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
11121	2024-08-07	MolLoG: A Molecular Level Interpretability Model Bridging Local to Global for Predicting Drug Target Interactions 2024-May-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00171 PMID:38709146	研究论文	本文提出了一种名为MolLoG的深度学习网络结构，用于预测药物与蛋白质之间的相互作用，并通过局部特征编码器和全局交互学习模块提供分子级别的解释	MolLoG模型通过局部特征编码器和全局交互学习模块，有效地平衡了局部特征提取与全局特征交互，为药物开发提供了分子级别的深入见解	NA	旨在解决药物研究中药物与蛋白质相互作用预测的挑战，提供分子级别的解释	药物与蛋白质分子及其相互作用	计算机科学	NA	深度学习	深度学习网络结构	分子数据	涉及四个数据集
11122	2024-08-07	CNSMolGen: A Bidirectional Recurrent Neural Network-Based Generative Model for De Novo Central Nervous System Drug Design 2024-May-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00504 PMID:38739718	研究论文	本研究开发了一种基于双向循环神经网络的生成模型CNSMolGen，用于中枢神经系统药物的从头分子设计	CNSMolGen模型利用双向循环神经网络框架，能够生成具有中枢神经系统药物特性和可合成性的全新分子结构，并通过迁移学习在小数据集上进行中枢神经系统药物优化评估	NA	加速中枢神经系统药物发现并提高其疗效	中枢神经系统药物的分子设计与优化	机器学习	神经退行性疾病	双向循环神经网络	Bi-RNN	分子结构	使用针对血清素转运体（SERT）的药物作为微调数据集
11123	2024-08-07	Predicting Antimicrobial Peptides Using ESMFold-Predicted Structures and ESM-2-Based Amino Acid Features with Graph Deep Learning 2024-May-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c02061 PMID:38739853	研究论文	本文提出了一种基于图深度学习的框架，利用ESMFold预测的肽结构和ESM-2模型衍生的氨基酸水平进化信息来预测抗菌肽	该方法无需多序列比对，且结合了最新的三维结构预测技术和图注意力网络，提高了模型的泛化能力	NA	开发一种新的结构依赖且无需比对的方法，用于抗菌肽的分类和其他肽及蛋白质活性的建模	抗菌肽的分类	机器学习	NA	图深度学习	图注意力网络 (GAT)	肽序列	67,058个肽
11124	2024-08-07	Prediction of Transcription Factor Binding Sites on Cell-Free DNA Based on Deep Learning 2024-May-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00047 PMID:38798191	研究论文	本研究提出了一种基于深度学习的无创方法，用于预测细胞游离DNA上的转录因子结合位点	利用卷积神经网络结合长短期记忆模型，从已知的转录因子结合位点学习序列信息，实现对细胞游离DNA上转录因子结合位点的非侵入性预测	NA	探索基因调控机制，为临床实践中疾病的动态监测提供技术指导	细胞游离DNA上的转录因子结合位点	机器学习	NA	深度学习	卷积神经网络结合长短期记忆模型	序列信息	NA
11125	2024-08-07	DTDO: Driving Training Development Optimization enabled deep learning approach for brain tumour classification using MRI 2024-May-27, Network (Bristol, England) DOI:10.1080/0954898X.2024.2351159 PMID:38801074	研究论文	本文提出了一种名为DTDO-ZFNet的深度学习方法，用于通过MRI图像进行脑肿瘤分类	引入了DTDO-ZFNet模型，结合DTBO和CDDO技术，提高了脑肿瘤检测的准确性	NA	提高脑肿瘤检测的准确性	脑肿瘤	机器学习	脑肿瘤	MRI	ZFNet	图像	NA
