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
20861	2024-08-07	CRIP: predicting circRNA-RBP-binding sites using a codon-based encoding and hybrid deep neural networks 2019-12, RNA (New York, N.Y.) DOI:10.1261/rna.070565.119 PMID:31537716	研究论文	本文开发了CRIP工具，用于预测circRNA上的RBP结合位点，采用基于密码子的编码方案和混合深度神经网络结构	首次提出基于机器学习的计算工具CRIP，用于预测circRNA上的RBP结合位点，并采用了创新的基于密码子的编码方案和混合深度学习架构	NA	理解circRNA的调控功能，特别是circRNA与RNA结合蛋白（RBP）的相互作用	circRNA与RBP的结合位点	机器学习	NA	NA	CNN和RNN	序列	37个数据集，每个数据集对应一个RBP的结合位点序列片段
20862	2024-08-07	How theory and design-based research can mature PBL practice and research 2019-12, Advances in health sciences education : theory and practice IF:3.0Q2 DOI:10.1007/s10459-019-09940-2 PMID:31720879	研究论文	本文探讨了如何通过理论和基于设计的研究来成熟化问题导向学习（PBL）的实践和研究	提出了基于设计的研究（DBR）作为一种新的方法来桥接理论和实践，通过重新设计基于理论的教学实践并与各利益相关者紧密合作来调查这些实践	没有一种万能的解决方案来解决PBL中遇到的问题，且应谨慎得出哪种PBL方法最佳的结论	旨在更好地将PBL实践与情境性、建构性、自我导向性和协作性学习的理论或原则相结合	问题导向学习（PBL）的实践和研究	NA	NA	NA	NA	NA	NA
20863	2024-08-07	Tumor tissue classification based on micro-hyperspectral technology and deep learning 2019-Dec-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.10.006370 PMID:31853405	研究论文	本文利用微型高光谱成像技术，结合深度学习模型，对胃癌组织进行分类研究	提出了一种基于深度学习模型的胃癌组织分析方法，并展示了CNN在提取肿瘤组织深层光谱-空间特征方面的优势	NA	探索高光谱技术在肿瘤组织病理诊断中的应用	胃癌组织与正常组织的分类	机器学习	胃癌	微型高光谱成像技术	CNN	高光谱数据	30名胃癌患者
20864	2024-08-07	Deep learning for quality assessment of retinal OCT images 2019-Dec-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.10.006057 PMID:31853385	研究论文	本研究首次提出了一种基于信号完整性、位置和有效性的OCT图像质量评估（OCT-IQA）系统，并使用四种CNN架构进行训练和评估	首次提出了一种基于深度学习的OCT图像质量评估系统，并通过实验证明了其在提高视网膜病变检测准确性方面的有效性	NA	开发一种自动化的OCT图像质量评估系统，以提高视网膜病变检测的准确性	视网膜OCT图像的质量评估	计算机视觉	NA	深度学习	CNN	图像	使用了两个随机创建的测试数据集，其中一个数据集经过OCT-IQA系统筛选，仅包含高质量图像，另一个数据集混合了高质量和低质量图像
20865	2024-08-07	Learning to see stuff 2019-Dec, Current opinion in behavioral sciences IF:4.9Q1 DOI:10.1016/j.cobeha.2019.07.004 PMID:31886321	研究论文	本文探讨了无监督深度学习在解释复杂外观材料（如纺织品和食品）视觉感知中的应用	提出了一种新的框架，通过学习高效准确地编码和预测视觉输入，而不是估计物理量如反射率或光照	文章未明确提及具体限制	解释人类如何学习识别复杂外观的材料	复杂外观的材料，如纺织品和食品	计算机视觉	NA	无监督深度学习	神经网络	图像	未明确提及具体样本数量
20866	2024-08-07	Latest advances in aging research and drug discovery 2019-11-21, Aging DOI:10.18632/aging.102487 PMID:31770722	综述	本文综述了衰老研究及药物发现的最新进展，并介绍了相关领域的年度会议系列	文章强调了人工智能，特别是深度学习在衰老研究中的应用，以及多家公司将衰老研究纳入其业务模型的创新策略	NA	旨在更好地理解与衰老相关的多层次变化，并探索治疗与年龄相关疾病的新干预措施	衰老过程中的分子、细胞、器官、组织、生理、心理及社会学变化	NA	老年病	深度学习	NA	NA	NA
20867	2024-08-07	Classification of brain tumor isocitrate dehydrogenase status using MRI and deep learning 2019-Oct, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.6.4.046003 PMID:31824982	研究论文	本文提出了一种使用深度学习和T2加权磁共振成像（MRI）自动预测脑肿瘤异柠檬酸脱氢酶（IDH）状态的方法	首次展示了仅使用T2w MRI通过深度学习方法预测IDH突变状态的可行性	需要解决随机化过程中的数据泄露问题，以避免分类准确性的向上偏差	开发一种非侵入性的方法来预测脑肿瘤的IDH突变状态	脑肿瘤的IDH突变状态	计算机视觉	脑肿瘤	MRI	二维密集连接模型	图像	260名受试者（120名高级别和140名低级别胶质瘤）
