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
381	2024-08-05	Tracing unknown tumor origins with a biological-pathway-based transformer model 2024-Jun-17, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100797 PMID:38889685	研究论文	本文开发了一种融合生物途径知识的深度学习模型BPformer，用于识别未知原发肿瘤的来源	BPformer通过结合生物途径知识和变换器模型，显著提高了肿瘤起源识别的准确性	在本文中未提及该方法的潜在局限性	研究未知原发癌的肿瘤来源识别	使用10410个来自32种癌症类型的主要肿瘤的转录组数据进行训练	机器学习	NA	深度学习	变换器模型	转录组数据	10410个主要肿瘤样本
382	2024-08-05	Subtype-WGME enables whole-genome-wide multi-omics cancer subtyping 2024-Jun-17, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100781 PMID:38761803	研究论文	本研究提出了一种创新策略，整合全基因组多组学数据，以促进癌症亚型分类	提出了一种利用高维组学数据隐层特征的多任务编码器进行自适应融合的策略	NA	探索基因组广泛数据在癌症研究中的整合潜力和实际应用	针对八个基准癌症数据集的癌症亚型分类进行实证评估	数字病理学	癌症	多组学	多任务编码器	基因组数据	八个基准癌症数据集
383	2024-08-05	Detecting fungi-affected multi-crop disease on heterogeneous region dataset using modified ResNeXt approach 2024-Jun-11, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-12790-0 PMID:38862723	研究论文	本文探讨了在不同区域数据集中使用改进的ResNeXt方法检测受真菌影响的多作物病害	提出了一种改进的ResNeXt CNN模型，显示出比现有方法更好的真菌病害预测能力	针对不同区域的数据集中，真菌病害检测的研究较少	研究农作物中真菌病害的检测方法以提高农业生产	主要研究苹果、番石榴和奶油苹果三种作物中的真菌病害	计算机视觉	NA	卷积神经网络（CNN）	改进的ResNeXt	图像	14,408张图像，涵盖三种不同作物的真菌病害
384	2024-08-05	Integrating Deep Learning with Electronic Health Records for Early Glaucoma Detection: A Multi-Dimensional Machine Learning Approach 2024-Jun-07, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11060577 PMID:38927813	研究论文	本研究开发了一种基于深度学习模型的青光眼检测预测模型	结合临床数据、社会行为风险因素和人口统计数据进行青光眼检测的多维机器学习方法	仅使用电子健康记录数据时模型准确性较低，难以与结合影像数据的模型相媲美	利用深度学习模型和电子健康记录数据进行青光眼早期检测	1652名参与者，其中826名为对照组，826名为青光眼患者	机器学习	青光眼	深度学习	随机森林、梯度提升、顺序模型	临床数据、社会行为风险因素和人口统计数据	1652名参与者
385	2024-08-05	Cinobufotalin prevents bone loss induced by ovariectomy in mice through the BMPs/SMAD and Wnt/β-catenin signaling pathways 2024-Jun, Animal models and experimental medicine IF:3.8Q2 DOI:10.1002/ame2.12359 PMID:38013618	研究论文	本研究探讨了中药蟾酥对去卵巢小鼠诱导的骨质流失的保护作用及其潜在机制	本研究使用深度学习预测系统筛选抗骨质疏松剂，并揭示了蟾酥通过BMPs/SMAD和Wnt/β-连环蛋白信号通路促进骨生成分化的机制	本研究未涉及临床试验数据，仅在小鼠模型上进行观察	研究蟾酥对骨质疏松的保护作用和机制	研究主要聚焦于雌激素缺乏导致的骨质流失及人骨髓间充质干细胞的功能	数字病理学	骨质疏松	qRT-PCR, Western blot (WB), 免疫荧光 (IF), Micro-CT	NA	NA	小鼠模型及人骨髓间充质干细胞
386	2024-08-05	A Deep Learning-Based Assay for Programmed Death Ligand 1 Immunohistochemistry Scoring in Non-Small Cell Lung Carcinoma: Does it Help Pathologists Score? 2024-Jun, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100485 PMID:38588885	研究论文	本研究开发了一种AI模型来计算非小细胞肺癌中PD-L1免疫组化分析的肿瘤比例评分(TPS)	首次专注于AI辅助系统如何帮助病理学家确定TPS	对不同评分方式的AI辅助方法的统计结果并不显著	探讨AI辅助系统在PD-L1 TPS评分中的应用及其对病理学家评估准确度的影响	584个组织微数组样本	数字病理学	肺癌	免疫组织化学	AI模型	组织样本	584个样本
