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
14041	2024-10-14	Protein Language Models Uncover Carbohydrate-Active Enzyme Function in Metagenomics 2023-Oct-25, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.23.563620 PMID:37961379	研究论文	本文介绍了CAZyLingua工具，该工具利用蛋白质语言模型嵌入构建深度学习框架，用于元基因组数据中碳水化合物活性酶（CAZymes）的功能注释	首次利用蛋白质语言模型嵌入构建深度学习框架进行CAZymes的功能注释，并在多个数据集上展示了比传统序列同源性方法更高的F1分数	NA	开发一种新的工具来提高元基因组数据中碳水化合物活性酶的功能注释准确性	碳水化合物活性酶（CAZymes）及其在元基因组数据中的功能注释	机器学习	NA	蛋白质语言模型嵌入	深度学习模型	元基因组数据	包括母亲/婴儿纵向数据集和纤维化倾向疾病（如克罗恩病和IgG4相关疾病）患者的元基因组数据集
14042	2024-10-14	Exploring the Roles of RNAs in Chromatin Architecture Using Deep Learning 2023-Oct-24, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.22.563498 PMID:37961712	研究论文	本文提出了一种名为AkitaR的深度学习框架，利用基因组序列和全基因组RNA-DNA相互作用来研究染色质相关RNAs（caRNAs）在HFFc6细胞中基因组折叠中的作用	本文首次提出了AkitaR框架，通过结合基因组序列和RNA-DNA相互作用来解析caRNAs在基因组折叠中的作用，并发现了新的可能调节染色质结构的非编码RNAs	本文主要集中在HFFc6细胞中，研究结果的普适性有待进一步验证	研究染色质相关RNAs在基因组三维组织中的作用	染色质相关RNAs（caRNAs）及其在基因组折叠中的作用	机器学习	NA	深度学习	深度学习框架	基因组序列和RNA-DNA相互作用数据	HFFc6细胞
14043	2024-10-14	Binding affinity predictions with hybrid quantum-classical convolutional neural networks 2023-Oct-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-45269-y PMID:37864075	研究论文	本文介绍了一种混合量子-经典卷积神经网络用于预测药物与蛋白质的结合亲和力	提出了一种混合量子-经典卷积神经网络，相比传统方法减少了20%的复杂性，并在训练阶段节省了40%的成本和时间	NA	提高药物设计的效率和准确性	药物与蛋白质的结合亲和力	机器学习	NA	量子机器学习	卷积神经网络	结合亲和力数据	NA
14044	2024-10-14	Leveraging Large Language Models (LLM) for the Plastic Surgery Resident Training: Do They Have a Role? 2023-Oct, Indian journal of plastic surgery : official publication of the Association of Plastic Surgeons of India IF:0.7Q4 DOI:10.1055/s-0043-1772704 PMID:38026769	研究论文	探讨大型语言模型（LLM）在整形外科住院医师培训中的作用	研究首次探索了LLM作为教学助理（TA）在整形外科中的应用，并评估了其生成内容的准确性和实用性	研究仅基于ChatGPT模型，未涵盖其他LLM模型，且样本量较小，仅涉及八位研究作者的评估	评估LLM在整形外科住院医师培训中的潜在作用	整形外科住院医师培训中的教学助理角色	自然语言处理	NA	深度学习技术，包括微调和基于人类反馈的强化学习	Transformer	文本	八位研究作者
14045	2024-10-14	Challenges and solutions of echocardiography generalization for deep learning: a study in patients with constrictive pericarditis 2023-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.5.054502 PMID:37840850	研究论文	本文提出了一种创新的自动化框架，用于解决在限制性心包炎和心脏淀粉样变性区分任务中，超声心动图深度学习模型泛化的问题	提出了一个创新的预处理和图像泛化框架，用于处理图像以训练ResNet50、ResNeXt101和EfficientNetB2模型	NA	开发一种基于超声心动图的深度学习模型，能够准确区分限制性心包炎、心脏淀粉样变性和正常病例	限制性心包炎和心脏淀粉样变性患者以及正常病例的超声心动图图像	机器学习	心血管疾病	深度学习	EfficientNetB2	图像	945例超声心动图研究，包括720例来自Mayo Rochester和225例来自Mayo Arizona