20868	2024-08-05	Effect of MR head coil geometry on deep-learning-based MR image reconstruction 2024-Oct, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30130 PMID:38647191	研究论文	本研究探讨了在使用深度学习（DL）图像重建方法时，平行成像施加的几何线圈约束是否可以放宽。	本文章的创新点在于提出了相比传统非深度学习方法，深度学习图像重建方法在几何线圈设计约束方面的灵活性。	本研究的限制在于只对两种线圈配置进行了评估，未考虑其他可能影响重建性能的因素。	本文旨在比较深度学习方法与传统方法在MR图像重建中的表现，特别是在处理线圈重叠时的能力。	研究对象为不同几何配置的头部线圈，包括8通道和32通道线圈。	数字病理学	NA	深度学习	NA	图像	NA
20869	2024-08-07	Comment on "Utilizing deep learning for automated detection of oral lesions: A multicenter study" 2024-Sep, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2024.106932 PMID:38968726	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
20870	2024-08-05	A multiview deep learning-based prediction pipeline augmented with confident learning can improve performance in determining knee arthroplasty candidates 2024-Aug, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA DOI:10.1002/ksa.12221 PMID:38713857	研究论文	本文提出了一种基于多视图深度学习的膝关节置换预测管道，以确定合适的手术候选者	结合了YOLOv3、ResNet-18和自信学习的深度学习管道显著提高了对膝关节置换候选者的预测精度	外部验证集的样本较少，仅包含134个膝关节	开发和评估一个基于三视图X光片的膝关节置换预测管道	正在进行TKA、UKA或非手术干预的患者的X光和手术数据	计算机视觉	膝关节骨关节炎	深度学习	多视图卷积神经网络	图像	总共1779个膝关节
20871	2024-08-05	Accelerating Polymer Discovery with Uncertainty-Guided PGCNN: Explainable AI for Predicting Properties and Mechanistic Insights 2024-Jul-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00555 PMID:38953249	研究论文	本研究提出了一种可解释的聚合物图卷积神经网络（PGCNN）模型，能够准确预测聚合物属性	结合了证据深度学习与PGCNN，定量预测的不确定性并通过不确定性引导的主动学习实现样本高效训练	研究中可能存在不足的数据和代表性编码问题	加速新聚合物的发现并提高对聚合物的机制理解	聚合物的不同属性及其单体组成	机器学习	NA	深度学习	图卷积神经网络（GCN）	实验数据样本和RadonPy数据集	一百万个假设聚合物和来自实验的数据样本
20872	2024-08-05	Prediction of Vacuum Ultraviolet/Ultraviolet Gas-Phase Absorption Spectra Using Molecular Feature Representations and Machine Learning 2024-Jul-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00676 PMID:38938209	research paper	本文介绍了一种使用分子特征表示和机器学习预测气相真空紫外/紫外吸收光谱的方法	引入了新的分子特征（称为ABOCH）以更好地捕捉pi键合、芳香性和卤素化，显示出优于基于深度学习的方法的预测性能	研究中对比的方法主要集中在机器学习模型，未详细讨论量子化学方法的局限性	旨在开发一种高效的机器学习方法来预测气相真空紫外/紫外吸收光谱	以1397种挥发性和半挥发性化合物的分子结构和相应的吸收光谱为研究对象	机器学习	NA	机器学习	随机森林回归	结构数据文件（.sdf）和吸收光谱	1397种挥发性和半挥发性化合物
20873	2024-08-05	Versatile Framework for Drug-Target Interaction Prediction by Considering Domain-Specific Features 2024-Jul-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00403 PMID:38976879	研究论文	提出了一种通过考虑领域特定特征来预测药物-靶标相互作用的框架	通过结合领域通用和领域特定特征来增强DTI预测模型的泛化能力	未能访问未见领域的数据，限制了模型的适用范围	加速药物-靶标相互作用的预测，促进药物发现	药物-靶标相互作用的预测模型	机器学习	NA	深度学习	集成模型	数据集	四个基准数据集
20874	2024-08-05	Enhancing Chemical Reaction Monitoring with a Deep Learning Model for NMR Spectra Image Matching to Target Compounds 2024-Jul-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00522 PMID:38979856	研究论文	本文开发了一种深度学习模型MatCS，用于根据NMR光谱图像直接预测目标化合物的结构	提出了一个创新的二元分类模型MatCS，以解决现有化学合成技术中结构阐明效率低的问题	当前方法在处理相似分子结构光谱时仍面临挑战，且对化学库的依赖可能限制其应用	提高化学反应监测的效率，直接预测NMR光谱与目标化合物结构之间的关系	针对NMR光谱图像和目标化合物的分子结构的预测	机器学习	NA	NMR光谱分析，图注意网络，图卷积网络	Graph Attention Networks，Graph Convolutional Networks，ResNet101	图像	NA
