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
14701	2024-10-04	Comparison Study of Computational Prediction Tools for Drug-Target Binding Affinities 2019, Frontiers in chemistry IF:3.8Q2 DOI:10.3389/fchem.2019.00782 PMID:31824921	综述	本文综述了用于预测药物-靶点结合亲和力的计算预测工具，重点关注人工智能、机器学习和深度学习方法	首次全面比较分析了基于AI/ML/DL的DTBA预测工具	NA	探讨药物-靶点相互作用预测方法，特别是结合亲和力的预测	药物-靶点结合亲和力预测工具及其相关基准数据集和数据库	机器学习	NA	人工智能、机器学习、深度学习	NA	NA	NA
14702	2024-10-04	Peptide-Major Histocompatibility Complex Class I Binding Prediction Based on Deep Learning With Novel Feature 2019, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2019.01191 PMID:31850062	研究论文	本文提出了一种基于深度学习的新特征来预测肽与主要组织相容性复合体I类（MHC I）蛋白的结合亲和力	本文采用了深度卷积神经网络（CNN）来预测肽与MHC I的结合亲和力，并引入了新的特征，如序列顺序、疏水性指数、极性和肽长度，以提高预测准确性	本文未详细讨论模型的泛化能力和在不同数据集上的表现	开发一种更准确的预测肽与MHC I结合亲和力的方法，以支持基于肽的疫苗开发	肽与MHC I蛋白的结合亲和力	机器学习	NA	深度学习	CNN	序列数据	涉及数十种肽数据
14703	2024-10-04	Modeling positional effects of regulatory sequences with spline transformations increases prediction accuracy of deep neural networks 2018-04-15, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btx727 PMID:29155928	研究论文	本文开发了一种基于样条变换的神经网络模块，用于灵活且稳健地建模距离，显著提高了深度神经网络对体内RNA结合蛋白结合位点的预测准确性	提出了样条变换方法，用于在深度神经网络中建模基因组地标之间的相对距离，相比传统的分段线性变换，样条变换在预测准确性、训练速度和鲁棒性方面表现更优	NA	提高深度神经网络对基因调控序列的预测准确性	RNA结合蛋白结合位点和人类剪接分支点	机器学习	NA	深度学习	深度神经网络	基因组数据	123种蛋白质中的120种
14704	2024-10-04	Toward an Integration of Deep Learning and Neuroscience 2016, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2016.00094 PMID:27683554	研究论文	本文探讨了深度学习和神经科学之间的整合，提出大脑可能优化成本函数并在预结构化架构内进行操作	提出大脑可能优化多样化的成本函数，并在预结构化架构内进行操作，这与传统的人工神经网络优化方法不同	文章主要基于假设和理论推断，缺乏直接的实验证据支持	探讨深度学习和神经科学之间的联系，提出大脑可能的优化机制	大脑的计算机制和优化过程	机器学习	NA	NA	NA	NA	NA
14705	2024-10-03	Advances in Oral Exfoliative Cytology: From Cancer Diagnosis to Systemic Disease Detection 2024-Nov, Diagnostic cytopathology IF:1.0Q4 DOI:10.1002/dc.25400 PMID:39219248	综述	本文综述了口腔脱落细胞学在癌症诊断和系统性疾病检测中的应用及最新进展	本文介绍了细胞采集和制备方法的改进、分子标记和DNA分析的整合、系统性疾病检测的新应用以及计算机辅助分析和深度学习算法的潜力	标准化和广泛临床应用仍面临挑战	评估口腔脱落细胞学在口腔和系统性疾病诊断中的当前状态和未来潜力	口腔脱落细胞学技术及其在癌症和系统性疾病检测中的应用	NA	NA	口腔脱落细胞学	深度学习	细胞	NA
14706	2024-10-03	Accurate nuclear quantum statistics on machine-learned classical effective potentials 2024-Oct-07, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0226764 PMID:39352405	研究论文	本文利用深度学习和多尺度粗粒化技术，通过机器学习势能来准确表示对经典势能的修正，从而显著降低路径积分分子动力学模拟中核量子效应的计算成本	本文提出了一种利用机器学习势能来准确表示对经典势能的修正的方法，显著降低了模拟核量子效应的计算成本	NA	旨在通过机器学习技术减轻路径积分分子动力学模拟中核量子效应的计算负担	氢键系统的核量子效应，包括生物分子	机器学习	NA	路径积分分子动力学 (PIMD)	深度学习模型	势能	四个不同系统：Morse势、Zundel阳离子、单个水分子和大量水
14707	2024-10-03	Automated High-Throughput Atomic Force Microscopy Single-Cell Nanomechanical Assay Enabled by Deep Learning-Based Optical Image Recognition 2024-Oct-02, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.4c03861 PMID:39302697	研究论文	本文介绍了一种基于深度学习图像识别辅助的原子力显微镜（AFM）自动化高通量单细胞纳米力学测量方法	利用深度学习技术实现了AFM的自动化和高通量单细胞纳米力学测量，减少了人工操作的依赖	NA	开发一种自动化的高通量单细胞纳米力学测量方法，以提高AFM在机械生物学中的应用效率	单细胞的纳米力学特性	计算机视觉	NA	原子力显微镜（AFM）	深度学习模型	图像	NA
