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
15921	2024-09-26	The Accurate Prediction of Antibody Deamidations by Combining High-Throughput Automated Peptide Mapping and Protein Language Model-Based Deep Learning 2024-Sep-10, Antibodies (Basel, Switzerland) DOI:10.3390/antib13030074 PMID:39311379	研究论文	本文提出了一种结合高通量自动化肽图谱和基于蛋白质语言模型的深度学习方法，用于准确预测抗体的脱酰胺化	本文提出了一种新的嵌合深度学习模型，结合蛋白质语言模型（pLM）嵌入和局部序列信息，以增强脱酰胺化预测，且无需繁琐的特征工程	NA	旨在早期和准确地识别抗体序列中易发生脱酰胺化的位点	治疗性抗体，如单克隆抗体（mAbs）、双特异性和多特异性抗体	机器学习	NA	高通量自动化肽图谱	深度学习模型	序列数据	2285个不同模态的抗体脱酰胺化特异性数据集
15922	2024-09-26	Comprehensive Clinical Usability-Oriented Contour Quality Evaluation for Deep Learning Auto-segmentation: Combining Multiple Quantitative Metrics Through Machine Learning 2024-Sep-02, Practical radiation oncology IF:3.4Q1 DOI:10.1016/j.prro.2024.07.007 PMID:39233005	研究论文	本文开发了一种新的轮廓质量分类方法，通过结合多种定量指标，用于深度学习自动分割的临床可用性导向的轮廓质量评估	提出了一种新的轮廓质量分类方法，通过结合多种定量指标，解决了现有评估指标的局限性，并提供了更直观的临床导向评估和比较DLAS系统的解决方案	NA	开发一种新的轮廓质量分类方法，以解决现有评估指标的局限性，并提供更直观的临床导向评估和比较DLAS系统的解决方案	腹部五个器官（胰腺、十二指肠、胃、小肠和大肠）的轮廓质量评估	机器学习	NA	监督集成树分类模型	集成树分类模型	图像	训练数据集包括50个磁共振成像（MRI）数据集，测试数据集包括20个MRI和9个计算机断层扫描（CT）数据集
15923	2024-09-26	An artificial intelligence-based nerve recognition model is useful as surgical support technology and as an educational tool in laparoscopic and robot-assisted rectal cancer surgery 2024-Sep, Surgical endoscopy DOI:10.1007/s00464-024-10939-z PMID:39073558	研究论文	本文开发了一种基于U-Net深度学习模型的AI神经识别模型，用于在腹腔镜和机器人辅助直肠癌手术中自动分割神经，并评估了其在手术支持和教育中的实用性	开发了一种基于U-Net的深度学习模型，用于自动分割直肠癌手术中的神经，并评估了其在手术支持和教育中的实用性	模型的Dice和IoU分数较低，存在一定的漏检和误检问题	开发和评估一种AI神经识别模型在腹腔镜和机器人辅助直肠癌手术中的应用效果	直肠癌手术中的神经识别和教育效果	计算机视觉	直肠癌	深度学习	U-Net	图像	60个随机选择的图像帧，5名结直肠外科医生，非结直肠外科医生、住院医师和医学生
15924	2024-09-11	The emergence of deep learning as the current state of art for classification and risk assessment of ventricular arrhythmias 2024-Sep, The Journal of physiology DOI:10.1113/JP287420 PMID:39252427	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15925	2024-09-19	Vascular liver segmentation: a narrative review on methods and new insights brought by artificial intelligence 2024-Sep, The Journal of international medical research IF:1.4Q4 DOI:10.1177/03000605241263170 PMID:39291427	综述	本文综述了利用人工智能进行肝脏血管分割的方法及其带来的新见解	介绍了多种基于人工智能的模型，包括神经网络和深度学习模型，用于肝脏血管分割	未提及具体模型的局限性	探讨人工智能在肝脏血管分割中的应用及其未来进展	肝脏血管的分割	计算机视觉	肝癌	人工智能	神经网络、深度学习模型	医学影像	NA
15926	2024-09-26	Evaluation of a deep learning-enabled automated computational heart modelling workflow for personalized assessment of ventricular arrhythmias 2024-Sep, The Journal of physiology DOI:10.1113/JP284125 PMID:37060278	研究论文	评估一种基于深度学习的自动化计算心脏建模工作流程，用于个性化评估心室心律失常	开发了一种基于深度学习的自动化工作流程，用于重建个性化电生理心脏模型，以模拟心律失常，并与专家生成的心脏模型进行比较	研究使用了较小的训练集，未来需要在大规模数据集上验证	评估自动化、基于深度学习的心脏建模工作流程的可行性，以指导患者个性化的心室心动过速治疗	个性化电生理心脏模型，用于预测心室心动过速的诱导性和电路位置	计算机视觉	心血管疾病	深度学习	CNN	图像	111名患者
