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
221	2024-08-05	Gram matrix: an efficient representation of molecular conformation and learning objective for molecular pretraining 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae340 PMID:38990515	研究论文	本文提出使用Gram矩阵作为三维分子结构的紧凑表示和有效的预训练目标	引入Gram矩阵作为三维分子结构的表示，并通过Pre-GTM模型实现更准确的分子性质预测	目前研究未提及Gram矩阵在其他类型分子中的适用性及通用性	旨在提高分子性质预测的准确性，并探索三维分子结构的表示方法	研究集中在三维分子结构及其性质的预测	机器学习	NA	深度学习	Pre-GTM	分子结构数据	在QM9和MoleculeNet任务中使用多个样本进行验证
222	2024-08-05	Exploiting holographically encoded variance to transmit labelled images through a multimode optical fiber 2024-May-20, Optics express IF:3.2Q2 DOI:10.1364/OE.519379 PMID:38859036	研究论文	文章探讨了通过多模光纤传输带标签图像的技术.	创新点在于使用全息调制在输出散斑图案上编码额外的变量层，从而提高了系统的传输能力.	该研究的局限性在于高保真重建仅适用于高度均匀的数据集，可能无法充分利用MMF-DNN系统的容量.	研究旨在提升通过多模光纤传输图像的能力, 特别是在带标签图像的情况下.	研究对象为通过多模光纤传输的色彩图像及其RGB组件.	计算机视觉	NA	深度学习	ResUNet	图像	成千上万的图像
223	2024-08-05	Pseudo-class part prototype networks for interpretable breast cancer classification 2024-05-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60743-x PMID:38710757	研究论文	本研究通过原型网络改进乳腺癌分类的可解释性	提出了一种新的方法，利用医学相关信息进行更准确且可解释的预测，并通过聚类概念隐式增加训练数据集中的类别数量	之前使用的ProtoPNet在乳腺癌分类中的应用存在不足	研究在数字病理学中乳腺癌分类的可解释性	乳腺癌分类模型及其可解释性	数字病理学	乳腺癌	NA	ProtoPNet	图像	使用BreakHis数据集进行实验评估
224	2024-08-05	Multicenter Study of the Utility of Convolutional Neural Network and Transformer Models for the Detection and Segmentation of Meningiomas 2024 May-Jun 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001565 PMID:38013244	研究论文	本研究探讨了卷积神经网络和Transformer模型在脑膜瘤检测和分割中的有效性与实用性	首次将卷积神经网络和Transformer模型应用于脑膜瘤的检测和精确分割	研究基于回顾性数据，可能存在数据选择偏倚	评估深度学习模型在脑膜瘤检测和分割中的效率	523名脑膜瘤患者的T1加权和对比增强磁共振图像	计算机视觉	脑膜瘤	深度学习	卷积神经网络和Transformer	图像	523个脑膜瘤患者的图像数据
225	2024-08-05	Development and Validation of an Explainable Deep Learning Model to Predict In-Hospital Mortality for Patients With Acute Myocardial Infarction: Algorithm Development and Validation Study 2024-May-10, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/49848 PMID:38728685	研究论文	该研究旨在建立一种可解释的深度学习模型，以为急性心肌梗死患者提供个体化的住院死亡风险预测和风险因素评估	开发了一种可解释的深度学习模型，能够量化和可视化影响住院死亡预测的特征	本研究仅限于来自重庆大学中央医院及其他数据库的数据，可能影响模型的通用性	建立一个用于急性心肌梗死患者的个体化住院死亡预测模型	急性心肌梗死患者	数字病理学	心血管疾病	深度学习	自注意力与样本间注意力变换器模型	电子健康记录	共10955名急性心肌梗死患者
226	2024-08-05	Cardiovascular Significance and Genetics of Epicardial and Pericardial Adiposity 2024-May-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0080 PMID:38477908	研究论文	该研究评估了心外膜和心包脂肪组织与心血管疾病的关联性及其遗传基础	使用深度学习模型从磁共振图像中量化EPAT区域，并在大规模人群中进行基因组范围关联研究	该研究的关联在控制腹部内脏脂肪组织后不再显著	评估心外膜和心包脂肪组织与心血管疾病的关联性及其遗传基础	来自UK Biobank的44475名参与者	数字病理学	心血管疾病	磁共振成像	深度学习模型	图像	44475名参与者
