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
11741	2024-12-09	Deepmol: an automated machine and deep learning framework for computational chemistry 2024-Dec-05, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00937-7 PMID:39639396	研究论文	DeepMol 是一个用于计算化学的自动化机器学习和深度学习框架	DeepMol 通过自动化机器学习管道中的关键步骤，显著简化了计算化学中的数据预处理、特征工程和模型选择过程	NA	提供一个集成化的 AutoML 框架，用于计算化学中的分子性质/活性预测	计算化学中的分子性质/活性预测问题	机器学习	NA	AutoML	传统机器学习模型和深度学习模型	分子数据	22 个基准数据集
11742	2024-12-09	Satellite-Based and Street-View Green Space and Adiposity in US Children 2024-Dec-02, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.49113 PMID:39636637	研究论文	研究卫星和街景图像中的绿色空间与美国儿童肥胖之间的关系	本研究使用卫星遥感数据和街景图像中的绿色空间指标，结合深度学习算法，全面评估了绿色空间与儿童肥胖指标之间的关联	研究仅限于美国儿童，且样本量相对较小	探讨卫星遥感数据和街景图像中的绿色空间指标与儿童肥胖指标之间的关联	美国儿童的肥胖指标与绿色空间	公共卫生	肥胖	深度学习算法	NA	图像	843名儿童
11743	2024-12-09	A first step towards a machine learning-based framework for bloodstain classification in forensic science 2024-Dec, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2024.112278 PMID:39504628	研究论文	本文探讨了使用机器学习和深度学习方法在法医学中进行血迹分类的潜力	开发了一个原型分类模型，用于识别与血迹数据相关的动作	仅测试了三种血迹模式（Swing、Cessation和Impact），且模型准确率为80%	研究机器学习和深度学习在法医学血迹分类中的应用	血迹数据及其相关动作的分类	机器学习	NA	机器学习	分类模型	血迹数据	三种血迹模式（Swing、Cessation和Impact）
11744	2024-12-09	Automated Approach to Accurate, Precise, and Fast Detector Simulation and Reconstruction 2024-Nov-22, Physical review letters IF:8.1Q1 DOI:10.1103/PhysRevLett.133.211902 PMID:39642483	研究论文	本文开发了一种自动化方法，通过深度学习模型加速粒子物理中的探测器模拟和重建过程	本文提出了一种结合探测器模拟和重建的深度学习模型，旨在减少资源利用并实现快速替代模型	NA	解决粒子物理中探测器模拟和重建的计算瓶颈问题	粒子探测器中的粒子流模拟和重建	机器学习	NA	深度学习	神经网络	点云	使用公开的CMS实验数据集进行验证
11745	2024-12-09	The Pivotal Role of Baseline LDCT for Lung Cancer Screening in the Era of Artificial Intelligence 2024-Nov-22, Archivos de bronconeumologia IF:8.7Q1 DOI:10.1016/j.arbres.2024.11.001 PMID:39643515	综述	本文探讨了在人工智能时代，低剂量计算机断层扫描（LDCT）在肺癌筛查中的关键作用，特别是基线LDCT检查的重要性	本文介绍了人工智能工具在基线LDCT检查中的应用，包括区分良恶性结节、预测肺癌风险以及计算心血管疾病或死亡风险	人工智能集成到LDCT筛查路径中的主要障碍是其性能的普遍性和可解释性	探讨人工智能在肺癌筛查中的应用及其对基线LDCT检查的影响	肺癌筛查中的基线LDCT检查及其相关健康信息	计算机视觉	肺癌	深度学习	NA	图像	NA
11746	2024-12-09	Machine-learning based prediction of future outcome using multimodal MRI during early childhood 2024-Nov, Seminars in fetal & neonatal medicine IF:2.9Q1 DOI:10.1016/j.siny.2024.101561 PMID:39528363	review	本文综述了基于多模态MRI的机器学习和深度学习方法在预测早期儿童未来发展结果中的应用	探讨了多模态MRI在增强区分能力和提供更全面洞察方面的潜力，并强调了机器学习方法在早期检测和个性化干预中的应用	NA	探讨机器学习方法在利用早期儿童多模态MRI信息预测未来神经发育和临床结果中的应用	早期儿童的大脑发育和神经发育及精神健康结果	machine learning	NA	多模态磁共振成像（MRI），包括结构MRI（sMRI）、扩散MRI（dMRI）、功能MRI（fMRI）和灌注MRI（pMRI）	机器学习和深度学习	多模态MRI数据	NA
11747	2024-12-09	Improved Robustness for Deep Learning-based Segmentation of Multi-Center Myocardial Perfusion MRI Datasets Using Data Adaptive Uncertainty-guided Space-time Analysis 2024-Aug-09, ArXiv PMID:39148930	研究论文	本文提出了一种数据自适应不确定性引导的时空分析方法，用于提高多中心心肌灌注MRI数据集的深度学习分割算法的鲁棒性	本文提出了一种数据自适应不确定性引导的时空分析方法（DAUGS），通过使用时空滑动补丁分析和不确定性映射，自动选择最佳分割结果，从而提高多中心数据集的鲁棒性	NA	开发一种能够分析多中心数据集的深度学习技术，尽管训练数据有限且软件和硬件存在差异	心肌灌注MRI数据集	计算机视觉	心血管疾病	深度学习	U-Net	图像	150名受试者，21,150张首次通过图像