387	2024-08-05	Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning 2024-Jun-30, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.05.592587 PMID:38979147	研究论文	本研究提出了一种基于生成深度学习的模型，用于采样高度动态蛋白质的构象集合	引入了一个无监督深度学习模型Internal Coordinate Net (ICoN)，能够从分子动力学（MD）模拟数据中学习构象变化的物理原理	主要集中在于对内在无序蛋白（IDP）构象集的探索，实际应用中可能受到数据质量和模型普遍性的限制	研究高动态蛋白质的构象集合，以理解其生物学功能和与疾病相关的聚集现象	重点研究高动态的淀粉样β（Aβ42）单体的构象景观	数字病理学	阿尔茨海默病	分子动力学模拟	深度学习模型	分子动力学模拟数据	NA
388	2024-08-05	Diagnosis of mental disorders using machine learning: Literature review and bibliometric mapping from 2012 to 2023 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32548 PMID:38975193	综述	该文章回顾了2012年至2023年间关于机器学习在精神疾病诊断中应用的文献及其计量学分析	本文展示了机器学习技术在精神疾病诊断中的日益增长的应用和相关的研究进展	该研究的局限性在于仅分析了过去10年的文献，可能未覆盖最新的研究动态	研究机器学习在精神疾病诊断中的应用及其相关文献的计量学映射	对2811篇文献进行了分析，重点关注抑郁症和精神分裂症	机器学习	精神疾病	机器学习，深度学习	决策树分类器，随机森林分类器，支持向量机分类器，LSTM，卷积神经网络	文献	2811篇期刊文章，40篇选定研究
389	2024-08-05	Paddy insect identification using deep features with lion optimization algorithm 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32400 PMID:38975160	研究论文	本研究提供了一种利用深度学习和机器学习技术及时检测和分类水稻害虫的框架	该研究首次成功结合特征优化技术与深度学习和机器学习，以提高水稻害虫的识别精度	没有提及系统在不同环境或不同类型害虫中的具体适用性	研究旨在早期检测水稻田中的害虫以减少潜在损失	研究对象是水稻害虫的图像数据集	计算机视觉	水稻病害	深度学习、机器学习、图像增强	卷积神经网络（CNN）	图像	数据集分为两组：一组没有水稻害虫，另一组有水稻害虫，具体样本数量未提及
390	2024-08-05	Enhancing museum experience through deep learning and multimedia technology 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32706 PMID:38975172	研究论文	本文旨在通过深度学习算法与多媒体技术的结合，提升当代博物馆观众的互动体验	提出了一种自适应卷积神经网络（CNN）和自适应池化算法，以克服传统图像处理算法的局限性	未具体提及研究的局限性	探索如何通过技术提升博物馆的互动性和访客体验	博物馆的艺术品和展品	计算机视觉	NA	深度学习算法	自适应卷积神经网络（CNN）	图像	实验未具体说明样本数量
391	2024-08-05	Exploring machine learning applications in Meningioma Research (2004-2023) 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32596 PMID:38975185	研究论文	本研究旨在考察2004年至2023年间机器学习在脑膜瘤研究中的应用趋势	文章创新在于分析了该领域机器学习应用的增长趋势和主要研究方向	研究仅基于SCI-E数据库的发表数据，可能存在文献遗漏	探讨机器学习在脑膜瘤研究中的应用，为未来研究提供指导	脑膜瘤相关的出版物和研究趋势	机器学习	脑膜瘤	机器学习	深度学习	文献数据	342篇文章
392	2024-08-05	Longitudinal risk prediction for pediatric glioma with temporal deep learning 2024-Jun-28, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.04.24308434 PMID:38978642	研究论文	该文章提出了一种自监督深度学习方法，用于儿童胶质瘤的纵向影像分析和复发预测	创新点在于提出了一种时序学习的方法来建模患者当前和先前的脑部MRI，以提高复发预测的个性化能力	目前尚未验证该方法在其他疾病或不同临床环境中的通用性	研究儿童胶质瘤的复发预测，以改善个体化监测方案	研究对象为715名儿童胶质瘤患者及其3994个影像扫描	数字病理学	肿瘤	磁共振成像（MRI）	深度学习	影像	715名患者，3994个扫描
393	2024-08-05	AllergenAI: a deep learning model predicting allergenicity based on protein sequence 2024-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.22.600179 PMID:38979176	研究论文	本文提出了一种基于蛋白质序列的深度学习模型AllergenAI，以预测蛋白质的致敏性	与以往工具不同，本研究仅基于蛋白质序列来量化蛋白质的过敏潜力	本研究的预测性能尚需通过将3D信息纳入训练数据来进一步提高	旨在通过深入了解过敏蛋白的分子特性，重新设计致敏蛋白以减少敏感个体的不良反应	针对来自SDAP 2.0、COMPARE和AlgPred 2等数据库的过敏蛋白序列进行研究	机器学习	NA	卷积神经网络(CNN)	CNN	蛋白质序列	约1600种过敏原结构
