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
1	2024-10-10	ANI-1: an extensible neural network potential with DFT accuracy at force field computational cost 2017-Apr-01, Chemical science IF:7.6Q1 DOI:10.1039/c6sc05720a PMID:28507695	研究论文	本文介绍了一种名为ANI-1的可扩展神经网络势能模型，能够在力场计算成本下实现DFT精度	ANI-1利用深度神经网络和量子力学DFT计算，实现了对有机分子的高精度且可转移的势能预测	ANI-1的训练数据集仅限于包含最多8个重原子的有机分子，可能限制了其在更大分子系统中的应用	开发一种能够在力场计算成本下实现DFT精度的神经网络势能模型	有机分子及其势能预测	机器学习	NA	深度神经网络	神经网络	分子数据	训练数据集包含最多8个重原子的有机分子
2	2024-08-05	Deep ensemble learning of sparse regression models for brain disease diagnosis 2017-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2017.01.008 PMID:28167394	研究论文	本文提出了一种结合稀疏回归模型和深度学习的新框架用于阿尔茨海默病和轻度认知障碍的诊断和预后	这是第一个将稀疏回归模型与深度神经网络结合的工作	NA	研究稀疏回归与深度学习在脑疾病诊断中的应用	阿尔茨海默病和轻度认知障碍患者	机器学习	阿尔茨海默病	NA	深度卷积神经网络	脑成像数据	ADNI队列的样本
3	2024-08-07	Relevance of deep learning to facilitate the diagnosis of HER2 status in breast cancer 2017-04-05, Scientific reports IF:3.8Q1 DOI:10.1038/srep45938 PMID:28378829	研究论文	本文开发了一种基于深度学习的计算方法，用于自动评估乳腺癌中的HER2生物标志物，以辅助病理学家的诊断。	利用深度学习技术自动评分HER2，以减少病理学家之间的解释差异，提高诊断准确性。	研究样本量较小，仅包括71个乳腺癌切除样本。	探索深度学习在乳腺癌HER2状态诊断中的应用，以提高诊断的一致性和准确性。	乳腺癌中的HER2生物标志物。	数字病理学	乳腺癌	深度学习	NA	图像	71个乳腺癌肿瘤切除样本