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
18141	2024-09-07	Evaluation of deep learning techniques for identification of sarcoma-causing carcinogenic mutations 2022 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076221133703 PMID:36312852	研究论文	本文提出了一种使用深度学习循环神经网络（RNN）算法进行人类肉瘤癌症早期检测的框架	本文首次将RNN算法应用于肉瘤癌症的早期检测，并取得了高达99.6%的准确率	研究样本数量有限，仅包含134个样本和141个突变，可能影响模型的泛化能力	开发一种用于早期检测人类肉瘤癌症的深度学习框架	人类肉瘤癌症的早期检测	机器学习	肉瘤	深度学习	循环神经网络（RNN）	基因序列	134个样本，包含141个突变
18142	2024-09-07	Classification of multiple sclerosis clinical profiles using machine learning and grey matter connectome 2022, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2022.926255 PMID:36313252	研究论文	本研究旨在利用灰质连接组数据和机器学习方法区分多发性硬化症（MS）的临床分型	本研究首次提出了一种自动化管道，利用灰质形态连接组的全局图指标进行MS临床分型的分类，避免了复杂和耗时的MR技术	本研究仅使用了90名MS患者的样本，样本量较小，可能影响结果的普适性	研究灰质厚度连接组数据在区分多发性硬化症临床分型中的判别能力	多发性硬化症患者的灰质连接组数据	机器学习	多发性硬化症	机器学习	集成模型	图像	90名多发性硬化症患者
18143	2024-09-07	Learning to diagnose common thorax diseases on chest radiographs from radiology reports in Vietnamese 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0276545 PMID:36315483	研究论文	本文提出了一种从越南语放射报告自动提取标签的数据收集和标注流程，用于胸部X光片的常见胸腔疾病诊断	本文的创新点在于利用越南语放射报告自动生成标签，为越南放射学家和临床医生提供更符合当地诊断类别的标注数据	本文的局限性在于仅使用了越南语放射报告，未涉及其他语言的报告	本文的研究目的是开发一种自动化的数据标注工具，用于胸部X光片的常见胸腔疾病诊断	本文的研究对象是胸部X光片及其对应的越南语放射报告	计算机视觉	胸腔疾病	深度学习	EfficientNet-B2	图像	9752个胸部X光片研究
18144	2024-09-07	Deep Learning for Strawberry Canopy Delineation and Biomass Prediction from High-Resolution Images 2022, Plant phenomics (Washington, D.C.) DOI:10.34133/2022/9850486 PMID:36320455	研究论文	本文提出了一种利用深度神经网络从高分辨率图像中自动分割草莓冠层并预测生物量的工作流程	本文首次将Mask R-CNN应用于草莓冠层的分割，并使用深度回归模型预测冠层叶面积和干生物量	本文仅在RGB和RGB-NIR图像上进行了实验，未探讨其他波段组合的效果	研究如何利用深度学习技术从高分辨率图像中自动分割草莓冠层并预测其生物量	草莓冠层的分割和生物量预测	计算机视觉	NA	深度学习	Mask R-CNN, VGG-16, ResNet-50	图像	使用了高分辨率RGB、近红外和数字表面模型图像，样本数量未明确提及
18145	2024-09-07	Advances in antibody discovery from human BCR repertoires 2022, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2022.1044975 PMID:36338807	研究论文	本文综述了从人类B细胞受体库中发现抗体的技术进展	本文将这些创新技术分为四类：细胞分选、BCR测序、BCR库分析和抗体-抗原相互作用的验证，并结合深度学习技术，为未来直接从人类中发现诊断和治疗性抗体提供了新的方向	NA	探讨从人类B细胞受体库中发现抗体的技术进展	人类B细胞受体库中的抗体	生物技术	NA	细胞分选、BCR测序、抗体-抗原相互作用建模	深度学习	mRNA、基因组DNA	NA
18146	2024-09-07	A wheat spike detection method based on Transformer 2022, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2022.1023924 PMID:36340370	研究论文	本文提出了一种基于Transformer的麦穗检测方法，名为Multi-Window Swin Transformer (MW-Swin Transformer)，并结合了Wheat Intersection over Union损失函数，以提高检测精度	本文创新性地引入了Transformer网络来解决麦穗检测问题，并提出了新的损失函数以优化检测结果	NA	研究麦穗检测方法，以提高生产估计和作物田间管理的准确性	麦穗	计算机视觉	NA	Transformer	Transformer	图像	构建了一个名为WSD-2022的麦穗检测数据集
18147	2024-09-07	Multiple conserved states characterize the twist landscape of the bacterial actin homolog MreB 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.10.008 PMID:36382191	研究论文	研究了细菌肌动蛋白同源物MreB的双原丝在微秒尺度分子动力学模拟中可以采用多种扭转状态	使用深度学习算法识别了MreB双原丝在不同扰动下的扭转构象，并发现这些状态在ADP替代ATP后仍然稳定	NA	研究MreB双原丝的扭转状态及其对细胞形状的影响	细菌肌动蛋白同源物MreB的双原丝	NA	NA	分子动力学模拟	深度学习算法	NA	NA
