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
16821	2024-09-13	An unrolled neural network for accelerated dynamic MRI based on second-order half-quadratic splitting model 2024-Nov, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110218 PMID:39069026	研究论文	本文提出了一种基于二阶半二次分裂模型的展开式神经网络，用于加速动态磁共振图像的重建	本文的创新点在于提出了一种基于二阶半二次分裂算法的展开式深度学习网络，并通过引入退化感知模块和信息融合变压器来提高重建效果	本文未提及具体的局限性	研究目的是减少动态磁共振图像重建的时间并提高重建质量	研究对象是动态磁共振图像的重建	计算机视觉	NA	半二次分裂算法	展开式神经网络	图像	未提及具体样本数量
16822	2024-09-13	An efficient dual-domain deep learning network for sparse-view CT reconstruction 2024-Nov, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108376 PMID:39173481	研究论文	本文开发了一种基于深度学习的双域重建方法，用于稀疏视图CT重建，具有较小的训练参数和可比的运行时间	提出了一个高效的双域深度学习网络，用于稀疏视图CT重建，具有较小的训练参数和可比的运行时间	NA	研究模型在稀疏视图CT重建中的能力和临床价值	临床CT投影数据	计算机视觉	NA	深度学习	双域网络	投影数据	21个器官和解剖结构的数据
16823	2024-09-13	ATOMMIC: An Advanced Toolbox for Multitask Medical Imaging Consistency to facilitate Artificial Intelligence applications from acquisition to analysis in Magnetic Resonance Imaging 2024-Nov, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108377 PMID:39180913	研究论文	介绍了一个名为ATOMMIC的先进开源工具箱，用于多任务医学影像一致性，以促进从磁共振成像（MRI）采集到分析的人工智能应用	ATOMMIC通过深度学习模型实现多任务学习（MTL），以集成方式执行相关任务，旨在提高MRI领域的泛化能力	NA	通过多任务学习和确保任务、模型和数据集之间的一致性，推进MRI重建和分析	磁共振成像（MRI）重建、分割和定量参数图估计	计算机视觉	NA	深度学习	多任务学习（MTL）	图像	评估了25个深度学习模型在8个公开数据集上的表现
16824	2024-09-13	Improving ED admissions forecasting by using generative AI: An approach based on DGAN 2024-Nov, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108363 PMID:39182250	研究论文	本文探讨了使用基于DGAN的生成对抗网络来改进医院急诊部门患者入院预测的方法	本文采用了DoppelGANger算法，这是一种基于生成对抗网络的时间序列生成方法，用于生成合成数据以增强预测模型的性能	NA	本文旨在通过使用生成对抗网络生成合成数据来提高医院急诊部门患者入院预测的准确性	医院急诊部门的患者入院预测	机器学习	NA	生成对抗网络（GAN）	DoppelGANger	时间序列数据	使用了两个数据集，一个包含四年的训练数据和一年的测试数据，另一个包含三年的训练数据和两年的测试数据
16825	2024-09-13	On the application of hybrid deep 3D convolutional neural network algorithms for predicting the micromechanics of brain white matter 2024-Nov, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108381 PMID:39232375	研究论文	本文研究了混合深度3D卷积神经网络算法在预测脑白质微观力学特性中的应用	提出了多尺度3D ResNet (M3DR)算法，该算法在预测脑白质组织特性方面表现出比基线CNN算法更高的学习能力和性能	NA	开发能够预测脑白质各向异性复合特性的3D深度学习算法	脑白质的微观力学特性	计算机视觉	NA	深度学习	3D卷积神经网络 (CNN)	3D体素化数据	NA
16826	2024-09-13	Myo-regressor Deep Informed Neural NetwOrk (Myo-DINO) for fast MR parameters mapping in neuromuscular disorders 2024-Nov, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108399 PMID:39236561	研究论文	本文开发了一种名为Myo-Regressor Deep Informed Neural NetwOrk (Myo-DINO)的物理信息神经网络，用于在神经肌肉疾病中快速进行肌肉磁共振成像的参数映射	本文首次将深度学习应用于肌肉磁共振成像领域，以研究神经肌肉疾病，并提出了结合物理模型的深度学习方法，提高了模型的解释性和效率	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	开发一种高效且可解释的深度学习方法，用于快速进行肌肉磁共振成像的参数映射	神经肌肉疾病的肌肉磁共振成像参数映射	计算机视觉	神经肌肉疾病	深度学习	U-Net	图像	2165个切片（来自232个受试者）
