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
15501	2024-09-30	PreAlgPro: Prediction of allergenic proteins with pre-trained protein language model and efficient neutral network 2024-Sep-23, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.135762 PMID:39322150	研究论文	本文介绍了一种基于预训练蛋白质语言模型和深度学习技术的过敏原蛋白质识别方法PreAlgPro	采用ProtT5模型提取蛋白质嵌入特征，替代了手动特征提取步骤，并设计了Attention-CNN神经网络架构来识别潜在特征	NA	提高过敏原蛋白质识别的准确性和效率	过敏原蛋白质的识别	机器学习	NA	深度学习	Attention-CNN	蛋白质序列	四个独立测试集和收集的过敏原蛋白质样本
15502	2024-09-27	Multi-Cover Persistence (MCP)-based machine learning for polymer property prediction 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae465 PMID:39323091	研究论文	本文介绍了一种基于多覆盖持久性（MCP）的分子表示方法，并将其与梯度提升树（GBT）模型结合，用于聚合物性质预测	首次引入多覆盖持久性（MCP）作为分子表示方法，利用Delaunay切片和菱形平铺来表征复杂的几何和拓扑信息	NA	开发一种新的分子表示方法，以提高聚合物性质预测的准确性和效率	聚合物及其性质	机器学习	NA	多覆盖持久性（MCP）	梯度提升树（GBT）	聚合物数据	聚合物基准数据集
15503	2024-09-30	Aggregation Rules of Short Peptides 2024-Sep-23, JACS Au IF:8.5Q1 DOI:10.1021/jacsau.4c00501 PMID:39328768	研究论文	本文研究了短肽（如四肽和五肽）的聚集规则，并基于transformer深度学习模型预测的聚集倾向值，推导了四肽和五肽在整个序列空间中的综合聚集规则	本文扩展了现有的三肽序列聚集规则，涵盖了数百万个四肽和五肽序列，为实验人员提供了明确的路线图，用于微调短肽的聚集行为	NA	阐明短肽的聚集规则，以便精确操控聚集行为	四肽和五肽的聚集规则	机器学习	NA	transformer深度学习模型	transformer	序列数据	超过20,000个四肽
15504	2024-09-30	An ensemble machine learning model assists in the diagnosis of gastric ectopic pancreas and gastric stromal tumors 2024-Sep-19, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01809-2 PMID:39320559	研究论文	开发了一种基于多相计算机断层扫描（MPCT）的集成机器学习（eML）模型，用于区分胃异位胰腺（GEP）和胃间质瘤（GIST）	首次通过放射组学和深度学习方法区分这些肿瘤，揭示了病变中潜在的不同表型	研究样本量较小，且仅限于小于3厘米的病变	开发一种能够有效区分胃异位胰腺和胃间质瘤的机器学习模型	胃异位胰腺和胃间质瘤	机器学习	胃肠道疾病	多相计算机断层扫描（MPCT）	集成机器学习（eML）	图像	138名患者的多相计算机断层扫描图像
15505	2024-09-30	Explainable breast cancer molecular expression prediction using multi-task deep-learning based on 3D whole breast ultrasound 2024-Sep-19, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01810-9 PMID:39320560	研究论文	本文研究了使用多任务深度学习模型基于3D全乳腺超声图像预测乳腺癌分子表达，并提高了模型的可解释性	本文提出了一个多任务深度学习模型，结合肿瘤分割与生物标志物预测，以提高模型的可解释性和预测性能	NA	非侵入性地估计三种乳腺癌生物标志物（ER、PR和HER2）的表达，并提高预测性能和可解释性	乳腺癌患者的ER、PR和HER2生物标志物表达	计算机视觉	乳腺癌	3D全乳腺超声系统（3DWBUS）	多任务深度学习模型	图像	388名乳腺癌患者
15506	2024-09-30	δ-Conotoxin Structure Prediction and Analysis through Large-Scale Comparative and Deep Learning Modeling Approaches 2024-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202404786 PMID:39033537	研究论文	本文通过大规模比较和深度学习建模方法预测和分析δ-芋螺毒素的结构	利用AlphaFold和RosettaCM两种方法对18种未表征的δ-芋螺毒素进行建模，提供了对这些肽结构方面的有用见解	NA	预测和分析δ-芋螺毒素的结构，为药物开发提供参考	δ-芋螺毒素的结构和功能	生物信息学	NA	深度学习建模	AlphaFold, RosettaCM	蛋白质结构	18种未表征的δ-芋螺毒素
15507	2024-09-30	Stretchable Piezoresistive Pressure Sensor Array with Sophisticated Sensitivity, Strain-Insensitivity, and Reproducibility 2024-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202405374 PMID:39013112	研究论文	研究开发了一种新型10x10传感器阵列，包含100个压力传感器像素，通过创新设计传感器结构，实现了高达888.79 kPa的显著灵敏度	采用聚丁二烯-尿烷（PBU）和MXene纳米片合成导电织物，通过预应变方法确保电极的应变免疫性，并引入深度学习方法提高长期传感精度	NA	提升可拉伸压阻式压力传感器的可靠性和性能	可拉伸压阻式压力传感器	传感器技术	NA	电纺丝技术	深度学习	传感器数据	100个压力传感器像素
