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
181	2024-08-05	Deep learning diagnostic performance and visual insights in differentiating benign and malignant thyroid nodules on ultrasound images 2023-Dec, Experimental biology and medicine (Maywood, N.J.) DOI:10.1177/15353702231220664 PMID:38279511	研究论文	本研究旨在构建和评估一个深度学习模型，以准确区分良性和恶性甲状腺结节	这项研究使用了ResNet进行甲状腺结节预测，并应用Grad-CAM可视化模型过程，提供了与放射科医师的诊断精度比较	需要进一步研究以提高诊断精度并支持初级护理中的辅助诊断	探索深度学习在恶性甲状腺结节诊断中的应用	利用超声图像区分良性和恶性甲状腺结节	计算机视觉	甲状腺癌	超声波成像	ResNet	图像	2096张超声图像，655个不同的甲状腺结节
182	2024-08-05	A Drosophila heart optical coherence microscopy dataset for automatic video segmentation 2023-Dec-09, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-02802-y PMID:38071220	研究论文	本文介绍了一种针对果蝇心脏视频的自动分割算法和相关数据集	提出了名为FlyNet 2.0+的自动化果蝇心脏分割算法，利用LSTM卷积神经网络处理视频中的时间序列信息	未提及该算法在其他物种或不同实验条件下的效用	旨在提高果蝇心脏功能量化的效率和一致性	果蝇白眉实验中获取的心脏视频数据集	计算机视觉	NA	光学相干显微镜 (OCM)	LSTM卷积神经网络	视频	213个果蝇心脏视频，约等于604,000个横截面图像
183	2024-08-05	Multimodal Deep Learning Model Unveils Behavioral Dynamics of V1 Activity in Freely Moving Mice 2023-Dec, Advances in neural information processing systems PMID:39005944	研究论文	本文介绍了一种多模态递归神经网络，用于解释自由移动小鼠的V1活动	引入了一种整合视线相关视觉输入和行为及时间动态的新模型，揭示了小鼠V1的行为变量混合选择性	模型的应用可能局限于特定的行为状态和视觉输入类型	研究自由移动小鼠的V1活动与自然视觉输入及行为变量之间的关系	自由移动的小鼠及其视觉皮层活动	计算机视觉	NA	递归神经网络	多模态递归神经网络	视觉数据	NA
184	2024-08-05	Deep Clustering of Electronic Health Records Tabular Data for Clinical Interpretation 2023-Dec, ... IEEE International Conference on Telecommunications and Photonics. IEEE International Conference on Telecommunications and Photonics DOI:10.1109/ictp60248.2023.10490723 PMID:39027675	研究论文	本研究提出了一种基于临床变量的患者分层策略，并评估了聚类性能。	创新点在于提出了一种基于临床变量进行患者分层的新策略，并采用深度学习方法改善了聚类效果。	本研究局限于使用传统聚类算法进行比较，未涉及其他复杂模型的应用。	本研究旨在提高对患者数据的理解和分析，特别是在没有明确诊断标签的情况下。	研究对象为高血压患者群体，通过聚类分析识别了不同患者簇。	机器学习	NA	深度学习	NA	表格数据	NA
185	2024-08-05	ASD-GResTM: Deep Learning Framework for ASD classification using Gramian Angular Field 2023-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm58861.2023.10385743 PMID:39021439	研究论文	本文设计并开发了一个深度学习框架，用于基于功能磁共振成像(fMRI)数据分类自闭症谱系障碍(ASD)与神经典型大脑	引入了一种新策略，将提取的时间序列数据转化为Gramian Angular Field (GAF)，并锁定了数据中的时间和空间模式	未提及特定的局限性	旨在通过深度学习方法提高自闭症的分类准确性	基于功能磁共振成像(fMRI)数据的自闭症与神经典型脑的分类	计算机视觉	自闭症谱系障碍	fMRI	卷积神经网络(CNN)及长短期记忆网络(LSTM)	图像	使用了公开的ABIDE-I基准数据集进行训练、验证和测试
186	2024-08-05	Enhancing Opioid Bioactivity Predictions through Integration of Ligand-Based and Structure-Based Drug Discovery Strategies with Transfer and Deep Learning Techniques 2023-12-21, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.3c05306 PMID:38084046	研究论文	本研究通过整合基于配体和基于结构的药物发现策略，利用迁移学习和深度学习技术提高阿片类药物的生物活性预测	本文创新性在于应用迁移学习构建稳健的深度学习模型，以增强对每种阿片受体亚型的配体生物活性预测	本研究的局限性在于可能仍面临训练样本不足的问题，影响预测性能	研究旨在寻找更好的阿片类药物，降低成瘾潜力，以应对阿片类药物危机	研究对象为阿片类药物及其对应的受体亚型	机器学习	NA	深度学习	NA	生物活性数据	大型生物活性数据集
