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
301	2024-09-17	Prediction of HIV sensitivity to monoclonal antibodies using aminoacid sequences and deep learning 2022-09-15, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac530 PMID:35876860	研究论文	本文提出了一种利用氨基酸序列和深度学习预测HIV对单克隆抗体敏感性的方法	本文通过同时建模病毒和抗体序列，展示了在预测抗体-病毒敏感性方面的优势	本文未提及具体的局限性	本文旨在开发一种准确预测HIV对单克隆抗体敏感性的方法，以支持HIV疫苗开发和治疗	本文的研究对象是HIV病毒和单克隆抗体	机器学习	HIV	深度学习	神经网络	氨基酸序列	31种特定的广谱中和抗体
302	2024-09-17	From Images to Probabilistic Anatomical Shapes: A Deep Variational Bottleneck Approach 2022-Sep, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-16434-7_46 PMID:37011237	研究论文	本文提出了一种基于变分信息瓶颈理论的框架，用于从3D医学图像中直接预测解剖结构的概率形状	该方法放松了现有技术中的假设，通过学习任务上下文中的潜在表示，实现了更灵活、更具扩展性的模型，并能更好地捕捉数据的非线性特征	NA	提高从3D医学图像中进行统计形状建模的准确性和不确定性估计	3D医学图像中的解剖结构概率形状	计算机视觉	NA	变分信息瓶颈理论	NA	图像	NA
303	2024-09-17	InterPepScore: a deep learning score for improving the FlexPepDock refinement protocol 2022-06-13, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac325 PMID:35575349	研究论文	本文介绍了一种名为InterPepScore的图神经网络，作为Rosetta FlexPepDock精炼协议的补充评分项，以提高模型质量	引入InterPepScore图神经网络作为Rosetta FlexPepDock精炼协议的补充评分项，显著提高了模型质量	NA	改进现有的Rosetta FlexPepDock精炼协议，提高肽-蛋白质复合物模型的精度	肽-蛋白质复合物的结构精炼	机器学习	NA	图神经网络	图神经网络	模拟轨迹	数千个由多种对接方案生成的肽-蛋白质复合物
304	2024-09-17	Brains and algorithms partially converge in natural language processing 2022-02-16, Communications biology IF:5.2Q1 DOI:10.1038/s42003-022-03036-1 PMID:35173264	研究论文	系统比较多种深度语言模型，以识别导致其生成类似大脑句子的计算原理	揭示了现代语言算法与大脑在自然语言处理中的部分相似性，并指出了预测上下文单词能力是这种相似性的主要驱动因素	未完全解释这种相似性的具体驱动机制	探讨深度学习算法与人类大脑在自然语言处理中的相似性	多种深度语言模型与大脑对400个孤立句子的反应	自然语言处理	NA	功能磁共振成像 (fMRI) 和脑磁图 (MEG)	深度语言模型	文本	102名受试者，每人记录两小时
305	2024-09-17	Question Answering System Based on Knowledge Graph in Traditional Chinese Medicine Diagnosis and Treatment of Viral Hepatitis B 2022, BioMed research international IF:2.6Q3 DOI:10.1155/2022/7139904 PMID:35198638	研究论文	本文利用中医治疗乙型肝炎的真实病历和网页，提取结构化医学知识，构建了中医乙型肝炎诊断治疗的知识图谱，并应用于智能问答系统	本文创新性地将深度学习方法应用于乙型肝炎医疗问答系统的问答识别和知识响应，提升了系统的智能化水平	NA	研究构建中医乙型肝炎诊断治疗的知识图谱，并应用于智能问答系统，为乙型肝炎疾病的诊断、治疗和患者自我护理提供参考	中医治疗乙型肝炎的结构化医学知识，以及基于该知识图谱的智能问答系统	自然语言处理	乙型肝炎	深度学习	NA	文本	8563个实体，96896个关系，32种实体类型，40种关系类型
