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
881	2024-08-05	Deep learning-enabled high-speed, multi-parameter diffuse optical tomography 2024-Jul, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.7.076004 PMID:39035576	研究论文	该文章展示了一种基于深度学习的高效多参数扩散光学断层成像方法	文章创新地结合了深度学习算法来加速扩散光学断层成像的重构过程，实现了实时成像	文章中未提及实际临床应用中的局限性	旨在展示利用深度学习重建三维吸收和散射系数以实现实时成像	研究对象为人类乳腺组织的光学成像	数字病理学	乳腺癌	频域扩散光学断层成像 (FD-DOT)	深度学习模型	模拟和实验数据	300个模拟组织模型
882	2024-08-05	Optimizing neurointerventional procedures: an algorithm for embolization coil detection and automated collimation to enable dose reduction 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.044003 PMID:39035051	研究论文	本文提出了一种用于检测栓塞线圈的算法，旨在优化神经介入手术中的辐射剂量和图像质量	这是首次成功检测栓塞线圈并将检测结果集成到X射线血管造影系统中的方法，展现了更广泛的应用潜力	由于使用了上尺度的边界框，因此不需要实际重叠达到100%，可能影响结果的一致性	优化神经介入过程，提高图像质量并降低患者辐射剂量	研究重点是栓塞线圈在医学影像中的检测及自动准直	数字病理学	NA	深度学习，使用Faster R-CNN和RetinaNet	Faster R-CNN，ResNet-50 FPN，RetinaNet	医学影像	经过五折交叉验证的验证数据和独立测试数据
883	2024-08-05	Artificial intelligence in dentistry: A bibliometric analysis from 2000 to 2023 2024-Jul, Journal of dental sciences IF:3.4Q1 DOI:10.1016/j.jds.2023.10.025 PMID:39035285	研究论文	本研究提供了人工智能在牙科应用的全球趋势和研究热点的全面概述	这项研究通过文献计量分析展示了2000年至2023年牙科领域人工智能的快速发展和创新应用	该研究仅限于检索Web of Science核心合集中的文献，可能不包括所有相关研究	该研究旨在分析人工智能在牙科领域的应用和发展趋势	研究对象为2000年至2023年间发表的与牙科人工智能相关的文献	数字病理学	牙周病	文献计量分析	神经网络	文献	共识别出651篇文献
884	2024-08-05	Protein language models enable prediction of polyreactivity of monospecific, bispecific, and heavy-chain-only antibodies 2024-Jul, Antibody therapeutics DOI:10.1093/abt/tbae012 PMID:39036071	研究论文	本文介绍了一种基于蛋白质语言模型的多反应性预测方法	这是首次将蛋白质语言模型应用于双特异性抗体和VHH-Fc的测定数据预测	未提及具体的模型局限性	开发计算模型以预测单特异性、双特异性和重链单抗的多反应性	面向单特异性抗体、双特异性抗体和单域Fc抗体的多反应性	计算机视觉	NA	深度学习	集成模型	抗体序列数据	大型抗体序列数据集
885	2024-08-05	Changes in smile parameters after surgical-orthodontic treatment for skeletal Class III malocclusion 2024-Jul, Journal of dental sciences IF:3.4Q1 DOI:10.1016/j.jds.2024.02.021 PMID:39035340	研究论文	本研究分析了接受外科正畸治疗的骨性III类错咬患者在微笑参数方面的变化	采用随机森林和决策树深度学习模型识别影响术后变化的因素	研究为回顾性，样本量较小，仅包含34名患者	分析骨性III类错咬患者在外科正畸治疗后的微笑参数变化	34名骨性III类错咬及单纯下颌前突的患者	数字病理学	NA	颅侧影测量	随机森林，决策树	影像	34名患者
886	2024-08-07	A commentary on 'A CT-based multitask deep learning model for predicting tumor stroma ratio and treatment outcomes in patients with colorectal cancer: a multicenter cohort study' 2024-Jul-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001431 PMID:38661554	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
887	2024-08-07	Author Correction: Prediction of recurrence risk in endometrial cancer with multimodal deep learning 2024-Jul, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03126-z PMID:38951637	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
