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
981	2024-08-04	BrainNPT: Pre-Training Transformer Networks for Brain Network Classification 2024, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3434343 PMID:39074019	研究论文	本文提出了一种基于Transformer的神经网络BrainNPT，用于脑功能网络分类	首创性地应用了预训练的方法和Transformer网络，以利用未标记数据进行脑网络分析	研究中没有提及样本的多样性和数据的具体来源	探索利用未标记脑网络数据的预训练方法以提高脑功能网络分类的准确性	脑功能网络	深度学习	NA	NA	Transformer	脑网络数据	NA
982	2024-08-07	AmiR-P3: An AI-based microRNA prediction pipeline in plants 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308016 PMID:39088479	研究论文	本文提出了一种名为AmiR-P3的植物miRNA预测管道，旨在解决现有miRNA预测工具在植物中的应用问题	该管道结合了多种工具的优势，不依赖于已知miRNA序列的表达水平或组织特异性	尽管方法有效，但仍然可能在某些植物物种中出现准确性问题	开发一种高效的植物miRNA预测工具	植物中的小RNA链（miRNAs）	生物信息学	NA	深度学习分类模型	NA	基因组序列	多种植物物种
983	2024-08-04	Detection of freezing of gait in Parkinson's disease from foot-pressure sensing insoles using a temporal convolutional neural network 2024, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2024.1437707 PMID:39092074	研究论文	该文章开发了一种基于足压传感鞋垫的深度学习模型，以准确检测帕金森病患者的步态冻结	文章创新性地使用时间卷积神经网络（TCNN）结合足压传感器数据，超越了现有技术的准确性和实用性	样本量有限，仅包含14名帕金森病患者	研究旨在提高帕金森病患者步态冻结的检测准确性	研究对象为14名帕金森病患者及其在标准步态测试中的数据	机器学习	帕金森病	深度学习，足压传感器	时间卷积神经网络（TCNN）	传感器数据	14名帕金森病患者
984	2024-08-04	Dual contrastive learning based image-to-image translation of unstained skin tissue into virtually stained H&E images 2024-01-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-52833-7 PMID:38282056	研究论文	本研究介绍了一种基于双对比学习的图像到图像生成模型，用于将未染色的皮肤组织图像转化为虚拟染色的H&E图像	提出了一种新颖的三阶段双对比学习模型，通过对比学习最大化传统H&E染色与虚拟染色图像之间的互信息	对于虚拟染色的效果，依赖于特定的数据集和评估模型，可能在其他类型的组织样本中表现不同	旨在提升组织病理学的染色过程，减少染色时间和有害化学品的使用	未染色的皮肤组织图像与传统的H&E染色图像的配对	数字病理学	NA	生成对抗网络 (GAN)	双对比学习生成对抗网络 (DCLGAN)	图像	包括一组未染色和H&E染色的图像对，使用明场显微镜扫描，放大倍率为20×
985	2024-08-04	Unleashing the potential of cell painting assays for compound activities and hazards prediction 2024, Frontiers in toxicology IF:3.6Q2 DOI:10.3389/ftox.2024.1401036 PMID:39086553	评论	这篇文章讨论了细胞绘画（CP）测定法在药物发现和毒理学中的应用潜力	文章创新性地探讨了将基于CP的表型数据与结构信息结合使用，以提高化合物活性和潜在风险预测的准确性	没有详细讨论CP测定法的局限性和挑战	研究目标是探讨CP测定法及其与机器学习/深度学习模型结合使用的潜力	研究对象包括各种化合物在单细胞水平上的表型反应	数字病理学	NA	图像分析	机器学习和深度学习模型	图像数据	数千种化合物
986	2024-08-04	Deep learning identifies histopathologic changes in bladder cancers associated with smoke exposure status 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305135 PMID:39083547	研究论文	深度学习揭示了膀胱癌的组织病理特征，这些特征可以预测吸烟暴露状态	本研究利用深度学习模型首次探讨了膀胱癌组织图像与吸烟状态之间的潜在关联	样本仅来自多个中心，可能无法代表所有类型的膀胱癌患者	探讨膀胱癌组织病理学变化与吸烟暴露状态之间的关系	285例独特的膀胱癌病例的整片组织图像	数字病理学	膀胱癌	深度学习	混合效应逻辑回归模型	图像	483个整片组织图像，来自285个独特病例