15927	2024-09-26	PGBind: pocket-guided explicit attention learning for protein-ligand docking 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae455 PMID:39293803	研究论文	本文提出了一种口袋引导的显式注意力学习方法，用于蛋白质-配体对接	本文创新性地提出了口袋引导策略，通过设计一个即插即用模块来增强蛋白质特征，从而提高盲对接方法的性能	NA	提高盲蛋白质-配体对接方法的性能	蛋白质-配体对接	计算机视觉	NA	深度学习	注意力机制	蛋白质结构	NA
15928	2024-09-26	Evaluation of Cell Cycle-Dependent Migration Activity after X-ray Exposure: A Radiobiological Approach for Optimization of Radiotherapy with Cell Cycle-Targeting Agents 2024-07-01, Radiation research IF:2.5Q2 DOI:10.1667/RADE-23-00213.1 PMID:38720240	研究论文	本文通过图像分析算法评估了X射线照射后细胞周期依赖的迁移活性，以优化放射治疗中细胞周期靶向药物的选择	本文首次使用深度学习算法Cellpose进行细胞分割，并结合TrackMate插件分析细胞迁移速度和方向，揭示了不同细胞周期阶段对X射线照射后迁移活性的影响	研究仅使用了人宫颈癌HeLa细胞，结果的普适性有待进一步验证	优化放射治疗中细胞周期靶向药物的选择	人宫颈癌HeLa细胞在不同细胞周期阶段的迁移活性	数字病理学	宫颈癌	X射线照射	CNN	图像	人宫颈癌HeLa细胞
15929	2024-09-26	Deep learning model to differentiate Crohn's disease from intestinal tuberculosis using histopathological whole slide images from intestinal specimens 2024-Jun, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-024-03740-9 PMID:38332051	研究论文	本研究利用深度学习模型分析肠道标本的病理全切片图像，以区分克罗恩病和肠结核	开发了一种深度学习模型，能够有效区分克罗恩病和肠结核，提高了病理诊断的准确性	深度学习模型的诊断效率略低于高级胃肠病理学家	应用深度学习技术区分克罗恩病和肠结核	肠道标本的病理全切片图像	数字病理	消化系统疾病	深度学习	深度学习模型	图像	1973张全切片图像，来自85个病例，涉及3个中心
15930	2024-09-26	Multi_CycGT: A Deep Learning-Based Multimodal Model for Predicting the Membrane Permeability of Cyclic Peptides 2024-02-08, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.3c01611 PMID:38270541	研究论文	提出了一种基于深度学习的多模态模型Multi_CycGT，用于预测环肽的膜通透性	首次尝试使用深度学习方法预测环肽的膜通透性，结合图卷积网络和变压器提取一维和二维特征	未提及	加速环肽活性药物的设计	环肽的膜通透性	机器学习	NA	图卷积网络（GCN）和变压器	多模态模型	环肽数据	未提及具体数量
15931	2024-09-26	Registration of Longitudinal Spine CTs for Monitoring Lesion Growth 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006621 PMID:39310216	研究论文	本文提出了一种自动对齐纵向脊柱CT图像并准确评估病变进展的新方法	采用两步流水线方法，首先使用深度学习模型自动定位和标记椎骨并生成3D表面，然后使用高斯混合模型进行表面配准	仅在37个椎骨和5名患者的有限数据集上进行了测试	开发一种自动且鲁棒的纵向脊柱图像配准方法，以评估疾病进展和手术效果	纵向脊柱CT图像及其病变进展	计算机视觉	NA	深度学习模型，高斯混合模型	深度学习模型	CT图像	37个椎骨，5名患者，共111次配准
15932	2024-09-26	Implementation of resource-efficient fetal echocardiography detection algorithms in edge computing 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305250 PMID:39312521	研究论文	本文介绍了在边缘计算中实现资源高效的胎儿超声心动图检测算法	提出了YOLOv5s_emn系列算法，通过骨干替换、剪枝和推理优化，在保持高准确性的同时显著减少了模型大小和参数数量	NA	旨在通过实时识别和跟踪胎儿超声心动图，推动智能超声设备的发展，辅助医疗专业人员	胎儿超声心动图检测算法	计算机视觉	NA	深度学习	YOLOv5s	图像	NA
15933	2024-09-26	Attention-aware with stacked embedding for sentiment analysis of student feedback through deep learning techniques 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2283 PMID:39314683	研究论文	本文提出了一种基于集成学习和多头注意力机制的混合模型，用于学生反馈的情感分析	本文提出了一种创新的混合模型，结合了集成学习、多头注意力机制和深度学习分类器，显著提高了情感分析的准确性	NA	提高学生反馈情感分析的准确性和效果	学生反馈的情感分析	自然语言处理	NA	深度学习	多头注意力机制	文本	NA
