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
401	2024-09-13	Achieving Occam's razor: Deep learning for optimal model reduction 2024-Jul, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012283 PMID:39024398	研究论文	本文展示了如何利用深度学习来实现奥卡姆剃刀原则，通过FixFit方法减少模型参数，提高模型的简洁性和准确性	提出了FixFit方法，利用深度神经网络的瓶颈层来量化模型复杂度，并提供了一种无偏的方式来区分有价值和无价值的实验假设	NA	探索如何利用深度学习实现奥卡姆剃刀原则，减少模型参数，提高模型的简洁性和准确性	模型参数的简化与优化	机器学习	NA	深度学习	前馈深度神经网络	数值数据	NA
402	2024-09-13	Safety and efficiency of a fully automatic workflow for auto-segmentation in radiotherapy using three commercially available deep learning-based applications 2024-Jul, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2024.100627 PMID:39253729	研究论文	本文开发并评估了一种用于放射治疗自动分割的全自动工作流程的安全性和效率	本文引入了标准化全自动工作流程，显著减少了失败模式并提高了工作流程的安全性和效率	NA	评估全自动工作流程在放射治疗自动分割中的安全性和效率	三种商业化的基于深度学习的自动分割应用程序	计算机视觉	NA	深度学习	NA	NA	NA
403	2024-09-11	AI-NERD: Elucidation of relaxation dynamics beyond equilibrium through AI-informed X-ray photon correlation spectroscopy 2024-Jul-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49381-z PMID:39009571	研究论文	本文开发了一种无监督深度学习框架，用于从实验数据中自动分类弛豫动力学，无需任何先验物理知识	提出了一个无监督深度学习框架，用于自动分类弛豫动力学，并展示了其在大数据集探索中的应用	NA	理解和解释功能材料在原位环境中的动力学行为	功能材料的弛豫动力学	物理学	NA	X射线光子相关光谱（XPCS）	深度学习（DL）	实验数据	NA
404	2024-09-10	CBIL-VHPLI: a model for predicting viral-host protein-lncRNA interactions based on machine learning and transfer learning 2024-07-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68750-8 PMID:39080344	研究论文	本文提出了一种基于深度学习和迁移学习的新模型CBIL-VHPLI，用于预测病毒-宿主蛋白-lncRNA相互作用	首次提出了一种结合卷积神经网络和双向长短时记忆网络模块的深度学习方法，并结合迁移学习来预测病毒-宿主蛋白-lncRNA相互作用	NA	解码病毒病原体和宿主免疫过程的分子机制	病毒-宿主蛋白-lncRNA相互作用	机器学习	NA	k-mer方法、one-hot编码、CTD方法、Z曲线方法	卷积神经网络、双向长短时记忆网络	蛋白质序列、lncRNA序列	包括植物、动物等的大量多样数据集
405	2024-09-10	Knowledge, attitude, and perception of Arab medical students towards artificial intelligence in medicine and radiology: A multi-national cross-sectional study 2024-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10509-2 PMID:38150076	研究论文	本文评估了阿拉伯医学生对医学和放射学中人工智能的知识、态度和认知	首次对阿拉伯医学生进行多国跨学科研究，评估他们对人工智能在医学和放射学中的知识、态度和认知	样本仅限于阿拉伯国家的医学生，可能无法代表全球医学生的观点	评估医学生对人工智能在医学和放射学中的知识、态度和认知	阿拉伯国家的医学生	NA	NA	NA	NA	NA	4492名医学生