11126	2024-08-07	Enhanced reliability and time efficiency of deep learning-based posterior tibial slope measurement over manual techniques 2024-May-26, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA DOI:10.1002/ksa.12241 PMID:38796728	研究论文	本研究通过机器学习和人工智能技术，开发了一种基于深度学习的方法来测量磁共振成像中的胫骨后倾角，以提高前交叉韧带重建手术后的风险分层、诊断洞察、干预预后和手术规划的效率	本研究引入了机器学习和人工智能技术，通过YOLOv8算法实现了对胫骨后倾角的自动测量，提高了测量的准确性和效率	NA	提高前交叉韧带重建手术后的风险分层、诊断洞察、干预预后和手术规划的效率	胫骨后倾角的测量	机器学习	NA	YOLOv8算法	YOLOv8	图像	120名接受前交叉韧带重建手术的患者
11127	2024-08-07	Multispecies deep learning using citizen science data produces more informative plant community models 2024-May-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48559-9 PMID:38789424	研究论文	本文利用深度神经网络（DNNs）和公民科学数据，对瑞士的2477种植物物种及其集合的分布进行了联合建模，以提高物种分布和群落组成的预测准确性。	本文采用了多物种深度学习方法，相较于传统方法，能更准确地预测物种分布和群落组成，并能研究生态学中较少探讨的方面。	NA	旨在利用大数据和深度学习技术提高植物物种分布和群落组成的预测准确性。	研究对象包括2477种植物物种及其在瑞士的分布。	机器学习	NA	深度神经网络（DNNs）	DNN	数据	670万条观测数据
11128	2024-08-07	Biochemical-free enrichment or depletion of RNA classes in real-time during direct RNA sequencing with RISER 2024-May-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48673-8 PMID:38789440	研究论文	介绍了一种名为RISER的无生物化学技术，用于实时富集或消耗RNA类别，通过直接RNA测序中的分子选择性排斥实现	RISER技术通过深度学习直接从纳米孔信号中识别RNA类别，并与测序硬件实时通信，实现了对特定RNA类别的实时富集或消耗	NA	开发一种无需生物化学处理的技术，以解决细胞转录组异质性带来的挑战，特别是检测低表达RNA类别的问题	细胞转录组中的RNA类别，特别是低表达的RNA类别	NA	NA	直接RNA测序	深度学习	RNA序列数据	NA
11129	2024-08-07	A deep learning-based radiomics model for predicting lymph node status from lung adenocarcinoma 2024-May-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01300-w PMID:38789936	研究论文	本研究利用基于深度学习的放射组学模型，通过增强CT预测肺腺癌患者的淋巴结状态	引入了一种基于增强CT图像的无创分类预测模型，使用极端梯度提升方法（XGBoost），显著提高了识别肺腺癌患者淋巴结状态的精度	NA	开发一种安全且准确的方法来预测肺腺癌的淋巴结转移	肺腺癌患者的淋巴结状态	机器学习	肺腺癌	增强CT	XGBoost	图像	503例患者，其中287例有淋巴结转移，216例无淋巴结转移
11130	2024-08-07	Real-time sports injury monitoring system based on the deep learning algorithm 2024-May-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01304-6 PMID:38789963	研究论文	本文研究了一种基于支持向量机模型的实时运动伤害监测系统，通过视频检测和关节检测捕捉人体运动，利用多项式拟合分析提取关节运动模式，并通过数据处理提高处理效率和模型训练速度。	本文采用了支持向量机模型进行数据分类和识别，相较于主流模型如随机森林和朴素贝叶斯，在准确性、敏感性和特异性上表现更佳。	NA	提高运动伤害监测的实时性和准确性	运动伤害监测系统	机器学习	NA	支持向量机（SVM）	SVM	视频	NA
