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
20541	2024-08-07	A deep learning framework for modeling structural features of RNA-binding protein targets 2016-Feb-29, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkv1025 PMID:26467480	研究论文	本文开发了一种深度学习框架，用于模拟RNA结合蛋白（RBP）目标的结构特征，并预测其结合位点	首次将预测的RNA三级结构信息纳入模型，以构建统一的表示，描述RBP目标在所有三个维度上的结构特异性	NA	理解转录后基因调控的基本机制	RNA结合蛋白的结合位点和结合偏好	机器学习	NA	深度学习	深度学习框架	序列和结构数据	使用真实的CLIP-seq数据集进行测试
20542	2024-08-07	Local and global changes in cell density induce reorganisation of 3D packing in a proliferating epithelium 2024-Oct-15, Development (Cambridge, England) DOI:10.1242/dev.202362 PMID:38619327	研究论文	本文通过活体成像和基于深度学习的分割技术，研究了海星胚胎中细胞密度、组织紧缩和细胞增殖对上皮组织结构的影响	首次详细分析了细胞密度和组织紧缩在三维上皮组织重排中的作用，并提出了细胞增殖在紧凑上皮中诱导三维细胞重排的机制	NA	探讨细胞密度、组织紧缩和细胞增殖如何影响上皮组织的三维结构重排	海星胚胎中的上皮组织	生物物理学	NA	深度学习	深度学习模型	图像	海星胚胎
20543	2024-08-07	Ratiometric fluorescence sensor based on deep learning for rapid and user-friendly detection of tetracycline antibiotics 2024-Aug-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.138961 PMID:38640544	研究论文	本研究开发了一种基于深度学习的比率荧光传感器，用于快速、便捷地检测食品中的四环素抗生素	利用PVA气凝胶作为基质，结合内部滤光效应和天线效应，设计了一种比色荧光传感器，并通过深度学习模型Resnet18提高了检测的准确性	NA	开发一种快速、便捷、实时且准确的检测方法，用于在真实市场环境中检测抗生素	四环素抗生素在食品中的检测	机器学习	NA	深度学习	Resnet18	图像	检测范围为10-100 μM，实际样本模拟测试的回收率在95%到130%之间
20544	2024-08-07	Using UAV images and deep learning in investigating potential breeding sites of Aedes albopictus 2024-Jul, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2024.107234 PMID:38688444	研究论文	本文利用无人机图像和深度学习技术，研究了白纹伊蚊潜在繁殖地点的识别方法	构建了专门针对白纹伊蚊的潜在繁殖地点数据集，并开发了YOLO v7模型进行识别	主要关注大型、规则形状的容器，对实际应用的实证研究较少	探索基于无人机和人工智能的方法，以识别和定位白纹伊蚊的潜在繁殖地点	白纹伊蚊及其潜在繁殖地点	计算机视觉	NA	深度学习	YOLO v7	图像	包括桶、碗、箱子、水生植物、罐子、盖子、盆、盒子、水槽等物品的数据集
20545	2024-08-07	Artificial Intelligence for breast cancer detection: Technology, challenges, and prospects 2024-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111457 PMID:38640824	综述	本文综述了人工智能技术在数字乳腺摄影和数字乳腺断层合成中自动检测乳腺癌的现状，讨论了相关技术、现有AI系统和面临的挑战	基于深度学习的AI系统在乳腺癌检测中显示出显著改进，有望提高筛查结果，减少假阴性和假阳性，并检测出人类观察者遗漏的细微异常	缺乏标准化数据集、训练数据中可能存在的偏差以及监管批准的障碍限制了其广泛应用	旨在讨论人工智能在乳腺癌筛查中的技术、现有系统和面临的挑战	人工智能技术在数字乳腺摄影和数字乳腺断层合成中自动检测乳腺癌	计算机视觉	乳腺癌	深度学习	深度学习模型	图像	NA
20546	2024-08-07	Image fusion using Y-net-based extractor and global-local discriminator 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30798 PMID:38784534	研究论文	本文提出了一种基于Y-Net和全局-局部判别器的生成对抗网络（GAN）方案，用于红外和可见光图像融合	引入残差密集块（RDblock）和跨模态上下文注意力（CMSCA）来提取和聚合多尺度特征，以生成更真实的融合图像	NA	解决如何从不同源图像中提取信息丰富的特征并在融合图像中保留这些特征的问题	红外和可见光图像	计算机视觉	NA	生成对抗网络（GAN）	Y-Net	图像	NA
20547	2024-08-07	Using a comprehensive atlas and predictive models to reveal the complexity and evolution of brain-active regulatory elements 2024-May-24, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adj4452 PMID:38781344	研究论文	本研究通过整合PsychENCODE联盟和其他已发表的表观遗传数据，构建了一个全面的脑候选顺式调控元件图谱，并利用深度学习模型分析这些元件的序列语法及其在特定细胞类型中的基因调控作用	研究揭示了脑中新的调控信息主要通过保守的哺乳动物元件内的较小序列突变产生，而非全新的人类或灵长类特异性序列	NA	探讨与精神疾病相关的非编码区域遗传变异的功能意义	脑候选顺式调控元件及其在不同细胞类型中的基因调控作用	表观遗传学	精神疾病	深度学习	深度学习模型	表观遗传数据	NA
