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
201	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
202	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
203	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
204	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
205	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
206	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
207	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
208	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
209	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
210	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
211	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
212	2024-08-05	A Triboelectric Sensor with Double Bubble Structure Applied in a High Security Double Lock System 2023-12-22, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.3c01574 PMID:38063342	研究论文	提出了一种集成了双气泡结构的摩擦电传感器的高安全性双锁系统	创新点在于将摩擦电纳米发电机与深度学习模型结合，使用双气泡结构提高灵敏度	未提及实际应用中的长期稳定性和耐用性	设计一种具有更高安全性能的智能锁系统	聚焦于摩擦电传感器和深度学习模型的集成应用	数字病理学	NA	摩擦电纳米发电机	长短期记忆网络	生理信号	实验中使用了识别四种典型呼吸信号的样本
213	2024-08-05	The Evolution of Artificial Intelligence in Biomedicine: Bibliometric Analysis 2023-Dec-19, JMIR AI DOI:10.2196/45770 PMID:38875563	研究论文	本研究探讨了生物医学领域中人工智能技术的演变和未来趋势。	提出了背景增强预测方法，提升了回归模型的预测效果。	研究可能局限于已发表文献的数据，未能覆盖所有相关领域。	预测不同生物医学领域中人工智能技术的未来发展趋势。	分析与人工智能和生物医学交叉领域相关的文献。	计算机视觉	NA	回归模型	背景增强预测模型	文献数据	从PubMed数据库中收集的大量相关文章
214	2024-08-05	Deep Learning and Gastric Cancer: Systematic Review of AI-Assisted Endoscopy 2023-Dec-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13243613 PMID:38132197	综述	本综述评估了深度学习在胃癌早期检测中的应用现状	探讨了深度学习在胃癌分类、检测和肿瘤特征评估中的潜力	主要集中于单中心研究和未披露的数据集，对结果的普适性产生影响	研究深度学习在胃癌前期、早期及相关病变分析中的应用	利用内镜图像检测胃肿瘤的深度学习算法	计算机视觉	胃癌	深度学习	多种深度学习技术	图像	42项研究
215	2024-08-05	Few-Shot Fault Diagnosis Based on an Attention-Weighted Relation Network 2023-Dec-24, Entropy (Basel, Switzerland) DOI:10.3390/e26010022 PMID:38248148	研究论文	提出了一种基于注意力加权关系网络的故障诊断方法，以实现小样本数据的故障检测和分类	引入了注意力加权机制以增强特征提取的代表性，并在少样本学习中应用关系网络	没有讨论方法在更大规模数据集上的表现和可扩展性	应对气动控制阀故障诊断中对大量标注训练数据的依赖问题	气动控制阀故障诊断	机器学习	NA	深度学习	注意力加权关系网络	时间域信号	使用了DA阀故障数据集和PU滚动轴承故障数据集进行实验
216	2024-08-05	Multi-Modal Ensemble Deep Learning in Head and Neck Cancer HPV Sub-Typing 2023-Dec-23, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11010013 PMID:38247890	研究论文	本研究探讨了基于深度学习的图像解读方法在头颈癌HPV亚型检测中的准确性	提出了一种基于3D CNN的多模态特征融合架构，用于HPV状态预测	未来需要进行更大规模的队列验证以提高诊断准确性	研究头颈癌患者中HPV状态的自动检测以影响治疗决策	主要针对口咽鳞状细胞癌（OPSCC）患者的HPV状态	计算机视觉	头颈癌	CT和PET图像	3D CNN	图像	使用了公开可得的TCGA和MAASTRO数据集
217	2024-08-05	A Real-Time Defect Detection Strategy for Additive Manufacturing Processes Based on Deep Learning and Machine Vision Technologies 2023-Dec-22, Micromachines IF:3.0Q2 DOI:10.3390/mi15010028 PMID:38258148	研究论文	本文提出了一种基于深度学习和机器视觉的实时缺陷检测技术，用于增材制造过程的监控	采用改进的YOLOv8算法训练缺陷检测模型，能够识别和评估缺陷图像	未提及此方法在其他增材制造过程中的适应性和普遍性	实现增材制造过程中的实时缺陷检测与监控	针对挤出3D打印过程进行缺陷检测	数字病理学	NA	深度学习	YOLOv8	图像	3550张图像
218	2024-08-05	Segmentation of Substantia Nigra in Brain Parenchyma Sonographic Images Using Deep Learning 2023-Dec-19, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10010001 PMID:38276318	研究论文	本文探讨了一种基于深度学习的自动分割方法，用于脑实质超声图像中的黑质分割	本文提出了一种新的自动分割方法，并实现了黑质分割的最新性能	样本数量和数据集仍需进一步丰富	研究脑实质超声图像中的黑质的自动分割技术	使用新数据集的脑实质超声图像	计算机视觉	帕金森病	深度学习	修改版U-Net网络	超声图像	NA
219	2024-08-05	Fusion Networks of CNN and Transformer with Channel Attention for Accurate Tumor Imaging in Magnetic Particle Imaging 2023-Dec-19, Biology DOI:10.3390/biology13010002 PMID:38275723	研究论文	提出了一种结合CNN和Transformer的深度学习网络，以改善磁粒子成像中的肿瘤成像质量	创新性地将CNN和Transformer结合使用，并引入通道注意机制来同时提取图像的局部和全局特征	缺乏对不同噪音水平下的普适性测试	改善磁粒子成像技术中图像重建的清晰度及肿瘤量化的准确性	聚焦于肿瘤图像的重建和量化	计算机视觉	肿瘤	磁粒子成像	CNN和Transformer	图像	NA
220	2024-08-05	Coupled Reconstruction of Cortical Surfaces by Diffeomorphic Mesh Deformation 2023-Dec, Advances in neural information processing systems PMID:38835722	研究论文	本文提出了一个新的深度学习框架，用于从脑部磁共振影像精确重建皮质表面	本文的创新之处在于联合重建内层、外层及其中厚度表面，并直接从3D MRI中估计皮质厚度	本文未提及任何具体的局限性	研究的目的是提高脑部皮质表面的重建精度和拓扑正确性	研究对象为脑部磁共振成像数据中的皮质表面	数字病理学	NA	深度学习	NA	3D MRI	在两个大规模神经影像数据集ADNI和OASIS上进行评估