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
13381	2024-08-05	STC-UNet: renal tumor segmentation based on enhanced feature extraction at different network levels 2024-Jul-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01359-5 PMID:39030510	研究论文	本文提出了一种新的STC-UNet模型，用于改善肾肿瘤的分割精度	引入选择性卷积核、视觉变换器和坐标注意力模块，以增强网络不同层级的特征提取能力	在现有研究中未具体提及样本多样性和外部验证的限制	提高肾肿瘤的医学图像分割精度	肾肿瘤的医学图像数据	医学图像分割	肾癌	深度学习	U-Net	图像	基于KiTS19数据集的验证
13382	2024-08-05	Assessing breast disease with deep learning model using bimodal bi-view ultrasound images and clinical information 2024-Jul-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110279 PMID:39045104	研究论文	本研究开发了一种多模式深度学习模型（BreNet），用于区分乳腺癌与良性病变	BreNet模型在乳腺癌的检测中显示出优于放射科医生的诊断能力，并能够提升放射科医生的诊断效果	本研究基于单一中心和两个中心的图像进行测试，实际应用中可能需要更广泛的验证	提高乳腺癌的诊断能力	利用双模式超声图像及临床信息进行乳腺疾病的评估	数字病理学	乳腺癌	深度学习	BreNet	图像	10,108张训练图像和3,762张测试图像
13383	2024-08-05	Hybridized deep learning goniometry for improved precision in Ehlers-Danlos Syndrome (EDS) evaluation 2024-Jul-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02601-4 PMID:39026270	研究论文	本研究开发了一种基于图像的体位测量系统，HybridPoseNet，对Ehlers-Danlos综合征（EDS）的评估提供更准确的关节角度测量	该模型结合了CNN与HyperLSTM的优势，提供了更好的泛化和时间一致性，显著改善了常规体位测量库的准确性	本研究的样本量相对较小，仅包括50名访问EDS诊所的个体，可能限制了结果的普遍适用性	旨在开发一种新颖的测量工具，以提高在EDS评估中的关节角度测量准确性	研究对象为50名就诊于EDS诊所的个体，主要关注能够过度伸展的关节	计算机视觉	Ehlers-Danlos综合征	深度学习	HybridPoseNet	视频	50个个体
13384	2024-08-05	Research on image recognition of tomato leaf diseases based on improved AlexNet model 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33555 PMID:39044970	研究论文	该文章介绍了一种基于改进AlexNet模型的番茄叶病害图像识别方法	通过HOG和LBP加权融合特征提取改进了传统图像识别技术，提升了图像分类与识别效果	研究未提及样本多样性和可能的环境影响	旨在提高番茄叶病害的识别效率和准确性	针对8种番茄叶病害及健康叶片	计算机视觉	植物病害	深度学习，使用AlexNet模型及转移学习	改进的AlexNet模型	图像	包含8种番茄叶病害的图像数据集
13385	2024-08-05	Time Series AI Model for Acute Kidney Injury Detection Based on a Multicenter Distributed Research Network: Development and Verification Study 2024-Jul-05, JMIR medical informatics IF:3.1Q2 DOI:10.2196/47693 PMID:39039992	研究论文	本研究旨在通过可解释的长短期记忆（LSTM）模型，利用分布式研究网络（DRN）中的时间序列数据，检测急性肾损伤（AKI）的早期发生。	本研究首次应用基于时间序列的可解释多变量LSTM（IMV-LSTM）模型，对使用肾毒性药物患者的电子健康记录（EHR）数据进行分析。	未提及本研究的具体局限性。	早期识别急性肾损伤的发生，以便在肾毒性药物开处方前检测不良反应的风险因素。	研究对象为使用肾毒性药物的患者，涉及6家医院的电子健康记录时间序列数据。	数字病理学	急性肾损伤	可解释多变量LSTM	LSTM	电子健康记录时间序列数据	分析了8643名有急性肾损伤的患者和31012名没有急性肾损伤的患者
13386	2024-08-05	An integrative approach to protein sequence design through multiobjective optimization 2024-Jul, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011953 PMID:38991035	研究论文	本文展示了一种通过多目标优化的整合方法进行蛋白质序列设计	创新点在于适应进化多目标优化技术，并将其与多个模型和目标函数整合到生成设计流程中	本文未提到任何特别的局限性	研究目的在于开发能够整合不同模型和目标函数的蛋白质设计框架	研究对象包括进化多目标优化方法及其在蛋白质设计中的应用	计算蛋白质设计	NA	深度学习、进化多目标优化技术	NSGA-II	蛋白质序列	涉及的样本包括RfaH、PapD和钙调蛋白