14046	2024-10-14	Comprehensive Functional Annotation of Metagenomes and Microbial Genomes Using a Deep Learning-Based Method 2023-04-27, mSystems IF:5.0Q1 DOI:10.1128/msystems.01178-22 PMID:37010293	研究论文	开发了一种新的元基因组分析工作流程，整合了基因组重建、分类学分析和基于深度学习的功能注释，以提高微生物基因的功能注释覆盖率	首次将基于深度学习的功能注释应用于元基因组学，显著提高了基因功能注释的覆盖率	DeepFRI的注释比eggNOG的注释更广泛但不那么具体，并且在已知物种上的注释敏感性较低	提高微生物基因的功能注释覆盖率，揭示人类肠道微生物群在健康和疾病中的功能特征	人类肠道微生物群的基因功能注释	机器学习	NA	深度学习	DeepFRI	基因组	1070个婴儿元基因组
14047	2024-10-14	Computational single cell oncology: state of the art 2023, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2023.1256991 PMID:38028624	综述	本文综述了单细胞计算分析在肿瘤学领域的最新进展	本文介绍了单细胞计算分析在肿瘤学中的应用，包括识别新的细胞状态、表征肿瘤亚型、发现生物标志物和预测治疗反应	本文讨论了单细胞数据处理中的挑战，包括数据质量控制、归一化、降维、聚类和轨迹推断	本文旨在为研究人员提供利用计算方法解锁单细胞分析在理解癌症生物学中的全部潜力的路线图	单细胞计算分析在肿瘤学中的应用	数字病理学	NA	计算算法和生物信息学方法	机器学习和深度学习	单细胞数据	NA
14048	2024-10-14	Deep learning fusion of satellite and social information to estimate human migratory flows 2022-Sep, Transactions in GIS : TG IF:2.1Q2 DOI:10.1111/tgis.12953 PMID:38024452	研究论文	本文提出了一种基于深度学习的数据融合技术，结合卫星和人口普查数据来估计从墨西哥到美国的移民流动	本文创新性地将卫星图像和构建的社会经济矩阵相结合，通过卷积神经网络来估计移民流动	NA	研究目的是通过多模态数据融合来提高移民流动模型的准确性	研究对象是从墨西哥到美国的移民流动	机器学习	NA	深度学习	卷积神经网络	图像和矩阵数据	涉及墨西哥各市的社会经济信息和卫星图像数据
14049	2024-10-14	Deep learning identified pathological abnormalities predictive of graft loss in kidney transplant biopsies 2022-02, Kidney international IF:14.8Q1 DOI:10.1016/j.kint.2021.09.028 PMID:34757124	研究论文	本文开发了一种基于深度学习的管道，用于识别和量化肾移植活检中的病理异常，以预测移植失败	本文提出的深度学习模型能够更敏感地检测Banff评分阈值以下的细微病理变化，并且在预测移植失败方面优于传统的Banff评分和临床预测因子	NA	开发一种客观、定量的病理评估方法，以提高对肾移植失败预测的准确性	肾移植活检中的间质纤维化、肾小管萎缩和炎症等病理异常	数字病理学	肾移植	深度学习	深度学习模型	图像	789例肾移植活检样本（478例基线样本和311例移植后12个月的协议活检样本）
14050	2024-10-14	Infrared Metasurface Augmented by Deep Learning for Monitoring Dynamics between All Major Classes of Biomolecules 2021-Apr, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202006054 PMID:33615570	研究论文	本文介绍了一种结合深度学习的化学特异性纳米等离子体技术，用于在不干扰天然过程的情况下，以无标签方式区分所有主要类别的生物分子	本文提出了一种新的深度学习增强的纳米等离子体技术，能够在微流控设备中增强中红外光谱的吸收，并实时收集大量光谱时间数据，用于构建深度神经网络以准确区分所有主要类别的生物分子	NA	开发一种能够监测生物分子间动态交互的新技术，以促进疾病诊断和药物开发	蛋白质、核酸、碳水化合物和脂质等主要类别的生物分子	生物学	NA	纳米等离子体技术	深度神经网络	光谱时间数据	包含蔗糖和核苷酸的脂质体与小分子脂质膜穿孔肽的多步生物测定