306	2024-09-16	Towards smart diagnostic methods for COVID-19: Review of deep learning for medical imaging 2022 Nov-Dec, IPEM-translation DOI:10.1016/j.ipemt.2022.100008 PMID:36312890	综述	本文综述了2020年1月至2021年10月期间，使用深度学习技术对COVID-19患者进行CT和X光胸片诊断的研究	本文总结了现有研究中的模型技术细节，并讨论了使用深度学习技术进行COVID-19智能诊断的挑战	现有模型的临床应用效果需要进一步验证	探讨深度学习在COVID-19诊断中的应用，并提出改进建议	COVID-19患者的CT和X光胸片	计算机视觉	COVID-19	深度学习	NA	图像	NA
307	2024-09-16	Deep learning and social network analysis elucidate drivers of HIV transmission in a high-incidence cohort of people who inject drugs 2022-Oct-21, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abf0158 PMID:36260674	研究论文	本文通过深度学习和社交网络分析揭示了注射毒品人群中HIV传播的驱动因素，并识别出最佳干预点	利用图神经网络（GNNs）进行社区检测，揭示了HIV传播与注射场所之间的关联，并提出了针对性的干预策略	研究样本仅限于印度新德里的注射毒品人群，可能限制了结果的普适性	理解并对抗注射毒品人群中的HIV传播	注射毒品人群及其社交和空间网络	机器学习	HIV	图神经网络（GNNs）	图神经网络（GNNs）	社交网络数据	2512名注射毒品人群
308	2024-09-16	Deep learning-based molecular dynamics simulation for structure-based drug design against SARS-CoV-2 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.09.002 PMID:36091720	综述	本文综述了基于深度学习和分子动力学模拟的结构药物设计方法在SARS-CoV-2中的最新进展	本文介绍了深度学习和基于深度学习的分子动力学模拟在结构药物设计中的应用，解决了蛋白质结构和结合预测、药物虚拟筛选、分子对接和复合物演化等问题	本文主要讨论了当前方法的挑战和未来方向，未提供具体的实验数据或模型评估	探讨深度学习和分子动力学模拟在SARS-CoV-2结构药物设计中的应用	SARS-CoV-2的蛋白质结构和药物设计	机器学习	COVID-19	分子动力学模拟	深度神经网络	蛋白质结构	NA
309	2024-09-16	Future stem cell analysis: progress and challenges towards state-of-the art approaches in automated cells analysis 2022, PeerJ IF:2.3Q2 DOI:10.7717/peerj.14513 PMID:36573241	综述	本文综述了从细胞发现到最先进方法的细胞和干细胞分析方法	探讨了当前技术在减少劳动强度、成本效益和降低错误率方面的潜力	未详细讨论具体的技术实现和实验验证	提供细胞和干细胞分析方法的概述，并探讨自动化分析的潜力	细胞和干细胞的分析方法	数字病理学	NA	人工智能和深度学习	NA	图像	NA
310	2024-09-15	Computational macroscopic lifetime imaging and concentration unmixing of autofluorescence 2022-12, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202200133 PMID:36546622	研究论文	本文介绍了一种基于单像素结构光平台的计算宏观寿命成像和自体荧光浓度解混方法	利用单像素成像技术，结合超连续可见光激发和超光谱单像素检测，实现了自体荧光强度和寿命的并行表征，并通过深度学习数据处理管道进行自体荧光解混，得到自体荧光物质的浓度	NA	开发一种新的计算成像方法，用于宏观量化自体荧光的强度和寿命	自体荧光物质，包括黄素腺嘌呤二核苷酸、核黄素和原卟啉	计算机视觉	NA	单像素成像技术	深度学习	光谱数据	临床相关的自体荧光物质样本
