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
20941	2024-08-04	Detecting dental caries on oral photographs using artificial intelligence: A systematic review 2024-05, Oral diseases IF:2.9Q1 DOI:10.1111/odi.14659 PMID:37392423	系统综述	本系统综述旨在评估人工智能模型在口腔照片中检测牙齿龋齿的表现	评估了不同机器学习算法在牙齿龋齿检测中的表现，并提出了对未来研究的建议	有限的研究允许评估人工智能对不同严重程度病变的表现	评估人工智能在口腔照片中检测牙齿龋齿的能力	临床研究报告的深度学习和其他机器学习算法	机器学习	NA	深度学习	NA	口腔照片	19项研究
20942	2024-08-05	Deep learning based on small sample dataset: prediction of dielectric properties of SrTiO3-type perovskite with doping modification 2024-May, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.231464 PMID:39076810	研究论文	本文研究基于小样本数据集的深度学习，以预测掺杂修饰的SrTiO3型钙钛矿的介电特性	提出了一种新的、有效的方法，通过深度神经网络模型显著提高了对介电性能的预测准确性	研究中使用的小数据集限制了对介电性能和能量存储密度提高的更深层次分析	旨在解决SrTiO掺杂数据的高度分散性和小样本大小带来的研究难题	研究对象为SrTiO型钙钛矿的掺杂数据	机器学习	NA	深度学习	一维卷积神经网络	实验数据	200条与SrTiO型钙钛矿掺杂相关的实验记录
20943	2024-08-05	UltraAIGenomics: Artificial Intelligence-Based Cardiovascular Disease Risk Assessment by Fusion of Ultrasound-Based Radiomics and Genomics Features for Preventive, Personalized and Precision Medicine: A Narrative Review 2024-May, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2505184 PMID:39076491	综述	该文章为心血管疾病风险评估提出了基于人工智能的综合方法。	提出了结合超声放射组学和基因组学特征的新方法，以提高心血管疾病风险评估的准确性。	仅基于246项研究的回顾，可能缺乏广泛的临床应用数据支持。	探讨如何通过融合基因组学和放射组学特征来改善心血管疾病的风险评估。	研究重点在于心血管疾病和中风的风险评估。	机器学习	心血管疾病	深度学习	DL模型	NA	246项研究
20944	2024-08-04	Rapid and Precise Differentiation and Authentication of Agricultural Products via Deep Learning-Assisted Multiplex SERS Fingerprinting 2024-03-19, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c00064 PMID:38450485	研究论文	本文提出了一种结合多重表面增强拉曼散射(SERS)指纹技术与一维卷积神经网络(1D-CNN)的新方法，用于快速准确地区别和验证农业产品	该方法结合了三种不同的SERS活性纳米颗粒作为多重传感器，通过构建'SERS超级指纹'来提高农业产品的识别精度	文章中未明确指出具体的局限性	研究农业产品的来源和质量的快速准确识别与验证	主要研究对象为农业产品及其掺假样品	数字病理	NA	多重表面增强拉曼散射(SERS)	一维卷积神经网络(1D-CNN)	光谱数据	多个农业产品和模拟的掺假样品
20945	2024-08-04	Convolutional Neural Network-Driven Impedance Flow Cytometry for Accurate Bacterial Differentiation 2024-03-19, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.3c04421 PMID:38448396	研究论文	本研究开发了一种基于卷积神经网络的阻抗流式细胞术方法，以提高细菌的分类准确性和效率	该研究使用卷积神经网络深度学习方法，提高了阻抗流式细胞术在细菌物种区分上的准确性和效率	研究中未提及对特定细菌种类的识别是否可以普遍适用	提升阻抗流式细胞术在细菌种类区分的准确性	不同物种的细菌及其电特性	数字病理学	NA	阻抗流式细胞术	卷积神经网络	阻抗数据	超过100万组不同细菌的阻抗数据
20946	2024-08-04	Generalization challenges in electrocardiogram deep learning: insights from dataset characteristics and attention mechanism 2024-Mar-11, Future cardiology IF:1.6Q3 DOI:10.1080/14796678.2024.2354082 PMID:39049767	研究论文	本研究探讨了训练数据特征对心电图模型泛化性能的影响	研究引入了注意力机制以提升模型泛化能力，并发现平衡数据集可显著改进模型性能	未具体说明研究的样本量和数据集的具体特征	探讨心电图深度学习模型的泛化挑战	心电图数据集及其特征	机器学习	心血管疾病	深度学习	NA	心电图	使用了不同特征的多个心电图数据集
