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
1081	2024-09-13	Prediction of viral families and hosts of single-stranded RNA viruses based on K-Mer coding from phylogenetic gene sequences 2024-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108114 PMID:38852362	研究论文	本研究利用机器学习和深度学习模型，基于K-Mer编码的基因序列预测单链RNA病毒的家族和宿主	首次在文献中对包含大量家族和宿主多样性的单链RNA病毒基因序列进行分类研究，并详细探讨了K-Mer编码中不同词长对分类结果的影响	NA	快速准确地分类病毒物种及其潜在宿主，以更好地理解传播动态并促进针对性疗法的开发	单链RNA病毒的基因序列及其家族和宿主	机器学习	NA	K-Mer编码	全连接深度神经网络	基因序列	包含不同宿主和物种的单链RNA病毒基因序列的数据集
1082	2024-09-13	CNN-BLSTM based deep learning framework for eukaryotic kinome classification: An explainability based approach 2024-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108169 PMID:39137619	研究论文	本文提出了一种基于CNN-BLSTM的深度学习框架，用于真核激酶家族的分类，并通过解释性方法提高模型的可靠性	本文引入了GRAD CAM和Integrated Gradient（IG）解释性方法，替代传统的类激活图解释，以提高结果的可靠性和责任性	本文仅针对真核激酶序列进行了分类，未涉及其他蛋白质家族	提高深度学习模型在生物序列相关研究中的可信度	真核激酶序列及其家族分类	机器学习	NA	深度学习	CNN-BLSTM	序列	八个真核激酶序列
1083	2024-08-20	Advanced deep learning approaches enable high-throughput biological and biomedicine data analysis 2024-Oct, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.08.002 PMID:39154807	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1084	2024-09-13	A novel deep learning identifier for promoters and their strength using heterogeneous features 2024-Oct, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.08.005 PMID:39168294	研究论文	设计了一种名为PROCABLES的双层深度学习预测器，用于区分DNA样本中的启动子和启动子强度	提出了一种新的双层深度学习模型PROCABLES，结合了卷积神经网络（CNN）和双向长短期记忆网络（LSTM），并利用多种特征提取DNA序列中的隐藏模式	NA	开发一种计算方法来准确识别和表征启动子及其强度，以支持药物发现	DNA序列中的启动子和启动子强度	机器学习	NA	深度学习	卷积神经网络（CNN）和双向长短期记忆网络（LSTM）	DNA序列	NA
1085	2024-09-13	E-pharmacophore and deep learning based high throughput virtual screening for identification of CDPK1 inhibitors of Cryptosporidium parvum 2024-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108172 PMID:39191165	研究论文	本文利用E-pharmacophore模型和深度学习模型进行高通量虚拟筛选，以识别Cryptosporidium parvum的CDPK1抑制剂	本文创新性地结合了E-pharmacophore模型和深度学习模型，用于筛选新的CDPK1抑制剂，并通过量子极化对接和MD模拟验证了其抑制潜力	本文未提及具体的实验验证结果，仅通过虚拟筛选和模拟进行了初步验证	识别Cryptosporidium parvum的CDPK1抑制剂，以开发治疗隐孢子虫病的药物	Cryptosporidium parvum的CDPK1蛋白及其抑制剂	药物发现	隐孢子虫病	E-pharmacophore模型、深度学习、量子极化对接、MD模拟	深度学习模型	化合物库	200万化合物库中的部分化合物
1086	2024-09-13	Integrated deep learning model for automatic detection and classification of stenosis in coronary angiography 2024-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108184 PMID:39191164	研究论文	本文提出了一种集成深度学习模型，用于冠状动脉造影图像中狭窄的自动检测和分类	首次提出了一种集成深度学习模型，用于血管造影中动脉狭窄的识别和分类，并开发了一个名为“Hemadostenosis”的网络平台，为临床实践提供了实际支持	NA	开发一种能够自动检测和分类冠状动脉造影图像中狭窄的深度学习模型，并提供实际的临床支持	冠状动脉造影图像中的狭窄	计算机视觉	心血管疾病	深度学习	卷积神经网络	图像	1606张冠状动脉造影图像，来自132名患者
