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
16981	2024-09-13	Development of deep learning model for diagnosing muscle-invasive bladder cancer on MRI with vision transformer 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36144 PMID:39253215	研究论文	开发并验证了一种基于Vision Transformer的深度学习模型，用于在MRI上自动诊断肌肉浸润性膀胱癌	使用Vision Transformer模型在MRI上诊断肌肉浸润性膀胱癌，并展示了其优于传统卷积神经网络的性能	研究为多中心回顾性研究，样本量相对较小，且未提及模型的泛化能力在其他数据集上的表现	开发和验证一种能够自动诊断肌肉浸润性膀胱癌的深度学习模型	肌肉浸润性膀胱癌的MRI图像	计算机视觉	膀胱癌	深度学习	Vision Transformer (ViT) 和卷积神经网络 (CNN)	MRI图像	训练集包含170名患者，测试集包含53名患者
16982	2024-09-13	The technological assessment of green buildings using artificial neural networks 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36400 PMID:39253242	研究论文	本研究旨在构建一个全面的评估模型，用于高效评估绿色建筑中的适用技术	本研究结合物联网和人工神经网络，提出了一种混合评估模型，显著提高了建筑环境参数和能耗预测的准确性和稳定性	NA	构建一个全面的评估模型，用于高效评估绿色建筑中的适用技术	绿色建筑中的适用技术	机器学习	NA	物联网 (IoT)、人工神经网络 (ANN)	多层感知器 (MLP)、长短期记忆 (LSTM)	物理量数据、经济指标数据	包括温度、湿度、光照强度等物理量数据，以及能源效率和建筑运营成本等经济指标数据
16983	2024-09-13	TSpred: a robust prediction framework for TCR-epitope interactions using paired chain TCR sequence data 2024-08-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae472 PMID:39052940	研究论文	提出了一种名为TSpred的深度学习框架，用于基于配对链TCR序列数据预测TCR-表位相互作用	结合了CNN和注意力机制，设计了互惠注意力机制，提高了对未见表位的泛化能力和模型解释性	未提及	开发一种稳健的预测框架，用于预测TCR-表位相互作用，应用于癌症免疫疗法和疫苗设计	TCR-表位相互作用	机器学习	NA	深度学习	CNN和注意力机制	序列数据	未提及
16984	2024-09-13	BertSNR: an interpretable deep learning framework for single-nucleotide resolution identification of transcription factor binding sites based on DNA language model 2024-08-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae461 PMID:39107889	研究论文	提出了一种名为BertSNR的可解释深度学习框架，用于在单核苷酸分辨率下识别转录因子结合位点	BertSNR通过多任务学习整合序列级和标记级信息，基于预训练的DNA语言模型，显著提高了转录因子结合位点预测的准确性和可解释性	NA	开发一种高分辨率和可解释的计算方法，用于识别转录因子结合位点	转录因子结合位点	计算生物学	NA	深度学习	BertSNR	DNA序列	NA
16985	2024-09-13	Attention-based approach to predict drug-target interactions across seven target superfamilies 2024-08-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae496 PMID:39115379	研究论文	本文介绍了一种基于注意力机制的方法（MMAtt-DTA），用于预测跨七个目标超家族的药物-靶点相互作用	提出了一种新的基于注意力机制的方法（MMAtt-DTA），该方法在预测药物-靶点相互作用方面表现优异，超过了现有的十四种最先进的机器学习、深度学习和图方法	NA	旨在开发一种高效的方法来预测药物-靶点相互作用，以支持药物再利用和新药机制的发现	药物-靶点相互作用，特别是跨七个目标超家族的相互作用	机器学习	癌症	注意力机制	MMAtt-DTA	生物活性数据	185,676个药物-靶点对