20947	2024-08-04	DeepION: A Deep Learning-Based Low-Dimensional Representation Model of Ion Images for Mass Spectrometry Imaging 2024-03-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.3c05002 PMID:38377545	研究论文	本研究提出了DeepION，一个基于深度学习的离子图像低维表示模型，用于质谱成像的离子识别	DeepION通过引入对比学习，实现了自监督的离子图像表示，并设计了特殊的数据增强策略以适应质谱成像数据的特点	在低信噪比和缺乏标注数据集的情况下，离子图像表示的有效性仍然面临挑战	研究旨在提升质谱成像中离子图像的低维表示效果，以改善共定位离子和同位素离子的识别	本研究主要针对生物样品中的离子图像	数字病理学	NA	质谱成像 (MSI)	深度学习模型	图像	实验使用了大鼠脑组织的质谱成像数据
20948	2024-08-05	Feasibility of deep learning-reconstructed thin-slice single-breath-hold HASTE for detecting pancreatic lesions: A comparison with two conventional T2-weighted imaging sequences 2024-Mar, Research in diagnostic and interventional imaging DOI:10.1016/j.redii.2023.100038 PMID:39076579	研究论文	本研究评估了深度学习重建的纤薄切片单次呼气半傅里叶单次激发涡旋回音成像（HASTEDL）在检测胰腺病变中的临床可行性	首次比较了深度学习重建的HASTE与传统T2加权成像序列的效果，展现了HASTEDL在图像质量和获取时间上的优势	研究样本量相对较小，且为回顾性研究	评估深度学习重建技术在胰腺病变检测中的应用效能	63名疑似胰腺相关疾病的患者	数字病理学	胰腺癌	深度学习重建	NA	图像	63名患者
20949	2024-08-05	Development of a deep learning model for the automated detection of green pixels indicative of gout on dual energy CT scan 2024-Mar, Research in diagnostic and interventional imaging DOI:10.1016/j.redii.2024.100044 PMID:39076582	研究论文	本研究开发了一种深度学习模型用于在双能CT扫描中自动检测指示痛风的绿色像素	提出了一种优化的深度学习算法，用于对双能CT图像中绿色编码的MSU晶体进行分割	该研究的数据集较小，仅包含58个样本	研究痛风患者的双能CT图像中MSU晶体的自动检测	双能CT图像中的绿色编码像素，代表MSU晶体	数字病理学	痛风	双能CT	Segresnet, SwinUNETR	图像	58个样本（28个训练集和30个测试集）
20950	2024-08-04	Mixtures Recomposition by Neural Nets: A Multidisciplinary Overview 2024-02-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01633 PMID:38284618	综述	本综述探讨了人工神经网络在化学混合物重组中的最新进展	提出了神经网络与物理知识的混合，促进了对化学混合物的理解和预测能力	未提供具体的实验数据支持，主要为理论探讨	研究人工神经网络在化学混合物重组中的应用潜力	聚焦于化学混合物及其成分的重组	机器学习	NA	人工神经网络	深度学习模型	NA	NA
20951	2024-08-04	Leveraging DFT and Molecular Fragmentation for Chemically Accurate pKa Prediction Using Machine Learning 2024-02-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01923 PMID:38301279	研究论文	我们提出了一种基于随机森林的量子力学/机器学习框架，用于准确预测复杂有机分子的pKa值	我们的工作扩展了CBH的适用性，利用其生成可用于机器学习的分子描述符	未提及具体限制	准确预测复杂有机分子的pKa值	复杂有机分子	机器学习	NA	密度泛函理论（DFT）	随机森林	NA	在两个基准数据集（SAMPL6和诺华）上评估模型性能
20952	2024-08-04	MucLiPred: Multi-Level Contrastive Learning for Predicting Nucleic Acid Binding Residues of Proteins 2024-02-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01471 PMID:38301174	研究论文	本研究提出了一种新型深度学习模型MucLiPred，用于预测蛋白质与多种分子之间的结合位点	研究引入了双重对比学习机制，提升了多种分子-蛋白质相互作用的预测能力	未提供关于模型在其他特定分子类型上的有效性或推广能力的信息	改善多种分子-蛋白质相互作用的预测和潜在结合残基的识别	聚焦于蛋白质-分子交互的结合残基	计算机视觉	NA	深度学习	NA	NA	NA
20953	2024-08-04	Deep Learning-Based Chemical Similarity for Accelerated Organic Light-Emitting Diode Materials Discovery 2024-02-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01747 PMID:38270063	研究论文	这篇文章提出了一种基于深度学习的定量评分方法来评估分子的TADF潜力	提出了TADF-likeness评分，通过化学相似性评估TADF材料的潜力	由于仅依赖少量可计算的属性，现有策略有明确的局限性	加速新型TADF材料的发现	已知的TADF分子的特征及其相关的电子属性	材料发现	NA	深度自编码器	NA	分子数据	数百万个分子进行大规模虚拟筛选
