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
14801	2024-10-01	Early Detection of Mental Health Crises through Artifical-Intelligence-Powered Social Media Analysis: A Prospective Observational Study 2024-Sep-09, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm14090958 PMID:39338211	研究论文	本研究探讨了利用人工智能分析社交媒体数据以早期检测心理健康危机的潜力	开发了一种多模态深度学习模型，结合自然语言处理和时间分析技术，能够跨语言和文化背景准确检测心理健康危机	存在伦理挑战，包括隐私问题、潜在的污名化和文化偏见	探索人工智能在分析社交媒体数据以识别心理健康危机早期迹象方面的潜力	社交媒体数据，包括来自Twitter、Reddit和Facebook的996,452条多语言帖子	机器学习	NA	多模态深度学习	深度学习模型	文本	996,452条社交媒体帖子，涵盖英语、西班牙语、普通话和阿拉伯语
14802	2024-10-01	YOLO-PBESW: A Lightweight Deep Learning Model for the Efficient Identification of Indomethacin Crystal Morphologies in Microfluidic Droplets 2024-Sep-06, Micromachines IF:3.0Q2 DOI:10.3390/mi15091136 PMID:39337796	研究论文	提出了一种改进的YOLOv8算法（YOLO-PBESW）用于高效识别微流体液滴中吲哚美辛晶体的不同形态	通过集成高分辨率特征层P2和BiFPN结构增强了小目标检测能力，并采用EMA机制提升网络对全局特征的关注，同时使用SimSPPF替代SPPF以降低计算成本和推理时间，以及用WIoUv3替代CIoU损失函数以提高检测性能	NA	开发一种轻量级深度学习模型，用于高效识别微流体液滴中吲哚美辛晶体的不同形态	吲哚美辛晶体的不同形态	计算机视觉	NA	深度学习	YOLOv8	图像	NA
14803	2024-10-01	DTVF: A User-Friendly Tool for Virulence Factor Prediction Based on ProtT5 and Deep Transfer Learning Models 2024-Sep-05, Genes IF:2.8Q2 DOI:10.3390/genes15091170 PMID:39336761	研究论文	本文提出了一种基于ProtT5和深度迁移学习模型的用户友好型工具DTVF，用于预测病原体的毒力因子	本文创新性地将长短期记忆网络（LSTM）与卷积神经网络（CNN）结合，并引入注意力机制，显著提高了毒力因子检测的准确性	NA	解决生物信息学领域中病原体毒力因子识别的重要问题	病原体的毒力因子	机器学习	NA	深度迁移学习	LSTM和CNN	蛋白质序列	NA
14804	2024-10-01	Deep Learning-Based Obesity Identification System for Young Adults Using Smartphone Inertial Measurements 2024-Sep-04, International journal of environmental research and public health DOI:10.3390/ijerph21091178 PMID:39338061	研究论文	本文提出了一种基于深度学习的肥胖识别系统，利用智能手机的惯性测量数据来识别年轻人的肥胖情况	本文创新性地将智能手机的惯性测量数据与深度学习模型结合，用于识别肥胖	研究样本较小，且排除了步态异常的个体	开发一种基于智能手机惯性测量数据的深度学习模型，用于识别年轻人的肥胖情况	年轻人的肥胖识别	机器学习	NA	惯性测量	CNN, LSTM, CNN-LSTM	惯性测量数据	训练集包含138名受试者，测试集包含35名受试者
14805	2024-10-01	Enhancing Missense Variant Pathogenicity Prediction with MissenseNet: Integrating Structural Insights and ShuffleNet-Based Deep Learning Techniques 2024-Sep-02, Biomolecules IF:4.8Q1 DOI:10.3390/biom14091105 PMID:39334871	研究论文	本文提出了一种名为MissenseNet的模型，通过整合AlphaFold2的蛋白质结构预测和基于ShuffleNet的深度学习技术，提高了错义变异致病性预测的准确性	MissenseNet模型不仅利用了传统的预测特征，还整合了AlphaFold2的蛋白质结构预测数据，并通过ShuffleNet架构中的编码器-解码器框架和Squeeze-and-Excitation模块优化了特征融合和交互	NA	提高错义变异致病性预测的准确性，以支持疾病诊断和个性化治疗策略	错义变异的致病性分类	机器学习	NA	深度学习	ShuffleNet	蛋白质结构数据	NA
14806	2024-10-01	MuToN Quantifies Binding Affinity Changes upon Protein Mutations by Geometric Deep Learning 2024-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202402918 PMID:38995072	研究论文	本文介绍了一种名为MuToN的几何深度学习框架，用于量化蛋白质突变后结合亲和力的变化	MuToN利用几何注意力网络，能够捕捉突变复合物蛋白质结合界面的变化，并评估氨基酸的变构效应	NA	评估蛋白质突变对蛋白质-蛋白质结合亲和力的影响	蛋白质突变后的结合亲和力变化	机器学习	NA	几何深度学习	几何注意力网络	蛋白质结合界面数据	涉及SARS-CoV-2变体与ACE2复合物的结合亲和力变化