16986	2024-09-13	PGAT-ABPp: harnessing protein language models and graph attention networks for antibacterial peptide identification with remarkable accuracy 2024-08-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae497 PMID:39120878	研究论文	提出了一种名为PGAT-ABPp的新型深度学习方法，用于高精度识别抗菌肽	利用AlphaFold2预测的结构和预训练的蛋白质语言模型ProtT5构建图，并通过图注意力网络（GAT）学习全局判别特征	NA	开发一种高精度的模型用于抗菌肽的识别	抗菌肽（ABPs）	机器学习	NA	图注意力网络（GAT）	深度学习模型	蛋白质结构数据	独立测试数据集
16987	2024-09-13	Advancing mRNA subcellular localization prediction with graph neural network and RNA structure 2024-08-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae504 PMID:39133151	研究论文	本文提出了一种名为Allocator的多视角并行深度学习框架，用于预测mRNA的亚细胞定位，并结合了RNA序列和结构信息	本文的创新点在于首次将RNA的二级结构信息纳入mRNA亚细胞定位预测模型中，并提出了多视角并行深度学习框架Allocator	本文未提及具体的局限性	本文的研究目的是开发一种能够准确预测mRNA亚细胞定位的计算工具，以深化对基因调控网络的理解	本文的研究对象是mRNA的亚细胞定位及其与RNA序列和结构的关系	机器学习	NA	图神经网络	多层感知器、多头自注意力机制、图神经网络	RNA序列、RNA结构	NA
16988	2024-09-13	Deep Learning Reconstruction of Accelerated MRI: False-Positive Cartilage Delamination Inserted in MRI Arthrography Under Traction 2024-Aug-01, Topics in magnetic resonance imaging : TMRI DOI:10.1097/RMR.0000000000000313 PMID:39016321	研究论文	本文探讨了深度学习在加速MRI重建中的应用，特别是在关节造影牵引下的MRI图像重建中出现的假阳性软骨剥离问题	本文首次报道了深度学习重建加速MRI数据时可能出现的假阳性软骨剥离和软骨缺陷	本文仅展示了一个病例，未来需要对这种新技术进行更全面的测试，特别是训练数据选择带来的系统偏差	研究深度学习在加速MRI重建中的应用及其潜在问题	右髋关节的MRI图像	计算机视觉	NA	深度学习	NA	图像	1名30岁健康男性患者
16989	2024-09-13	Preface to the special issue of Food and Chemical Toxicology on "New approach methodologies and machine learning in food safety and chemical risk assessment: Development of reproducible, open-source, and user-friendly tools for exposure, toxicokinetic, and toxicity assessments in the 21st century" 2024-Aug, Food and chemical toxicology : an international journal published for the British Industrial Biological Research Association IF:3.9Q1 DOI:10.1016/j.fct.2024.114809 PMID:38857761	评论	本特刊包含关于毒理学和风险评估领域中各种新方法学（NAMs）应用的文章	介绍了多种新方法学（NAMs），包括高通量筛选、定量结构-活性关系（QSAR）建模、生理药代动力学（PBPK）建模、网络毒理学分析、分子对接模拟、组学、机器学习、深度学习和“模板与锚点”多尺度计算建模	NA	探讨新方法学和机器学习在食品安全和化学风险评估中的应用	新方法学（NAMs）在毒理学和风险评估中的应用	毒理学	NA	高通量筛选、定量结构-活性关系（QSAR）建模、生理药代动力学（PBPK）建模、网络毒理学分析、分子对接模拟、组学、机器学习、深度学习	NA	NA	NA