1087	2024-09-13	DRN-CDR: A cancer drug response prediction model using multi-omics and drug features 2024-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108175 PMID:39191166	研究论文	本文提出了一种基于深度残差网络的多组学和药物特征的癌症药物反应预测模型DRN-CDR	本文创新性地整合了基因表达、突变数据、甲基化数据以及药物分子结构信息，通过深度残差网络预测药物的IC50值，并在分类问题上取得了较高的AUC和AUPR值	NA	优化癌症治疗方案，提高治疗效果并减少副作用	癌症药物反应预测	机器学习	NA	深度学习	深度残差网络	多组学数据	多种药物和细胞系对
1088	2024-09-13	Balinese story texts dataset for narrative text analyses 2024-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110781 PMID:39252773	研究论文	本文介绍了首个用于叙事文本分析的巴厘故事文本数据集，包含四个子数据集用于角色识别、别名聚类和角色分类	首次为巴厘故事文本创建了标注数据集，填补了低资源语言数据集的空白	数据集仅包含120个巴厘故事文本，样本量相对较小	开发和提供用于叙事文本分析的巴厘故事文本数据集	巴厘故事文本中的角色识别、别名聚类和角色分类	自然语言处理	NA	命名实体识别、自然语言处理	NA	文本	120个手动标注的巴厘故事文本，包含89,917个标注词和6,634个句子
1089	2024-09-13	A scarce dataset for ancient Arabic handwritten text recognition 2024-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110813 PMID:39252777	研究论文	本文提供了一个稀缺的古代阿拉伯手写文本识别数据集，填补了该领域的空白	本文首次提供了一个包含图像和文本真值的古代阿拉伯手稿数据集，有助于阿拉伯OCR和文本校正任务的研究和实践	数据集规模较小，仅包含八本书和四十页	开发用于古代阿拉伯手写文本识别的深度学习光学字符识别模型	古代阿拉伯手稿的图像和文本	计算机视觉	NA	深度学习	深度神经网络	图像和文本	八本书，四十页
1090	2024-09-13	FruitSeg30_Segmentation dataset & mask annotations: A novel dataset for diverse fruit segmentation and classification 2024-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110821 PMID:39252785	研究论文	本文介绍了一个名为FruitSeg30_Segmentation Dataset & Mask Annotations的新数据集，旨在提升深度学习模型在水果分割和分类任务中的能力	该数据集包含了1969张高质量图像，涵盖30种不同的水果类别，提供了多样化的视觉信息，有助于构建更强大的模型	NA	提升水果分割和分类任务中深度学习模型的性能	水果图像的分割和分类	计算机视觉	NA	NA	U-Net	图像	1969张高质量图像，涵盖30种不同的水果类别
1091	2024-09-13	AI-guided identification of risk variants for adrenocortical tumours in TP53 p.R337H carrier children: a genetic association study 2024-Oct, Lancet regional health. Americas DOI:10.1016/j.lana.2024.100863 PMID:39258234	研究论文	研究探讨了TP53 p.R337H携带儿童中与肾上腺皮质肿瘤风险相关的遗传变异	使用深度学习算法分析全外显子测序数据，发现与肾上腺皮质肿瘤发生相关的非编码变异	研究样本主要来自巴西南部，结果的普适性可能受限	研究TP53 p.R337H携带儿童中与肾上腺皮质肿瘤风险相关的遗传变异	TP53 p.R337H携带儿童及其父母	遗传学	肾上腺皮质肿瘤	全外显子测序	深度学习	基因组数据	发现队列包括21名儿童及其父母，验证队列包括392名TP53 p.R337H携带者
1092	2024-09-11	Patient-specific cerebral 3D vessel model reconstruction using deep learning 2024-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03136-6 PMID:38802608	研究论文	本研究利用深度学习方法从患者特定的磁共振血管造影图像中重建三维血管模型	首次使用深度学习技术进行患者特定三维血管模型的重建，并展示了其在血流模拟中的应用	研究样本量较小，未来需要进一步验证深度学习技术在医学图像处理中的应用	开发一种基于深度学习的血管模型重建方法，以减少手动操作的需求	40名患有颈内动脉瘤的患者	计算机视觉	心血管疾病	深度学习	U-net	图像	40名患者，60例病例
1093	2024-09-11	Hybrid optimal feature selection-based iterative deep convolution learning for COVID-19 classification system 2024-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109031 PMID:39173484	研究论文	本文提出了一种基于混合最优特征选择和迭代深度卷积学习的COVID-19分类系统	本文创新性地结合了物联网数据和深度学习技术，通过优化算法提取疾病特征，并使用一维卷积神经网络进行分类	NA	开发一种高效的方法用于COVID-19的早期检测和诊断	COVID-19样本数据和物联网设备生成的数据	机器学习	COVID-19	深度学习	一维卷积神经网络（1D-CNN）	数据	大量COVID-19样本