987	2024-08-04	A deep learning framework for predicting endometrial cancer from cytopathologic images with different staining styles 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306549 PMID:39083516	研究论文	本研究提出一个针对不同染色风格的细胞病理图像的子宫内膜癌筛查自动化框架	提出了一种基于对比学习的分类算法ECRNet和一种新型的CM-UNet用于细胞团块分割，针对不同染色风格的图像进行适应	尚未提到数据集的充分性或其他潜在偏差	研究子宫内膜癌的自动化筛查方法，以提高临床治疗效率	不同染色风格的细胞病理图像	数字病理学	子宫内膜癌	深度学习	CM-UNet与ECRNet	图像	XJTU-EC数据集，包含细胞分割和分类标签的细胞病理图像
988	2024-08-04	Screening Targets and Therapeutic Drugs for Alzheimer's Disease Based on Deep Learning Model and Molecular Docking 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-231389 PMID:38995776	研究论文	本研究基于深度学习模型和分子对接，为阿尔茨海默病（AD）筛选治疗靶点和药物	本研究通过结合多层感知器（MLP）和转录组数据，从新视角提供了AD的潜在药物靶点和药物	NA	旨在寻找阿尔茨海默病的潜在治疗靶点和药物	本研究涉及阿尔茨海默病患者和正常对照脑组织的转录组数据	计算机视觉	阿尔茨海默病	深度学习，分子对接	多层感知器（MLP）	转录组数据	包括AD脑组织的转录组数据和正常对照脑组织的转录组数据
989	2024-08-04	Automatic Detection and Assessment of Freezing of Gait Manifestations 2024, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3431208 PMID:39028610	研究论文	本文分析了深度学习在分类帕金森病步态冻结（FOG）表现中的有效性	研究中提出了一种改进模型以解决过度分割错误，并对FOG不同表现的检测进行了比较	样本量仅为18名帕金森病患者，可能影响结果的泛化性	研究深度学习在检测和评估帕金森病患者步态冻结表现中的应用	研究对象为完成FOG诱发协议的18名帕金森病患者	机器学习	帕金森病	深度学习	四种先进的FOG检测算法	运动传感器数据	18名帕金森病患者
990	2024-08-04	DeepDate: A deep fusion model based on whale optimization and artificial neural network for Arabian date classification 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305292 PMID:39078864	研究论文	本文提出了一种基于鲸鱼优化和人工神经网络的阿拉伯枣分类深度融合模型。	提出了一种新的深度融合模型DeepDate，结合了鲸鱼优化技术和人工神经网络，显著提高了分类准确性。	未提及具体的局限性	研究旨在提高阿拉伯枣的分类准确性和效率。	研究对象为五类枣果图像（Barhi, Khalas, Meneifi, Naboot Saif, Sullaj）。	计算机视觉	NA	深度学习算法	人工神经网络	图像	五类枣果图像
991	2024-08-04	Design and Development of Hypertuned Deep learning Frameworks for Detection and Severity Grading of Brain Tumor using Medical Brain MR images 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056288248240309044616 PMID:38494939	研究论文	本文旨在创建基于深度学习的CAD框架，用于脑肿瘤的自动检测和严重程度分级	研究工作的新颖之处在于深度学习框架的架构设计，并进行了超参数调整以优化模型性能	NA	研究的目的是开发自动检测和分级脑肿瘤的深度学习模型	研究对象为脑部MRI图像中的脑肿瘤及其分类	计算机视觉	脑肿瘤	深度学习	CNN	医学图像	使用BraTs数据集进行测试，包含多个脑肿瘤样本
992	2024-08-04	Clinical Application of Automatic Assessment of Scoliosis Cobb Angle Based on Deep Learning 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056278130231218073650 PMID:38415463	研究论文	本文探讨了一种基于深度学习的脊柱侧弯科布角度自动评估模型在临床中的应用价值。	该研究首次对深度学习模型进行临床应用验证，并与传统手动测量方法进行了比较。	外部验证仍然缺乏，且样本主要来源于开放和私人数据集，可能影响结果的普适性。	本研究旨在探索自动评估模型在临床实践中的应用价值。	进行了对481个脊柱X光片进行深度学习模型与手动测量方法的比较。	数字病理学	脊柱侧弯	深度学习	VFLDN和Seg4Reg	影像	481个脊柱X光片作为训练和验证集，119个脊柱X光片作为测试集
993	2024-08-04	LST-AI: A deep learning ensemble for accurate MS lesion segmentation 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103611 PMID:38703470	研究论文	本文介绍了LST-AI，一个用于多发性硬化症（MS）白质病变的深度学习分割工具	LST-AI是基于LST的先进深度学习扩展，采用三种3D U-Net的集成方法，并解决了白质病变与非病变白质之间的不平衡	缺乏对比于当前最新的多发性硬化症检查结果的外部验证	旨在提高多发性硬化症白质病变的自动分割准确性	491对来自3T MRI扫描仪的T1加权和FLAIR图像进行的多发性硬化症病例	计算机视觉	多发性硬化症	深度学习	3D U-Net	图像	491对图像样本
