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
341	2024-10-10	Exploring the Knowledge of an Outstanding Protein to Protein Interaction Transformer 2024 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3381825 PMID:38536676	研究论文	本文提出了一种基于Transformer的蛋白质相互作用预测模型PPITrans，并验证了其在未见物种上的有效性	PPITrans模型利用预训练的语言模型进行蛋白质相互作用预测，显著提高了在未见物种上的预测性能	PPITrans无法捕捉蛋白质的空间结构	解决深度学习模型在未见物种上预测蛋白质相互作用性能不佳的问题	蛋白质相互作用预测	机器学习	NA	Transformer	Transformer	蛋白质相互作用数据	使用人类蛋白质相互作用数据进行训练，并在其他物种的蛋白质相互作用数据上进行测试
342	2024-10-10	Deep learning in template-free de novo biosynthetic pathway design of natural products 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae495 PMID:39373052	综述	本文综述了深度学习在天然产物无模板从头生物合成路径设计中的应用	探讨了深度学习在天然产物生物合成路径设计中的最新算法，并评估了其在单步和多步预测中的潜力	讨论了无模板方法在天然产物生物合成路径设计中的挑战和前景	探讨深度学习在天然产物生物合成路径设计中的应用及其潜在的改进	天然产物生物合成路径设计中的深度学习算法和模型	机器学习	NA	深度学习	序列到序列模型和图到图翻译模型	文本	NA
343	2024-10-10	scDFN: enhancing single-cell RNA-seq clustering with deep fusion networks 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae486 PMID:39373051	研究论文	本文介绍了一种名为scDFN的新型深度学习算法，用于增强单细胞RNA测序数据的聚类效果	scDFN算法通过融合网络策略，结合自编码器和改进的图自编码器，以及三重自监督策略和四个联合损失函数，显著提升了单细胞RNA测序数据的聚类效果	NA	提升单细胞RNA测序数据的聚类效果	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序	深度学习模型	基因表达数据	多个数据集
344	2024-10-10	A comparative evaluation of deep learning approaches for ophthalmology 2024-09-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72752-x PMID:39294275	研究论文	本文比较了用于眼科的不同深度学习方法	本文提出了基于准确性、训练时间、模型部署能力、热图增强分类决策的自解释性以及在小图像数据集上训练/适应能力等因素的最合适的模型	NA	评估和比较用于眼科的不同深度学习方法	眼科成像数据集和机器学习算法	机器学习	NA	深度学习	深度学习架构	图像	不同公共和私有图像数据集，包括全彩视网膜图像、OCT图像和3D OCT扫描
345	2024-10-10	UBE2L3 promotes benzene-induced hematotoxicity via autophagy-dependent ferroptosis 2024-Sep-15, Ecotoxicology and environmental safety IF:6.2Q1 DOI:10.1016/j.ecoenv.2024.116773 PMID:39059346	研究论文	研究探讨了UBE2L3在苯诱导的造血毒性中的作用，通过自噬依赖的铁死亡途径	首次揭示了UBE2L3通过调节自噬依赖的铁死亡信号通路在苯诱导的造血毒性中的作用	研究主要基于实验数据和数据库分析，缺乏临床试验验证	探讨低剂量苯暴露导致的早期造血损伤及其相关生物标志物	UBE2L3、ZNF598、LAMP-2等蛋白质及其相互作用	NA	NA	液相色谱串联质谱、共免疫沉淀、深度学习算法	深度学习算法	基因表达数据	5年纵向队列研究数据及Gene Expression Omnibus数据库数据
346	2024-10-10	Artificial Intelligence Detection of Cervical Spine Fractures Using Convolutional Neural Network Models 2024-Sep, Neurospine IF:3.8Q1 DOI:10.14245/ns.2448580.290 PMID:39363462	研究论文	开发并评估了一种使用卷积神经网络（CNN）进行计算机辅助诊断颈椎骨折的技术	利用深度学习技术，可能改善患者预后和临床决策	NA	开发和评估用于计算机辅助诊断颈椎骨折的卷积神经网络技术	颈椎骨折的放射线X光图像	计算机视觉	颈椎骨折	卷积神经网络（CNN）	CNN	图像	500张颈椎侧位X光图像，包括250张正常图像和250张骨折图像
347	2024-10-10	Development and validation of a machine learning-based model for post-sepsis frailty 2024-Sep, ERJ open research IF:4.3Q1 DOI:10.1183/23120541.00166-2024 PMID:39377092	研究论文	开发并验证了一种基于机器学习的模型，用于预测脓毒症后的虚弱状况	使用深度学习模型预测脓毒症后的虚弱状况，并通过外部验证确认了其泛化性能	研究仅限于韩国的多中心前瞻性观察性队列，可能限制了结果的普遍性	开发和验证一种能够预测脓毒症后虚弱的机器学习模型	脓毒症患者及其出院时的虚弱状况	机器学习	NA	深度学习	极端梯度提升 (XGB)	临床数据	8518名患者，其中5463名（64.1%）在出院时虚弱，3055名（35.9%）不虚弱
