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
821	2024-08-13	Predicting changes in brain metabolism and progression from mild cognitive impairment to dementia using multitask Deep Learning models and explainable AI 2024-Aug-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120695 PMID:38942101	研究论文	本研究利用多任务深度学习模型和可解释人工智能预测从轻度认知障碍到痴呆的大脑代谢变化和疾病进展	本研究引入了预测建模的新维度，强调在多任务学习范式下预测大脑代谢变化的重要性	NA	研究从轻度认知障碍到痴呆的阿尔茨海默病进展预测	轻度认知障碍患者的大脑代谢变化和疾病进展	机器学习	阿尔茨海默病	FDG-PET	深度学习模型	图像	1617名参与者
822	2024-08-13	Deep learning based decoding of single local field potential events 2024-Aug-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120696 PMID:38909761	研究论文	本文展示了使用无监督机器学习方法从单次试验的电生理记录中提取有意义信息的能力，特别是通过自动编码器网络减少单个局部场电位（LFP）事件的维度，以创建不同的神经活动模式的可解释聚类	本文首次证明了单通道LFP事件形状在自发活动期间可以采样自可能的刺激诱发事件形状，这一发现之前仅在多通道群体编码中被证明	NA	探索大脑皮层中信息的处理方式，并验证从单次试验的电生理记录中提取信息的方法	大脑皮层的神经活动模式和信息流方向	机器学习	NA	自动编码器网络	自动编码器	电生理记录	涉及啮齿动物的细胞外神经记录和人类的颅内EEG记录
823	2024-08-13	Gray matters: ViT-GAN framework for identifying schizophrenia biomarkers linking structural MRI and functional network connectivity 2024-Aug-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120674 PMID:38851549	研究论文	本研究介绍了一种新的生成式深度学习架构cEViT-GAN，用于识别精神分裂症的生物标志物，通过结合结构MRI和功能网络连接	引入了一种新的条件高效视觉变换器生成对抗网络（cEViT-GAN），用于生成基于灰质体积的FNC矩阵，并开发了一种轻量级自注意力机制，增强了注意力图的生成	NA	探索大脑结构与功能之间的潜在联系，并为精神分裂症的神经生物学研究提供更精细的见解	精神分裂症患者的灰质结构和功能网络连接	计算机视觉	精神分裂症	结构MRI，功能磁共振成像（fMRI），独立成分分析（ICA）	生成对抗网络（GAN），视觉变换器（ViT）	图像	具体样本数量未在摘要中提及
824	2024-08-13	Stable Europium(III) Metal-Organic Framework Fluorescence Probe for Intelligent Visualization Detection of Gossypol and Nitrofuran Antibiotics in Real Samples 2024-Aug-12, Inorganic chemistry IF:4.3Q1 DOI:10.1021/acs.inorgchem.4c02232 PMID:39074382	研究论文	本文合成了一种新的三维金属有机框架（MOF）{[Eu(L)(HCOO)(HO)]·2HO·2DMF}，用于智能可视化检测水体中的棉酚（Gsp）和硝基呋喃抗生素	该研究结合了荧光探针与机器学习及逻辑判断，提供了一种高灵敏度和实用性的水中有机污染物检测新思路	NA	开发一种新型荧光探针，用于准确有效地检测水体中的有机污染物	棉酚（Gsp）和硝基呋喃抗生素	机器学习	NA	金属有机框架（MOF）合成	深度学习模型	荧光图像	NA
825	2024-08-13	A New Fingerprint and Graph Hybrid Neural Network for Predicting Molecular Properties 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00586 PMID:39052623	研究论文	本文介绍了一种结合改进的图注意力网络和多层感知器的混合模型，用于预测分子属性	引入了特征选择算法来解决指纹维度问题，并在图注意力网络中使用循环神经网络来捕获协作信息	NA	加速药物发现过程中分子属性的准确预测	分子属性预测	机器学习	NA	图注意力网络 (GAT)	混合神经网络	分子指纹和分子图	13个公共数据集和14个乳腺细胞系
826	2024-08-13	HydraScreen: A Generalizable Structure-Based Deep Learning Approach to Drug Discovery 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00481 PMID:39037942	研究论文	提出了一种名为HydraScreen的深度学习框架，用于安全且高效的药物发现，该框架利用先进的3D卷积神经网络来有效表示分子结构和蛋白质-配体结合中的相互作用	引入了新的交互分析方法，旨在检测模型和数据集中的潜在偏差，增强了方法的解释性和公正性	NA	旨在开发一种可泛化的结构基础深度学习方法，用于加速药物发现	蛋白质-配体复合物的结构和相互作用	机器学习	NA	3D卷积神经网络	CNN	分子结构数据	使用了CASF-2016核心集的公开基准进行评估
