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
221	2025-01-31	Contrastive learning with transformer for adverse endpoint prediction in patients on DAPT post-coronary stent implantation 2024, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2024.1460354 PMID:39872877	研究论文	本研究提出了一种基于对比学习和Transformer的新方法，用于预测冠状动脉支架植入后接受双抗血小板治疗（DAPT）患者的不良事件	结合对比学习和Transformer架构，通过多头注意力机制优化特征表示，提升多时间间隔预测的准确性	研究依赖于回顾性数据，可能存在选择偏倚，且未进行外部验证	提高冠状动脉支架植入后DAPT患者不良事件的预测准确性	接受药物洗脱支架（DES）植入的成年患者	机器学习	心血管疾病	对比学习	Transformer	临床数据	19,713名成年患者
222	2025-01-30	A deep learning model for carotid plaques detection based on CTA images: a two stepwise early-stage clinical validation study 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1480792 PMID:39871993	研究论文	本研究开发了一种基于CTA图像的深度学习模型，用于颈动脉斑块检测，并评估了该模型在临床应用中的可行性和价值	结合ResUNet与Pyramid Scene Parsing Network (PSPNet)增强斑块分割，并通过两步早期临床验证研究模拟真实临床斑块诊断场景	研究为回顾性设计，可能影响结果的普遍性	开发并验证一种基于CTA图像的深度学习模型，用于颈动脉斑块的检测	颈动脉粥样硬化斑块患者	计算机视觉	心血管疾病	CTA成像	ResUNet与PSPNet结合	图像	647名患者（475名训练，86名验证，86名测试）
223	2025-01-04	Transfer Learning With Active Sampling for Rapid Training and Calibration in BCI-P300 Across Health States and Multi-Centre Data 2024, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3420960 PMID:38949927	研究论文	本文提出了一种基于主动采样的迁移学习方法，用于在脑机接口（BCI）P300波检测中快速训练和校准，适用于不同健康状况和多中心数据	提出了基于Poison Sampling Disk（PDS）的主动采样（AS）方法，用于自适应迁移学习，显著提高了分类精度和训练效率	研究仍面临处理来自不同设备、受试者、多中心及健康与患者群体的多样性和不平衡数据集的挑战	提高脑机接口（BCI）P300波检测的分类精度和训练效率，适应不同健康状况和多中心数据	脑机接口（BCI）P300波检测	机器学习	NA	迁移学习，主动采样（AS）	卷积神经网络（CNN）	神经数据	两个不同的国际复制数据集
224	2025-01-26	Advancing precision agriculture with deep learning enhanced SIS-YOLOv8 for Solanaceae crop monitoring 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1485903 PMID:39850216	研究论文	本文提出了一种改进的SIS-YOLOv8模型，用于提高复杂农业气候下的作物病害监测效率	引入了三个关键模块：Fusion-Inception Conv模块、C2f-SIS模块和SPPF-IS模块，以增强模型在复杂背景下的特征提取能力和泛化能力，同时通过Dep Graph剪枝方法减少了模型参数	模型在复杂气候条件下的鲁棒性仍需进一步验证，且未涉及其他作物或病害的测试	提高农业作物病害监测的自动化和精确性	马铃薯和番茄的病害监测	计算机视觉	NA	深度学习	SIS-YOLOv8	图像	NA
225	2025-01-26	Monitoring of agricultural progress in rice-wheat rotation area based on UAV RGB images 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1502863 PMID:39850210	研究论文	本研究提出了一种基于无人机RGB图像和深度学习技术的精确监测稻麦轮作区农业进展的方法	结合无人机图像分析技术和深度学习技术，提出了一种新的农业进展监测方法，通过特征相关性分析去除冗余特征，并提出了适合农业进展分类的激活层特征，提高了分类准确性	未提及具体的研究区域和样本量，可能限制了方法的普适性	提高稻麦轮作区农业进展的实时监测效率	稻麦轮作区的农业进展	计算机视觉	NA	无人机图像分析技术、深度学习技术	随机森林模型、ResNet50	RGB图像	NA