227	2024-08-05	ctGAN: combined transformation of gene expression and survival data with generative adversarial network 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae325 PMID:38980369	研究论文	本研究提出了ctGAN，这是一种结合基因表达和生存数据的生成对抗网络	ctGAN通过风格转化增强数据，提高了生存分析的可用性	该模型可能仅适用于癌症类型的分析，其他疾病类型的有效性尚不明确	研究旨在提高癌症生存分析的精确性和个性化治疗选择	本研究的对象为乳腺癌和其他11种癌症类型的基因表达及生存数据	机器学习	癌症	生成对抗网络 (GAN)	NA	基因表达数据和生存数据	11种癌症类型的生存数据和基因表达数据
228	2024-08-05	DeepGRNCS: deep learning-based framework for jointly inferring gene regulatory networks across cell subpopulations 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae334 PMID:38980373	研究论文	提出了一种基于深度学习的框架DeepGRNCS，用于跨细胞亚群共同推断基因调控网络	DeepGRNCS框架能够同时考虑细胞间异质性和不同细胞亚群之间的相似性，从而提高基因调控网络推断的准确性	目前的方法可能在处理极其复杂的细胞群体时仍存在一定局限性	研究基因调控网络的推断，以加深对细胞功能和疾病发病机制的理解	针对非小细胞肺癌的scRNA-seq数据进行关键基因的识别和生物学相关性分析	数字病理学	非小细胞肺癌	单细胞RNA测序（scRNA-seq）	深度学习模型	RNA-seq数据	不同的模拟和真实scRNA-seq数据集
229	2024-08-05	An Update on the Use of Artificial Intelligence in Digital Pathology for Oral Epithelial Dysplasia Research 2024-May-10, Head and neck pathology DOI:10.1007/s12105-024-01643-4 PMID:38727841	评论	本文探讨了数字病理学中人工智能在口腔上皮异型增生(OED)研究中的应用进展。	该文献总结了使用深度学习和机器学习模型对OED进行诊断、分级及恶变预测的最新研究。	研究需要更多的证据以支持结果的广泛适用性、可解释性决策和预后预测。	本文旨在审查用于OED诊断的数字病理学中的人工智能应用的最新进展。	研究对象为使用人工智能对口腔上皮异型增生进行诊断和分级的研究。	数字病理学	口腔癌前病变	深度学习和机器学习	卷积神经网络和机器学习模型	组织病理学图像和口腔内临床图像	24项研究
230	2024-08-05	A scoping review of methodologies for applying artificial intelligence to physical activity interventions 2024-May, Journal of sport and health science IF:9.7Q1 DOI:10.1016/j.jshs.2023.09.010 PMID:37777066	综述	这篇综述旨在提供研究人员和从业者对人工智能在身体活动干预中应用的理解	介绍了常见的机器学习、深度学习和强化学习算法，并鼓励采用AI方法	不同AI模型的比较结果不一，模型性能依赖于数据集和任务	探讨人工智能在促进身体活动和预测相关行为或健康结果中的应用	分析已有的研究以总结和分类AI方法论	自然语言处理	NA	机器学习，深度学习，强化学习	ML，DL，RL	研究数据	24项研究
231	2024-08-05	Revolutionizing diagnostic pathology: The emergence and impact of artificial intelligence-what doesn't kill you makes you stronger? 2024 May-Jun, Clinics in dermatology IF:2.3Q2 DOI:10.1016/j.clindermatol.2023.12.020 PMID:38181890	研究论文	本研究探讨了人工智能在诊断病理学中的整合和影响，特别是皮肤病理学	文章强调了人工智能在病理学中的变革潜力，特别是其在改善全球医疗保健结果中的作用	研究未提及具体的实验数据和样本分析	探讨人工智能在诊断病理学中面临的挑战及其潜在解决方案	分析皮肤病理学中人工智能的应用及其发展挑战	数字病理学	NA	机器学习	深度学习	文献	44篇相关出版物
232	2024-08-05	Feasibility of Multimodal Artificial Intelligence Using GPT-4 Vision for the Classification of Middle Ear Disease: Qualitative Study and Validation 2024-05-31, JMIR AI DOI:10.2196/58342 PMID:38875669	研究论文	本研究探讨了使用GPT-4 Vision进行中耳疾病分类的可行性	首次将GPT-4 Vision与患者特定数据相结合，以改善中耳疾病的诊断	研究中存在数据隐私和伦理考量的挑战	研究GPT-4 Vision在结合特定患者数据时对中耳疾病的诊断有效性	305幅中耳疾病的耳镜图像	机器学习	中耳疾病	深度学习	GPT-4 Vision	图像	305幅耳镜图像
233	2024-08-05	DrugMetric: quantitative drug-likeness scoring based on chemical space distance 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae321 PMID:38975893	研究论文	本文介绍了一种新的无监督学习框架DrugMetric，用于基于化学空间距离量化药物相似性。	DrugMetric结合了变分自编码器的强大学习能力和高斯混合模型的区分能力，创新性地评估药物相似性。	未提及该方法在特定领域或特定类型药物的有效性限制。	该研究旨在加速候选药物的虚拟筛选过程。	研究对象为药物分子的药物相似性评估。	机器学习	NA	无监督学习	变分自编码器和高斯混合模型	数据集	在多种任务和数据集上测试，未具体说明样本数量
