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
11701	2024-12-08	AMPlify: attentive deep learning model for discovery of novel antimicrobial peptides effective against WHO priority pathogens 2022-Jan-25, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-022-08310-4 PMID:35078402	研究论文	介绍了一种名为AMPlify的注意力深度学习模型，用于发现对世界卫生组织优先病原体有效的新型抗菌肽	提出了AMPlify模型，通过深度学习方法预测抗菌肽，并展示了其在筛选蛙类基因组衍生的肽序列中的应用	NA	寻找替代传统抗生素的新型抗菌肽	抗菌肽及其对世界卫生组织优先病原体的活性	机器学习	NA	深度学习	注意力模型	序列数据	从牛蛙基因组中提取的肽序列
11702	2024-12-08	3D bi-directional transformer U-Net for medical image segmentation 2022, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2022.1080715 PMID:36687770	研究论文	本文提出了一种新的3D双向Transformer U-Net框架，用于三维医学图像分割	设计了一种新的注意力机制，通过3D计算充分提取自注意力能力，并结合3D Transformer和3D DCNN的优势	NA	改进现有深度卷积神经网络在医学图像分割任务中处理全局关系的能力	三维医学图像分割	计算机视觉	NA	深度卷积神经网络 (DCNN)	3D双向Transformer U-Net	图像	两个独立数据集，包含3D MRI和CT图像
11703	2024-12-08	A learning based approach for designing extended unit cell metagratings 2022-Jan, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2021-0540 PMID:39633889	研究论文	本文提出了一种基于深度学习的扩展单元晶格超表面逆向设计方法	该方法通过学习超表面在反射和透射阶次上的光谱响应，避免了传统方法中由于元原子间耦合效应未充分考虑而导致的效率降低问题	NA	提高超表面设计的效率和性能	扩展单元晶格超表面	纳米光子学	NA	深度学习	深度神经网络	光谱数据	NA
11704	2024-12-08	Deep-learning-based recognition of multi-singularity structured light 2022-Jan, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2021-0489 PMID:39635381	研究论文	本文介绍了一种基于深度学习的框架，用于识别具有多重奇点的结构化光	该框架能够直接从光束传播后的两个强度模式中揭示多重奇点相位结构，并输出相位信息，从而释放扭曲光子的丰富直观信息	NA	开发一种能够精确识别具有多重奇点的结构化光的新技术	多重奇点的结构化光及其相位信息	计算机视觉	NA	深度学习 (DL)	NA	图像	NA
11705	2024-12-08	A large-scale systematic survey of SARS-CoV-2 antibodies reveals recurring molecular features 2021-Nov-30, bioRxiv : the preprint server for biology DOI:10.1101/2021.11.26.470157 PMID:34873599	研究论文	对SARS-CoV-2抗体进行大规模系统调查，揭示了重复的分子特征	利用深度学习预测抗原特异性，区分SARS-CoV-2刺突蛋白抗体和流感血凝素抗体序列	NA	研究SARS-CoV-2抗体的公共反应和分子特征	SARS-CoV-2刺突蛋白抗体	生物信息学	COVID-19	深度学习	深度学习模型	序列数据	约8000个人类抗体，来自超过200名捐赠者
11706	2024-12-08	Highly accurate protein structure prediction with AlphaFold 2021-08, Nature IF:50.5Q1 DOI:10.1038/s41586-021-03819-2 PMID:34265844	研究论文	本文介绍了AlphaFold，一种能够高精度预测蛋白质结构的计算方法	AlphaFold能够在没有相似结构已知的情况下，常规性地预测蛋白质结构并达到原子精度	NA	解决蛋白质结构预测的瓶颈问题，实现大规模结构生物信息学	蛋白质的三维结构预测	机器学习	NA	NA	神经网络	蛋白质序列	在CASP14挑战中验证了AlphaFold的性能