11131	2024-08-07	Deep learning of mammogram images to reduce unnecessary breast biopsies: a preliminary study 2024-May-24, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-024-01830-9 PMID:38790005	研究论文	本研究开发了一种基于深度学习的分类算法，用于分析乳腺X光图像，旨在减少不必要的乳腺活检	利用卷积神经网络对BI-RADS 4级可疑病变进行分类，以识别可能不需要活检的良性病例	研究为回顾性，且特定性值在不同任务中表现不一，最高为46%	通过深度学习技术减少不必要的乳腺活检	BI-RADS 4级乳腺病变患者	计算机视觉	乳腺癌	卷积神经网络	CNN	图像	847名BI-RADS 4级乳腺病变患者，包括200例浸润性乳腺癌、200例导管原位癌、198例纯异型、194例良性及55例异型升级为恶性
11132	2024-08-07	Development of scoring-assisted generative exploration (SAGE) and its application to dual inhibitor design for acetylcholinesterase and monoamine oxidase B 2024-May-24, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00845-w PMID:38790018	研究论文	本研究开发了一种名为Scoring-Assisted Generative Exploration (SAGE)的计算方法，用于增强化学多样性和属性优化，并在六个蛋白质目标中生成了具有高分数的分子。	SAGE方法通过虚拟合成模拟、生成复杂的双环桥环和多重评分模型，全面优化药物样属性，显著提升了从头分子设计的效率。	NA	开发一种新的计算方法，用于增强从头分子设计的化学多样性和属性优化。	开发和应用SAGE方法，生成具有所需属性的分子，特别是作为乙酰胆碱酯酶和单胺氧化酶B的双重抑制剂。	药物发现	NA	深度学习	NA	分子结构	六个蛋白质目标
11133	2024-08-07	Exploring the roles of ribosomal peptides in prokaryote-phage interactions through deep learning-enabled metagenome mining 2024-May-24, Microbiome IF:13.8Q1 DOI:10.1186/s40168-024-01807-y PMID:38790030	研究论文	本研究通过深度学习方法探索海洋微生物组中核糖体合成和翻译后修饰肽（RiPPs）的生物合成特征及其在微生物与病毒相互作用中的潜在作用	开发了TrRiPP方法，通过深度学习技术独立于标志基因的方式识别海洋宏基因组中的RiPP前体，克服了传统方法处理高度碎片化宏基因组数据的局限性	NA	探索RiPPs的生物合成潜力及其在海洋微生物与病毒相互作用中的生态功能	海洋微生物组中的RiPPs及其与病毒的相互作用	机器学习	NA	深度学习	NA	宏基因组数据	全球海洋微生物组的宏基因组数据
11134	2024-08-07	DeepFace: Deep learning-based framework to contextualize orofacial cleft-related variants during human embryonic craniofacial development 2024-May-24, HGG advances DOI:10.1016/j.xhgg.2024.100312 PMID:38796699	研究论文	开发了一种基于深度学习的框架DeepFace，用于评估与人类胚胎颅面发育相关的唇腭裂相关变异的功能影响	DeepFace模型能够利用广泛的表观基因组测定中的远端调控信号，为使用情境化的功能基因组特征优先处理唇腭裂变异提供新视角	NA	评估与唇腭裂相关的单核苷酸多态性（SNP）的功能影响	唇腭裂相关的SNP及其在胚胎颅面发育中的作用	机器学习	唇腭裂	卷积神经网络	CNN	表观基因组数据	204项表观基因组测定
11135	2024-08-07	A Primer for Utilizing Deep Learning and Abdominal MRI Imaging Features to Monitor Autosomal Dominant Polycystic Kidney Disease Progression 2024-May-20, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12051133 PMID:38791095	研究论文	本文探讨了利用深度学习和腹部MRI影像特征监测常染色体显性多囊肾病（ADPKD）进展的方法	利用深度学习技术提高了肾脏体积（TKV）测量的速度、准确性和可重复性，并能分割其他器官和组织，提取额外的生物标志物	NA	展示如何应用深度学习测量TKV并扩展到测量ADPKD的其他特征	常染色体显性多囊肾病（ADPKD）的腹部影像特征	机器学习	肾脏疾病	深度学习	深度学习模型	影像	NA
