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
15721	2024-08-07	AI for targeted polypharmacology: The next frontier in drug discovery 2024-02, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2023.102771 PMID:38215530	综述	本文探讨了人工智能在靶向多药理学中的应用，特别是在药物发现领域中，如何通过AI技术提高多靶点药物设计的系统性和预测性	利用机器学习和深度学习技术，AI能够模拟蛋白质结构、生成新化合物并解码其多药理学效应，为多靶点药物设计开辟了新途径	文章也指出了当前面临的挑战，包括如何更有效地识别协同共靶点和区分导致不良反应的抗靶点	探索AI在药物发现中，特别是靶向多药理学方面的应用	研究对象包括蛋白质结构、新化合物及其多药理学效应	机器学习	NA	机器学习, 深度学习	NA	蛋白质结构, 化合物	NA
15722	2024-08-07	Radiation dose estimation with multiple artificial neural networks in dicentric chromosome assay 2024, International journal of radiation biology IF:2.1Q2 DOI:10.1080/09553002.2024.2338531 PMID:38687685	研究论文	本文开发了一种使用深度学习算法自动识别染色体并进行辐射剂量精确估计的方法，遵循泊松分布。	该研究通过使用多种人工神经网络（ANNs）实现了辐射剂量的全自动和精确估计，克服了传统方法的局限性。	在低于0.5 Gy的剂量水平下，由于数值问题，剂量估计的准确性受到阻碍。	开发一种高精度的辐射剂量估计方法，通过全自动检测双着丝粒染色体（DCs），严格遵循泊松分布。	辐射剂量估计	机器学习	NA	人工神经网络（ANNs）	深度学习模型	图像	30名健康捐赠者的样本，覆盖7个剂量水平（0至4 Gy）
15723	2024-08-07	Deep learning and minimally invasive inflammatory activity assessment: a proof-of-concept study for development and score correlation of a panendoscopy convolutional network 2024, Therapeutic advances in gastroenterology IF:3.9Q1 DOI:10.1177/17562848241251569 PMID:38812708	研究论文	本研究旨在开发一种基于卷积神经网络的自动化评分系统，用于客观评估克罗恩病患者的炎症活动	本研究首次提出了一种基于人工智能的自动化评分系统，用于评估克罗恩病患者的炎症活动，并与现有的验证评分系统进行了强相关性分析	本研究为初步研究，样本量较小，需要进一步验证和优化	开发一种基于胶囊内镜图像的自动化评分系统，用于客观评估克罗恩病患者的炎症活动	克罗恩病患者的胶囊内镜视频	机器学习	克罗恩病	卷积神经网络	CNN	视频	61名克罗恩病患者
15724	2024-08-07	SPECT-MPI for Coronary Artery Disease: A Deep Learning Approach 2024, Acta medica Philippina DOI:10.47895/amp.vi0.7582 PMID:38812768	研究论文	本文研究使用卷积神经网络（CNN）对单光子发射计算机断层扫描-心肌灌注成像（SPECT-MPI）进行分类，以检测冠状动脉疾病中的灌注异常	本文提出的CNN模型在分类性能上优于常用的预训练CNN架构，并能提供高精度的诊断结果	NA	应用深度学习方法在SPECT-MPI图像分类中，以提高诊断冠状动脉疾病的准确性	SPECT-MPI图像和卷积神经网络模型	机器学习	心血管疾病	卷积神经网络（CNN）	CNN	图像	192名接受应激测试-休息Tc99m MPI的患者
15725	2024-08-07	SVM-RLF-DNN: A DNN with reliefF and SVM for automatic identification of COVID from chest X-ray and CT images 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241257045 PMID:38812845	研究论文	本文提出了一种结合支持向量机（SVM）、改进的特征选择算法ReliefF和深度神经网络（DNN）的混合分类网络，用于从胸部X射线和CT图像中自动识别COVID-19。	该研究引入了ReliefF算法进行特征选择，使用Manhattan距离替代Euclidean距离，并通过SVM进行多类别分类，提高了模型的准确性和稳定性。	NA	开发一种先进的检测技术，用于从胸部X射线和CT扫描图像中识别COVID-19模式，结合深度学习和机器学习方法。	胸部X射线和CT扫描图像中的COVID-19、病毒性肺炎和健康病例。	计算机视觉	COVID-19	深度神经网络（DNN）	CNN	图像	使用了来自Kaggle和GitHub的公开胸部X射线和CT扫描图像数据库
15726	2024-08-07	Deep learning model for differentiating acute myeloid and lymphoblastic leukemia in peripheral blood cell images via myeloblast and lymphoblast classification 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241258079 PMID:38812848	research paper	本文开发了一种深度学习模型，用于通过外周血细胞图像对急性髓系和淋巴母细胞白血病进行分类	使用EfficientNet-V1和EfficientNet-V2开发了一个集成模型，提高了分类准确性和F1分数	NA	开发一种能够通过外周血细胞图像分类急性髓系和淋巴母细胞白血病的人工智能模型	外周血细胞图像中的12种细胞类型，包括与急性白血病相关的病理细胞	machine learning	血液病	NA	EfficientNet-V1, EfficientNet-V2	image	42,386张单细胞图像，来自282名患者（82名AML，40名ALL，160名幼稚粒细胞）