18148	2024-09-06	MalariaFlow: A comprehensive deep learning platform for multistage phenotypic antimalarial drug discovery 2024-Nov-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2024.116776 PMID:39173285	研究论文	本文介绍了一个名为MalariaFlow的综合深度学习平台，用于多阶段表型抗疟药物发现	本文创新性地整合了多种机器学习和深度学习模型，包括指纹、图和共表示方法，以提高抗疟药物活性预测的准确性，并开发了一个网络服务器MalariaFlow用于虚拟筛选和相似性搜索	本文未涵盖疟疾寄生虫的突变株，这些突变株具有不同程度的敏感性或抗性	加速抗疟药物发现，特别是针对疟疾寄生虫在人体宿主中的三个主要生命周期阶段（肝脏、无性血液和配子体）的抑制活性预测	407,404种独特化合物和410,654个生物活性数据点，涵盖十个疟疾表型和三个生命周期阶段	机器学习	疟疾	深度学习	FP-GNN	化合物数据	407,404种独特化合物和410,654个生物活性数据点
18149	2024-09-06	Discovery of AMPs from random peptides via deep learning-based model and biological activity validation 2024-Nov-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2024.116797 PMID:39197254	研究论文	本文通过深度学习模型从随机肽库中筛选出具有抗菌活性的多肽，并验证了其生物活性	利用深度学习构建多判别器模型，成功从30,000个随机肽中筛选出12个具有抗菌活性的多肽	仅在特定实验条件下验证了筛选出的多肽的抗菌活性，未进行大规模临床试验	发现具有临床应用潜力的新型抗菌肽	随机肽库中的抗菌肽	机器学习	NA	深度学习	多判别器模型	肽序列	30,000个随机肽
18150	2024-09-06	A protein pre-trained model-based approach for the identification of the liquid-liquid phase separation (LLPS) proteins 2024-Oct, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.134146 PMID:39067723	研究论文	本文提出了一种基于蛋白质预训练模型的方法，用于识别液-液相分离（LLPS）蛋白质	本文使用基于transformer架构的ESM2-36预训练模型结合卷积神经网络，直接感知蛋白质序列的语义信息，提高了识别LLPS蛋白质的准确性	NA	开发一种高效、成本低廉的方法来识别LLPS蛋白质	液-液相分离（LLPS）蛋白质	机器学习	NA	NA	卷积神经网络（CNN）	蛋白质序列	1206个蛋白质序列，包括603个LLPS蛋白质和603个非LLPS蛋白质
18151	2024-09-06	The Application of Artificial Intelligence to Acoustic Data in Otolaryngology 2024-Oct, Otolaryngologic clinics of North America IF:1.3Q3 DOI:10.1016/j.otc.2024.06.011 PMID:39048506	综述	本文综述了人工智能，特别是深度学习，在耳鼻喉科，尤其是喉科和耳科中的应用	深度学习通过其建模复杂、噪声系统的强大能力，正在改变多个领域，并在许多任务中达到与人类相当的性能	本文主要讨论了深度学习在耳鼻喉科中的应用，但未深入探讨其他医学领域的应用	探讨深度学习在耳鼻喉科中的应用及其潜力	耳鼻喉科，特别是喉科和耳科	机器学习	NA	深度神经网络 (DNNs)	深度神经网络 (DNNs)	声学数据和其他临床数据	NA
18152	2024-09-06	A green and efficient approach for the simultaneous extraction and mechanisms of essential oil and lignin from Cinnamomum camphora: Process optimization based on deep learning 2024-Oct, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.134215 PMID:39074705	研究论文	研究了一种从樟树叶中同时提取精油和木质素的绿色高效方法，并利用深度学习工具优化了提取过程	采用深度共熔溶剂（DES）和深度学习工具实现了樟树叶中精油和木质素的同时提取，提取效率比传统水蒸气蒸馏提高了23%	NA	最大化生物质资源的利用和经济效益	樟树叶中的精油和木质素	NA	NA	深度共熔溶剂（DES）	深度学习	NA	NA
18153	2024-09-06	Computer Vision-Radiomics & Pathognomics 2024-Oct, Otolaryngologic clinics of North America IF:1.3Q3 DOI:10.1016/j.otc.2024.05.003 PMID:38910065	review	本文综述了计算机视觉在提取放射学（放射组学）和组织病理学（病理组学）特征中的应用	本文探讨了将多维数据输入整合以全面指导预后和临床管理的新方法	本文指出了当前研究中的空白，并呼吁未来工作填补这些空白	综述计算机视觉在头颈部癌症中的应用，并探讨未来研究方向	头颈部癌症的肿瘤特征、淋巴结特征及各种预后	computer vision	头颈部癌症	NA	NA	NA	NA
