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
20001	2024-08-05	Rapid identification of bloodstream infection pathogens and drug resistance using Raman spectroscopy enhanced by convolutional neural networks 2024, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2024.1428304 PMID:39077742	研究论文	本研究提出了一种结合深度学习和表面增强拉曼散射(SERS)的快速识别血流感染病原体及其耐药性的方法	将深度学习和SERS结合，开发了快速识别病原体及耐药性的新方法	未明确提及研究的限制	快速识别血流感染的常见病原体及其耐药性	从阳性血液培养中分离的细菌	数字病理学	血流感染	表面增强拉曼散射(SERS)	卷积神经网络(CNN)	光谱数据	共收集了12,046和11,968个SERS光谱
20002	2024-08-04	Predicting Anti-inflammatory Peptides by Ensemble Machine Learning and Deep Learning 2023-12-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01602 PMID:38054927	研究论文	本文提出了一种通过集成机器学习和深度学习预测抗炎肽的方法	通过构建包含极随机树、门控循环单元和卷积神经网络的高级框架，实现了AIP预测的创新性探索	在独立测试集上的表现可能不代表其他广泛应用场景的预测精度	研究抗炎肽(AIP)的预测以加速抗炎疗法的发展	抗炎肽的特征和预测模型	机器学习	NA	集成机器学习，深度学习	极随机树，门控循环单元，卷积神经网络	序列数据	NA
20003	2024-08-04	An Uncertainty-Guided Deep Learning Method Facilitates Rapid Screening of CYP3A4 Inhibitors 2023-12-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01241 PMID:38055780	研究论文	本文提出了一种不确定性引导的深度学习方法，以便于快速筛选CYP3A4抑制剂	提出了一种不确定性引导的回归模型，能够准确预测CYP3A4活性的IC值，并通过整合分类模型的预测和引入证据不确定性方法提升了预测的可靠性	现有模型主要提供确定性分类结果，缺乏对抑制强度的精确预测，且预测可靠性不足	评估CYP3A4抑制剂以避免潜在的药物相互作用和不良反应	CYP3A4抑制剂的预测与筛选	机器学习	NA	NA	回归模型	化合物数据	27,045个化合物，其中包含4395个具有明确IC值的化合物
20004	2024-08-04	High-Temperature Polymer Dielectrics Designed Using an Invertible Molecular Graph Generative Model 2023-12-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01572 PMID:38061777	研究论文	本文利用可逆分子图生成模型生成高温聚合物介电材料	提出了一种基于可逆正规化流的分子图生成模型，用于高温聚合物介电材料的设计	使用的数据集主要是通过基于RNN的生成模型生成的，可能影响模型的普适性	高效设计高温聚合物介电材料	假设有前景的高温聚合物介电材料	材料科学	NA	深度生成模型	可逆图生成模型	分子图	包含250k个聚合物分子图
20005	2024-08-04	GGNpTCR: A Generative Graph Structure Neural Network for Predicting Immunogenic Peptides for T-cell Immune Response 2023-12-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01293 PMID:37990917	研究论文	本研究提出了一种基于生成图结构的深度学习框架GGNpTCR，用于预测T细胞受体与肽的相互作用	GGNpTCR模型能够有效预测训练数据集中未出现的新抗原的相互作用，并改善了现有的方法	未提及特定的局限性	研究T细胞受体与人类抗原之间的相互作用以推动疫苗和免疫治疗的发展	重点研究T细胞受体与外源性肽的相互作用	计算机视觉	NA	深度学习	生成图结构	序列信息	使用了大规模COVID-19数据集和多种数据集进行性能评估
20006	2024-08-04	Ensemble Geometric Deep Learning of Aqueous Solubility 2023-12-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01536 PMID:37990484	研究论文	这个文章探讨了几何深度学习在预测分子特性如水溶性方面的应用	提出了基于谱卷积和空间卷积的图神经网络架构的两个集成模型	在对巨噬细胞迁移抑制因子抑制剂的测试中表现出模型的局限性	本研究旨在利用几何深度学习来改进药物候选分子的药物动力学	207个分子的验证集以及系列的苯酰脲衍生物和苯二氮卓衍生物	数字病理学	NA	图神经网络	SolNet-GCN和SolNet-GAT	分子特性数据	207个分子
20007	2024-08-04	A Multimodal Deep Learning Framework for Predicting PPI-Modulator Interactions 2023-12-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01527 PMID:38037990	研究论文	本研究提出了一种基于序列的深度学习框架MultiPPIMI，用于预测PPI靶标与调节剂之间的相互作用	本研究的创新点在于MultiPPIMI能够在不需要靶标结构或参考调节剂的情况下，预测任意给定PPI靶标与调节剂之间的相互作用	本研究未提供对所有PPI调节剂的全面评估	本研究旨在开发一种新的框架来识别PPI介导的相互作用	本研究的对象为蛋白质相互作用靶标和调节剂	机器学习	NA	深度学习	双线性注意力网络	基准数据集	NA
