深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
1121	2024-08-05	Oil painting teaching design based on the mobile platform in higher art education 2024-Jul-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65103-3 PMID:38969717	研究论文	本研究结合深度学习技术和人工智能技术探索油画教学。	开发了个性化智能油画教学框架以及基于卷积神经网络的油画分类模型。	详细的局限性信息尚未提供。	提高中国高校油画教学模式。	研究个性化教育和基于笔刷特征的图像分类相关研究。	计算机视觉	NA	卷积神经网络	卷积神经网络、支持向量机	图像	样本数据包含不同特征提取的油画，具体样本数量未明确说明	NA	NA	NA	NA
1122	2024-08-05	Deepvirusclassifier: a deep learning tool for classifying SARS-CoV-2 based on viral subtypes within the coronaviridae family 2024-Jul-05, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05754-1 PMID:38969970	研究论文	本研究提出了DeepVirusClassifier，这是一种能够准确分类SARS-CoV-2病毒序列的工具	该工具使用基于卷积神经网络的深度学习模型，以增加病毒分类精度并加速处理时间	考虑到病毒的快速进化，该工具可能在处理高度突变的病毒序列时面临挑战	研究旨在提供一种强大而高效的工具，提升病毒识别和分类过程的准确性	该研究的对象主要是SARS-CoV-2及其他冠状病毒科亚型的病毒序列	数字病理学	NA	卷积神经网络	深度CNN	病毒序列	测试超过10,000个病毒序列	NA	NA	NA	NA
1123	2024-08-05	Advancements in hand-drawn chemical structure recognition through an enhanced DECIMER architecture 2024-Jul-05, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00872-7 PMID:38970120	研究论文	提出了一种增强的DECIMER架构以提高手绘化学结构的识别精度	该DECIMER模型是唯一专门针对手绘化学结构识别的开源模型，并在处理手写风格变体方面表现更好	模型的性能评估主要基于合成手绘图像和真实手绘化学结构数据集，实际应用中的表现可能有所不同	改善手绘化学结构的识别精度以辅助数字化化学信息	手绘化学结构及其在不同风格元素下的变体	计算机视觉	NA	卷积神经网络 (CNN)，变换器 (Transformer)	CNN，变换器	图像	使用合成手绘图像进行训练，评估中使用真实手绘化学结构数据集	NA	NA	NA	NA
1124	2024-08-05	On leveraging self-supervised learning for accurate HCV genotyping 2024-07-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64209-y PMID:38965254	研究论文	本文提出了一种基于自监督学习的深度学习方法用于HCV基因分型	引入了混沌游戏表示法进行基因组序列的二维映射，并利用卷积自编码器进行深层特征提取，显著超过传统方法	当前方法在处理某些基因型时可能存在数据稀缺的问题	研究旨在提高HCV基因分型的准确性，以改善患者管理和治疗决策	分析了十种HCV基因型：1a、1b、2a、2b、2c、3a、3b、4、5和6	计算基因组学	肝炎C	自监督学习	卷积自编码器	基因组序列	分析中使用了十种不同的HCV基因型	NA	NA	NA	NA
1125	2024-08-05	Early detection of tuberculosis: a systematic review 2024-Jul-05, Pneumonia (Nathan Qld.) DOI:10.1186/s41479-024-00133-z PMID:38965640	系统评审	本系统评审分析了关于结核病早期检测的多个研究结果	强调了不同方法学和限制，并展示了它们对理解结核病早期检测的重要贡献	未详细列出各个研究的具体局限性	探讨结核病早期检测的有效方法	分析已发布的早期检测结核病的研究	NA	结核病	干扰素伽马释放检测、便携式X光、核酸扩增检测、高灵敏度酶联免疫吸附检测	深度学习模型	NA	NA	NA	NA	NA	NA
1126	2024-08-05	Uncovering hidden and complex relations of pandemic dynamics using an AI driven system 2024-07-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65845-0 PMID:38965354	研究论文	该文章介绍了一种新型的决策支持系统BayesCovid，旨在帮助医疗专业人员应对COVID-19大流行的复杂性	BayesCovid结合了贝叶斯网络模型和深度学习技术，自动化数据预处理并揭示COVID-19症状动态的复杂模式	无法提供关于模型的所有局限性的信息	旨在开发一个适应COVID-19病例管理复杂性的临床决策支持系统	该研究关注COVID-19的症状动态和疾病严重性预测	计算机视觉	COVID-19	贝叶斯网络，深度学习	贝叶斯深度学习模型	NA	NA	NA	NA	NA	NA
1127	2024-08-05	Bibliometric analysis of the application of deep learning in cancer from 2015 to 2023 2024-Jul-04, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-024-00737-0 PMID:38965599	研究论文	本研究探讨了深度学习在癌症研究中的应用现状和热点	提供了自2015年至2023年深度学习在癌症领域的文献计量分析	对深度学习在癌症中的应用分析尚不够全面	探索深度学习在癌症研究领域的应用及其发展趋势	分析所有关于深度学习在癌症中应用的文章	机器学习	癌症	深度学习	NA	文章	6016篇原始文章	NA	NA	NA	NA
