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
281	2024-08-07	Computational Chemistry in Structure-Based Solute Carrier Transporter Drug Design: Recent Advances and Future Perspectives 2024-03-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01736 PMID:38294194	综述	本文综述了计算化学在基于结构的溶质载体转运蛋白药物设计中的最新进展和未来展望	利用计算化学，包括基于物理的分子建模和基于机器学习及深度学习的人工智能，为经典药物发现方法提供了一种替代和互补的方式	目前只有约9.8%的SLC超家族成员具有3D结构和特定结合位点	深入理解SLC超家族的结构和功能，以促进新型调节剂的理性设计	溶质载体转运蛋白（SLCs）及其在多种复杂疾病治疗中的应用	药物设计	NA	计算化学	人工智能（AI）	蛋白质结构	约450种SLCs中仅有44种具有3D结构
282	2024-08-07	AlphaFold2 Predicts Whether Proteins Interact Amidst Confounding Structural Compatibility 2024-03-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01805 PMID:38373070	research paper	本文测试了AlphaFold2在预测结构兼容但非相互作用的蛋白质对时的预测能力	AlphaFold2能够在蛋白质结构兼容的情况下有效区分相互作用和非相互作用的蛋白质	部分错误分类的情况可以通过重新审视输入序列来纠正，但也可能揭示数据集中的假阳性和假阴性	评估AlphaFold2在预测蛋白质相互作用中的应用潜力	蛋白质相互作用的预测	machine learning	NA	AlphaFold2	NA	蛋白质结构数据	一个具有挑战性的数据集
283	2024-08-04	DeepKEGG: a multi-omics data integration framework with biological insights for cancer recurrence prediction and biomarker discovery 2024-Mar-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae185 PMID:38678587	研究论文	提出了一种新的可解释的多组学数据集成方法DeepKEGG，用于癌症复发预测和生物标志物发现	DeepKEGG结合了生物层次模块和路径自注意力模块，以揭示样本间的潜在关联和提高模型可解释性	当前方法在多组学数据集成中尚未充分考虑样本之间的潜在相关性	探索多组学数据集成中样本的潜在相关性并提供模型可解释性	癌症复发预测和生物标志物的发现	数字病理学	癌症	深度学习	多层神经网络	多组学数据	NA
284	2024-08-04	PS2MS: A Deep Learning-Based Prediction System for Identifying New Psychoactive Substances Using Mass Spectrometry 2024-03-26, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.3c05019 PMID:38488022	研究论文	该论文介绍了一种名为PSMS的基于深度学习的预测系统，用于识别新型精神活性物质。	PSMS通过建立合成的NPS数据库，使用深度学习生成质谱和化学指纹，突破了传统方法的限制。	该研究可能在某些情况下面临识别新型毒品的准确性问题，特别是当数据集不够完整时。	研究旨在开发一种新系统以有效识别新型精神活性物质。	研究对象是新型精神活性物质及其相关衍生物。	数字病理学	NA	质谱	深度学习	质谱数据	在实际证据样本中识别了一些卡他酮衍生物
285	2024-08-04	Rapid and Precise Differentiation and Authentication of Agricultural Products via Deep Learning-Assisted Multiplex SERS Fingerprinting 2024-03-19, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c00064 PMID:38450485	研究论文	本文提出了一种结合多重表面增强拉曼散射(SERS)指纹技术与一维卷积神经网络(1D-CNN)的新方法，用于快速准确地区别和验证农业产品	该方法结合了三种不同的SERS活性纳米颗粒作为多重传感器，通过构建'SERS超级指纹'来提高农业产品的识别精度	文章中未明确指出具体的局限性	研究农业产品的来源和质量的快速准确识别与验证	主要研究对象为农业产品及其掺假样品	数字病理	NA	多重表面增强拉曼散射(SERS)	一维卷积神经网络(1D-CNN)	光谱数据	多个农业产品和模拟的掺假样品
286	2024-08-04	Convolutional Neural Network-Driven Impedance Flow Cytometry for Accurate Bacterial Differentiation 2024-03-19, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.3c04421 PMID:38448396	研究论文	本研究开发了一种基于卷积神经网络的阻抗流式细胞术方法，以提高细菌的分类准确性和效率	该研究使用卷积神经网络深度学习方法，提高了阻抗流式细胞术在细菌物种区分上的准确性和效率	研究中未提及对特定细菌种类的识别是否可以普遍适用	提升阻抗流式细胞术在细菌种类区分的准确性	不同物种的细菌及其电特性	数字病理学	NA	阻抗流式细胞术	卷积神经网络	阻抗数据	超过100万组不同细菌的阻抗数据