20954	2024-08-04	Pretraining Strategies for Structure Agnostic Material Property Prediction 2024-02-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00919 PMID:38301621	研究论文	本文提出了三种预训练策略以改善无结构学习框架在材料性质预测中的表现	提出了无结构学习框架的可学习预训练策略，并在多个下游任务中证明了其有效性	固定长度的描述符仍然依赖于广泛的领域知识，可能限制作业的普遍适用性	探讨提高基于无结构学习的材料性质预测性能的预训练策略	专注于无结构学习和材料性质预测的深度学习框架	机器学习	NA	自监督学习 (SSL), 指纹学习 (FL), 多模态学习 (ML)	无结构学习框架	小型数据集和大型数据集	NA
20955	2024-08-04	ACPScanner: Prediction of Anticancer Peptides by Integrated Machine Learning Methodologies 2024-02-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01860 PMID:38277774	研究论文	文章提出了一种名为ACPScanner的集成方法，用于预测抗癌肽及其特定活性类型	ACPScanner是首个用于特定抗癌活性预测的方法，结合了深度学习和统计学习	现有的方法无法识别特定类型的抗癌功能	该研究旨在开发一种新的方法来预测抗癌肽及其活性	抗癌肽及非抗癌肽	机器学习	癌症	深度学习，统计学习	自定义深度学习和统计学习集成架构	序列，物理化学性质，二级结构信息	NA
20956	2024-08-04	ProSTAGE: Predicting Effects of Mutations on Protein Stability by Using Protein Embeddings and Graph Convolutional Networks 2024-01-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01697 PMID:38166383	研究论文	本文提出了一种名为ProSTAGE的新方法，用于预测单点突变对蛋白质稳定性的影响。	结合结构与序列嵌入，采用图卷积网络深度学习方法，显著提高了突变影响问题的预测能力。	尚未提及方法在不同类型突变或更大规模的实验验证中的表现。	开发一种更快速、更准确的预测蛋白质突变对稳定性影响的方法。	针对单点突变影响蛋白质稳定性的关系进行建模和预测。	机器学习	NA	深度学习	图卷积网络	序列数据	使用一个几乎是最常用的S2648数据集两倍大小的更大数据集
20957	2024-08-04	Exploring the Alternative Conformation of a Known Protein Structure Based on Contact Map Prediction 2024-01-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01381 PMID:38117138	研究论文	本文探讨了如何基于接触图预测来探索已知蛋白质结构的替代构象	提出将深度学习的蛋白质结构预测目标从单一特定结构转向多个可能结构	研究主要集中于二态蛋白，可能不适用于所有类型的蛋白质	研究如何从给定蛋白序列预测多态结构	分析数十种二态蛋白的接触图预测结果	机器学习	NA	深度学习与基于物理的计算方法结合	NA	蛋白质结构	数十种二态蛋白
20958	2024-08-04	Comprehensive Review of Drug-Drug Interaction Prediction Based on Machine Learning: Current Status, Challenges, and Opportunities 2024-01-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01304 PMID:38132638	综述	本文系统回顾了基于机器学习的药物-药物相互作用预测研究的现状、挑战和机会	提出并比较了不同的药物属性和机器学习方法在药物-药物相互作用预测中的应用	可能未覆盖所有最新的研究进展和数据来源	探讨药物-药物相互作用预测研究的现状和未来方向	基于机器学习方法的药物-药物相互作用预测研究	机器学习	NA	机器学习	浅层学习，深度学习，推荐系统，知识图谱	药物数据库，药物属性数据	NA
20959	2024-08-04	E2EATP: Fast and High-Accuracy Protein-ATP Binding Residue Prediction via Protein Language Model Embedding 2024-01-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01298 PMID:38127815	研究论文	本研究提出了一种基于蛋白质语言模型嵌入的E2EATP模型，用于快速且高精度的蛋白质-ATP结合位点预测	本研究的创新点在于采用了预训练的深度学习蛋白质语言模型（ESM2）来自动提取与蛋白质功能相关的高潜在判别表示，从而提升预测性能	在特征表示质量的局限性方面，预测性能仍有较大提升空间	本研究旨在改善蛋白质-ATP结合位点的预测性能	研究对象为蛋白质序列，通过提取其中的信息来预测其ATP结合位点	计算机视觉	NA	深度学习，蛋白质语言模型	残差卷积神经网络	蛋白质序列	两个独立测试数据集
20960	2024-08-04	Multi-CGAN: Deep Generative Model-Based Multiproperty Antimicrobial Peptide Design 2024-01-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01881 PMID:38135439	研究论文	本研究提出了一种基于深度生成模型的Antimicrobial肽设计方法Multi-CGAN	提出了一种新颖的Multi-CGAN结构，能够从单一属性肽数据中学习并生成多属性的抗菌肽序列	NA	探讨如何在药物发现中设计具有多种属性的新型抗菌肽	抗菌肽及其属性的生成与设计	机器学习	NA	深度生成模型	CGAN	肽数据	NA