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
14201	2024-10-12	TransC-ac4C: Identification of N4-Acetylcytidine (ac4C) Sites in mRNA Using Deep Learning 2024 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3386972 PMID:38607721	研究论文	本文提出了一种结合卷积神经网络（CNN）和Transformer的新方法TransC-ac4C，用于识别mRNA中的N4-乙酰胞苷（ac4C）位点	本文创新性地将CNN和Transformer结合，以增强特征提取能力并提高识别准确性	NA	开发一种新的深度学习方法，用于准确识别mRNA中的ac4C位点	mRNA中的N4-乙酰胞苷（ac4C）位点	机器学习	NA	卷积神经网络（CNN）和Transformer	CNN和Transformer的结合模型	mRNA序列	两个数据集，预测准确率分别为81.42%和80.69%
14202	2024-10-12	Computational design of myoglobin-based carbene transferases for monoterpene derivatization 2024-08-30, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2024.150160 PMID:38795453	研究论文	本研究利用计算机辅助蛋白质工程设计基于肌红蛋白的卡宾转移酶，用于单萜衍生物的合成	本研究通过计算机辅助设计和深度学习方法，扩展了血红蛋白催化反应的底物范围，为生物活性分子的合成提供了新的途径	NA	扩展血红蛋白催化卡宾转移反应的底物范围，探索其在天然产物功能化中的应用	基于肌红蛋白的卡宾转移酶及其在单萜衍生物合成中的应用	生物化学	NA	计算机辅助蛋白质工程	LigandMPNN	蛋白质结构	七种目标产物
14203	2024-10-12	Contextual AI models for single-cell protein biology 2024-Aug, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02341-3 PMID:39039335	研究论文	介绍了一种名为PINNACLE的几何深度学习方法，用于生成上下文感知的蛋白质表示，以解决蛋白质相互作用建模的挑战	引入了PINNACLE，一种几何深度学习方法，能够生成上下文感知的蛋白质表示，并展示了其在多种下游任务中的优越性能	未提及具体限制	开发一种能够理解蛋白质功能和相互作用的新算法，以支持分子疗法的开发	蛋白质及其在不同细胞类型和组织中的相互作用	机器学习	NA	几何深度学习	几何深度学习模型	蛋白质相互作用网络	394,760个蛋白质表示，来自24种组织的156种细胞类型上下文
14204	2024-10-12	Association of retinal image-based, deep learning cardiac BioAge with telomere length and cardiovascular biomarkers 2024-Jul-01, Optometry and vision science : official publication of the American Academy of Optometry IF:1.6Q3 DOI:10.1097/OPX.0000000000002158 PMID:38935034	研究论文	本研究利用基于视网膜图像的深度学习模型评估心脏生物年龄，并探讨其与端粒长度和心血管疾病生物标志物的关系	开发了一种基于视网膜图像的深度学习心脏生物年龄模型，用于快速、准确、无创地筛查心血管疾病	研究为横断面研究，需要进一步的纵向研究来验证模型的长期有效性	验证基于深度学习的心脏生物年龄模型是否与已知的心血管疾病风险趋势和白细胞端粒长度一致	英国生物银行中的个体，包括其端粒长度数据和视网膜图像	机器学习	心血管疾病	深度学习	深度学习模型	图像	英国生物银行中的个体，具体数量未在摘要中提及
14205	2024-10-12	Design of target specific peptide inhibitors using generative deep learning and molecular dynamics simulations 2024-Feb-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-45766-2 PMID:38383543	研究论文	本文介绍了一种基于生成式深度学习和分子动力学模拟的计算方法，用于设计靶向特定肽抑制剂	本文创新地将门控循环单元（GRU）变分自编码器与Rosetta FlexPepDock结合，用于肽序列生成和结合亲和力评估，并通过分子动力学模拟筛选肽段进行实验验证	NA	开发一种计算方法，用于设计靶向特定肽抑制剂	β-catenin和NF-κB基本调节因子	机器学习	NA	分子动力学模拟	变分自编码器（VAE）	肽序列	β-catenin抑制剂12个，NF-κB基本调节因子抑制剂4个