287	2024-08-04	Generalization challenges in electrocardiogram deep learning: insights from dataset characteristics and attention mechanism 2024-Mar-11, Future cardiology IF:1.6Q3 DOI:10.1080/14796678.2024.2354082 PMID:39049767	研究论文	本研究探讨了训练数据特征对心电图模型泛化性能的影响	研究引入了注意力机制以提升模型泛化能力，并发现平衡数据集可显著改进模型性能	未具体说明研究的样本量和数据集的具体特征	探讨心电图深度学习模型的泛化挑战	心电图数据集及其特征	机器学习	心血管疾病	深度学习	NA	心电图	使用了不同特征的多个心电图数据集
288	2024-08-04	DeepION: A Deep Learning-Based Low-Dimensional Representation Model of Ion Images for Mass Spectrometry Imaging 2024-03-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.3c05002 PMID:38377545	研究论文	本研究提出了DeepION，一个基于深度学习的离子图像低维表示模型，用于质谱成像的离子识别	DeepION通过引入对比学习，实现了自监督的离子图像表示，并设计了特殊的数据增强策略以适应质谱成像数据的特点	在低信噪比和缺乏标注数据集的情况下，离子图像表示的有效性仍然面临挑战	研究旨在提升质谱成像中离子图像的低维表示效果，以改善共定位离子和同位素离子的识别	本研究主要针对生物样品中的离子图像	数字病理学	NA	质谱成像 (MSI)	深度学习模型	图像	实验使用了大鼠脑组织的质谱成像数据
289	2024-08-05	Feasibility of deep learning-reconstructed thin-slice single-breath-hold HASTE for detecting pancreatic lesions: A comparison with two conventional T2-weighted imaging sequences 2024-Mar, Research in diagnostic and interventional imaging DOI:10.1016/j.redii.2023.100038 PMID:39076579	研究论文	本研究评估了深度学习重建的纤薄切片单次呼气半傅里叶单次激发涡旋回音成像（HASTEDL）在检测胰腺病变中的临床可行性	首次比较了深度学习重建的HASTE与传统T2加权成像序列的效果，展现了HASTEDL在图像质量和获取时间上的优势	研究样本量相对较小，且为回顾性研究	评估深度学习重建技术在胰腺病变检测中的应用效能	63名疑似胰腺相关疾病的患者	数字病理学	胰腺癌	深度学习重建	NA	图像	63名患者
290	2024-08-05	Development of a deep learning model for the automated detection of green pixels indicative of gout on dual energy CT scan 2024-Mar, Research in diagnostic and interventional imaging DOI:10.1016/j.redii.2024.100044 PMID:39076582	研究论文	本研究开发了一种深度学习模型用于在双能CT扫描中自动检测指示痛风的绿色像素	提出了一种优化的深度学习算法，用于对双能CT图像中绿色编码的MSU晶体进行分割	该研究的数据集较小，仅包含58个样本	研究痛风患者的双能CT图像中MSU晶体的自动检测	双能CT图像中的绿色编码像素，代表MSU晶体	数字病理学	痛风	双能CT	Segresnet, SwinUNETR	图像	58个样本（28个训练集和30个测试集）
291	2024-08-05	Panoramic imaging errors in machine learning model development: a systematic review 2024-Mar-25, Dento maxillo facial radiology DOI:10.1093/dmfr/twae002 PMID:38273661	系统评估	本研究探讨了机器学习模型开发中全景放射成像数据集的管理和成像误差问题	揭示了机器学习研究中全景成像误差管理的不一致性，并提出了需要更多研究来理解低质量输入对模型性能的影响	研究表明各项研究的成像质量评估标准差异较大，易受到偏见的影响	旨在研究全景放射数据集中成像误差的管理	涉及使用机器学习模型的全景放射影像研究	机器学习	NA	深度学习	深度学习模型	影像	共筛选400篇文章，符合纳入标准的有41篇
292	2024-08-05	A cascading learning method with SegFormer for radiographic measurement of periodontal bone loss 2024-Mar-11, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04079-y PMID:38468273	研究论文	本研究建立了一种基于深度学习的级联学习方法，用于精确测量特定牙位的放射性骨丧失。	提出了一种新的利用SegFormer模型进行牙位识别和牙齿语义分割的级联学习方法。	未提及具体的样本数量和多样性，可能影响结果的普适性。	旨在提供准确的放射线下骨丧失测量，以帮助牙周病的诊断。	研究对象为牙齿的冠部、骨内部分和骨外部分。	数字病理学	牙周病	深度学习（DL）、主成分分析（PCA）	SegFormer	放射图像	NA
293	2024-08-05	DeepETPicker: Fast and accurate 3D particle picking for cryo-electron tomography using weakly supervised deep learning 2024-Mar-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-46041-0 PMID:38453943	研究论文	本研究开发了DeepETPicker，一种用于从冷冻电子断层图中快速精确挑选颗粒的深度学习模型	该文章创新性地使用弱监督学习和轻量模型架构，降低手动标注负担并提升性能	自动颗粒挑选方法的采用仍然受到技术限制的限制	本研究旨在提高冷冻电子断层图中的颗粒挑选速度和准确性	研究对象为生物大分子的三维结构和从冷冻电子断层图中提取的颗粒	数字病理学	NA	深度学习	NA	图像	模拟和真实断层图的多个样本