11748	2024-12-09	Improving Image Segmentation with Contextual and Structural Similarity 2024-Aug, Pattern recognition IF:7.5Q1 DOI:10.1016/j.patcog.2024.110489 PMID:38645435	研究论文	本文提出了一种新的上下文相似性损失（CSL）和结构相似性损失（SSL），用于改进医学图像分割中的语义一致性	引入了上下文相似性损失和结构相似性损失，以显式地考虑体素间关系，从而提高分割性能	NA	改进医学图像分割中的语义一致性	临床锥束计算机断层扫描（CBCT）数据集和公开的胰腺数据集	计算机视觉	颅颌面畸形	深度学习	NA	图像	涉及多种颅颌面畸形的患者数据集和公开的胰腺数据集
11749	2024-12-09	A modular, cost-effective, versatile, open-source operant box solution for long-term miniscope imaging, 3D tracking, and deep learning behavioral analysis 2024-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102721 PMID:38660044	研究论文	本文介绍了一种模块化、经济实惠、多功能的开源操作箱解决方案，适用于长期微型显微镜成像、3D跟踪和深度学习行为分析	提出了一种定制化的操作箱设计，优化了长期微型显微镜记录，并支持自定义或典型的med-associates风格配件	建议批量生产以有效利用某些组件的批量订购	开发一种适用于长期微型显微镜成像和行为分析的操作箱解决方案	操作箱的设计和构建方法	NA	NA	NA	NA	NA	NA
11750	2024-12-09	Drug-Online: an online platform for drug-target interaction, affinity, and binding sites identification using deep learning 2024-Apr-20, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05783-w PMID:38641811	研究论文	本文介绍了一个名为Drug-Online的在线平台，用于药物-靶点相互作用、亲和力和结合位点的识别	Drug-Online是首个集成药物-靶点相互作用、亲和力和结合位点识别的在线平台	NA	开发一个集成药物-靶点相互作用、亲和力和结合位点识别的在线平台，以促进药物筛选、靶点识别和靶点功能理解	药物-靶点相互作用、亲和力和结合位点	机器学习	NA	图神经网络（GNN）和卷积神经网络（CNN）	GNN和CNN	NA	NA
11751	2024-12-09	Haplotype function score improves biological interpretation and cross-ancestry polygenic prediction of human complex traits 2024-04-19, eLife IF:6.4Q1 DOI:10.7554/eLife.92574 PMID:38639992	研究论文	提出了一种新的框架用于人类遗传关联研究，通过深度学习模型计算功能基因组活性评分，并应用于14种复杂性状的分析	引入了一种新的Haplotype Function Score (HFS)评分，取代了传统的单核苷酸多态性(SNP)分析，显著提高了因果关联的发现和生物学解释	NA	改进人类复杂性状的遗传关联研究和跨祖先的多基因预测	14种复杂性状的遗传关联	机器学习	NA	深度学习模型	Sei	基因组数据	UK Biobank中的个体数据
11752	2024-12-09	Deep learning prediction of renal anomalies for prenatal ultrasound diagnosis 2024-04-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-59248-4 PMID:38641713	研究论文	研究探讨了深度学习模型在产前超声诊断中预测胎儿肾脏异常的应用	提出了适应性的两类表示和多类模型解释方法，并使用可解释AI工具Grad-CAM和HiResCAM来分析模型预测	NA	探索深度学习在早期检测胎儿肾脏异常中的应用	胎儿肾脏异常的产前超声图像	计算机视觉	肾脏疾病	深度学习	多类模型	图像	969张超声图像，包括646张对照图像和323张肾脏异常图像
11753	2024-12-09	Deep learning-enabled detection of rare circulating tumor cell clusters in whole blood using label-free, flow cytometry 2024-04-16, Lab on a chip IF:6.1Q2 DOI:10.1039/d3lc00694h PMID:38456773	研究论文	本文介绍了一种基于深度学习的无标记流式细胞术，用于在全血中检测罕见的循环肿瘤细胞簇	本文扩展了基于深度学习的峰值检测和分类模型，用于检测全血数据中的循环肿瘤细胞簇，相比传统的机器学习方法，具有更低的误报率和更高的检测精度	本文未详细讨论该技术的临床应用和实际操作中的挑战	开发一种高效、无标记的方法来检测全血中的循环肿瘤细胞簇，以作为转移性肿瘤的潜在生物标志物	循环肿瘤细胞簇	机器学习	NA	流式细胞术	深度学习	全血数据	未明确提及具体样本数量
