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
801	2024-10-16	Protein complex structure modeling by cross-modal alignment between cryo-EM maps and protein sequences 2024-Oct-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53116-5 PMID:39394203	研究论文	本文介绍了一种名为EModelX的全自动cryo-EM蛋白质复合物结构建模方法，通过跨模态对齐cryo-EM图谱和蛋白质序列实现序列引导建模	EModelX通过多任务深度学习预测Cα原子、骨架原子和氨基酸类型，并利用氨基酸轮廓与蛋白质序列对齐，提高了建模精度	NA	开发一种全自动的cryo-EM蛋白质复合物结构建模方法，提高建模精度	cryo-EM图谱和蛋白质序列	计算机视觉	NA	cryo-EM	多任务深度学习	图像	测试集中的蛋白质复合物结构
802	2024-10-16	A dataset of 0.05-degree leaf area index in China during 1983-2100 based on deep learning network 2024-Oct-11, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03948-z PMID:39394222	研究论文	本文基于深度学习网络生成了1983-2100年中国0.05度分辨率的叶面积指数（LAI）数据集	首次生成了高分辨率的LAI数据集，揭示了中国未来情景下的潜在植被变化	NA	生成高空间分辨率的LAI数据集，用于研究中国历史和未来情景下的植被变化	叶面积指数（LAI）数据集	地球与环境科学	NA	深度学习	LAI Downscaling Network (LAIDN)	叶面积指数数据	1983-2100年间的月度数据，包括历史时期（1983-2014）和未来情景（2015-2100，包括SSP-126, SSP-245, SSP-370, SSP-585）
803	2024-10-16	Machine Learning and Deep Learning Models for Predicting Noncovalent Inhibitors of AmpC β-Lactamase 2024-Oct-08, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c03834 PMID:39398163	研究论文	研究开发了用于预测AmpC β-内酰胺酶非共价抑制剂的机器学习和深度学习模型	开发了支持向量机、随机森林和前馈神经网络分类模型，用于预测AmpC β-内酰胺酶的非共价抑制剂	模型的交叉验证准确率在80%到82%之间，组合模型达到83%	开发新的非共价抑制剂，以应对标准β-内酰胺抑制剂的耐药性问题	AmpC β-内酰胺酶的非共价抑制剂	机器学习	NA	机器学习、深度学习	支持向量机、随机森林、前馈神经网络	化合物数据集	大量化合物数据集
804	2024-10-16	Artificial intelligence for surgical safety during laparoscopic gastrectomy for gastric cancer: Indication of anatomical landmarks related to postoperative pancreatic fistula using deep learning 2024-Oct, Surgical endoscopy DOI:10.1007/s00464-024-11117-x PMID:39093411	研究论文	本研究旨在通过深度学习技术识别与腹腔镜胃癌手术后胰腺瘘相关的解剖标志，并开发一个人工智能导航系统来实时指示这些标志	首次提出使用凹陷线（DLs）作为与术后胰腺瘘相关的解剖标志，并开发了一个实时指示这些标志的人工智能导航系统	研究样本量较小，仅包括50例腹腔镜胃癌手术病例，且验证阶段仅使用了10例病例	识别与腹腔镜胃癌手术后胰腺瘘相关的解剖标志，并开发一个人工智能导航系统来实时指示这些标志	腹腔镜胃癌手术中的解剖标志及其与术后胰腺瘘的关系	计算机视觉	胃癌	深度学习	语义分割模型	图像	50例腹腔镜胃癌手术病例，其中45例用于训练，5例用于调整超参数；验证阶段使用了10例病例
805	2024-10-16	Proton spot dose estimation based on positron activity distributions with neural network 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17297 PMID:38984805	研究论文	本研究评估了三种经典神经网络模型（RNN、U-Net和Transformer）在质子剂量估计中的有效性，并探讨了这些模型的特点，为临床实践中选择合适的模型提供了有价值的见解	本研究首次将深度学习技术应用于从正电子活性分布中估计质子剂量，展示了其在体内质子剂量监测和引导质子治疗中的潜力	研究仅使用了四个头部的CT图像进行模拟，样本量较小，且仅在脑部和鼻咽部进行了验证	评估不同神经网络模型在质子剂量估计中的性能，并探讨其在临床实践中的应用潜力	质子剂量估计的神经网络模型性能	机器学习	NA	Geant4模拟	RNN, U-Net, Transformer	正电子活性分布	四个头部的CT图像，其中三个用于训练，一个用于测试
806	2024-10-16	Generating 3D images of VMAT plans for predictive models and activation maps associated with plan deliverability 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17298 PMID:38978162	研究论文	本文提出了一种基于深度学习的预测模型，通过生成3D图像来估计VMAT计划的执行可行性，并可视化与计划执行相关的控制点特定区域	本文的创新点在于通过生成3D图像来反映VMAT计划的复杂性，并使用DenseNet模型进行预测，提供了控制点特定的信息	本文的局限性在于样本量相对较小，且仅针对左右乳房的VMAT治疗进行了研究	本文的研究目的是开发一种能够预测VMAT计划执行可行性的模型，并提供与计划执行相关的控制点特定信息	本文的研究对象是VMAT计划的执行可行性及其相关的控制点信息	机器学习	NA	深度学习	DenseNet	图像	259例左乳房和190例右乳房VMAT治疗病例，其中235例和166例用于训练，24例用于测试