187	2024-08-05	Adaptive Sampling Methods for Molecular Dynamics in the Era of Machine Learning 2023-12-21, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.3c04843 PMID:38081185	评论	本文探讨了在分子动力学中应用的自适应采样算法	提出了一种仅通过在特定种子上重新启动MD轨迹来增强采样的自适应采样算法	本文讨论了自适应采样方法的不足之处	研究旨在改善分子动力学中蛋白质构象变化的采样	重点关注自适应采样算法及其在真实系统中的应用	计算机视觉	NA	深度学习技术	NA	NA	NA
188	2024-08-07	Exploring infection clinicians' perceptions of bias in Large Language Models (LLMs) like ChatGPT: A deep learning study 2023-12, The Journal of infection IF:14.3Q1 DOI:10.1016/j.jinf.2023.09.006 PMID:37743022	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
189	2024-08-05	Human-in-the-Loop Optimization for Deep Stimulus Encoding in Visual Prostheses 2023-Dec, Advances in neural information processing systems PMID:38984104	研究论文	本研究提出了一种结合深度学习和贝叶斯优化的新方法，用于视觉假体中的刺激编码优化。	提出了一种新的深度编码网络来为个体患者生成最佳刺激，并采用偏好贝叶斯优化策略进行个性化参数优化	尽管方法有效，但存在对高维刺激的处理能力不足的问题	旨在提高视觉假体患者的感知体验	研究视觉假体患者的个性化刺激编码	数字病理学	NA	深度学习，贝叶斯优化	深度编码网络	刺激参数数据	NA
190	2024-08-05	A Review of Machine Learning and Algorithmic Methods for Protein Phosphorylation Site Prediction 2023-12, Genomics, proteomics & bioinformatics DOI:10.1016/j.gpb.2023.03.007 PMID:37863385	综述	该综述组织了与磷酸化位点预测相关的知识，以促进该领域的未来研究	综述了磷酸化位点（p-site）预测的算法和机器学习方法，并提出重要的特征提取技术	在线p-site预测工具在未见过的蛋白质上的实际性能显著低于相关研究论文中报告的结果	整理和总结与磷酸化位点预测相关的知识	涉及磷酸化修饰及其在生物过程中的角色的蛋白质	机器学习	神经疾病和癌症	NA	传统和端到端深度学习方法	蛋白质数据	创建自2022年dbPTM数据库的新蛋白质的三个测试集
191	2024-08-07	Response to Letter Regarding the Article "Automated Segmentation of Intracranial Thrombus on NCCT and CTA in Patients with Acute Ischemic Stroke Using a Coarse-to-Fine Deep Learning Model" 2023-12-29, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8075 PMID:38164534	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
192	2024-08-05	Calibrated geometric deep learning improves kinase-drug binding predictions 2023-Dec, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-023-00751-0 PMID:38962391	研究论文	本文提出了一种深度学习算法KDBNet，能够利用三维结构数据来预测激酶与药物的结合亲和力	KDBNet结合了3D蛋白质和分子结构数据，利用图神经网络学习结合口袋和药物的几何和空间特征	目前的方法主要集中在局部特征的利用上，可能忽视结合过程的3D特性	探索激酶与化合物之间的相互作用并揭示新型结合活性	激酶和药物分子	机器学习	癌症	深度学习	图神经网络	3D蛋白质和分子结构数据	NA
193	2024-08-05	Benchmarking splice variant prediction algorithms using massively parallel splicing assays 2023-12-21, Genome biology IF:10.1Q1 DOI:10.1186/s13059-023-03144-z PMID:38129864	研究论文	本文基于大规模平行剪接检测评估了八种广泛使用的剪接效应预测算法	创新之处在于利用大规模平行剪接实验数据为算法性能提供实验验证，以解决当前常用算法性能不一致的问题	本文主要集中在已知基因集的变异上，可能限制了结果的普遍适用性	旨在评估和比较不同剪接变异预测算法的性能	研究对象为3616种变异，涉及五个基因的剪接效应	数字病理学	NA	大规模平行剪接检测（MPSAs）	深度学习模型	变异数据	3616种变异
