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
6461	2024-10-02	Deep learning methods in metagenomics: a review 2024-Apr, Microbial genomics IF:4.0Q2 DOI:10.1099/mgen.0.001231 PMID:38630611	综述	本文综述了深度学习在宏基因组学中的应用	深度学习方法在宏基因组数据分析中提供了新颖且有前景的途径，能够解决包括新病原体检测、序列分类、患者分层和疾病预测在内的多个方面问题	NA	探讨深度学习在宏基因组学中的应用及其对患者护理和微生物组健康作用的改进	宏基因组数据，特别是肠道微生物组	机器学习	NA	深度学习	卷积网络、自编码器和基于注意力的模型	序列数据	NA
6462	2024-10-02	DLKcat cannot predict meaningful k cat values for mutants and unfamiliar enzymes 2024, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae061 PMID:39346751	研究论文	本文对DLKcat模型预测酶转换数的能力进行了批判性评估	NA	DLKcat模型在预测与训练数据序列相似度低于60%的酶以及突变酶的转换数时表现不佳	评估DLKcat模型在预测酶转换数方面的实际应用价值	DLKcat模型及其预测酶转换数的能力	机器学习	NA	深度学习	DLKcat	序列数据	NA
6463	2024-10-02	Using novel deep learning models for rapid and efficient assistance in monkeypox screening from skin images 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1443812 PMID:39346943	研究论文	本文开发了一种基于自注意力机制和特征金字塔集成的深度学习模型，用于从皮肤图像中快速高效地辅助猴痘筛查	本文提出的模型结合了自注意力机制和特征金字塔集成，通过注意力策略融合不同尺度的图像特征，并借鉴VGG模型选择性地捕捉显著特征，相比现有最先进的深度学习模型，在准确性和精确度上提高了6%	NA	开发一种自动化、高效的辅助诊断模型，以提高猴痘诊断的准确性和可及性	猴痘病毒感染的皮肤图像	计算机视觉	传染性疾病	深度学习	CNN	图像	NA
6464	2024-10-02	Early Diagnosing and Transformation Prediction of Alzheimer's Disease Using Multi-Scaled Self-Attention Network on Structural MRI Images with Occlusion Sensitivity Analysis 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-230705 PMID:38160355	研究论文	本文提出了一种基于多尺度自注意力网络的阿尔茨海默病早期诊断和转化预测方法，结合结构磁共振成像和遮挡敏感性分析	本文创新性地提出了多尺度自注意力网络（MUSAN），并结合遮挡敏感性算法，提高了阿尔茨海默病的分类和预测性能	NA	实现阿尔茨海默病的精确分类和转化预测，并提高深度学习模型的可解释性	阿尔茨海默病患者的结构磁共振成像数据	计算机视觉	阿尔茨海默病	多尺度自注意力网络	自注意力网络	图像	使用了ADNI-1、ADNI-2和ADNI-3的数据集
6465	2024-10-01	DeepEMC-T2 mapping: Deep learning-enabled T2 mapping based on echo modulation curve modeling 2024-Dec, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30239 PMID:39129209	研究论文	提出了一种基于深度学习的回波调制曲线建模的T2映射方法，称为DeepEMC-T2映射，用于从较少的回波中高效估计准确的T2图	DeepEMC-T2映射通过改进的U-Net网络直接从多回波自旋回波图像中估计T2和质子密度图，无需像素级字典匹配步骤，提高了T2/PD估计的准确性	NA	开发一种高效的深度学习方法，用于从多回波自旋回波图像中准确估计T2映射	T2弛豫时间和质子密度图	计算机视觉	NA	深度学习	U-Net	图像	67个轴向采集的数据集用于网络训练和评估，57个冠状采集的数据集用于评估框架的泛化性
6466	2024-10-01	Artificial intelligence in myopia in children: current trends and future directions 2024-Nov-01, Current opinion in ophthalmology IF:3.0Q1 DOI:10.1097/ICU.0000000000001086 PMID:39259652	综述	本文综述了人工智能在儿童近视管理中的当前趋势和未来方向	本文介绍了利用人工智能进行大规模近视筛查、多模态数据分析和深度学习模型在近视进展和精准治疗中的应用	技术进步带来了监管和临床整合的实际挑战	探讨人工智能在儿童近视管理中的应用潜力	儿童近视及其进展	机器学习	眼科疾病	NA	传统机器学习模型、深度学习模型	多模态数据	NA
6467	2024-10-01	Deep learning aided measurement of outer retinal layer metrics as biomarkers for inherited retinal degenerations: opportunities and challenges 2024-Nov-01, Current opinion in ophthalmology IF:3.0Q1 DOI:10.1097/ICU.0000000000001088 PMID:39259656	综述	本文综述了用于评估遗传性视网膜变性（IRDs）的现有视网膜成像和视觉功能测试方法，重点介绍了深度学习（DL）方法在确定IRDs结构生物标志物中的应用	本文探讨了深度学习在处理视网膜图像以检测与疾病相关的结构变化中的应用	需要更多的工作来研究结构和功能之间的关系	评估遗传性视网膜变性（IRDs）的结构生物标志物	外视网膜层结构，包括外核层、椭圆体带、光感受器外段、RPE等	计算机视觉	遗传性视网膜变性	深度学习	NA	图像	NA