16827	2024-09-13	Metadata information and fundus image fusion neural network for hyperuricemia classification in diabetes 2024-Nov, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108382 PMID:39213898	研究论文	本文开发了一种深度学习算法，通过融合糖尿病患者的视网膜图像和元数据信息，实现对高尿酸血症的非侵入性检测	本文创新性地结合了视网膜图像和患者元数据，提高了高尿酸血症检测的准确性，并展示了深度学习网络在识别高尿酸血症时主要关注视网膜视盘区域	本文的局限性在于仅在糖尿病患者中进行了验证，且样本主要来自上海和英国，可能存在地域和人群的局限性	开发一种非侵入性的方法，通过视网膜图像和患者元数据检测糖尿病患者中的高尿酸血症	糖尿病患者的高尿酸血症检测	计算机视觉	糖尿病	深度学习算法	混合模型	图像和元数据	6091名糖尿病患者用于模型开发和内部验证，9327名糖尿病患者用于外部测试
16828	2024-09-13	Latent disentanglement in mesh variational autoencoders improves the diagnosis of craniofacial syndromes and aids surgical planning 2024-Nov, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108395 PMID:39213899	研究论文	本文探讨了交换解耦变分自编码器（SD-VAE）在Crouzon、Apert和Muenke综合征中的应用，通过3D网格数据分析头形，并辅助颅面手术规划	引入了一种基于光谱插值的新数据增强技术，并利用SD-VAE模型进行语义上有意义且解耦的潜在表示分析	NA	利用深度学习技术进行人类头部的形状分析，以改善颅面综合征的诊断和手术规划	Crouzon、Apert和Muenke综合征患者	计算机视觉	颅面综合征	变分自编码器（VAE）	交换解耦变分自编码器（SD-VAE）	3D网格	健康和综合征患者的3D网格数据集
16829	2024-09-13	Machine learning and matrix-assisted laser desorption/ionization time-of-flight mass spectra for antimicrobial resistance prediction: A systematic review of recent advancements and future development 2024-Oct-11, Journal of chromatography. A DOI:10.1016/j.chroma.2024.465262 PMID:39197363	综述	本文综述了使用机器学习和基质辅助激光解吸/电离飞行时间质谱（MALDI-TOF MS）预测抗生素抗性的最新进展和未来发展	本文强调了深度学习技术在抗生素抗性预测中的潜力	本文主要集中在随机森林、支持向量机和逻辑回归等传统机器学习算法上，未深入探讨其他新兴技术	评估当前使用机器学习从MALDI-TOF质谱数据中检测和分类抗生素抗性的技术水平	研究对象主要包括金黄色葡萄球菌、肺炎克雷伯菌和大肠杆菌等细菌及其对抗生素的抗性	机器学习	NA	基质辅助激光解吸/电离飞行时间质谱（MALDI-TOF MS）	随机森林、支持向量机、逻辑回归、人工神经网络	质谱数据	40项研究符合纳入标准
16830	2024-09-13	m5c-iDeep: 5-Methylcytosine sites identification through deep learning 2024-Oct, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.07.008 PMID:39089345	研究论文	本文开发了一种基于深度学习的计算方法m5c-iDeep，用于快速准确地识别RNA中的5-甲基胞嘧啶位点	m5c-iDeep模型在准确性和鲁棒性方面优于现有的m5c预测工具，达到了99.9%的准确率	NA	开发一种高效的计算方法来识别RNA中的5-甲基胞嘧啶位点	RNA中的5-甲基胞嘧啶位点	机器学习	NA	深度学习	LSTM	序列数据	NA
16831	2024-09-13	Quantum-level machine learning calculations of Levodopa 2024-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108146 PMID:39067350	研究论文	本文使用量子级别的机器学习方法ANI-1x神经网络势能预测了L-3,4-二羟基苯丙氨酸（Levodopa）的势能面	首次使用ANI-1x神经网络势能在量子级别上预测Levodopa的势能面，并展示了与DFT计算的良好一致性	NA	研究机器学习在药物分子势能面计算中的应用	L-3,4-二羟基苯丙氨酸（Levodopa）分子	机器学习	NA	密度泛函理论（DFT）	神经网络	分子结构数据	NA
16832	2024-09-13	Multi-scale DNA language model improves 6 mA binding sites prediction 2024-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108129 PMID:39067351	研究论文	本文开发了一种基于多尺度DNA语言模型的框架，用于预测6mA结合位点	提出了名为iDNA6mA-MDL的多尺度DNA语言模型，结合多种kmer和核苷酸属性及频率方法进行特征嵌入，并利用DNABERT弥补全局DNA信息捕捉的不足	NA	开发一种高效的方法来预测6mA结合位点，以替代传统的湿实验方法	6mA结合位点的预测	机器学习	NA	深度学习	多尺度DNA语言模型	DNA序列	在经典的6mA水稻基因数据集上进行了实验，并在另外11个6mA数据集上进行了验证
16833	2024-09-13	Deep learning based method for predicting DNA N6-methyladenosine sites 2024-Oct, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.07.012 PMID:39097179	研究论文	提出了一种基于深度学习的预测DNA N6-甲基腺苷位点的方法	提出了基于全局响应归一化的多尺度卷积模型（CG6mA）来解决6mA位点预测问题	未提及	开发一种高效的方法来预测DNA N6-甲基腺苷位点	DNA N6-甲基腺苷位点	机器学习	NA	深度学习	多尺度卷积模型	DNA序列	使用了三种不同类型的基准数据集进行测试