827	2024-08-13	Identifying Synergistic Components of Botanical Fungicide Formulations Using Interpretable Graph Neural Networks 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00128 PMID:39031079	研究论文	本文提出了一种新的深度学习方法，用于预测植物性农药和渗透增强剂的协同作用	使用加权组合的成分特征向量来表示输入混合物，使模型能够处理可变数量的成分并解释每个成分对协同作用的贡献	NA	开发一种能够预测植物性农药和渗透增强剂协同作用的新型深度学习方法	植物性农药和渗透增强剂的协同作用	机器学习	NA	深度学习	图神经网络	体外实验数据	NA
828	2024-08-13	QC-GN2oMS2: a Graph Neural Net for High Resolution Mass Spectra Prediction 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00446 PMID:39013165	研究论文	本文研究了将量子化学信息作为边特征引入图神经网络（GNN）以提高高分辨率质谱预测准确性的效果	本文创新性地将量子化学衍生的信息作为边特征引入GNN，并应用动态图注意力机制，提高了质谱预测的性能	NA	探索将量子化学信息作为边特征引入GNN以提高质谱预测准确性的效果	高分辨率质谱预测	机器学习	NA	图神经网络（GNN）	GNN	质谱数据	NA
829	2024-08-13	Versatile Deep Learning Pipeline for Transferable Chemical Data Extraction 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00816 PMID:39009039	研究论文	本文介绍了一种名为ChemREL的多功能化学数据提取管道，该管道强调性能、可转移性和可扩展性	ChemREL通过预训练和微调，实现了高F1分数，并在实体识别和关系映射方面优于现有方法和GPT-4	NA	开发一种高效的化学数据提取管道，提高数据提取的准确性和可转移性	化学文档中的正常熔点（normal melting point）和半数致死量（LD）	机器学习	NA	深度学习	NA	文本	使用10个随机选择的训练文档进行LD提取
830	2024-08-13	Moss-m7G: A Motif-Based Interpretable Deep Learning Method for RNA N7-Methlguanosine Site Prediction 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00802 PMID:39011571	研究论文	本文提出了一种基于motif的可解释深度学习方法Moss-m7G，用于预测RNA N7-甲基鸟苷修饰位点	Moss-m7G方法通过引入词检测模块和motif嵌入模块，从motif角度分析RNA序列，提高了模型的解释性和预测准确性	NA	旨在准确识别m7G修饰位点，以理解其调控机制并推动癌症治疗	RNA N7-甲基鸟苷（m7G）修饰位点	机器学习	NA	深度学习	Transformer	序列	构建了一个全面的m7G数据集用于训练和测试
831	2024-08-13	AI-powered innovations in pancreatitis imaging: a comprehensive literature synthesis 2024-Aug-12, Abdominal radiology (New York) DOI:10.1007/s00261-024-04512-4 PMID:39133362	综述	本文综述了人工智能在胰腺炎影像诊断中的应用及其进展	探讨了深度学习模型在非侵入性胰腺炎诊断及其并发症中的应用潜力	讨论了当前人工智能方法在早期检测和管理胰腺炎中的局限性	旨在提高胰腺炎早期检测和管理的临床支持	胰腺炎的早期诊断和并发症管理	计算机视觉	胰腺炎	深度学习	深度学习模型	影像	NA
832	2024-08-13	Automated Cerebrovascular Segmentation and Visualization of Intracranial Time-of-Flight Magnetic Resonance Angiography Based on Deep Learning 2024-Aug-12, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01215-6 PMID:39133457	研究论文	本文研究了基于深度学习的脑部血管自动分割和可视化技术，以提高时间飞跃法磁共振血管成像（TOF-MRA）的效率和质量	提出了一种基于卷积神经网络（CNN）的自动脑部血管分割方法，该方法在临床评分和图像质量上优于其他两种深度学习方法	NA	评估深度学习技术在自动获取TOF-MRA中颅内动脉图像质量的效果	394例TOF-MRA扫描，包括脑部血管健康、动脉瘤或狭窄情况	计算机视觉	NA	时间飞跃法磁共振血管成像（TOF-MRA）	卷积神经网络（CNN）	图像	394例TOF-MRA扫描
833	2024-08-13	[Automatic segmentation of dental cone-beam computed tomography scans using a deep learning framework] 2024-Aug-11, Orvosi hetilap IF:0.8Q3 DOI:10.1556/650.2024.33098 PMID:39127997	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
834	2024-08-13	Deep learning-based pseudo-CT synthesis from zero echo time MR sequences of the pelvis 2024-Aug-09, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01751-3 PMID:39120752	研究论文	本文研究了基于深度学习算法从零回波时间（ZTE）磁共振序列生成骨盆的伪CT（pCT）图像，并与传统CT图像进行比较	使用深度学习算法从ZTE磁共振序列生成pCT图像，无需辐射暴露即可评估骨骼	NA	研究从ZTE磁共振序列生成骨盆pCT图像的可行性及其与传统CT图像的比较	骨盆的pCT图像与传统CT图像	计算机视觉	NA	深度学习（DL）	DL模型	图像	共91名患者，其中80名用于训练和更新DL模型，20名用于评估
835	2024-08-13	CREMP: Conformer-rotamer ensembles of macrocyclic peptides for machine learning 2024-Aug-09, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03698-y PMID:39122750	研究论文	介绍了一种名为CREMP的资源，用于快速开发和评估针对大环肽的机器学习模型	CREMP包含36,198种独特的大环肽及其高质量结构集合，这些结构是通过Conformer-Rotamer Ensemble Sampling Tool (CREST)生成的	NA	旨在通过计算和机器学习方法来模拟大环肽的构象景观，以实现其合理设计和优化	大环肽的构象景观	机器学习	NA	Conformer-Rotamer Ensemble Sampling Tool (CREST)	NA	结构数据	包含36,198种独特的大环肽和近3130万个独特的大环几何结构
836	2024-08-13	AI support for colonoscopy quality control using CNN and transformer architectures 2024-Aug-09, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-024-03354-0 PMID:39123140	研究论文	研究利用基于CNN和Transformer架构的深度学习模型进行结肠镜质量控制，并探索其决策机制	采用EfficientNetB2模型在验证集上表现最佳，实现了高精度和快速推理速度，并成功部署在设备终端	NA	开发和评估用于结肠镜质量控制的深度学习模型	结肠镜图像的质量控制	计算机视觉	NA	迁移学习、微调	CNN、Transformer	图像	4,189张结肠镜图像
837	2024-08-13	Development of an eye-tracking system based on a deep learning model to assess executive function in patients with mental illnesses 2024-08-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68586-2 PMID:39107349	研究论文	本研究开发了一种基于深度学习模型的眼动追踪系统，用于评估精神疾病患者在视觉空间记忆编码期间的执行功能障碍	该研究创新性地使用眼动追踪结合长短期记忆+注意力模型来检测执行功能和视觉空间记忆障碍	NA	旨在开发一种新的方法来快速评估精神疾病患者的执行功能	精神疾病患者，特别是精神分裂症和强迫症患者	机器学习	精神疾病	眼动追踪	长短期记忆+注意力模型	眼动数据	包括96名首发精神分裂症患者，49名临床高风险精神分裂症患者，104名强迫症患者和159名健康对照
838	2024-08-13	The impact of deep learning based- psychological capital with ideological and political education on entrepreneurial intentions 2024-08-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68997-1 PMID:39103418	研究论文	本研究旨在探讨心理资本对大学生创业意向的影响	通过结合相关分析和线性回归，探索心理资本及其四个维度与创业意向之间的关系，并利用循环神经网络模型探讨创业心理资本与意向的协变关系	文章未明确提及研究的具体局限性	研究心理资本对大学生创业意向的影响	大学生的心理资本及其创业意向	机器学习	NA	线性回归分析	循环神经网络 (RNN)	问卷调查数据	未明确提及具体样本数量
839	2024-08-13	Deep Learning System for User Identification Using Sensors on Doorknobs 2024-Aug-05, Sensors (Basel, Switzerland) DOI:10.3390/s24155072 PMID:39124118	研究论文	本文研究了一种通过门把手上的传感器测量用户交互模式并应用深度学习算法进行用户识别的新方法	提出了一种基于门把手传感器数据的用户识别新方法，并展示了其可行性	NA	研究门把手传感器数据在用户识别中的应用	门把手传感器数据及用户交互模式	机器学习	NA	深度学习	NA	传感器数据	47名用户
840	2024-08-13	Design and Enhancement of a Fog-Enabled Air Quality Monitoring and Prediction System: An Optimized Lightweight Deep Learning Model for a Smart Fog Environmental Gateway 2024-Aug-05, Sensors (Basel, Switzerland) DOI:10.3390/s24155069 PMID:39124116	研究论文	本文提出了一种雾计算支持的空气质量监测与预测系统（FAQMP），通过集成物联网（IoT）、雾计算（FC）、低功耗广域网络（LPWANs）和深度学习（DL），提高了空气质量监测和预测的准确性和效率。	系统在雾计算层引入了高效的雾智能，采用优化的轻量级深度学习序列到序列（Seq2Seq）门控循环单元（GRU）注意力模型，实现了实时处理、准确预测和及时警告危险AQI水平，同时优化了雾资源的使用。	NA	旨在通过优化轻量级深度学习模型，提高雾计算节点在空气质量监测和预测中的效率和准确性。	空气质量监测与预测系统及其在雾计算环境中的应用。	机器学习	NA	深度学习（DL）	Seq2Seq GRU Attention	空气质量数据	NA