13387	2024-08-05	Cabin air dynamics: Unraveling the patterns and drivers of volatile organic compound distribution in vehicles 2024-Jul, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgae243 PMID:39045013	研究论文	本文研究了汽车座舱内挥发性有机化合物（VOCs）的分布模式及其驱动因素	提出了一种结合了注意力机制和集成策略的LSTM-A-E深度学习模型来预测座舱内VOCs浓度	缺乏对其他车辆类型和环境条件下的VOCs动态的进一步验证	探讨汽车座舱内挥发性有机化合物的动态变化和影响因素	新的汽车在夏季工作日内的环境参数和VOCs水平	数字病理学	NA	深度学习	LSTM	环境参数和VOCs浓度数据	7个夏季工作日内对新车的观察数据
13388	2024-08-05	Using machine learning or deep learning models in a hospital setting to detect inappropriate prescriptions: a systematic review 2024-Jun-21, European journal of hospital pharmacy : science and practice IF:1.6Q3 DOI:10.1136/ejhpharm-2023-003857 PMID:38050067	综述	这项系统评价考察了在医院环境中用于检测不当处方的机器学习和深度学习模型的现状	本研究强调了在医院临床药学中集成人工智能工具的潜在价值，尽管目前相关的原始研究相对较少	大多数研究具有较高的偏倚风险，训练数据集多样性大，且现有研究数量有限	该系统评价的目的是评估检测不当药物处方的机器学习和深度学习模型的现状	研究对象主要为医院临床药师使用的人工智能模型	机器学习	NA	人工智能	监督学习	处方订单	13篇文献，分析的处方订单数量从31到5,804,192不等
13389	2024-08-05	Molecular insights into regulatory RNAs in the cellular machinery 2024-Jun, Experimental & molecular medicine DOI:10.1038/s12276-024-01239-6 PMID:38871819	评论	本文讨论了细胞机械中调控RNA的主要特性	分析了调控RNA在生物系统各层次中的复杂功能及其机制	尚不清楚通过深度测序识别的调控RNA是否在预期机制中实际发挥作用	探讨调控RNA在细胞机械中的功能和特性	调控RNA及其涉及的生物系统和机制	数字病理学	NA	深度测序	NA	NA	NA
13390	2024-08-05	Retinal vasculature of different diameters and plexuses exhibit distinct vulnerability in varying severity of diabetic retinopathy 2024-Jun, Eye (London, England) DOI:10.1038/s41433-024-03021-4 PMID:38514853	研究论文	本研究探讨了糖尿病患者及年龄匹配健康对照者的视网膜血管密度变化	本研究利用深度学习分割与血管图提取工具，首次系统分析不同直径血管在糖尿病视网膜病变不同严重程度下的脆弱性	研究样本仅限于特定地区，可能影响结果的普适性	研究糖尿病视网膜病变中视网膜浅表和深层血管复合体的血管密度变化	854名受试者，包括健康对照和不同糖尿病视网膜病变阶段患者	数字病理学	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	深度学习	图像	854只眼睛，来自854名受试者
13391	2024-08-05	Big data and deep learning for RNA biology 2024-Jun, Experimental & molecular medicine DOI:10.1038/s12276-024-01243-w PMID:38871816	review	本文讨论了深度学习在RNA生物学中的应用及其潜力	提供了将深度学习概念应用于RNA生物学各种问题的指导原则和成功示例	尚未解决在RNA生物学中开发深度学习模型所面临的挑战	探讨深度学习在RNA生物学中的应用潜力和有效方式	各类RNA生物学相关问题	计算机视觉	NA	深度学习	NA	大规模数据集	NA
13392	2024-08-05	[Phenotypic drug discovery promotes research and development of innovative drugs based on traditional Chinese medicine] 2024-Jun, Zhongguo Zhong yao za zhi = Zhongguo zhongyao zazhi = China journal of Chinese materia medica DOI:10.19540/j.cnki.cjcmm.20240222.601 PMID:39041072	研究论文	本文讨论了基于传统中医的创新药物研发的潜力。	提出了表型药物发现方法结合尖端技术促进传统中医药创新药物研发的思路。	传统中医药成分复杂，药效物质和作用机制不明确，影响了创新药物的研发。	探讨传统中医在创新药物发现和研发中的巨大潜力。	基于传统中医的创新药物及其活性成分的识别与特征分析。	数字病理学	NA	表型药物发现、细胞绘画、深度学习、器官芯片	NA	NA	NA
13393	2024-08-05	The identification of effective tumor-suppressing neoantigens using a tumor-reactive TIL TCR-pMHC ternary complex 2024-Jun, Experimental & molecular medicine DOI:10.1038/s12276-024-01259-2 PMID:38866910	研究论文	本研究开发了VACINUS预测癌症免疫治疗中有效的新抗原。	本研究创新性地结合了肿瘤反应性TIL TCR-pMHC三元复合物，提高了免疫新抗原的预测能力。	本文的局限性在于只在小规模的患者和动物模型中验证。	研究免疫新抗原的预测和验证，以改善癌症免疫疗法的效果。	研究对象包括肝细胞癌患者和B16F10小鼠黑色素瘤模型。	数字病理学	肝癌	NGS，生物信息学	深度学习	生物数据	包含8名肝细胞癌患者和小鼠模型
