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
17081	2024-09-17	Estimating the monthly pan evaporation with limited climatic data in dryland based on the extended long short-term memory model enhanced with meta-heuristic algorithms 2023-Apr-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-32838-4 PMID:37045898	研究论文	提出了一种结合长短期记忆网络（LSTM）和灰狼优化算法（GWO）以及Kendall-τ相关系数的新型混合模型，用于在干旱地区基于有限的气象数据估算月蒸发量	创新性地将LSTM与GWO算法和Kendall-τ相关系数结合，用于优化LSTM的超参数和确定气象变量的输入组合	NA	开发一种在干旱地区基于有限气象数据准确估算月蒸发量的新方法	干旱地区的月蒸发量	机器学习	NA	长短期记忆网络（LSTM），灰狼优化算法（GWO），Kendall-τ相关系数	LSTM	气象数据	NA
17082	2024-09-17	Impact of the Covid-19 pandemic on the performance of machine learning algorithms for predicting perioperative mortality 2023-04-12, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-023-02151-1 PMID:37046259	研究论文	研究了Covid-19疫情对机器学习算法预测围手术期死亡率性能的影响	探讨了Covid-19疫情导致的协变量突变对模型性能的影响	过早重新训练模型可能导致预测准确性下降	阐明Covid-19疫情对模型性能的影响	Covid-19疫情前后的围手术期死亡率预测模型	机器学习	NA	XGBoost, 深度学习神经网络	XGBoost, 深度学习神经网络	围手术期数据	包括疫情前、第一波疫情和整个疫情期间的数据，直到2021年10月
17083	2024-09-17	Learning naturalistic driving environment with statistical realism 2023-Apr-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37677-5 PMID:37041129	研究论文	本文开发了一种基于深度学习的框架NeuralNDE，用于从车辆轨迹数据中学习多智能体交互行为，并提出冲突批评模型和安全映射网络来优化安全关键事件的生成过程	首次实现能够以统计真实性再现真实世界驾驶环境的模拟模型，特别是在安全关键情况下	NA	开发和测试自动驾驶车辆的模拟工具	多智能体交互行为和安全关键事件	计算机视觉	NA	深度学习	神经网络	轨迹数据	NA
17084	2024-09-17	Comprehensive benchmark and architectural analysis of deep learning models for nanopore sequencing basecalling 2023-04-11, Genome biology IF:10.1Q1 DOI:10.1186/s13059-023-02903-2 PMID:37041647	研究论文	本文对基于纳米孔测序的深度学习模型进行了全面的基准测试和架构分析	本文统一了现有的基准测试数据集并定义了一套严格的评估指标，对最新的七个碱基调用模型进行了基准测试和架构分析	物种偏差在训练中对性能有较大影响	标准化纳米孔测序碱基调用的基准测试过程，并分析不同模型的性能	纳米孔测序的碱基调用模型	机器学习	NA	纳米孔测序	循环神经网络（长短期记忆）和条件随机场解码器	电流信号	90种新架构
17085	2024-09-17	Improving the generalizability of protein-ligand binding predictions with AI-Bind 2023-04-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37572-z PMID:37031187	研究论文	本文介绍了一种名为AI-Bind的管道，通过结合基于网络的采样策略和无监督预训练来提高蛋白质-配体结合预测的泛化能力	AI-Bind通过结合网络采样策略和无监督预训练，解决了现有深度学习模型在预测新蛋白质和配体结合时的泛化问题	NA	提高蛋白质-配体结合预测的泛化能力，加速药物发现过程	蛋白质-配体结合预测模型及其泛化能力	机器学习	NA	深度学习	NA	网络数据	NA
17086	2024-09-17	Deep learning-based polygenic risk analysis for Alzheimer's disease prediction 2023-Apr-06, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-023-00269-x PMID:37024668	研究论文	本文开发了基于深度学习的神经网络模型，用于阿尔茨海默病（AD）的遗传风险分析和预测	利用深度学习方法捕捉高维基因组数据的非线性特征，提高了AD风险预测的准确性	NA	开发和验证基于深度学习的神经网络模型，用于AD的遗传风险建模和预测	阿尔茨海默病（AD）的遗传风险和相关生物途径	机器学习	阿尔茨海默病	深度学习	神经网络	基因组数据	NA
17087	2024-09-17	A roadmap to establish a comprehensive platform for sustainable manufacturing of natural products in yeast 2023-04-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37627-1 PMID:37024483	研究论文	本文讨论了在酵母中可持续生产天然产物（NPs）的综合平台构建	提出了通过系统关联优化在酵母中可持续生产天然产物的综合平台，并利用深度学习连接多层次数据以识别关键代谢模块	NA	建立一个可持续生产天然产物的综合平台	天然产物（NPs）的生产	生物工程	NA	深度学习	NA	多层次数据	NA
