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
121	2024-08-14	Artificial Intelligence in Breast Imaging: Opportunities, Challenges, and Legal-Ethical Considerations 2023-Dec, The Eurasian journal of medicine DOI:10.5152/eurasianjmed.2023.23360 PMID:39128072	综述	本文综述探讨了人工智能（AI）在乳腺影像中的变革性影响，特别是在全球乳腺癌病例增加的背景下	AI通过深度学习技术在改进诊断流程方面展现出潜力，能够处理大量数据和多维信息，推动乳腺癌研究的精准医学发展	AI的整合面临数据相关障碍、确保决策透明度和信任等挑战	探讨AI在乳腺影像中的应用及其法律和伦理考虑	人工智能在乳腺影像中的应用及其对乳腺癌诊断的影响	计算机视觉	乳腺癌	深度学习	NA	影像数据	NA
122	2024-08-13	Early transcriptomic signatures and biomarkers of renal damage due to prolonged exposure to embedded metal 2023-12, Cell biology and toxicology IF:5.3Q1 DOI:10.1007/s10565-023-09806-9 PMID:37058270	研究论文	研究通过高吞吐量转录组学和深度学习方法，探讨了长期暴露于嵌入金属导致的早期肾损伤的转录组特征和生物标志物	结合高吞吐量转录组学和深度学习技术，有效识别受金属暴露影响的肾细胞，并发现miRNA-423作为潜在的早期肾损伤血清生物标志物	NA	识别和检测长期暴露于嵌入金属导致的早期肾损伤	肾组织和血清样本中的RNA序列	数字病理学	肾损伤	RNA测序	深度学习	RNA序列数据	使用大鼠模型进行实验
123	2024-08-11	Artificial Intelligence in Stroke Imaging: A Comprehensive Review 2023-Dec-29, The Eurasian journal of medicine DOI:10.5152/eurasianjmed.2023.23347 PMID:39109827	综述	本文全面回顾了人工智能在脑卒中影像学中的应用	介绍了多种人工智能方法在脑卒中管理中的应用，包括经典机器学习工具和深度学习模型	构建无偏模型需要收集大量、多样且高质量的数据，并确保训练和测试数据分布相似	探讨人工智能技术在脑卒中影像学中的应用及其对临床实践的影响	脑卒中影像学及其在临床管理中的应用	计算机视觉	脑血管疾病	NA	支持向量机、随机森林、逻辑回归、线性判别分析、卷积神经网络、循环神经网络、自编码器、U-Net	医学图像	NA
124	2024-08-10	Developing Topics 2023-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.082896 PMID:39120921	研究论文	本文使用卷积神经网络（CNN）对前额叶痴呆（FTD）、阿尔茨海默病（AD）患者和健康对照（HC）的脑电图（EEG）数据集进行分类并评估其性能	本研究采用深度学习方法，无需专家设计的特征工程过程，实现了对痴呆患者EEG的高性能分类	NA	开发一种能够对痴呆患者EEG进行高精度分类的深度学习模型	前额叶痴呆、阿尔茨海默病患者和健康对照的脑电图数据	机器学习	神经退行性疾病	卷积神经网络（CNN）	CNN	脑电图（EEG）	88名受试者
125	2024-08-04	Deep learning in terrestrial conservation biology 2023-Dec, Biologia futura IF:1.8Q3 DOI:10.1007/s42977-023-00200-4 PMID:38227170	评论	本文对保护生物学中深度学习技术的应用进行了回顾	强调了深度学习在保护生物学中的潜力和当前技术先进性	提出了当前技术在数据处理方面的缓慢问题	探索有效的方式监测生物多样性变化	涉及保护生物学中的生物数据监测	机器学习	NA	深度学习	NA	生物数据	NA
126	2024-08-04	Predicting Anti-inflammatory Peptides by Ensemble Machine Learning and Deep Learning 2023-12-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01602 PMID:38054927	研究论文	本文提出了一种通过集成机器学习和深度学习预测抗炎肽的方法	通过构建包含极随机树、门控循环单元和卷积神经网络的高级框架，实现了AIP预测的创新性探索	在独立测试集上的表现可能不代表其他广泛应用场景的预测精度	研究抗炎肽(AIP)的预测以加速抗炎疗法的发展	抗炎肽的特征和预测模型	机器学习	NA	集成机器学习，深度学习	极随机树，门控循环单元，卷积神经网络	序列数据	NA
127	2024-08-04	An Uncertainty-Guided Deep Learning Method Facilitates Rapid Screening of CYP3A4 Inhibitors 2023-12-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01241 PMID:38055780	研究论文	本文提出了一种不确定性引导的深度学习方法，以便于快速筛选CYP3A4抑制剂	提出了一种不确定性引导的回归模型，能够准确预测CYP3A4活性的IC值，并通过整合分类模型的预测和引入证据不确定性方法提升了预测的可靠性	现有模型主要提供确定性分类结果，缺乏对抑制强度的精确预测，且预测可靠性不足	评估CYP3A4抑制剂以避免潜在的药物相互作用和不良反应	CYP3A4抑制剂的预测与筛选	机器学习	NA	NA	回归模型	化合物数据	27,045个化合物，其中包含4395个具有明确IC值的化合物
128	2024-08-04	High-Temperature Polymer Dielectrics Designed Using an Invertible Molecular Graph Generative Model 2023-12-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01572 PMID:38061777	研究论文	本文利用可逆分子图生成模型生成高温聚合物介电材料	提出了一种基于可逆正规化流的分子图生成模型，用于高温聚合物介电材料的设计	使用的数据集主要是通过基于RNN的生成模型生成的，可能影响模型的普适性	高效设计高温聚合物介电材料	假设有前景的高温聚合物介电材料	材料科学	NA	深度生成模型	可逆图生成模型	分子图	包含250k个聚合物分子图
