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
11921	2024-12-10	Sliding Window Optimal Transport for Open World Artifact Detection in Histopathology 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3383590 PMID:38557617	研究论文	本文介绍了一种用于病理学图像中开放世界伪影检测的新技术	提出了一种基于滑动窗口和最优传输的分布外检测方法，能够有效识别影响下游任务性能的伪影	未提及具体限制	开发一种能够检测病理学图像中伪影并提高深度学习模型性能的方法	病理学图像中的伪影检测	数字病理学	NA	最优传输	NA	图像	7张带有自然伪影的完整幻灯片图像
11922	2024-12-10	A Hierarchical Graph Neural Network Framework for Predicting Protein-Protein Interaction Modulators With Functional Group Information and Hypergraph Structure 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3384238 PMID:38564358	研究论文	提出了一种层次图神经网络框架HiGPPIM，用于预测蛋白质-蛋白质相互作用调节剂，结合了分子原子级和功能组级的特征	引入功能组信息和超图结构，改进了分子层次结构的建模，提高了预测性能	NA	提高小分子调节剂靶向蛋白质-蛋白质相互作用的预测准确性	蛋白质-蛋白质相互作用调节剂的预测	机器学习	NA	图神经网络	图注意力网络	图	八个PPI家族和两个预测任务
11923	2024-12-10	Dual-Channel Prototype Network for Few-Shot Pathology Image Classification 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3386197 PMID:38587946	研究论文	本文提出了一种双通道原型网络（DCPN），用于病理图像的少样本分类	利用自监督学习和金字塔视觉变换器（PVT）扩展到少样本分类任务，并结合卷积神经网络构建双通道网络，提取多尺度高精度病理特征，增强原型表示的泛化能力	NA	解决病理图像分类中数据稀缺和标注困难的问题，提升少样本学习在病理领域的应用效果	病理图像的少样本分类	数字病理	NA	自监督学习	双通道原型网络（DCPN）	图像	使用了三个公开的病理数据集（CRCTP, NCTCRC, LC25000）构建了三个少样本分类任务
11924	2024-12-10	A Clinical Trial Evaluating the Efficacy of Deep Learning-Based Facial Recognition for Patient Identification in Diverse Hospital Settings 2024-Apr-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11040384 PMID:38671805	研究论文	评估基于深度学习的面部识别系统在医院环境中用于患者识别的有效性	首次系统评估医院住院患者在不同情况下使用面部识别系统的效果	未提及具体限制	评估面部识别系统在医院环境中用于患者识别的有效性和安全性	面部识别系统在不同条件下的认证分数和有效性	计算机视觉	NA	深度学习	NA	图像	100名患者，包括坐姿、仰卧、侧卧、戴口罩和不戴口罩以及夜间睡眠状态
11925	2024-12-10	Non-Invasive Biosensing for Healthcare Using Artificial Intelligence: A Semi-Systematic Review 2024-Apr-09, Biosensors DOI:10.3390/bios14040183 PMID:38667177	综述	本文综述了生物传感技术与深度学习算法结合在医疗保健中的应用	探讨了生物传感技术与深度学习算法结合在医疗保健中的应用潜力	本文为综述性文章，未涉及具体实验或数据分析	探讨生物传感技术与深度学习算法结合在医疗保健中的应用及其未来发展方向	生物传感技术与深度学习算法在医疗保健中的应用	机器学习	NA	深度学习	NA	NA	NA
11926	2024-12-10	The Role of Artificial Intelligence in the Identification and Evaluation of Bone Fractures 2024-Mar-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11040338 PMID:38671760	综述	本文综述了人工智能在骨科影像分析中识别和评估骨折的应用	探讨了当前AI方法在识别和评估骨折中的表现，并讨论了现有商业产品的局限性和未来发展方向	讨论了当前技术的局限性	探讨人工智能在骨科影像分析中的应用	骨折的识别和评估，特别是踝关节、手腕、髋部和肋骨的骨折	计算机视觉	NA	深度学习	深度学习模型	影像	NA
11927	2024-12-10	Mesh2SSM: From Surface Meshes to Statistical Shape Models of Anatomy 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43907-0_59 PMID:38659613	研究论文	提出了一种新的方法Mesh2SSM，利用无监督、排列不变的表示学习来估计如何将模板点云变形为特定于对象的网格，形成基于对应关系的形状模型	Mesh2SSM能够学习特定于群体的模板，减少由于模板选择带来的偏差，并且直接在网格上操作，计算效率高	现有深度学习模型仍然存在局限性，需要已建立/优化的形状模型进行训练	开发一种新的统计形状建模方法，以更好地捕捉人体解剖结构中的非线性变异性	医学图像（如MRI和CT扫描）中分割的解剖结构	计算机视觉	NA	深度学习	NA	网格	NA
