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
23021	2024-08-07	Deep learning in modeling protein complex structures: From contact prediction to end-to-end approaches 2024-04, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2024.102789 PMID:38402744	综述	本文综述了基于深度学习的蛋白质-蛋白质复合体结构建模方法的最新进展，包括通过蛋白质间接触预测和端到端方法的应用	深度学习在单体蛋白质结构预测中取得成功后，被广泛应用于蛋白质-蛋白质复合体结构的建模	文章讨论了应用深度学习预测蛋白质复合体结构面临的挑战和可能的未来方向	探讨深度学习在蛋白质-蛋白质复合体结构预测中的应用	蛋白质-蛋白质复合体结构	机器学习	NA	深度学习	NA	蛋白质结构数据	NA
23022	2024-08-07	Lesion segmentation using 3D scan and deep learning for the evaluation of facial portwine stain birthmarks 2024-Apr, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2024.104030 PMID:38423233	研究论文	本文研究了使用3D扫描和深度学习技术对面部葡萄酒色斑胎记进行病变分割和面积量化的方法	开发了一种改进的DeepLabV3+网络，引入了卷积块注意力模块（CBAM）和DENSE，并在Ranger优化器下进行训练，以提高病变区域的精确提取	NA	评估3D扫描与深度学习结合在自动化葡萄酒色斑面积量化中的应用	面部葡萄酒色斑胎记的病变分割和面积量化	计算机视觉	NA	3D扫描	DeepLabV3+	3D图像	29.26-45.82 cm²的葡萄酒色斑样本
23023	2024-08-07	Deep Learning-Based Automated Labeling of Coronary Segments for Structured Reporting of Coronary Computed Tomography Angiography in Accordance With Society of Cardiovascular Computed Tomography Guidelines 2024-Mar-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000753 PMID:37889562	研究论文	评估一种基于深度学习的自动化冠状动脉标记方法，用于根据心血管计算机断层扫描学会指南进行冠状动脉疾病的结构化报告	利用树状结构的长短期记忆循环神经网络架构，通过自下而上编码和自上而下解码的两步法，自动标记冠状动脉中心线	NA	评估基于深度学习的自动化冠状动脉标记方法的性能，以改进冠状动脉CT血管造影的自动化结构化报告	104名接受心电图同步冠状动脉CT血管造影的患者	计算机视觉	心血管疾病	深度学习	树状结构的长短期记忆循环神经网络	图像	1491个冠状动脉段
23024	2024-08-07	Advantages and Pitfalls of the Use of Optical Coherence Tomography for Papilledema 2024-03, Current neurology and neuroscience reports IF:4.8Q1 DOI:10.1007/s11910-023-01327-6 PMID:38261144	综述	本文综述了光学相干断层扫描（OCT）在诊断和管理与视盘水肿相关的颅内压升高综合征中的作用	OCT技术可以检测到眼底镜检查可能遗漏的亚临床视网膜神经纤维层（pRNFL）增厚，增强深度成像（EDI）和扫频源OCT技术可以识别伪视盘水肿的原因，如视盘玻璃体	OCT技术有其固有的优缺点，需要充分理解以最佳地利用该方法检测视盘水肿	强调OCT在诊断和管理与视盘水肿相关的颅内压升高综合征中的作用	视盘水肿及其相关的颅内压升高综合征	NA	NA	光学相干断层扫描（OCT）	NA	图像	NA
23025	2024-08-07	AI for targeted polypharmacology: The next frontier in drug discovery 2024-02, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2023.102771 PMID:38215530	综述	本文探讨了人工智能在靶向多药理学中的应用，特别是在药物发现领域中，如何通过AI技术提高多靶点药物设计的系统性和预测性	利用机器学习和深度学习技术，AI能够模拟蛋白质结构、生成新化合物并解码其多药理学效应，为多靶点药物设计开辟了新途径	文章也指出了当前面临的挑战，包括如何更有效地识别协同共靶点和区分导致不良反应的抗靶点	探索AI在药物发现中，特别是靶向多药理学方面的应用	研究对象包括蛋白质结构、新化合物及其多药理学效应	机器学习	NA	机器学习, 深度学习	NA	蛋白质结构, 化合物	NA
