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
841	2024-08-05	An end-to-end method for predicting compound-protein interactions based on simplified homogeneous graph convolutional network and pre-trained language model 2024-Jun-07, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00862-9 PMID:38849874	研究论文	本研究提出了一种名为SPVec-SGCN-CPI的端到端方法，用于预测化合物与蛋白质之间的相互作用	该方法首次同时考虑了样本不平衡和计算效率，提高了化合物-蛋白质相互作用的预测准确性	在研究中没有提到可能的局限性	旨在提高化合物-蛋白质相互作用的预测能力以加速药物发现过程	研究对象为化合物与蛋白质之间的相互作用	机器学习	NA	简化图卷积网络 (SGCN)	NA	数据集	三个数据集
842	2024-08-05	Software cost estimation predication using a convolutional neural network and particle swarm optimization algorithm 2024-Jun-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63025-8 PMID:38849414	研究论文	本文提出了一种基于卷积神经网络和粒子群优化算法的软件成本估算模型	结合深度学习和机器学习技术，利用CNN和PSO进行时间序列预测，增强了模型的稳健性和泛化能力	尽管在多个基准数据集上取得了优异表现，但仍需进一步验证其在不同应用领域的有效性	提升软件成本估算的预测准确性和稳定性	使用13个不同的基准数据集进行模型训练和测试	机器学习	NA	卷积神经网络 (CNN) 和粒子群优化 (PSO)	卷积神经网络 (CNN)	基准数据集	13个不同的基准数据集
843	2024-08-05	Depth-enhanced high-throughput microscopy by compact PSF engineering 2024-Jun-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48502-y PMID:38849376	研究论文	本文展示了一种紧凑的点扩散函数工程，以增强高通量显微镜的成像深度	提出了一种在物镜中实现紧凑点扩散函数工程的方法，克服了传统方法的笨重光学扩展问题	未在实际应用中提供完全的验证，而主要集中于方法论的展示	提升高通量显微镜在三维细胞模型中的应用效能	聚焦于三维显微成像及其与深度学习结合的能力	数字病理学	NA	光学方法	深度学习	图像	NA
844	2024-08-05	PUResNetV2.0: a deep learning model leveraging sparse representation for improved ligand binding site prediction 2024-Jun-07, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00865-6 PMID:38849917	研究论文	本文介绍了PUResNetV2.0模型，该模型通过稀疏表示提升了配体结合位点预测的准确性	提出了一种利用稀疏表示的深度学习模型PUResNetV2.0，以改善配体结合位点预测的准确性	在某些特定情况下（如RNA、DNA、肽类配体和离子结合位点预测）的性能受到训练数据限制的影响	提升蛋白质中配体结合位点预测的准确性	4729个蛋白质家族的蛋白质复合物	计算机视觉	NA	深度学习	PUResNetV2.0	蛋白质复合物数据	4729个蛋白质家族
845	2024-08-05	Explainable deep learning-based ischemia detection using hybrid O-15 H2O perfusion PET/CT imaging and clinical data 2024-Jun-07, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2024.101889 PMID:38852900	研究论文	本研究开发了一种可解释的深度学习分类器，用于通过O-15 H2O灌注PET/CT和冠状动脉CT血管成像识别冠状动脉疾病	提出了一种结合图像和数据的深度学习分类器，并能够以可视化方式展示数据结果	仅在138名受试者中评估，可能样本量不足以广泛推广	研究目的是开发一种有效的深度学习模型用于检测流量限制性冠状动脉疾病	研究对象为138名受试者，包含临床、CTA和PET变量	计算机视觉	冠状动脉疾病	PET/CT成像	深度学习模型	图像和数值数据	138名受试者
846	2024-08-05	Accuracy of a deep learning-based algorithm for the detection of thoracic aortic calcifications in chest computed tomography and cardiovascular surgery planning 2024-Jun-03, European journal of cardio-thoracic surgery : official journal of the European Association for Cardio-thoracic Surgery IF:3.1Q1 DOI:10.1093/ejcts/ezae219 PMID:38837348	研究论文	本文评估了一种基于深度学习的算法在胸部计算机断层扫描中自动检测胸主动脉钙化的准确性	提出了一种全自动的深度学习模型来检测胸主动脉钙化，并重点关注主动脉夹钳区	仅涉及91名患者的回顾性样本，可能影响结果的普适性	评估深度学习算法在胸部CT中检测主动脉钙化的准确性	回顾性分析100个胸部CT扫描，来自91名患者	计算机视觉	心血管疾病	深度学习	卷积神经网络（CNN）	图像	100个胸部CT扫描，来自91名患者