11928	2024-12-10	Deep learning in bioinformatics 2023, Turkish journal of biology = Turk biyoloji dergisi DOI:10.55730/1300-0152.2671 PMID:38681776	综述	本文综述了深度学习在生物信息学中的应用	介绍了深度学习在生物信息学中的最新进展和挑战	未具体讨论深度学习模型的具体实现细节	提供深度学习在生物信息学中的概述，帮助生物信息学家考虑技术与伦理问题	深度学习在基因组测序、基因表达分析、蛋白质结构预测、药物发现和疾病诊断中的应用	机器学习	NA	深度学习	人工神经网络	生物数据	NA
11929	2024-12-10	Deep Morphology Learning Enhances Ex Vivo Drug Profiling-Based Precision Medicine 2022-11-02, Blood cancer discovery IF:11.5Q1 DOI:10.1158/2643-3230.BCD-21-0219 PMID:36125297	研究论文	本文研究了在复发或难治性血液癌症患者中，使用弱监督深度学习方法分析细胞形态（DML）来补充基于诊断标记的恶性与非恶性细胞识别，以提高药物测试的准确性和个性化治疗的效果	本文提出了使用弱监督深度学习方法分析细胞形态（DML）来提高药物测试的重复性和药物作用模式的聚类效果，并通过自主识别与疾病相关的细胞形态来适应批次效应	NA	研究如何通过深度学习方法提高基于患者活检细胞的药物测试的准确性和个性化治疗效果	复发或难治性血液癌症患者的活检细胞	机器学习	血液癌症	深度学习	NA	细胞形态数据	390个活检样本，来自289名患者
11930	2024-12-10	Monkeypox Virus Detection Using Pre-trained Deep Learning-based Approaches 2022-Oct-06, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-022-01868-2 PMID:36201085	研究论文	本文比较了13种预训练深度学习模型在猴痘病毒检测中的表现	提出了一种基于多数投票的集成方法，显著提高了检测性能	NA	开发一种高效的猴痘病毒检测方法	猴痘病毒	机器学习	NA	深度学习	深度学习模型	图像	使用了一个公开的数据集
11931	2024-12-09	Simultaneous quantitative analysis of multiple metabolites using label-free surface-enhanced Raman spectroscopy and explainable deep learning 2025-Feb-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125386 PMID:39509865	研究论文	本研究结合无标记表面增强拉曼光谱（SERS）和深度学习技术，利用SHAP解释模型，实现了多种代谢物的同步定量分析	首次将无标记SERS与深度学习结合，并利用SHAP解释模型，提供可视化的预测解释	NA	开发一种新的代谢物分析方法，用于临床诊断和个性化医疗	尿酸、黄嘌呤、次黄嘌呤和肌酐等代谢物	生物医学工程	NA	表面增强拉曼光谱（SERS）	深度神经网络	光谱数据	混合溶液中的目标代谢物
11932	2024-12-09	Fluorescence spectroscopy combined with multilayer perceptron deep learning to identify the authenticity of monofloral honey-Rape honey 2025-Feb-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125418 PMID:39547148	研究论文	本文利用荧光光谱结合多层感知器深度学习技术，无需预处理或特征提取，快速准确地鉴定了油菜蜂蜜的真实性	首次将荧光光谱与多层感知器深度学习结合，用于蜂蜜真实性鉴定，无需预处理或特征提取	仅限于油菜蜂蜜的真实性鉴定，未涉及其他类型的蜂蜜	开发一种快速、简便且无损的蜂蜜真实性鉴定技术	油菜蜂蜜的真实性	机器学习	NA	荧光光谱	多层感知器 (MLP)	荧光强度数据	91个真实和掺假的蜂蜜样本
11933	2024-12-09	Enhancing soil nitrogen measurement via visible-near infrared spectroscopy: Integrating soil particle size distribution with long short-term memory models 2025-Feb-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125317 PMID:39471554	研究论文	本文提出了一种结合土壤颗粒大小分布（PSD）和可见-近红外光谱（Vis-NIR）的深度学习方法，用于提高土壤氮含量的测量精度	本文创新性地将土壤颗粒大小分布与可见-近红外光谱数据结合，通过长短期记忆模型（LSTM）提高了土壤氮含量测量的准确性和可靠性	本文未详细讨论该方法在不同土壤类型和环境条件下的适用性	研究目的是提高土壤氮含量的测量精度，为农业管理和生态环境提供高质量的数据支持	研究对象是土壤氮含量及其与土壤颗粒大小分布和可见-近红外光谱的关系	机器学习	NA	可见-近红外光谱（Vis-NIR）	长短期记忆模型（LSTM）	光谱数据	使用了LUCAS数据集中的样本
11934	2024-12-09	Plasma treated bimetallic nanofibers as sensitive SERS platform and deep learning model for detection and classification of antibiotics 2025-Feb-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125417 PMID:39541643	研究论文	本文报道了一种通过氧等离子体处理的二元金属纳米纤维作为高灵敏度的SERS平台，并结合深度学习模型用于抗生素的检测和分类	提出了一种新的氧等离子体处理的二元金属纳米纤维SERS平台，具有高灵敏度和可重复性，并结合了深度学习模型进行有效分类	NA	开发一种高灵敏度和成本效益的SERS基底，用于在实际环境中检测痕量浓度的分析物	二元金属纳米纤维SERS平台和深度学习模型	NA	NA	SERS	人工神经网络（ANN）	光谱数据	涉及两种抗生素 - 氟康唑（FLU）和林可霉素（LIN）