15934	2024-09-26	Multi-modal deep learning framework for damage detection in social media posts 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2262 PMID:39314679	研究论文	本文介绍了一种用于检测社交媒体帖子中损害的多模态深度学习框架	结合了BERT架构和高级卷积处理，该框架在准确性、召回率和F1分数上优于现有方法	目前仅处理文本和图像数据，未来可扩展到包括更多类型的信息如人声或背景声音	提高危机管理中对受影响个体的快速识别和帮助	社交媒体帖子中的损害检测	机器学习	NA	BERT架构和卷积神经网络	BERT和CNN	文本和图像	NA
15935	2024-09-26	Detection and diagnosis of diabetic eye diseases using two phase transfer learning approach 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2135 PMID:39314692	研究论文	本文提出了一种两阶段迁移学习方法，用于糖尿病眼病的自动分类和分割	开发了一种两阶段迁移学习方法，用于多类糖尿病眼病病理的自动分类和分割	NA	提高糖尿病眼病的诊断效率和准确性	糖尿病眼病及其相关病理	机器学习	糖尿病	迁移学习	ResNet-50, DenseUNet	图像	使用了多个公开可用的视网膜眼底图像数据集
15936	2024-09-26	Enhancing rice yield prediction: a deep fusion model integrating ResNet50-LSTM with multi source data 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2219 PMID:39314699	研究论文	本文提出了一种基于深度学习的混合预测模型ResNet50-LSTM，用于预测巴基斯坦Gujranwala地区的水稻产量	创新性地结合了ResNet50和LSTM模型，并利用多源数据进行水稻产量预测	NA	提高水稻产量预测的准确性，以应对气候变化和疫情对水稻生产的影响	巴基斯坦Gujranwala地区的水稻产量	机器学习	NA	深度学习	ResNet50-LSTM	多模态数据	NA
15937	2024-09-26	Distilroberta2gnn: a new hybrid deep learning approach for aspect-based sentiment analysis 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2267 PMID:39314700	研究论文	本文介绍了一种新的混合深度学习方法Distil-RoBERTa2GNN，用于基于方面的情感分析	该方法结合了DistilRoBERTa预训练模型的特征提取能力和图神经网络（GNN）的动态情感分类能力	研究中使用的数据集主要集中在餐饮评论领域，可能限制了模型在其他领域的泛化能力	旨在解决基于方面的情感分析中的语言细微差别解释和高质量领域特定标注数据稀缺的问题	四个公开的基准数据集：Rest14, Rest15, Rest16-EN, 和 Rest16-ESP	自然语言处理	NA	图神经网络（GNN）	混合模型	文本	四个数据集，包括Rest14, Rest15, Rest16-EN, 和 Rest16-ESP
15938	2024-09-26	Harnessing AI and analytics to enhance cybersecurity and privacy for collective intelligence systems 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2264 PMID:39314701	研究论文	本文探讨了利用人工智能和大数据分析增强集体智能系统（如ChatGPT）的网络安全和隐私保护	提出了一种基于深度学习的恶意软件检测新方法，通过从原始数据中自动学习特征，并利用卷积神经网络和堆叠集成进行分类	NA	提升集体智能系统中的网络安全和隐私保护	恶意软件检测和分类	机器学习	NA	深度学习	卷积神经网络	图像	6,414个恶意软件变种和2,050个良性文件
15939	2024-09-26	Frequency distribution-aware network based on discrete cosine transformation (DCT) for remote sensing image super resolution 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2255 PMID:39314709	研究论文	提出了一种基于离散余弦变换的频率分布感知网络，用于遥感图像超分辨率	该网络通过频率感知模块和全局频率特征融合模块，有效提取了图像在频率域中的非局部信息和频率分布的相似性特征	NA	解决现有深度学习方法在遥感图像超分辨率中忽略频率分布相似性特征的问题	遥感图像的超分辨率	计算机视觉	NA	离散余弦变换 (DCT)	频率分布感知网络	图像	两个常用的遥感数据集
15940	2024-09-26	Machine learning and natural language processing to assess the emotional impact of influencers' mental health content on Instagram 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2251 PMID:39314721	研究论文	本研究利用机器学习和自然语言处理技术，分析Instagram上影响者/名人的心理健康内容对情感的影响	本研究首次在Instagram平台上使用机器学习技术分析心理健康内容的情感影响，之前的研究主要集中在Twitter上	情感预测在社交媒体中具有挑战性，因为情感解释的主观性、个体间情感的差异以及不同文化和社区中情感的解释	通过人工智能特别是机器学习，研究社交媒体上心理健康内容的情感影响	Instagram上影响者/名人的心理健康内容	自然语言处理	NA	机器学习	BERT	文本	包含情感标签的新语料库