14708	2024-10-03	Advancing the Prediction of MS/MS Spectra Using Machine Learning 2024-Oct-02, Journal of the American Society for Mass Spectrometry IF:3.1Q1 DOI:10.1021/jasms.4c00154 PMID:39258761	研究论文	本文探讨了使用机器学习技术预测串联质谱（MS/MS）谱图的挑战和改进策略	本文提出了使用机器学习和深度学习技术来提高MS/MS谱图预测的速度和准确性	现有方法在处理广泛的小分子时面临速度和准确性的挑战，且通用机器学习基准策略可能导致误导性的准确性评分	提高MS/MS谱图预测的准确性和速度	串联质谱（MS/MS）谱图	机器学习	NA	串联质谱（MS/MS）	机器学习模型	谱图数据	广泛的小分子
14709	2024-10-03	Galileo-an Artificial Intelligence tool for evaluating pre-implantation kidney biopsies 2024-Oct-02, Journal of nephrology IF:2.7Q2 DOI:10.1007/s40620-024-02094-4 PMID:39356416	研究论文	本文介绍了一种名为Galileo的人工智能工具，用于辅助病理学家评估移植前肾脏活检	Galileo工具通过深度学习算法，能够快速准确地检测肾脏活检中的主要发现，显著提高了评估速度并减少了观察者间变异性	Galileo工具的性能需要在更多数据集上进行验证，并且需要基于硬终点如移植肾存活率进行进一步改进	开发一种能够辅助病理学家快速准确评估移植前肾脏活检的人工智能工具	移植前肾脏活检的评估	数字病理学	NA	深度学习算法	深度学习模型	图像	多中心队列中收集的来自肾脏核心针和楔形活检的全切片图像
14710	2024-10-03	A review of the emerging technologies and systems to mitigate food fraud in supply chains 2024-Oct-02, Critical reviews in food science and nutrition IF:7.3Q1 DOI:10.1080/10408398.2024.2405840 PMID:39356551	综述	本文综述了新兴技术和系统在供应链中缓解食品欺诈的应用	本文介绍了手持激光诱导击穿光谱（LIBS）和智能手机光谱等新技术，以及多功能设备与深度学习策略结合的潜力	实验室技术向工业应用的转化仍存在显著差距	探讨新兴技术和策略在缓解食品欺诈中的应用及其关键障碍	食品供应链中的欺诈问题	NA	NA	激光诱导击穿光谱（LIBS）、光谱技术、分离技术	深度学习	食品指纹	NA
14711	2024-10-03	Effectiveness of data-augmentation on deep learning in evaluating rapid on-site cytopathology at endoscopic ultrasound-guided fine needle aspiration 2024-09-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72312-3 PMID:39341885	研究论文	研究数据增强技术在深度学习评估内镜超声引导下细针穿刺细胞学快速现场评估中的效果	开发了一种基于人工智能的ROSE-AI系统，并通过数据增强技术提高了其诊断准确性	某些数据增强技术反而降低了诊断能力	探讨数据增强技术对ROSE-AI系统诊断能力的影响	内镜超声引导下细针穿刺细胞学快速现场评估	计算机视觉	胰腺癌	数据增强技术	深度学习模型	图像	4059张EUS-FNA切片图像，来自45名患者
14712	2024-10-03	Combining 2.5D deep learning and conventional features in a joint model for the early detection of sICH expansion 2024-09-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73415-7 PMID:39341957	研究论文	研究通过结合2.5D深度学习和传统特征，建立联合模型用于早期检测sICH扩展	首次将2.5D深度学习特征与临床特征、放射学标志和放射组学签名结合，建立联合模型用于早期sICH扩展的预测	研究为回顾性，样本量有限，需进一步前瞻性研究和多中心验证	评估联合模型在早期sICH扩展预测中的性能，并比较其与其他模型的表现	sICH患者的早期扩展风险	机器学习	脑血管疾病	2.5D深度学习	联合模型	图像	254名sICH患者
14713	2024-10-03	Microbe-drug association prediction model based on graph convolution and attention networks 2024-09-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71834-0 PMID:39333143	研究论文	本文提出了一种基于图卷积和注意力网络的微生物-药物关联预测模型	该模型结合了图卷积网络和图注意力网络，旨在通过学习相关特征揭示微生物与药物之间的潜在关系，从而提高预测的效率和准确性	NA	解决传统实验方法在预测潜在微生物-药物关联中的不足	微生物与药物之间的关联	机器学习	NA	图卷积网络（GCN）和图注意力网络（GAT）	GCNATMDA	微生物-药物关联矩阵	NA