234	2024-08-05	Antibody design using deep learning: from sequence and structure design to affinity maturation 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae307 PMID:38960409	研究论文	本文探讨了深度学习在抗体设计和优化中的应用	通过结合体外和体内方法，提出了新技术以简化抗体开发流程	未涉及对其他生物大分子的开发应用	研究深度学习在抗体设计和亲和力成熟中的潜力	主要研究抗体的设计、折叠、抗体-抗原相互作用和亲和力成熟	生物技术	NA	深度学习	NA	NA	NA
235	2024-08-05	Forecasting vaping health risks through neural network model prediction of flavour pyrolysis reactions 2024-05-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-59619-x PMID:38719814	研究论文	本文利用图卷积神经网络模型预测电子液体化学香料的热分解反应，评估吸食电子烟的健康风险	将深度学习方法与实验质谱数据相结合，识别出1169个分子量匹配，优先分析这些化合物	未详细说明不同化学实体的健康影响和长期风险	评估吸食电子烟过程中化学物质的热分解所带来的健康风险	180种电子液体化学香料及其热分解反应	机器学习	NA	图卷积神经网络	图卷积神经网络(NN)	化学数据	180种电子液体化学香料
236	2024-08-05	Cross-site validation of lung cancer diagnosis by electronic nose with deep learning: a multicenter prospective study 2024-May-10, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-024-02840-z PMID:38730430	研究论文	该研究评估了电子鼻与深度学习结合在肺癌诊断中的跨站点验证效果	提出了使用数据增强和微调方法提高电子鼻呼吸印记的跨站点验证能力	未能在训练模型直接应用于测试队列时取得理想效果	探索电子鼻在肺癌检测中的应用以及提高模型跨站点验证能力	包括231名参与者，涵盖肺癌患者、健康对照和其他疾病对照	数字病理学	肺癌	深度学习, 数据增强	NA	呼吸印记	231名参与者，训练/验证组168名，测试组63名
237	2024-08-05	Detecting Substance Use Disorder Using Social Media Data and the Dark Web: Time- and Knowledge-Aware Study 2024-May-01, JMIRx med DOI:10.2196/48519 PMID:38717384	研究论文	本研究分析了与药物使用和通过加密市场销售的阿片类药物相关的社交媒体帖子	使用最先进的深度学习模型和知识感知的双向编码器表示生成社交媒体帖子的情感和情绪	未详细提及该研究的具体局限性	旨在了解用户对社交媒体上毒品的看法及其情感反应	分析社交媒体数据中与合成阿片类药物相关的帖子	自然语言处理	NA	深度学习模型	知识感知的双向编码器表示模型	社交媒体帖子	提及分析了与芬太尼及其类似物的帖子，但没有具体样本量
238	2024-08-05	A Comparison of Personalized and Generalized Approaches to Emotion Recognition Using Consumer Wearable Devices: Machine Learning Study 2024-May-10, JMIR AI DOI:10.2196/52171 PMID:38875573	研究论文	本文研究了个性化与通用情感识别模型的差异，使用可穿戴生理信号数据进行三类情感分类。	本文提出了个性化深度学习模型，并展示其在某些上下文中优于通用模型的表现。	研究样本仅限于15名参与者，影响结果推广性。	研究个性化与通用机器学习模型在情感分类中的应用效果。	使用可穿戴设备收集的生理信号数据进行情感三类分类。	机器学习	心血管疾病	深度学习	神经网络	多模态生理信号	15名参与者
239	2024-08-05	AttABseq: an attention-based deep learning prediction method for antigen-antibody binding affinity changes based on protein sequences 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae304 PMID:38960407	研究论文	本研究开发了一种基于深度学习的模型AttABseq，用于预测抗原-抗体结合亲和力的变化	AttABseq是一种高效的注意力基础模型，能够从抗原-抗体复合物序列中预测残基突变导致的结合亲和力变化	AttABseq对改变残基的数量没有限制，但可能对特定类型的突变或特殊情况的预测能力有限	加速和改善治疗抗体的开发	连接抗体突变的抗原-抗体结合亲和力变化	生物信息学	NA	深度学习	注意力模型	序列数据	三组基准数据集
240	2024-08-05	LDCT image biomarkers that matter most for the deep learning classification of indeterminate pulmonary nodules 2024-May-22, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-230444 PMID:38848168	研究论文	本研究系统探讨了影像学特征对不确定肺结节分类的贡献	结合图像掩模和显著性激活图的方法，深入分析肺结节的组织和肿瘤区域	缺乏对于其他类型成像数据的验证	探讨低剂量CT影像中组织和肿瘤区域对肺结节分类的贡献	来自国家肺筛查试验（NLST）的固态肺结节患者	计算机视觉	肺癌	低剂量CT	深度学习神经网络	图像	NLST中包含直径为4-20毫米的固态肺结节患者