6468	2024-10-01	Enhanced multistage deep learning for diagnosing anterior disc displacement in the temporomandibular joint using MRI 2024-Oct-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae033 PMID:39024472	研究论文	本文提出了一种基于多阶段深度学习的前移盘诊断方法，使用MRI图像进行颞下颌关节（TMJ）的自动诊断	采用多阶段方法，易于识别和改进影响最终结果的因素	NA	开发一种自动诊断颞下颌关节前移盘的方法	颞下颌关节的前移盘诊断	机器学习	NA	MRI	DeepLabV3+	图像	368个颞下颌关节样本，来自204名患者
6469	2024-10-01	Fully automatic quantification for hand synovitis in rheumatoid arthritis using pixel-classification-based segmentation network in DCE-MRI 2024-Oct, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-024-01592-6 PMID:38789911	研究论文	提出了一种基于深度学习的分类分割方法，用于在动态对比增强磁共振成像（DCE-MRI）中自动量化类风湿性关节炎（RA）患者的滑膜炎	开发了一种基于膨胀因果卷积和SELU激活函数的深度学习模型，用于增强滑膜的分割和量化	研究为回顾性研究，样本量较小，且依赖于专家指导下的手动分割	开发一种自动化的方法，用于在DCE-MRI中量化RA患者的滑膜炎	类风湿性关节炎患者的滑膜炎	计算机视觉	类风湿性关节炎	动态对比增强磁共振成像（DCE-MRI）	深度学习模型	图像	28名类风湿性关节炎患者
6470	2024-10-01	Radiation dose reduction and image quality improvement with ultra-high resolution temporal bone CT using deep learning-based reconstruction: An anatomical study 2024-Oct, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.05.001 PMID:38744577	研究论文	本研究评估了使用深度学习重建（DLR）的超高分辨率CT（UHR-CT）在减少辐射剂量的同时保持或提高颞骨图像质量的效果	本研究首次展示了使用深度学习重建的超高分辨率CT在大幅减少辐射剂量的同时，仍能保持或提高图像质量	本研究仅在尸体颞骨CT上进行了评估，尚未在临床环境中验证其效果	评估使用深度学习重建的超高分辨率CT在减少辐射剂量的同时保持或提高颞骨图像质量的效果	颞骨CT图像质量	计算机视觉	NA	深度学习重建（DLR）	深度学习模型	图像	6具尸体颞骨
6471	2024-09-15	Breaking barriers in inner ear MRI: The changing role of deep learning reconstruction 2024-Oct, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.07.010 PMID:39271366	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6472	2024-10-01	Deep learning prediction of electrospray ionization tandem mass spectra of chemically derived molecules 2024-Sep-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52805-5 PMID:39333165	研究论文	本文介绍了一种深度学习方法DeepCDM，用于预测化学衍生分子（CDMs）的电喷雾电离串联质谱	通过迁移学习将通用模型转化为专门针对CDMs的高预测性模型，并成功应用于预测丹磺酰化分子的质谱	NA	开发一种能够准确预测化学衍生分子质谱的深度学习方法	化学衍生分子（CDMs）的电喷雾电离串联质谱	机器学习	NA	电喷雾电离串联质谱	深度学习模型	质谱数据	小规模的实验获取的CDMs串联质谱数据集
6473	2024-10-01	Spatial interpolation of global DEM using federated deep learning 2024-Sep-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72807-z PMID:39333214	研究论文	本文提出了一种基于联邦学习和多尺度U-Net的全球DEM空间插值模型	利用联邦学习保护数据隐私，同时提高插值速度	插值精度较传统方法低	提高DEM数据的空间插值效率和隐私保护	全球数字高程模型（DEM）数据	计算机视觉	NA	联邦学习	多尺度U-Net	图像	NA
6474	2024-10-01	A complex-valued convolutional fusion-type multi-stream spatiotemporal network for automatic modulation classification 2024-Sep-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73547-w PMID:39333244	研究论文	本文介绍了一种用于自动调制分类的复值卷积融合型多流时空网络	提出了复值卷积融合型多流时空网络（CC-MSNet），结合空间和时间特征提取模块，提高了低信噪比条件下的识别准确率	未提及具体局限性	提高非合作通信系统中自动调制分类的准确性	自动调制分类中的调制识别	机器学习	NA	复值卷积	卷积神经网络	信号	使用了三个基准数据集：RML2016.10a, RML2016.10b, 和 RML2016.04c