14206	2024-10-12	An interpretable deep learning framework identifies proteomic drivers of Alzheimer's disease 2024, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2024.1379984 PMID:39355118	研究论文	本文提出了一种可解释的深度学习框架，用于识别阿尔茨海默病的蛋白质组驱动因素	利用集成自编码器（EnsembleOmicsAE）将蛋白质组数据降维为少量潜在特征，并开发了一种计算特征重要性分数的算法，识别出线性方法未发现的信号模块	NA	研究阿尔茨海默病的蛋白质组驱动因素	阿尔茨海默病患者的脑蛋白质组数据	机器学习	阿尔茨海默病	集成自编码器（EnsembleOmicsAE）	自编码器（AE）	蛋白质组数据	559名个体
14207	2024-10-12	Evaluating Explainable Artificial Intelligence (XAI) techniques in chest radiology imaging through a human-centered Lens 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308758 PMID:39383147	研究论文	本研究评估了可解释人工智能（XAI）技术在胸部放射影像中的应用，通过以人为中心的视角进行用户研究	本研究创新性地通过用户研究评估了两种主要的视觉XAI技术（Grad-CAM和LIME）在胸部放射影像中的应用，并强调了多模态解释和提高医疗从业者对XAI系统认识的重要性	研究中存在对XAI系统价值和实际应用方面的认识不足，以及对Grad-CAM临床可用性的担忧	评估XAI技术在胸部放射影像中的应用，提高深度学习算法在诊断和治疗决策中的透明度和信任度	胸部放射影像中的肺炎和COVID-19诊断	计算机视觉	NA	深度学习（DL）	NA	影像	NA
14208	2024-10-12	Exploring neural oscillations during speech perception via surrogate gradient spiking neural networks 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1449181 PMID:39385848	研究论文	本文提出了一种生理启发的语音识别架构，展示了端到端梯度下降训练在中央尖峰神经网络中产生神经振荡的现象	本文的创新点在于展示了端到端梯度下降训练在尖峰神经网络中产生神经振荡的现象，并强调了反馈机制在调节和同步神经活动中的关键作用	NA	研究大脑中认知过程的模型，特别是语音感知过程中的神经动力学	尖峰神经网络在语音处理中的神经振荡现象	机器学习	NA	尖峰神经网络	尖峰神经网络	语音数据	NA
14209	2024-10-12	GSP-AI: An AI-Powered Platform for Identifying Key Growth Stages and the Vegetative-to-Reproductive Transition in Wheat Using Trilateral Drone Imagery and Meteorological Data 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0255 PMID:39386010	研究论文	本文介绍了一种名为GSP-AI的多模态深度学习模型，用于基于无人机采集的冠层图像和多季节气候数据识别小麦的关键生长阶段和生殖转换	提出了GSP-AI模型，结合Res2Net和LSTM架构，能够有效识别小麦的关键生长阶段并预测生殖转换时间	NA	开发一种可靠且可扩展的工具，用于在田间条件下准确评估小麦的生长阶段	小麦的生长阶段和生殖转换	计算机视觉	NA	深度学习	Res2Net和LSTM	图像和气候数据	70,410张标注图像，来自中国54个品种，英国109个品种，美国100个品种，以及关键气候因素
14210	2024-10-12	Exploring the use of deep learning models for accurate tracking of 3D zebrafish trajectories 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1461264 PMID:39386044	研究论文	本研究利用深度学习模型对斑马鱼的3D运动轨迹进行精确追踪	本研究首次使用深度学习模型对斑马鱼的3D运动轨迹进行追踪，并取得了高精度和高召回率的结果	本研究仅限于斑马鱼的3D运动追踪，未涉及其他生物或更复杂的环境	开发一种精确追踪斑马鱼3D运动轨迹的方法，以更好地理解其行为和生理状态	斑马鱼的3D运动轨迹	计算机视觉	心血管疾病	深度学习	YOLOv7	图像	21,360张图像，3,632个3D坐标
