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
121	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
122	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
123	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
124	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
125	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
126	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
127	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
128	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
129	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
130	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
131	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
132	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
133	2024-10-28	Deep learning assisted XRF spectra classification 2024-Feb-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-53988-z PMID:38351176	研究论文	本文探讨了使用深度学习辅助XRF光谱分类的方法	本文创新性地设计并使用了自编码器神经网络作为维度减少工具，以处理原始EDXRF光谱数据，从而提高分类算法的效率	NA	研究如何利用人工智能技术提高EDXRF光谱分析的速度和准确性	EDXRF光谱数据及其在考古学研究中的应用	机器学习	NA	EDXRF光谱分析	自编码器神经网络	光谱数据	NA
134	2024-10-28	InsightSleepNet: the interpretable and uncertainty-aware deep learning network for sleep staging using continuous Photoplethysmography 2024-Feb-14, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02437-y PMID:38355559	研究论文	本研究开发了一种基于连续光电容积脉搏波（PPG）信号的睡眠分期模型InsightSleepNet，旨在提高睡眠监测的便捷性和降低成本，同时增强模型的可解释性和预测结果的不确定性估计	引入局部注意力模块和能量评分估计，以提高模型的可解释性和预测结果的不确定性估计	NA	开发一种更高效的睡眠监测方法，通过考虑模型的可解释性和预测结果的不确定性，为医疗专业人员提供决策支持	连续光电容积脉搏波（PPG）信号	机器学习	NA	光电容积脉搏波（PPG）	卷积神经网络（CNN）、时间卷积网络（TCN）	信号	使用了三个数据集：MESA、CFS和CAP
135	2024-10-28	Data-centric artificial olfactory system based on the eigengraph 2024-Feb-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-45430-9 PMID:38332010	研究论文	本文提出了一种基于特征图的数据中心化人工嗅觉系统	引入特征图概念，将隐含的气味属性数学化，并应用于气体分类的深度学习过程	NA	开发标准化的人工嗅觉系统	气体分子识别	机器学习	NA	傅里叶变换	深度学习	特征向量	复杂混合气体和汽车尾气
136	2024-10-28	Transfer learning to leverage larger datasets for improved prediction of protein stability changes 2024-Feb-06, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2314853121 PMID:38285937	研究论文	本文介绍了一种名为ThermoMPNN的深度神经网络，用于预测蛋白质点突变对稳定性的影响	利用迁移学习技术，通过结合两个大型数据集来提高预测蛋白质稳定性变化的准确性	NA	开发一种能够准确预测蛋白质稳定性变化的计算方法	蛋白质点突变对稳定性的影响	机器学习	NA	深度学习	深度神经网络	蛋白质结构数据	两个大型数据集
137	2024-10-28	DynamicBind: predicting ligand-specific protein-ligand complex structure with a deep equivariant generative model 2024-Feb-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-45461-2 PMID:38316797	研究论文	本文介绍了一种名为DynamicBind的深度学习方法，用于预测配体特异性蛋白质-配体复合物结构	DynamicBind采用等变几何扩散网络构建平滑能量景观，促进不同平衡状态之间的有效过渡，无需holo结构或大量采样	NA	理解蛋白质功能并促进药物发现	蛋白质-配体相互作用	机器学习	NA	深度学习	等变几何扩散网络	蛋白质结构	NA
138	2024-10-28	Species identification through deep learning and geometrical morphology in oaks (Quercus spp.): Pros and cons 2024-Feb, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.11032 PMID:38357593	研究论文	本文比较了通过几何形态学方法和深度学习在两种相近的落叶栎树中进行物种鉴定的准确性和效率	本文首次将几何形态学方法与深度学习结合，用于栎树叶形态的物种鉴定，并比较了两者的效果	本文仅在两种相近的落叶栎树中进行了实验，结果的普适性有待进一步验证	比较几何形态学方法和深度学习在栎树叶形态物种鉴定中的准确性和效率	两种相近的落叶栎树及其叶形态	计算机视觉	NA	几何形态学方法，深度学习	Xception	图像	538棵亚洲落叶栎树，2328片叶子
139	2024-10-28	Multi-modal deep learning for joint prediction of otitis media and diagnostic difficulty 2024-Feb, Laryngoscope investigative otolaryngology IF:1.6Q2 DOI:10.1002/lio2.1199 PMID:38362190	研究论文	本文提出了一种基于耳镜图像和宽带鼓室测量数据的多模态深度学习模型，用于联合预测中耳炎及其诊断难度	本文创新性地采用了深度度量学习方法，并与标准的多任务网络进行了性能比较	NA	开发一种自动检测中耳炎的诊断模型，并评估其诊断难度	中耳炎及其诊断难度	机器学习	中耳炎	深度度量学习	神经网络	图像和测量数据	NA
140	2024-10-28	Facial and mandibular landmark tracking with habitual head posture estimation using linear and fiducial markers 2024-Feb, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.12076 PMID:38370162	研究论文	本研究比较了基于深度学习的基准标记（FM）和任意宽度参考（AWR）方法在面部标志测量中的准确性	开发了一个自定义的深度学习系统来识别面部标志，用于测量头部倾斜和下颌侧向运动	基准标记在面部中部和下部参数评估中表现出可变性	评估不同方法在面部标志测量中的准确性	面部和下颌的硬组织和软组织侧向运动以及头部倾斜	计算机视觉	NA	深度学习	深度学习系统	视频	37名参与者