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
12821	2024-11-26	Weak supervision, strong results: Automating melanocyte lesion diagnosis with deep learning 2024-Dec, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20382 PMID:39582480	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12822	2024-11-26	Accurate Conformation Sampling via Protein Structural Diffusion 2024-Nov-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00928 PMID:39340358	研究论文	本文介绍了一种名为UFConf的新方法，用于基于氨基酸序列进行蛋白质构象的鲁棒采样	UFConf通过将AlphaFold2转化为扩散模型，实现了基于构象的扩散过程，并开发了一种新的基于结构聚类的层次重加权协议，以克服蛋白质数据库中的构象偏差	NA	开发一种能够高精度预测蛋白质不同稳定构象的模型，以推动生物学和医学的进步	蛋白质构象的采样	生物信息学	NA	扩散模型	扩散模型	蛋白质结构数据	NA
12823	2024-11-26	Challenge for Deep Learning: Protein Structure Prediction of Ligand-Induced Conformational Changes at Allosteric and Orthosteric Sites 2024-Nov-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01475 PMID:39484820	研究论文	研究使用深度学习算法预测蛋白质在配体结合时的构象变化，特别是针对别构位点的变化	首次系统研究了深度学习方法在预测蛋白质别构诱导适应构象变化方面的潜力和局限性	深度学习方法在预测别构诱导适应构象方面仍存在挑战，准确性不如预测正构位点结合构象	探讨深度学习算法在预测蛋白质别构和正构位点结合时的构象变化中的应用	蛋白质在配体结合时的构象变化，特别是别构位点的变化	计算生物学	NA	深度学习	AlphaFold2, NeuralPLexer, RoseTTAFold All-Atom	蛋白质结构数据	578个X射线结构数据
12824	2024-11-26	CACHE Challenge #1: Targeting the WDR Domain of LRRK2, A Parkinson's Disease Associated Protein 2024-Nov-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01267 PMID:39499532	研究论文	本文报道了首届CACHE挑战赛的结果，该挑战赛旨在评估计算命中发现领域的进展	首次针对帕金森病相关蛋白LRRK2的WDR域进行计算命中发现，展示了多种计算方法的应用	实验验证的化合物稀少且效力较弱，表明现有技术不足以有效解决具有挑战性的靶点	评估计算命中发现方法在帕金森病靶点LRRK2的WDR域中的应用效果	LRRK2蛋白的WDR域及其潜在的结合化合物	药物设计	帕金森病	分子动力学、片段对接、生成设计策略、深度学习	NA	化合物	23个计算团队，共预测了1955个分子，其中73个分子在SPR测定中显示出结合活性
12825	2024-11-26	Data-Based Prediction of Redox Potentials via Introducing Chemical Features into the Transformer Architecture 2024-Nov-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01299 PMID:39513760	研究论文	本文开发了一种基于化学语言模型的深度学习方法TransChem，用于预测有机分子的氧化还原电位	引入化学特征到Transformer架构中，结合空间和电子特征的分子表征，以及非线性分子信息传递方法Mol-Attention和扰动学习方法	NA	加速目标导向的新反应和材料设计	有机分子的氧化还原电位	机器学习	NA	深度学习	Transformer	分子数据	超过100,000个有机自由基数据，2,1,3-苯并噻二唑数据集（<3000数据点），电子亲和力数据集（660数据），以及自开发的全空间二取代苯酚氧化电位数据集（OPP-data set，总计74,529）
12826	2024-11-26	[De novo protein design in the age of artificial intelligence] 2024-Nov-25, Sheng wu gong cheng xue bao = Chinese journal of biotechnology DOI:10.13345/j.cjb.240087 PMID:39584325	综述	本文综述了蛋白质设计的演变过程，重点介绍了最新的算法模型，并分析了当前存在的挑战和未来趋势	本文探讨了人工智能和深度学习生成模型在蛋白质设计中的应用，展示了其在功能蛋白质设计中的潜力	当前蛋白质设计面临设计成功率低、精度不足以及依赖实验验证等挑战	本文旨在为蛋白质设计领域的研究人员和从业者提供见解	本文主要研究蛋白质设计及其在生物医学和纳米技术中的应用	生物信息学	NA	深度学习	生成模型	序列数据	NA
12827	2024-11-26	Leveraging Artificial Intelligence for Diabetic Retinopathy Screening and Management: History and Current Advances 2024-Nov-24, Seminars in ophthalmology IF:1.9Q2 DOI:10.1080/08820538.2024.2432902 PMID:39580713	综述	本文综述了人工智能在糖尿病视网膜病变筛查和管理中的应用历史和当前进展	介绍了多种基于人工智能的深度学习算法在可转诊糖尿病视网膜病变诊断中的潜力	尽管有许多已批准的AI算法在全球范围内用于糖尿病视网膜病变的检测，但仍需进一步验证和优化	评估人工智能在糖尿病视网膜病变筛查中的应用及当前可用的自动化检测算法	糖尿病视网膜病变及其自动化检测算法	计算机视觉	糖尿病	深度学习	深度学习算法	图像	NA