14211	2024-10-12	Assessing the performance of large language models (LLMs) in answering medical questions regarding breast cancer in the Chinese context 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241284771 PMID:39386109	研究论文	评估大型语言模型（LLMs）在中国背景下回答乳腺癌相关医学问题的表现	本研究首次系统评估了ChatGPT、ERNIE Bot和ChatGLM在中国背景下回答乳腺癌相关问题的表现	LLMs在回答乳腺癌治疗相关问题时的准确性较低，需要医疗专业人员的监督	评估和比较大型语言模型在回答中国背景下乳腺癌相关医学问题的表现	ChatGPT、ERNIE Bot和ChatGLM在回答乳腺癌相关问题时的准确性、长度和可读性	自然语言处理	乳腺癌	NA	大型语言模型（LLMs）	文本	60个乳腺癌相关问题
14212	2024-10-12	Deep Learning in Heart Sound Analysis: From Techniques to Clinical Applications 2024, Health data science DOI:10.34133/hds.0182 PMID:39387057	综述	本文综述了深度学习在心音分析中的应用，包括常用的心音数据集、基本原理和最新技术，以及当前的应用和未来改进方向	本文整合了常用的心音数据集，并介绍了心音分析和深度学习的基本原理与最新技术	现有研究需要解决挑战并改进技术以实现更广泛的临床应用	总结深度学习在心音分析中的应用及其局限性和未来改进方向	心音数据集、深度学习技术及其在心音分析中的应用	机器学习	心血管疾病	深度学习	人工神经网络	音频	NA
14213	2024-10-12	MS-CFNet: a multi-scale clinical studying-based and feature extraction-guided network for breast fibroadenoma segmentation in ultrasonography 2024-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-023-00330-7 PMID:38186950	研究论文	本文提出了一种基于多尺度临床学习和特征提取引导的网络MS-CFNet，用于超声图像中乳腺纤维腺瘤的分割	本文创新性地将放射科医生的临床诊断技能与人工智能结合，通过空间局部特征对比模块和通道递归门控注意力模块增强特征提取和边缘感知，并引入新的cosh-smooth损失函数优化肿瘤边界	NA	开发一种能够有效分割超声图像中乳腺纤维腺瘤的深度学习网络	乳腺纤维腺瘤的超声图像分割	计算机视觉	乳腺疾病	深度学习	MS-CFNet	图像	1016张临床超声图像和246张公开数据集图像
14214	2024-10-12	Superior Auto-Identification of Trypanosome Parasites by Using a Hybrid Deep-Learning Model 2023-10-27, Journal of visualized experiments : JoVE DOI:10.3791/65557 PMID:37955392	研究论文	本文介绍了一种利用混合深度学习模型自动识别锥虫寄生虫的方法	引入了一种基于混合深度学习技术的AI程序，能够从油浸显微图像中识别和分类三种锥虫物种	NA	开发一种自动化的诊断工具，以提高锥虫病的监测和控制效率	锥虫物种Trypanosoma cruzi, T. brucei, 和 T. evansi	计算机视觉	NA	混合深度学习技术	混合深度学习模型	图像	NA
14215	2024-10-12	A Knowledge Graph Approach to Elucidate the Role of Organellar Pathways in Disease via Biomedical Reports 2023-10-13, Journal of visualized experiments : JoVE DOI:10.3791/65084 PMID:37902366	研究论文	本文介绍了一种名为CaseOLAP LIFT的计算管道，用于通过提取用户选择的文本数据集中的信息来研究细胞成分及其与疾病的关联	提出了CaseOLAP LIFT计算管道，通过知识图谱自动构建和深度学习模型预测蛋白质与疾病之间的未报告关系	NA	揭示细胞途径在疾病中的作用	细胞成分及其与疾病的关联	自然语言处理	心血管疾病	知识图谱构建	深度学习模型	文本	约3400万篇文本文档