14807	2024-10-01	Text-to-Microstructure Generation Using Generative Deep Learning 2024-Sep, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202402685 PMID:38770745	研究论文	本文提出了一种基于生成深度学习的文本到微观结构生成网络Txt2Microstruct-Net，能够直接从文本提示生成3D材料微观结构	首次提出了一种文本到微观结构的生成网络，无需额外优化过程，且能够生成多种几何表示	尚未提及	开发一种能够从文本直接生成3D材料微观结构的生成网络	材料微观结构和超材料的设计	机器学习	NA	生成深度学习	生成网络	微观结构-描述对数据集	大量微观结构-描述对数据
14808	2024-10-01	Comparison of deep learning models to traditional Cox regression in predicting survival of colon cancer: Based on the SEER database 2024-Sep, Journal of gastroenterology and hepatology IF:3.7Q2 DOI:10.1111/jgh.16598 PMID:38725241	研究论文	本研究使用深度学习算法预测结肠癌患者的生存率，并与传统的Cox回归模型进行性能比较	深度学习模型在预测结肠癌患者生存率方面表现出比传统Cox回归模型更好的性能	NA	比较深度学习模型与传统Cox回归模型在预测结肠癌患者生存率方面的性能	结肠癌患者的生存率预测	机器学习	结肠癌	深度学习	人工神经网络 (ANN), 深度神经网络 (DNN), 长短期记忆 (LSTM) 神经网络	文本	训练集10596例，测试集4536例
14809	2024-10-01	Data-driven discrete fractional chaotic systems, new numerical schemes and deep learning 2024-Sep-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0218662 PMID:39345192	研究论文	本文提出了一种基于数据驱动的离散分数阶混沌系统的新数值方案和深度学习方法	本文首次提出了针对Caputo和Riemann-Liouville类型的延迟分数阶差分方程的新数值方案，并利用神经网络方法估计离散分数阶混沌系统的未知参数	NA	研究数据驱动的分数阶混沌系统中的参数估计问题	离散分数阶混沌系统的参数估计	机器学习	NA	神经网络	神经网络	数值数据	NA
14810	2024-10-01	Accurate deep learning-based filtering for chaotic dynamics by identifying instabilities without an ensemble 2024-Sep-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0230837 PMID:39345191	研究论文	研究使用深度学习方法在混沌动力学中进行数据同化（DA）方案的发现	提出了一种无需集合的深度学习方法，能够准确地进行混沌动力学的数据同化，达到了与最佳调谐的集合卡尔曼滤波器相当的精度	假设动力学已知，且仅在Lorenz 96动力学模型上进行了实验	探索深度学习在混沌动力学数据同化中的应用	数据同化中的分析步骤，特别是从状态轨迹和观测中学习分析步骤	机器学习	NA	深度学习	残差卷积神经网络	时间序列数据	Lorenz 96动力学模型
14811	2024-10-01	DRpred: A Novel Deep Learning-Based Predictor for Multi-Label mRNA Subcellular Localization Prediction by Incorporating Bayesian Inferred Prior Label Relationships 2024-Aug-26, Biomolecules IF:4.8Q1 DOI:10.3390/biom14091067 PMID:39334834	研究论文	提出了一种基于深度学习的mRNA亚细胞定位预测模型DRpred，结合贝叶斯推断的先验标签关系和神经网络进行预测	DRpred通过贝叶斯网络捕捉标签间的依赖关系，并结合Word2vec提取的特征，使用BiLSTM和注意力机制捕捉输入特征的内部关系，显著提升了多标签预测性能	NA	开发一种新的多标签mRNA亚细胞定位预测模型，以提高预测性能	mRNA的亚细胞定位	机器学习	NA	深度学习	BiLSTM	序列	独立测试集上的实验验证
14812	2024-10-01	CROSS-AGE AND CROSS-SITE DOMAIN SHIFT IMPACTS ON DEEP LEARNING-BASED WHITE MATTER FIBER ESTIMATION IN NEWBORN AND BABY BRAINS 2024-Aug-25, ArXiv PMID:38196752	研究论文	研究了深度学习模型在新生儿和婴儿大脑白质纤维估计中的跨年龄和跨站点域偏移影响	首次探讨了在快速发育的婴儿大脑中估计纤维方向分布函数的域适应技术	研究仅限于新生儿和婴儿大脑，未涉及成人或其他年龄段	探讨深度学习模型在不同年龄和站点数据上的域偏移问题	新生儿和婴儿大脑的白质纤维估计	计算机视觉	NA	深度学习	NA	图像	201名新生儿和165名婴儿
14813	2024-10-01	In Silico Exploration of Novel EGFR Kinase Mutant-Selective Inhibitors Using a Hybrid Computational Approach 2024-Aug-23, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph17091107 PMID:39338272	研究论文	本研究利用计算方法识别和表征潜在的EGFR突变选择性抑制剂	采用药效团设计和深度学习、虚拟筛选、ADMET和分子对接动力学模拟相结合的混合计算方法	NA	开发针对非小细胞肺癌中EGFR突变的有效治疗策略	EGFR突变选择性抑制剂	药物设计	肺癌	分子对接、分子动力学模拟	深度学习	分子结构	从Zinc数据库中筛选出16个潜在抑制剂