406	2024-09-08	DeepIRES: a hybrid deep learning model for accurate identification of internal ribosome entry sites in cellular and viral mRNAs 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae439 PMID:39234953	研究论文	本文介绍了一种名为DeepIRES的混合深度学习模型，用于准确识别细胞和病毒mRNA中的内部核糖体进入位点（IRES）	DeepIRES结合了膨胀1D卷积神经网络块、双向门控循环单元和自注意力模块，能够捕捉序列特征与预测结果之间的更深层次关系	NA	开发一种高效的生物信息学工具，用于准确预测内部核糖体进入位点（IRES），以理解其机制并寻找相关疾病的潜在治疗策略	细胞和病毒mRNA中的内部核糖体进入位点（IRES）	机器学习	NA	深度学习	混合模型（膨胀1D卷积神经网络、双向门控循环单元、自注意力模块）	序列	NA
407	2024-09-07	ReadCurrent: a VDCNN-based tool for fast and accurate nanopore selective sequencing 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae435 PMID:39226890	研究论文	本文介绍了一种基于深度学习的纳米孔选择性测序工具ReadCurrent，该工具使用改进的非常深卷积神经网络（VDCNN）架构，能够快速且准确地进行目标DNA的分类	ReadCurrent采用改进的VDCNN架构，显著降低了计算成本并加快了推理速度，同时在分类准确性上优于其他四种基于深度学习的选择性测序方法	NA	开发一种快速且准确的选择性测序工具，以提高纳米孔测序技术的应用效果	纳米孔测序数据中的目标DNA和非目标DNA的分类	机器学习	NA	纳米孔测序	非常深卷积神经网络（VDCNN）	电流信号	10个纳米孔测序数据集，涵盖人类、酵母、细菌和病毒
408	2024-09-07	A genome-scale deep learning model to predict gene expression changes of genetic perturbations from multiplex biological networks 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae433 PMID:39226889	研究论文	本文介绍了一种名为TranscriptionNet的深度学习模型，该模型通过整合多种生物网络来预测基因扰动引起的基因表达变化	TranscriptionNet能够系统地预测基因扰动引起的转录组变化，并展示了强大的泛化能力	NA	系统地预测基因扰动引起的基因表达变化，以促进基因功能检测和药物开发	基因扰动引起的基因表达变化	机器学习	NA	深度学习	深度学习模型	基因表达数据	26,945个基因
409	2024-09-07	Automated hepatic steatosis assessment on dual-energy CT-derived virtual non-contrast images through fully-automated 3D organ segmentation 2024-Jul, La Radiologia medica DOI:10.1007/s11547-024-01833-8 PMID:38869829	研究论文	评估通过全自动3D器官分割从双能量CT（DECT）生成的虚拟非对比（VNC）图像中获得的基于体积CT衰减参数在评估肝脂肪变性中的有效性	利用3D深度学习算法自动分割肝脏和脾脏，并通过VNC图像计算肝脏衰减指数（LAI），提供了一种新的肝脂肪变性评估方法	研究为回顾性研究，样本量有限，且未涉及长期随访数据	评估基于体积CT衰减参数的VNC图像在肝脂肪变性评估中的有效性	肝脂肪变性	计算机视觉	肝病	双能量CT（DECT）	3D深度学习算法	图像	252名参与者
410	2024-09-06	X-ray absorption spectroscopy combined with deep learning for auto and rapid illicit drug detection 2024-Jul-03, The American journal of drug and alcohol abuse DOI:10.1080/00952990.2024.2377262 PMID:39158551	研究论文	本文探讨了利用X射线吸收光谱（XAS）结合深度学习技术进行自动和快速非法药物检测的新方法	本文提出了一种结合XAS和改进的transformer编码器模型的新方法，用于自动、快速和准确地检测非法药物，相比LSTM和ResU-net模型，该方法在训练时间和准确性上均有显著提升	NA	探索一种自动、快速和准确检测非法药物的新方法	50种与药物具有相似分子式的同分异构体或化合物	机器学习	NA	X射线吸收光谱（XAS）	transformer编码器模型	光谱数据	50种物质