14216	2024-10-12	Patient Graph Deep Learning to Predict Breast Cancer Molecular Subtype 2023 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3290394 PMID:37379184	研究论文	研究利用深度图学习预测乳腺癌分子亚型	提出了一种基于多关系有向图的深度学习方法，结合多种诊断学科的患者信息，以更好地表示乳腺癌患者数据并预测分子亚型	未提及具体局限性	研究如何利用深度图学习方法提高乳腺癌分子亚型的预测准确性	乳腺癌患者及其分子亚型	机器学习	乳腺癌	深度图学习	关系图卷积网络	图像和基因数据	未提及具体样本数量
14217	2024-10-12	Towards in silico CLIP-seq: predicting protein-RNA interaction via sequence-to-signal learning 2023-08-04, Genome biology IF:10.1Q1 DOI:10.1186/s13059-023-03015-7 PMID:37542318	研究论文	本文介绍了一种名为RBPNet的新型深度学习方法，用于预测RNA序列在单核苷酸分辨率下的CLIP-seq交联计数分布	RBPNet通过训练多达百万个区域，在eCLIP、iCLIP和miCLIP测定中实现了高泛化能力，并超越了现有最先进的分类器	NA	开发一种能够预测蛋白质-RNA相互作用的深度学习方法	RNA序列及其与蛋白质的交联计数分布	机器学习	NA	深度学习	深度学习模型	序列数据	多达百万个区域
14218	2024-10-12	Boosting variant-calling performance with multi-platform sequencing data using Clair3-MP 2023-Aug-03, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-023-05434-6 PMID:37537536	研究论文	研究了利用多平台测序数据提升变异检测性能的方法	首次探讨了整合Oxford Nanopore和Illumina测序数据以优化变异检测性能的可能性	未详细讨论多平台数据整合的具体技术细节	探讨多平台测序数据对变异检测性能的影响	Oxford Nanopore和Illumina测序数据	基因组学	NA	第三代测序技术、下一代测序技术	深度学习模型	测序数据	未具体说明样本数量
14219	2024-10-12	Deep learning of longitudinal mammogram examinations for breast cancer risk prediction 2022-Dec, Pattern recognition IF:7.5Q1 DOI:10.1016/j.patcog.2022.108919 PMID:37089470	研究论文	本文提出了一种新的深度学习结构LRP-NET，用于捕捉多次乳腺X光检查中的时空变化，以预测近期乳腺癌风险	首次设计了能够捕捉多次乳腺X光检查中时空信息的深度学习模型，用于乳腺癌风险预测	研究样本量较小，仅涉及200名患者，未来需要在大规模数据集上验证模型效果	开发一种能够利用多次乳腺X光检查中的时空信息来预测乳腺癌风险的深度学习模型	多次乳腺X光检查中的时空变化信息	计算机视觉	乳腺癌	深度学习	LRP-NET	图像	200名患者，每人进行四次检查，共3200张图像
14220	2024-10-12	A general skull stripping of multiparametric brain MRIs using 3D convolutional neural network 2022-06-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-14983-4 PMID:35760886	研究论文	本文提出了一种基于3D卷积神经网络的多参数脑部MRI的去颅骨方法	本文的创新点包括：1) 提出了一种全自动的端到端去颅骨方法；2) 适用于多参数MRI扫描，并可定制任何MRI模态组合；3) 不仅适用于健康脑部MRI，还适用于GBM手术前后的脑部MRI；4) 处理多中心数据；5) 首次定量比较了不同模态下的去颅骨性能	NA	研究目的是提高多参数脑部MRI的去颅骨准确性，以促进后续的神经影像分析	研究对象包括健康脑部和GBM手术前后的脑部MRI	计算机视觉	脑肿瘤	3D卷积神经网络	3DCNN	MRI图像	共收集了815例病例，包括有/无胶质母细胞瘤（GBM）的病例