20875	2024-08-05	Docking Score ML: Target-Specific Machine Learning Models Improving Docking-Based Virtual Screening in 155 Targets 2024-Jul-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00072 PMID:38958413	研究论文	本文介绍了一种新颖的Docking Score ML，为针对155种靶标的虚拟筛选提供更准确的分子对接评分。	提出了一种基于超过200,000个对接复合物分析的机器学习模型，显著提高了虚拟筛选的准确性。	尚未讨论特定靶标外的应用效果以及可能存在的普适性不足。	旨在提高药物发现中的分子对接虚拟筛选的准确性。	重点分析了癌症治疗的155种已知靶标的分子对接复杂体。	机器学习	癌症	监督学习与深度学习	图卷积网络（GCN）	生物活性数据	超过200,000个对接复合物来自155个靶标
20876	2024-08-05	Enhancing effort estimation in global software development using a unique combination of Neuro Fuzzy Logic and Deep Learning Neural Networks (NFDLNN) 2024-Jul-21, Network (Bristol, England) DOI:10.1080/0954898X.2024.2376703 PMID:39034534	研究论文	本文提出了一种结合神经模糊逻辑和深度学习神经网络的模型，以改进全球软件开发的工作量估算。	采用了杜鹃算法来提高NFDLNN模型的准确性和收敛性，并在行业项目数据的广泛验证中表现出色。	未提及具体的局限性	旨在提高全球软件开发中的项目规划和管理效率，特别是在成本估算和工作量分配方面。	研究对象为软件开发项目，侧重于成本和工作量的准确估算。	计算机科学	NA	NFDLNN（神经模糊逻辑与深度学习神经网络）	NA	行业项目数据	使用了多个工业项目的数据进行验证
20877	2024-08-05	High Resolution TOF-MRA Using Compressed Sensing-based Deep Learning Image Reconstruction for the Visualization of Lenticulostriate Arteries: A Preliminary Study 2024-Jul-20, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0025 PMID:39034144	研究论文	本研究探讨了使用基于压缩感知的深度学习图像重建在时间飞行磁共振血管成像中观察透镜纹状动脉的可行性	引入压缩感知和深度学习相结合的重建方法，显著提高了透镜纹状动脉的可视化质量	样本量仅为五名健康志愿者，尚需大规模研究验证	提高时间飞行磁共振血管成像中透镜纹状动脉的可视化效果	健康志愿者的时间飞行磁共振血管成像图像	数字病理学	NA	压缩感知，深度学习	NA	图像	五名健康志愿者
20878	2024-08-05	[Development of a Deep Learning Model for Judging Late Gadolinium-enhancement in Cardiac MRI] 2024-Jul-20, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.2024-1421 PMID:38897968	研究论文	本研究验证了深度学习模型在心脏MRI影像中判断晚期钆增强心肌存在与否的有效性	通过卷积神经网络构建的学习模型展示了优异的预测准确性	受限于样本量和单一医院的数据，模型的泛化能力可能有所欠缺	研究深度学习模型在心脏MRI晚期钆增强图像中的应用	使用174张来自东京大学医院的心脏MRI晚期钆增强心肌短轴图像	计算机视觉	心血管疾病	深度学习	卷积神经网络	图像	共涉及174张心脏MRI图像
20879	2024-08-05	A comprehensive survey on deep learning-based identification and predicting the interaction mechanism of long non-coding RNAs 2024-Jul-19, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae010 PMID:38576205	综述	本研究综合评述了深度学习在长非编码RNA（lncRNA）识别和交互机制预测中的应用	介绍了深度学习模型的概念，并探讨了多种流行的深度学习算法及其数据偏好	目前许多与lncRNA相关的研究人员缺乏对深度学习模型最新进展的了解	探索深度学习如何在lncRNA的功能研究中被应用	长非编码RNA及其在生物过程中的作用	数字病理学	NA	深度学习	NA	序列数据	NA
20880	2024-08-05	DBPMod: a supervised learning model for computational recognition of DNA-binding proteins in model organisms 2024-Jul-19, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elad039 PMID:37651627	研究论文	本文介绍了一种计算方法DBPMod，旨在识别物种特异性的DNA结合蛋白。	DBPMod使用了基于机器学习的方法，提高了对物种特异性DNA结合蛋白的识别准确性。	该研究可能在物种特异性预测中仍然存在一定局限性，特别是对于尚未进行充分研究的物种。	研究物种特异性的DNA结合蛋白识别的计算方法。	研究了包括秀丽隐杆线虫、果蝇、大肠杆菌、人类和小鼠在内的五种模式生物。	机器学习	NA	机器学习	浅层学习和深层学习	NA	五种模式生物