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
201	2024-08-04	MucLiPred: Multi-Level Contrastive Learning for Predicting Nucleic Acid Binding Residues of Proteins 2024-02-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01471 PMID:38301174	研究论文	本研究提出了一种新型深度学习模型MucLiPred，用于预测蛋白质与多种分子之间的结合位点	研究引入了双重对比学习机制，提升了多种分子-蛋白质相互作用的预测能力	未提供关于模型在其他特定分子类型上的有效性或推广能力的信息	改善多种分子-蛋白质相互作用的预测和潜在结合残基的识别	聚焦于蛋白质-分子交互的结合残基	计算机视觉	NA	深度学习	NA	NA	NA
202	2024-08-04	Deep Learning-Based Chemical Similarity for Accelerated Organic Light-Emitting Diode Materials Discovery 2024-02-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01747 PMID:38270063	研究论文	这篇文章提出了一种基于深度学习的定量评分方法来评估分子的TADF潜力	提出了TADF-likeness评分，通过化学相似性评估TADF材料的潜力	由于仅依赖少量可计算的属性，现有策略有明确的局限性	加速新型TADF材料的发现	已知的TADF分子的特征及其相关的电子属性	材料发现	NA	深度自编码器	NA	分子数据	数百万个分子进行大规模虚拟筛选
203	2024-08-04	Pretraining Strategies for Structure Agnostic Material Property Prediction 2024-02-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00919 PMID:38301621	研究论文	本文提出了三种预训练策略以改善无结构学习框架在材料性质预测中的表现	提出了无结构学习框架的可学习预训练策略，并在多个下游任务中证明了其有效性	固定长度的描述符仍然依赖于广泛的领域知识，可能限制作业的普遍适用性	探讨提高基于无结构学习的材料性质预测性能的预训练策略	专注于无结构学习和材料性质预测的深度学习框架	机器学习	NA	自监督学习 (SSL), 指纹学习 (FL), 多模态学习 (ML)	无结构学习框架	小型数据集和大型数据集	NA
204	2024-08-04	ACPScanner: Prediction of Anticancer Peptides by Integrated Machine Learning Methodologies 2024-02-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01860 PMID:38277774	研究论文	文章提出了一种名为ACPScanner的集成方法，用于预测抗癌肽及其特定活性类型	ACPScanner是首个用于特定抗癌活性预测的方法，结合了深度学习和统计学习	现有的方法无法识别特定类型的抗癌功能	该研究旨在开发一种新的方法来预测抗癌肽及其活性	抗癌肽及非抗癌肽	机器学习	癌症	深度学习，统计学习	自定义深度学习和统计学习集成架构	序列，物理化学性质，二级结构信息	NA
205	2024-08-05	Robust Medical Diagnosis: A Novel Two-Phase Deep Learning Framework for Adversarial Proof Disease Detection in Radiology Images 2024-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00916-8 PMID:38343214	研究论文	提出一种新颖的两相深度学习框架，用于在放射影像中进行抗对抗性疾病检测。	创新性地结合了先进的对抗学习和对抗图像过滤技术，提高了模型对对抗性攻击的抵御能力。	尽管框架提高了模型的抗击能力，但仍然存在对抗攻击导致的模型性能显著下降。	旨在提升深度学习模型在医学影像中对抗对抗性攻击的鲁棒性。	评估基于ResNet-50、VGG-16和Inception-V3的模型在放射影像分类中的表现。	计算机视觉	肺炎	深度学习（DL）	ResNet-50, VGG-16, Inception-V3	图像	NA
206	2024-08-05	A Deep Learning-Based Approach for Cervical Cancer Classification Using 3D CNN and Vision Transformer 2024-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00911-z PMID:38343216	研究论文	提出了一种基于深度学习的宫颈癌分类系统，使用3D卷积神经网络和视觉变换器模块进行分类	利用3D CNN提取时空特征并结合ViT模型捕捉复杂特征表示的创新方法	未提及具体的局限性	提高宫颈癌的早期检测和治疗效果	宫颈癌图像的分类	计算机视觉	宫颈癌	3D卷积神经网络，视觉变换器	3D CNN，Vision Transformer，Kernel Extreme Learning Machine	图像	未提及具体样本量
207	2024-08-05	Interpretable deep learning methods for multiview learning 2024-Feb-14, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05679-9 PMID:38350879	研究论文	提出了一种名为iDeepViewLearn的可解释深度学习方法，用于多视图学习。	iDeepViewLearn结合了深度学习的灵活性与数据驱动和知识驱动的特征选择统计优势，提供了可解释的结果。	对于小样本量的问题的优势可能在于与其他深度学习方法的比较中，但具体的限制未详细说明。	研究在多视图数据中捕获非线性关系并实现特征选择的深度学习方法。	模拟数据和三种真实数据用于分类、聚类和重建任务。	计算机视觉	乳腺癌	深度学习	深度神经网络	图像	小到中等样本量