20548	2024-08-07	A deep learning model for brain segmentation across pediatric and adult populations 2024-05-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61798-6 PMID:38778071	研究论文	本研究开发并验证了一种跨儿童和成人群体的脑部分割模型	提出的深度学习管道icobrain-dl在不同年龄组中展示了与特定年龄模型相当的分割准确性，并显示出比现有工具更高的可重复性	NA	开发和验证一种适用于从婴儿到老年不同年龄段的脑部分割模型	脑组织和结构的自动量化	计算机视觉	NA	深度学习	NA	图像	训练集包含390名患者（年龄范围：2-81岁），验证集包含280名患者（年龄范围：4-90岁）
20549	2024-08-07	Automated tear film break-up time measurement for dry eye diagnosis using deep learning 2024-05-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62636-5 PMID:38778145	研究论文	本研究利用人工智能技术开发了一种自动测量泪膜破裂时间的方法，以辅助干眼症的诊断	采用双任务孪生网络对视频帧进行分类，并结合高斯滤波进行后处理，提高了泪膜破裂时间测量的准确性和可靠性	NA	探索人工智能在眼科领域中用于精确测量泪膜破裂时间的可能性	泪膜破裂时间测量在干眼症诊断中的应用	计算机视觉	干眼症	人工智能	双任务孪生网络	视频	开发数据集包含47个裂隙灯视频，测试数据集包含20个裂隙灯视频
20550	2024-08-07	A novel plant type, leaf disease and severity identification framework using CNN and transformer with multi-label method 2024-05-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62452-x PMID:38778143	研究论文	本文提出了一种新颖的叶片病害识别网络（LDI-NET），该网络采用多标签方法，能够同时识别植物类型、叶片病害及其严重程度	LDI-NET通过单一的直接分支模型，避免了增加类别数量和额外的分支结构，能够同时识别植物类型、叶片病害和严重程度	NA	开发一种能够准确及时识别植物叶片病害及其严重程度的方法，以防止病害扩散	植物类型、叶片病害及其严重程度	计算机视觉	NA	卷积神经网络（CNN）和变换器（transformer）	LDI-NET	图像	使用了公开的AI challenger 2018数据集
20551	2024-08-07	Testing the generalizability and effectiveness of deep learning models among clinics: sperm detection as a pilot study 2024-May-22, Reproductive biology and endocrinology : RB&E IF:4.2Q1 DOI:10.1186/s12958-024-01232-8 PMID:38778327	研究论文	本文研究了深度学习模型在不同临床环境中检测精子的通用性和有效性	通过丰富训练数据集中的图像采集条件，提高了模型在不同临床环境中的通用性	NA	探讨影响目标检测模型通用性的图像因素	人类精子的检测	机器学习	NA	深度学习	目标检测模型	图像	多个临床中心的数据
20552	2024-08-07	MolPROP: Molecular Property prediction with multimodal language and graph fusion 2024-May-22, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00846-9 PMID:38778388	研究论文	本文探讨了一种新的多模态融合方法，结合预训练的语言模型ChemBERTa-2和图神经网络，用于分子性质预测任务	提出了MolPROP模型，通过融合语言和图表示，显著提高了分子性质预测任务的性能	尽管在回归任务上有所改进，MolPROP在某些分类任务上表现不佳	探索多模态融合在分子性质预测中的应用	小分子的性质预测	机器学习	NA	图神经网络	CNN	语言、图像、图	七个scaffold split MoleculeNet数据集
20553	2024-08-07	Enhancing clinical utility: deep learning-based embryo scoring model for non-invasive aneuploidy prediction 2024-May-22, Reproductive biology and endocrinology : RB&E IF:4.2Q1 DOI:10.1186/s12958-024-01230-w PMID:38778410	研究论文	本研究开发了一种基于深度学习的胚胎评分模型，用于非侵入性预测胚胎非整倍体	提出了一种新的深度学习算法‘智能数据分析（iDA）评分’，用于自动化和客观化胚胎图像评估	胚胎非整倍体预测的准确性仍依赖于下一代测序技术（NGS）分析结果	增强临床应用性，提供一种非侵入且经济的胚胎选择方法	3448个经过活检的囊胚，来自979个时间流逝（TL）-PGT周期	机器学习	NA	深度学习算法	深度学习模型	图像	3448个囊胚样本
20554	2024-08-07	Generative design of compounds with desired potency from target protein sequences using a multimodal biochemical language model 2024-May-22, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00852-x PMID:38778425	研究论文	本文研究了基于目标序列嵌入生成具有所需效力的活性化合物，设计了一种双组件条件语言模型，包括蛋白质语言模型组件和条件转换器，用于从多模态数据中学习并预测新的活性化合物	首次提出了一种结合蛋白质语言模型和化学语言模型组件的方法，用于从条件化的蛋白质序列数据中预测具有所需效力的化合物	NA	开发一种新的方法，通过机器翻译序列分子数据表示来预测活性化合物	活性化合物及其所需效力	机器学习	NA	NA	条件语言模型	序列数据	NA
