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
921	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
922	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
923	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
924	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
925	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
926	2024-08-05	A comprehensive review of deep learning-based variant calling methods 2024-Jul-19, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae003 PMID:38366908	综述	本文综述了基于深度学习的变异检测方法的最新进展	探讨了深度学习在基因组数据中的应用，尤其是在小变异和结构变异检测方面的创新点	尽管概述了优点，但文中也指出了这些方法的局限性	研究基于深度学习的变异检测技术在个性化医学和诊断中的应用	关注基因组数据中的小变异和结构变异	数字病理	NA	深度学习	NA	基因组数据	NA
927	2024-08-05	Inferring Cellular Contractile Forces and Work using Deep Morphology Traction Microscopy 2024-Jul-19, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2024.07.020 PMID:39033326	研究论文	本文介绍了一种名为DeepMorphoTM的新型深度学习的牵引力显微技术，用于测量细胞收缩力。	DeepMorphoTM通过只依赖细胞形状序列推断基底位移，避免了对特殊标记基底的需求，从而简化了实验过程。	尽管DeepMorphoTM提供了更简化的方法，但其对特定细胞形状的生物变异性的稳定性可能仍有待提高。	研究细胞收缩力的测量方法，从而改善对细胞行为调控作用的理解。	研究不同细胞类型及其在多种基底材料上的收缩力。	数字病理学	NA	深度学习	NA	图像	涉及多个细胞类型和基底材料
928	2024-08-05	The contribution of silencer variants to human diseases 2024-Jul-08, Genome biology IF:10.1Q1 DOI:10.1186/s13059-024-03328-1 PMID:38978133	研究论文	本文分析了沉默子变体与人类疾病之间的关联	使用深度学习模型全面剖析了候选沉默子，发现其在与疾病相关变体中的重要性，并提出了新的机制解释	研究仅关注于候选沉默子变体，未涵盖其他调控元件的影响	揭示沉默子变体在各种人类疾病中的作用和机制	约280万候选沉默子和97个人体样本	机器学习	帕金森病、精神分裂症、1型糖尿病	深度学习	NA	基因组数据	97个样本
929	2024-08-05	Masked cross-domain self-supervised deep learning framework for photoacoustic computed tomography reconstruction 2024-Jul-07, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106515 PMID:39032393	研究论文	该论文介绍了一种掩蔽跨域自监督深度学习框架，用于光声计算机断层成像的重建	提出了一种掩蔽跨域自监督重建策略，克服了有限光声测量缺乏真实标签的问题	实际实施中可能面临成本和性能之间的不可避免的权衡	研究一种新方法以提高光声计算机断层成像的重建质量和效率	聚焦于有限光声测量数据下的图像重建	数字病理学	NA	深度学习	自监督模型	图像	使用了小鼠的体内PACT数据集
930	2024-08-05	Investigating the effects of artificial intelligence on the personalization of breast cancer management: a systematic study 2024-Jul-18, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-12575-1 PMID:39026174	研究论文	该文章探讨了人工智能在乳腺癌管理个性化中的应用效果	研究展示了多种深度学习和机器学习方法在乳腺癌管理中的有效性，并揭示了复杂的组学和遗传数据中的潜在模式	未详细说明限制因素	研究人工智能如何与精准肿瘤学结合，优化乳腺癌的个性化治疗	聚焦于使用人工智能模型进行个性化乳腺癌管理的研究	机器学习	乳腺癌	深度学习, 机器学习	NB, SVM, RF, XGBoost, 强化学习	组学数据	共涉及46项研究
931	2024-08-05	Classification of the quality of canine and feline ventrodorsal and dorsoventral thoracic radiographs through machine learning 2024-Jul, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association IF:1.3Q2 DOI:10.1111/vru.13373 PMID:38668682	研究论文	本研究提出了一种基于机器学习的犬猫胸部X光片质量分类模型	采用深度学习和机器学习的方法对胸部X光片的质量进行了分类，分析了裁剪、定位和曝光等方面	未提到模型在真实临床环境中的长期应用效果	提高犬猫胸部X光片的质量控制以改善诊断结果	分析899幅犬猫胸部X光片的质量	机器学习	心血管疾病	深度学习和机器学习	NA	影像	899幅犬猫胸部X光片
932	2024-08-05	Deep learning-based prediction of one-year mortality in Finland is an accurate but unfair aging marker 2024-Jul, Nature aging IF:17.0Q1 DOI:10.1038/s43587-024-00657-5 PMID:38914859	研究论文	本文开发了一个深度学习模型，以预测芬兰的一年死亡率，展示了其准确性和不公平性作为老龄化标记	提出了一种针对短期死亡率的新型老龄化时钟，并评估了其算法公平性	在不同人群中模型性能不均，特别是在劣势群体中面临公平性挑战	研究短期死亡风险作为老龄化标记的预测能力	芬兰全国人口的纵向数据	机器学习	NA	深度学习	深度学习模型	数据	540万
933	2024-08-05	Atomic-Scale 3D Structure of a Supported Pd Nanoparticle Revealed by Electron Tomography with Convolution Neural Network-Based Image Inpainting 2024-Jul, Small methods IF:10.7Q1 DOI:10.1002/smtd.202301163 PMID:38044263	研究论文	该研究利用电子断层成像和深度学习方法分析了支持金属纳米颗粒的三维原子结构	提出了一种基于深度学习的图像修复方法，有效分离并重建了支持的Pd纳米颗粒的三维结构	研究中未提及具体的样本选择标准和实验重复性问题	分析金属纳米颗粒的原子级三维结构并理解其催化性质	支持的Pd纳米颗粒及其与支持材料的界面	数字病理学	NA	电子断层成像，深度学习图像修复	NA	图像	观察到一个11 nm的Pd纳米颗粒
