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
961	2024-09-07	Automatic detection of foot-strike onsets in a rhythmic forelimb movement 2024-Sep, Neuroscience research IF:2.4Q3 DOI:10.1016/j.neures.2024.04.002 PMID:38642677	研究论文	本文介绍了一种使用深度学习工具自动检测大鼠前肢节奏性运动中足部触地起始点的方法	结合关节坐标和行为置信度评分两种技术，实现了高精度的起始点检测	NA	精确确定节奏性运动中的起始点，以全面分析运动功能	大鼠的前肢节奏性运动	计算机视觉	NA	深度学习	NA	视频	NA	NA	NA	NA	NA
962	2024-09-07	mACPpred 2.0: Stacked Deep Learning for Anticancer Peptide Prediction with Integrated Spatial and Probabilistic Feature Representations 2024-Sep-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168687 PMID:39237191	研究论文	本文介绍了mACPpred 2.0，一个用于预测抗癌肽的堆叠深度学习模型，结合了空间和概率特征表示	首次将空间和概率特征表示集成用于预测抗癌肽，并采用堆叠深度学习方法提高预测准确性	NA	开发一个更新的抗癌肽预测工具，以应对已知抗癌肽数量的快速增长	抗癌肽及其在癌症治疗中的应用	机器学习	NA	堆叠深度学习	1D CNN	文本	集成所有公开可用的抗癌肽数据集	NA	NA	NA	NA
963	2024-09-07	GalaxySagittarius-AF: Predicting Targets for Drug-Like Compounds in the Extended Human 3D Proteome 2024-Sep-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168617 PMID:39237198	研究论文	GalaxySagittarius-AF 是一个基于深度学习技术的网络服务器，用于预测药物样化合物在扩展的人类3D蛋白质组中的靶点	GalaxySagittarius-AF 通过整合预测的结构，将结构预测的成果转化为药物样化合物的靶点预测，并使用扩大的结构数据库，包括经过整理的AlphaFold模型结构及其结合位点和配体，预测方法比其前身更快，覆盖了更大的人类蛋白质空间	NA	开发一个能够预测药物样化合物在扩展的人类3D蛋白质组中靶点的网络服务器	药物样化合物在人类蛋白质组中的靶点	机器学习	NA	深度学习	AlphaFold	蛋白质结构	NA	NA	NA	NA	NA
964	2024-09-06	A Graph-Based Time-Frequency Two-Stream Network for Multistep Prediction of Key Performance Indicators in Industrial Processes 2024-Sep-04, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3447108 PMID:39231064	研究论文	本文提出了一种基于图的时间-频率双流网络，用于工业过程中关键性能指标的多步预测	本文创新性地提出了多图注意力层和时间-频率双流网络，解决了过程变量之间的复杂耦合关系和长期依赖学习问题	NA	实现工业过程中关键性能指标的多步预测	工业过程中的关键性能指标	机器学习	NA	多图注意力层	图神经网络	时间序列数据	两个真实世界工业数据集	NA	NA	NA	NA
965	2024-09-04	PCaseek: ultraspecific urinary tumor DNA detection using deep learning for prostate cancer diagnosis and Gleason grading 2024-Sep-03, Cell discovery IF:13.0Q1 DOI:10.1038/s41421-024-00710-y PMID:39223118	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
966	2024-09-06	Deep learning-based virtual staining, segmentation, and classification in label-free photoacoustic histology of human specimens 2024-Sep-02, Light, science & applications DOI:10.1038/s41377-024-01554-7 PMID:39223152	研究论文	本文介绍了一种基于深度学习的框架，用于在无标记光声组织学中进行自动虚拟染色、分割和分类	提出了一个包含可解释对比非配对翻译（E-CUT）、U-net架构和深度学习逐步特征融合方法（StepFF）的框架，显著提高了分类准确性	NA	开发一种在临床环境中简化病理诊断过程的技术	人类样本的光声组织学图像	数字病理学	肝癌	深度学习	U-net	图像	NA	NA	NA	NA	NA