15727	2024-08-07	Deep learning-based automated high-accuracy location and identification of fresh vertebral compression fractures from spinal radiographs: a multicenter cohort study 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1397003 PMID:38812917	研究论文	本研究开发了一种基于深度残差网络（DRN）的模型，用于自动检测和识别脊柱X光片中的新鲜椎体压缩性骨折（VCFs）	本研究首次使用深度残差网络模型自动检测和识别脊柱X光片中的新鲜椎体压缩性骨折，并提供了可解释的注意力图以支持预测结果	研究中未提及具体的局限性	开发一种自动诊断和识别脊柱X光片中新鲜椎体压缩性骨折的模型	脊柱X光片中的新鲜椎体压缩性骨折	机器学习	NA	深度残差网络（DRN）	深度残差网络	图像	1,747名参与者
15728	2024-08-07	Deep learning model for individualized trajectory prediction of clinical outcomes in mild cognitive impairment 2024, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2024.1356745 PMID:38813529	研究论文	本研究开发了一种深度学习模型，用于预测轻度认知障碍患者未来认知下降和磁共振成像标记物随时间的变化。	本研究提出了一种新颖的深度学习架构，通过在循环神经网络中利用注意力机制，提高了预测性能。	未来的研究需要进一步验证和完善该预测模型，以改善临床决策。	开发一种预测轻度认知障碍患者未来认知下降和磁共振成像标记物变化的深度学习模型。	657名记忆障碍的轻度认知障碍患者。	机器学习	认知障碍	磁共振成像（MRI）、正电子发射断层扫描（PET）	循环神经网络（RNN）	图像	657名患者
15729	2024-08-07	In silico evolution of autoinhibitory domains for a PD-L1 antagonist using deep learning models 2023-Dec-05, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2307371120 PMID:38032933	研究论文	本文测试了一种使用深度学习（DL）进行结构预测（AlphaFold2）和序列优化（ProteinMPNN）的蛋白质设计流程，以设计PD-L1拮抗剂的自抑制域（AiDs）。	本研究展示了基于DL的蛋白质建模可以快速生成高亲和力的蛋白质结合剂。	NA	旨在创造一种在到达肿瘤环境之前不活跃的抗癌药物。	设计自抑制形式的PD-L1拮抗剂，该拮抗剂可以在肿瘤富集的蛋白酶作用下解除抑制。	机器学习	NA	深度学习（DL）	AlphaFold2, ProteinMPNN	蛋白质序列	23个从头设计的AiDs
15730	2024-08-07	Deep learning microstructure estimation of developing brains from diffusion MRI: a newborn and fetal study 2023-Jul-02, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.01.547351 PMID:37425859	研究论文	本文提出一种深度学习方法，通过仅有的六个扩散加权测量数据来估计新生儿和胎儿大脑的纤维方向分布函数（FOD）	使用深度学习方法，通过显著减少的测量数据，实现了与传统方法相媲美或更优的结果	强调了扩散磁共振成像在分析发育中大脑微观结构时的内在局限性	克服标准FOD计算方法在新生儿和胎儿大脑微观结构估计中的限制	新生儿和胎儿的大脑白质微观结构	计算机视觉	NA	扩散加权磁共振成像（dMRI）	深度学习模型	图像	两个临床数据集的新生儿和胎儿
15731	2024-08-07	Editor's choice to the May 2022 issue : Fully automated quantification of cardiac chambers and function in 2D echo by Deep Learning, and a modern atlas of invasive coronary angiographic views 2022-May, The international journal of cardiovascular imaging DOI:10.1007/s10554-022-02621-z PMID:38819731	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15732	2024-08-07	Deep learning and 3D-DESI imaging reveal the hidden metabolic heterogeneity of cancer 2017-May-01, Chemical science IF:7.6Q1 DOI:10.1039/c6sc03738k PMID:28507724	研究论文	本文利用深度学习和3D-DESI成像技术揭示了癌症的隐藏代谢异质性	采用参数化t-SNE的深度无监督神经网络技术，能够捕捉到线性方法无法识别的复杂非线性关系，从而在3D-DESI-MS数据集中识别出新的代谢簇	NA	探索肿瘤组织的分子结构和代谢异质性	人结直肠腺癌活检样本	机器学习	结直肠癌	3D-DESI-MS	参数化t-SNE	图像	单个结直肠腺癌活检样本
15733	2024-08-07	AnoChem: Prediction of chemical structural abnormalities based on machine learning models 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.05.017 PMID:38808129	研究论文	本文介绍了一种基于深度学习的计算框架AnoChem，用于评估生成模型提出的分子是否真实	AnoChem能够准确区分真实和生成的分子，其接收者操作特征曲线下的面积得分为0.900	NA	旨在开发一种方法，能够准确评估药物设计中生成模型提出的化学结构	生成模型提出的分子真实性	机器学习	NA	深度学习	NA	化学结构数据	NA