16990	2024-09-13	Automated shape-independent assessment of the spatial distribution of proton density fat fraction in vertebral bone marrow 2024-Aug, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2022.12.004 PMID:36725478	研究论文	提出了一种自动标准化评估椎体骨髓体积和质子密度脂肪分数（PDFF）空间分布的方法	基于深度学习图像分割，将单个椎体的骨髓PDFF映射到圆柱模板并校正其相对于水平面的倾斜，实现了形状无关的空间PDFF分布特征化	仅在60名健康个体中进行了测试，未涉及疾病状态或干预效果的评估	开发一种自动方法，用于标准化评估椎体骨髓的体积和PDFF的空间分布	椎体骨髓的体积和质子密度脂肪分数（PDFF）的空间分布	计算机视觉	NA	深度学习图像分割	NA	图像	60名健康个体（30名男性，30名女性）
16991	2024-09-13	Estimating infant age from skull X-ray images using deep learning 2024-07-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64489-4 PMID:39025919	研究论文	本研究利用普通头骨X光片图像构建深度学习模型，预测12个月以下婴儿的准确出生后年龄	本研究首次利用深度学习模型分析头骨X光片图像，通过梯度加权类激活映射评估头骨X光片图像中可见的主要变化，以评估出生后颅骨发育的可行性	研究样本仅包括1343名婴儿，可能存在样本量不足的问题	评估利用头骨X光片图像通过深度学习模型预测婴儿出生后年龄的可行性	12个月以下婴儿的头骨X光片图像	计算机视觉	NA	深度学习	卷积神经网络	图像	1343名婴儿的4933张头骨X光片图像
16992	2024-09-13	Achieving Occam's razor: Deep learning for optimal model reduction 2024-Jul, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012283 PMID:39024398	研究论文	本文展示了如何利用深度学习来实现奥卡姆剃刀原则，通过FixFit方法减少模型参数，提高模型的简洁性和准确性	提出了FixFit方法，利用深度神经网络的瓶颈层来量化模型复杂度，并提供了一种无偏的方式来区分有价值和无价值的实验假设	NA	探索如何利用深度学习实现奥卡姆剃刀原则，减少模型参数，提高模型的简洁性和准确性	模型参数的简化与优化	机器学习	NA	深度学习	前馈深度神经网络	数值数据	NA
16993	2024-09-13	Safety and efficiency of a fully automatic workflow for auto-segmentation in radiotherapy using three commercially available deep learning-based applications 2024-Jul, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2024.100627 PMID:39253729	研究论文	本文开发并评估了一种用于放射治疗自动分割的全自动工作流程的安全性和效率	本文引入了标准化全自动工作流程，显著减少了失败模式并提高了工作流程的安全性和效率	NA	评估全自动工作流程在放射治疗自动分割中的安全性和效率	三种商业化的基于深度学习的自动分割应用程序	计算机视觉	NA	深度学习	NA	NA	NA
16994	2024-09-13	A deep learning-based approach for unbiased kinematic analysis in CNS injury 2024-Apr-12, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.08.588606 PMID:38645091	研究论文	本文介绍了一种基于深度学习的方法，用于脊髓损伤后无偏差的运动学分析	开发了两种基于深度学习算法的无标记运动学分析范式，MotorBox和MotoRater，用于替代传统的BMS测试，消除了评估中的主观偏差和变异性	NA	提高脊髓损伤后功能评估的准确性、敏感性和可重复性	脊髓损伤后的运动功能评估	机器学习	脊髓损伤	深度学习	NA	视频	NA
16995	2024-09-13	Automated cutaneous squamous cell carcinoma grading using deep learning with transfer learning 2024 Apr-Jun, Romanian journal of morphology and embryology = Revue roumaine de morphologie et embryologie DOI:10.47162/RJME.65.2.10 PMID:39020538	研究论文	本研究开发并验证了一种基于深度学习的模型，用于自动化皮肤鳞状细胞癌的病理分级	利用迁移学习训练三种不同架构的深度神经网络，提高了诊断准确性和效率	NA	开发和验证一种基于深度学习的模型，用于自动化皮肤鳞状细胞癌的病理分级	皮肤鳞状细胞癌的病理分级	计算机视觉	皮肤癌	深度学习	深度神经网络（DNN）	图像	300张皮肤鳞状细胞癌的病理图像，60张用于临床验证