411	2024-09-06	Deep Learning-Based Facial and Skeletal Transformations for Surgical Planning 2024-07, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345241253186 PMID:38808566	研究论文	本文开发并验证了一种基于深度学习的新型双向3D框架P2P-ConvGC，用于正颌手术中面部和骨骼形状的准确预测	提出了P2P-ConvGC框架，通过两阶段点采样策略生成多个非重叠点子集来表示高分辨率的面部和骨骼形状，并分别输入到预测系统中进行预测	NA	开发一种能够准确预测面部和骨骼形状的深度学习模型，以应用于正颌手术的虚拟手术规划	面部和骨骼形状的预测	计算机视觉	NA	深度学习	P2P-ConvGC	3D点集	基于大规模数据集进行验证，具体样本数量未提及
412	2024-09-06	Data-independent acquisition in metaproteomics 2024 Jul-Aug, Expert review of proteomics IF:3.8Q1 DOI:10.1080/14789450.2024.2394190 PMID:39152734	综述	本文综述了数据非依赖采集（DIA）质谱技术在元蛋白质组学中的应用	介绍了DIA技术在提高元蛋白质组学深度和准确性方面的潜力，并讨论了未来可能采用的深度学习和从头测序方法	DIA技术和元蛋白质组学的复杂性带来了挑战	探讨DIA技术在元蛋白质组学中的应用及其未来发展方向	元蛋白质组学中的微生物群落功能和微生物间及宿主-微生物相互作用	NA	NA	数据非依赖采集（DIA）质谱技术	NA	蛋白质组学数据	NA
413	2024-09-05	Identification and Validation of New DNA-PKcs Inhibitors through High-Throughput Virtual Screening and Experimental Verification 2024-Jul-22, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25147982 PMID:39063224	研究论文	本研究通过基于深度学习的筛选和分子动力学模拟，识别并验证了新的DNA-PKcs抑制剂，这些抑制剂在实验中显示出对DNA-PKcs介导的细胞增殖的有效抑制作用。	首次应用DeepBindGCN_RG于实际药物筛选任务，并成功发现新型DNA-PKcs抑制剂。	NA	探索新型抗癌药物和推进基因编辑技术的发展。	DNA-PKcs抑制剂的识别与验证。	机器学习	癌症	分子动力学模拟	DeepBindGCN_RG	分子	三个小分子（5025-0002, M769-1095, V008-1080）
414	2024-09-05	CT reconstruction using diffusion posterior sampling conditioned on a nonlinear measurement model 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.043504 PMID:39220597	研究论文	本文提出了一种基于扩散后验采样的CT重建方法，该方法结合了非线性测量模型	本文的创新点在于将扩散后验采样技术与非线性测量模型相结合，以提高CT图像重建的质量	NA	研究目的是改进CT图像重建技术，特别是在处理低质量测量数据时	研究对象是CT图像重建技术及其在不同采集协议中的应用	计算机视觉	NA	扩散后验采样	扩散模型	图像	NA
415	2024-09-04	ASD-GANNet: A Generative Adversarial Network-Inspired Deep Learning Approach for the Classification of Autism Brain Disorder 2024-Jul-29, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci14080766 PMID:39199460	研究论文	本文提出了一种基于条件生成对抗网络（cGAN）的深度学习方法ASD-GANNet，用于自闭症脑部疾病的分类	使用cGAN生成合成连接特征，并结合多头注意力机制进行分类，无需手工特征	NA	提高自闭症脑部疾病分类的准确性和敏感性	自闭症脑部疾病的分类	机器学习	自闭症	cGAN	GAN	fMRI数据	使用NYU数据集进行训练和验证