17088	2024-09-17	Enhancing travel time prediction with deep learning on chronological and retrospective time order information of big traffic data 2023-Apr-06, Annals of operations research IF:4.4Q1 DOI:10.1007/s10479-023-05223-7 PMID:37361091	研究论文	本文提出了一种新的深度学习方法BDIGRU，用于增强交通数据的旅行时间预测	提出了双向等距门控循环单元（BDIGRU），结合深度学习框架进行旅行时间预测，并通过其自身的注意力机制从大数据中直接学习高级特征	未提及	提高智能交通规划中的旅行时间预测准确性	交通数据中的旅行时间预测和路线规划	机器学习	NA	深度学习	双向等距门控循环单元（BDIGRU）	交通数据	未提及
17089	2024-09-17	A Current Review of Machine Learning and Deep Learning Models in Oral Cancer Diagnosis: Recent Technologies, Open Challenges, and Future Research Directions 2023-Apr-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13071353 PMID:37046571	综述	本文综述了机器学习和深度学习模型在口腔癌诊断中的应用，探讨了最新技术、开放挑战和未来研究方向	本文通过综述展示了深度学习模型在早期口腔癌检测中的潜力，并讨论了人工智能在口腔癌研究中的潜在应用	本文主要集中在综述现有技术和模型，未提出新的研究方法或模型	探讨机器学习和深度学习在口腔癌早期诊断中的应用，评估不同模型的性能，并提出未来研究方向	口腔癌及其早期诊断方法	机器学习	口腔癌	NA	深度学习模型	NA	NA
17090	2024-09-17	Explanatory predictive model for COVID-19 severity risk employing machine learning, shapley addition, and LIME 2023-04-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-31542-7 PMID:37015978	研究论文	研究旨在利用机器学习、Shapley加法和LIME模型解释COVID-19严重程度的风险因素	采用Shapley加法解释（SHAP）和LIME模型来分析细胞因子风暴与COVID-19严重程度之间的关系	样本量较小，仅涉及87名参与者	探讨细胞因子对SARS-CoV-2感染严重程度的影响	COVID-19患者的血浆细胞因子水平	机器学习	COVID-19	机器学习、深度学习	SHAP、LIME	血浆细胞因子水平数据	87名COVID-19患者
17091	2024-09-17	STGRNS: an interpretable transformer-based method for inferring gene regulatory networks from single-cell transcriptomic data 2023-04-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad165 PMID:37004161	研究论文	本文提出了一种基于Transformer的可解释方法STGRNS，用于从单细胞转录组数据中推断基因调控网络	STGRNS方法通过基因表达基序技术将基因对转换为连续子向量，避免了网络中缺失的阶段特异性调控，提高了GRN推断的准确性	NA	解决从单细胞转录组数据中推断基因调控网络时面临的细胞异质性问题	单细胞转录组数据中的基因调控网络	生物信息学	NA	单细胞RNA测序	Transformer	基因表达数据	21个静态和27个时间序列单细胞RNA测序数据集
17092	2024-09-17	Heavy tails and pruning in programmable photonic circuits for universal unitaries 2023-Apr-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37611-9 PMID:37012281	研究论文	本文研究了可编程光子电路中旋转操作符的重尾分布特性，并通过设计修剪多余旋转操作符来实现高保真度的通用幺正操作	揭示了可编程光子电路中旋转操作符的重尾分布特性，并提出了通过修剪多余旋转操作符来提高幺正操作的保真度和能量效率	NA	开发高维幺正操作的硬件，以实现量子计算和深度学习加速	可编程光子电路中的旋转操作符及其分布特性	量子计算	NA	光子平台	NA	NA	NA
17093	2024-09-17	MVDroid: an android malicious VPN detector using neural networks 2023-Apr-03, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-023-08512-1 PMID:37362571	研究论文	本文提出了一种基于神经网络的安卓恶意VPN检测器MVDroid，并通过实验验证了其高准确性	本文提出了一种优化的深度学习神经网络，用于基于应用权限识别虚假和感染恶意软件的VPN，并引入了一个新的恶意和良性安卓VPN数据集	NA	识别安卓设备上的恶意VPN	安卓设备上的VPN应用	机器学习	NA	深度学习神经网络	神经网络	应用权限数据	包含恶意和良性VPN的新数据集
