深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
7141	2024-10-01	DTVF: A User-Friendly Tool for Virulence Factor Prediction Based on ProtT5 and Deep Transfer Learning Models 2024-Sep-05, Genes IF:2.8Q2 DOI:10.3390/genes15091170 PMID:39336761	研究论文	本文提出了一种基于ProtT5和深度迁移学习模型的用户友好型工具DTVF，用于预测病原体的毒力因子	本文创新性地将长短期记忆网络（LSTM）与卷积神经网络（CNN）结合，并引入注意力机制，显著提高了毒力因子检测的准确性	NA	解决生物信息学领域中病原体毒力因子识别的重要问题	病原体的毒力因子	机器学习	NA	深度迁移学习	LSTM和CNN	蛋白质序列	NA	NA	NA	NA	NA
7142	2024-10-01	Deep Learning-Based Obesity Identification System for Young Adults Using Smartphone Inertial Measurements 2024-Sep-04, International journal of environmental research and public health DOI:10.3390/ijerph21091178 PMID:39338061	研究论文	本文提出了一种基于深度学习的肥胖识别系统，利用智能手机的惯性测量数据来识别年轻人的肥胖情况	本文创新性地将智能手机的惯性测量数据与深度学习模型结合，用于识别肥胖	研究样本较小，且排除了步态异常的个体	开发一种基于智能手机惯性测量数据的深度学习模型，用于识别年轻人的肥胖情况	年轻人的肥胖识别	机器学习	NA	惯性测量	CNN, LSTM, CNN-LSTM	惯性测量数据	训练集包含138名受试者，测试集包含35名受试者	NA	NA	NA	NA
7143	2024-10-01	Enhancing Missense Variant Pathogenicity Prediction with MissenseNet: Integrating Structural Insights and ShuffleNet-Based Deep Learning Techniques 2024-Sep-02, Biomolecules IF:4.8Q1 DOI:10.3390/biom14091105 PMID:39334871	研究论文	本文提出了一种名为MissenseNet的模型，通过整合AlphaFold2的蛋白质结构预测和基于ShuffleNet的深度学习技术，提高了错义变异致病性预测的准确性	MissenseNet模型不仅利用了传统的预测特征，还整合了AlphaFold2的蛋白质结构预测数据，并通过ShuffleNet架构中的编码器-解码器框架和Squeeze-and-Excitation模块优化了特征融合和交互	NA	提高错义变异致病性预测的准确性，以支持疾病诊断和个性化治疗策略	错义变异的致病性分类	机器学习	NA	深度学习	ShuffleNet	蛋白质结构数据	NA	NA	NA	NA	NA
7144	2024-10-01	MuToN Quantifies Binding Affinity Changes upon Protein Mutations by Geometric Deep Learning 2024-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202402918 PMID:38995072	研究论文	本文介绍了一种名为MuToN的几何深度学习框架，用于量化蛋白质突变后结合亲和力的变化	MuToN利用几何注意力网络，能够捕捉突变复合物蛋白质结合界面的变化，并评估氨基酸的变构效应	NA	评估蛋白质突变对蛋白质-蛋白质结合亲和力的影响	蛋白质突变后的结合亲和力变化	机器学习	NA	几何深度学习	几何注意力网络	蛋白质结合界面数据	涉及SARS-CoV-2变体与ACE2复合物的结合亲和力变化	NA	NA	NA	NA
7145	2024-10-01	Text-to-Microstructure Generation Using Generative Deep Learning 2024-Sep, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202402685 PMID:38770745	研究论文	本文提出了一种基于生成深度学习的文本到微观结构生成网络Txt2Microstruct-Net，能够直接从文本提示生成3D材料微观结构	首次提出了一种文本到微观结构的生成网络，无需额外优化过程，且能够生成多种几何表示	尚未提及	开发一种能够从文本直接生成3D材料微观结构的生成网络	材料微观结构和超材料的设计	机器学习	NA	生成深度学习	生成网络	微观结构-描述对数据集	大量微观结构-描述对数据	NA	NA	NA	NA
