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
901	2024-08-07	Knowledge-based planning for Gamma Knife 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17058 PMID:38598107	研究论文	本文开发了一种基于知识的治疗计划（KBP）管道，使用逆优化（IO）和3D剂量预测，用于Gamma Knife（GK）治疗。	首次为Gamma Knife开发了完整的KBP管道，通过逆优化和3D剂量预测生成可交付的治疗计划。	NA	开发一种新的基于知识的治疗计划管道，以改善Gamma Knife治疗的计划过程。	349名患者的Gamma Knife治疗数据，以及3D剂量预测模型和逆优化模型。	数字病理学	NA	逆优化（IO）	深度学习	3D剂量预测	349名患者的数据，其中322名用于训练模型，27名用于验证。
902	2024-08-07	MFTrans: A multi-feature transformer network for protein secondary structure prediction 2024-May, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.131311 PMID:38599417	研究论文	本文提出了一种基于深度学习的多特征融合网络MFTrans，用于提高蛋白质二级结构预测的精度和效率	MFTrans模型采用多序列比对Transformer和多视角深度学习架构，有效捕捉蛋白质序列的全局和局部特征，并集成多种特征融合策略	NA	提高蛋白质二级结构预测的精度和效率	蛋白质二级结构	计算生物学	NA	多序列比对Transformer	Transformer、卷积神经网络、双向门控循环单元网络	序列信息	包括CASP12、CASP13、CASP14、TEST2016、TEST2018和CB513等公共基准数据集
903	2024-08-07	Prediction of the marine spreading of low sulfur fuel oil using the long short-term memory model trained with three-phase numerical simulations 2024-May, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2024.116356 PMID:38604079	研究论文	本研究开发并验证了一种基于长短期记忆（LSTM）深度学习算法的模型，用于预测低硫燃料油（LSFO）在水面上的意外扩散	使用数值模拟数据训练LSTM模型，以预测LSFO在水面上的扩散模式，并在实际泄漏事故中验证了模型的实用性	NA	开发和验证一种预测低硫燃料油在水面上意外扩散的深度学习算法	低硫燃料油（LSFO）在水面上的扩散模式	机器学习	NA	长短期记忆（LSTM）模型	LSTM	数值模拟数据	不同配置的岛屿和海岸线以及风速（2.0-8.0 m/s）的数值模拟数据
904	2024-08-07	Machine learning and deep learning to identifying subarachnoid haemorrhage macrophage-associated biomarkers by bulk and single-cell sequencing 2024-May, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.18296 PMID:38702954	研究论文	本研究通过单细胞转录组测序和批量RNA测序，鉴定了与蛛网膜下腔出血（SAH）相关的巨噬细胞亚群及其关键基因，以改进诊断和治疗策略	本研究首次通过单细胞数据识别出独特的SAH巨噬细胞亚群，并利用机器学习算法和卷积神经网络构建了诊断模型，同时通过分子对接和网络药理学分析确定了潜在的治疗药物	需要进一步的实验和临床研究来验证这些发现，并探索这些靶点在SAH治疗中的临床意义	鉴定与蛛网膜下腔出血相关的巨噬细胞亚群及其关键基因，以改进诊断和治疗策略	SAH大鼠模型的脑组织样本	机器学习	脑血管疾病	单细胞转录组测序，批量RNA测序	卷积神经网络（CNN）	转录组数据	多个SAH大鼠模型的脑组织样本
905	2024-08-07	Machine learning and deep learning for the diagnosis and treatment of ankylosing spondylitis- a scoping review 2024-May, Journal of clinical orthopaedics and trauma DOI:10.1016/j.jcot.2024.102421 PMID:38708092	综述	本文综述了机器学习和深度学习在强直性脊柱炎诊断和治疗中的应用现状	机器学习和深度学习技术有助于早期诊断强直性脊柱炎并预测更好的患者特异性治疗方案	缺乏来自多中心、包含不同类型诊断参数的足够大的数据集，且关于机器学习和深度学习在强直性脊柱炎治疗方面的研究较少	旨在更新机器学习和深度学习在强直性脊柱炎诊断和治疗不同阶段的应用，描述所用技术类型、数据集描述、现有工作的贡献和局限性，并识别当前知识的空白以供未来研究	强直性脊柱炎的诊断和治疗	机器学习	强直性脊柱炎	机器学习 (ML) 和深度学习 (DL)	NA	NA	缺乏足够大的数据集