11136	2024-08-07	Single-Shot 3D Reconstruction via Nonlinear Fringe Transformation: Supervised and Unsupervised Learning Approaches 2024-May-20, Sensors (Basel, Switzerland) DOI:10.3390/s24103246 PMID:38794100	研究论文	本文介绍了一种新的单次3D形状重建方法，通过非线性条纹变换结合监督和非监督学习网络实现	提出了一种结合结构光和深度学习的3D形状重建技术，使用非线性条纹变换方法，并通过实验验证了非监督学习方法在图像生成方面的优越性	NA	实现从单一2D图像中准确重建3D物体形状	3D形状重建技术	计算机视觉	NA	结构光条纹投影轮廓测量技术	深度卷积生成对抗网络（DCGAN）和UNet	灰度条纹图像	NA
11137	2024-08-07	Improving the Concrete Crack Detection Process via a Hybrid Visual Transformer Algorithm 2024-May-20, Sensors (Basel, Switzerland) DOI:10.3390/s24103247 PMID:38794102	研究论文	本研究通过结合视觉变换器（ViT）和图像增强检测算法，提高了混凝土裂缝检测的效率	本研究首次将ViT与多种图像增强检测器结合，显著提高了混凝土裂缝检测的准确性	NA	提高混凝土桥梁检查的效率和准确性	混凝土桥梁的裂缝检测	计算机视觉	NA	视觉变换器（ViT），卷积神经网络（CNN）	视觉变换器（ViT），卷积神经网络（CNN）	图像	超过20,000张高质量图像
11138	2024-08-07	Artificial Intelligence and Deep Learning in Sensors and Applications 2024-May-20, Sensors (Basel, Switzerland) DOI:10.3390/s24103258 PMID:38794112	研究论文	本文探讨了在传感器应用中使用人工智能和深度学习技术来解决复杂问题的方法。	本文采用了大量不同类型的传感器来收集数据，并基于深度学习和人工智能建立有效解决方案。	NA	旨在通过传感器收集数据并应用深度学习和人工智能技术解决复杂问题。	传感器数据和人工智能技术。	机器学习	NA	深度学习	NA	数据	大量不同类型的传感器
11139	2024-08-07	Deep Learning for Nasopharyngeal Carcinoma Segmentation in Magnetic Resonance Imaging: A Systematic Review and Meta-Analysis 2024-May-17, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050504 PMID:38790370	meta-analysis	本文通过系统综述和荟萃分析评估了深度学习模型在磁共振成像中鼻咽癌分割的性能	深度学习模型，特别是卷积神经网络，在磁共振成像中提供了中等准确的鼻咽癌分割	研究中观察到显著的异质性和发表偏倚	评估深度学习模型在磁共振成像中鼻咽癌分割的准确性	鼻咽癌在磁共振成像中的分割	computer vision	nasopharyngeal carcinoma	NA	CNN	image	分析包含了17项研究
11140	2024-08-07	Deep Learning and High-Resolution Anoscopy: Development of an Interoperable Algorithm for the Detection and Differentiation of Anal Squamous Cell Carcinoma Precursors-A Multicentric Study 2024-May-17, Cancers IF:4.5Q1 DOI:10.3390/cancers16101909 PMID:38791987	研究论文	本文开发了一种用于检测和区分肛门鳞状细胞癌前病变的高分辨率肛门镜检查的深度学习算法	该研究利用卷积神经网络（CNN）自动检测和区分高级别鳞状上皮内病变（HSIL）和低级别鳞状上皮内病变（LSIL），并展示了在传统和数字肛门镜检查系统中的有效性	NA	开发一种深度学习系统，用于自动检测和区分高分辨率肛门镜检查图像中的HSIL和LSIL	高分辨率肛门镜检查图像中的HSIL和LSIL	机器学习	肛门鳞状细胞癌	卷积神经网络（CNN）	CNN	图像	共包含57,822张图像，其中28,874张为HSIL，28,948张为LSIL