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
61	2024-10-29	3D Superclusters with Hybrid Bioinks for Early Detection in Breast Cancer 2024-02-23, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.3c01938 PMID:38294962	研究论文	本文介绍了一种利用3D等离子体簇和混合生物墨水进行乳腺癌早期检测的方法	本文创新性地将表面增强拉曼散射（SERS）技术与深度学习算法结合，构建了一个灵活且简单的三维等离子体簇SERS平台，显著提高了拉曼强度的检测限	NA	开发一种用于乳腺癌早期检测的高灵敏度和高准确性的诊断平台	乳腺癌患者和健康个体的血浆	生物医学工程	乳腺癌	表面增强拉曼散射（SERS）	深度学习算法	拉曼光谱	癌症患者和健康个体的血浆样本
62	2024-10-29	Simulating impaired left ventricular-arterial coupling in aging and disease: a systematic review 2024-Feb-22, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-024-01206-2 PMID:38388416	综述	本文通过系统综述评估了使用计算模型模拟和研究老化和疾病中受损的左心室-动脉耦合的影响	强调了计算模型在提供超越临床观察的详细见解方面的重要作用，并提出了未来研究方向，如开发完全耦合的个性化多维模型和整合深度学习技术	NA	评估计算模型在模拟和研究老化和疾病中受损的左心室-动脉耦合的影响	老化和疾病中受损的左心室-动脉耦合	心血管疾病	心血管疾病	计算模型	多维模型（3D, 2D, 0D）	NA	34篇相关文章
63	2024-10-29	Deep social neuroscience: the promise and peril of using artificial neural networks to study the social brain 2024-Feb-21, Social cognitive and affective neuroscience IF:3.9Q1 DOI:10.1093/scan/nsae014 PMID:38334747	综述	本文为社会神经科学家提供了一个关于神经网络的入门介绍，并探讨了神经网络在社会神经科学中的应用前景和挑战	本文提出了将人工神经网络应用于社会神经科学的新方法，包括构建统计模型、量化自然刺激和社会互动以及生成认知模型	本文讨论了深度学习面临的实际挑战、理论局限性和伦理问题	探讨人工神经网络在社会神经科学中的应用潜力和挑战	社会神经科学中的神经网络应用	机器学习	NA	深度学习	人工神经网络	NA	NA
64	2024-10-29	Deep learning-based BMI inference from structural brain MRI reflects brain alterations following lifestyle intervention 2024-Feb-15, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26595 PMID:38375968	研究论文	利用深度学习从结构脑MRI中推断BMI，并研究生活方式干预后脑部结构的变化	首次利用集成学习框架从脑MRI中预测BMI分数，并发现预测的BMI减少与实际体重减轻相关	NA	探索生活方式干预后超重人群脑形态学差异是否能反映在临床测量中	超重人群的脑部结构和BMI	计算机视觉	NA	深度学习	集成学习	图像	参与DIRECT-PLUS临床试验的代谢综合征患者
65	2024-10-29	Leveraging Artificial Intelligence to Expedite Antibody Design and Enhance Antibody-Antigen Interactions 2024-Feb-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11020185 PMID:38391671	review	本文探讨了计算技术在蛋白质疗法领域，特别是抗体设计和开发中的变革性影响	介绍了最新的深度学习方法，包括语言模型和扩散技术，以及它们在克服抗体设计复杂性方面的应用	抗体的复杂结构细节仍然在设计和优化中构成持续挑战	旨在通过详细视角推动抗体设计的发展，为研究人员提供工具和知识以应对该领域的复杂性	抗体设计和开发中的计算技术	machine learning	NA	machine learning, deep learning	language models, diffusion techniques	NA	NA
66	2024-10-29	Recent Progress of Protein Tertiary Structure Prediction 2024-Feb-13, Molecules (Basel, Switzerland) DOI:10.3390/molecules29040832 PMID:38398585	综述	本文综述了蛋白质三级结构预测的最新进展，包括传统方法和基于深度学习的新方法	介绍了AlphaFold2等深度学习方法在蛋白质结构预测中的显著进展	讨论了现有方法的优缺点及其应用范围，旨在帮助研究人员理解蛋白质结构预测方法的局限性和适用性	全面理解蛋白质结构预测领域，指导未来研究	蛋白质三级结构预测方法及其评估	计算生物学	NA	深度学习	深度学习模型	蛋白质序列数据	NA
67	2024-10-29	An Artificial Intelligence Analysis of Electrocardiograms for the Clinical Diagnosis of Cardiovascular Diseases: A Narrative Review 2024-Feb-11, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm13041033 PMID:38398346	综述	本文综述了人工智能在心血管疾病临床诊断中应用心电图分析的研究进展	本文介绍了深度学习方法在心电图分析中的应用，特别是卷积神经网络在识别无宏观心电图变化和预测多种心血管疾病方面的创新	主要限制包括数据可靠性问题、无法验证黑箱过程以及医疗法律和伦理问题	探讨人工智能在心血管疾病诊断中的应用及其局限性	心电图数据及其在心血管疾病诊断中的应用	机器学习	心血管疾病	深度学习	卷积神经网络	心电图	NA