208	2024-08-05	A deep learning approach to personality assessment: Generalizing across items and expanding the reach of survey-based research 2024-Feb, Journal of personality and social psychology IF:6.4Q1 DOI:10.1037/pspp0000480 PMID:37676124	研究论文	本研究利用深度学习方法对个性评估进行研究，解决了传统评估方法的限制。	通过使用深度神经网络提取问卷项目的嵌入表示，该方法能够推断未被评估的新项目，展现出新的可扩展、成本效益高的心理测量方法。	未提及具体的局限性	研究如何通过深度语言模型的语言个性描述表示来建模和预测多种个性特征。	问卷项目及与个性相关的心理结构。	自然语言处理	NA	深度学习	深度神经网络	文本	与调查参与者评分相同的任务中与人类评审者的准确性相当的项，具体样本量未说明
209	2024-08-05	GAN-Based Motion Artifact Correction of 3D MR Volumes Using an Image-to-Image Translation Algorithm 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3007743 PMID:39041007	研究论文	该研究介绍了一种基于3D深度学习框架的脑部MRI体积运动伪影修复新方法	引入了增量密集连接的3D U-net架构，并结合GAN-informed训练和新颖的体积重建损失函数	NA	提升受运动伪影影响的脑部MRI的图像质量	运动伪影影响的脑部MRI体积	计算机视觉	NA	深度学习	3D U-net, GAN	MRI图像	多样的受运动伪影影响的MRI体积
210	2024-08-05	Learning the intrinsic dynamics of spatio-temporal processes through Latent Dynamics Networks 2024-Feb-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-45323-x PMID:38418469	研究论文	本文介绍了一种新架构，名为潜在动力学网络，能够揭示潜在非马尔可夫系统中的低维内在动力学	提出了一种轻量级的潜在动力学网络，可以在无需高维空间操作的情况下自动发现低维流形，并在时间外推场景中进行分布的预测	未明确提出研究的特定限制因素	研究复杂空间时间过程在外部刺激下的进化预测	针对潜在的非马尔可夫系统进行探索性研究	机器学习	NA	深度学习算法	潜在动力学网络	低维空间数据	NA
211	2024-08-05	Feasibility of intra-operative image guidance in burn excision surgery with multispectral imaging and deep learning 2024-02, Burns : journal of the International Society for Burn Injuries IF:3.2Q1 DOI:10.1016/j.burns.2023.07.005 PMID:37821282	研究论文	本文研究了在烧伤切除手术中使用多光谱成像和深度学习的图像引导的可行性	结合了多光谱成像设备与人工智能，以帮助外科医生判断烧伤伤口床的非活组织	研究使用了猪模型，可能限制了结果的临床应用	评估图像引导在烧伤切除手术中的有效性	使用多光谱成像数据和深度学习算法识别伤口床中非活组织	数字病理学	烧伤	多光谱成像、深度学习	深度学习算法	图像	使用了猪模型进行烧伤实验
212	2024-08-07	Implanting deep learning models for burn wound assessment 2024-02, Burns : journal of the International Society for Burn Injuries IF:3.2Q1 DOI:10.1016/j.burns.2023.11.003 PMID:38042628	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
213	2024-08-05	From pixels to patient care: deep learning-enabled pathomics signature offers precise outcome predictions for immunotherapy in esophageal squamous cell cancer 2024-02-22, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-04997-z PMID:38388379	研究论文	本研究基于H&E染色病理标本，利用深度学习技术预测食管鳞状细胞癌患者对PD-1抑制剂的临床获益。	提出了一种名为ESCC-pathomics signature (ESCC-PS)的新方法，能够细分患者的风险组并独立预测PD-1抑制剂的生存率。	研究样本来自单中心，可能限制结果的普遍适用性。	旨在精确预测食管鳞状细胞癌患者对免疫治疗的反应。	食管鳞状细胞癌患者，接受PD-1抑制剂治疗。	数字病理学	食管癌	H&E染色病理图像深度学习	ViT-RNN	图像	包括163例食管鳞状细胞癌患者，使用的图像数量为324幅WSI图像，产生486,188个1024*1024像素的小块
