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
241	2024-08-07	Genetic Algorithm-Based Receptor Ligand: A Genetic Algorithm-Guided Generative Model to Boost the Novelty and Drug-Likeness of Molecules in a Sampling Chemical Space 2024-02-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01964 PMID:38302422	研究论文	提出了一种基于遗传算法的生成模型GARel，用于设计具有新颖骨架和药物相似性的分子	GARel模型通过遗传算法引导，能够生成具有更多样化和新颖骨架的分子，并具有更好的物理化学性质和有利的对接分数	NA	开发一种能够平衡新颖性和药物相似性的深度学习生成模型，以推动药物发现领域的发展	设计针对AA2AR、EGFR和SARS-Cov2的抑制剂分子	机器学习	NA	遗传算法	深度学习生成模型	分子结构	针对三个目标（AA2AR、EGFR和SARS-Cov2）设计抑制剂分子
242	2024-08-04	Pediatric diabetes prediction using deep learning 2024-02-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-51438-4 PMID:38378741	研究论文	本研究提出了一种新的高准确性糖尿病早期预测技术	创新点在于使用深度学习和优化的深度神经网络实现高达99.8%的糖尿病预测准确率	该研究可能缺乏对不同种族或地区数据的外部验证	研究旨在开发精准的儿童糖尿病预测系统	研究对象为548名拥有18个重要特征的患者	机器学习	糖尿病	深度学习	深度神经网络（DNN）	数据	548名患者
243	2024-08-04	AI models for automated segmentation of engineered polycystic kidney tubules 2024-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-52677-1 PMID:38310171	研究论文	本文比较了用于自动分割工程性多囊肾小管的深度学习模型	引入了UACANet模型，该模型使用自注意力机制并具有一定的可解释性，展示了其在囊肿检测方面的优势	模型的性能受限于所使用的图像数据集，可能无法泛化到其他类型的肾组织图像	开发能够直接在人体肾组织上自动检测囊肿生长的模型	研究对象为32个工程性多囊肾小管的免疫荧光图像	计算机视觉	肾脏疾病	深度学习算法	UNet++, UACANet	图像	32个工程性多囊肾小管
244	2024-08-04	Folding-upon-binding pathways of an intrinsically disordered protein from a deep Markov state model 2024-02-06, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2313360121 PMID:38294935	研究论文	本文研究了一个内在无序蛋白质在与其生理相互作用伙伴结合时的折叠路径	采用深度学习的马尔可夫状态建模方法，揭示了折叠与结合的多步诱导适配机制，与传统的典型构象选择路径有所不同	未能找到典型的构象选择路径的证据	研究内在无序蛋白质的结合机制及其折叠过程	麻疹病毒核蛋白N与麻疹病毒磷蛋白复合物的X域的结合	计算生物学	NA	深度学习, 马尔可夫状态建模	NA	分子动态模拟数据	NA
245	2024-08-04	Mixtures Recomposition by Neural Nets: A Multidisciplinary Overview 2024-02-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01633 PMID:38284618	综述	本综述探讨了人工神经网络在化学混合物重组中的最新进展	提出了神经网络与物理知识的混合，促进了对化学混合物的理解和预测能力	未提供具体的实验数据支持，主要为理论探讨	研究人工神经网络在化学混合物重组中的应用潜力	聚焦于化学混合物及其成分的重组	机器学习	NA	人工神经网络	深度学习模型	NA	NA
246	2024-08-04	Leveraging DFT and Molecular Fragmentation for Chemically Accurate pKa Prediction Using Machine Learning 2024-02-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01923 PMID:38301279	研究论文	我们提出了一种基于随机森林的量子力学/机器学习框架，用于准确预测复杂有机分子的pKa值	我们的工作扩展了CBH的适用性，利用其生成可用于机器学习的分子描述符	未提及具体限制	准确预测复杂有机分子的pKa值	复杂有机分子	机器学习	NA	密度泛函理论（DFT）	随机森林	NA	在两个基准数据集（SAMPL6和诺华）上评估模型性能
247	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
248	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
249	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
250	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
251	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
252	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
253	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
254	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
255	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
256	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
257	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
258	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
259	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
260	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