13394	2024-08-05	Adoption of blockchain as a step forward in orthopedic practice 2024-May-24, European journal of translational myology IF:1.8Q3 DOI:10.4081/ejtm.2024.12197 PMID:38785351	研究论文	本文探讨区块链技术在骨科中的应用及其优点	将区块链与人工智能、机器学习和深度学习结合用于更准确的诊断和治疗建议	存在采用障碍和数据共享意愿等挑战	探索区块链在骨科实践中的潜在应用	区块链如何影响患者数据管理、骨科登记、医学成像和研究数据	NA	NA	区块链技术	NA	数据	NA
13395	2024-08-05	CELA-MFP: a contrast-enhanced and label-adaptive framework for multi-functional therapeutic peptides prediction 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae348 PMID:39038935	研究论文	该论文提出了一种名为CELA-MFP的深度学习框架，用于多功能治疗肽的预测	CELA-MFP结合了特征对比增强和标签适应的方法，优化了肽功能的预测	实验仅在两个广泛使用的数据集上进行了测试，可能影响泛化能力	研究功能肽的预测，以理解其多样的生物学效应和设计基于肽的治疗药物	功能肽及其相关序列	生物技术	NA	深度学习	Transformer	序列	两个数据集
13396	2024-08-05	Introducing enzymatic cleavage features and transfer learning realizes accurate peptide half-life prediction across species and organs 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae350 PMID:39038937	研究论文	本文提出了一种新一代基于人工智能的系统，用于准确预测肽药物的半衰期	引入了酶裂解特征与传统肽特征相结合，构建了更好的表示，并通过迁移学习提高了预测准确性	NA	研究肽药物的半衰期预测，促进肽药物的发展	天然和修饰肽的半衰期，涉及人类和小鼠两种物种以及血液和肠道两个器官	机器学习	NA	NA	深度学习模型，融合迁移学习	NA	NA
13397	2024-08-05	Discovering predisposing genes for hereditary breast cancer using deep learning 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae346 PMID:39038933	研究论文	本文探讨了利用深度学习发现遗传性乳腺癌的易感基因	提出了一种新的高通量变异分析管道，适用于家族研究，并采用先进的机器学习模型和三维蛋白质结构分析技术	研究样本主要集中在中东背景的12个家庭，可能限制了结果的广泛适用性	识别导致家族性乳腺癌的易感基因	分析了来自12个家庭的稀有错义变异	计算机视觉	乳腺癌	深度学习	NA	变异数据	1218个稀有错义变异
13398	2024-08-05	Enhancing multi-class lung disease classification in chest x-ray images: A hybrid manta-ray foraging volcano eruption algorithm boosted multilayer perceptron neural network approach 2024-May-16, Network (Bristol, England) DOI:10.1080/0954898X.2024.2350579 PMID:38753162	研究论文	本研究提出了一种混合鯨鯊觅食火山喷发算法增强的多层感知器神经网络方法，用于多类肺疾病的分类	提出了一种新的混合算法以优化多层感知器的参数，并提高多类肺疾病的分类准确率	仍需解决稳定性和类别不平衡的问题	旨在提高胸部X光图像中多类肺疾病的分类准确性	研究对象为COVID-19、肺炎、结核（TB）和正常的胸部X光图像	计算机视觉	肺癌	多层感知器神经网络（MPNN）、ADKF、TF-IDF	多层感知器神经网络（MPNN）	图像	来自Covid-Chest X-ray数据集的胸部X光图像
13399	2024-08-05	CAT-DTI: cross-attention and Transformer network with domain adaptation for drug-target interaction prediction 2024-Apr-02, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05753-2 PMID:38566002	研究论文	本文提出了一种基于跨注意力和变换器的药物-靶标互动预测模型CAT-DTI	该模型通过领域适应能力改善了药物-靶标互动的预测精度，特别是在处理分布外数据时表现出色	研究中未提及具体的样本量和数据集的多样性	提升药物-靶标互动预测的准确性和效率	药物和蛋白质的特征表示及其互动特征	机器学习	NA	卷积神经网络与变换器	跨注意力模型	NA	NA
13400	2024-08-05	Interpretable deep learning methods for multiview learning 2024-Feb-14, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05679-9 PMID:38350879	研究论文	提出了一种名为iDeepViewLearn的可解释深度学习方法，用于多视图学习。	iDeepViewLearn结合了深度学习的灵活性与数据驱动和知识驱动的特征选择统计优势，提供了可解释的结果。	对于小样本量的问题的优势可能在于与其他深度学习方法的比较中，但具体的限制未详细说明。	研究在多视图数据中捕获非线性关系并实现特征选择的深度学习方法。	模拟数据和三种真实数据用于分类、聚类和重建任务。	计算机视觉	乳腺癌	深度学习	深度神经网络	图像	小到中等样本量