11707	2024-12-08	Image-based profiling for drug discovery: due for a machine-learning upgrade? 2021-02, Nature reviews. Drug discovery DOI:10.1038/s41573-020-00117-w PMID:33353986	研究论文	本文探讨了基于图像的药物发现策略，并提出机器学习技术在此领域的升级潜力	本文提出了利用深度学习和单细胞方法等新型计算技术来更好地捕捉图像中的生物信息，以加速药物发现	尽管机器学习策略有所改进，但仍存在挑战	探讨基于图像的药物发现策略及其在机器学习技术升级中的潜力	基于图像的特征提取和多维特征分析	计算机视觉	NA	深度学习	NA	图像	NA
11708	2024-12-07	RFImageNet framework for segmentation of ultrasound images with spectra-augmented radiofrequency signals 2025-Feb, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107498 PMID:39486316	研究论文	本文介绍了一种利用射频信号的频谱和幅度信息进行超声图像分割的框架RFImageNet	提出了一种新的图像分割框架RFImageNet，利用射频信号的频谱和幅度信息进行超声图像分割，并开发了专门针对特定输入图像尺寸要求的深度学习模型RFNet	NA	提高医学超声图像分割的准确性，减轻超声医师的负担	超声图像中的腹部组织和乳腺肿瘤的分割	计算机视觉	NA	深度学习	RFNet	图像	涉及大鼠腹部组织和乳腺肿瘤的样本
11709	2024-12-07	Balancing accuracy and Interpretability: An R package assessing complex relationships beyond the Cox model and applications to clinical prediction 2025-Feb, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105700 PMID:39546831	研究论文	开发了一个R包，用于评估Cox模型与基于树和深度学习的生存模型在临床预测建模中的性能，并探讨了准确性与可解释性之间的平衡	提出了一个R包，通过集成学习和嵌套交叉验证，比较了Cox模型与机器学习生存模型在临床预测中的性能，并量化了Cox模型的局限性	在某些情况下，机器学习模型的性能提升有限，而正则化的Cox-Lasso模型在计算速度上具有显著优势	开发工具以帮助研究人员评估Cox模型与机器学习模型在临床预测中的性能，并探讨准确性与可解释性之间的平衡	Cox比例风险模型、生存随机森林模型、DeepHit模型以及它们的集成方法	机器学习	NA	集成学习、嵌套交叉验证	Cox模型、生存随机森林模型、DeepHit模型	临床数据、模拟数据	样本量≥500的模拟数据和临床数据
11710	2024-12-07	Automatic AI tool for opportunistic screening of vertebral compression fractures on chest frontal radiographs: A multicenter study 2025-Feb, Bone IF:3.5Q2 DOI:10.1016/j.bone.2024.117330 PMID:39549901	研究论文	本研究开发了一种基于深度学习模型的自动人工智能工具，用于在胸部正位X光片上进行椎体压缩性骨折的机会性筛查	本研究首次开发了一种自动AI工具，通过深度学习模型在胸部正位X光片上筛查椎体压缩性骨折，并显著提高了临床医生的诊断敏感性	本研究仅在四个医疗中心的样本上进行了验证，未来需要在更多中心和更大样本量上进行验证	开发一种自动人工智能工具，用于在胸部正位X光片上进行椎体压缩性骨折的机会性筛查	椎体压缩性骨折的自动筛查	计算机视觉	骨质疏松性骨折	深度学习	深度学习模型	图像	19,145个椎骨（T6-T12）来自2735名患者
11711	2024-12-07	Neural Memory State Space Models for Medical Image Segmentation 2025-Jan, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065724500680 PMID:39343431	研究论文	本文探讨了神经记忆普通微分方程（nmODEs）和状态空间模型（SSMs）在医学图像分割中的优缺点，并提出了一种结合两者优势的新架构nmSSM解码器	提出了nmSSM解码器，结合了nmODEs和SSMs的优势，具有强大的非线性表示能力和保留输入及处理全局信息的能力	NA	验证nmSSM-UNet在医学图像分割中的有效性	医学图像分割	计算机视觉	NA	状态空间模型（SSMs），神经记忆普通微分方程（nmODEs）	UNet	图像	PH2、ISIC2018和BU-COCO数据集