14814	2024-10-01	Brain tumor image segmentation based on improved FPN 2023-10-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-023-01131-1 PMID:37904116	研究论文	本文提出了一种基于改进特征金字塔网络（FPN）的脑肿瘤图像分割方法	引入FPN结构到U-Net结构中，捕捉上下文多尺度信息，提高模型对不同尺度特征的适应性	未提及具体局限性	提高脑肿瘤分割效果	脑肿瘤图像	计算机视觉	脑肿瘤	卷积神经网络	FPN	图像	未提及具体样本数量
14815	2024-10-01	Deep learning for risk-based stratification of cognitively impaired individuals 2023-Sep-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2023.107522 PMID:37646016	研究论文	本文利用深度学习模型结合生存分析，预测轻度认知障碍（MCI）患者向阿尔茨海默病（AD）转化的风险	本文创新性地将神经网络与生存分析相结合，用于预测MCI向AD的转化风险，并验证了模型预测的关键区域与AD经典相关区域的一致性	NA	开发一种基于风险的分类方法，用于识别轻度认知障碍（MCI）患者向阿尔茨海默病（AD）转化的风险	轻度认知障碍（MCI）患者及其向阿尔茨海默病（AD）的转化风险	机器学习	阿尔茨海默病	深度学习	神经网络	图像	发现队列544例，验证队列508例
14816	2024-10-01	Efficient Dehazing with Recursive Gated Convolution in U-Net: A Novel Approach for Image Dehazing 2023-Sep-11, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9090183 PMID:37754947	研究论文	提出了一种基于递归门控卷积和注意力机制的U-Net去雾网络模型，以提高去雾性能并保持网络结构的简洁性	引入了改进的递归门控卷积机制替代原始U-Net的卷积块，并应用SK融合模块改进跳跃连接方法，设计了名为Dehaze Recursive Gated U-Net (DRGNet)的新型U-Net变体	NA	提高图像去雾任务的性能，同时简化网络架构的训练、推理和部署过程	图像去雾	计算机视觉	NA	递归门控卷积	U-Net	图像	公开数据集
14817	2024-10-01	Efficient Augmented Intelligence Framework for Bladder Lesion Detection 2023-09, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00031 PMID:37774313	研究论文	研究开发了一种高效的增强智能框架，用于膀胱病变检测	使用多种深度学习模型（ConvNeXt, PlexusNet, MobileNet, SwinTransformer）进行膀胱病变检测，并比较了它们的性能和计算效率	研究样本量较小，且仅限于教育性膀胱镜图谱和68例膀胱镜视频	开发一种高效的智能系统用于膀胱病变检测	膀胱病变检测	计算机视觉	膀胱癌	深度学习	ConvNeXt, PlexusNet, MobileNet, SwinTransformer	图像	312张图像和68例膀胱镜视频
14818	2024-10-01	DL-TCNN: Deep Learning-based Temporal Convolutional Neural Network for prediction of conformational B-cell epitopes 2023-Sep, 3 Biotech IF:2.6Q3 DOI:10.1007/s13205-023-03716-7 PMID:37575599	研究论文	本文提出了一种基于深度学习的时间卷积神经网络DL-TCNN，用于预测构象B细胞表位	本文提出了一种新的基于深度学习的框架DL-TCNN，结合了1D-CNN和TCN的优点，用于提高构象B细胞表位预测的准确性	NA	提高构象B细胞表位预测的准确性	构象B细胞表位	机器学习	NA	深度学习	时间卷积神经网络（TCNN）	序列数据	使用了基准抗原-抗体数据集进行训练、验证和测试
14819	2024-10-01	Frequent temporal patterns of physiological and biological biomarkers and their evolution in sepsis 2023-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2023.102576 PMID:37673556	研究论文	本文采用时间模式挖掘方法，识别脓毒症患者生理和生物标志物的频繁时间模式及其演变	通过使用频繁模式作为特征来分类脓毒症和非脓毒症患者，提高了预测准确性和性能	深度学习方法在脓毒症文献中广泛使用，虽然准确性高，但模型可解释性和可解释性有限	早期识别脓毒症，避免潜在的不可逆器官功能障碍	脓毒症患者的生理和生物标志物	NA	脓毒症	时间模式挖掘	NA	生理和生物标志物数据	NA
14820	2024-10-01	Force Profile as Surgeon-Specific Signature 2023-Sep, Annals of surgery open : perspectives of surgical history, education, and clinical approaches DOI:10.1097/AS9.0000000000000326 PMID:37746608	研究论文	研究外科医生的力学特征作为其身份和表现的标志	首次研究了外科医生的手术技术是否可以通过其力学特征进行识别	研究仅限于神经外科手术数据，未来需扩展到其他手术类型	探索外科医生的力学特征是否可以作为其身份和表现的标志	外科医生的力学特征和手术技术	机器学习	NA	深度学习方法	ResNet模型和XGBoost算法	时间序列数据	2819个10秒的时间段，来自89例神经外科手术