23026	2024-08-07	Radiation dose estimation with multiple artificial neural networks in dicentric chromosome assay 2024, International journal of radiation biology IF:2.1Q2 DOI:10.1080/09553002.2024.2338531 PMID:38687685	研究论文	本文开发了一种使用深度学习算法自动识别染色体并进行辐射剂量精确估计的方法，遵循泊松分布。	该研究通过使用多种人工神经网络（ANNs）实现了辐射剂量的全自动和精确估计，克服了传统方法的局限性。	在低于0.5 Gy的剂量水平下，由于数值问题，剂量估计的准确性受到阻碍。	开发一种高精度的辐射剂量估计方法，通过全自动检测双着丝粒染色体（DCs），严格遵循泊松分布。	辐射剂量估计	机器学习	NA	人工神经网络（ANNs）	深度学习模型	图像	30名健康捐赠者的样本，覆盖7个剂量水平（0至4 Gy）
23027	2024-08-07	Deep learning and minimally invasive inflammatory activity assessment: a proof-of-concept study for development and score correlation of a panendoscopy convolutional network 2024, Therapeutic advances in gastroenterology IF:3.9Q1 DOI:10.1177/17562848241251569 PMID:38812708	研究论文	本研究旨在开发一种基于卷积神经网络的自动化评分系统，用于客观评估克罗恩病患者的炎症活动	本研究首次提出了一种基于人工智能的自动化评分系统，用于评估克罗恩病患者的炎症活动，并与现有的验证评分系统进行了强相关性分析	本研究为初步研究，样本量较小，需要进一步验证和优化	开发一种基于胶囊内镜图像的自动化评分系统，用于客观评估克罗恩病患者的炎症活动	克罗恩病患者的胶囊内镜视频	机器学习	克罗恩病	卷积神经网络	CNN	视频	61名克罗恩病患者
23028	2024-08-07	SPECT-MPI for Coronary Artery Disease: A Deep Learning Approach 2024, Acta medica Philippina DOI:10.47895/amp.vi0.7582 PMID:38812768	研究论文	本文研究使用卷积神经网络（CNN）对单光子发射计算机断层扫描-心肌灌注成像（SPECT-MPI）进行分类，以检测冠状动脉疾病中的灌注异常	本文提出的CNN模型在分类性能上优于常用的预训练CNN架构，并能提供高精度的诊断结果	NA	应用深度学习方法在SPECT-MPI图像分类中，以提高诊断冠状动脉疾病的准确性	SPECT-MPI图像和卷积神经网络模型	机器学习	心血管疾病	卷积神经网络（CNN）	CNN	图像	192名接受应激测试-休息Tc99m MPI的患者
23029	2024-08-07	SVM-RLF-DNN: A DNN with reliefF and SVM for automatic identification of COVID from chest X-ray and CT images 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241257045 PMID:38812845	研究论文	本文提出了一种结合支持向量机（SVM）、改进的特征选择算法ReliefF和深度神经网络（DNN）的混合分类网络，用于从胸部X射线和CT图像中自动识别COVID-19。	该研究引入了ReliefF算法进行特征选择，使用Manhattan距离替代Euclidean距离，并通过SVM进行多类别分类，提高了模型的准确性和稳定性。	NA	开发一种先进的检测技术，用于从胸部X射线和CT扫描图像中识别COVID-19模式，结合深度学习和机器学习方法。	胸部X射线和CT扫描图像中的COVID-19、病毒性肺炎和健康病例。	计算机视觉	COVID-19	深度神经网络（DNN）	CNN	图像	使用了来自Kaggle和GitHub的公开胸部X射线和CT扫描图像数据库