1128	2024-08-05	Temporal-spatial cross attention network for recognizing imagined characters 2024-07-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-59263-5 PMID:38965248	研究论文	提出了一种新的时间空间交叉注意力网络模型TSCA-Net以识别想象的字符	通过引入时间空间交叉模块，研究时间与空间特征之间的关联，填补了以往研究的空白	尚未提及关于模型应用的具体场景和潜在限制	探索脑机接口信号中时间和空间特征的相互关系	研究手写字符的脑电图（BCI）信号	计算机视觉	NA	LSTM，Transformer	TSCA-Net	信号	来自两个微电极阵列的公共数据集	NA	NA	NA	NA
1129	2024-08-05	SEP-AlgPro: An efficient allergen prediction tool utilizing traditional machine learning and deep learning techniques with protein language model features 2024-Jul, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.133085 PMID:38871100	研究论文	本文提出了SEP-AlgPro，一种高效的过敏原预测工具，利用传统的机器学习和深度学习技术结合蛋白质语言模型特征	该研究通过分析不同的特征和分类器，展示了蛋白质语言模型衍生特征在区分过敏原方面的优越性	研究主要依赖于所选特征和模型，未涉及更多潜在的影响因素	旨在提高过敏原蛋白的识别准确性	研究对象为不同的过敏原和非过敏原蛋白序列	机器学习	NA	传统机器学习和深度学习	深度神经网络	序列信息	使用了15种不同的分类器和10种传统蛋白质特征	NA	NA	NA	NA
1130	2024-08-05	Geometric deep learning methods and applications in 3D structure-based drug design 2024-Jul, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2024.104024 PMID:38759948	review	本文总结了几何深度学习方法及其在基于三维结构的药物设计中的应用	创新之处在于探讨使用几何深度学习解决三维药物设计中的模型训练问题	未提及具体的实验结果或数据来支持方法的有效性	研究几何深度学习在基于三维结构的药物设计中的应用	讨论三维分子表示和各种生成模型方法	machine learning	NA	深度学习	EGNN, GANs, VAE等	三维分子图数据	NA	NA	NA	NA	NA
1131	2024-08-05	DDMut-PPI: predicting effects of mutations on protein-protein interactions using graph-based deep learning 2024-Jul-05, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae412 PMID:38783112	研究论文	本文提出了一种名为DDMut-PPI的深度学习模型，用于高效准确地预测突变对蛋白质-蛋白质相互作用的影响	DDMut-PPI结合了蛋白质相互作用界面的图卷积网络和特定残基的嵌入，实现了更高的预测精度	未提及具体的限制因素	旨在改进突变对蛋白质-蛋白质相互作用预测的效率和精度	对单点和多点突变对PPI结合自由能变化的影响进行预测	计算机视觉	NA	深度学习	Siamese网络和图卷积网络	分子交互信息	根据评估得出的Pearson相关系数和均方根误差评估模型性能，具体样本量未在摘要中提及	NA	NA	NA	NA
1132	2024-08-05	AIUPred: combining energy estimation with deep learning for the enhanced prediction of protein disorder 2024-Jul-05, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae385 PMID:38747347	研究论文	本文介绍了AIUPred，一种结合能量估计和深度学习的新方法，用于提高蛋白质无序区的预测精度	AIUPred将深度学习技术纳入传统的能量估计框架中，提升了预测性能	传统IUPred方法基于有限的参数，主要来源于球形蛋白结构，限制了其应用范围	提高对内在无序蛋白及区域的预测能力	内在无序蛋白和蛋白区域的预测	计算生物学	NA	深度学习	NA	蛋白质序列	基于最近的基准数据集进行评估	NA	NA	NA	NA
1133	2024-08-05	Deep-PK: deep learning for small molecule pharmacokinetic and toxicity prediction 2024-Jul-05, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae254 PMID:38634808	研究论文	本文介绍了一种基于深度学习的小分子药代动力学和毒性预测平台Deep-PK	引入了图神经网络和基于图的特征，显著提高了在73个端点上的预测性能	现有方法在提供药代动力学和毒性方面对不同靶标的能力有限	开发一种高效准确的药代动力学和毒性预测工具	小分子药物及其药代动力学和毒性特性	计算机视觉	NA	深度学习	图神经网络	NA	73个端点，包括64个ADMET属性和9个一般特性	NA	NA	NA	NA