967	2024-09-06	Predicting odor from vibrational spectra: a data-driven approach 2024-Sep-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70696-w PMID:39223164	研究论文	本研究通过数据驱动的方法，利用振动光谱（VS）预测气味，并结合计算机视觉技术进行特征提取和分类	首次使用数据驱动的分类、聚类和可解释AI技术，分析了3018个分子的振动光谱数据，并结合图像表示和PCA降维指纹特征，提高了气味分类的准确性	NA	验证振动理论在气味感知中的应用，并探索深度学习在嗅觉研究中的潜力	3018个分子的振动光谱数据及其气味分类	计算机视觉	NA	数据驱动分类、聚类、可解释AI	深度学习模型	振动光谱图像	3018个分子	NA	NA	NA	NA
968	2024-09-06	Integrating machine and deep learning technologies in green buildings for enhanced energy efficiency and environmental sustainability 2024-Sep-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70519-y PMID:39223231	研究论文	本文研究了将机器学习和深度学习技术应用于绿色建筑设计中，以提高能源效率和环境可持续性	提出了结合机器学习和深度学习技术来优化绿色建筑设计过程，并使用GNN和LSTM模型进行实验，结果表明这些模型比传统深度学习技术更准确和高效	未提及具体的研究局限性	开发一个绿色建筑设计预测模型，以优化资源消耗、提高居住者舒适度并减少建筑环境对环境的影响	绿色建筑设计过程及其对环境可持续性的影响	机器学习	NA	机器学习（ML）和深度学习（DL）技术，包括RF、DT、Extreme GB、GNN、LSTM和RNN	GNN和LSTM	数值数据	使用了ASHARE-884数据集	NA	NA	NA	NA
969	2024-09-06	Impact of acquisition area on deep-learning-based glaucoma detection in different plexuses in OCTA 2024-09-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71235-3 PMID:39223266	研究论文	研究了不同采集区域和血管丛对基于深度学习的青光眼检测的影响	深度学习方法在所有采集区域和血管丛中均优于传统的血管密度生物标志物，并且在6x6 ONH扫描中表现最佳	未提及具体限制	探讨不同采集区域和血管丛对基于机器学习的青光眼患者与健康对照组区分的影响	青光眼患者和健康对照组	计算机视觉	眼科疾病	光学相干断层扫描血管造影 (OCTA)	深度学习	图像	未提及具体样本数量	NA	NA	NA	NA
970	2024-09-06	PCP-GC-LM: single-sequence-based protein contact prediction using dual graph convolutional neural network and convolutional neural network 2024-Sep-02, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05914-3 PMID:39223474	研究论文	本文提出了一种基于单序列的蛋白质接触预测方法PCP-GC-LM，结合双层图卷积神经网络和卷积神经网络进行预测	本文创新性地使用了双层图神经网络和卷积网络，能够更好地捕捉蛋白质分子不同层次的抽象特征，并处理不同长度和形状的蛋白质分子结构	本文未提及具体的计算负担问题解决方案	提高基于单序列的蛋白质接触预测方法的准确性	蛋白质接触图谱预测	机器学习	NA	图卷积神经网络	图卷积神经网络和卷积神经网络	蛋白质序列和结构信息	两个同源二聚体蛋白质测试集（DeepHomo测试数据集和CASP-CAPRI目标数据集）	NA	NA	NA	NA