23030	2024-08-07	Deep learning model for differentiating acute myeloid and lymphoblastic leukemia in peripheral blood cell images via myeloblast and lymphoblast classification 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241258079 PMID:38812848	research paper	本文开发了一种深度学习模型，用于通过外周血细胞图像对急性髓系和淋巴母细胞白血病进行分类	使用EfficientNet-V1和EfficientNet-V2开发了一个集成模型，提高了分类准确性和F1分数	NA	开发一种能够通过外周血细胞图像分类急性髓系和淋巴母细胞白血病的人工智能模型	外周血细胞图像中的12种细胞类型，包括与急性白血病相关的病理细胞	machine learning	血液病	NA	EfficientNet-V1, EfficientNet-V2	image	42,386张单细胞图像，来自282名患者（82名AML，40名ALL，160名幼稚粒细胞）
23031	2024-08-07	Deep learning-based automated high-accuracy location and identification of fresh vertebral compression fractures from spinal radiographs: a multicenter cohort study 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1397003 PMID:38812917	研究论文	本研究开发了一种基于深度残差网络（DRN）的模型，用于自动检测和识别脊柱X光片中的新鲜椎体压缩性骨折（VCFs）	本研究首次使用深度残差网络模型自动检测和识别脊柱X光片中的新鲜椎体压缩性骨折，并提供了可解释的注意力图以支持预测结果	研究中未提及具体的局限性	开发一种自动诊断和识别脊柱X光片中新鲜椎体压缩性骨折的模型	脊柱X光片中的新鲜椎体压缩性骨折	机器学习	NA	深度残差网络（DRN）	深度残差网络	图像	1,747名参与者
23032	2024-08-07	Deep learning model for individualized trajectory prediction of clinical outcomes in mild cognitive impairment 2024, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2024.1356745 PMID:38813529	研究论文	本研究开发了一种深度学习模型，用于预测轻度认知障碍患者未来认知下降和磁共振成像标记物随时间的变化。	本研究提出了一种新颖的深度学习架构，通过在循环神经网络中利用注意力机制，提高了预测性能。	未来的研究需要进一步验证和完善该预测模型，以改善临床决策。	开发一种预测轻度认知障碍患者未来认知下降和磁共振成像标记物变化的深度学习模型。	657名记忆障碍的轻度认知障碍患者。	机器学习	认知障碍	磁共振成像（MRI）、正电子发射断层扫描（PET）	循环神经网络（RNN）	图像	657名患者
23033	2024-08-07	In silico evolution of autoinhibitory domains for a PD-L1 antagonist using deep learning models 2023-Dec-05, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2307371120 PMID:38032933	研究论文	本文测试了一种使用深度学习（DL）进行结构预测（AlphaFold2）和序列优化（ProteinMPNN）的蛋白质设计流程，以设计PD-L1拮抗剂的自抑制域（AiDs）。	本研究展示了基于DL的蛋白质建模可以快速生成高亲和力的蛋白质结合剂。	NA	旨在创造一种在到达肿瘤环境之前不活跃的抗癌药物。	设计自抑制形式的PD-L1拮抗剂，该拮抗剂可以在肿瘤富集的蛋白酶作用下解除抑制。	机器学习	NA	深度学习（DL）	AlphaFold2, ProteinMPNN	蛋白质序列	23个从头设计的AiDs
23034	2024-08-07	Deep learning microstructure estimation of developing brains from diffusion MRI: a newborn and fetal study 2023-Jul-02, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.01.547351 PMID:37425859	研究论文	本文提出一种深度学习方法，通过仅有的六个扩散加权测量数据来估计新生儿和胎儿大脑的纤维方向分布函数（FOD）	使用深度学习方法，通过显著减少的测量数据，实现了与传统方法相媲美或更优的结果	强调了扩散磁共振成像在分析发育中大脑微观结构时的内在局限性	克服标准FOD计算方法在新生儿和胎儿大脑微观结构估计中的限制	新生儿和胎儿的大脑白质微观结构	计算机视觉	NA	扩散加权磁共振成像（dMRI）	深度学习模型	图像	两个临床数据集的新生儿和胎儿