1134	2024-08-05	Deep learning for the PSIPRED Protein Analysis Workbench 2024-Jul-05, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae328 PMID:38747351	研究论文	本论文提供了PSIPRED工作台的更新，包括新的深度学习方法	介绍了基于深度学习的新方法并更新了网络服务功能	未提供具体的样本数据和分析结果	旨在提供关于蛋白质结构和功能分析的最新工具和发展	PSIPRED工作台作为生物信息学网络服务	机器学习	NA	深度学习	NA	NA	NA	NA	NA	NA	NA
1135	2024-08-05	REME: an integrated platform for reaction enzyme mining and evaluation 2024-Jul-05, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae405 PMID:38769057	研究论文	本文介绍了REME，一个集成的反应酶挖掘与评估平台	提出了REME平台，结合多种技术快速排名和可视化反应，提供用户自定义功能	缺乏对现有工具的系统比较和性能评估	开发一个用于非自然反应催化的酶筛选与评估工具	旨在识别并评估能够催化非自然反应的酶	计算生物学	NA	深度学习	NA	反应数据	NA	NA	NA	NA	NA
1136	2024-08-05	Early detection of pediatric health risks using maternal and child health data 2024-07-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65449-8 PMID:38961161	研究论文	使用母子健康数据，介绍了一种新的深度学习模型Ped-BERT，能够准确预测100多种疾病及儿童患者下一次就诊的住院时长	提出了一种基于BERT的深度学习模型Ped-BERT，能够将母亲的健康信息与儿童患者的就诊记录关联，从而提高疾病预测的准确性	尽管模型表现优异，但特定母婴群体的预测错误可能较高，模型的公平性仍需进一步研究	研究如何利用母婴健康数据进行儿科疾病的早期检测与住院时长预测	研究对象为513.9K对母婴数据，主要关注儿童患者的就诊历史及母亲的产前和产后健康信息	机器学习	儿科疾病	深度学习	BERT	医疗诊断代码、住院时长等	513.9K对母婴样本	NA	NA	NA	NA
1137	2024-08-05	Rockfish: A transformer-based model for accurate 5-methylcytosine prediction from nanopore sequencing 2024-Jul-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49847-0 PMID:38961062	研究论文	本文提出了一种基于Transformer的深度学习算法Rockfish，用于准确预测纳米孔测序中的5-甲基胞嘧啶	Rockfish在读级别的5-甲基胞嘧啶检测上显著提高了准确性，并且比现有纳米孔测序方法表现更优	本文未提及具体的实验样本限制	旨在提高5-甲基胞嘧啶在纳米孔测序中的检测准确性	研究对象为不同生物体中的5-甲基胞嘧啶甲基化	数字病理学	NA	纳米孔测序	Transformer	DNA测序数据	涉及人和小鼠样本	NA	NA	NA	NA
1138	2024-08-05	Structure focused neurodegeneration convolutional neural network for modelling and classification of Alzheimer's disease 2024-07-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60611-8 PMID:38961114	研究论文	本文提出了一种结构聚焦的神经退行性卷积神经网络用于阿尔茨海默病的建模和分类	提出了新的结构聚焦神经退行性卷积神经网络架构SNeurodCNN，增强了对大脑皮层神经退行性变化的理解	目前的研究可能在不同种族和年龄段的样本中缺乏广泛性	旨在实现阿尔茨海默病的早期和准确诊断	利用阿尔茨海默病神经影像倡议（ADNI）数据集中的脑图像进行研究	计算机视觉	阿尔茨海默病	磁共振成像（MRI）和深度学习	卷积神经网络（CNN）	图像	NA	NA	NA	NA	NA
1139	2024-08-05	Prediction of chromosomal abnormalities in the screening of the first trimester of pregnancy using machine learning methods: a study protocol 2024-Jul-03, Reproductive health IF:3.6Q1 DOI:10.1186/s12978-024-01839-5 PMID:38961456	研究论文	本文提出了一个基于机器学习方法预测妊娠第一三个月筛查中染色体异常的研究方案	该研究通过应用神经网络优化学习模型，提高了预测染色体异常的准确性	研究仅限于高风险孕妇样本，样本量相对较小	开发一个使用机器学习技术的最佳学习模型来预测染色体异常	研究对象为350名在妊娠第一三个月接受筛查的高风险孕妇	机器学习	NA	机器学习	神经网络	数据	350名孕妇	NA	NA	NA	NA
1140	2024-08-05	Colon cancer diagnosis by means of explainable deep learning 2024-07-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63659-8 PMID:38961080	研究论文	本研究通过可解释的深度学习对结肠组织中的腺癌进行早期检测	提出了一种自动检测结肠组织图像中癌细胞存在的方法，并提供预测可解释性	没有详细说明适用的特定临床环境或进一步验证的需求	研究目标是提高结肠癌的早期检测和定位能力	研究对象为结肠组织图像中的癌细胞	数字病理学	结肠癌	深度学习	未特定	图像	10,000张结肠组织图像	NA	NA	NA	NA