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
18281	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
18282	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
18283	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
18284	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
18285	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
18286	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
18287	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
18288	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
18289	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
18290	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
18291	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
18292	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
18293	2024-09-06	Predicting odor from vibrational spectra: a data-driven approach 2024-Sep-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70696-w PMID:39223164	研究论文	本研究通过数据驱动的方法，利用振动光谱（VS）预测气味，并结合计算机视觉技术进行特征提取和分类	首次使用数据驱动的分类、聚类和可解释AI技术，分析了3018个分子的振动光谱数据，并结合图像表示和PCA降维指纹特征，提高了气味分类的准确性	NA	验证振动理论在气味感知中的应用，并探索深度学习在嗅觉研究中的潜力	3018个分子的振动光谱数据及其气味分类	计算机视觉	NA	数据驱动分类、聚类、可解释AI	深度学习模型	振动光谱图像	3018个分子
18294	2024-09-06	Integrating machine and deep learning technologies in green buildings for enhanced energy efficiency and environmental sustainability 2024-Sep-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70519-y PMID:39223231	研究论文	本文研究了将机器学习和深度学习技术应用于绿色建筑设计中，以提高能源效率和环境可持续性	提出了结合机器学习和深度学习技术来优化绿色建筑设计过程，并使用GNN和LSTM模型进行实验，结果表明这些模型比传统深度学习技术更准确和高效	未提及具体的研究局限性	开发一个绿色建筑设计预测模型，以优化资源消耗、提高居住者舒适度并减少建筑环境对环境的影响	绿色建筑设计过程及其对环境可持续性的影响	机器学习	NA	机器学习（ML）和深度学习（DL）技术，包括RF、DT、Extreme GB、GNN、LSTM和RNN	GNN和LSTM	数值数据	使用了ASHARE-884数据集
18295	2024-09-06	Impact of acquisition area on deep-learning-based glaucoma detection in different plexuses in OCTA 2024-09-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71235-3 PMID:39223266	研究论文	研究了不同采集区域和血管丛对基于深度学习的青光眼检测的影响	深度学习方法在所有采集区域和血管丛中均优于传统的血管密度生物标志物，并且在6x6 ONH扫描中表现最佳	未提及具体限制	探讨不同采集区域和血管丛对基于机器学习的青光眼患者与健康对照组区分的影响	青光眼患者和健康对照组	计算机视觉	眼科疾病	光学相干断层扫描血管造影 (OCTA)	深度学习	图像	未提及具体样本数量
18296	2024-09-06	PCP-GC-LM: single-sequence-based protein contact prediction using dual graph convolutional neural network and convolutional neural network 2024-Sep-02, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05914-3 PMID:39223474	研究论文	本文提出了一种基于单序列的蛋白质接触预测方法PCP-GC-LM，结合双层图卷积神经网络和卷积神经网络进行预测	本文创新性地使用了双层图神经网络和卷积网络，能够更好地捕捉蛋白质分子不同层次的抽象特征，并处理不同长度和形状的蛋白质分子结构	本文未提及具体的计算负担问题解决方案	提高基于单序列的蛋白质接触预测方法的准确性	蛋白质接触图谱预测	机器学习	NA	图卷积神经网络	图卷积神经网络和卷积神经网络	蛋白质序列和结构信息	两个同源二聚体蛋白质测试集（DeepHomo测试数据集和CASP-CAPRI目标数据集）
18297	2024-09-06	Robust mosquito species identification from diverse body and wing images using deep learning 2024-Sep-02, Parasites & vectors IF:3.0Q1 DOI:10.1186/s13071-024-06459-3 PMID:39223629	研究论文	研究使用卷积神经网络（CNN）对蚊子种类进行基于图像的分类	比较了三种图像采集方法（智能手机、带宏镜头的智能手机和专业立体显微镜）在蚊子种类分类中的效果，并发现基于翅膀的分类效果优于基于身体的分类	CNN模型在不同设备上的表现依赖于特定设备的训练，导致平均准确率下降14%	探索卷积神经网络在蚊子种类分类中的应用	四种形态相似的Aedes蚊子种类	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	796个样本
18298	2024-09-06	X-ray lens figure errors retrieved by deep learning from several beam intensity images 2024-Sep-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577524004958 PMID:39042577	研究论文	本文研究了使用深度学习从多个光束强度图像中检索X射线透镜表面误差的方法	提出了一种使用神经网络从光束强度图像中准确预测透镜误差轮廓的方法	NA	解决同步辐射光束聚焦中的相位问题，并验证仅使用传播光束在多个距离处的强度图像检索透镜表面误差的可能性	X射线透镜的表面误差	计算机视觉	NA	深度学习	神经网络	图像	数千次模拟
18299	2024-09-06	Artificial intelligence-based plasma exosome label-free SERS profiling strategy for early lung cancer detection 2024-Sep, Analytical and bioanalytical chemistry IF:3.8Q1 DOI:10.1007/s00216-024-05445-z PMID:39017700	研究论文	本文介绍了一种基于人工智能的无标记表面增强拉曼光谱（SERS）策略，用于早期肺癌的检测	利用深度学习模型和卷积神经网络（CNN）对细胞外囊泡的拉曼光谱数据进行特征提取，结合支持向量机（SVM）模型进行早期肺癌的准确诊断	NA	开发一种新的早期肺癌诊断方法	肺癌细胞和正常细胞的细胞外囊泡	机器学习	肺癌	表面增强拉曼光谱（SERS）	卷积神经网络（CNN）和支持向量机（SVM）	光谱数据	肺癌细胞系和正常细胞系的细胞外囊泡样本
18300	2024-09-06	Pre-therapy PET-based voxel-wise dosimetry prediction by characterizing intra-organ heterogeneity in PSMA-directed radiopharmaceutical theranostics 2024-Sep, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06737-3 PMID:38724653	研究论文	本研究旨在通过表征体内器官异质性，利用人工智能技术预测基于预治疗PET的体素级剂量分布	本研究首次利用深度学习技术预测体素级吸收剂量图，考虑了体内器官的异质性	本研究仅在转移性去势抵抗性前列腺癌患者中进行，样本量有限	通过表征体内器官异质性，预测基于预治疗PET的体素级吸收剂量图，以提高治疗效果	转移性去势抵抗性前列腺癌患者	数字病理学	前列腺癌	深度学习	深度学习模型	图像	23名患者，48个治疗周期