11935	2024-12-09	Alg-MFDL: A multi-feature deep learning framework for allergenic proteins prediction 2025-Feb, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115701 PMID:39481588	研究论文	本文开发了一种名为Alg-MFDL的多特征深度学习框架，用于预测过敏蛋白	结合预训练的蛋白质语言模型和传统手工特征，实现更全面的蛋白质表示	NA	开发高效可靠的计算方法来识别过敏蛋白	过敏蛋白的识别	机器学习	NA	卷积神经网络	CNN	蛋白质数据	使用基准数据集进行独立验证
11936	2024-12-09	Evaluation of Learning Approaches Among Physiotherapy Students in Haryana: A Cross-Sectional Study 2025-Feb, Journal of evaluation in clinical practice IF:2.1Q2 DOI:10.1111/jep.14253 PMID:39644511	研究论文	本研究评估了哈里亚纳邦物理治疗学生学习方法的横断面研究	本研究首次在哈里亚纳邦物理治疗学生中评估了学习方法，并发现大多数学生采用深度学习方法	研究样本仅限于哈里亚纳邦的物理治疗学生，结果可能不适用于其他地区或学科的学生	了解学生的学习方法，并据此改进教学方法、课程和教材，以提高教育质量	哈里亚纳邦物理治疗学生的学习方法	NA	NA	NA	NA	NA	250名物理治疗学生，平均年龄21.09±1.93岁，其中129名（51.6%）为预临床组，121名（48.4%）为临床组
11937	2024-12-09	SeqDPI: A 1D-CNN approach for predicting binding affinity of kinase inhibitors 2025-Jan-05, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.27518 PMID:39644133	研究论文	本文提出了一种基于一维卷积神经网络（1D-CNN）的算法框架SeqDPI，用于预测激酶抑制剂与靶点的结合亲和力	SeqDPI模型通过优化的一维卷积网络提取药物和蛋白质特征，并使用L2正则化的前馈神经网络进行结合强度预测，相比现有模型，减少了复杂3D结构的使用，提高了计算效率	NA	开发一种高效的计算模型，用于预测药物与靶点的结合亲和力，辅助药物发现和再定位	激酶抑制剂与靶点的结合亲和力	机器学习	NA	一维卷积神经网络（1D-CNN）	卷积神经网络（CNN）	一维序列数据	NA
11938	2024-12-09	Development of deep learning software to improve HPLC and GC predictions using a new crown-ether based mesogenic stationary phase and beyond 2025-Jan-04, Journal of chromatography. A DOI:10.1016/j.chroma.2024.465476 PMID:39566284	研究论文	开发了一种基于新型冠醚基液晶固定相的AI软件Chrompredict 1.0，用于改进HPLC和GC预测	首次将深度学习技术与新型冠醚基液晶固定相结合，显著提升了色谱参数预测的准确性	NA	开发一种能够准确预测色谱参数的AI软件，以改进HPLC和GC分析	新型冠醚基液晶固定相及其在色谱分析中的应用	机器学习	NA	深度学习	深度学习模型（DLM）	色谱数据	1,023种结构和极性多样的小分子
11939	2024-12-09	Cultivating diagnostic clarity: The importance of reporting artificial intelligence confidence levels in radiologic diagnoses 2025-Jan, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2024.110356 PMID:39566394	研究论文	本文讨论了在放射诊断中使用人工智能（AI）置信水平以提高诊断准确性和可靠性的重要性	本文强调了在放射诊断中使用AI置信水平的重要性，并提出了标准化置信度指标的必要性	本文指出了将AI系统整合到临床实践中面临的挑战，如临床验证需求、AI系统结果的可解释性问题以及医学界的困惑和误解	研究目的是探讨在放射诊断中使用AI置信水平的重要性，并提出标准化置信度指标的必要性	研究对象包括AI技术在放射诊断中的应用，特别是骨折等病理条件的诊断	计算机视觉	NA	深度学习（DL）和卷积神经网络（CNN）	卷积神经网络（CNN）	图像	NA
11940	2024-12-09	CSM-Potential2: A comprehensive deep learning platform for the analysis of protein interacting interfaces 2025-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26615 PMID:37870486	研究论文	本文介绍了一个名为CSM-Potential2的综合深度学习平台，用于分析蛋白质相互作用界面	该平台不仅能够预测蛋白质-蛋白质相互作用的结合位点，还能分类生物配体，并在残基水平上预测与核酸的相互作用，同时支持基于序列和结构相似性的配体移植	目前主要集中在蛋白质-蛋白质、蛋白质-配体和蛋白质-核酸相互作用的分析，尚未涵盖所有类型的生物相互作用	开发一个易于使用的深度学习平台，帮助专家和非专家用户研究生物相互作用	蛋白质相互作用界面，包括蛋白质-蛋白质、蛋白质-配体和蛋白质-核酸的相互作用	机器学习	NA	深度学习	深度学习平台	蛋白质结构数据	NA