214	2024-08-05	AndroDex: Android Dex Images of Obfuscated Malware 2024-Feb-16, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03027-3 PMID:38365866	研究论文	本文创建了一个名为AndroDex的Android恶意软件数据集，包含24,746个样本，涵盖180多个恶意软件家族	本研究创造了一种新的数据集结构，通过对APK进行混淆处理后生成.dex图像，以便更好地检测和分类Android恶意软件	该数据集仅基于静态分析，使用.dex文件图像，动态分析需要时间	创建一个可靠的大规模恶意软件数据集，以帮助研究人员提高Android恶意软件的检测和分类能力	包含24,746个样本的Android恶意软件数据集，反映恶意软件特征	数字病理学	NA	.dex图像	NA	图像	24,746个样本
215	2024-08-05	Optimal strategies for modeling anatomy in a hybrid intelligence framework for auto-segmentation of organs 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006617 PMID:38957182	研究论文	本文提出了一种混合智能框架以优化器官自 segmentation 的解剖建模策略	引入混合智能系统结合自然智能和深度学习，显著提高了计算效率	未提及具体的限制因素	提升医疗图像分析中器官的自动分割效率与准确性	涉及多个放射治疗中心的Thorax体区域的器官	计算机视觉	NA	深度学习与非深度学习相结合	NA	医学图像	来自4个不同放射治疗中心的临床研究数据
216	2024-08-05	Anatomic attention regions via optimal anatomy modeling and recognition for DL-based image segmentation 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006771 PMID:38957740	研究论文	本文提出了通过最优解剖建模和识别的方法实现医学图像的深度学习分割	结合自然智能与人工智能，提出了新的方法来发现医学图像中的注意区域	尚未明确提及深度学习方法的具体计算效率和通用性	提高医学图像分割的准确性和效率	医学图像中的解剖区域	计算机视觉	NA	混合智能	NA	医学图像	唯一测试数据集
217	2024-08-05	SSBlazer: a genome-wide nucleotide-resolution model for predicting single-strand break sites 2024-02-12, Genome biology IF:10.1Q1 DOI:10.1186/s13059-024-03179-w PMID:38347618	研究论文	本文提出了一种用于预测单链断裂位点的深度学习框架SSBlazer	SSBlazer是一种轻量级且可扩展的模型，具有强大的泛化能力，适用于多种物种	未提及具体的模型局限性	揭示单链断裂在基因组中的重要性并进行预测	针对单链断裂位点进行预测	数字病理学	NA	深度学习	NA	NA	NA
218	2024-08-05	AnnoPRO: a strategy for protein function annotation based on multi-scale protein representation and a hybrid deep learning of dual-path encoding 2024-02-01, Genome biology IF:10.1Q1 DOI:10.1186/s13059-024-03166-1 PMID:38303023	研究论文	提出了一种基于多尺度蛋白质表示和混合深度学习的蛋白质功能注释策略AnnoPRO	该研究通过序列基础的多尺度蛋白质表示和双路径蛋白质编码等创新方法解决了长尾问题	未在摘要中提供具体的局限性信息	改善蛋白质功能注释的准确性和效率	对于不同基准的各种案例研究	计算生物学	NA	深度学习	长短时记忆网络（LSTM）	序列数据	多种基准的案例研究样本数量未明确说明
219	2024-08-05	Technological Vanguard: the outstanding performance of the LTY-CNN model for the early prediction of epileptic seizures 2024-02-16, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-04945-x PMID:38365732	研究论文	这项研究介绍了一种新型深度学习模型LTY-CNN，用于对癫痫发作的早期预测	LTY-CNN模型融合了并行卷积结构和多头注意机制，能够捕捉多尺度的EEG信号特征，提升了处理时间序列数据的效率	没有提到该模型在特定临床环境中的实际应用表现	研究癫痫发作的早期预测及其管理方法	关注神经电活动异常的癫痫患者及其EEG信号	机器学习	癫痫	EEG	LTY-CNN	时间序列数据	涉及SWEC-ETHZ和CHB-MIT两个数据集
220	2024-08-05	PractiCPP: a deep learning approach tailored for extremely imbalanced datasets in cell-penetrating peptide prediction 2024-02-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae058 PMID:38305405	研究论文	介绍了一种针对高度不平衡数据情景的细胞穿透肽预测的深度学习框架PractiCPP	PractiCPP通过集成硬负样本抽样和复杂的特征提取与预测模块，专门为不平衡数据设计，显著提升了CPP的预测准确性	当前研究主要关注高不平衡的数据情景，未覆盖其他数据分布情况	提升细胞穿透肽的预测准确性以支持药物递送系统的改进	细胞穿透肽的识别与特征化	机器学习	NA	深度学习	NA	NA	有极高正负比（1:1000）的数据集