847	2024-08-05	Machine learning-based classification of structured light modes under turbulence and eavesdropping effects 2024-Jun-01, Applied optics IF:1.7Q3 DOI:10.1364/AO.520510 PMID:38856620	研究论文	本文考虑了在湍流和窃听影响下对复用结构光模态的分类	这是首个同时考虑湍流和窃听威胁对复用结构光模态分类的研究	未提及具体的实验条件或其他可能影响分类结果的因素	提高在挑战性环境中的通信可靠性和数据传输速率	复用的结构光模态，特别是在湍流和窃听场景下的性能	机器学习	NA	机器学习算法	人工神经网络，支持向量机，1D卷积神经网络，2D卷积神经网络	光学信号	16种模式
848	2024-08-05	Role of ChatGPT-4 for Medical Researchers 2024-Jun, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-023-03336-5 PMID:37526801	评论	本文强调了ChatGPT-4在医疗领域的贡献、益处和挑战	探讨了ChatGPT-4在医学研究中的应用潜力和具体优势	对该工具的知识和潜力仍需更深入的了解	旨在阐明ChatGPT-4对医学研究的影响	医疗研究人员和从业者	自然语言处理	NA	深度学习	ChatGPT-4	文本	NA
849	2024-08-05	Estimation of modified Zernike coefficients from turbulence-degraded multispectral imagery using deep learning 2024-Jun-01, Applied optics IF:1.7Q3 DOI:10.1364/AO.521072 PMID:38856589	研究论文	本文研究了波长多样性如何影响深度学习模型从多光谱图像中预测修正Zernike系数的性能	提出了一种利用波长依赖的模拟方法来处理湍流引起的波前误差，并采用深度神经网络进行修正Zernike系数的预测	在使用带有附加噪声的扩展对象时，增加光谱带数所带来的改进有限	研究深度学习在湍流条件下从多光谱图像中高准确度预测修正Zernike系数的能力	点对象和来自字符数据集的扩展对象的多光谱图像	计算机视觉	NA	深度学习	AlexNet	图像	点对象和扩展对象的模拟图像数据，涉及不同湍流水平的多个样本
850	2024-08-05	Identifying the twist factor of twisted partially coherent optical beams 2024-Jun-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.522975 PMID:38856440	研究论文	本文介绍了一种识别扭曲部分相干光束扭曲因子的方法	提出利用源平面上的圆形光圈来识别扭曲部分相干光束，简化了识别过程	识别过程可能受到光束低相干性和随机性的影响	研究如何有效识别扭曲部分相干光束的扭曲因子	扭曲部分相干光束的扭曲因子	光学	NA	深度学习	简单的深度学习模型	光束强度结构	NA
851	2024-08-05	A Siamese deep learning framework for efficient hardware Trojan detection using power side-channel data 2024-Jun-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62744-2 PMID:38844523	研究论文	本文提出了一种新颖的Siamese神经网络框架来检测硬件特洛伊木马	采用了非侵入性的电源侧信道信号处理，且不需要IC的黄金模型	研究中没有提到实际应用中的复杂环境或其他类型的攻击	提高集成电路安全性，检测隐藏的硬件特洛伊木马	使用从Trojan Power & EM Side-Channel数据集中提取的特征进行训练	计算机视觉	NA	电源侧信道信号处理	SNN, LSTM, GRU, CNN	信号数据	使用Trojan Power & EM Side-Channel数据集的样本
852	2024-08-05	Exploring potential circRNA biomarkers for cancers based on double-line heterogeneous graph representation learning 2024-Jun-06, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02564-6 PMID:38844961	研究论文	本研究提出了一种新的方法CDA-DGRL，用于预测circRNA-疾病关联	该方法通过图网络和双线表示模型整合图节点特征，实现了对局部和全局图网络结构的有效捕捉，解决了现有模型在稀疏局部结构信息利用上的局限性	该研究可能受到现有生物数据稀疏性的限制，尽管提出了方法来缓解这一问题	本研究旨在可靠地识别circRNA-疾病关联，以减少传统生物实验的需求	该研究的对象是circRNA和疾病之间的关联	数字病理学	NA	深度学习框架，图神经网络	图卷积神经网络	生物信息数据	通过对circR2Disease数据集进行五折交叉验证获得结果
853	2024-08-07	Author Correction: Opportunistic detection of type 2 diabetes using deep learning from frontal chest radiographs 2024-Jun-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49184-2 PMID:38844459	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