14051	2024-10-13	Cardiac MR Fingerprinting: Overview, Technical Developments, and Applications 2024-Nov, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29206 PMID:38153855	综述	本文详细介绍了心脏磁共振指纹技术（MRF）的概述、技术进展和临床应用	介绍了心脏MRF的多参数成像技术，包括同时多切片和3D采样、运动校正算法、电影MRF、合成多对比度成像等	NA	探讨如何简化并缩短心脏磁共振成像（CMR）检查，以提高其可及性和效率，同时提供可重复的定量测量	心脏磁共振成像（CMR）及其指纹技术（MRF）	医学影像	心血管疾病	心脏磁共振指纹技术（MRF）	NA	图像	NA
14052	2024-10-13	Deep learning reconstruction for zero echo time lung magnetic resonance imaging: impact on image quality and lesion detection 2024-Nov, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.07.011 PMID:39112100	研究论文	研究深度学习重建（DLR）对零回波时间（ZTE）肺部磁共振成像（MRI）图像质量和病变检测的影响	首次探讨了深度学习重建技术在零回波时间肺部MRI中的应用，并展示了其在图像质量和病变检测方面的显著改进	研究样本量较小，且仅限于特定类型的肺部病变检测	评估深度学习重建技术对零回波时间肺部MRI图像质量和病变检测的影响	59名接受胸部CT和零回波时间肺部MRI的患者	计算机视觉	肺部疾病	深度学习重建（DLR）	NA	图像	59名患者
14053	2024-10-13	Deep learning-based computer-aided detection of ultrasound in breast cancer diagnosis: A systematic review and meta-analysis 2024-Nov, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.08.002 PMID:39217049	meta-analysis	本文通过系统综述和meta分析评估了深度学习和超声在乳腺癌诊断中的诊断性能	本文创新性地将研究分为B模式超声诊断子组和多模态超声诊断子组，并比较了深度学习算法在乳腺癌诊断中使用B模式超声或多模态超声的性能差异	NA	评估深度学习和超声在乳腺癌诊断中的诊断性能	乳腺癌患者和良性或其他乳腺病变患者	computer vision	breast cancer	深度学习	NA	超声图像	共包含20项研究，总计14,955例病例，其中4197例用于模型测试，包括1582例乳腺癌患者和2615例良性或其他乳腺病变患者
14054	2024-10-13	Artificial Intelligence in Radiology: What Is Its True Role at Present, and Where Is the Evidence? 2024-Nov, Radiologic clinics of North America IF:2.1Q2 DOI:10.1016/j.rcl.2024.03.008 PMID:39393852	review	本文综述了人工智能在放射学中的应用现状，并探讨了其未来的潜力	本文总结了近期研究中关于人工智能在放射学中的应用及其对诊断放射科医生工作量的预期影响	NA	探讨人工智能在放射学中的当前角色及其证据	人工智能在放射学中的应用及其对诊断能力、工作流程效率和患者护理的影响	computer vision	NA	machine learning, deep learning	NA	NA	NA
14055	2024-10-13	Development and validation of a multimodal deep learning framework for vascular cognitive impairment diagnosis 2024-Oct-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110945 PMID:39391736	研究论文	开发并验证了一种用于血管性认知障碍诊断的多模态深度学习框架	结合了视觉变换器和极端梯度提升算法的多模态深度学习框架，能够识别对血管性认知障碍诊断有显著贡献的大脑区域和临床特征	NA	开发一种准确且可解释的临床决策支持工具，用于识别脑血管疾病患者的血管性认知障碍	307名脑血管疾病患者的临床非影像数据和神经影像数据	机器学习	脑血管疾病	多模态深度学习	视觉变换器和极端梯度提升算法	临床非影像数据和神经影像数据	307名患者