20555	2024-08-07	Opportunities for Improving Glaucoma Clinical Trials via Deep Learning-Based Identification of Patients with Low Visual Field Variability 2024 May-Jun, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2024.01.005 PMID:38296108	研究论文	开发并评估一种深度学习模型（DLM），该模型预测未来视野（VF）变异性低的眼睛，并研究使用该DLM对神经保护试验样本量要求的影响	深度学习模型能够使用单一基线临床访问的数据预测视野变异性低的眼睛，从而减少样本量要求，并可能减轻未来青光眼临床试验的负担	NA	研究使用深度学习模型预测低视野变异性对青光眼临床试验样本量要求的影响	研究对象为每名患者一只眼睛，具有基线可靠视野、OCT、临床测量（人口统计学、眼内压和视力）以及随后的5次可靠视野	机器学习	青光眼	深度学习	深度学习模型（DLM）	图像	共2817只眼睛被纳入分析
20556	2024-08-07	Two-headed UNetEfficientNets for parallel execution of segmentation and classification of brain tumors: incorporating postprocessing techniques with connected component labelling 2024-Apr-29, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-024-05718-1 PMID:38684578	研究论文	本研究提出了一种使用双头UNetEfficientNets模型同时进行脑肿瘤分割和分类的新方法	利用双头UNetEfficientNets模型进行并行分割和分类，并结合连接组件标记等后处理技术提高性能	NA	开发准确和自动化的脑肿瘤检测和分割方法，以改善诊断和治疗结果	脑肿瘤，包括脑膜瘤、胶质瘤和垂体瘤	计算机视觉	脑肿瘤	磁共振成像(MRI)	UNetEfficientNets	图像	3064张脑部MR图像
20557	2024-08-07	Deep Learning Prediction of Axillary Lymph Node Metastasis in Breast Cancer Patients Using Clinical Implication-Applied Preprocessed CT Images 2024-04-18, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol31040169 PMID:38668072	研究论文	本研究旨在开发一种深度学习模型，利用经过临床意义预处理的CT图像来提高乳腺癌患者腋窝淋巴结转移的预测准确性	本研究通过集成方法结合两种最佳表现的CNN架构，提高了诊断精度，并利用梯度加权类激活映射图像区分淋巴结边缘和邻近软组织的细微变化	NA	开发一种深度学习模型，用于准确检测乳腺癌患者的恶性腋窝淋巴结	乳腺癌患者的腋窝淋巴结转移	机器学习	乳腺癌	CT	CNN	图像	1128张轴向CT图像，来自523名乳腺癌患者
20558	2024-08-07	Prediction of Obliteration After the Gamma Knife Radiosurgery of Arteriovenous Malformations Using Hand-Crafted Radiomics and Deep-Learning Methods 2024-Apr, Cureus DOI:10.7759/cureus.58835 PMID:38784357	research paper	本研究使用手工放射组学和深度学习技术预测伽玛刀放射手术治疗脑动静脉畸形后的结果，并比较这两种方法的预测性能	本研究采用了手工放射组学模型和预训练的卷积神经网络模型，这两种模型在预测伽玛刀放射手术后的临床结果方面具有相当的预测性能	研究结果需要在外部更多患者中进行进一步验证	预测伽玛刀放射手术治疗脑动静脉畸形后的结果	脑动静脉畸形患者	machine learning	NA	放射组学, 深度学习	随机森林模型, ResNet-34卷积神经网络	MRI扫描图像	42名患者
20559	2024-08-07	Cleaning and Harmonizing Medical Image Data for Reliable AI: Lessons Learned from Longitudinal Oral Cancer Natural History Study Data 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3005875 PMID:38774479	研究论文	本文介绍了为开发用于研究口腔癌自然史的AI驱动方法而准备和处理图像数据的工作，重点在于数据清洗和注释信息提取	提出了自动化数据清洗和注释信息提取的方法，以提高效率	未详细说明自动化方法的具体实现和效果	准备和处理图像数据，以便开发用于研究口腔癌自然史的AI驱动方法	口腔癌的图像数据	计算机视觉	口腔癌	深度学习	NA	图像	未具体说明样本数量
20560	2024-08-07	Spiritual places: Spatial recognition of Tibetan Buddhist spiritual perception 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301087 PMID:38781137	研究论文	本研究聚焦拉萨，探索藏传佛教精神感知与城市空间的融合，通过结合街景数据和深度学习技术，识别并绘制城市景观中藏传佛教精神场所的空间分布	采用街景数据和深度学习技术的新颖方法，展示了技术在考察城市发展对文化和宗教景观影响方面的潜力	NA	探讨藏传佛教精神感知在城市空间中的融合及其对城市规划、宗教研究和数字人文领域的贡献	藏传佛教精神场所在城市空间中的分布及其与城市建筑和文化遗产区的关系	数字人文	NA	深度学习技术	NA	街景数据	NA