15734	2024-08-07	Accurate prediction of hyaluronic acid concentration under temperature perturbations using near-infrared spectroscopy and deep learning 2024-Sep-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124396 PMID:38733911	research paper	研究利用近红外光谱和深度学习技术准确预测在温度扰动下的透明质酸浓度	引入了基于交集策略的新特征融合方法，并创新性地使用了多策略改进的Walrus优化算法（MIWaOA）来优化深度极限学习机（DELM）的参数	NA	旨在开发一种有效的方法来快速确定透明质酸在不同温度下的适用性	透明质酸（HA）样品的浓度预测	machine learning	NA	近红外光谱分析（NIR）	深度极限学习机（DELM）	光谱数据	大量透明质酸（HA）样品
15735	2024-08-07	Soil data augmentation and model construction based on spectral difference and content difference 2024-Sep-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124360 PMID:38744226	研究论文	本文提出基于光谱差异和内容差异的样本扩展和模型构建方法，应用于原始样本数量有限的情况，实现了数据增强和深度学习	利用基于最大或最小值的光谱减法获取光谱差异和内容差异，为模型构建提供了一种新的数据形式	NA	开发精准农业和监测土地质量	土壤分析	机器学习	NA	光谱分析	一维卷积神经网络（1D CNN）	光谱数据	小区域有限样本
15736	2024-08-07	A novel method for quantitative determination of multiple substances using Raman spectroscopy combined with CWT 2024-Sep-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124427 PMID:38754205	研究论文	本文提出了一种新的工作流程，利用拉曼光谱结合连续小波变换（CWT）进行混合溶液的快速定性和定量检测	解决了现有拉曼光谱定量分析算法几乎无法同时准确预测多种物质浓度的问题	NA	开发一种新的方法用于混合溶液中多种物质的定量分析	甲醇-乙醇混合溶液	机器学习	NA	拉曼光谱	MobileNetV3	图像	NA
15737	2024-08-07	The effect of head motion on brain age prediction using deep convolutional neural networks 2024-Jul-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120646 PMID:38750907	研究论文	研究使用深度卷积神经网络预测大脑年龄时，头部运动对MRI图像质量的影响	首次探讨了头部运动对大脑预测年龄的影响，并强调了图像质量控制的重要性	仅限于使用两种3D卷积神经网络模型进行研究，可能需要更多模型验证	探讨大脑预测年龄作为个体大脑健康生物标志物的适用性	大脑MRI图像质量对大脑预测年龄的影响	机器学习	NA	MRI	CNN	图像	包含无运动和有运动影响的T1加权MRI扫描的同一参与者数据集
15738	2024-08-07	Artificial Intelligence for Breast Cancer Risk Assessment 2024-Jul, Radiologic clinics of North America IF:2.1Q2 DOI:10.1016/j.rcl.2024.02.004 PMID:38777538	研究论文	本文探讨了基于人工智能和深度学习的乳腺X线摄影AI乳腺癌风险模型在乳腺癌风险预测中的应用	早期研究表明，基于乳腺X线摄影的AI风险模型可能比传统的基于风险因素的模型表现更好，且性能更加公平	NA	提高乳腺癌风险预测模型的准确性和公平性	乳腺癌风险预测模型	机器学习	乳腺癌	深度学习	AI模型	图像	NA
15739	2024-08-07	Convolutional Neural Network-Based Deep Learning Engine for Mastoidectomy Instrument Recognition and Movement Tracking 2024-Jun, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.733 PMID:38520201	研究论文	开发一种基于卷积神经网络的计算机视觉模型，用于识别和追踪乳突切除术中的手术器械——钻头和吸引灌洗器	利用特征金字塔网络和DETECTRON技术开发了一种乳突切除术器械追踪模块，能够生成钻头和吸引灌洗器的运动方向和距离图	NA	开发和验证一种计算机视觉模型，用于识别和追踪乳突切除术中的手术器械	乳突切除术中的钻头和吸引灌洗器	计算机视觉	NA	卷积神经网络	CNN	视频	10个1分钟的视频，包含900帧图像，用于训练和测试模型
15740	2024-08-07	Application of machine learning for antibiotic resistance in water and wastewater: A systematic review 2024-Jun, Chemosphere IF:8.1Q1 DOI:10.1016/j.chemosphere.2024.142223 PMID:38704045	综述	本文系统回顾了机器学习方法在解决水与废水中抗生素抗性问题中的应用	本文首次系统分析了机器学习在抗生素抗性问题中的应用，并指出了深度学习和其他方法的潜在应用前景	目前机器学习在抗生素抗性问题中的应用主要集中在浅层学习，深度学习和其他方法的应用较少	探讨机器学习方法在解决水与废水中抗生素抗性问题中的应用	水与废水中的抗生素抗性问题	机器学习	NA	机器学习方法	人工神经网络、决策树、贝叶斯方法	NA	12个应用案例，其中11个使用浅层学习，1个使用深层学习