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
14281	2024-08-07	Evaluating the utility of deep learning for predicting therapeutic response in diabetic eye disease 2022, Frontiers in ophthalmology DOI:10.3389/fopht.2022.852107 PMID:36744216	研究论文	本研究评估了深度学习在糖尿病眼病治疗反应预测中的应用	探索了在样本量有限的情况下，使用深度学习技术预测治疗反应的可能性	在数据集较小的情况下，深度学习模型在预测治疗反应方面的表现受限	理解深度学习在眼科临床问题中的实用性，特别是在预测治疗反应方面	使用深度学习模型预测糖尿病眼病的治疗反应	机器学习	糖尿病眼病	深度学习	CNN	图像	29个临床试验数据集，217张超广角血管造影图像
14282	2024-08-07	Deep learning and optical coherence tomography in glaucoma: Bridging the diagnostic gap on structural imaging 2022, Frontiers in ophthalmology DOI:10.3389/fopht.2022.937205 PMID:38983522	综述	本文综述了利用深度学习算法和光学相干断层扫描（OCT）在青光眼诊断中的应用，特别是在结构影像方面的进展	介绍了深度学习算法在自动化检测青光眼损伤和进展方面的创新进展，以及如何利用OCT数据改进眼底摄影中青光眼损伤的检测	NA	探讨深度学习模型在青光眼检测中的应用，并展望这些发现在未来老化和基础科学领域的应用	青光眼的诊断和进展检测	计算机视觉	青光眼	光学相干断层扫描（OCT）	深度学习（DL）	影像	NA
14283	2024-08-07	Individual dairy cow identification based on lightweight convolutional neural network 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0260510 PMID:34843562	研究论文	本研究利用深度学习技术，通过改进的轻量级卷积神经网络Alexnet，实现了在复杂背景下的个体奶牛识别	提出了一种改进的轻量级卷积神经网络模型，通过短路连接的BasicBlock和改进的inception模块及注意力机制，提高了特征点的检测能力，同时减少了模型参数	NA	提高农场中个体奶牛识别技术的实用性和效率	个体奶牛的图像识别	计算机视觉	NA	卷积神经网络	CNN	图像	13头奶牛的侧视图像
14284	2024-08-05	A review of ADHD detection studies with machine learning methods using rsfMRI data 2024-Aug, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5138 PMID:38472163	综述	本文综述了基于静息状态功能磁共振成像(rsfMRI)数据和机器学习方法的ADHD检测研究	该研究首次专门调查了ADHD的检测，并详细比较了现有研究的性能优缺点	文章未提及具体数据的样本大小和类型	研究旨在评估rsfMRI数据与机器学习方法在ADHD检测中的应用	研究对象为ADHD相关的fMRI数据和机器学习检测方法	机器学习	注意力缺陷多动障碍	rsfMRI	机器学习	fMRI数据	NA
14285	2024-08-05	A review of self-supervised, generative, and few-shot deep learning methods for data-limited magnetic resonance imaging segmentation 2024-Aug, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5143 PMID:38523402	review	该文章回顾了用于数据有限的磁共振成像分割的自监督、生成和少样本深度学习方法	创新点在于总结了利用少量标注样本的最新算法，并探讨了自监督学习、生成模型、少样本学习和半监督学习的基本原理	本综述没有深入探讨所有最新算法的细节，只是提供了一个概述	本研究的目的是回顾在数据有限情况下进行的磁共振成像分割的先进算法	研究对象包括心脏、腹部和脑部的磁共振成像分割应用	数字病理	NA	NA	自监督学习、生成模型、少样本学习和半监督学习	MRI图像	NA
14286	2024-08-05	Engineering a Robust UDP-Glucose Pyrophosphorylase for Enhanced Biocatalytic Synthesis via ProteinMPNN and Ancestral Sequence Reconstruction 2024-Jul-10, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.4c03126 PMID:38918953	研究论文	本研究关注于通过多酶催化合成UDP-葡萄糖，采用深度学习和祖先序列重建工程化热稳定UGP变体	创新点在于利用深度学习和祖先序列重建设计了一个热稳定性显著提高的UDP-葡萄糖焦磷酸酶变体	NA	研究UDP-葡萄糖的合成方法以降低成本	UDP-葡萄糖焦磷酸酶及其工程化变体	生物催化	NA	深度学习	NA	化学反应数据	实验验证了工程化UGP变体的合成能力，合成量为52.6 mM
14287	2024-08-05	Transformer-Based Weakly Supervised Learning for Whole Slide Lung Cancer Image Classification 2024-Jul-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3425434 PMID:38980777	研究论文	本文提出了一种基于变压器的弱监督学习框架，用于肺癌全切片图像分类	提出了一个新的两阶段变压器框架SSRViT，有效利用弱标签来解决标注成本高和注释一致性差的问题	未提及手动注释的需要和适用性问题	旨在改善肺癌全切片图像分类的准确性	研究对象为肺癌全切片图像及其不同类型的组织	计算机视觉	肺癌	变压器	SRViT和SViT	图像	在训练中使用的样本数量未提及