854	2024-08-05	Choroidalyzer: An Open-Source, End-to-End Pipeline for Choroidal Analysis in Optical Coherence Tomography 2024-Jun-03, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.65.6.6 PMID:38833259	研究论文	本文开发了一个开源的全自动管道Choroidalyzer，用于光学相干层析中的脉络膜分析	Choroidalyzer通过自动化方法提高了脉络膜、血管和中心凹分割的准确性，是一种客观和标准化的分析工具	本文未涉及不同成像设备和系统疾病对结果的潜在影响	本研究的目的是开发一个脉络膜分析的开源管道	本文的研究对象包括233名受试者，涉及6个系统性疾病队列	数字病理学	NA	OCT	U-Net	图像	5600个OCT B扫描
855	2024-08-05	Label-free white blood cells classification using a deep feature fusion neural network 2024-Jun-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31496 PMID:38845979	研究论文	本文提出了一种基于深度特征融合神经网络的无标记白细胞分类方法	该研究创新性地结合了浅层提取的低级特征和深层提取的高级特征用于无标记白细胞检测	目前的深度学习白细胞分类技术在显微镜下无法有效利用白细胞内部结构的微妙差异	旨在通过深度学习改进无标记白细胞图像分析方法	研究对象为白细胞的图像分析和分类	数字病理学	NA	深度学习	深度特征融合神经网络	图像	测试集上准确度达到80.3%
856	2024-08-05	RhizoNet segments plant roots to assess biomass and growth for enabling self-driving labs 2024-06-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63497-8 PMID:38839814	研究论文	本文介绍了RhizoNet，一个基于深度学习的工作流程，用于语义分割植物根系扫描	RhizoNet通过残差U-Net架构提高预测准确性，并采用凸包操作划分主要根系组件	自动分析因根系结构复杂和图像背景噪声而变得困难	准确分割根系生物量并监测其随时间的生长	生长在名为EcoFAB的水培系统中的植物根系	数字病理学	NA	深度学习	残差U-Net	彩色扫描图像	上千张图像
857	2024-08-05	AMP-RNNpro: a two-stage approach for identification of antimicrobials using probabilistic features 2024-06-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63461-6 PMID:38839785	研究论文	本研究提出了一种基于RNN的AMP-RNNpro模型用于识别抗菌肽（AMPs）	引入了一种创新的两阶段模型AMP-RNNpro，结合了多种特征编码方法来提高抗菌肽的检测效率	未提及具体的局限性	旨在提高抗菌肽的识别效率，以应对抗生素抗药性问题	研究抗菌肽（AMPs）的识别	机器学习	NA	深度学习	RNN	NA	分析了33个模型并选取了6个最佳模型
858	2024-08-05	Vortex-like vs. turbulent mixing of a Viscum album preparation affects crystalline structures formed in dried droplets 2024-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63797-z PMID:38839929	研究论文	研究了不同混合方法对干燥液滴中晶体结构的影响	展示了涡流混合与湍流混合对晶体模式复杂度的不同影响	未提及具体的样本大小和实验重复性	探索液体流动对同源制备过程的影响	分析不同混合方式下的Viscum album制备品	数字病理学	NA	微滴蒸发法、计算机支持的图像分析、深度学习	NA	图像	NA
859	2024-08-05	High-Throughput Single-Entity Electrochemistry with Microelectrode Arrays 2024-Jun-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01092 PMID:38780285	研究论文	本文描述了一种自动化的阵列微电池方法用于微纳米电极阵列分析	该研究创新地应用了AMCM于高通量单体电化学，并使用U-Net深度学习模型分析碰撞瞬态大小	实验中对溶剂蒸发影响的研究可能未涵盖所有变量	研究微电极阵列在单实体电化学中的应用	研究对象为不同直径（100 nm至2 μm）的电极和纳米颗粒的碰撞事件	电化学	NA	阵列微电池法（AMCM）	U-Net	实验数据	记录了来自671个电极的3270个单颗粒事件
860	2024-08-05	Assessing the Efficacy of Synthetic Optic Disc Images for Detecting Glaucomatous Optic Neuropathy Using Deep Learning 2024-Jun-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.6.1 PMID:38829624	研究论文	本文评估了合成视神经盘图像在深度学习中识别青光眼性视神经病变的有效性	创新点在于使用对抗生成网络（DCGAN）生成高质量的视神经盘图像，从而提高青光眼的检测精度	虽然模型在合成数据上表现良好，但仍需更多验证以确认其在临床环境中的实施效果	本研究旨在开发和评估能够有效识别青光眼性视神经病变的深度学习模型	研究对象为使用DCGAN生成的合成视神经盘图像及真实的临床图像	计算机视觉	青光眼	深度卷积生成对抗网络（DCGAN）	未指定具体模型	图像	总共使用了17,060幅基金镜图像，其中包括6874幅青光眼和10,186幅健康图像