807	2024-10-16	A multiscale 3D network for lung nodule detection using flexible nodule modeling 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17283 PMID:38949577	研究论文	本文提出了一种多尺度3D无锚点深度学习网络（M3N）用于肺结节检测，利用可调节结节建模（ANM）技术	本文的创新点在于提出了多尺度3D无锚点深度学习网络（M3N），并引入了可调节结节建模（ANM）和点选择策略（PSS），以加速各向异性表示的学习过程	本文的局限性在于其性能和准确性需要在临床环境中进一步验证	本文的研究目的是开发一种更鲁棒和通用的肺结节检测系统，减少对先验知识的依赖	本文的研究对象是肺结节及其在CT扫描中的检测	计算机视觉	肺癌	深度学习	3D无锚点深度学习网络	CT扫描图像	LUNA 16数据集中的样本
808	2024-10-16	Preoperative CT-based radiomics and deep learning model for predicting risk stratification of gastric gastrointestinal stromal tumors 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17276 PMID:38935330	研究论文	本文探讨了基于术前CT影像的放射组学和深度学习模型用于预测胃肠道间质瘤的风险分层	本文创新性地结合了CT形态学、放射组学和深度学习特征，构建了一个综合模型用于预测胃肠道间质瘤的术前风险分层	本文的局限性在于样本量相对较小，且依赖于手动分割肿瘤区域	研究目的是建立并评估一个机器学习模型，用于术前预测胃肠道间质瘤的风险分层	研究对象是193例胃肠道间质瘤	机器学习	胃肠道间质瘤	放射组学、深度学习	支持向量机、卷积神经网络	影像	193例胃肠道间质瘤
809	2024-08-13	Correction: Artificial intelligence for surgical safety during laparoscopic gastrectomy for gastric cancer: Indication of anatomical landmarks related to postoperative pancreatic fistula using deep learning 2024-Oct, Surgical endoscopy DOI:10.1007/s00464-024-11160-8 PMID:39133331	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
810	2024-10-16	Automatic localization of anatomical landmarks in head cine fluoroscopy images via deep learning 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17349 PMID:39140650	研究论文	本文提出了一种基于深度学习的自动定位头部X射线影像中解剖标志点的方法	本文首次提出了一种基于深度学习的方法，用于在随机准直和放大的2D头部X射线影像中自动定位3D解剖标志点	本文仅在合成图像和临床X射线影像上进行了验证，尚未在实际临床环境中广泛应用	开发一种方法，用于在X射线引导介入手术中自动定位解剖标志点，以实现个性化的辐射剂量测量	头部X射线影像中的解剖标志点	计算机视觉	NA	深度学习	深度学习模型	图像	800,000张伪2D合成图像和135个回顾性收集的头部CT体积数据
811	2024-10-16	AI diagnostics in bone oncology for predicting bone metastasis in lung cancer patients using DenseNet-264 deep learning model and radiomics 2024-Oct, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100640 PMID:39399584	研究论文	本研究旨在利用影像组学和深度学习预测肺癌患者的骨转移	通过整合先进的影像技术和人工智能，提高预测准确性和临床决策	NA	预测肺癌患者的骨转移	肺癌患者的骨转移	计算机视觉	肺癌	影像组学	DenseNet-264	影像	NA
812	2024-10-16	Code-Free Machine Learning Solutions for Microscopy Image Processing: Deep Learning 2024-Oct, Tissue engineering. Part A DOI:10.1089/ten.TEA.2024.0014 PMID:38556835	综述	本文综述了适用于显微图像处理的无需编程的深度学习方法	重点介绍了适用于缺乏编程经验的生物学家的深度学习算法，并提供了无需编码的开放平台访问方式	未对算法进行比较，而是描述了它们擅长解决的问题	探讨适用于显微图像处理的深度学习方法，特别是那些无需编程经验的方法	显微图像处理算法及其在生物学领域的应用	计算机视觉	NA	深度学习	人工神经网络	图像	NA
813	2024-10-15	NRIMD, a Web Server for Analyzing Protein Allosteric Interactions Based on Molecular Dynamics Simulation 2024-Oct-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00783 PMID:38991149	研究论文	NRIMD是一个基于分子动力学模拟分析蛋白质变构相互作用的网络服务器	NRIMD是首个提供分子动力学模拟中长程相互作用综合分析的在线服务，显著降低了使用深度学习预测蛋白质长程相互作用的门槛	NA	开发一个用于分析蛋白质中长程变构相互作用的网络服务器	蛋白质中的长程变构相互作用	生物信息学	NA	分子动力学模拟	图神经网络	蛋白质结构数据	NA