971	2024-09-06	Robust mosquito species identification from diverse body and wing images using deep learning 2024-Sep-02, Parasites & vectors IF:3.0Q1 DOI:10.1186/s13071-024-06459-3 PMID:39223629	研究论文	研究使用卷积神经网络（CNN）对蚊子种类进行基于图像的分类	比较了三种图像采集方法（智能手机、带宏镜头的智能手机和专业立体显微镜）在蚊子种类分类中的效果，并发现基于翅膀的分类效果优于基于身体的分类	CNN模型在不同设备上的表现依赖于特定设备的训练，导致平均准确率下降14%	探索卷积神经网络在蚊子种类分类中的应用	四种形态相似的Aedes蚊子种类	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	796个样本	NA	NA	NA	NA
972	2024-09-06	X-ray lens figure errors retrieved by deep learning from several beam intensity images 2024-Sep-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577524004958 PMID:39042577	研究论文	本文研究了使用深度学习从多个光束强度图像中检索X射线透镜表面误差的方法	提出了一种使用神经网络从光束强度图像中准确预测透镜误差轮廓的方法	NA	解决同步辐射光束聚焦中的相位问题，并验证仅使用传播光束在多个距离处的强度图像检索透镜表面误差的可能性	X射线透镜的表面误差	计算机视觉	NA	深度学习	神经网络	图像	数千次模拟	NA	NA	NA	NA
973	2024-09-06	Artificial intelligence-based plasma exosome label-free SERS profiling strategy for early lung cancer detection 2024-Sep, Analytical and bioanalytical chemistry IF:3.8Q1 DOI:10.1007/s00216-024-05445-z PMID:39017700	研究论文	本文介绍了一种基于人工智能的无标记表面增强拉曼光谱（SERS）策略，用于早期肺癌的检测	利用深度学习模型和卷积神经网络（CNN）对细胞外囊泡的拉曼光谱数据进行特征提取，结合支持向量机（SVM）模型进行早期肺癌的准确诊断	NA	开发一种新的早期肺癌诊断方法	肺癌细胞和正常细胞的细胞外囊泡	机器学习	肺癌	表面增强拉曼光谱（SERS）	卷积神经网络（CNN）和支持向量机（SVM）	光谱数据	肺癌细胞系和正常细胞系的细胞外囊泡样本	NA	NA	NA	NA
974	2024-09-06	Pre-therapy PET-based voxel-wise dosimetry prediction by characterizing intra-organ heterogeneity in PSMA-directed radiopharmaceutical theranostics 2024-Sep, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06737-3 PMID:38724653	研究论文	本研究旨在通过表征体内器官异质性，利用人工智能技术预测基于预治疗PET的体素级剂量分布	本研究首次利用深度学习技术预测体素级吸收剂量图，考虑了体内器官的异质性	本研究仅在转移性去势抵抗性前列腺癌患者中进行，样本量有限	通过表征体内器官异质性，预测基于预治疗PET的体素级吸收剂量图，以提高治疗效果	转移性去势抵抗性前列腺癌患者	数字病理学	前列腺癌	深度学习	深度学习模型	图像	23名患者，48个治疗周期	NA	NA	NA	NA
975	2024-09-05	Predicting Small Molecule Binding Nucleotides in RNA Structures Using RNA Surface Topography 2024-Sep-04, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01264 PMID:39230508	研究论文	本文开发了一种基于空间相关性的深度学习模型ZHmolReSTasite，用于预测带有结的RNA结构中的小分子结合核苷酸	ZHmolReSTasite模型利用RNA表面地形考虑空间相关性，能够准确预测简单和复杂RNA结构中的结合核苷酸	现有方法难以预测带有结的复杂RNA结构中的结合核苷酸	提高RNA小分子结合核苷酸预测的准确性，促进药物发现和抑制剂设计	RNA小分子结合核苷酸的预测	机器学习	NA	深度学习	深度学习模型	RNA结构数据	包含简单RNA结构的基准测试集TE18和RB9，以及带有结的RNA结构的挑战性测试集	NA	NA	NA	NA