7146	2024-10-01	Comparison of deep learning models to traditional Cox regression in predicting survival of colon cancer: Based on the SEER database 2024-Sep, Journal of gastroenterology and hepatology IF:3.7Q2 DOI:10.1111/jgh.16598 PMID:38725241	研究论文	本研究使用深度学习算法预测结肠癌患者的生存率，并与传统的Cox回归模型进行性能比较	深度学习模型在预测结肠癌患者生存率方面表现出比传统Cox回归模型更好的性能	NA	比较深度学习模型与传统Cox回归模型在预测结肠癌患者生存率方面的性能	结肠癌患者的生存率预测	机器学习	结肠癌	深度学习	人工神经网络 (ANN), 深度神经网络 (DNN), 长短期记忆 (LSTM) 神经网络	文本	训练集10596例，测试集4536例	NA	NA	NA	NA
7147	2024-10-01	Data-driven discrete fractional chaotic systems, new numerical schemes and deep learning 2024-Sep-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0218662 PMID:39345192	研究论文	本文提出了一种基于数据驱动的离散分数阶混沌系统的新数值方案和深度学习方法	本文首次提出了针对Caputo和Riemann-Liouville类型的延迟分数阶差分方程的新数值方案，并利用神经网络方法估计离散分数阶混沌系统的未知参数	NA	研究数据驱动的分数阶混沌系统中的参数估计问题	离散分数阶混沌系统的参数估计	机器学习	NA	神经网络	神经网络	数值数据	NA	NA	NA	NA	NA
7148	2024-10-01	Accurate deep learning-based filtering for chaotic dynamics by identifying instabilities without an ensemble 2024-Sep-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0230837 PMID:39345191	研究论文	研究使用深度学习方法在混沌动力学中进行数据同化（DA）方案的发现	提出了一种无需集合的深度学习方法，能够准确地进行混沌动力学的数据同化，达到了与最佳调谐的集合卡尔曼滤波器相当的精度	假设动力学已知，且仅在Lorenz 96动力学模型上进行了实验	探索深度学习在混沌动力学数据同化中的应用	数据同化中的分析步骤，特别是从状态轨迹和观测中学习分析步骤	机器学习	NA	深度学习	残差卷积神经网络	时间序列数据	Lorenz 96动力学模型	NA	NA	NA	NA
7149	2024-10-01	DRpred: A Novel Deep Learning-Based Predictor for Multi-Label mRNA Subcellular Localization Prediction by Incorporating Bayesian Inferred Prior Label Relationships 2024-Aug-26, Biomolecules IF:4.8Q1 DOI:10.3390/biom14091067 PMID:39334834	研究论文	提出了一种基于深度学习的mRNA亚细胞定位预测模型DRpred，结合贝叶斯推断的先验标签关系和神经网络进行预测	DRpred通过贝叶斯网络捕捉标签间的依赖关系，并结合Word2vec提取的特征，使用BiLSTM和注意力机制捕捉输入特征的内部关系，显著提升了多标签预测性能	NA	开发一种新的多标签mRNA亚细胞定位预测模型，以提高预测性能	mRNA的亚细胞定位	机器学习	NA	深度学习	BiLSTM	序列	独立测试集上的实验验证	NA	NA	NA	NA
7150	2024-10-01	CROSS-AGE AND CROSS-SITE DOMAIN SHIFT IMPACTS ON DEEP LEARNING-BASED WHITE MATTER FIBER ESTIMATION IN NEWBORN AND BABY BRAINS 2024-Aug-25, ArXiv PMID:38196752	研究论文	研究了深度学习模型在新生儿和婴儿大脑白质纤维估计中的跨年龄和跨站点域偏移影响	首次探讨了在快速发育的婴儿大脑中估计纤维方向分布函数的域适应技术	研究仅限于新生儿和婴儿大脑，未涉及成人或其他年龄段	探讨深度学习模型在不同年龄和站点数据上的域偏移问题	新生儿和婴儿大脑的白质纤维估计	计算机视觉	NA	深度学习	NA	图像	201名新生儿和165名婴儿	NA	NA	NA	NA