348	2024-10-10	Model fusion for predicting unconventional proteins secreted by exosomes using deep learning 2024-Sep, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202300184 PMID:38643383	研究论文	本文提出了一种利用深度学习模型融合预测由外泌体分泌的非常规蛋白质的新方法	通过结合多个深度学习模型，包括卷积神经网络（CNN）和密集连接神经网络（DNN），本文提出的框架在预测非常规蛋白质分泌方面超越了以往的方法	NA	开发一种更准确的计算方法来预测由外泌体分泌的非常规蛋白质	非常规分泌蛋白质（USPs）及其通过外泌体和外体分泌的机制	机器学习	NA	深度学习	卷积神经网络（CNN）和密集连接神经网络（DNN）	蛋白质序列和进化信息	独立测试数据集
349	2024-10-09	Enhancing pap smear image classification: integrating transfer learning and attention mechanisms for improved detection of cervical abnormalities 2024-Sep-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad7bc0 PMID:39377445	研究论文	本研究通过结合迁移学习和注意力机制，改进了宫颈异常的宫颈涂片图像分类	本研究创新性地结合了迁移学习和注意力机制，并应用了图像预处理技术，显著提高了宫颈癌检测的准确性	NA	提高宫颈癌检测的准确性和效率	宫颈涂片图像	计算机视觉	宫颈癌	迁移学习、注意力机制、图像预处理	ResNet、Xception	图像	使用了Mendeley液基细胞学数据集，包含由专家细胞病理学家标注的宫颈细胞学图像
350	2024-10-09	Deep learning for identifying personal and family history of suicidal thoughts and behaviors from EHRs 2024-Sep-28, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01266-7 PMID:39341983	研究论文	本研究开发了利用变压器模型（Bio_ClinicalBERT和GatorTron）的深度学习工具，用于从电子健康记录的临床笔记中自动识别个人和家庭自杀想法和行为的历史	本研究首次利用深度学习技术自动识别电子健康记录中的个人和家庭自杀想法和行为的历史，并展示了其在性能上优于基于规则的自然语言处理工具	本研究仅在三个学术医学中心的临床笔记上进行了验证，可能需要进一步的跨机构验证	开发和评估用于自动识别电子健康记录中个人和家庭自杀想法和行为历史的深度学习工具	个人和家庭自杀想法和行为的历史	自然语言处理	NA	深度学习	变压器模型（Bio_ClinicalBERT和GatorTron）	文本	来自三个学术医学中心的临床笔记
351	2024-10-09	A Comprehensive study on the different types of soil desiccation cracks and their implications for soil identification using deep learning techniques 2024-Sep-25, The European physical journal. E, Soft matter DOI:10.1140/epje/s10189-024-00453-4 PMID:39320558	研究论文	本文研究了不同类型土壤的干裂模式及其在土壤识别中的应用，结合传统分析方法和深度学习技术	本文创新性地将分形维数分析作为深度学习图像分析的预处理工具，并证明了数据增强技术在提高模型鲁棒性和准确性方面的有效性	NA	研究不同类型土壤的干裂模式，并探讨其在土壤识别中的应用	来自印度布拉马普特拉河流域的三种土壤：粘土、粉土和砂质壤土	计算机视觉	NA	深度学习技术	前馈神经网络	图像	三种土壤类型，具体数量未提及
352	2024-10-09	Geometric deep learning of protein-DNA binding specificity 2024-Sep, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02372-w PMID:39103447	研究论文	本文介绍了一种名为DeepPBS的几何深度学习模型，用于预测蛋白质-DNA结合特异性	提出了DeepPBS模型，能够从蛋白质-DNA结构中预测结合特异性，并提供了可解释的蛋白质重原子重要性评分	NA	理解基因调控中的蛋白质-DNA结合特异性	蛋白质-DNA复合物的结合特异性	机器学习	NA	几何深度学习	几何深度学习模型	蛋白质-DNA结构	NA
353	2024-10-09	Microwave detection technique combined with deep learning algorithm facilitates quantitative analysis of heavy metal Pb residues in edible oils 2024-Sep, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.17259 PMID:39136980	研究论文	本研究结合微波检测技术和深度学习算法，开发了一种用于量化食用油中重金属铅残留的模型	提出了基于注意力机制的深度残差神经网络模型，用于替代传统的建模方法，并在微波数据处理过程中探讨了深度对卷积神经网络的影响	NA	开发一种新的方法来量化食用油中的重金属铅残留	食用油中的重金属铅残留	机器学习	NA	微波检测技术	基于注意力机制的深度残差神经网络	微波数据	标准大豆油样本
354	2024-10-09	Evaluation of deep learning and convolutional neural network algorithms for mandibular fracture detection using radiographic images: A systematic review and meta-analysis 2024-Sep, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20240038 PMID:39371302	meta-analysis	本文对使用放射影像进行下颌骨骨折检测的深度学习和卷积神经网络算法进行了系统评价和荟萃分析	本文首次对使用放射影像进行下颌骨骨折检测的深度学习和卷积神经网络算法进行了系统评价和荟萃分析	当前研究的有效性受限于可用数据集的小规模和狭窄范围	评估深度学习算法在放射影像中检测下颌骨骨折的潜力	下颌骨骨折的放射影像	计算机视觉	NA	卷积神经网络	CNN	图像	5项符合条件的研究