12828	2024-11-26	Efficient deep learning based rail fastener screw detection method for fastener screw maintenance robot under complex lighting conditions 2024-Nov-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77364-z PMID:39578481	研究论文	提出了一种基于YOLO的轻量级模型LFGB-YOLO，用于在复杂光照条件下检测铁路扣件螺栓	引入了Light-Fast部分和GB-Neck部分，分别优化了网络参数和特征融合能力，提高了检测精度和速度	未提及具体限制	开发一种在复杂光照条件下高效检测铁路扣件螺栓的方法，以支持维护机器人	铁路扣件螺栓	计算机视觉	NA	深度学习	YOLO	图像	未提及具体样本数量
12829	2024-11-26	Crop classification in the middle reaches of the Hei River based on model transfer 2024-Nov-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80327-z PMID:39578651	研究论文	本文提出了一种基于模型迁移的作物分类方法，用于黑河流域中游地区	通过生成多源光谱数据（MSSD）并利用预训练模型进行微调，实现了在无样本年份的作物分类	依赖于预训练模型的准确性，且实验仅使用了四种模型进行验证	提高在黑河流域中游地区作物分类的准确性，减少对大规模样本数据的依赖	黑河流域中游地区的作物分类	计算机视觉	NA	遥感技术	CNN	光谱数据	使用了三种基于CNN的深度学习模型和一个机器学习模型（RF）进行实验
12830	2024-11-26	Multimodal machine learning for language and speech markers identification in mental health 2024-Nov-22, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02772-0 PMID:39578814	研究论文	本文研究了使用多模态机器学习方法识别语言和语音标记在精神健康诊断中的应用	本文结合了单模态和多模态方法，通过识别和编译广泛的精神健康障碍标记，评估多模态方法是否优于单模态方法	本文主要使用DAIC-WOZ数据集，且未探讨更复杂的融合技术和深度学习模型	评估多模态方法在精神健康诊断中是否优于单模态方法	语言和语音数据中的精神健康障碍标记	机器学习	精神健康障碍	多模态机器学习	支持向量机、逻辑回归、随机森林、全连接神经网络	文本和音频	使用DAIC-WOZ数据集中的临床访谈数据
12831	2024-11-26	Screening for severe coronary stenosis in patients with apparently normal electrocardiograms based on deep learning 2024-Nov-22, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02764-0 PMID:39578851	研究论文	本文开发了一种基于深度学习模型，用于在心电图（ECG）看似正常的情况下筛查严重冠状动脉狭窄的患者	本文首次使用深度学习模型结合迁移学习技术，从看似正常的心电图中提取深层特征，以识别严重冠状动脉狭窄	模型在单独使用心电图数据时敏感性较低，添加临床信息后特异性下降	开发一种有效模型，区分心电图看似正常患者中的严重冠状动脉狭窄与无或轻度狭窄	392名患者，其中138名患有严重狭窄	机器学习	心血管疾病	深度学习	深度学习模型	心电图数据和临床信息	392名患者，包括138名严重狭窄患者
12832	2024-11-26	VGAE-CCI: variational graph autoencoder-based construction of 3D spatial cell-cell communication network 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae619 PMID:39581873	研究论文	提出了一种基于变分图自编码器的深度学习框架VGAE-CCI，用于构建三维空间细胞间通信网络	该方法能够识别跨多个组织层的细胞间通信，并适用于具有缺失或部分不完整数据的空间转录组数据	未提及具体限制	解决空间转录组数据中数据不完整和系统偏差问题，以及现有方法在分析跨多层组织细胞间通信方面的不足	细胞间通信网络	生物信息学	NA	空间转录组测序 (ST-seq)	变分图自编码器 (VGAE)	空间转录组数据	六个数据集
12833	2024-11-26	Repun: an accurate small variant representation unification method for multiple sequencing platforms 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae613 PMID:39584701	研究论文	本文介绍了一种名为Repun的单体型感知变异对齐统一算法，用于在不同测序平台之间统一变异表示	Repun利用单体型信息加速变异与候选单体型的匹配过程，提高了统一过程的效率	NA	确保不同测序平台和条件下变异表示的一致性，为下游分析提供可靠的基础	不同测序平台（Oxford Nanopore Technology, Pacific Biosciences, Illumina）的变异表示	基因组学	NA	测序技术	NA	基因组数据	多个Genome in a Bottle Consortium样本