888	2024-08-05	Accelerating Polymer Discovery with Uncertainty-Guided PGCNN: Explainable AI for Predicting Properties and Mechanistic Insights 2024-Jul-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00555 PMID:38953249	研究论文	本研究提出了一种可解释的聚合物图卷积神经网络（PGCNN）模型，能够准确预测聚合物属性	结合了证据深度学习与PGCNN，定量预测的不确定性并通过不确定性引导的主动学习实现样本高效训练	研究中可能存在不足的数据和代表性编码问题	加速新聚合物的发现并提高对聚合物的机制理解	聚合物的不同属性及其单体组成	机器学习	NA	深度学习	图卷积神经网络（GCN）	实验数据样本和RadonPy数据集	一百万个假设聚合物和来自实验的数据样本
889	2024-08-05	Prediction of Vacuum Ultraviolet/Ultraviolet Gas-Phase Absorption Spectra Using Molecular Feature Representations and Machine Learning 2024-Jul-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00676 PMID:38938209	research paper	本文介绍了一种使用分子特征表示和机器学习预测气相真空紫外/紫外吸收光谱的方法	引入了新的分子特征（称为ABOCH）以更好地捕捉pi键合、芳香性和卤素化，显示出优于基于深度学习的方法的预测性能	研究中对比的方法主要集中在机器学习模型，未详细讨论量子化学方法的局限性	旨在开发一种高效的机器学习方法来预测气相真空紫外/紫外吸收光谱	以1397种挥发性和半挥发性化合物的分子结构和相应的吸收光谱为研究对象	机器学习	NA	机器学习	随机森林回归	结构数据文件（.sdf）和吸收光谱	1397种挥发性和半挥发性化合物
890	2024-08-05	Versatile Framework for Drug-Target Interaction Prediction by Considering Domain-Specific Features 2024-Jul-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00403 PMID:38976879	研究论文	提出了一种通过考虑领域特定特征来预测药物-靶标相互作用的框架	通过结合领域通用和领域特定特征来增强DTI预测模型的泛化能力	未能访问未见领域的数据，限制了模型的适用范围	加速药物-靶标相互作用的预测，促进药物发现	药物-靶标相互作用的预测模型	机器学习	NA	深度学习	集成模型	数据集	四个基准数据集
891	2024-08-05	Enhancing Chemical Reaction Monitoring with a Deep Learning Model for NMR Spectra Image Matching to Target Compounds 2024-Jul-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00522 PMID:38979856	研究论文	本文开发了一种深度学习模型MatCS，用于根据NMR光谱图像直接预测目标化合物的结构	提出了一个创新的二元分类模型MatCS，以解决现有化学合成技术中结构阐明效率低的问题	当前方法在处理相似分子结构光谱时仍面临挑战，且对化学库的依赖可能限制其应用	提高化学反应监测的效率，直接预测NMR光谱与目标化合物结构之间的关系	针对NMR光谱图像和目标化合物的分子结构的预测	机器学习	NA	NMR光谱分析，图注意网络，图卷积网络	Graph Attention Networks，Graph Convolutional Networks，ResNet101	图像	NA
892	2024-08-05	Docking Score ML: Target-Specific Machine Learning Models Improving Docking-Based Virtual Screening in 155 Targets 2024-Jul-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00072 PMID:38958413	研究论文	本文介绍了一种新颖的Docking Score ML，为针对155种靶标的虚拟筛选提供更准确的分子对接评分。	提出了一种基于超过200,000个对接复合物分析的机器学习模型，显著提高了虚拟筛选的准确性。	尚未讨论特定靶标外的应用效果以及可能存在的普适性不足。	旨在提高药物发现中的分子对接虚拟筛选的准确性。	重点分析了癌症治疗的155种已知靶标的分子对接复杂体。	机器学习	癌症	监督学习与深度学习	图卷积网络（GCN）	生物活性数据	超过200,000个对接复合物来自155个靶标
893	2024-08-05	Enhancing effort estimation in global software development using a unique combination of Neuro Fuzzy Logic and Deep Learning Neural Networks (NFDLNN) 2024-Jul-21, Network (Bristol, England) DOI:10.1080/0954898X.2024.2376703 PMID:39034534	研究论文	本文提出了一种结合神经模糊逻辑和深度学习神经网络的模型，以改进全球软件开发的工作量估算。	采用了杜鹃算法来提高NFDLNN模型的准确性和收敛性，并在行业项目数据的广泛验证中表现出色。	未提及具体的局限性	旨在提高全球软件开发中的项目规划和管理效率，特别是在成本估算和工作量分配方面。	研究对象为软件开发项目，侧重于成本和工作量的准确估算。	计算机科学	NA	NFDLNN（神经模糊逻辑与深度学习神经网络）	NA	行业项目数据	使用了多个工业项目的数据进行验证