16996	2024-09-13	Machine learning and single-cell transcriptome profiling reveal regulation of fibroblast activation through THBS2/TGFβ1/P-Smad2/3 signalling pathway in hypertrophic scar 2024-Mar, International wound journal IF:2.6Q1 DOI:10.1111/iwj.14481 PMID:37986676	研究论文	本研究通过单细胞转录组测序和机器学习方法，揭示了肥厚性瘢痕中纤维母细胞激活的调控机制	首次通过单细胞转录组测序和多种机器学习算法，识别出与肥厚性瘢痕相关的关键基因模块，并建立了基于卷积神经网络的诊断和预测模型	研究样本量较小，可能影响结果的普适性	揭示肥厚性瘢痕形成机制，并提供诊断和治疗的新生物标志物	肥厚性瘢痕中的纤维母细胞及其相关基因	数字病理学	皮肤疾病	单细胞RNA测序	卷积神经网络	基因表达数据	正常皮肤和肥厚性瘢痕样本
16997	2024-09-13	A deep learning approach to remove contrast from contrast-enhanced CT for proton dose calculation 2024-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14266 PMID:38269961	研究论文	本文提出了一种深度学习方法，用于从增强CT图像中生成非增强CT图像，以减少质子剂量计算中的不确定性	开发了一种深度网络，能够直接从增强CT图像生成非增强CT图像，避免了额外的非增强CT扫描，减少了成像时间和辐射剂量，并降低了组织运动引起的不确定性	研究仅在20名患者的腹部CT图像上进行了验证，结果显示在质子束路径的远端存在显著的剂量差异	开发一种方法，用于从增强CT图像生成非增强CT图像，以减少质子剂量计算中的不确定性	增强CT和非增强CT图像，以及质子剂量计算	计算机视觉	NA	深度学习	深度网络	图像	20名患者的腹部增强CT和非增强CT图像对，以及8000个图像块对
16998	2024-09-13	Reference-Based Multi-Stage Progressive Restoration for Multi-Degraded Images 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3451939 PMID:39236125	研究论文	本文提出了一种基于参考图像的多阶段渐进式图像恢复方法，用于处理多重退化的图像	本文创新性地提出了Reference-based Image Restoration Transformer (Ref-IRT)模型，通过三个主要阶段逐步恢复图像细节，并引入了质量退化恢复方法和纹理转移/重建网络来增强恢复效果	NA	研究如何通过深度学习技术有效恢复多重退化图像的高质量细节	多重退化的图像	计算机视觉	NA	深度学习	Transformer	图像	在三个基准数据集上进行了实验
16999	2024-09-13	Smartphone region-wise image indoor localization using deep learning for indoor tourist attraction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307569 PMID:39250439	研究论文	本文提出了一种利用深度学习技术通过智能手机图像进行室内旅游景点区域定位的方法	该方法无需基础设施投资，降低了将博物馆和海洋馆转变为智能场所的成本和时间	研究仅在巴西的一个实际场景中进行了评估，可能需要进一步验证其在其他地区的效果	开发一种适用于室内旅游景点的智能手机图像区域定位技术	智能手机拍摄的图像和室内旅游景点的位置分类	计算机视觉	NA	深度学习	神经网络（包括基于Transformer的模型）	图像	3654张图像，来自10种不同智能手机
17000	2024-09-13	Innovation in public health surveillance for social distancing during the COVID-19 pandemic: A deep learning and object detection based novel approach 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308460 PMID:39250511	研究论文	本文提出了一种基于深度学习和目标检测的公共健康监测新方法，用于在COVID-19疫情期间监控社交距离	采用YOLOv4模型和无人机实时视频数据，实现了高效的社交距离监控，准确率达到82%	NA	开发一种创新的公共健康监测方法，以应对COVID-19疫情期间的社交距离问题	社交距离的监控和违规行为的检测	计算机视觉	COVID-19	目标检测	YOLOv4	视频	使用无人机实时流式传输的25fps、1920 X 1080分辨率视频数据，监控范围为35米