994	2024-08-04	ProSTAGE: Predicting Effects of Mutations on Protein Stability by Using Protein Embeddings and Graph Convolutional Networks 2024-01-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01697 PMID:38166383	研究论文	本文提出了一种名为ProSTAGE的新方法，用于预测单点突变对蛋白质稳定性的影响。	结合结构与序列嵌入，采用图卷积网络深度学习方法，显著提高了突变影响问题的预测能力。	尚未提及方法在不同类型突变或更大规模的实验验证中的表现。	开发一种更快速、更准确的预测蛋白质突变对稳定性影响的方法。	针对单点突变影响蛋白质稳定性的关系进行建模和预测。	机器学习	NA	深度学习	图卷积网络	序列数据	使用一个几乎是最常用的S2648数据集两倍大小的更大数据集
995	2024-08-04	Exploring the Alternative Conformation of a Known Protein Structure Based on Contact Map Prediction 2024-01-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01381 PMID:38117138	研究论文	本文探讨了如何基于接触图预测来探索已知蛋白质结构的替代构象	提出将深度学习的蛋白质结构预测目标从单一特定结构转向多个可能结构	研究主要集中于二态蛋白，可能不适用于所有类型的蛋白质	研究如何从给定蛋白序列预测多态结构	分析数十种二态蛋白的接触图预测结果	机器学习	NA	深度学习与基于物理的计算方法结合	NA	蛋白质结构	数十种二态蛋白
996	2024-08-04	Comprehensive Review of Drug-Drug Interaction Prediction Based on Machine Learning: Current Status, Challenges, and Opportunities 2024-01-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01304 PMID:38132638	综述	本文系统回顾了基于机器学习的药物-药物相互作用预测研究的现状、挑战和机会	提出并比较了不同的药物属性和机器学习方法在药物-药物相互作用预测中的应用	可能未覆盖所有最新的研究进展和数据来源	探讨药物-药物相互作用预测研究的现状和未来方向	基于机器学习方法的药物-药物相互作用预测研究	机器学习	NA	机器学习	浅层学习，深度学习，推荐系统，知识图谱	药物数据库，药物属性数据	NA
997	2024-08-04	E2EATP: Fast and High-Accuracy Protein-ATP Binding Residue Prediction via Protein Language Model Embedding 2024-01-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01298 PMID:38127815	研究论文	本研究提出了一种基于蛋白质语言模型嵌入的E2EATP模型，用于快速且高精度的蛋白质-ATP结合位点预测	本研究的创新点在于采用了预训练的深度学习蛋白质语言模型（ESM2）来自动提取与蛋白质功能相关的高潜在判别表示，从而提升预测性能	在特征表示质量的局限性方面，预测性能仍有较大提升空间	本研究旨在改善蛋白质-ATP结合位点的预测性能	研究对象为蛋白质序列，通过提取其中的信息来预测其ATP结合位点	计算机视觉	NA	深度学习，蛋白质语言模型	残差卷积神经网络	蛋白质序列	两个独立测试数据集
998	2024-08-04	Multi-CGAN: Deep Generative Model-Based Multiproperty Antimicrobial Peptide Design 2024-01-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01881 PMID:38135439	研究论文	本研究提出了一种基于深度生成模型的Antimicrobial肽设计方法Multi-CGAN	提出了一种新颖的Multi-CGAN结构，能够从单一属性肽数据中学习并生成多属性的抗菌肽序列	NA	探讨如何在药物发现中设计具有多种属性的新型抗菌肽	抗菌肽及其属性的生成与设计	机器学习	NA	深度生成模型	CGAN	肽数据	NA
999	2024-08-04	fNIRS-Driven Depression Recognition Based on Cross-Modal Data Augmentation 2024, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3429337 PMID:39012734	研究论文	本文提出了一种基于交叉模态数据增强的fNIRS驱动抑郁识别架构	该文通过将fNIRS数据转换为伪序列激活图像，提出了一种时间域增强机制以生成多样的数据	在标准实验范式下收集大规模fNIRS数据集仍然存在挑战，限制了深度网络的应用	研究fNIRS数据在抑郁症早期诊断中的应用	使用fNIRS数据进行抑郁症的两类和五类严重程度识别	数字病理学	抑郁症	fNIRS	深度分类网络	图像	NA
1000	2024-08-04	Current Computational Methods for Protein-peptide Complex Structure Prediction 2024, Current medicinal chemistry IF:3.5Q2 DOI:10.2174/0109298673263447230920151524 PMID:37888817	review	本文回顾了最新开发的蛋白-肽对接方法，分类为三种组别	该文提供了对蛋白-肽对接方法的全面分类和评估标准的讨论	未提及具体的实验验证或特定应用实例的局限性	综述当前的蛋白-肽复合物结构预测的计算方法	讨论了蛋白-肽相互作用的计算方法	计算生物学	NA	计算对接	深度学习方法	NA	NA