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
501	2024-10-17	scNAT: a deep learning method for integrating paired single-cell RNA and T cell receptor sequencing profiles 2023-12-18, Genome biology IF:10.1Q1 DOI:10.1186/s13059-023-03129-y PMID:38111007	研究论文	提出了一种名为scNAT的深度学习方法，用于整合配对的单细胞RNA和T细胞受体测序数据	开发了一种新的深度学习方法scNAT，能够整合单细胞RNA测序和T细胞受体测序数据，并在统一潜在空间中表示数据	NA	开发一种新的深度学习方法，用于整合单细胞RNA和T细胞受体测序数据，以进行下游分析	单细胞RNA测序和T细胞受体测序数据	机器学习	多发性硬化症	深度学习	NA	RNA测序数据和T细胞受体测序数据	NA
502	2024-10-17	EnzymeMap: curation, validation and data-driven prediction of enzymatic reactions 2023-Dec-13, Chemical science IF:7.6Q1 DOI:10.1039/d3sc02048g PMID:38098707	研究论文	本文介绍了EnzymeMap数据集的构建及其在酶促反应预测中的应用	开发了一套校正和验证算法，显著提升了机器学习模型在逆合成、正向预测和区域选择性预测中的表现	当前方法受限于可用数据量，尤其是需要平衡和原子映射的反应数据	构建高质量数据集以提升酶促反应预测模型的准确性	酶促反应及其在化学合成中的应用	机器学习	NA	机器学习	深度学习模型	化学反应数据	大量文献记录的反应数据
503	2024-10-17	SPIN-CGNN: Improved fixed backbone protein design with contact map-based graph construction and contact graph neural network 2023-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011330 PMID:38060617	研究论文	本文介绍了一种基于蛋白质接触图谱的图神经网络SPIN-CGNN，用于改进固定骨架蛋白质设计	提出了一种基于蛋白质接触图谱的图构建方法，并结合辅助边更新和选择性核，显著提高了序列恢复、困惑度、氨基酸组成偏差、疏水位置保留和低复杂区域保留等方面的性能	低复杂区域在设计的序列中仍有待改进，尤其是在生成的结构中	改进固定骨架蛋白质设计方法	蛋白质序列和结构	机器学习	NA	图神经网络 (GNN)	图神经网络 (GNN)	蛋白质接触图谱	未见结构、'幻觉'结构和扩散模型测试
504	2024-10-17	Deep Learning-Assisted Design of Novel Promoters in Escherichia coli 2023-Dec, Advanced genetics (Hoboken, N.J.) DOI:10.1002/ggn2.202300184 PMID:38099247	研究论文	本文探讨了利用深度学习模型设计大肠杆菌中新型启动子的潜力	结合多种深度学习模型设计并预测新型启动子的活性，并提出了关键功能基序的预测方法	大多数生成的启动子活性较低	开发深度学习工具用于设计启动子并评估其功能	大肠杆菌中的启动子设计	机器学习	NA	深度学习	扩散模型	序列数据	200个训练样本和50个生成样本
505	2024-10-17	Noncontact remote sensing of abnormal blood pressure using a deep neural network: a novel approach for hypertension screening 2023-Dec-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-970 PMID:38106309	研究论文	本文开发并评估了一种使用深度学习模型从红外热成像中预测异常高血压的方法	首次提出了一种无需接触即可使用现有设备和数据进行高血压筛查的技术	NA	开发一种新的方法来早期诊断和治疗高血压	红外热成像和血压数据	机器学习	心血管疾病	红外成像	深度神经网络	图像	252名志愿者
506	2024-10-17	Automatic calculation of myocardial perfusion reserve using deep learning with uncertainty quantification 2023-Dec-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-840 PMID:38106294	研究论文	本文开发了一种基于深度学习的不确定性量化方法来自动计算心肌灌注储备指数	提出了一个全自动的方法来估计心肌灌注储备指数，并使用蒙特卡罗辍学U-Net进行心肌分割和机器学习进行地标定位	需要进一步验证该方法在不同数据集和临床环境中的适用性	开发一种全自动的方法来估计心肌灌注储备指数并评估其性能	心肌灌注储备指数	计算机视觉	心血管疾病	深度学习	U-Net	图像	测试对象数量未明确提及
507	2024-10-17	Predicting rice diseases using advanced technologies at different scales: present status and future perspectives 2023-Dec, aBIOTECH IF:4.6Q1 DOI:10.1007/s42994-023-00126-4 PMID:38106429	综述	本文综述了利用机器学习和深度学习模型在不同尺度上预测水稻疾病的图像处理技术	本文总结了当前最先进的病原体-植物相互作用表型的光学传感应用	NA	探讨利用先进技术在不同尺度上预测水稻疾病的现状和未来展望	水稻疾病	计算机视觉	NA	图像处理技术	机器学习 (ML) 和深度学习 (DL) 模型	图像	NA