976	2024-09-05	Unrealistic Data Augmentation Improves the Robustness of Deep Learning-Based Classification of Dopamine Transporter SPECT Against Variability Between Sites and Between Cameras 2024-Sep-03, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.267570 PMID:39054285	研究论文	本文提出了一种强烈不切实际的数据增强方法，以提高卷积神经网络（CNN）对多巴胺转运体SPECT图像分类的鲁棒性，特别是在不同站点和不同相机之间的变异性。	使用基于高斯模糊和加性噪声的强烈不切实际数据增强方法，显著提高了CNN在不同数据集上的分类准确性和泛化能力。	NA	提高深度学习在多巴胺转运体SPECT图像分类中的鲁棒性。	多巴胺转运体SPECT图像的自动分类。	计算机视觉	NA	数据增强	CNN	图像	1,100张I-标记的2β-羧甲氧基-3β-(4-碘苯基)--(3-氟丙基)诺特罗潘SPECT图像	NA	NA	NA	NA
977	2024-09-05	Perspectives on Advancing Multimodal Learning in Environmental Science and Engineering Studies 2024-Sep-03, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c03088 PMID:39226136	研究论文	本文探讨了多模态学习在环境科学与工程研究中的应用和潜力	提出利用多模态学习（MML）整合不同模态数据，以提高环境问题预测模型的准确性和鲁棒性	讨论了在环境科学与工程领域实施多模态学习的挑战	探索多模态学习在环境科学与工程中的应用，以解决复杂的环境问题	环境质量评估、化学危害预测和污染控制技术优化	机器学习	NA	多模态学习（MML）	NA	多模态数据	NA	NA	NA	NA	NA
978	2024-09-05	Sequence-specific targeting of intrinsically disordered protein regions 2024-Sep-02, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.15.603480 PMID:39071356	研究论文	本文介绍了一种结合生物物理原理和深度学习的方法，用于设计能够特异性地结合到蛋白质无序区域（IDRs）的蛋白质	该方法通过将查询序列通过数百个具有不同口袋深度和间距的模板，实现了对无序序列的通用识别，并通过RFdiffusion优化结合体-目标的适应性	NA	开发一种能够特异性地结合到蛋白质无序区域的方法，以应用于生物研究、治疗和诊断	设计能够结合到39种高度多样化的无结构目标的结合体	生物技术	NA	深度学习, RFdiffusion	NA	蛋白质序列	39种高度多样化的无结构目标，每个目标约36种设计	NA	NA	NA	NA
979	2024-09-05	A deep learning classification framework for research methods of marine protected area management 2024-Sep, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.122228 PMID:39182377	研究论文	本研究提出了一种基于深度学习的海洋保护区管理方法分类框架，特别关注数据和理论能力，使用自然语言处理技术	该框架通过提取学术资源中的关键词并基于语义相似性进行聚类，生成了用于摘要标注的基准文本，并总结了研究方法的组合类型，提出了数据-理论中和原则	NA	旨在为海洋保护区管理方法提供一个高效的基于理论和数据驱动的方法集成框架	海洋保护区管理方法	自然语言处理	NA	自然语言处理	深度学习	文本	分析了1986至2024年间9049篇海洋保护区管理实证研究文章	NA	NA	NA	NA
980	2024-09-05	Sensor-based characterization of construction and demolition waste at high occupancy densities using synthetic training data and deep learning 2024-Sep, Waste management & research : the journal of the International Solid Wastes and Public Cleansing Association, ISWA IF:3.7Q2 DOI:10.1177/0734242X241231410 PMID:38385439	研究论文	研究使用深度学习方法和合成训练数据对高密度占用下的建筑拆除废物进行传感器监测	提出了一种生成合成训练图像的方法，避免了耗时的手动标记，并通过在真实图像上测试训练模型来证明其成功	未明确提及	探索不同深度学习架构在建筑拆除废物特征化中的适用性	建筑拆除废物（CDW）的传感器监测和深度学习对象检测方法	机器学习	NA	深度学习	Region-based CNN (Faster R-CNN), YOLOv3, Single Shot MultiBox Detector (SSD)	图像	以砖和砂灰砖混合物作为示例废物流	NA	NA	NA	NA