14288	2024-08-05	In silico design of DNA sequences for in vivo nucleosome positioning 2024-Jul-08, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae468 PMID:38828788	研究论文	本研究提出了一种结合动力学Monte Carlo框架和基于深度学习预测的深度突变筛选的计算方法，用于设计合成DNA序列	提出了一种新的计算方法，可用于优化酵母中的核小体排列，同时创建能够容纳更大重复长度的合成序列	RNA-seq结果表明这些序列的转录并非由核小体重复长度驱动	旨在在合成基因组领域中设计具有特定体内性质的合成DNA序列	针对特定核小体重复长度的合成DNA序列进行设计和验证	合成基因组学	NA	深度学习、RNA-seq	NA	DNA序列	涉及数千千碱基长的计算优化序列
14289	2024-08-05	A deep learning-driven discovery of berberine derivatives as novel antibacterial against multidrug-resistant Helicobacter pylori 2024-Jul-08, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-024-01895-0 PMID:38972904	研究论文	这篇文章提出了一种基于深度学习的图神经网络模型，用于发现对抗多药耐药幽门螺旋杆菌的新型小分子。	文章创新性地开发了一种新的小分子8，其在抗药性幽门螺旋杆菌中表现出优异的抑菌活性，并确定其靶标为SecA和BamD。	尚未提及具体的临床试验数据或长期安全性评估。	研究旨在发现新的抗幽门螺旋杆菌药物，以应对其耐药性问题。	研究对象为新发现的berberine衍生物以及幽门螺旋杆菌的药物敏感性和耐药性菌株。	机器学习	幽门螺旋杆菌感染	化学蛋白组学	图神经网络	分子数据	使用了13,638个分子的训练集
14290	2024-08-05	Mining the interpretable prognostic features from pathological image of intrahepatic cholangiocarcinoma using multi-modal deep learning 2024-Jul-08, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-024-03482-0 PMID:38972973	研究论文	该研究建立了一种可解释的深度学习模型，从肝内胆管癌的病理图像中提取预后特征	提出了一种综合的预后神经网络，并且通过多模态数据提取与临床结果相关的形态特征	缺乏可解释性仍然是临床应用的一个重要障碍	研究肝内胆管癌的病理图像分析与癌症预后之间的关系	373名肝内胆管癌患者的病理图像	数字病理学	肝内胆管癌	深度学习	集成神经网络	图像和多组学数据	373名肝内胆管癌患者
14291	2024-08-05	LVPocket: integrated 3D global-local information to protein binding pockets prediction with transfer learning of protein structure classification 2024-Jul-07, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00871-8 PMID:38972994	研究论文	本文提出了一种新方法LVPocket，能够整合局部和全局信息以提高蛋白质结合位点预测的精确度	通过整合Transformer编码器，本研究创新性地捕获了蛋白质结构的局部与全局信息	研究未详细讨论模型在极端蛋白质折叠结构上的适用性	旨在改进蛋白质结合位点预测的准确性	不同结构类别的蛋白质及其结合位点	计算机视觉	NA	转移学习	Transformer	蛋白质结构数据	四种不同结构类别的蛋白质数据
14292	2024-08-05	Exploring the efficacy of GRU model in classifying the signal to noise ratio of microgrid model 2024-Jul-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66387-1 PMID:38971840	研究论文	本文提出了一种名为噪声分类仿真模型（NCSM）的分类模型，用于实时预测微电网系统中的信噪比（SNR）值	创新点在于利用深度学习模型GRU进行信号到噪声比的分类预测，提供了一种新的方法应对微电网中的噪声干扰	本文的具体局限性未作详细说明	研究旨在确保微电网系统操作的稳定性，通过预测因通信网络引起的噪声	主要研究对象为微电网系统的信号到噪声比（SNR）	机器学习	NA	深度学习	GRU	网络流量数据	实验结果未提供具体的样本数量
14293	2024-08-05	Learning dynamical systems from data: An introduction to physics-guided deep learning 2024-Jul-02, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2311808121 PMID:38913886	研究论文	介绍了物理指导深度学习的框架，重点是学习动态系统	将第一性原理的物理知识整合到数据驱动方法中，以便更好地解决科学问题	传统物理建模依赖于强假设和昂贵的数值积分，需要显著的计算资源和领域专长	旨在通过物理指导的深度学习来建模复杂的物理动态	复杂物理动态和动态系统的学习	机器学习	NA	深度学习	NA	NA	NA