16834	2024-09-13	MMCL-CPI: A multi-modal compound-protein interaction prediction model incorporating contrastive learning pre-training 2024-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108137 PMID:39079285	研究论文	本文提出了一种名为MMCL-CPI的多模态化合物-蛋白质相互作用预测模型，结合对比学习预训练方法	本文的创新点在于提出了从一维SMILES和二维图像两种模态提取化合物特征，并设计了一种多模态模型，同时引入了多模态预训练策略，利用对比学习在大规模未标注数据集上建立SMILES字符串与化合物图像之间的对应关系	NA	本文的研究目的是提高化合物-蛋白质相互作用预测的准确性	本文的研究对象是化合物和蛋白质的相互作用	机器学习	NA	对比学习	多模态模型	序列和图像	NA
16835	2024-09-13	ACDMBI: A deep learning model based on community division and multi-source biological information fusion predicts essential proteins 2024-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108115 PMID:38865861	研究论文	本文提出了一种基于社区划分和多源生物信息融合的深度学习模型ACDMBI，用于预测关键蛋白质	ACDMBI模型通过整合蛋白质相互作用网络、基因表达数据和亚细胞定位数据，有效提升了关键蛋白质预测的准确性	NA	提高关键蛋白质预测的准确性，为药物研究和疾病诊断提供支持	关键蛋白质	机器学习	NA	图卷积网络（GCN）、图注意力网络（GAT）、双向长短期记忆网络（BiLSTM）、多头自注意力机制	深度神经网络（DNN）	蛋白质相互作用网络、基因表达数据、亚细胞定位数据	酿酒酵母数据
16836	2024-09-13	Prediction of viral families and hosts of single-stranded RNA viruses based on K-Mer coding from phylogenetic gene sequences 2024-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108114 PMID:38852362	研究论文	本研究利用机器学习和深度学习模型，基于K-Mer编码的基因序列预测单链RNA病毒的家族和宿主	首次在文献中对包含大量家族和宿主多样性的单链RNA病毒基因序列进行分类研究，并详细探讨了K-Mer编码中不同词长对分类结果的影响	NA	快速准确地分类病毒物种及其潜在宿主，以更好地理解传播动态并促进针对性疗法的开发	单链RNA病毒的基因序列及其家族和宿主	机器学习	NA	K-Mer编码	全连接深度神经网络	基因序列	包含不同宿主和物种的单链RNA病毒基因序列的数据集
16837	2024-09-13	CNN-BLSTM based deep learning framework for eukaryotic kinome classification: An explainability based approach 2024-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108169 PMID:39137619	研究论文	本文提出了一种基于CNN-BLSTM的深度学习框架，用于真核激酶家族的分类，并通过解释性方法提高模型的可靠性	本文引入了GRAD CAM和Integrated Gradient（IG）解释性方法，替代传统的类激活图解释，以提高结果的可靠性和责任性	本文仅针对真核激酶序列进行了分类，未涉及其他蛋白质家族	提高深度学习模型在生物序列相关研究中的可信度	真核激酶序列及其家族分类	机器学习	NA	深度学习	CNN-BLSTM	序列	八个真核激酶序列
16838	2024-08-20	Advanced deep learning approaches enable high-throughput biological and biomedicine data analysis 2024-Oct, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.08.002 PMID:39154807	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
16839	2024-09-13	A novel deep learning identifier for promoters and their strength using heterogeneous features 2024-Oct, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.08.005 PMID:39168294	研究论文	设计了一种名为PROCABLES的双层深度学习预测器，用于区分DNA样本中的启动子和启动子强度	提出了一种新的双层深度学习模型PROCABLES，结合了卷积神经网络（CNN）和双向长短期记忆网络（LSTM），并利用多种特征提取DNA序列中的隐藏模式	NA	开发一种计算方法来准确识别和表征启动子及其强度，以支持药物发现	DNA序列中的启动子和启动子强度	机器学习	NA	深度学习	卷积神经网络（CNN）和双向长短期记忆网络（LSTM）	DNA序列	NA
16840	2024-09-13	E-pharmacophore and deep learning based high throughput virtual screening for identification of CDPK1 inhibitors of Cryptosporidium parvum 2024-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108172 PMID:39191165	研究论文	本文利用E-pharmacophore模型和深度学习模型进行高通量虚拟筛选，以识别Cryptosporidium parvum的CDPK1抑制剂	本文创新性地结合了E-pharmacophore模型和深度学习模型，用于筛选新的CDPK1抑制剂，并通过量子极化对接和MD模拟验证了其抑制潜力	本文未提及具体的实验验证结果，仅通过虚拟筛选和模拟进行了初步验证	识别Cryptosporidium parvum的CDPK1抑制剂，以开发治疗隐孢子虫病的药物	Cryptosporidium parvum的CDPK1蛋白及其抑制剂	药物发现	隐孢子虫病	E-pharmacophore模型、深度学习、量子极化对接、MD模拟	深度学习模型	化合物库	200万化合物库中的部分化合物