17094	2024-09-17	Update on the Use of Artificial Intelligence in Hepatobiliary MR Imaging 2023-Apr-01, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.rev.2022-0102 PMID:36697024	综述	本文综述了机器学习和深度学习在肝胆MRI影像中的应用及其最新进展	本文旨在解释机器学习和深度学习的概念，并总结其在肝胆区域的最新应用成果	大多数临床医生对机器学习和深度学习不熟悉，且之前的相关研究较难理解	解释机器学习和深度学习的概念，并总结其在肝胆区域的最新应用成果	机器学习和深度学习在肝胆MRI影像中的应用	计算机视觉	肝胆疾病	机器学习深度学习	NA	影像	NA
17095	2024-09-17	A 3D Tumor-Mimicking In Vitro Drug Release Model of Locoregional Chemoembolization Using Deep Learning-Based Quantitative Analyses 2023-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202206195 PMID:36793129	研究论文	本文开发了一种基于深度学习的3D肿瘤模拟体外药物释放模型，用于局部化疗栓塞的定量分析	首次结合深度学习进行计算分析，定量评估局部药物释放的关键参数，并建立了与人体结果长达80天的体外-体内相关性	NA	开发一种新的体外模型，以深入了解肿瘤内药物释放行为	肝细胞癌（HCC）的局部化疗栓塞治疗	数字病理学	肝癌	深度学习	NA	图像	NA
17096	2024-09-17	Unlocking the microbial studies through computational approaches: how far have we reached? 2023-Apr, Environmental science and pollution research international DOI:10.1007/s11356-023-26220-0 PMID:36920617	综述	本文综述了计算方法在微生物研究中的应用进展	本文介绍了人工智能（特别是机器学习和深度学习）在微生物学中的应用，包括疾病预测、环境污染物追踪和环境质量评估	NA	探讨计算方法在微生物基因组学、蛋白质组学、功能多样性、疫苗开发和药物设计中的应用	微生物基因组、蛋白质组、功能多样性、疫苗和药物设计	机器学习	NA	机器学习（ML）和深度学习（DL）	NA	基因组序列和蛋白质组数据	NA
17097	2024-09-17	Automatic measurement of anterior chamber angle parameters in AS-OCT images using deep learning 2023-Apr-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.481419 PMID:37078037	研究论文	本文提出了一种基于深度学习的自动测量前房角参数的方法，用于AS-OCT图像中的虹膜根部和巩膜突的检测	本文创新性地结合了卷积神经网络和Transformer模型，以捕捉局部和全局特征，从而提高了前房角参数测量的准确性	NA	开发一种自动检测AS-OCT图像中虹膜根部和巩膜突的深度学习方法，以测量前房角参数	AS-OCT图像中的虹膜根部和巩膜突	计算机视觉	青光眼	深度学习	卷积神经网络和Transformer模型	图像	3305张AS-OCT图像，来自362只眼睛和203名患者
17098	2024-09-17	Quantifying the drug response of patient-derived organoid clusters by aggregated morphological indicators with multi-parameters based on optical coherence tomography 2023-Apr-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.486666 PMID:37078050	研究论文	开发了一种基于光学相干断层扫描（OCT）的无标记、连续跟踪成像和定量分析药物疗效的方法，用于患者来源的类器官（PDOs）	引入了一种基于深度学习网络（EGO-Net）的类器官分割和形态定量分析方法，并结合主成分分析（PCA）建立了综合形态指标（AMI），用于定量评估PDOs对药物梯度浓度和组合的响应	NA	开发一种高效的方法来定量评估患者来源的类器官（PDOs）对药物的响应	患者来源的类器官（PDOs）及其对药物的响应	数字病理学	NA	光学相干断层扫描（OCT）	深度学习网络（EGO-Net）	图像	NA
17099	2024-09-17	Recognition of Abnormal-Laying Hens Based on Fast Continuous Wavelet and Deep Learning Using Hyperspectral Images 2023-Mar-31, Sensors (Basel, Switzerland) DOI:10.3390/s23073645 PMID:37050705	研究论文	提出了一种基于快速连续小波变换和深度学习的超光谱图像识别异常产蛋母鸡的方法	结合超光谱成像技术、快速连续小波变换数据分析方法和卷积神经网络深度学习模型，实现了对低产蛋母鸡和正常母鸡的高精度识别	NA	解决商业农场中低产蛋母鸡的识别问题	低产蛋母鸡和正常产蛋母鸡	计算机视觉	NA	超光谱成像	卷积神经网络 (CNN)	图像	两种不同类型的母鸡的超光谱图像数据集
17100	2024-09-17	Machine Learning for Uncovering Biological Insights in Spatial Transcriptomics Data 2023-Mar-29, ArXiv PMID:37033464	研究论文	本文总结了空间转录组学数据分析中机器学习的主要目标和当前趋势，并介绍了四个数据科学概念和相关启发式方法，以帮助从业者选择合适的工具	本文介绍了机器学习在空间转录组学数据分析中的应用，特别是深度学习技术的创新工具，以帮助解析复杂生物系统中的信号	本文主要总结了当前的趋势和方法，但未深入探讨具体的技术细节或提供实际案例分析	探讨机器学习在空间转录组学数据分析中的应用，以增强对健康和疾病中多细胞系统发育和稳态过程的理解	空间转录组学数据及其在生物系统中的应用	机器学习	NA	机器学习	深度学习	空间转录组学数据	NA