355	2024-10-09	Clinical validity and precision of deep learning-based cone-beam computed tomography automatic landmarking algorithm 2024-Sep, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20240009 PMID:39371307	研究论文	本研究评估了基于深度学习的锥形束计算机断层扫描（CBCT）自动地标识别算法的临床有效性和准确性	开发了一种基于深度学习的CBCT自动地标识别算法，显著减少了地标识别所需的时间	研究样本量较小，且仅限于三种特定类型的CBCT扫描	评估基于深度学习的CBCT自动地标识别算法的临床有效性和准确性	CBCT扫描中的三维头部测量数据	计算机视觉	NA	深度学习	NA	图像	80例CBCT扫描，分为三组：非手术组（39例）、无硬件手术组（9例）和有硬件手术组（32例）
356	2024-10-09	Classification of mandibular molar furcation involvement in periapical radiographs by deep learning 2024-Sep, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20240020 PMID:39371308	研究论文	本研究使用深度学习算法对下颌磨牙根分叉病变在根尖片中的分类进行研究	本研究首次使用ResNet-18卷积神经网络模型对下颌磨牙根分叉病变进行分类	研究仅限于下颌磨牙的根尖片，未涉及其他类型的影像学检查	开发一种深度学习算法，用于分类下颌磨牙根分叉病变	下颌磨牙的根分叉病变	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	图像	2011-2023年间东卡罗莱纳大学牙医学院拍摄的全口系列影像，包括健康和根分叉病变的下颌磨牙根尖片
357	2024-10-09	Will Artificial Intelligence Be "Better" Than Humans in the Management of Syncope? 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101072 PMID:39372450	研究论文	探讨人工智能在晕厥管理中的应用及其优缺点	利用机器学习、深度学习和自然语言处理技术分析晕厥风险因素和临床特征，辅助医生区分真晕厥与其他类型的短暂意识丧失	文章主要探讨了人工智能在晕厥诊断和管理中的潜在优势和挑战，但未提供具体的数据或模型验证	研究人工智能在晕厥诊断和管理中的应用，评估其是否能超越人类的表现	晕厥的临床决策、临床研究和教育	机器学习	NA	机器学习、深度学习、自然语言处理	机器学习模型、深度学习模型、自然语言处理模型	文本	NA
358	2024-10-09	Automated Assessment of Right Atrial Pressure From Ultrasound Videos Using Machine Learning 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101192 PMID:39372459	研究论文	本文研究了使用机器学习自动评估超声视频中的右心房压力	开发了全自动深度学习模型，用于识别超声心动图研究中的下腔静脉扫描并估计右心房压力	NA	评估机器学习是否能准确估计超声心动图测量的右心房压力	右心房压力的自动评估	机器学习	心血管疾病	深度学习	深度学习模型	视频	15,828个超声视频和319个右心导管测量的右心房压力
359	2024-10-09	Impact of Case and Control Selection on Training Artificial Intelligence Screening of Cardiac Amyloidosis 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.100998 PMID:39372462	研究论文	研究评估了基于心电图波形的人工智能模型在心脏淀粉样变筛查中的表现，并分析了不同病例和对照定义对模型性能的影响	探讨了不同病例和对照选择对人工智能模型训练的影响，并提出了在没有专门淀粉样变诊所的机构中，使用较少筛选的病例进行模型训练的可行性	研究结果表明，仅依赖AUC或其他指标不足以评估深度学习算法的性能，需要在最具临床意义的群体中进行评估	评估基于心电图波形的人工智能模型在心脏淀粉样变筛查中的表现，并探讨不同病例和对照定义对模型性能的影响	心脏淀粉样变（CA）的筛查和诊断	机器学习	心血管疾病	人工智能模型	NA	心电图（ECG）波形数据	约130万份心电图数据，来自341,989名患者
360	2024-10-09	Machine-Learning for Phenotyping and Prognostication of Myocardial Infarction and Injury in Suspected Acute Coronary Syndrome 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101011 PMID:39372465	研究论文	本研究开发了一种机器学习模型，用于对疑似急性冠状动脉综合征患者的心肌损伤和梗死进行数字表型分析，并预测30天事件	本研究首次使用极端梯度提升（XGB）和深度学习（DL）模型对心肌损伤和梗死进行表型分析，并预测30天死亡或心肌梗死事件	这些模型需要在随机临床试验中进行外部验证，以评估其在临床实践中的影响	开发机器学习模型，用于对疑似急性冠状动脉综合征患者的心肌损伤和梗死进行数字表型分析，并预测30天事件	疑似急性冠状动脉综合征患者	机器学习	心血管疾病	极端梯度提升（XGB）和深度学习（DL）	极端梯度提升（XGB）和深度学习（DL）	电子健康记录	训练集包含6722名患者，测试集包含8869名患者