129	2024-08-04	GGNpTCR: A Generative Graph Structure Neural Network for Predicting Immunogenic Peptides for T-cell Immune Response 2023-12-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01293 PMID:37990917	研究论文	本研究提出了一种基于生成图结构的深度学习框架GGNpTCR，用于预测T细胞受体与肽的相互作用	GGNpTCR模型能够有效预测训练数据集中未出现的新抗原的相互作用，并改善了现有的方法	未提及特定的局限性	研究T细胞受体与人类抗原之间的相互作用以推动疫苗和免疫治疗的发展	重点研究T细胞受体与外源性肽的相互作用	计算机视觉	NA	深度学习	生成图结构	序列信息	使用了大规模COVID-19数据集和多种数据集进行性能评估
130	2024-08-04	Ensemble Geometric Deep Learning of Aqueous Solubility 2023-12-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01536 PMID:37990484	研究论文	这个文章探讨了几何深度学习在预测分子特性如水溶性方面的应用	提出了基于谱卷积和空间卷积的图神经网络架构的两个集成模型	在对巨噬细胞迁移抑制因子抑制剂的测试中表现出模型的局限性	本研究旨在利用几何深度学习来改进药物候选分子的药物动力学	207个分子的验证集以及系列的苯酰脲衍生物和苯二氮卓衍生物	数字病理学	NA	图神经网络	SolNet-GCN和SolNet-GAT	分子特性数据	207个分子
131	2024-08-04	A Multimodal Deep Learning Framework for Predicting PPI-Modulator Interactions 2023-12-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01527 PMID:38037990	研究论文	本研究提出了一种基于序列的深度学习框架MultiPPIMI，用于预测PPI靶标与调节剂之间的相互作用	本研究的创新点在于MultiPPIMI能够在不需要靶标结构或参考调节剂的情况下，预测任意给定PPI靶标与调节剂之间的相互作用	本研究未提供对所有PPI调节剂的全面评估	本研究旨在开发一种新的框架来识别PPI介导的相互作用	本研究的对象为蛋白质相互作用靶标和调节剂	机器学习	NA	深度学习	双线性注意力网络	基准数据集	NA
132	2024-08-04	Ab Initio Prediction of 3-D Conformations for Protein Long Loops with High Accuracy and Applications to Antibody CDRH3 Modeling 2023-12-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01051 PMID:38018130	研究论文	本研究开发了新的方法来预测蛋白质长环的三维构象，具有高精度和应用于抗体CDRH3建模。	提出了一种结合原子和残基级别术语的新方法来计算残基原子之间的相互作用能	未明确考虑还原侧链与主链原子的相互作用能	开发高精度的蛋白质长环的构象预测方法	蛋白质长环和抗体CDRH3环	数字病理学	NA	NA	OSCAR-loop	NA	49个抗体靶点
133	2024-08-04	Discovery Viewer (DV): Web-Based Medical AI Model Development Platform and Deployment Hub 2023-Dec-06, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10121396 PMID:38135987	研究论文	该论文介绍了Discovery Viewer（DV）平台，一个基于网络的医学人工智能模型开发和部署中心	提供一个适应性环境，允许非人工智能专家学习、开发和分享深度学习概念，促进模型的持续改进	未提及具体的技术细节和模型限制	旨在使医疗人工智能模型的开发更加便捷，促进技术在临床环境中的应用	针对肌肉骨骼疾病的AI项目进行开发和测试，涵盖分割、回归和分类任务	机器学习	NA	深度学习	NA	样本数据	参与项目的样本占80%，剩余样本由志愿者进行注释和训练
134	2024-08-05	Potential added value of an AI software with prediction of malignancy for the management of incidental lung nodules 2023-Dec, Research in diagnostic and interventional imaging DOI:10.1016/j.redii.2023.100031 PMID:39076687	研究论文	本文研究了一种人工智能软件在意外发现的肺结节管理中的潜在价值	研究展示了使用深度学习算法的人工智能软件在预测肺结节恶性程度中的有效性及其高阴性预测值	样本量较小，仅包括83名患者的90个肺结节的回顾性分析	旨在评估人工智能软件在意外发现的肺结节管理中的影响	对在急诊CT扫描中意外发现的肺结节进行评估	计算机视觉	肺癌	深度学习算法	NA	影像	90个肺结节，涉及83名患者
135	2024-08-05	Building Prediction Models for 30-Day Readmissions Among ICU Patients Using Both Structured and Unstructured Data in Electronic Health Records 2023-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm58861.2023.10385612 PMID:39055130	研究论文	本研究构建并评估了多个机器学习模型，以预测ICU患者的30天再入院率	该研究结合了结构化和非结构化数据，展示了利用机器学习和深度学习预测ICU再入院的潜力	该研究可能受到MIMIC-III数据库的特定限制	预测ICU患者的30天再入院率	ICU患者的电子健康记录数据	机器学习	NA	机器学习	逻辑回归	结构化和非结构化数据	使用MIMIC-III数据库中的数据
136	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
137	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
138	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
139	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
140	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