14294	2024-08-05	Pairing interacting protein sequences using masked language modeling 2024-Jul-02, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2311887121 PMID:38913900	研究论文	本文开发了一种基于掩蔽语言模型的相互作用蛋白质序列配对方法	提出了差异化配对（DiffPALM）方法，利用MSA Transformer在多序列比对中填充掩蔽氨基酸的能力	依赖于MSA Transformer的表现，未进行微调，对单链数据的训练可能影响性能	预测氨基酸序列中相互作用的蛋白质对	两种蛋白质家族的平行异构体	计算机视觉	NA	MSA Transformer	NA	氨基酸序列	从普遍存在的原核生物蛋白质数据集中提取的浅层多序列比对的困难基准
14295	2024-08-05	A lightweight hybrid model for the automatic recognition of uterine fibroid ultrasound images based on deep learning 2024 Jul-Aug, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.23703 PMID:38676550	研究论文	该文章提出了一种轻量级混合模型，用于自动识别子宫肌瘤的超声图像	结合了MobileNetV2网络和深度卷积生成对抗网络（DCGAN），创新性地用于子宫肌瘤的自动分类和特征评估	NA	提高子宫肌瘤超声图像的自动分类精度和速度	子宫肌瘤的超声图像	计算机视觉	NA	深度学习	MobileNetV2和DCGAN	图像	NA
14296	2024-08-05	Hybrid deep learning assisted multi classification: Grading of malignant thyroid nodules 2024-Jul, International journal for numerical methods in biomedical engineering IF:2.2Q2 DOI:10.1002/cnm.3824 PMID:38736034	研究论文	本研究提出了一种混合深度学习辅助的多分类方法，用于恶性甲状腺结节的分级	开发了一种创新的混合深度学习模型，结合了多种特征提取和分类技术，以提高甲状腺结节的准确性和效率	在甲状腺结节检测中仍然面临准确性和有效性的挑战	研究旨在提高甲状腺结节的检测和分类能力	研究对象为甲状腺结节的影像	计算机视觉	甲状腺癌	深度学习	混合模型（Deep Maxout和CNN）	图像	NA
14297	2024-08-05	Tracing unknown tumor origins with a biological-pathway-based transformer model 2024-Jun-17, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100797 PMID:38889685	研究论文	本文开发了一种融合生物途径知识的深度学习模型BPformer，用于识别未知原发肿瘤的来源	BPformer通过结合生物途径知识和变换器模型，显著提高了肿瘤起源识别的准确性	在本文中未提及该方法的潜在局限性	研究未知原发癌的肿瘤来源识别	使用10410个来自32种癌症类型的主要肿瘤的转录组数据进行训练	机器学习	NA	深度学习	变换器模型	转录组数据	10410个主要肿瘤样本
14298	2024-08-05	Subtype-WGME enables whole-genome-wide multi-omics cancer subtyping 2024-Jun-17, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100781 PMID:38761803	研究论文	本研究提出了一种创新策略，整合全基因组多组学数据，以促进癌症亚型分类	提出了一种利用高维组学数据隐层特征的多任务编码器进行自适应融合的策略	NA	探索基因组广泛数据在癌症研究中的整合潜力和实际应用	针对八个基准癌症数据集的癌症亚型分类进行实证评估	数字病理学	癌症	多组学	多任务编码器	基因组数据	八个基准癌症数据集
14299	2024-08-05	Detecting fungi-affected multi-crop disease on heterogeneous region dataset using modified ResNeXt approach 2024-Jun-11, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-12790-0 PMID:38862723	研究论文	本文探讨了在不同区域数据集中使用改进的ResNeXt方法检测受真菌影响的多作物病害	提出了一种改进的ResNeXt CNN模型，显示出比现有方法更好的真菌病害预测能力	针对不同区域的数据集中，真菌病害检测的研究较少	研究农作物中真菌病害的检测方法以提高农业生产	主要研究苹果、番石榴和奶油苹果三种作物中的真菌病害	计算机视觉	NA	卷积神经网络（CNN）	改进的ResNeXt	图像	14,408张图像，涵盖三种不同作物的真菌病害
14300	2024-08-05	Integrating Deep Learning with Electronic Health Records for Early Glaucoma Detection: A Multi-Dimensional Machine Learning Approach 2024-Jun-07, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11060577 PMID:38927813	研究论文	本研究开发了一种基于深度学习模型的青光眼检测预测模型	结合临床数据、社会行为风险因素和人口统计数据进行青光眼检测的多维机器学习方法	仅使用电子健康记录数据时模型准确性较低，难以与结合影像数据的模型相媲美	利用深度学习模型和电子健康记录数据进行青光眼早期检测	1652名参与者，其中826名为对照组，826名为青光眼患者	机器学习	青光眼	深度学习	随机森林、梯度提升、顺序模型	临床数据、社会行为风险因素和人口统计数据	1652名参与者