311	2024-09-15	GPU Accelerated Estimation of a Shared Random Effect Joint Model for Dynamic Prediction 2022-Oct, Computational statistics & data analysis IF:1.5Q2 DOI:10.1016/j.csda.2022.107528 PMID:39257897	研究论文	本文提出了一种基于GPU加速的共享随机效应联合模型动态预测方法	本文创新性地结合了GPU编程和深度学习框架PyTorch，显著加速了联合模型的估计过程，并考虑了纵向预测轨迹的非线性特征	本文未详细讨论算法在实际临床应用中的表现和局限性	旨在解决纵向队列研究中动态预测终端临床事件风险时面临的计算挑战	纵向队列研究中的终端临床事件风险预测	机器学习	NA	GPU编程	联合模型	纵向数据	未明确提及具体样本量
312	2024-09-15	Application of Deep Learning on Single-cell RNA Sequencing Data Analysis: A Review 2022-10, Genomics, proteomics & bioinformatics DOI:10.1016/j.gpb.2022.11.011 PMID:36528240	综述	本文综述了深度学习在单细胞RNA测序数据分析中的应用	深度学习能够从噪声大、异质性强和高维度的单细胞RNA测序数据中提取信息丰富且紧凑的特征，从而改进下游分析	当前深度学习方法在单细胞RNA测序数据分析中面临挑战，需要进一步改进算法	综述近期开发的深度学习技术在单细胞RNA测序数据分析中的应用，并探讨其优势和潜在改进方向	单细胞RNA测序数据分析中的深度学习技术	机器学习	NA	单细胞RNA测序	深度学习	基因表达数据	NA
313	2024-09-15	Interpretable deep learning of myelin histopathology in age-related cognitive impairment 2022-09-21, Acta neuropathologica communications IF:6.2Q1 DOI:10.1186/s40478-022-01425-5 PMID:36127723	研究论文	本文使用弱监督的多实例学习算法，通过分析人脑尸检组织切片的整张幻灯片图像，预测认知障碍的存在与否	本文提出了一种可扩展的平台，利用可解释的深度学习来识别认知障碍中的病理学意外方面，并可推广到其他神经生物学疾病的研究	尽管模型能够预测认知障碍的存在，但准确性仅略高于随机水平	改进识别与认知相关的组织病理学变化的方法，以无偏见的方式进行	老年捐赠者的大脑组织切片，用于预测认知障碍的存在与否	数字病理学	老年疾病	弱监督的多实例学习算法	NA	图像	367例认知障碍患者和349例无认知障碍患者的大脑组织切片
314	2024-09-15	Polarization multiplexed diffractive computing: all-optical implementation of a group of linear transformations through a polarization-encoded diffractive network 2022-May-26, Light, science & applications DOI:10.1038/s41377-022-00849-x PMID:35614046	研究论文	本文介绍了一种极化复用衍射处理器，通过单一衍射网络实现多个任意选择的线性变换的全光学实现	本文的创新点在于引入极化复用技术，通过单一衍射网络实现多个线性变换的全光学实现	本文的局限性在于需要大量的训练样本和复杂的深度学习优化过程	研究目的是开发一种全光学实现多个线性变换的方法	研究对象是极化复用衍射网络及其在光学计算中的应用	机器学习	NA	衍射光学网络	深度学习	光学数据	数千个输入/输出场对应于每个复值线性变换的样本
315	2024-09-15	A Lightweight Hybrid Dilated Ghost Model-Based Approach for the Prognosis of Breast Cancer 2022, Computational intelligence and neuroscience DOI:10.1155/2022/9325452 PMID:39262920	研究论文	提出了一种基于轻量级混合扩张Ghost模型的乳腺癌预后方法	引入改进的随机通道注意力机制和DenseNet模型进行恶性细胞检测和家族分类	未提及具体局限性	提高乳腺癌恶性细胞检测和家族分类的准确性	乳腺癌恶性细胞及其家族分类	计算机视觉	乳腺癌	卷积神经网络 (CNN)	DenseNet	图像	未提及具体样本数量