14056	2024-10-13	Chain-aware graph neural networks for molecular property prediction 2024-Oct-11, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae574 PMID:39392786	研究论文	本文提出了一种新的链感知图神经网络模型，用于分子性质预测	通过学习中心节点沿最短路径的表示来捕捉链结构，并使用初始残差差分连接（IRDC）减少层间冗余，从而提高节点特征的表达能力	NA	改进分子性质预测中节点特征的表达能力	分子图及其链结构	机器学习	NA	图神经网络（GNN）	链感知图神经网络	分子图	NA
14057	2024-10-13	Enhancing personalized gene expression prediction from DNA sequences using genomic foundation models 2024-Oct-10, HGG advances DOI:10.1016/j.xhgg.2024.100347 PMID:39205391	研究论文	本文探讨了使用预训练的Nucleotide Transformer模型来提高从DNA序列预测个性化基因表达的准确性	本文提出使用预训练的Nucleotide Transformer模型来缩小现有模型在解释个体间差异方面的性能差距	尽管本文模型在个体间相关性方面表现优异，但仍需更多训练数据和计算改进以超越回归方法	提高从DNA序列预测个性化基因表达的准确性	基因表达预测模型	机器学习	NA	深度学习	Transformer	DNA序列	290个个体
14058	2024-10-13	Benchmarking reveals superiority of deep learning variant callers on bacterial nanopore sequence data 2024-Oct-10, eLife IF:6.4Q1 DOI:10.7554/eLife.98300 PMID:39388235	研究论文	本文通过基准测试比较了深度学习变异检测工具在细菌纳米孔测序数据上的表现	研究发现深度学习变异检测工具在细菌纳米孔测序数据上的准确性显著优于传统方法，甚至超过了Illumina测序	NA	评估深度学习变异检测工具在细菌基因组中的准确性	细菌基因组的变异检测	基因组学	NA	纳米孔测序	深度学习	基因组数据	14种不同细菌物种
14059	2024-10-13	Riverbed litter monitoring using consumer-grade aerial-aquatic speedy scanner (AASS) and deep learning based super-resolution reconstruction and detection network 2024-Oct-10, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2024.117030 PMID:39393229	研究论文	本文介绍了一种使用消费级空中-水下快速扫描仪（AASS）和基于深度学习的超分辨率重建与检测网络来监测水下垃圾的方法	引入了AASS系统与超分辨率重建（SRR）和增强的YOLOv8检测网络相结合，提高了数据采集效率和检测精度	未提及具体限制	开发一种高效、低成本的消费级技术来自动检测水下垃圾	水下垃圾的检测与分类	计算机视觉	NA	超分辨率重建（SRR）	YOLOv8	图像	未提及具体样本数量
14060	2024-10-13	Segmentation-based quantitative measurements in renal CT imaging using deep learning 2024-Oct-09, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00507-4 PMID:39382755	研究论文	本文开发了一种基于深度学习的肾脏CT图像自动测量方法	使用3D UNet模型对对比增强和非对比增强CT图像进行肾脏测量，模型性能与手动标注相当	当训练集主要由健康受试者组成时，模型在处理不健康肾脏时需要特别注意	开发一种自动化的肾脏CT图像测量方法，以评估肾功能	肾脏CT图像的自动测量	计算机视觉	NA	深度学习	3D UNet	图像	88名潜在肾脏捐献者的对比增强和非对比增强CT扫描，以及18例对比增强、15例光子计数CT扫描和8例低剂量CT扫描的测试集