416	2024-09-04	Significance of Artificial Intelligence in the Study of Virus-Host Cell Interactions 2024-Jul-26, Biomolecules IF:4.8Q1 DOI:10.3390/biom14080911 PMID:39199298	综述	本文综述了人工智能在病毒-宿主细胞相互作用研究中的应用，特别是机器学习和深度学习在处理大规模遗传和分子数据中的作用	利用机器学习和深度学习算法分析大量数据，预测病毒与宿主细胞在分子层面的相互作用，加速新药物的发现	NA	探讨人工智能在病毒发病机制中的应用，以改进新的治疗和预防策略	病毒与宿主细胞的相互作用	机器学习	NA	机器学习 (ML), 深度学习 (DL)	ML, DL	遗传数据, 分子数据	NA
417	2024-09-04	CycPeptMP: enhancing membrane permeability prediction of cyclic peptides with multi-level molecular features and data augmentation 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae417 PMID:39210505	research paper	本研究提出了一种名为CycPeptMP的方法，用于预测环肽的膜渗透性，通过多层次分子特征和数据增强技术提高预测准确性	本研究设计了针对环肽的原子级、单体级和肽级特征，并使用深度学习技术将其整合到融合模型中，同时应用多种数据增强技术提高模型训练效率	当前基于机器学习的环肽渗透性模型性能不一，主要受限于实验数据的局限性，且传统方法忽略了环肽独特的结构特性	提高环肽膜渗透性的预测准确性，以增强其作为治疗药物的实用性	环肽的膜渗透性	machine learning	NA	deep learning	fusion model	molecular features	使用了最新的数据集，具体样本数量未提及
418	2024-09-04	Advances in Modeling Approaches for Oral Drug Delivery: Artificial Intelligence, Physiologically-Based Pharmacokinetics, and First-Principles Models 2024-Jul-24, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics16080978 PMID:39204323	综述	本文综述了用于口服药物递送的建模方法，包括人工智能、生理药代动力学和第一性原理模型	整合了来自不同实验和理论考虑的数据，提出了一种成本效益高的替代实验方法	数学复杂性限制了偏微分方程在生理系统建模中的广泛应用	评估不同建模方法在口服药物递送中的优势和局限	口服药物递送过程中的多种因素，如药物的物理化学性质、制剂特性和胃肠生理	NA	NA	机器学习、深度学习、分子动力学	QSAR、生理药代动力学模型、第一性原理模型	NA	NA
419	2024-09-04	Predicting respiration rate in unrestrained dairy cows using image analysis and fast Fourier transform 2024-Jul, JDS communications DOI:10.3168/jdsc.2023-0442 PMID:39220844	research paper	本研究旨在开发一种系统，通过使用红、绿、蓝（RGB）和红外（IR）夜视图像，在不受限制的条件下准确预测躺卧的荷斯坦奶牛的呼吸率（RR）。	本研究创新性地使用快速傅里叶变换（FFT）处理从RGB和IR图像中获取的信号，以计算不受限制条件下奶牛的呼吸率。	研究仅限于躺卧的荷斯坦奶牛和断奶前的奶牛犊，未来研究需要扩展到其他品种和不同姿势的奶牛。	开发一种能够准确预测躺卧荷斯坦奶牛在不受限制条件下的呼吸率的系统。	躺卧的荷斯坦奶牛和断奶前的奶牛犊。	computer vision	NA	快速傅里叶变换（FFT）	YOLOv8	image	30头泌乳奶牛，每头奶牛连续记录12小时，共95段视频；25头断奶前奶牛犊，共42次观察。
420	2024-09-02	Deep Learning-Based Real-Time Organ Localization and Transit Time Estimation in Wireless Capsule Endoscopy 2024-Jul-31, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12081704 PMID:39200169	研究论文	本研究提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的新模型，用于无线胶囊内窥镜（WCE）中的器官定位和传输时间估计	该模型通过分析多帧图像并结合时间信息，即使在视觉信息有限的情况下也能保持高性能	NA	提高无线胶囊内窥镜在胃肠道疾病诊断中的准确性和效率	胃、小肠和大肠的定位及传输时间估计	机器学习	胃肠道疾病	卷积神经网络（CNN）和长短期记忆网络（LSTM）	CNN和LSTM	图像	126名患者的2,395,932张图像