316	2024-09-14	Deep learning in breast imaging 2022, BJR open DOI:10.1259/bjro.20210060 PMID:36105427	review	本文综述了深度学习在乳腺癌影像中的应用，包括癌症检测和风险预测，并讨论了人工智能系统在该领域的挑战和未来方向	深度学习在医学影像任务中展现出超越人类水平的潜力，可能用于自动化乳腺癌筛查过程，提高癌症检测率，减少不必要的召回和活检，优化患者风险评估，并为疾病预后开辟新途径	需要前瞻性试验来验证这些工具，并开发新的监管框架以解决深度学习算法带来的独特伦理、医疗法律和质量控制问题	探讨深度学习在乳腺癌影像中的应用及其未来发展方向	乳腺癌影像的解读和处理	计算机视觉	乳腺癌	深度学习	NA	影像	NA
317	2024-09-14	An Overview of Organs-on-Chips Based on Deep Learning 2022, Research (Washington, D.C.) DOI:10.34133/2022/9869518 PMID:35136860	综述	本文综述了基于深度学习的器官芯片技术及其在生物医学和化学研究中的应用	探讨了深度学习与器官芯片技术的结合，展示了其在药物开发、疾病建模和个性化医学中的巨大潜力	讨论了当前应用中面临的问题，并提出了未来发展的展望和建议	探讨深度学习与器官芯片技术的结合及其在生物医学领域的应用	器官芯片技术和深度学习	生物医学工程	NA	微流控技术	深度学习	图像	NA
318	2024-09-14	Challenges of deep learning methods for COVID-19 detection using public datasets 2022, Informatics in medicine unlocked DOI:10.1016/j.imu.2022.100945 PMID:35434261	研究论文	本文探讨了使用公开数据集进行COVID-19检测的深度学习方法所面临的挑战	提出了一个名为CVR-Net的多尺度多编码器集成模型，用于验证深度学习模型在不同数据源下的表现	现有公开数据集缺乏独立测试集，导致模型容易过拟合训练数据分布	评估现有深度学习方法和数据集在COVID-19检测中的潜力，并指出其面临的挑战	COVID-19检测的深度学习模型及其在不同数据源下的表现	计算机视觉	COVID-19	深度学习	卷积神经网络	图像	使用了来自单一、多个和独立数据源的训练和测试数据集，具体样本数量未明确提及
319	2024-09-13	Digital Twins in Unmanned Aerial Vehicles for Rapid Medical Resource Delivery in Epidemics 2022-Dec, IEEE transactions on intelligent transportation systems : a publication of the IEEE Intelligent Transportation Systems Council IF:7.9Q1 DOI:10.1109/TITS.2021.3113787 PMID:36789134	研究论文	探讨数字孪生在无人机中快速准确提供医疗资源的效果	提出了基于改进AlexNet的无人机数字孪生信息预测模型，具有更小的传输延迟、更低的能耗、更短的任务完成时间和更高的资源利用率	NA	研究数字孪生在无人机中快速准确提供医疗资源的效果	无人机数字孪生在COVID-19防控中提供医疗资源的效果	计算机视觉	COVID-19	深度学习算法	AlexNet	模拟实验数据	NA
320	2024-09-13	Assessment of malalignment factors related to the Invisalign treatment time aided by automated imaging processes 2022-Nov-03, The Angle orthodontist DOI:10.2319/031622-225.1 PMID:36327333	研究论文	本文研究了影响Invisalign治疗时间的错位因素，并使用自动化成像过程进行评估	本文首次使用深度学习方法进行牙齿分割和地标识别，并测量了六个自由度的变化，以评估错位类型对治疗时间的影响	本文的样本量较小，且仅限于Invisalign治疗的患者	研究影响Invisalign治疗时间的错位因素	Invisalign治疗的患者	NA	NA	深度学习	NA	图像	116名接受Invisalign治疗的患者