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
141	2024-11-15	A brief history of artificial intelligence embryo selection: from black-box to glass-box 2024-02-01, Human reproduction (Oxford, England) DOI:10.1093/humrep/dead254 PMID:38061074	综述	本文回顾了人工智能在胚胎选择中的应用历史，从黑箱模型到玻璃箱模型的演变	提出了一个从胚胎学角度对传统和人工智能驱动系统进行分类的新系统，强调了主观性、解释性和可解释性	缺乏随机对照试验来验证黑箱模型的有效性	探讨人工智能在胚胎选择中的应用及其解释性问题	胚胎选择中的机器学习模型及其解释性	机器学习	NA	机器学习	深度学习	图像	NA
142	2024-11-14	Digitally assessed lymphocyte infiltration in rectal cancer biopsies is associated with pathological response to neoadjuvant therapy 2024-02, Human pathology IF:2.7Q2 DOI:10.1016/j.humpath.2023.12.010 PMID:38157991	研究论文	研究评估了数字技术在直肠癌活检中淋巴细胞浸润与新辅助治疗病理反应之间的关联	首次探讨了数字评估的淋巴细胞密度与直肠癌新辅助治疗病理反应之间的关系	样本量较小，仅包括50名患者	寻找预测直肠癌新辅助治疗病理反应的潜在生物标志物	直肠癌患者的活检样本	数字病理学	直肠癌	深度学习	NA	图像	50名直肠癌患者
143	2024-11-11	A Comprehensive Review on Synergy of Multi-Modal Data and AI Technologies in Medical Diagnosis 2024-Feb-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11030219 PMID:38534493	综述	本文综述了多模态数据与人工智能技术在医学诊断中的协同作用	本文整合了多模态数据和人工智能技术的最新进展，为临床实践提供了创新解决方案	本文主要集中在五种特定疾病的诊断上，未涵盖所有疾病类型	探讨多模态数据与人工智能技术在医学诊断中的应用	阿尔茨海默病、乳腺癌、抑郁症、心脏病和癫痫	机器学习	NA	NA	NA	多模态数据（图像、文本、语音、基因数据、生理信号）	NA
144	2024-11-11	AlphaFold2 Reveals Structural Patterns of Seasonal Haplotype Diversification in SARS-CoV-2 Spike Protein Variants 2024-Feb-21, Biology DOI:10.3390/biology13030134 PMID:38534404	研究论文	本文利用AlphaFold2对SARS-CoV-2刺突蛋白的季节性单倍型多样性进行了结构模式分析	首次系统地比较了主要关注变异株及其对应纬度限定单倍型的S蛋白结构，揭示了单倍型对蛋白质结构的影响及其在季节性行为中的作用	仅限于对AlphaFold2生成的结构模型进行分析，未涉及实验验证	揭示SARS-CoV-2刺突蛋白在季节性单倍型多样性中的结构模式，为疫苗和药物开发提供预测依据	SARS-CoV-2刺突蛋白及其主要关注变异株和对应单倍型的结构	结构生物学	COVID-19	AlphaFold2	NA	蛋白质结构	主要关注变异株（Alpha、Delta、Omicron）及其对应单倍型的S蛋白
145	2024-11-09	Public participation in healthcare students' education: An umbrella review 2024-02, Health expectations : an international journal of public participation in health care and health policy IF:3.0Q2 DOI:10.1111/hex.13974 PMID:39102698	综述	本文综述了公众参与医疗学生教育的相关文献，探讨了公众参与对学生、公众、课程和未来职业实践的影响	本文通过综合现有文献，揭示了公众参与在医疗学生教育中的潜在益处和挑战	本文仅基于过去10年内的文献综述，可能未能涵盖所有相关研究	旨在综合分析公众参与医疗学生教育的文献，评估其对学生、公众、课程和医疗系统的影响	公众参与医疗学生教育的文献综述	NA	NA	NA	NA	NA	NA
146	2024-11-06	Evaluation and optimization of sequence-based gene regulatory deep learning models 2024-Feb-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.26.538471 PMID:38405704	研究论文	本文通过DREAM挑战评估和优化基于序列的基因调控深度学习模型，探讨了模型架构和训练策略对基因组学模型性能的影响	开发了一个框架来分解模型为逻辑等价的构建块，并测试了所有可能的组合，观察到性能的提升	NA	评估和优化基因调控深度学习模型的性能	基因调控DNA序列与基因表达之间的关系	机器学习	NA	神经网络	神经网络	DNA序列	数百万个随机启动子DNA序列及其对应的表达水平
147	2024-11-04	Evaluating generalizability of artificial intelligence models for molecular datasets 2024-Feb-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.25.581982 PMID:38464295	研究论文	本文介绍了一种名为Spectra的光谱框架，用于全面评估深度学习模型在分子数据集上的泛化能力	提出了Spectra框架，通过绘制模型性能随交叉分割重叠度降低的变化曲线，并报告曲线下面积作为泛化能力的度量	尽管Spectra框架展示了模型在特定任务上的泛化能力，但没有模型在所有任务中始终表现最佳	评估深度学习模型在分子数据集上的泛化能力	18个与表型相关的测序数据集，包括结核病抗生素抗性、蛋白质-配体结合等	机器学习	NA	深度学习	大型语言模型、图神经网络、扩散模型、卷积神经网络	分子测序数据	18个测序数据集，19个最先进的深度学习模型