18154	2024-09-06	Artificial Intelligence in Laryngology, Broncho-Esophagology, and Sleep Surgery 2024-Oct, Otolaryngologic clinics of North America IF:1.3Q3 DOI:10.1016/j.otc.2024.04.002 PMID:38719714	综述	本文综述了人工智能在喉科学、支气管食管学和睡眠外科领域的最新创新	人工智能，特别是机器学习和深度学习，为处理和解释复杂数据提供了创新解决方案，使诊断和管理更加高效和有效	NA	探讨人工智能在喉科学、支气管食管学和睡眠外科领域的应用	喉科学、支气管食管学和睡眠外科领域的数据处理和诊断	机器学习	NA	机器学习、深度学习	NA	NA	NA
18155	2024-09-06	Deep learning method with integrated invertible wavelet scattering for improving the quality ofin vivocardiac DTI 2024-Sep-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6f6a PMID:39142339	研究论文	提出了一种基于无监督学习可逆小波散射（IWS）的深度学习方法，用于提高体内心脏扩散张量成像（DTI）的质量	使用多尺度小波散射（WS）提取近似变换不变特征，并通过多尺度编码器和解码器网络学习WS系数与DW图像之间的关系，从而提高SNR和CNR，并产生一致的FA和MD值以及更连贯的螺旋纤维结构	依赖于重复采集的数量，可能影响融合结果	提高心脏扩散张量成像（DTI）的质量	心脏扩散加权（DW）图像	计算机视觉	NA	扩散张量成像（DTI）	多尺度编码器和解码器网络	图像	三个心脏DTI数据集
18156	2024-09-06	Exploring the contribution of joint angles and sEMG signals on joint torque prediction accuracy using LSTM-based deep learning techniques 2024-Sep-05, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2400318 PMID:39235388	研究论文	本研究使用双向长短期记忆（LSTM）模型，通过关节角度和表面肌电图（sEMG）信号预测下肢关节扭矩，并评估了不同输入模态下的模型性能	本研究创新性地使用了双向LSTM模型，并比较了单一输入模态和组合输入模态在关节扭矩预测中的效果	本研究仅使用了公开数据集进行训练和评估，未探讨其他数据集或实际应用场景中的表现	研究如何通过机器学习技术提高下肢关节扭矩预测的准确性	下肢关节扭矩的预测	机器学习	NA	双向长短期记忆（LSTM）	LSTM	关节角度和表面肌电图（sEMG）信号	使用公开数据集进行训练和评估
18157	2024-09-06	A Graph-Based Time-Frequency Two-Stream Network for Multistep Prediction of Key Performance Indicators in Industrial Processes 2024-Sep-04, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3447108 PMID:39231064	研究论文	本文提出了一种基于图的时间-频率双流网络，用于工业过程中关键性能指标的多步预测	本文创新性地提出了多图注意力层和时间-频率双流网络，解决了过程变量之间的复杂耦合关系和长期依赖学习问题	NA	实现工业过程中关键性能指标的多步预测	工业过程中的关键性能指标	机器学习	NA	多图注意力层	图神经网络	时间序列数据	两个真实世界工业数据集
18158	2024-09-04	PCaseek: ultraspecific urinary tumor DNA detection using deep learning for prostate cancer diagnosis and Gleason grading 2024-Sep-03, Cell discovery IF:13.0Q1 DOI:10.1038/s41421-024-00710-y PMID:39223118	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
18159	2024-09-06	Learning co-plane attention across MRI sequences for diagnosing twelve types of knee abnormalities 2024-Sep-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51888-4 PMID:39223149	研究论文	本文介绍了一种利用共平面注意力机制的深度学习模型，用于跨MRI序列诊断十二种膝关节异常	引入了共平面注意力机制，提高了模型对多序列MRI图像的分类能力	未提及具体限制	开发一种能够准确分类膝关节异常的深度学习模型	多序列膝关节MRI图像及其对应的异常类型	计算机视觉	NA	深度学习	深度学习模型	图像	1748名受试者和12种异常类型
18160	2024-09-06	Deep learning-based virtual staining, segmentation, and classification in label-free photoacoustic histology of human specimens 2024-Sep-02, Light, science & applications DOI:10.1038/s41377-024-01554-7 PMID:39223152	研究论文	本文介绍了一种基于深度学习的框架，用于在无标记光声组织学中进行自动虚拟染色、分割和分类	提出了一个包含可解释对比非配对翻译（E-CUT）、U-net架构和深度学习逐步特征融合方法（StepFF）的框架，显著提高了分类准确性	NA	开发一种在临床环境中简化病理诊断过程的技术	人类样本的光声组织学图像	数字病理学	肝癌	深度学习	U-net	图像	NA