68	2024-10-29	shinyDeepDR: A user-friendly R Shiny app for predicting anti-cancer drug response using deep learning 2024-Feb-09, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100894 PMID:38370127	研究论文	介绍了一个名为shinyDeepDR的用户友好型R Shiny应用程序，用于使用深度学习模型预测抗癌药物反应	开发了一个用户友好的R Shiny应用程序，使深度学习模型DeepDR更容易被没有广泛编程经验的研究人员使用	NA	提高精准肿瘤学中治疗反应预测的准确性和模型的可访问性	抗癌药物敏感性的预测	机器学习	NA	深度学习	DeepDR	基因表达数据	265种已批准和研究中的抗癌化合物
69	2024-10-29	TopoFormer: Multiscale Topology-enabled Structure-to-Sequence Transformer for Protein-Ligand Interaction Predictions 2024-Feb-09, Research square DOI:10.21203/rs.3.rs-3640878/v1 PMID:38405777	研究论文	提出了一种名为TopoFormer的多尺度拓扑结构到序列Transformer，用于蛋白质-配体相互作用预测	通过集成自然语言处理和多尺度拓扑技术，将复杂的3D蛋白质-配体复合物转换为拓扑不变量和同伦形状的序列，从而克服了传统Transformer在计算生物学中的局限	NA	解决计算生物学中Transformer模型忽略立体化学信息的问题，提高下游预测的准确性	蛋白质-配体相互作用	机器学习	NA	持久拓扑超图拉普拉斯（PTHL）	Transformer	结构数据	多个基准数据集
70	2024-10-29	Leveraging Machine Learning Models for Peptide-Protein Interaction Prediction 2024-Feb-07, ArXiv PMID:37961736	综述	本文综述了近年来用于预测肽-蛋白质相互作用的机器学习和深度学习模型	本文介绍了机器学习模型在预测肽-蛋白质相互作用中的应用，相比传统计算方法，这些模型提供了更高的效率、准确性和可解释性	NA	综述机器学习和深度学习模型在预测肽-蛋白质相互作用中的应用	肽-蛋白质相互作用	机器学习	NA	机器学习	机器学习和深度学习模型	生物数据	NA
71	2024-10-29	Personalized Deep Learning for Substance Use in Hawaii: Protocol for a Passive Sensing and Ecological Momentary Assessment Study 2024-Feb-07, JMIR research protocols IF:1.4Q3 DOI:10.2196/46493 PMID:38324375	研究论文	研究旨在通过Fitbit设备收集夏威夷原住民、菲律宾和太平洋岛民社区的生物信号数据，开发个性化深度学习模型以实时预测甲基苯丙胺的渴望事件	首次针对夏威夷原住民、菲律宾和太平洋岛民社区进行个性化AI模型开发，利用自监督学习方法优化模型性能	研究样本量较小，且仅限于特定社区，可能影响模型的普适性	探讨在夏威夷原住民、菲律宾和太平洋岛民社区中进行连续远程数字监测和生态瞬时评估的可行性，并开发个性化AI模型	夏威夷原住民、菲律宾和太平洋岛民社区的甲基苯丙胺使用和渴望预测	机器学习	NA	自监督学习	神经网络	生物信号	40名来自夏威夷原住民、菲律宾和太平洋岛民社区的个体
72	2024-10-29	Integrating Artificial Intelligence for Drug Discovery in the Context of Revolutionizing Drug Delivery 2024-Feb-07, Life (Basel, Switzerland) DOI:10.3390/life14020233 PMID:38398742	研究论文	本文探讨了人工智能在药物发现中的多方面作用，包括药物输送设计、新药发现和新型AI技术的开发	本文介绍了人工智能在药物发现中的创新应用，包括目标识别、虚拟筛选和药物设计，并讨论了其在药物输送系统革命中的潜力	NA	探讨人工智能在药物发现中的应用及其对医疗保健的深远影响	人工智能在药物发现中的应用，包括药物输送设计、新药发现和药物组合识别	机器学习	NA	机器学习和深度学习	NA	NA	NA
73	2024-10-28	A novel approach to identify the brain regions that best classify ADHD by means of EEG and deep learning 2024-Feb-29, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e26028 PMID:38379973	研究论文	本文提出了一种利用脑电图（EEG）和深度学习（DL）识别最佳分类注意力缺陷多动障碍（ADHD）的脑区的新方法	本文创新性地使用深度学习技术结合脑电图信号，通过特征选择方法识别出最佳分类ADHD的脑区	NA	研究目的是通过脑电图和深度学习技术，找出最佳分类ADHD与正常发育儿童的脑区	注意力缺陷多动障碍（ADHD）与正常发育儿童的脑区分类	机器学习	神经发育障碍	脑电图（EEG）	深度学习（DL）	脑电图信号	NA