194	2024-08-05	Revealing hidden patterns in deep neural network feature space continuum via manifold learning 2023-Dec-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43958-w PMID:38129376	研究论文	本文介绍了一种用于深度神经网络特征可视化的新方法	提出了一种流形发现与分析（MDA）方法，可有效可视化回归特征，并保留特征空间的局部几何形状	现有可视化技术仅适用于分类任务，回归任务的可视化仍面临挑战	开发一种可靠的框架和计算方法来可视化深度学习中的回归特征	深度神经网络提取的特征空间中的高维回归特征	计算机视觉	NA	深度神经网络	NA	特征数据	NA
195	2024-08-07	Moving From PQRST to AI: Advancing Transparency, Reliability, and Clinical Translation in ECG Deep Learning 2023-Dec, JACC. Advances DOI:10.1016/j.jacadv.2023.100682 PMID:38938477	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
196	2024-08-05	Clinical Applications, Methodology, and Scientific Reporting of Electrocardiogram Deep-Learning Models: A Systematic Review 2023-Dec, JACC. Advances DOI:10.1016/j.jacadv.2023.100686 PMID:38288263	研究论文	本文对电心电图深度学习模型的临床应用、方法学和科学报告进行了系统性回顾	该研究定义了临床相关ECG深度学习模型的现状，并考察了这些研究的科学报告实践	方法学报告存在高度变异，无法重现模型的完整信息的出版物较少	探讨电心电图深度学习模型的现状及其科学报告的实践	临床相关的电心电图深度学习模型	机器学习	心血管疾病	深度学习	NA	NA	44篇文献，包含53个独特的、临床相关的ECG深度学习模型
197	2024-08-05	3DCNN predicting brain age using diffusion tensor imaging 2023-Dec, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-023-02915-x PMID:37672142	研究论文	这篇文章提出了一种基于扩散张量成像的3DCNN模型来预测大脑年龄	首次利用扩散张量成像（DTI）数据来预测大脑年龄，并使用3D卷积神经网络模型	未提及具体的限制	研究如何通过神经影像学技术预测大脑年龄	分析来自六个公开数据集的2406个样本（年龄范围为17-60岁）	计算机视觉	NA	扩散张量成像（DTI）	3D卷积神经网络（3DCNN）	影像	2406个样本
198	2024-08-05	Accelerated Diffusion-Weighted Imaging in 3 T Breast MRI Using a Deep Learning Reconstruction Algorithm With Superresolution Processing: A Prospective Comparative Study 2023-Dec-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000000997 PMID:37428618	研究论文	本研究比较了使用深度学习重建算法的加速扩散加权成像（DWI DL）与标准成像在乳腺MRI中的应用效果	本研究展示了深度学习加速的DWI序列显著缩短了采集时间，并改善了病变的显著性	DWI DL的信噪比和对比噪音比未表现出显著差异且某些图像伪影评分较高	评估深度学习加速的扩散加权成像序列在乳腺MRI中的采集时间和图像质量	本研究涉及65名参与者，评估其乳腺中的恶性和良性病变	数字病理学	乳腺癌	深度学习重建算法	NA	图像	65名参与者
199	2024-08-05	A Comprehensive Evaluation of Generalizability of Deep Learning-Based Hi-C Resolution Improvement Methods 2023-12-29, Genes IF:2.8Q2 DOI:10.3390/genes15010054 PMID:38254945	研究论文	本研究评估了现有Hi-C分辨率提升方法的可泛化性。	提出了一个框架Hi-CY，使用多种评估指标比较现有的Hi-C分辨率提升方法，并强调了现有方法在稀疏Hi-C数据集上的性能不足。	现有深度学习方法在实验生成的稀疏Hi-C数据集上泛化能力差，性能降低高达57%。	研究Hi-C分辨率提升方法的可泛化性，并识别改进的方向。	评估七个实验生成的低分辨率Hi-C数据集，分析不同稀疏程度的读取情况。	机器学习	NA	Hi-C	深度学习方法	Hi-C数据集	七个实验生成的低分辨率Hi-C数据集
200	2024-08-05	Machine Learning to Advance Human Genome-Wide Association Studies 2023-12-25, Genes IF:2.8Q2 DOI:10.3390/genes15010034 PMID:38254924	综述	本文综述了机器学习在对人类基因组广泛关联研究中的应用	本文创新性在于介绍了机器学习在分配人类遗传位点与健康结果之间的应用，强调了新工具的整合	文章中提到的方法和工具在应用方面的优势和挑战，但未深入探讨具体的实践案例	探讨机器学习在遗传流行病学研究中的应用进展与潜力	主要讨论人类基因组与健康结果之间的关系	机器学习	NA	机器学习，包括深度学习和增强学习	NA	遗传变异数据	NA