934	2024-08-05	Deep learning based detection and classification of fetal lip in ultrasound images 2024-Jul-22, Journal of perinatal medicine IF:1.7Q2 DOI:10.1515/jpm-2024-0122 PMID:39028804	研究论文	本文利用深度学习技术开发了一种新的模型，以快速准确评估胎儿唇部发育。	提出并验证了Yolov5-ECA模型，以提高胎儿唇部检测和分类的准确性。	未提及具体的模型在临床应用中的泛化能力和局限性。	旨在提供更客观的分娩前检查中胎儿唇部发育的预测。	629名怀孕中期的孕妇，进行了胎儿唇部的超声检查。	计算机视觉	NA	深度学习	Yolov5-ECA	超声图像	632个孕妇的正常和异常胎儿唇超声图像
935	2024-08-05	Promoting the Shift From Pixel-Level Correlations to Object Semantics Learning by Rethinking Computer Vision Benchmark Data Sets 2024-Jul-19, Neural computation IF:2.7Q3 DOI:10.1162/neco_a_01677 PMID:38776966	research paper	该文章探讨了卷积神经网络在提取原始像素数据的模式方面的能力以及其与人类视觉感知的差异	提出了一种方法，强调人类感知和物体识别的核心视觉特征，如颜色、纹理和形状	研究主要集中在特定基准数据集的处理，可能不适用于其他类型的视觉数据	研究旨在推动计算机视觉领域从像素级关联转向物体语义学习	基于Fruits 360、CIFAR-10和Fashion MNIST三个基准数据集实验的视觉特征	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	使用了CIFAR-10数据集和斯坦福狗数据集中的图像样本
936	2024-08-05	Control charts in healthcare quality monitoring: a systematic review and bibliometric analysis 2024-Jul-19, International journal for quality in health care : journal of the International Society for Quality in Health Care IF:2.7Q2 DOI:10.1093/intqhc/mzae060 PMID:39018022	系统评价	本研究提供了控制图在医疗质量监测中的作用和未来前景的全面理解	采用系统评价和开创性的文献计量分析相结合的方法，揭示出控制图的关键趋势、方法论和新兴主题	未提及具体的研究限制	探讨控制图在医疗质量监测中的应用	分析文献中与控制图相关的研究，涵盖1995年至2023年的关键趋势和主题	数字病理学	NA	文献计量分析	NA	文章	分析了223篇文章中的73篇和184篇相关的文献
937	2024-08-05	Sentiment and semantic analysis: Urban quality inference using machine learning algorithms 2024-Jul-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110192 PMID:39027375	研究论文	这项研究探讨了通过机器学习算法对城市质量进行推断的情感和语义分析	文章的创新点在于自动化访谈编码过程，并应用最先进的自然语言处理技术进行情感和语义分类	研究使用的是部分注释的数据集，可能影响模型的训练和评估效果	研究旨在探讨如何利用机器学习算法分析人们对城市环境的感知和意见	研究对象为对特定主题或地点的定性访谈	自然语言处理	NA	BERT	多类分类模型	文本	部分注释的数据集
938	2024-08-05	Evaluation of artificial intelligence-powered screening for sexually transmitted infections-related skin lesions using clinical images and metadata 2024-Jul-18, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-024-03512-x PMID:39020355	研究论文	本文开发并评估了一种基于临床图像和症状的深度学习模型，用于区分性传播感染和非性传播感染的皮肤病变	提出了一种结合卷积神经网络和全连接神经网络的综合模型，以提高性传播感染的诊断准确性	需要在更大规模的数据集上进一步开发和评估以验证其在临床环境中的筛查工具效果	提高性传播感染的早期诊断和治疗能力	4913张生殖病变的临床图像及其相关元数据	计算机视觉	性传播感染	深度学习	卷积神经网络（CNN）和全连接神经网络（FCN）	图像	1583张性传播感染图像和3330张非性传播感染图像
939	2024-08-05	GSRF-DTI: a framework for drug-target interaction prediction based on a drug-target pair network and representation learning on a large graph 2024-Jul-18, BMC biology IF:4.4Q1 DOI:10.1186/s12915-024-01949-3 PMID:39020316	研究论文	本文提出了一种新的方法GSRF-DTI，通过深度学习和网络集成来识别药物与靶点之间的相互作用	GSRF-DTI通过整合多种药物和靶点关联信息来学习嵌入表示，并引入药物-靶点对网络以提高DTI预测的准确性	实验过程中主要依赖于特定的数据集，可能影响模型的泛化能力	提高药物-靶点相互作用预测的准确性，支持药物发现和再利用	药物与靶点的相互作用关系	计算机视觉	NA	深度学习，GraphSAGE，随机森林	NA	网络数据	使用Luo的数据集和新构建的数据集进行实验
940	2024-08-05	A deep position-encoding model for predicting olfactory perception from molecular structures and electrostatics 2024-Jul-17, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-024-00401-0 PMID:39019918	研究论文	本研究介绍了一种深度学习模型Mol-PECO，用于根据分子结构和电静力学预测嗅觉感知	提出了一种新颖的深度学习模型，通过库伦矩阵进行分子的有效嵌入，从而改进了嗅觉预测	缺乏对模型在真实应用中有效性的验证	探讨分子结构与嗅觉感知之间的关系	嗅觉分子及其描述符数据集	机器学习	NA	深度学习	Mol-PECO	分子结构数据	全面的嗅觉分子和描述符数据集