814	2024-10-15	FCSSL: fusion enhanced contrastive self-supervised learning method for parallel MRI reconstruction 2024-Oct-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6d28 PMID:39116910	研究论文	提出了一种融合增强的对比自监督学习方法FCSSL，用于并行MRI重建，无需全采样数据集和线圈敏感性图	引入了一种基于两对重下采样掩码的对比学习框架，设计了一种自监督学习方式的适应性融合网络，显著提高了重建质量	未提及具体限制	解决在无法或成本高昂获取全采样数据集的情况下，使用深度学习进行MRI重建的问题	并行MRI重建	计算机视觉	NA	对比自监督学习	适应性融合网络	图像	使用膝关节数据集进行实验，具体样本数量未提及
815	2024-10-15	MHIPM: Accurate Prediction of Microbe-Host Interactions Using Multiview Features from a Heterogeneous Microbial Network 2024-Oct-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01296 PMID:39289839	研究论文	本文提出了一种基于深度学习的方法MHIPM，用于预测微生物与宿主之间的相互作用	MHIPM利用多源生物信息和异构微生物网络，结合ESM-2和doc2vec模型以及自注意力机制，提取多视角特征，并通过GraphSAGE模型捕捉网络中的特征，实现了对微生物-宿主相互作用的高精度预测	NA	通过计算方法优先筛选微生物-宿主相互作用，以便进一步进行生物实验验证	微生物与宿主之间的相互作用	机器学习	NA	深度学习	GraphSAGE	蛋白质序列	涉及人类蛋白质、病毒、噬菌体和致病菌的异构微生物网络
816	2024-10-15	The Development and Application of KinomePro-DL: A Deep Learning Based Online Small Molecule Kinome Selectivity Profiling Prediction Platform 2024-Oct-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00595 PMID:39320984	研究论文	本文介绍了一种基于深度学习的在线小分子激酶选择性分析预测平台KinomePro-DL的开发与应用	开发了一种多任务深度神经网络模型，用于预测化合物的新结构激酶选择性，并提供了一个免费的在线预测平台KinomePro-DL	未提及	开发和应用一种深度学习模型，用于预测小分子激酶抑制剂的激酶选择性	小分子激酶抑制剂的激酶选择性	机器学习	NA	深度学习	多任务深度神经网络	化合物数据	191种代表性激酶的抑制剂数据集
817	2024-10-15	KnoMol: A Knowledge-Enhanced Graph Transformer for Molecular Property Prediction 2024-Oct-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01092 PMID:39323109	研究论文	本文介绍了一种名为KnoMol的知识增强图Transformer框架，用于提高分子结构的理解和分子属性预测的准确性	KnoMol通过将专家化学知识集成到Transformer中，模拟药物化学家的分析方法，并采用多视角注意力机制来更精确地表示环系统，从而提高了模型的表示能力	NA	提高分子属性预测的准确性和泛化能力，减少对大量数据的依赖	分子结构和分子属性	机器学习	NA	Transformer	图Transformer	分子数据	涉及MoleculeNet和一些小规模数据集的评估实验
818	2024-10-15	Alchemical Transformations and Beyond: Recent Advances and Real-World Applications of Free Energy Calculations in Drug Discovery 2024-Oct-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01024 PMID:39360948	综述	本文回顾了自2018年以来自由能扰动（FEP）计算在药物发现项目中的实际应用	讨论了物理模拟方法的替代方案以及深度学习在自由能计算中的整合	仍面临力场准确性和采样效率的挑战	探讨自由能计算在药物发现中的最新进展和实际应用	自由能扰动计算在药物发现中的应用	药物发现	NA	自由能扰动计算	NA	NA	NA
819	2024-10-15	A hybrid capsule attention-based convolutional bi-GRU method for multi-class mental task classification based brain-computer Interface 2024-Oct-14, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2410221 PMID:39397592	研究论文	本文提出了一种基于胶囊注意力机制的卷积双向门控循环单元模型，用于多类心理任务分类的脑机接口	本文引入了一种混合深度学习技术，结合了胶囊网络和注意力机制，以提高多类心理任务分类的准确性	NA	研究脑机接口中多级心理活动的分类问题，以提高分类准确性	脑电图数据和心理任务分类	机器学习	NA	脑电图分析	卷积神经网络 (CNN) 和双向门控循环单元 (bi-GRU)	脑电图数据	使用提供的脑电图数据集进行评估
820	2024-10-15	Internet of Things and Cloud Computing-based Disease Diagnosis using Optimized Improved Generative Adversarial Network in Smart Healthcare System 2024-Oct-13, Network (Bristol, England) DOI:10.1080/0954898X.2024.2392770 PMID:39396229	研究论文	本文提出了一种基于物联网和云计算的智能医疗系统中使用优化改进生成对抗网络进行疾病诊断的方法	本文引入了优化改进生成对抗网络（IGAN），并通过Flamingo Search优化算法（FSOA）对其进行优化，提高了疾病诊断的准确性和特异性，同时减少了执行时间	NA	提高智能医疗系统中疾病诊断的准确性和效率	糖尿病、慢性肾病和心脏病患者的数据	机器学习	心血管疾病	生成对抗网络（GAN）	生成对抗网络（GAN）	电子健康记录	NA