148	2024-11-02	Spatial and Spectral Reconstruction of Breast Lumpectomy Hyperspectral Images 2024-Feb-28, Sensors (Basel, Switzerland) DOI:10.3390/s24051567 PMID:38475103	研究论文	本文介绍了一种深度学习空间-光谱重建框架，用于从低分辨率高光谱图像和高分辨率RGB图像中获取高分辨率高光谱图像	提出了一种新的深度学习框架，能够在手术过程中快速获取数据的同时保持高图像质量	未提及具体的技术局限性	开发一种能够在手术中快速且高质量地进行边缘评估的高光谱成像技术	乳腺癌保乳手术中的高光谱图像	计算机视觉	乳腺癌	高光谱成像	深度学习	图像	NA
149	2024-11-02	Revolutionizing Robotic Depalletizing: AI-Enhanced Parcel Detecting with Adaptive 3D Machine Vision and RGB-D Imaging for Automated Unloading 2024-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s24051473 PMID:38475009	研究论文	本文提出了一种基于深度学习和图像处理的包裹拣选表面检测方法，用于高效卸载多样化和无序的包裹	利用RGB-D技术和YOLACT模型进行边界线检测，能够有效处理复杂表面图案和旋转包裹的检测问题	NA	开发一种强调包裹边界线的图像处理算法，无论包裹的形状、图案或布局如何	多样化和无序的包裹	计算机视觉	NA	RGB-D成像	YOLACT	图像	随机尺寸和旋转覆盖的盒子，具有多种颜色和图案
150	2024-10-30	Exploiting macro- and micro-structural brain changes for improved Parkinson's disease classification from MRI data 2024-Feb-26, NPJ Parkinson's disease DOI:10.1038/s41531-024-00647-9 PMID:38409244	研究论文	研究开发并评估了一种可解释的深度学习模型，用于从多模态神经影像数据中进行帕金森病分类	利用宏观和微观结构脑变化的结合，提高了帕金森病的分类准确性，并使用SmoothGrad显著性图提高了模型的可解释性	NA	开发和评估一种可解释的深度学习模型，用于从多模态神经影像数据中进行帕金森病分类	帕金森病患者和健康对照者的多模态神经影像数据	机器学习	神经退行性疾病	磁共振成像（MRI）	卷积神经网络（CNN）	图像	1264个数据集，包括611名帕金森病患者和653名健康对照者
151	2024-10-30	Structurally-informed human interactome reveals proteome-wide perturbations by disease mutations 2024-Feb-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.24.538110 PMID:37162909	研究论文	本文介绍了一种基于深度学习的集成框架PIONEER，用于预测人类和其他常见模式生物中所有已知蛋白质相互作用的蛋白质结合伙伴特异性界面，并展示了其在疾病相关突变分析中的应用	PIONEER框架在预测蛋白质相互作用界面方面优于现有的最先进方法，并能有效识别与疾病相关的突变	NA	开发一种能够准确预测蛋白质相互作用界面并应用于疾病相关突变分析的深度学习工具	人类和其他常见模式生物的蛋白质相互作用界面，以及疾病相关突变	机器学习	癌症	深度学习	集成框架	基因组数据	2,395个突变，6,754个突变-相互作用对，约60,000个生殖系外显子，约36,000个体细胞基因组，约11,000个肿瘤全外显子，33种癌症类型
152	2024-10-29	A multi-class brain tumor grading system based on histopathological images using a hybrid YOLO and RESNET networks 2024-02-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-54864-6 PMID:38403597	研究论文	本文提出了一种基于YOLOv5和ResNet50混合网络的多类别脑肿瘤分级系统，用于从组织病理学图像中识别和分级脑肿瘤	本文的创新点在于将YOLOv5和ResNet50架构结合成一个混合模型，专门用于在组织病理学全切片图像中进行精确的肿瘤定位和预测分级	NA	开发一种能够从组织病理学图像中识别和分级脑肿瘤的深度学习技术，以辅助医生进行诊断和治疗规划	脑肿瘤，特别是胶质瘤的分级和分类	数字病理学	脑肿瘤	深度学习	混合模型（YOLOv5和ResNet50）	图像	使用了癌症基因组图谱数据集进行测试
153	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
154	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
155	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
156	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
157	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
158	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
159	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
160	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