1094	2024-09-11	Depth estimation from monocular endoscopy using simulation and image transfer approach 2024-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109038 PMID:39178804	研究论文	本文提出了一种从单目内窥镜图像中估计深度的方法，通过模拟和图像迁移技术训练深度估计网络模型	本文创新性地使用Unity生成模拟内窥镜图像和深度图，并通过循环生成对抗网络增强模拟图像的真实感，最终训练深度学习模型进行深度估计	NA	开发一种从单目内窥镜图像中准确估计深度的方法，以提高导航系统的有效性	内窥镜图像的深度估计	计算机视觉	NA	深度学习	生成对抗网络	图像	使用从分割的计算机断层扫描结肠成像数据中获得的结肠表面模型生成的模拟内窥镜图像和深度图进行训练
1095	2024-09-11	Skeleton-guided multi-scale dual-coordinate attention aggregation network for retinal blood vessel segmentation 2024-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109027 PMID:39178808	研究论文	本文提出了一种用于视网膜血管分割的骨架引导多尺度双坐标注意力聚合网络（SMDAA）	SMDAA网络包含三个创新模块：双坐标注意力（DCA）、不平衡像素放大器（UPA）和血管骨架引导（VSG），分别用于解决类不平衡问题、提高分割精度和保持血管结构连续性	NA	提高视网膜血管分割的准确性和连续性	视网膜血管	计算机视觉	NA	深度学习	SMDAA网络	图像	三个公共数据集（DRIVE、STARE和CHASE_DB1）
1096	2024-09-11	RETNet: Resolution enhancement Transformer network for magnetic particle imaging based on X-space 2024-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109043 PMID:39191080	研究论文	本文提出了一种用于磁粒子成像分辨率增强的Transformer网络RETNet	RETNet利用浅层特征提取器、跨尺度Transformer和残差Swin Transformer分别提取浅层特征、纹理特征和结构特征，并通过图像重建模块聚合这些特征以重建高分辨率图像	NA	提高磁粒子成像的空间分辨率	磁粒子成像中的低分辨率图像	计算机视觉	NA	深度学习	Transformer	图像	包括仿真、模型和体内实验
1097	2024-09-11	A novel pipeline employing deep multi-attention channels network for the autonomous detection of metastasizing cells through fluorescence microscopy 2024-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109052 PMID:39216406	研究论文	本文开发了一种基于深度多注意力通道网络的计算管道，用于通过荧光显微镜自动检测转移细胞	本文引入了新的多注意力通道架构，并开发了一种可解释的全局解释方法，以确保网络的高解释性	NA	研究细胞骨架中肌动蛋白和波形蛋白中间丝的空间组织变化，以区分正常细胞和转移细胞，从而改进癌症诊断和治疗	正常人类细胞及其同基因匹配的、致癌转化的、侵袭性和转移性对应物	数字病理学	NA	深度学习方法	多注意力通道网络	图像	NA
1098	2024-09-11	WeedCube: Proximal hyperspectral image dataset of crops and weeds for machine learning applications 2024-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110837 PMID:39252779	研究论文	介绍了一个名为WeedCube的数据集，包含用于机器学习应用的作物和杂草的近红外高光谱图像	提供了160个校准的高光谱图像，并附有Jupyter Notebook脚本用于数据增强和可视化，支持杂草分类和识别研究	NA	支持杂草分类或识别研究，验证现有模型的泛化能力	油菜、大豆、甜菜和四种入侵杂草的高光谱图像	机器学习	NA	高光谱成像	NA	高光谱图像	160个校准图像，可通过选择更小的感兴趣区域（ROI）增加图像数量
1099	2024-09-10	Combined deep learning and radiomics in pretreatment radiation esophagitis prediction for patients with esophageal cancer underwent volumetric modulated arc therapy 2024-10, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110438 PMID:39013503	研究论文	本文开发了一种结合放射组学和深度学习的模型，用于预测接受容积调制弧形放疗的食管癌患者术前放射性食管炎的发生	本文创新性地结合了放射组学特征和深度学习技术，通过卷积神经网络提取特征，提高了放射性食管炎的预测准确性	尽管结合了多种特征提取方法，但剂量本身并不是预测准确性的主要因素	开发一种预测食管癌患者在接受容积调制弧形放疗后放射性食管炎发生的方法	接受容积调制弧形放疗的食管癌患者	数字病理学	食管癌	卷积神经网络	ResNet34	图像	273名食管癌患者
1100	2024-09-10	AutoNet-Generated Deep Layer-Wise Convex Networks for ECG Classification 2024-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3378843 PMID:38512733	研究论文	提出了一种自动生成层级凸网络的算法AutoNet，用于心电图分类任务	提出了层级凸定理，确保每一层的损失函数相对于参数是凸的，并通过约束每一层为非线性方程的超定系统来实现	NA	开发一种自动生成层级凸网络的算法，以提高神经网络设计的效率和性能	心电图分类任务	机器学习	NA	NA	层级凸网络（LCN）	心电图数据	涉及五个基准数据集，包括三个心电图数据集和两个非心电图数据集