15508	2024-09-30	Automatic Clinical Assessment of Swallowing Behavior and Diagnosis of Silent Aspiration Using Wireless Multimodal Wearable Electronics 2024-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202404211 PMID:38981027	研究论文	研究报告了一种无线多模态可穿戴系统，利用机器学习自动准确评估吞咽行为并诊断无声误吸	开发了一种包含kirigami结构电极和带有凝胶层的麦克风的无线多模态可穿戴系统，能够抑制皮肤接触阻抗的变化并有效阻隔外部噪音，实现高质量的肌电图和吞咽声音测量	未提及	开发一种自动准确评估吞咽行为并诊断无声误吸的无线多模态可穿戴系统	吞咽障碍患者	可穿戴电子设备	NA	机器学习	深度学习算法	肌电图和吞咽声音	未提及
15509	2024-09-30	Exploring vision transformers for classifying early Barrett's dysplasia in endoscopic images: A pilot study on white-light and narrow-band imaging 2024-Sep, JGH open : an open access journal of gastroenterology and hepatology IF:1.7Q3 DOI:10.1002/jgh3.70030 PMID:39328302	研究论文	本研究探讨了使用视觉变换器（ViT）对早期Barrett异型增生进行分类，并比较了白光成像（WLI）、窄带成像（NBI）和组合模式下的模型性能	本研究首次将视觉变换器（ViT）应用于早期Barrett异型增生的分类，并展示了其在内镜图像识别中的优越性能	本研究为初步研究，样本量较小，且仅限于Barrett食管的早期异型增生分类	探索视觉变换器（ViT）在早期Barrett异型增生分类中的应用	早期Barrett异型增生	计算机视觉	消化系统疾病	视觉变换器（ViT）	视觉变换器（ViT）	图像	1918张Barrett食管图像，来自267名患者
15510	2024-09-30	A Deep Learning-Based Framework for Highly Accelerated Prostate MR Dispersion Imaging 2024-Aug-27, Cancers IF:4.5Q1 DOI:10.3390/cancers16172983 PMID:39272841	研究论文	本文提出了一种基于深度学习的快速磁共振扩散成像（fMRDI）框架，用于加速前列腺磁共振扩散成像中的药代动力学参数估计	本文提出了一个两阶段的深度学习框架，通过深度神经网络直接从增强曲线中估计药代动力学参数，并使用非线性最小二乘法进行进一步优化，显著减少了处理时间	本文未详细讨论该方法在其他类型肿瘤或不同成像条件下的适用性	开发一种能够显著加速前列腺磁共振扩散成像中药代动力学参数估计的方法	前列腺磁共振扩散成像中的药代动力学参数	计算机视觉	前列腺癌	深度学习	深度神经网络	图像	本文使用了内部临床前列腺MRI数据集进行实验
15511	2024-09-30	SMAFIRA: a literature-based web tool to assist researchers with retrieval of 3R-relevant information 2024-Aug, Laboratory animals IF:1.3Q2 DOI:10.1177/00236772241237608 PMID:38872231	研究论文	开发了一个基于文献的网络工具SMAFIRA，用于辅助研究人员检索与3R相关的信息	SMAFIRA利用深度学习领域的先进语言模型，提供按实验模型分类的相关文献引用，使检索替代方法更加高效	NA	开发工具以提高检索与动物实验替代、减少和优化（3R）相关的信息的效率	PubMed/MEDLINE数据库中的文献	机器学习	NA	深度学习	语言模型	文本	NA
15512	2024-08-07	Electrocardiography deep learning models to predict high-risk imaging features in patients with hypertrophic cardiomyopathy: Can it change clinical practice? 2024-08, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.02.023 PMID:38365126	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15513	2024-09-30	Artificial intelligence detection of cognitive impairment in older adults during walking 2024 Jul-Sep, Alzheimer's & dementia (Amsterdam, Netherlands) DOI:10.1002/dad2.70012 PMID:39328904	研究论文	研究探讨了利用人工智能（AI）辅助的线性加速度和角速度分析在行走过程中检测社区居住老年人认知障碍的可行性	利用AI辅助的步态分析来检测早期认知障碍	NA	检测社区居住老年人早期认知障碍	879名无痴呆的老年人	机器学习	老年病	深度学习模型	深度学习模型	线性加速度和角速度数据	879名参与者，其中女性占60.6%，平均年龄73.5岁