14714	2024-10-03	Deep learning domain adaptation to understand physico-chemical processes from fluorescence spectroscopy small datasets and application to the oxidation of olive oil 2024-09-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73054-y PMID:39333249	研究论文	本文提出了一种利用领域适应和预训练视觉模型的新方法，结合新颖的可解释性算法，来分析荧光光谱数据中的物理化学过程	本文的创新点在于利用领域适应和预训练视觉模型，结合新颖的可解释性算法，将深度学习应用于荧光光谱数据分析，使其从黑箱转变为理解复杂生物和化学过程的工具	本文的局限性在于所使用的数据集通常较小且稀疏，且荧光激发-发射矩阵（EEMs）的高维度和重叠光谱特征增加了分析难度	本文的研究目的是通过深度学习方法分析荧光光谱数据，特别是荧光激发-发射矩阵（EEMs），以理解物理化学过程	本文的研究对象是荧光光谱数据，特别是橄榄油氧化过程中的荧光激发-发射矩阵（EEMs）	机器学习	NA	深度学习	神经网络	光谱数据	小数据集
14715	2024-10-03	A novel hybrid deep learning IChOA-CNN-LSTM model for modality-enriched and multilingual emotion recognition in social media 2024-09-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73452-2 PMID:39333289	研究论文	本文提出了一种新的混合深度学习模型IChOA-CNN-LSTM，用于社交媒体中的多模态和多语言情感识别	引入了IChOA-CNN-LSTM混合模型，结合CNN进行精确的图像特征提取，LSTM网络进行序列数据分析，以及改进的Chimp优化算法进行有效的特征融合	NA	通过多模态数据分析，理解公众在COVID-19疫情中的情感状态	从Twitter等平台获取的文本、图像、音频和视频数据	自然语言处理	NA	NA	CNN, LSTM	文本, 图像, 音频, 视频	NA
14716	2024-10-03	Impact of a deep learning-based brain CT interpretation algorithm on clinical decision-making for intracranial hemorrhage in the emergency department 2024-09-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73589-0 PMID:39333329	研究论文	研究评估了基于深度学习的脑CT解读算法对急诊部门颅内出血临床决策的影响	首次在模拟临床环境中评估深度学习算法对颅内出血诊断的影响	研究样本量较小，仅涉及十名急诊医疗专业人员	评估深度学习算法在急诊部门颅内出血诊断中的实际应用效果	急诊医疗专业人员在有无深度学习算法辅助下的诊断表现和决策一致性	计算机视觉	颅内出血	深度学习	NA	图像	十名急诊医疗专业人员
14717	2024-10-03	A Data-Centric Approach to improve performance of deep learning models 2024-09-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73643-x PMID:39333381	研究论文	本文探讨了从模型为中心转向数据为中心的方法，以提高深度学习模型的性能	提出了数据为中心的方法，通过数据增强、多阶段哈希和置信学习等技术生成高质量数据，以提升模型性能	数据为中心的方法面临生成高质量数据、确保数据隐私和解决数据偏见等挑战	旨在通过数据为中心的方法生成高质量数据，以提高深度学习模型的性能	研究了MNIST、Fashion MNIST和CIFAR-10等流行数据集，并使用ResNet-18作为通用框架进行实验	机器学习	NA	数据增强、多阶段哈希、置信学习	ResNet-18	图像	涉及MNIST、Fashion MNIST和CIFAR-10等流行数据集
14718	2024-10-03	Length-scale study in deep learning prediction for non-small cell lung cancer brain metastasis 2024-09-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73428-2 PMID:39333630	研究论文	研究深度学习在非小细胞肺癌脑转移预测中的长度尺度特征	开发了一种新方法来研究深度神经网络预测能力背后的特征长度尺度，并应用于分析深度神经网络在预测非小细胞肺癌脑转移中的能力	随着深度神经网络架构的规模和复杂性增加，其可解释性降低，难以解释病理特征以获得更广泛的临床见解	评估数字显微图像的可解释性，并指导未来显微系统设计	深度神经网络在预测非小细胞肺癌脑转移中的特征长度尺度	数字病理学	肺癌	深度学习	深度神经网络	图像	NA
14719	2024-10-03	A deep learning model for differentiating paediatric intracranial germ cell tumour subtypes and predicting survival with MRI: a multicentre prospective study 2024-Sep-11, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-024-03575-w PMID:39256746	研究论文	本研究开发了一种基于深度学习的模型iGNet，用于通过MRI图像区分儿童颅内生殖细胞肿瘤亚型并预测生存率	首次利用深度学习模型iGNet通过术前MR T2加权成像区分颅内生殖细胞肿瘤亚型，并预测生存率	研究样本量相对较小，且仅限于颅内生殖细胞肿瘤	开发一种深度学习模型，用于辅助区分颅内生殖细胞肿瘤亚型并预测生存率	儿童颅内生殖细胞肿瘤亚型及其生存率预测	计算机视觉	NA	深度学习	nnUNet	MRI图像	280例病理证实的颅内生殖细胞肿瘤患者，包括83例生殖细胞瘤和117例非生殖细胞瘤性生殖细胞肿瘤
14720	2024-09-14	Heat wave attribution assessment using deep learning 2024-Sep, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00700-w PMID:39266671	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA