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
241	2024-10-03	AlphaFold2 Reveals Structural Patterns of Seasonal Haplotype Diversification in SARS-CoV-2 Nucleocapsid Protein Variants 2024-Aug-25, Viruses DOI:10.3390/v16091358 PMID:39339835	研究论文	研究利用AlphaFold2揭示了SARS-CoV-2核衣壳蛋白变体在季节性单倍型多样性中的结构模式	通过数据挖掘和GISAID数据库，研究了22种单倍型的进化历程，并利用从头计算方法分析了核衣壳蛋白的结构变化	缺乏已识别单倍型对应蛋白质的三维原子结构数据	揭示SARS-CoV-2核衣壳蛋白变体的结构模式及其在病毒进化中的作用	SARS-CoV-2核衣壳蛋白及其变体	生物信息学	传染病	从头计算方法	AlphaFold2	蛋白质序列	22种单倍型
242	2024-10-02	Conserved cysteine residues in Kaposi's sarcoma herpesvirus ORF34 are necessary for viral production and viral pre-initiation complex formation 2024-Aug-20, Journal of virology IF:4.0Q2 DOI:10.1128/jvi.01000-24 PMID:39078391	研究论文	研究探讨了Kaposi肉瘤疱疹病毒（KSHV）ORF34中保守的半胱氨酸残基在病毒生产和病毒前起始复合物形成中的必要性	通过深度学习算法辅助的结构模型，揭示了ORF34中高度保守的氨基酸残基，并设计了ORF34丙氨酸扫描突变体，评估了其与病毒前起始复合物其他因子的相互作用	NA	阐明KSHV ORF34在病毒前起始复合物功能和与其他成分相互作用中的具体贡献	KSHV ORF34中的保守半胱氨酸残基及其在病毒生产和病毒前起始复合物形成中的作用	NA	NA	深度学习算法	NA	NA	NA
243	2024-10-02	From Deep Learning to the Discovery of Promising VEGFR-2 Inhibitors 2024-Aug-19, ChemMedChem IF:3.6Q2 DOI:10.1002/cmdc.202400108 PMID:38726553	研究论文	本研究利用深度学习模型筛选潜在的VEGFR-2抑制剂，并通过分子对接和实验验证其抗肿瘤活性	首次将深度学习应用于VEGFR-2抑制剂的筛选，并结合分子对接和实验验证，成功发现两种具有潜在抗肿瘤活性的化合物	样本量较小，仅包含187种化合物，且实验验证仅针对MCF-7乳腺癌细胞和WI-38细胞	寻找新型且更有效的VEGFR-2抑制剂	VEGFR-2抑制剂及其抗肿瘤活性	药物化学	癌症	深度学习	分类模型	化合物	187种药物样化合物
244	2024-10-02	Unsupervised denoising of photoacoustic images based on the Noise2Noise network 2024-Aug-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.529253 PMID:39346987	研究论文	本文提出了一种基于Noise2Noise网络的无监督深度学习方法，用于改善基于线性阵列的光声成像	Noise2Noise网络无需噪声自由的地面真值，可以从一对噪声图像中学习噪声模式，这对于体内光声成像尤为重要	NA	提高光声成像的质量	光声成像中的噪声去除	计算机视觉	NA	Noise2Noise网络	Noise2Noise	图像	单组光声图像
245	2024-10-02	Deep learning combined with attention mechanisms to assist radiologists in enhancing breast cancer diagnosis: a study on photoacoustic imaging 2024-Aug-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.530249 PMID:39346992	研究论文	本研究提出了一种结合注意力机制的深度学习方法，利用光声成像技术提高乳腺癌诊断的准确性	本研究创新性地将ResNet50模型与注意力机制结合，用于分析光声超声图像，显著提高了乳腺癌诊断的性能	本研究仅在特定时间段和特定医院的334名患者数据上进行了验证，未来需要在更大规模和多样化的数据集上进行验证	本研究的目的是通过深度学习技术提高乳腺癌诊断的准确性，辅助放射科医生进行早期检测	本研究的对象是334名患有乳腺病变的中国深圳人民医院患者	计算机视觉	乳腺癌	光声成像	ResNet50	图像	334名患者
246	2024-10-02	Diffuse optical tomography of the brain: effects of inaccurate baseline optical parameters and refinements using learned post-processing 2024-Aug-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.524245 PMID:39347006	研究论文	研究了大脑扩散光学断层成像中不准确基线光学参数的影响，并提出了基于深度学习后处理的改进方法	提出了基于深度学习后处理技术，以减少不准确基线光学参数对大脑激活成像的影响	研究基于模拟数据，实际应用中的效果需进一步验证	探讨不准确基线光学参数对大脑功能成像的影响，并提出改进方法	大脑功能成像中的光学参数变化	计算机视觉	NA	扩散光学断层成像（DOT）	深度学习	图像	四个成年受试者的脑图谱
247	2024-10-02	Coronary artery calcification and cardiovascular outcome as assessed by intravascular OCT and artificial intelligence 2024-Aug-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.524946 PMID:39347010	研究论文	本文提出了一种基于深度学习的方法，用于自动识别和量化冠状动脉钙化（CAC），并通过大规模的血管内光学相干断层扫描（OCT）数据进行验证	本文提出了一种新颖的深度学习方法，能够自动识别和量化冠状动脉钙化，并在大规模OCT数据上进行了训练和评估	NA	研究冠状动脉钙化与心血管不良事件之间的关系	冠状动脉钙化（CAC）及其与心血管不良事件的关联	计算机视觉	心血管疾病	光学相干断层扫描（OCT）	深度学习	图像	1,106,291张OCT图像，来自1,048名患者
248	2024-10-01	DRpred: A Novel Deep Learning-Based Predictor for Multi-Label mRNA Subcellular Localization Prediction by Incorporating Bayesian Inferred Prior Label Relationships 2024-Aug-26, Biomolecules IF:4.8Q1 DOI:10.3390/biom14091067 PMID:39334834	研究论文	提出了一种基于深度学习的mRNA亚细胞定位预测模型DRpred，结合贝叶斯推断的先验标签关系和神经网络进行预测	DRpred通过贝叶斯网络捕捉标签间的依赖关系，并结合Word2vec提取的特征，使用BiLSTM和注意力机制捕捉输入特征的内部关系，显著提升了多标签预测性能	NA	开发一种新的多标签mRNA亚细胞定位预测模型，以提高预测性能	mRNA的亚细胞定位	机器学习	NA	深度学习	BiLSTM	序列	独立测试集上的实验验证
249	2024-10-01	CROSS-AGE AND CROSS-SITE DOMAIN SHIFT IMPACTS ON DEEP LEARNING-BASED WHITE MATTER FIBER ESTIMATION IN NEWBORN AND BABY BRAINS 2024-Aug-25, ArXiv PMID:38196752	研究论文	研究了深度学习模型在新生儿和婴儿大脑白质纤维估计中的跨年龄和跨站点域偏移影响	首次探讨了在快速发育的婴儿大脑中估计纤维方向分布函数的域适应技术	研究仅限于新生儿和婴儿大脑，未涉及成人或其他年龄段	探讨深度学习模型在不同年龄和站点数据上的域偏移问题	新生儿和婴儿大脑的白质纤维估计	计算机视觉	NA	深度学习	NA	图像	201名新生儿和165名婴儿
250	2024-10-01	In Silico Exploration of Novel EGFR Kinase Mutant-Selective Inhibitors Using a Hybrid Computational Approach 2024-Aug-23, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph17091107 PMID:39338272	研究论文	本研究利用计算方法识别和表征潜在的EGFR突变选择性抑制剂	采用药效团设计和深度学习、虚拟筛选、ADMET和分子对接动力学模拟相结合的混合计算方法	NA	开发针对非小细胞肺癌中EGFR突变的有效治疗策略	EGFR突变选择性抑制剂	药物设计	肺癌	分子对接、分子动力学模拟	深度学习	分子结构	从Zinc数据库中筛选出16个潜在抑制剂
251	2024-09-30	CA-ViT: Contour-Guided and Augmented Vision Transformers to Enhance Glaucoma Classification Using Fundus Images 2024-Aug-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090887 PMID:39329629	研究论文	提出了一种轮廓引导和增强的视觉变换器（CA-ViT）用于增强青光眼分类	引入条件变分生成对抗网络（CVGAN）来增强和多样化训练数据集，并结合轮廓引导方法提供关键的疾病信息	未提及	提高青光眼分类的准确性	青光眼分类	计算机视觉	眼科疾病	条件变分生成对抗网络（CVGAN）	视觉变换器（ViT）	图像	使用了包含多个数据集（如EYEPACS、DRISHTI-GS、RIM-ONE、REFUGE）的标准化多通道青光眼数据集（SMDG）
252	2024-09-30	FineTea: A Novel Fine-Grained Action Recognition Video Dataset for Tea Ceremony Actions 2024-Aug-31, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10090216 PMID:39330436	研究论文	本文构建了一个细粒度视频动作数据集FineTea，用于茶道动作的细粒度分析，并提出了一种名为TSM-ConvNeXt的方法来改进细粒度动作识别	提出了TSM-ConvNeXt方法，结合TSM和高性能卷积神经网络ConvNeXt，显著提升了细粒度动作识别的性能	NA	促进细粒度动作识别的发展	茶道动作的细粒度分析	计算机视觉	NA	卷积神经网络	TSM-ConvNeXt	视频	2745个视频片段
253	2024-09-30	Anterior Cruciate Ligament Tear Detection Based on T-Distribution Slice Attention Framework with Penalty Weight Loss Optimisation 2024-Aug-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090880 PMID:39329622	研究论文	本研究提出了一种基于T分布切片注意力框架和惩罚权重损失优化的前交叉韧带撕裂检测方法	本研究创新性地结合了T分布切片注意力机制和惩罚权重损失函数，显著提高了前交叉韧带撕裂检测的分类准确性	NA	提高前交叉韧带撕裂检测的准确性和诊断性能	前交叉韧带撕裂	计算机视觉	运动损伤	深度学习	CNN	图像	NA
254	2024-09-30	Electroretinogram Analysis Using a Short-Time Fourier Transform and Machine Learning Techniques 2024-Aug-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090866 PMID:39329608	研究论文	本研究通过短时傅里叶变换和机器学习技术优化了电生理图波形信号的分类	本研究展示了使用Visual Transformer架构和Hamming窗口函数在电生理图信号分类中的优势，并推荐了RF算法用于手动特征提取的场景	NA	优化电生理图波形信号的分类方法	电生理图信号	机器学习	NA	短时傅里叶变换	Visual Transformer	信号	NA
255	2024-09-30	Artificial Intelligence for Predicting the Aesthetic Component of the Index of Orthodontic Treatment Need 2024-Aug-23, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090861 PMID:39329602	研究论文	本研究利用人工智能自动化评估正畸治疗需求指数的美观成分	开发了基于深度学习的算法，能够根据IOTN-AC参考标准预测治疗需求，为临床评估牙齿美观提供辅助	所有其他方案提供的权衡较差，且在省略overjet值和数据集补充后的结果不一	使用人工智能自动化评估正畸治疗需求指数的美观成分	正畸治疗需求指数的美观成分评估	机器学习	NA	深度学习	深度学习算法	图像	1009张预治疗正面口腔内照片
256	2024-09-30	Beyond Nyquist: A Comparative Analysis of 3D Deep Learning Models Enhancing MRI Resolution 2024-Aug-23, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10090207 PMID:39330427	研究论文	本文比较了多种3D深度学习模型在提高MRI分辨率方面的性能	本文首次系统比较了多种先进的3D卷积神经网络模型在超分辨率MRI任务中的表现	研究仅使用了IXI数据集的结构图像，且数据是通过人工下采样生成的低分辨率MRI	旨在通过比较不同3D深度学习模型，找到在超分辨率MRI任务中性能和鲁棒性最佳的模型	3D卷积神经网络模型在超分辨率MRI任务中的性能	计算机视觉	NA	深度学习	3D卷积神经网络	图像	使用了IXI数据集的结构图像，数据通过人工下采样生成低分辨率MRI
257	2024-09-30	A Deep Learning-Based Framework for Highly Accelerated Prostate MR Dispersion Imaging 2024-Aug-27, Cancers IF:4.5Q1 DOI:10.3390/cancers16172983 PMID:39272841	研究论文	本文提出了一种基于深度学习的快速磁共振扩散成像（fMRDI）框架，用于加速前列腺磁共振扩散成像中的药代动力学参数估计	本文提出了一个两阶段的深度学习框架，通过深度神经网络直接从增强曲线中估计药代动力学参数，并使用非线性最小二乘法进行进一步优化，显著减少了处理时间	本文未详细讨论该方法在其他类型肿瘤或不同成像条件下的适用性	开发一种能够显著加速前列腺磁共振扩散成像中药代动力学参数估计的方法	前列腺磁共振扩散成像中的药代动力学参数	计算机视觉	前列腺癌	深度学习	深度神经网络	图像	本文使用了内部临床前列腺MRI数据集进行实验
258	2024-09-30	SMAFIRA: a literature-based web tool to assist researchers with retrieval of 3R-relevant information 2024-Aug, Laboratory animals IF:1.3Q2 DOI:10.1177/00236772241237608 PMID:38872231	研究论文	开发了一个基于文献的网络工具SMAFIRA，用于辅助研究人员检索与3R相关的信息	SMAFIRA利用深度学习领域的先进语言模型，提供按实验模型分类的相关文献引用，使检索替代方法更加高效	NA	开发工具以提高检索与动物实验替代、减少和优化（3R）相关的信息的效率	PubMed/MEDLINE数据库中的文献	机器学习	NA	深度学习	语言模型	文本	NA
259	2024-08-07	Electrocardiography deep learning models to predict high-risk imaging features in patients with hypertrophic cardiomyopathy: Can it change clinical practice? 2024-08, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.02.023 PMID:38365126	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
260	2024-09-28	Multimodal ischemic stroke recurrence prediction model based on the capsule neural network and support vector machine 2024-Aug-30, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000039217 PMID:39213233	研究论文	本研究提出了一种基于胶囊神经网络和支持向量机的多模态缺血性中风复发预测模型	该研究结合了生物化学检测和磁共振成像数据，提出了一个高性能的异质多模态缺血性中风复发预测模型，相比传统机器学习模型，其准确性、特异性、敏感性和曲线下面积均有显著提升	本研究为回顾性队列研究，样本量有限，且仅基于珠海地区的数据，未来需要更大规模的前瞻性研究来验证模型的普适性	旨在提高缺血性中风复发预测的准确性	缺血性中风患者的复发风险	机器学习	中风	胶囊神经网络、支持向量机	胶囊神经网络、支持向量机	生物化学检测数据、磁共振成像数据	634名缺血性中风患者