74	2024-10-28	Generalisable deep learning method for mammographic density prediction across imaging techniques and self-reported race 2024-Feb-19, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00446-6 PMID:38374436	研究论文	本文研究了一种可泛化的深度学习方法，用于在不同成像技术和自报种族背景下预测乳腺密度	本文首次展示了深度学习模型在不同成像技术和种族背景下的泛化能力	尽管模型在种族子组分析中表现无偏，但仍需进一步验证其在更多种族和成像技术中的适用性	开发一种能够在不同成像技术和种族背景下准确预测乳腺密度的深度学习模型	乳腺密度预测及其在不同成像技术和种族背景下的泛化能力	计算机视觉	乳腺癌	深度学习	深度学习模型	图像	69,697个乳腺研究，包含451,642张单独图像，来自23,057名女性参与者
75	2024-10-28	RUBICON: a framework for designing efficient deep learning-based genomic basecallers 2024-02-16, Genome biology IF:10.1Q1 DOI:10.1186/s13059-024-03181-2 PMID:38365730	研究论文	本文介绍了一个名为RUBICON的框架，用于设计高效的基于深度学习的基因组碱基调用器	RUBICON框架开发了首个硬件优化的混合精度碱基调用器RUBICALL，其性能优于现有的最先进碱基调用器	NA	旨在减少碱基调用的计算和内存成本，同时保持准确性	纳米孔测序生成的噪声电信号	机器学习	NA	深度学习	混合精度模型	基因组数据	NA
76	2024-10-28	Insight into deep learning for glioma IDH medical image analysis: A systematic review 2024-Feb-16, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000037150 PMID:38363910	综述	本文系统回顾了2019年至2023年间使用深度学习技术进行胶质瘤IDH分子标记预测的研究	结合影像和分子分析，深度学习技术能够更准确地预测患者的预后、提出更精确的治疗方案，并准确预测胶质瘤的IDH标记	需要外部验证以展示其鲁棒性和通用性，并需要更大样本量和多中心样本进行更全面的研究	探讨深度学习技术在胶质瘤IDH分子标记预测中的应用和发展	胶质瘤患者的IDH分子标记	数字病理学	脑肿瘤	深度学习	NA	图像	15篇符合条件的研究
77	2024-10-28	Automatic de-identification of French electronic health records: a cost-effective approach exploiting distant supervision and deep learning models 2024-Feb-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02422-5 PMID:38365677	研究论文	本文提出了一种利用远程监督和深度学习模型对法语电子健康记录进行自动去识别的成本效益方法	本文的创新点在于利用远程监督方法显著减少了手动标注训练数据的成本，并提出了一个自动化的标注流程	本文的局限性在于仅针对法语电子健康记录进行了研究，未涉及其他语言或数据类型	本研究旨在开发一种自动去识别流程，以保护电子健康记录中的个人数据并遵守政府法规	本研究的对象是法语电子健康记录中的个人标识信息	自然语言处理	NA	命名实体识别 (NER)	Bi-LSTM + CRF	文本	基于法国雷恩大学医院eHOP临床数据仓库提供的电子健康记录，开发了一个包含丰富个人信息的法语去识别数据集
78	2024-10-28	A signal processing and deep learning framework for methylation detection using Oxford Nanopore sequencing 2024-Feb-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-45778-y PMID:38365920	研究论文	本文介绍了一种基于牛津纳米孔测序的深度学习框架DeepMod2，用于甲基化检测	DeepMod2结合了双向长短期记忆模型（BiLSTM）和Transformer模型，能够高效处理POD5和FAST5信号文件，并支持CPU上的模型剪枝	NA	开发一种快速准确的DNA甲基化检测工具	牛津纳米孔测序的离子电流信号	生物信息学	NA	牛津纳米孔测序	双向长短期记忆模型（BiLSTM）和Transformer模型	信号文件（POD5和FAST5）	多个公开和新生成的数据集
79	2024-10-28	A machine learning and deep learning-based integrated multi-omics technique for leukemia prediction 2024-Feb-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e25369 PMID:38352790	研究论文	本文介绍了一种基于机器学习和深度学习的综合多组学技术用于白血病预测	本文提出了一种新的白血病诊断方法，通过分析多组学数据并比较多种机器学习和深度学习算法，展示了深度学习在白血病预测中的重要性	NA	利用机器学习和深度学习技术提高白血病的预测准确性	白血病预测	机器学习	血液癌	多组学技术	随机森林、朴素贝叶斯、决策树、逻辑回归、梯度提升、循环神经网络、前馈神经网络	多组学数据	基于17种不同特征的测试验证，包括患者年龄、性别、突变类型、治疗方法、染色体等
80	2024-10-28	An automatic diagnostic model for the detection and classification of cardiovascular diseases based on swarm intelligence technique 2024-Feb-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e25574 PMID:38371968	研究论文	本文提出了一种基于群体智能技术的自动诊断模型，用于检测和分类心血管疾病	本文提出了一种创新的模型，结合优化技术和深度学习分类器，解决了临床数据集的维度大和类别不平衡问题	NA	开发一种高效的决策支持系统，用于心血管疾病的诊断和分类	心血管疾病	机器学习	心血管疾病	群体智能技术	深度学习分类器	临床数据	合成样本的适当样本量