11712	2024-12-07	Breaking the barriers: Methodology of implementation of a non-mydriatic ocular fundus camera in an emergency department 2025 Jan-Feb, Survey of ophthalmology IF:5.1Q1 DOI:10.1016/j.survophthal.2024.09.012 PMID:39357747	研究论文	描述了在急诊科成功实施非散瞳眼底相机和光学相干断层扫描（OCT）的方法	首次详细描述了在急诊科实施非散瞳眼底相机和OCT的过程，并展示了其持续使用的效果	未来可能需要使用人工智能深度学习系统进行自动解释，以解决当前的诊断限制	探讨在急诊科实施非散瞳眼底相机和OCT的可行性和效果	非散瞳眼底相机和OCT在急诊科的实施过程及其影响	NA	NA	光学相干断层扫描（OCT）	NA	图像	1274名患者
11713	2024-12-07	Analysis of nailfold capillaroscopy images with artificial intelligence: Data from literature and performance of machine learning and deep learning from images acquired in the SCLEROCAP study 2025-Jan, Microvascular research IF:2.9Q2 DOI:10.1016/j.mvr.2024.104753 PMID:39389419	研究论文	评估机器学习和深度学习在检测系统性硬化症（SSc）景观中的表现，使用来自SCLEROCAP研究的同一组甲襞毛细血管显微镜（NC）图像	首次使用深度学习模型DenseNet-121在NC图像上检测SSc景观，并展示了其高准确性	结果需要在大规模NC图像上进一步验证	评估机器学习和深度学习在检测系统性硬化症（SSc）景观中的表现	甲襞毛细血管显微镜（NC）图像	计算机视觉	系统性硬化症	机器学习、深度学习	DenseNet-121、ResNet-18、VGG-16	图像	100名SCLEROCAP研究患者
11714	2024-12-07	Deep Learning Recognition of Paroxysmal Kinesigenic Dyskinesia Based on EEG Functional Connectivity 2025-Jan, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500017 PMID:39560445	研究论文	本研究提出了一种基于静息态脑电图（EEG）功能连接矩阵和深度学习架构（AT-1CBL）的阵发性运动诱发性运动障碍（PKD）识别方法	本研究首次利用静息态EEG功能连接矩阵和深度学习模型（AT-1CBL）进行PKD的识别，并取得了较高的分类准确率	数据集规模有限可能影响模型的泛化能力，需要进一步探索多模态数据整合和先进的深度学习架构以增强诊断模型的鲁棒性	开发一种准确且成本效益高的PKD诊断方法	阵发性运动诱发性运动障碍（PKD）患者和健康对照组（HCs）的脑电图数据	机器学习	神经系统疾病	脑电图（EEG）	1D-CNN和Bi-LSTM结合注意力机制	脑电图功能连接矩阵	44名PKD患者和44名健康对照组
11715	2024-12-07	Classification techniques of ion selective electrode arrays in agriculture: a review 2024-Dec-05, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay01346h PMID:39543972	综述	本文总结了农业中离子选择电极阵列的分类技术	本文讨论了机器学习、人工神经网络、极限学习机和深度学习等分类算法在离子选择电极及相关领域的现状	本文讨论了离子选择电极研究在传感器本身和与传感器阵列结合的算法方面的未来挑战	推进分类技术与离子选择电极阵列在农业中的应用	农业中的离子选择电极阵列分类技术	机器学习	NA	离子选择电极阵列	人工神经网络、极限学习机、深度学习	离子信号	NA
11716	2024-12-07	Computers and chess masters: The role of AI in transforming elite human performance 2024-Dec-05, British journal of psychology (London, England : 1953) DOI:10.1111/bjop.12750 PMID:39635926	研究论文	分析了超过1160万次顶级国际象棋选手的决策，探讨了人工智能在顶级人类表现中的作用	发现人工智能的进步与人类表现的提升相匹配，但顶级选手的决策质量在四十年间稳步提升，未出现显著的快速提升期	研究仅限于国际象棋领域，且未探讨人工智能对其他复杂任务的影响	探讨人工智能在提升顶级人类表现中的作用	顶级国际象棋选手的决策	人工智能	NA	深度学习	神经网络	决策数据	超过1160万次决策
11717	2024-12-07	Autofluorescence Virtual Staining System for H&E Histology and Multiplex Immunofluorescence Applied to Immuno-Oncology Biomarkers in Lung Cancer 2024-Dec-05, Cancer research communications IF:2.0Q3 DOI:10.1158/2767-9764.CRC-24-0327 PMID:39636222	研究论文	本研究展示了通过结合高吞吐量超光谱荧光显微镜和机器学习，从非小细胞肺癌组织的自体荧光图像中生成虚拟苏木精-伊红（H&E）染色和多重免疫荧光（mIF）染色的可行性	本研究扩展了先前在肝病和前列腺癌中基于自体荧光进行虚拟染色的工作，进一步证明了这种深度学习技术在不同疾病（肺癌）和染色模式（mIF）中的通用性	NA	探索虚拟染色技术在数字病理学中的应用，以提高空间生物学研究的潜力，改善临床工作流程的效率和可靠性，并实现非破坏性组织样本保存	非小细胞肺癌组织的自体荧光图像	数字病理学	肺癌	超光谱荧光显微镜	深度学习	图像	NA
11718	2024-12-07	Intersection of Performance, Interpretability, and Fairness in Neural Prototype Tree for Chest X-Ray Pathology Detection: Algorithm Development and Validation Study 2024-Dec-05, JMIR formative research IF:2.0Q4 DOI:10.2196/59045 PMID:39636692	研究论文	本研究开发并验证了一种名为神经原型树（NPT）的可解释图像分类器，用于胸部X光病理检测，旨在结合深度学习模型的诊断能力和决策树的可解释性	引入神经原型树（NPT）分类器，结合深度学习与决策树的优势，提高胸部X光病理检测的透明度和可解释性	研究中观察到NPT分类器在低解释复杂度水平下存在较高的不公平性，特别是在年龄分组中	探讨NPT分类器在性能、可解释性和公平性三个维度上的效用，并研究这些维度之间的复杂交互关系	胸部X光病理检测	计算机视觉	NA	神经原型树（NPT）	神经网络（ResNet-152）	图像	使用了来自Chest X-ray 14、CheXpert和MIMIC-CXR数据集的胸部X光图像，每个数据集分别训练了6个分类器
11719	2024-12-07	Deep learning enabled ultra-high quality NMR chemical shift resolved spectra 2024-Dec-04, Chemical science IF:7.6Q1 DOI:10.1039/d4sc04742g PMID:39568866	研究论文	开发了一种名为SE2CSNet的神经网络，用于处理通过自旋回波脉冲序列获取的NMR数据，以获得高分辨率和灵敏度的化学位移解析光谱	通过检测自旋回波光谱中的相位变化，SE2CSNet能够准确检测重叠光谱信号的化学位移位置，即使在低信噪比下也能恢复隐藏在噪声中的弱信号	NA	提高核磁共振（NMR）中化学位移解析光谱的质量	NMR数据中的化学位移信息	机器学习	NA	NMR	神经网络	光谱数据	NA
11720	2024-12-07	ProBID-Net: a deep learning model for protein-protein binding interface design 2024-Dec-04, Chemical science IF:7.6Q1 DOI:10.1039/d4sc02233e PMID:39568891	研究论文	介绍了一种名为ProBID-Net的深度学习模型，用于蛋白质-蛋白质结合界面的设计	ProBID-Net能够利用已知的目标蛋白质结构特征来设计特定的结合蛋白质，解决了现有AI模型在已知受体序列情况下的设计挑战	NA	开发一种新的计算蛋白质设计工具，以促进蛋白质-蛋白质相互作用的设计	蛋白质-蛋白质结合界面的设计	机器学习	NA	深度学习	ProBID-Net	蛋白质结构	使用了自然蛋白质-蛋白质复合物结构和蛋白质域-域界面结构进行训练