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
14901	2024-10-04	An Introductory Review of Deep Learning for Prediction Models With Big Data 2020, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2020.00004 PMID:33733124	综述	本文介绍了深度学习在人工智能和机器学习中的新学习范式，并重点讨论了深度前馈神经网络、卷积神经网络、深度信念网络、自编码器和长短期记忆网络等模型	本文介绍了深度学习模型的核心架构，并强调了这些架构在构建新应用特定网络架构中的灵活组合能力	本文主要为入门级综述，未深入探讨深度学习模型的数学和计算方法的复杂性	介绍深度学习模型的基本架构，为数据科学家和跨学科研究人员提供基础知识	深度学习模型的核心架构，包括深度前馈神经网络、卷积神经网络、深度信念网络、自编码器和长短期记忆网络	机器学习	NA	NA	深度前馈神经网络、卷积神经网络、深度信念网络、自编码器、长短期记忆网络	NA	NA
14902	2024-10-04	A natural language processing pipeline to advance the use of Twitter data for digital epidemiology of adverse pregnancy outcomes 2020, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.yjbinx.2020.100076 PMID:34417007	研究论文	研究开发了一种自然语言处理管道，用于从Twitter数据中识别不良妊娠结局，以推进数字流行病学研究	首次开发了一种基于BERT的自然语言处理方法，用于自动识别Twitter上的不良妊娠结局报告，并引入了一种规则过滤器来减少误报	研究主要基于Twitter数据，可能无法完全代表所有妊娠结局报告的情况	评估女性是否在Twitter上报告不良妊娠结局，并开发自然语言处理方法以自动识别这些报告	Twitter上的不良妊娠结局报告，包括流产、死产、早产等	自然语言处理	妊娠相关疾病	自然语言处理 (NLP)	BERT	文本	超过4亿条公开的Twitter推文，涉及超过10万名宣布怀孕的用户
14903	2024-10-04	DeepHarmony: A deep learning approach to contrast harmonization across scanner changes 2019-12, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2019.05.041 PMID:31301354	研究论文	提出了一种基于U-Net深度学习架构的对比度协调方法DeepHarmony，用于解决MRI扫描协议和设备变化导致的图像对比度不一致问题	DeepHarmony通过深度学习方法实现了跨扫描协议的对比度协调，显著提高了图像量化的一致性	研究中使用的样本量较小，仅为8例	解决MRI扫描协议和设备变化导致的图像对比度不一致问题，提高多站点或长期研究中的图像量化一致性	MRI图像的对比度协调和量化一致性	计算机视觉	多发性硬化症	深度学习	U-Net	图像	8例重叠队列用于训练数据，多发性硬化症患者的纵向MRI数据用于评估
14904	2024-10-04	Artificial intelligence in clinical and genomic diagnostics 2019-11-19, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-019-0689-8 PMID:31744524	综述	本文综述了人工智能在临床和基因组诊断中的应用	介绍了人工智能在临床诊断和基因组学中的新兴方法，特别是深度学习算法在处理大型复杂基因组数据集中的应用	讨论了人工智能在医学应用中的挑战、局限性和偏见，特别是涉及人类遗传学和基因组数据的应用	总结人工智能系统擅长解决的主要问题，并描述受益于这些解决方案的临床诊断任务	人工智能在临床诊断和基因组学中的应用，包括变异检测、基因组注释和变异分类，以及表型与基因型的对应关系	机器学习	NA	深度学习	深度学习算法	基因组数据	NA
14905	2024-10-04	Prediction of BAP1 Expression in Uveal Melanoma Using Densely-Connected Deep Classification Networks 2019-Oct-16, Cancers IF:4.5Q1 DOI:10.3390/cancers11101579 PMID:31623293	研究论文	本文研究了使用密集连接的深度分类网络预测葡萄膜黑色素瘤中BAP1表达水平	提出了一种基于深度学习的密集连接分类网络，用于预测BAP1表达，具有高灵敏度、特异性和准确性	研究样本仅来自两个中心，可能存在地域偏差	验证人工智能是否能准确预测葡萄膜黑色素瘤中BAP1表达水平	葡萄膜黑色素瘤中的BAP1表达水平	数字病理学	葡萄膜黑色素瘤	深度学习	密集连接分类网络	图像	47个摘除的眼球样本，分为6800个训练补丁和1376个验证补丁
14906	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
14907	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
14908	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
14909	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
14910	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
14911	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
14912	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
14913	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
14914	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
14915	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
14916	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
14917	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
14918	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
14919	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
14920	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