11754	2024-12-09	FiTMuSiC: leveraging structural and (co)evolutionary data for protein fitness prediction 2024-04-16, Human genomics IF:3.8Q2 DOI:10.1186/s40246-024-00605-9 PMID:38627807	研究论文	本文介绍了一种新的蛋白质适应性预测工具FiTMuSiC，利用结构、进化和共进化信息进行预测	FiTMuSiC在第六轮基因组解释挑战（CAGI6）中表现优异，预测准确性高，且模型简单，能够与复杂的深度学习模型如AlphaMissense相媲美	NA	系统预测突变对蛋白质适应性的影响，以理解遗传疾病	蛋白质适应性预测	生物信息学	NA	NA	NA	结构数据、进化数据、共进化数据	涉及多个蛋白质目标，如羟甲基胆红素合酶（HMBS）和人类葡萄糖激酶（GCK）
11755	2024-12-09	Deep learning predictions of TCR-epitope interactions reveal epitope-specific chains in dual alpha T cells 2024-Apr-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-47461-8 PMID:38615042	研究论文	研究开发了一种名为MixTCRpred的深度学习模型，用于预测TCR与表位的相互作用，并揭示了双α链T细胞中的表位特异性链	开发了MixTCRpred模型，能够准确预测TCR识别多种病毒和癌症表位，并提供了多重单细胞TCR测序的质量控制工具	NA	开发一种工具来预测TCR与特定表位的相互作用，并解释来自批量和表位特异性T细胞的TCR测序数据	TCR与表位的相互作用，以及双α链T细胞中的表位特异性链	机器学习	NA	深度学习	深度学习模型	序列数据	17,715个αβTCR与数十个I类和II类表位的相互作用数据
11756	2024-12-09	AcquisitionFocus: Joint Optimization of Acquisition Orientation and Cardiac Volume Reconstruction Using Deep Learning 2024-Apr-04, Sensors (Basel, Switzerland) DOI:10.3390/s24072296 PMID:38610507	研究论文	本文提出了一种深度学习模型，用于在心脏电影成像中联合优化采集方向和心脏体积重建	本文的创新点在于使用深度学习模型同时优化切片采集方向和心脏体积重建，以减少采集时间和提高数据质量	NA	评估在最小采集时间内整个心脏运动的形状重建质量	心脏体积形状和切片采集方向	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	多个心脏腔室的体积形状
11757	2024-12-09	Distribution-Agnostic Deep Learning Enables Accurate Single-Cell Data Recovery and Transcriptional Regulation Interpretation 2024-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307280 PMID:38380499	研究论文	本文开发了一种分布无关的深度学习模型Bis，用于准确恢复单细胞基因表达数据并解释转录调控	Bis模型采用最优传输自动编码器，能够捕捉单细胞RNA测序数据的复杂分布，并通过正则化细胞嵌入空间来处理数据稀疏性	NA	解决单细胞RNA测序中基因表达值缺失的问题，并提高数据恢复的准确性	单细胞基因表达数据	机器学习	NA	单细胞RNA测序	自动编码器	基因表达数据	NA
11758	2024-12-09	Deep learning-assisted low-cost autofluorescence microscopy for rapid slide-free imaging with virtual histological staining 2024-Apr-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.515018 PMID:38633074	研究论文	本文提出了一种基于深度学习的低成本自荧光显微镜技术，用于快速无载玻片成像并实现虚拟组织学染色	使用低成本的发光二极管（LED）替代昂贵的紫外线激光器，并通过深度学习框架增强宽场显微镜成像效果	NA	改进组织学工作流程，降低成像成本并提高成像速度	无载玻片成像技术及虚拟组织学染色	计算机视觉	NA	深度学习	NA	图像	NA
11759	2024-12-09	Improving the performance of supervised deep learning for regulatory genomics using phylogenetic augmentation 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae190 PMID:38588559	研究论文	本文探讨了使用进化相关序列进行数据增强以提高监督深度学习模型在调控基因组学中的性能	提出了一种名为进化增强的数据增强方法，通过引入其他物种的进化相关序列来提高模型性能	未提及	提高监督深度学习模型在调控基因组学中的性能	调控基因组序列及其功能	基因组学	NA	监督深度学习	深度学习模型	基因组序列	未提及具体数量
11760	2024-12-09	Infodemiology of Influenza-like Illness: Utilizing Google Trends' Big Data for Epidemic Surveillance 2024-Mar-27, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm13071946 PMID:38610711	研究论文	本研究利用Google Trends的大数据和气候变量，通过多重回归模型分析流感样疾病（ILI）的流行模式	本研究首次将Google Trends搜索数据与气候变量结合，用于预测流感样疾病的流行趋势，并发现温度是关键预测因素	本研究仅限于分析特定关键词和气候变量对ILI的影响，未考虑其他可能的影响因素	研究如何利用Google Trends和气候数据预测流感样疾病的流行趋势，以辅助政府决策	流感样疾病（ILI）的流行趋势及其与Google Trends搜索数据和气候变量的关系	NA	NA	多重回归分析	ARIMA	文本	NA