508	2024-10-17	A three-dimensional deep learning model for inter-site harmonization of structural MR images of the brain: Extensive validation with a multicenter dataset 2023-Dec, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e22647 PMID:38107313	研究论文	本文开发了一种基于循环一致对抗网络的三维深度学习模型，用于多中心脑部MRI图像的强度分布协调	该模型能够稳定处理三维全脑图像，同时优化计算资源，与以往方法相比具有更高的稳定性和效率	尽管模型在多种数据集和指标上表现出了鲁棒性，但仍需在更多实际应用中验证其效果	旨在解决多中心MRI研究中因数据池化引入的站点相关变异性问题，以减少后续分析的偏差	T1加权脑部MRI图像的强度分布协调	计算机视觉	NA	深度学习	循环一致对抗网络	图像	总共1525名健康成年人的六种不同MRI数据集
509	2024-10-17	Image dataset of Pune city historical places for degradation detection, classification, and restoration 2023-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2023.109794 PMID:38107470	研究论文	研究了浦那市历史遗迹的图像数据集，用于退化检测、分类和修复	创建了一个包含浦那市历史遗迹图像的数据集，包括不同角度、比例和方向的图像，以及白天和夜晚的图像，用于训练计算机视觉模型	未提及	通过图像数据集和机器学习算法，实现历史遗迹的退化检测、分类和虚拟修复	浦那市的历史遗迹，包括其建筑年龄、类型、颜色、形状和大小	计算机视觉	NA	机器学习、深度学习	NA	图像	包含浦那市历史遗迹的图像数据集，包括不同角度、比例和方向的图像，以及白天和夜晚的图像
510	2024-10-17	Hybrid AI models allow label-free identification and classification of pancreatic tumor repopulating cell population 2023-10-15, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2023.08.015 PMID:37573767	研究论文	本文开发了一种混合AI模型，用于无标签识别和分类胰腺肿瘤再生细胞（TRCs）群体	本文创新性地将深度学习（DL）模型与机器学习（ML）模型结合，实现了对3D纤维蛋白凝胶选择TRCs的高效分类	NA	开发一种能够快速、高通量识别和分类胰腺肿瘤再生细胞的方法	胰腺肿瘤再生细胞（TRCs）及其亚型	机器学习	胰腺癌	深度学习（DL）、机器学习（ML）	Inception-v3卷积神经网络（CNN）、支持向量机（SVM）	细胞	使用了四种人类胰腺癌细胞系：MIA PaCa-2、PANC-1、CFPAC-1和HPAF-II
511	2024-10-17	Retracted: Evaluation of Ischemic Penumbra in Stroke Patients Based on Deep Learning and Multimodal CT 2023, Journal of healthcare engineering DOI:10.1155/2023/9851918 PMID:38094810	correction	该文章撤回了基于深度学习和多模态CT评估中风患者缺血性半暗带的论文	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
512	2024-10-17	Adversarial training improves model interpretability in single-cell RNA-seq analysis 2023, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbad166 PMID:38099262	研究论文	本文探讨了通过对抗训练提高单细胞RNA测序数据分析中模型鲁棒性和可解释性的方法	首次展示了对抗训练在提高深度学习模型鲁棒性的同时，也能提升模型的可解释性	研究仅限于单细胞RNA测序数据的细胞类型预测任务，未在其他任务上进行验证	研究如何通过对抗训练提高计算模型的鲁棒性和可解释性	单细胞RNA测序数据的细胞类型预测	机器学习	NA	对抗训练	深度学习模型	单细胞RNA测序数据	NA
513	2024-10-17	Transformer encoder with multiscale deep learning for pain classification using physiological signals 2023, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2023.1294577 PMID:38124717	研究论文	研究提出了一种名为PainAttnNet的新型深度学习模型，用于使用生理信号进行疼痛强度分类	引入了PainAttnNet模型，结合多尺度卷积网络、挤压激励残差网络和Transformer编码器块，以提取多时间窗口的鲁棒特征并增强时间依赖性分析	NA	开发一种能够准确分类疼痛强度的深度学习模型，以克服传统自我报告量表的局限性	疼痛强度分类	机器学习	NA	多尺度深度学习	Transformer编码器	生理信号	BioVid热疼痛数据集