20008	2024-08-04	Ab Initio Prediction of 3-D Conformations for Protein Long Loops with High Accuracy and Applications to Antibody CDRH3 Modeling 2023-12-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01051 PMID:38018130	研究论文	本研究开发了新的方法来预测蛋白质长环的三维构象，具有高精度和应用于抗体CDRH3建模。	提出了一种结合原子和残基级别术语的新方法来计算残基原子之间的相互作用能	未明确考虑还原侧链与主链原子的相互作用能	开发高精度的蛋白质长环的构象预测方法	蛋白质长环和抗体CDRH3环	数字病理学	NA	NA	OSCAR-loop	NA	49个抗体靶点
20009	2024-08-04	Discovery Viewer (DV): Web-Based Medical AI Model Development Platform and Deployment Hub 2023-Dec-06, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10121396 PMID:38135987	研究论文	该论文介绍了Discovery Viewer（DV）平台，一个基于网络的医学人工智能模型开发和部署中心	提供一个适应性环境，允许非人工智能专家学习、开发和分享深度学习概念，促进模型的持续改进	未提及具体的技术细节和模型限制	旨在使医疗人工智能模型的开发更加便捷，促进技术在临床环境中的应用	针对肌肉骨骼疾病的AI项目进行开发和测试，涵盖分割、回归和分类任务	机器学习	NA	深度学习	NA	样本数据	参与项目的样本占80%，剩余样本由志愿者进行注释和训练
20010	2024-08-05	Potential added value of an AI software with prediction of malignancy for the management of incidental lung nodules 2023-Dec, Research in diagnostic and interventional imaging DOI:10.1016/j.redii.2023.100031 PMID:39076687	研究论文	本文研究了一种人工智能软件在意外发现的肺结节管理中的潜在价值	研究展示了使用深度学习算法的人工智能软件在预测肺结节恶性程度中的有效性及其高阴性预测值	样本量较小，仅包括83名患者的90个肺结节的回顾性分析	旨在评估人工智能软件在意外发现的肺结节管理中的影响	对在急诊CT扫描中意外发现的肺结节进行评估	计算机视觉	肺癌	深度学习算法	NA	影像	90个肺结节，涉及83名患者
20011	2024-08-04	DeepMPSF: A Deep Learning Network for Predicting General Protein Phosphorylation Sites Based on Multiple Protein Sequence Features 2023-11-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00996 PMID:37931253	研究论文	提出了一种基于多种蛋白质序列特征的深度学习模型DeepMPSF，用于预测蛋白质磷酸化位点。	DeepMPSF模型结合了序列语义特征和蛋白质背景生物物理特征，克服了现有方法对简单特征依赖的问题。	研究中未提到样本数据集的局限性或模型的具体应用场景。	研究目的是提高蛋白质磷酸化位点预测的准确性。	研究对象为人类蛋白质，特别是S/T和Y残基的磷酸化位点。	计算机技术	NA	深度学习	NA	人类蛋白质数据	对一个已确立的人类蛋白质数据集进行了训练和评估
20012	2024-08-04	Sodium-based paracetamol: impact on blood pressure, cardiovascular events, and all-cause mortality 2023-11-07, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehad535 PMID:37611115	研究论文	本研究重新审视了含有碳酸氢钠的对乙酰氨基酚与血压、心血管事件和全因死亡率之间的关联	使用深度学习方法分析了含钠和不含钠的对乙酰氨基酚在心血管健康和死亡率方面的影响	研究中对其他潜在混杂因素的控制不足，尤其是吞咽困难及相关疾病的影响	探讨含钠对乙酰氨基酚对血压、心血管事件及全因死亡率的影响	对475442名年龄在60至90岁之间的英国患者进行了分析	数字病理学	心血管疾病	深度学习	NA	电子健康记录	475442名患者
20013	2024-08-05	Machine Learning in Cardio-Oncology: New Insights from an Emerging Discipline 2023-Oct, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2410296 PMID:39077576	综述	本文概述了机器学习在心脏肿瘤学中的应用，包括心脏毒性的预测、诊断和治疗	提出了机器学习在心脏肿瘤学领域的新应用，尤其是在风险分层方面	缺乏具体的样本数据和定量分析	研究机器学习在心脏肿瘤学中的应用和影响	癌症患者的心脏毒性和相关风险因素	机器学习	心脏病	机器学习	深度学习、人工神经网络、随机森林	NA	NA