6475	2024-10-01	Identifying defects and varieties of Malting Barley Kernels 2024-Sep-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73683-3 PMID:39333255	研究论文	本文介绍了一种综合方法，用于分类大麦麦芽颗粒，涉及双面颗粒成像、专门设计的图像处理算法、优化的深度神经网络架构和机械分选系统	本文提出了一种专门为大麦颗粒图像分析设计的卷积神经网络，并展示了其在分类大麦颗粒缺陷和品种方面的优越性能	传统方法在形态特征识别方面具有优势，这为未来的研究提供了将形态特征提取技术与现代卷积网络相结合的方向	开发一种能够精确分类大麦麦芽颗粒缺陷和品种的方法	大麦麦芽颗粒的缺陷和品种	计算机视觉	NA	图像处理算法	卷积神经网络	图像	NA
6476	2024-10-01	Harnessing probabilistic neural network with triple tree seed algorithm-based smart enterprise quantitative risk management framework 2024-Sep-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73876-w PMID:39333638	研究论文	本文提出了一种基于三重树种子算法和概率神经网络的智能企业量化风险管理框架	本文创新性地结合了深度学习技术和改进的元启发式算法，用于企业风险评估模型	NA	研究目的是开发一种有效的企业风险评估模型，以支持企业决策	研究对象是企业风险管理系统和相关风险评估技术	机器学习	NA	深度学习	概率神经网络	金融数据	使用了德国和澳大利亚的信用数据集进行实验评估
6477	2024-10-01	Drug-target interaction prediction with collaborative contrastive learning and adaptive self-paced sampling strategy 2024-Sep-27, BMC biology IF:4.4Q1 DOI:10.1186/s12915-024-02012-x PMID:39334132	研究论文	提出了一种结合协同对比学习和自适应自步采样策略的深度学习模型CCL-ASPS，用于药物-靶点相互作用预测	利用多个生物网络学习药物和靶点的融合嵌入，确保从各个网络中获得一致的表示，并动态选择更具信息量的负样本对进行对比学习	未提及	提高药物-靶点相互作用预测的准确性	药物和靶点的相互作用	机器学习	NA	协同对比学习	深度学习模型	生物网络数据	未提及
6478	2024-10-01	A deep learning-informed interpretation of why and when dose metrics outside the PTV can affect the risk of distant metastasis in SBRT NSCLC patients 2024-Sep-27, Radiation oncology (London, England) DOI:10.1186/s13014-024-02519-1 PMID:39334387	研究论文	本研究通过深度学习模型分析了NSCLC患者SBRT治疗中PTV外剂量与远处转移风险的关系，并解释了先前研究结论不一致的原因	本研究通过深度学习模型和可解释AI技术，识别了影响远处转移风险的关键预测因素，并解释了先前研究结论不一致的原因	本研究仅分析了478例NSCLC患者的SBRT治疗数据，样本量有限	探讨NSCLC患者SBRT治疗中PTV外剂量与远处转移风险的关系，并解释先前研究结论不一致的原因	NSCLC患者SBRT治疗中的PTV外剂量与远处转移风险	机器学习	肺癌	深度学习	深度学习模型	数据	478例NSCLC患者
6479	2024-10-01	A multi-view feature representation for predicting drugs combination synergy based on ensemble and multi-task attention models 2024-Sep-27, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00903-3 PMID:39334437	研究论文	提出了一种多视角集成预测模型，用于预测药物组合的协同作用	通过多任务注意力深度学习模型和集成模型，结合多种药物和细胞系特征，提高了预测准确性	模型在特定数据集上表现良好，但未提及在其他数据集上的泛化能力	开发一种能够准确预测药物组合协同作用的新方法	药物组合的协同作用评分和分类标签	机器学习	NA	多任务注意力深度学习	多任务注意力模型	基因表达、拷贝数、突变、蛋白质组学、SMILES、分子图、指纹、药物-靶点	38种药物，39种癌症细胞系，共22,737对药物组合
6480	2024-10-01	VesiMCNN: Using pre-trained protein language models and multiple window scanning convolutional neural networks to identify vesicular transport proteins 2024-Sep-26, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.136048 PMID:39332561	研究论文	本文介绍了一种名为vesiMCNN的新型计算方法，结合预训练的蛋白质语言模型和多窗口扫描卷积神经网络架构，用于准确识别囊泡运输蛋白	首次利用预训练语言模型与多窗口扫描技术结合的方法来识别囊泡运输蛋白	NA	开发一种新的计算方法来准确识别囊泡运输蛋白	囊泡运输蛋白	机器学习	NA	预训练蛋白质语言模型	卷积神经网络（CNN）	蛋白质序列	NA