894	2024-08-05	High Resolution TOF-MRA Using Compressed Sensing-based Deep Learning Image Reconstruction for the Visualization of Lenticulostriate Arteries: A Preliminary Study 2024-Jul-20, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0025 PMID:39034144	研究论文	本研究探讨了使用基于压缩感知的深度学习图像重建在时间飞行磁共振血管成像中观察透镜纹状动脉的可行性	引入压缩感知和深度学习相结合的重建方法，显著提高了透镜纹状动脉的可视化质量	样本量仅为五名健康志愿者，尚需大规模研究验证	提高时间飞行磁共振血管成像中透镜纹状动脉的可视化效果	健康志愿者的时间飞行磁共振血管成像图像	数字病理学	NA	压缩感知，深度学习	NA	图像	五名健康志愿者
895	2024-08-05	[Development of a Deep Learning Model for Judging Late Gadolinium-enhancement in Cardiac MRI] 2024-Jul-20, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.2024-1421 PMID:38897968	研究论文	本研究验证了深度学习模型在心脏MRI影像中判断晚期钆增强心肌存在与否的有效性	通过卷积神经网络构建的学习模型展示了优异的预测准确性	受限于样本量和单一医院的数据，模型的泛化能力可能有所欠缺	研究深度学习模型在心脏MRI晚期钆增强图像中的应用	使用174张来自东京大学医院的心脏MRI晚期钆增强心肌短轴图像	计算机视觉	心血管疾病	深度学习	卷积神经网络	图像	共涉及174张心脏MRI图像
896	2024-08-05	A comprehensive survey on deep learning-based identification and predicting the interaction mechanism of long non-coding RNAs 2024-Jul-19, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae010 PMID:38576205	综述	本研究综合评述了深度学习在长非编码RNA（lncRNA）识别和交互机制预测中的应用	介绍了深度学习模型的概念，并探讨了多种流行的深度学习算法及其数据偏好	目前许多与lncRNA相关的研究人员缺乏对深度学习模型最新进展的了解	探索深度学习如何在lncRNA的功能研究中被应用	长非编码RNA及其在生物过程中的作用	数字病理学	NA	深度学习	NA	序列数据	NA
897	2024-08-05	DBPMod: a supervised learning model for computational recognition of DNA-binding proteins in model organisms 2024-Jul-19, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elad039 PMID:37651627	研究论文	本文介绍了一种计算方法DBPMod，旨在识别物种特异性的DNA结合蛋白。	DBPMod使用了基于机器学习的方法，提高了对物种特异性DNA结合蛋白的识别准确性。	该研究可能在物种特异性预测中仍然存在一定局限性，特别是对于尚未进行充分研究的物种。	研究物种特异性的DNA结合蛋白识别的计算方法。	研究了包括秀丽隐杆线虫、果蝇、大肠杆菌、人类和小鼠在内的五种模式生物。	机器学习	NA	机器学习	浅层学习和深层学习	NA	五种模式生物
898	2024-08-05	DeepWalk-aware graph attention networks with CNN for circRNA-drug sensitivity association identification 2024-Jul-19, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elad053 PMID:38061910	研究论文	本文提出了一种基于深度学习的计算方法DGATCCDA，用于识别circRNA-药物敏感性关联	结合DeepWalk和图注意网络，形成深度Walk感知图注意网络，以有效捕获图结构的全局和局部信息	在生物研究中预测circRNA和药物敏感性关联的方法仍然存在时间消耗和成本高的局限性	开发一种新颖的计算方法以提高预测circRNA与药物敏感性关联的效率和准确性	研究对象为circRNAs和药物之间的关联	计算机视觉	NA	深度学习	深度Walk感知图注意网络	特征信息	在5折交叉验证下测试，样本数量未具体说明
899	2024-08-05	GAM-MDR: probing miRNA-drug resistance using a graph autoencoder based on random path masking 2024-Jul-19, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae005 PMID:38391194	研究论文	本研究提出了GAM-MDR模型，以利用图自编码器和随机路径掩蔽技术预测miRNA-药物抗性	首次将随机路径掩蔽策略与图自编码器相结合用于推断miRNA-药物抗性	模型的效果可能受到数据采集过程中的错误影响	准确预测miRNA-药物抗性以促进miRNA治疗策略的成功	miRNA和药物节点的表示及其在miRNA-药物网络中的关系	数字病理学	NA	图自编码器，随机路径掩蔽	图自编码器	公共数据集	多个公共数据集
900	2024-08-05	DeepPRMS: advanced deep learning model to predict protein arginine methylation sites 2024-Jul-19, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae001 PMID:38267081	研究论文	本研究提出了一种名为DeepPRMS的深度学习模型，用于预测蛋白质的精氨酸甲基化位点	DeepPRMS结合了门控递归单元（GRU）和卷积神经网络（CNN）算法，以提取蛋白质序列中的顺序和空间信息	该研究依赖于独立测试数据集，可能未充分验证在其他数据集上的表现	研究预测蛋白质甲基化位点的方法，以促进相关研究和药物发现	研究对象为蛋白质的初级序列	计算机视觉	NA	深度学习	GRU和CNN	序列数据	基于独立测试数据集进行评估