394	2024-08-05	A Top-Down Design Approach for Generating a Peptide PROTAC Drug Targeting Androgen Receptor for Androgenetic Alopecia Therapy 2024-Jun-27, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c00828 PMID:38836467	研究论文	本研究提出了一种新的基于肽的PROTAC药物开发范式，用于治疗雄激素性脱发	结合前沿的方法论，创造了新的肽类PROTAC药物开发方式	目前在实际大分子药物开发中的深度学习模型应用仍有限	弥补人工智能模型在药物开发中的应用差距	针对雄激素受体(AR)和冯·希佩尔-林道(VHL)的结合肽的识别和验证	药物开发	雄激素性脱发	ProteinMPNN, RFdiffusion, Alphafold2-multimer, ZDOCK	NA	肽	NA
395	2024-08-05	Distribution network insulator detection based on improved ant colony algorithm and deep learning for UAV 2024-Jun-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110119 PMID:38974473	研究论文	本文研究了利用无人机进行智能电力巡检的路径规划和控制。	提出了一种改进的群体智能算法用于无人机飞行路径规划，并使用深度学习技术对绝缘子进行了准确识别。	NA	旨在提高无人机巡检的效率和准确性。	聚焦于绝缘子的识别及缺陷定位。	计算机视觉	NA	深度学习	改进的蚁群算法	图像	通过深度学习技术训练的绝缘子数据集
396	2024-08-05	Unveiling the Potential: A Comprehensive Review of Artificial Intelligence Applications in Ophthalmology and Future Prospects 2024-Jun, Cureus DOI:10.7759/cureus.61826 PMID:38975538	综述	本文综述了人工智能在眼科学领域的现状及未来前景	本文突出展示了人工智能在早期检测和诊断眼部疾病中的卓越表现，尤其是在个性化治疗和手术辅助等方面的潜力	尽管取得了许多进展，但面临数据隐私、监管障碍和伦理考虑等挑战	研究人工智能在眼科的应用及其改进眼健康的潜力	本文探讨了人工智能在多个眼科疾病中的应用，包括糖尿病性视网膜病变、年龄相关性黄斑变性和青光眼	计算机视觉	眼科疾病	深度学习算法	NA	图像	NA
397	2024-08-05	A study on deep learning model based on global-local structure for crowd flow prediction 2024-06-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63310-6 PMID:38824208	研究论文	本文研究了一种基于全球-局部结构的深度学习模型，用于人群流动预测	提出了一种同时利用整体和按地点类型划分的人群流动数据的深度学习模型，考虑了数据的层次结构	现有的预测模型未考虑数据的层次结构，可能影响预测的全面性	提高人群流动预测的准确性，特别是针对各个子群体	针对不同性别、年龄和地点类型的人群流动进行研究	机器学习	NA	深度学习	NA	人群流动数据	NA
398	2024-08-05	Single-Subject Deep-Learning Image Reconstruction with a Neural Optimization Transfer Algorithm for PET-enabled Dual-Energy CT Imaging 2024-Jun-19, ArXiv PMID:37873021	研究论文	提出了一种使用神经优化传输算法的单个受试者深度学习图像重建方法，以改善PET支持的双能CT成像	首次将深度神经网络作为深度系数先验应用于仅使用单个受试者数据的图像重建，避免了大规模数据库的需求	该方法的效果可能受到受试者个体条件的限制，可能不适用于所有临床场景	改善PET支持的双能CT重建的图像质量	对gCT图像的重建进行了深入研究，特别是在PET/CT扫描中	数字病理学	NA	PET，双能CT	深度神经网络	图像	计算机模拟、真实仿真数据和真实患者数据
399	2024-08-05	Generative AI in glioma: Ensuring diversity in training image phenotypes to improve diagnostic performance for IDH mutation prediction 2024-Jun-03, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noae012 PMID:38253989	研究论文	本研究评估了基于生成人工智能的增强（GAA）是否能提供多样和真实的成像表型，并改善胶质瘤中异柠檬酸脱氢酶（IDH）类型的深度学习分类。	本研究通过生成的真实和多样化图像，在预测胶质瘤的IDH类型方面展示了优于神经放射科医生的诊断性能。	该研究中未具体提到有关生成图像在临床实际应用中的局限性。	研究应用生成人工智能改善胶质瘤中IDH突变预测的诊断性能。	研究对象为565名患者，包含346名IDH野生型和219名IDH突变型，进行对比增强T1和FLAIR MRI扫描。	数字病理学	胶质瘤	有生成对抗网络（GAA）和ResNet50分类器	深度学习模型	图像	565名患者，使用的影像数据包括配对对比增强的T1和FLAIR MRI扫描
400	2024-08-05	A Deep Learning Model for Cancer Type Prediction Sets a New Standard 2024-Jun-03, Cancer discovery IF:29.7Q1 DOI:10.1158/2159-8290.CD-24-0280 PMID:38826098	研究论文	本文描述了一种新工具，利用临床测序面板的信息来诊断肿瘤类型	该模型在面对未知原发癌等挑战性病例时表现出特别稳健的性能	摘要中未提及具体的局限性	研究的目的是开发一种能够有效分类肿瘤类型的深度学习模型	研究对象为不同类型的癌症，特别是未知原发的癌症	机器学习	癌症	临床测序	深度学习模型	临床数据	NA