12834	2024-11-26	Chisco: An EEG-based BCI dataset for decoding of imagined speech 2024-Nov-21, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-04114-1 PMID:39572577	研究论文	本文介绍了一个基于EEG的BCI数据集Chisco，用于解码想象中的语音	本文首次提供了一个大规模的想象语音EEG数据集Chisco，包含超过20,000句高密度EEG记录，填补了该领域的数据空白	NA	本文旨在提供一个高质量的EEG数据集，以促进脑机接口技术的发展	本文的研究对象是健康成年人的想象语音EEG数据	脑机接口	NA	EEG	NA	EEG数据	超过20,000句EEG记录，来自健康成年人，每人数据超过900分钟
12835	2024-11-26	Enhanced MobileNet for skin cancer image classification with fused spatial channel attention mechanism 2024-11-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80087-w PMID:39572649	研究论文	本文提出了一种改进的MobileNet模型，结合空间通道注意力机制用于皮肤癌图像分类	引入了一种新的注意力机制，用于揭示图像中的全局关联信息，从而提高分类性能	未提及具体的局限性	提高皮肤癌图像分类的准确性，以提升患者的生存率并减轻公共卫生负担	皮肤癌图像	计算机视觉	皮肤癌	卷积神经网络	MobileNet	图像	使用了国际皮肤成像协作组织2019年公开数据集（ISIC-2019）
12836	2024-11-26	The diagnostic value of MRI segmentation technique for shoulder joint injuries based on deep learning 2024-11-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80441-y PMID:39572780	研究论文	研究基于深度学习的MRI图像分割技术在游泳者肩关节损伤诊断中的应用价值	开发了一种新的多尺度特征融合网络（MSFFN），通过优化和整合AlexNet和U-Net算法，用于肩关节MRI图像的分割	研究样本仅限于52名游泳者，可能存在样本量不足的问题	评估基于深度学习的MRI图像分割技术在诊断游泳者肩关节损伤中的有效性	游泳者的肩关节损伤	计算机视觉	运动损伤	MRI图像分割	多尺度特征融合网络（MSFFN）	图像	52名游泳者
12837	2024-11-26	The urine formed element instance segmentation based on YOLOv5n 2024-11-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79969-w PMID:39562665	研究论文	本研究提出了一种基于YOLOv5n的尿液形成元素实例分割模型，用于快速准确地检测和分割尿液中的形成元素	本研究创新性地将YOLOv5n与小FCN网络结合，实现了对尿液形成元素的快速且准确的实例分割	本研究仅使用了500张图像的数据集进行验证，数据集规模较小，可能影响模型的泛化能力	开发一种基于深度学习的自动化尿液形成元素分析方法，以提高临床疾病诊断的准确性和效率	尿液中的形成元素，如尿液细胞等	计算机视觉	泌尿系统疾病	YOLOv5n	YOLOv5n	图像	500张尿液形成元素图像
12838	2024-11-26	Convolutional neural network for oral cancer detection combined with improved tunicate swarm algorithm to detect oral cancer 2024-11-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79250-0 PMID:39562767	研究论文	本文提出了一种结合改进的海鞘群算法的卷积神经网络用于口腔癌检测	本文创新性地将改进的海鞘群算法与卷积神经网络结合，提高了口腔癌检测的准确性	NA	开发一种更准确的口腔癌检测方法	口腔癌患者的图像数据	计算机视觉	口腔癌	卷积神经网络	CNN	图像	口腔癌图片数据集
12839	2024-10-30	Deep Learning-Based Method for Rapid 3D Whole-Heart Modeling in Congenital Heart Disease: Correspondence 2024-Oct-28, Cardiology IF:1.9Q3 DOI:10.1159/000542318 PMID:39467517	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12840	2024-11-26	Deep learning prediction of survival in patients with heart failure using chest radiographs 2024-Sep, The international journal of cardiovascular imaging DOI:10.1007/s10554-024-03177-w PMID:38969836	研究论文	本研究开发并验证了一种使用胸部X光片进行深度学习生存预测模型，用于预测心力衰竭患者的生存率	本研究首次使用深度学习模型结合胸部X光片和临床参数，显著提高了心力衰竭患者生存预测的准确性	本研究样本量较小，且仅限于特定时间段和机构的患者数据	开发和验证一种基于胸部X光片的深度学习生存预测模型，用于心力衰竭患者的生存预测	心力衰竭患者及其胸部X光片	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	353名心力衰竭患者