23035	2024-08-07	Editor's choice to the May 2022 issue : Fully automated quantification of cardiac chambers and function in 2D echo by Deep Learning, and a modern atlas of invasive coronary angiographic views 2022-May, The international journal of cardiovascular imaging DOI:10.1007/s10554-022-02621-z PMID:38819731	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
23036	2024-08-07	Deep learning and 3D-DESI imaging reveal the hidden metabolic heterogeneity of cancer 2017-May-01, Chemical science IF:7.6Q1 DOI:10.1039/c6sc03738k PMID:28507724	研究论文	本文利用深度学习和3D-DESI成像技术揭示了癌症的隐藏代谢异质性	采用参数化t-SNE的深度无监督神经网络技术，能够捕捉到线性方法无法识别的复杂非线性关系，从而在3D-DESI-MS数据集中识别出新的代谢簇	NA	探索肿瘤组织的分子结构和代谢异质性	人结直肠腺癌活检样本	机器学习	结直肠癌	3D-DESI-MS	参数化t-SNE	图像	单个结直肠腺癌活检样本
23037	2024-08-07	AnoChem: Prediction of chemical structural abnormalities based on machine learning models 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.05.017 PMID:38808129	研究论文	本文介绍了一种基于深度学习的计算框架AnoChem，用于评估生成模型提出的分子是否真实	AnoChem能够准确区分真实和生成的分子，其接收者操作特征曲线下的面积得分为0.900	NA	旨在开发一种方法，能够准确评估药物设计中生成模型提出的化学结构	生成模型提出的分子真实性	机器学习	NA	深度学习	NA	化学结构数据	NA
23038	2024-08-07	Accurate prediction of hyaluronic acid concentration under temperature perturbations using near-infrared spectroscopy and deep learning 2024-Sep-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124396 PMID:38733911	research paper	研究利用近红外光谱和深度学习技术准确预测在温度扰动下的透明质酸浓度	引入了基于交集策略的新特征融合方法，并创新性地使用了多策略改进的Walrus优化算法（MIWaOA）来优化深度极限学习机（DELM）的参数	NA	旨在开发一种有效的方法来快速确定透明质酸在不同温度下的适用性	透明质酸（HA）样品的浓度预测	machine learning	NA	近红外光谱分析（NIR）	深度极限学习机（DELM）	光谱数据	大量透明质酸（HA）样品
23039	2024-08-07	Soil data augmentation and model construction based on spectral difference and content difference 2024-Sep-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124360 PMID:38744226	研究论文	本文提出基于光谱差异和内容差异的样本扩展和模型构建方法，应用于原始样本数量有限的情况，实现了数据增强和深度学习	利用基于最大或最小值的光谱减法获取光谱差异和内容差异，为模型构建提供了一种新的数据形式	NA	开发精准农业和监测土地质量	土壤分析	机器学习	NA	光谱分析	一维卷积神经网络（1D CNN）	光谱数据	小区域有限样本
23040	2024-08-07	A novel method for quantitative determination of multiple substances using Raman spectroscopy combined with CWT 2024-Sep-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124427 PMID:38754205	研究论文	本文提出了一种新的工作流程，利用拉曼光谱结合连续小波变换（CWT）进行混合溶液的快速定性和定量检测	解决了现有拉曼光谱定量分析算法几乎无法同时准确预测多种物质浓度的问题	NA	开发一种新的方法用于混合溶液中多种物质的定量分析	甲醇-乙醇混合溶液	机器学习	NA	拉曼光谱	MobileNetV3	图像	NA