7151	2024-10-01	In Silico Exploration of Novel EGFR Kinase Mutant-Selective Inhibitors Using a Hybrid Computational Approach 2024-Aug-23, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph17091107 PMID:39338272	研究论文	本研究利用计算方法识别和表征潜在的EGFR突变选择性抑制剂	采用药效团设计和深度学习、虚拟筛选、ADMET和分子对接动力学模拟相结合的混合计算方法	NA	开发针对非小细胞肺癌中EGFR突变的有效治疗策略	EGFR突变选择性抑制剂	药物设计	肺癌	分子对接、分子动力学模拟	深度学习	分子结构	从Zinc数据库中筛选出16个潜在抑制剂	NA	NA	NA	NA
7152	2024-09-30	Research Note: A deep learning method segments chicken keel bones from whole-body X-ray images 2024-Nov, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2024.104214 PMID:39190989	研究论文	本文提出了一种基于深度学习的方法，用于从全身X光图像中分割鸡的胸骨（龙骨）	本文首次使用U-net模型对鸡的全身X光图像进行胸骨分割，并取得了较高的分割精度	本文未详细讨论模型的泛化能力和在不同品种鸡上的适用性	训练一个深度学习模型，用于从全身X光图像中自动分割鸡的胸骨	鸡的胸骨（龙骨）	计算机视觉	NA	深度学习	U-net	图像	1,051只产蛋鸡的全身X光图像	NA	NA	NA	NA
7153	2024-09-16	Monitoring activity index and behaviors of cage-free hens with advanced deep learning technologies 2024-Nov, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2024.104193 PMID:39191000	研究论文	本研究开发了卷积神经网络模型来监测散养鸡的活动指数	结合YOLOv8和DeepSORT模型在多目标跟踪精度上表现最佳，达到94%的MOTA	NA	评估动物健康和福利	散养鸡的行为和活动	计算机视觉	NA	卷积神经网络	CNN	图像	1500张顶视图图像，其中900张用于训练，300张用于验证，300张用于测试	NA	NA	NA	NA
7154	2024-09-30	Research note: A method for recognizing and evaluating typical behaviors of laying hens in a thermal environment 2024-Nov, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2024.104122 PMID:39190998	研究论文	提出了一种基于深度学习的方法，用于自动识别和评估热环境中笼养蛋鸡的典型热应激行为	开发了一种轻量级目标检测算法YOLO-HGP，基于YOLOv8n模型，显著提高了检测精度和效率	NA	提高热环境中笼养蛋鸡行为管理的自动化水平，为培育耐热蛋鸡提供参考指标	笼养蛋鸡在热环境中的典型热应激行为	计算机视觉	NA	深度学习	YOLO-HGP	视频	NA	NA	NA	NA	NA
7155	2024-09-30	Dissecting AI-based mutation prediction in lung adenocarcinoma: A comprehensive real-world study 2024-Nov, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2024.114292 PMID:39276594	研究论文	本文通过大规模真实世界研究，评估了基于AI的深度学习模型在肺腺癌突变预测中的应用	本文利用大规模样本集（2356个晚期FFPE样本）训练模型，提高了突变预测的鲁棒性和泛化能力	尽管模型在预测突变方面表现良好，但不能完全替代全面的分子分析	评估深度学习模型在肺腺癌突变预测中的准确性和泛化能力	肺腺癌患者的突变预测	数字病理	肺腺癌	深度学习	深度学习模型	图像	2356个晚期FFPE样本	NA	NA	NA	NA