514	2024-10-16	High-throughput target trial emulation for Alzheimer's disease drug repurposing with real-world data 2023-Dec-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43929-1 PMID:38081829	研究论文	本文通过大规模真实世界数据模拟阿尔茨海默病药物再利用的目标试验，评估了不同倾向评分模型在逆概率治疗加权框架下的表现	首次系统评估了多种倾向评分模型在真实世界数据中的表现，并提出了改进基线协变量平衡的模型选择策略	深度学习倾向评分模型在协变量平衡方面并未显著优于逻辑回归方法	通过真实世界数据模拟目标试验，识别已批准药物对阿尔茨海默病的新适应症	数千种药物在阿尔茨海默病中的潜在再利用	机器学习	阿尔茨海默病	倾向评分模型	深度学习模型、逻辑回归模型	真实世界数据	超过17000万患者，覆盖10年以上的临床记录
515	2024-10-16	Fully automated deep learning models with smartphone applicability for prediction of pain using the Feline Grimace Scale 2023-12-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-49031-2 PMID:38062194	研究论文	本研究利用深度神经网络和机器学习模型，通过猫面部表情量表（FGS）预测面部标志位置和疼痛评分	开发了适用于智能手机的全自动深度学习模型，用于猫急性疼痛评估	NA	开发一种自动化的智能手机应用程序，用于猫的急性疼痛评估	猫的面部图像和疼痛评分	计算机视觉	NA	深度神经网络	卷积神经网络（CNN）和XGBoost	图像	3447张猫的面部图像，标注了37个面部标志
516	2024-10-16	Detection of safety helmet and mask wearing using improved YOLOv5s 2023-12-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-48943-3 PMID:38049536	研究论文	本文提出了一种结合深度学习和目标检测技术的轻量级人工智能检测方法，用于识别佩戴安全帽和口罩的人员	该方法在YOLOv5s网络框架中引入了ShuffleNetv2特征提取机制，并结合ECA注意力机制和优化损失函数，提高了目标检测的精度和效率	NA	确保市政建设工程中人员的安全，特别是在疫情控制措施下	佩戴安全帽和口罩的人员	计算机视觉	NA	深度学习	YOLOv5s	图像	NA
517	2024-10-16	Discovery of a non-canonical GRHL1 binding site using deep convolutional and recurrent neural networks 2023-Dec-04, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-023-09830-3 PMID:38049725	研究论文	本研究使用深度卷积和循环神经网络发现了GRHL1的非典型结合位点	本研究首次使用卷积循环神经网络发现了GRHL1的非典型结合位点，这些位点无法通过传统的PWM方法识别	本研究仅限于GRHL1的结合位点预测，未涉及其他转录因子的研究	本研究的目的是探索深度学习方法在预测转录因子结合位点中的应用	本研究主要研究GRHL1的结合位点	机器学习	NA	ChIP-Seq	卷积循环神经网络	DNA序列	本研究使用了来自人类细胞的ChIP-Seq实验数据
518	2024-10-16	Protein structure prediction with in-cell photo-crosslinking mass spectrometry and deep learning 2023-Dec, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-023-01704-z PMID:36941363	研究论文	本文介绍了一种改进的AlphaFold2算法AlphaLink，通过结合实验距离约束信息来提高蛋白质结构预测的准确性	AlphaLink通过引入稀疏实验接触点作为锚点，改进了AlphaFold2在预测具有构象变化或同源序列较少的蛋白质结构方面的性能	NA	提高蛋白质结构预测的准确性	具有构象变化或同源序列较少的蛋白质	计算机视觉	NA	光交联质谱法	AlphaFold2	蛋白质结构数据	NA
519	2024-10-16	Enhancing Interoperability and Harmonisation of Nuclear Medicine Image Data and Associated Clinical Data 2023-Dec, Nuklearmedizin. Nuclear medicine DOI:10.1055/a-2187-5701 PMID:37907246	综述	本文综述了核医学图像数据及其相关临床数据的互操作性和标准化现状	探讨了提高数据兼容性和集成性的各种方法和标准，包括结构化临床历史、图像采集和重建的标准化以及图像数据评估的标准化准备	未详细讨论具体的技术实现细节和实际应用中的挑战	研究核医学图像数据及其相关临床数据的互操作性和标准化问题	核医学图像数据及其相关临床数据	计算机视觉	NA	NA	NA	图像	NA
520	2024-10-16	Scaling deep learning for materials discovery 2023-Dec, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06735-9 PMID:38030720	研究论文	本文展示了通过大规模训练的图网络模型，显著提高了材料发现的效率	通过大规模数据和计算，图网络模型实现了前所未有的泛化能力，将材料发现的效率提高了数量级	NA	提高材料发现的效率，扩展已知稳定材料的范围	无机晶体材料	机器学习	NA	图网络	图网络	晶体结构数据	48,000个稳定晶体，220万个新结构