	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
13928	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
13929	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
13930	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
13931	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
13932	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
13933	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
13934	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
13935	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
13936	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
13937	2024-08-05	Assessing the Influence of B-US, CDFI, SE, and Patient Age on Predicting Molecular Subtypes in Breast Lesions Using Deep Learning Algorithms 2024-Aug, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.16460 PMID:38581195	研究论文	本研究旨在探讨B模式超声成像、彩色多普勒流动成像、应变弹性成像和患者年龄对乳腺病变分子亚型预测的影响	结合多模态超声成像的数据，提高了乳腺病变分子亚型预测的准确性	研究主要集中在患者年龄和不同成像技术的影响，其他生物标志物的影响未被考虑	探索不同成像技术及年龄对乳腺病变分子亚型预测的影响	对198名患者的2272个多模态超声成像进行分析	数字病理学	乳腺癌	B-US成像、CDFI、SE	ResNet-18	图像	198名患者的2272个超声成像样本
13938	2024-08-05	Deep learning methods for protein function prediction 2024-Jul-12, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202300471 PMID:38996351	review	这篇文章深入回顾了深度学习在蛋白质功能预测中的最新进展	提出了深度学习方法在蛋白质功能预测中的应用，强调了在过去二十年中的显著进展	文章中指出依然存在一些重大挑战未解决	研究蛋白质功能预测的最新深度学习方法	蛋白质的序列、结构、相互作用等相关信息	机器学习	NA	深度学习	NA	NA	NA
13939	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
13940	2024-08-05	Redefining a new frontier in alkaptonuria therapy with AI-driven drug candidate design via in- silico innovation 2024-Jul-12, Zeitschrift fur Naturforschung. C, Journal of biosciences DOI:10.1515/znc-2024-0075 PMID:38996180	研究论文	本研究利用深度学习人工智能药物设计来为阿尔卡彭尿症（AKU）开发新的药物候选者	提出了一种创新的方法，即利用设计的天然黄酮类化合物作为酶的抑制剂，并展示了AI驱动的药物候选者的潜力	测试结果需要进一步确认，尽管AI设计的AIK显示出有效性和足够的安全性	旨在通过AI药物设计减轻当前AKU药物的毒性	主要研究对象为目标酶4-羟基苯丙酮酸二氧化酶	机器学习	NA	深度学习	NA	NA	NA