7156	2024-09-30	Classification of Shoulder Implant Manufacturer Using Pre-Trained DenseNet201 Combined With Capsule Network 2024-Oct, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.2672 PMID:39334563	研究论文	本研究旨在通过X射线影像和深度学习技术，提前识别肩部植入物制造商，以加速修订手术和治疗	提出了基于预训练DenseNet201与胶囊网络（DenseNet201-Caps）的肩部植入物分类模型，并通过多阶段分类方法提高了准确性	DenseNet201-Caps在区分Cofield和Depuy制造商时存在困难	加速修订手术和治疗，提前识别肩部植入物制造商	肩部植入物制造商的分类	计算机视觉	NA	深度学习	DenseNet201与胶囊网络	X射线影像	聚类的肩部植入物数据集	NA	NA	NA	NA
7157	2024-09-30	Identification of Alzheimer's disease and vascular dementia based on a Deep Forest and near-infrared spectroscopy analysis method 2024-Sep-23, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125209 PMID:39340951	研究论文	本研究利用近红外光谱技术和深度森林模型，开发了一种阿尔茨海默病和血管性痴呆的鉴别诊断模型	首次将近红外光谱技术与深度学习结合，用于阿尔茨海默病和血管性痴呆的鉴别诊断	样本量相对较小，可能影响模型的泛化能力	开发一种准确且快速的阿尔茨海默病和血管性痴呆鉴别诊断方法	阿尔茨海默病患者、血管性痴呆患者和健康个体	机器学习	阿尔茨海默病	近红外光谱技术	深度森林	光谱数据	33名阿尔茨海默病患者、37名血管性痴呆患者和130名健康个体	NA	NA	NA	NA
7158	2024-09-30	Optimizing Deep Learning Models with Improved BWO for TEC Prediction 2024-Sep-22, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9090575 PMID:39329597	研究论文	本文提出了一种改进的BWO算法FAMBWO，用于优化深度学习模型的超参数，并应用于TEC预测	提出了FAMBWO算法，结合了萤火虫优化和多策略优化，显著提高了收敛速度和优化效果	未提及具体限制	优化深度学习模型的超参数，提高TEC预测的准确性	TEC预测和深度学习模型的超参数优化	机器学习	NA	深度学习	BiLSTM	数值数据	30个基准函数	NA	NA	NA	NA
7159	2024-09-30	Improvement in Image Quality of Low-Dose CT of Canines with Generative Adversarial Network of Anti-Aliasing Generator and Multi-Scale Discriminator 2024-Sep-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090944 PMID:39329686	研究论文	本文提出了一种基于生成对抗网络（GAN）的低剂量CT图像质量改进框架，专门用于动物CT成像	引入了抗锯齿生成器和多尺度判别器，结合BlurPool、PixelShuffle、分层特征合成网络和空间通道挤压激励块等技术，显著提高了低剂量CT图像的噪声减少、对比度增强和解剖结构保留	NA	旨在通过深度学习技术改进低剂量CT图像质量，以减少辐射暴露并提高诊断准确性	动物CT图像	计算机视觉	NA	生成对抗网络（GAN）	CycleGAN	图像	NA	NA	NA	NA	NA
7160	2024-09-30	Deep Learning-Based Fine-Tuning Approach of Coarse Registration for Ear-Nose-Throat (ENT) Surgical Navigation Systems 2024-Sep-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090941 PMID:39329683	研究论文	本研究提出了一种基于深度学习的细化步骤，用于增强耳鼻喉（ENT）手术导航系统中表面注册的准确性	本研究引入了一种新的深度学习方法，通过在传统粗注册和ICP细注册之间集成机器学习模型，显著提高了目标注册误差（TRE）	NA	提高耳鼻喉手术导航系统中图像与患者解剖结构注册的准确性	耳鼻喉手术导航系统中的表面注册	计算机视觉	NA	深度学习	深度学习模型	图像	硅胶面具头模和CT影像	NA	NA	NA	NA