294	2024-08-05	A systematic review on deep learning-based automated cancer diagnosis models 2024-03, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.18144 PMID:38426930	综述	本文提供了关于基于深度学习的癌症自动诊断模型的系统评价	本文分析了2016年至2022年期间的最新研究，比较了不同类型的深度学习模型在癌症早期诊断中的应用	讨论了现有基于深度学习的自动癌症诊断模型的各种不足之处	评估基于深度学习的癌症自动诊断模型的有效性	重点关注乳腺癌、肺癌、肝癌、脑癌和宫颈癌等五大类癌症	深度学习	癌症	深度学习	卷积神经网络	NA	NA
295	2024-08-05	Autologous Transplantation Tooth Guide Design Based on Deep Learning 2024-03, Journal of oral and maxillofacial surgery : official journal of the American Association of Oral and Maxillofacial Surgeons IF:2.3Q2 DOI:10.1016/j.joms.2023.09.014 PMID:37832596	研究论文	本文探讨了基于深度学习的自体牙移植手术引导设计的可行性	提出了一种替代传统设计流程的深度学习驱动的自体牙移植引导设计方案	该研究基于回顾性横断面设计，可能存在选择偏差	评估使用深度学习技术进行自体牙移植引导设计的可行性	79个来自广州市医学大学医院的CBCT图像	计算机视觉	NA	深度学习	NA	图像	79个CBCT图像和5070个感兴趣区域图像
296	2024-08-05	A fully automated deep learning approach for coronary artery segmentation and comprehensive characterization 2024-Mar, APL bioengineering IF:6.6Q1 DOI:10.1063/5.0181281 PMID:38269204	研究论文	提出了一种完全自动化的深度学习方法，用于冠状动脉分割和综合特征分析	创新点在于开发了一个全自动化的管道，能够实现冠状动脉的分割以及冠状动脉钙化和扭曲的客观分析	该研究可能存在对特定数据集的依赖性，且只在CCTA图像上进行了验证	本研究旨在提供一种快速且客观的工具，以协助临床医生进行冠状动脉疾病风险评估	研究对象为281幅经过手动注释的CCTA图像	数字病理学	冠心病	冠状动脉计算机断层血管造影（CCTA）	基于U-Net的双阶段模型	图像	281幅CCTA图像
297	2024-08-05	Comparing a pre-defined versus deep learning approach for extracting brain atrophy patterns to predict cognitive decline due to Alzheimer's disease in patients with mild cognitive symptoms 2024-03-19, Alzheimer's research & therapy DOI:10.1186/s13195-024-01428-5 PMID:38504336	研究论文	本研究比较了预定义的方法与深度学习在预测阿尔茨海默病患者脑萎缩模式的表现	该研究首次评估了使用深度学习模型与传统方法相比，使用整个脑图像来提高MRI预测阿尔茨海默病相关认知衰退的能力	深度学习模型在预测阿尔茨海默病进展方面的表现未优于基于预定义脑区的回归模型	研究阿尔茨海默病早期认知衰退的预测方法	332名有主观认知衰退或轻度认知障碍的个体	数字病理学	阿尔茨海默病	MRI	深度学习模型	结构性脑影像	332名具有主观认知衰退/轻度认知障碍的个体
298	2024-08-05	A comprehensive review of protein-centric predictors for biomolecular interactions: from proteins to nucleic acids and beyond 2024-Mar-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae162 PMID:38739759	review	本文对超过160种蛋白质-配体相互作用预测器进行全面评审	综合分析四类预测器的输入、特征配置、模型等多个重要视角，评估当前基于深度学习及其他新兴方法的预测能力	没有提到更多关于模型性能评估的具体数据或比较	旨在总结和分析不同的蛋白质-配体相互作用预测方法	研究对象为蛋白质与配体之间的相互作用	机器学习	NA	高通量技术	深度学习模型	蛋白质序列和特征数据	超过160个预测器
299	2024-08-05	Computational design of soluble functional analogues of integral membrane proteins 2024-Mar-07, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.09.540044 PMID:38496615	研究论文	本文介绍了利用深度学习设计复杂折叠和可溶性整合膜蛋白的功能类比。	创新点在于成功重现了独特的膜拓扑结构并将其功能引入到可溶性蛋白质中	NA	研究旨在利用计算方法设计复杂的蛋白质折叠和解决整合膜蛋白的功能性问题	研究对象为整合膜蛋白及其可溶性类比	计算生物学	NA	深度学习	NA	蛋白质结构	NA
300	2024-08-05	Deep learning in cancer genomics and histopathology 2024-03-27, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-024-01315-6 PMID:38539231	综述	该文章总结了深度学习在组织病理学和基因组学中的当前和新兴应用	提出了深度学习作为肿瘤学和癌症研究新工作流程的基础	指出深度学习模型可能存在偏见和其他缺陷，用户需对此有所了解	探讨深度学习在精准肿瘤学中的应用	当前和新兴的深度学习应用于癌症的组织病理学和基因组学	数字病理学	癌症	深度学习	NA	NA	NA