15514	2024-09-30	Machine Learning for Sequence and Structure-Based Protein-Ligand Interaction Prediction 2024-03-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01841 PMID:38385768	研究论文	本文探讨了基于序列和结构的计算方法在蛋白质-配体相互作用预测中的应用	本文总结了经典机器学习模型和深度学习模型在蛋白质-配体相互作用研究中的应用，并提出了模型评估方法和可解释性	本文未详细讨论具体模型的性能和比较	研究如何利用机器学习方法准确预测蛋白质-配体相互作用，以加速药物发现过程	蛋白质-配体相互作用	机器学习	NA	机器学习	经典机器学习模型和深度学习模型	序列和结构数据	NA
15515	2024-09-30	Deep learning-based multimodal spatial transcriptomics analysis for cancer 2024, Advances in cancer research DOI:10.1016/bs.acr.2024.08.001 PMID:39271260	研究论文	本文探讨了深度学习与多模态空间转录组学在癌症研究中的整合应用	本文创新性地将深度学习与多模态空间转录组学结合，为癌症诊断、治疗规划和精准医学提供了新的见解	NA	本文旨在探索深度学习与多模态空间转录组学在癌症研究中的应用，以提高诊断准确性和个性化治疗	本文研究对象为癌症，特别是肿瘤生物学和治疗响应	机器学习	NA	深度学习	卷积神经网络	多模态数据（基因组、蛋白质组、影像和临床数据）	NA
15516	2024-09-28	Retraction: Analysis of the role and robustness of artificial intelligence in commodity image recognition under deep learning neural network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311323 PMID:39325725	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15517	2024-09-30	Guide for the application of the data augmentation approach on sets of texts in Spanish for sentiment and emotion analysis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310707 PMID:39325750	研究论文	研究探讨了数据增强技术在西班牙语文本情感和情绪分析中的应用效果	首次系统评估了多种数据增强技术在西班牙语文本情感和情绪分析中的应用效果，并提供了选择算法和技术的指导	研究仅限于西班牙语文本，且样本量较小	探讨数据增强技术是否能提高西班牙语文本情感和情绪分析的分类效果	西班牙语的歌词、社交媒体评论、智利国家报纸头条和高等教育学生调查回复	自然语言处理	NA	数据增强技术	卷积神经网络 (CNN), 生成对抗网络 (GAN), 双向编码器表示 (BETO)	文本	小规模数据集，包括歌词、社交媒体评论、报纸头条和调查回复
15518	2024-09-30	Parametric seasonal-trend autoregressive neural network for long-term crop price forecasting 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311199 PMID:39325794	研究论文	本文提出了一种用于长期作物价格预测的参数季节性趋势自回归神经网络模型	提出了一个结合多核残差卷积神经网络和高斯季节性趋势模型的混合模型PaSTANet	未提及	通过长期预测和价格预响应来稳定作物供需	洋葱、萝卜、大白菜和青葱四种作物的长期价格预测	机器学习	NA	多核残差卷积神经网络	神经网络	时间序列数据	使用Garak市场的每日数据，涉及四种作物，预测2023年一年的价格
15519	2024-09-30	Understanding COVID-19 vaccine hesitancy of different regions in the post-epidemic era: A causality deep learning approach 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241272712 PMID:39328301	研究论文	本文通过分析与疫苗评论和公众态度相关的文本，探讨了后疫情时代不同地区对三种主要疫苗品牌（科兴、阿斯利康和辉瑞）的疫苗犹豫情况，并研究了疫苗犹豫与不同地区疫情流行程度之间的关系	本文提出了一个因果深度学习模型BertMCNN，用于预测用户的疫苗接种意愿和态度，并在提供的数据集上展示了优于传统机器学习算法和其他深度学习模型的性能	NA	理解后疫情时代不同地区的疫苗犹豫情况，并研究其与疫情流行程度的关系	科兴、阿斯利康和辉瑞三种疫苗品牌的公众评论和态度	自然语言处理	NA	因果深度学习	BertMCNN	文本	165629条Twitter用户评论
15520	2024-09-30	Explainable feature selection and deep learning based emotion recognition in virtual reality using eye tracker and physiological data 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1438720 PMID:39328315	研究论文	研究在虚拟现实环境中使用可解释的机器学习和深度学习技术进行情感识别	结合虚拟现实与先进的可解释机器学习和深度学习方法进行情感识别	NA	探索在虚拟现实环境中使用可解释的机器学习和深度学习技术进行情感识别	情感识别	机器学习	NA	可解释的机器学习和深度学习技术	支持向量分类器 (SVC), K近邻 (KNN), 逻辑回归 (LR), 深度神经网络 (DNN), 双向长短期记忆网络 (Bi-LSTM), 注意力机制LSTM	多模态数据	使用名为VREED的多模态数据集进行情感识别