20014	2024-08-04	Expert-level pediatric brain tumor segmentation in a limited data scenario with stepwise transfer learning 2023-Sep-18, medRxiv : the preprint server for health sciences DOI:10.1101/2023.06.29.23292048 PMID:37425854	研究论文	该研究探讨了在有限数据情境下使用分步迁移学习实现儿童脑肿瘤的自动分割	本研究采用了一种新颖的领域内分步迁移学习方法，有效提升了儿童低级别胶质瘤的自动分割精度	虽然研究证明了AI模型的临床可接受性，但仍需更多数据和进一步的临床验证	本研究旨在开发和验证儿童脑肿瘤的人工智能自动分割算法	研究对象为184个来自国家脑肿瘤联盟和100个来自儿科癌症中心的数据集中的儿童低级别胶质瘤影像	数字病理学	脑肿瘤	深度学习	神经网络	影像	总共284个样本（184个来自国家脑肿瘤联盟和100个来自儿科癌症中心）
20015	2024-08-05	Clinical Validation of Explainable Deep Learning Model for Predicting the Mortality of In-Hospital Cardiac Arrest Using Diagnosis Codes of Electronic Health Records 2023-Sep, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2409265 PMID:39076399	研究论文	本研究评估了D-SHAP模型在使用电子健康记录的诊断代码预测医院内心脏骤停患者死亡率的表现	引入了可解释的深度学习模型，能够准确识别与高死亡风险相关的诊断代码	D-SHAP与临床判断之间存在一些不一致，特别是在较少发生的疾病中	评估深度学习模型在预测医院内心脏骤停患者死亡概率方面的表现	分析168,693名至少有一次医院内心脏骤停的患者及其1,569,478份临床记录	机器学习	心脏病	深度学习	D-SHAP	临床记录	402名患者
20016	2024-08-04	Uncertainty aware training to improve deep learning model calibration for classification of cardiac MR images 2023-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102861 PMID:37327613	研究论文	本文研究了如何通过不确定性感知训练提高心脏MR图像分类模型的校准能力。	提出了三种新颖的不确定性感知训练策略，并与两种最新的方法进行了比较，强调了更好的模型校准。	使用不同的校准指标时，最优模型之间缺乏一致性。	研究旨在提高人工智能分类模型在临床决策支持中的可靠性。	研究对象为心脏再同步治疗响应预测和冠状动脉疾病诊断。	计算机视觉	心血管疾病	心脏磁共振成像（CMR）	信心加权方法	图像	NA
20017	2024-08-05	The Use of Artificial Intelligence for Detecting and Predicting Atrial Arrhythmias Post Catheter Ablation 2023-Aug, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2408215 PMID:39076714	评论	这篇文章探讨了人工智能在导管消融后检测和预测心房性心律失常的应用	文章创新地聚焦于心房颤动以外的心房扑动和心房性心动过速的AI研究	目前的AI研究主要集中在心房颤动，心房扑动和心房性心动过速的研究相对较少	研究旨在探讨AI算法与心电生理特征、影像数据、风险评分计算器和临床变量结合预测心律失常	主要关注心房颤动、心房扑动和心房性心动过速的心律失常	自然语言处理	心血管疾病	人工智能	机器学习和深度学习	影像数据和临床变量	NA
20018	2024-08-05	Audiological Diagnosis of Valvular and Congenital Heart Diseases in the Era of Artificial Intelligence 2023-Jun, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2406175 PMID:39077516	研究论文	本文探讨了结合人工智能技术的电子听诊器在先天性心脏病和瓣膜性心脏病诊断中的应用	提出了建立大型标准化心音数据库，并统一算法进行外部验证的研究方向	目前对疾病严重程度、远程监测和预后等方面的研究较少	旨在提高心脏疾病的诊断准确性	电子听诊器、人工智能算法与心脏病	计算机视觉	心脏病	人工智能、深度学习	深度学习算法、基于特征提取的机器学习算法	心音	NA
20019	2024-08-05	Elbow trauma in children: development and evaluation of radiological artificial intelligence models 2023-Jun, Research in diagnostic and interventional imaging DOI:10.1016/j.redii.2023.100029 PMID:39077546	研究论文	本文针对儿童肘部创伤，开发了一种能够检测后创伤性损伤的人工智能模型并评估其性能	通过深度学习模型的端到端开发，实现了对儿童肘部X光照影像的分析，为临床实践提供了新的辅助工具	模型在外部测试集的准确性下降，尤其是第二个模型的特异性显著降低	开发和评估能够改善放射科医生对儿童肘部创伤X光解读的人工智能模型	1956张儿童肘部X光影像，涉及935名年龄在0至18岁之间的患者	计算机视觉	NA	深度卷积神经网络（CNN）	深度学习模型	影像	1956张X光影像
20020	2024-08-04	The emerging role of artificial intelligence and digital twins in pre-clinical molecular imaging 2023 May-Jun, Nuclear medicine and biology IF:3.6Q1 DOI:10.1016/j.nucmedbio.2023.108337 PMID:37030076	研究论文	本文探讨了人工智能和数字双胞胎在临床前分子成像中的新兴作用	提出使用深度学习方法提升数字双胞胎的发展能力和应用	目前尚未提及具体的局限性	探索数字双胞胎在临床前分子成像中的应用潜力	以小鼠为模型的临床前分子成像	数字病理学	NA	深度学习，生成对抗网络	NA	图像	特定基因小鼠模型