226	2025-01-26	LiDAR point cloud denoising for individual tree extraction based on the Noise4Denoise 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1490660 PMID:39850219	研究论文	本文介绍了一种名为DEN4的无监督深度学习点云去噪算法，旨在提高LiDAR点云中单棵树分割的准确性	DEN4引入了多级噪声分离模块，有效区分信号和噪声，提高了信噪比（SNR）并减少了误差	NA	提高LiDAR点云中单棵树分割的准确性	LiDAR点云数据	计算机视觉	NA	深度学习	NA	点云数据	60个样本数据集
227	2025-01-26	Study on the application of deep learning artificial intelligence techniques in the diagnosis of nasal bone fracture 2024, International journal of burns and trauma IF:1.4Q3 DOI:10.62347/VCJP9652 PMID:39850782	研究论文	本文探讨了深度学习人工智能技术在鼻骨骨折诊断中的应用，通过三维重建颌面部CT图像来评估鼻骨骨折的识别及其临床诊断意义	首次将YOLOX检测模型与GhostNetv2分类模型结合，应用于鼻骨骨折的自动识别，并验证了AI辅助诊断在提高诊断准确率、敏感性和特异性方面的有效性	样本量较小（82名患者），且仅基于单一机构的回顾性数据，可能影响模型的泛化能力	评估深度学习人工智能技术在鼻骨骨折诊断中的应用效果	39名正常鼻骨患者和43名鼻骨骨折患者的颌面部CT三维重建图像	计算机视觉	鼻骨骨折	深度学习	YOLOX + GhostNetv2	CT图像	82名患者（39名正常，43名骨折），共247张图像
228	2025-01-26	Dynamic-budget superpixel active learning for semantic segmentation 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1498956 PMID:39850848	研究论文	本文提出了一种动态预算超像素查询策略，用于提高语义分割任务中区域主动学习算法的查询效率	提出了一种新颖的动态预算超像素查询策略，能够根据图像中的高不确定性超像素数量动态调整查询预算，从而提高查询效率	未提及具体局限性	提高语义分割任务中区域主动学习算法的数据效率	语义分割任务中的图像数据	计算机视觉	NA	主动学习	NA	图像	两个数据集：农业领域图像数据集和Cityscapes数据集
229	2025-01-25	ID3RSNet: cross-subject driver drowsiness detection from raw single-channel EEG with an interpretable residual shrinkage network 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1508747 PMID:39844854	研究论文	本文提出了一种名为ID3RSNet的新型可解释残差收缩网络，用于从单通道EEG信号中进行跨受试者驾驶员嗜睡检测	提出了一种结合注意力机制的残差收缩构建单元，用于自适应特征重新校准和软阈值去噪，并引入了基于EEG的类激活图（ECAM）可解释方法，以可视化分析样本学习模式	NA	开发一种无需校准的驾驶员嗜睡检测系统，使用单通道EEG信号	驾驶员嗜睡检测	机器学习	NA	EEG信号处理	ID3RSNet（可解释残差收缩网络）	单通道EEG信号	NA
230	2025-01-25	Revolutionizing diagnosis of pulmonary Mycobacterium tuberculosis based on CT: a systematic review of imaging analysis through deep learning 2024, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2024.1510026 PMID:39845042	系统综述	本文综述了基于深度学习的CT成像分析在肺结核诊断中的应用，评估了其诊断准确性，并探讨了当前面临的挑战和未来研究方向	本文首次系统评估了深度学习在基于CT的肺结核诊断中的应用，并提出了数据稀缺性、模型泛化性、可解释性和伦理问题等关键挑战	研究仅纳入了7篇相关文献，样本量较小，且未进行定量分析	评估深度学习在基于CT的肺结核诊断中的准确性，并探讨其应用前景和挑战	肺结核（PTB）患者	计算机视觉	肺结核	深度学习（DL）	NA	CT图像	7篇相关文献
231	2025-01-25	A multi-modal multi-branch framework for retinal vessel segmentation using ultra-widefield fundus photographs 2024, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2024.1532228 PMID:39845080	研究论文	本文提出了一种多模态多分支框架M3B-Net，用于提高超广角眼底照片中的视网膜血管分割精度	M3B-Net框架结合了眼底荧光血管造影（FFA）图像，通过选择性融合模块（SFM）、局部感知融合模块（LPFM）和注意力引导上采样模块（AUM）提升分割性能	未明确提及具体局限性	提高超广角眼底图像中视网膜血管的分割精度，以支持疾病分析	超广角眼底照片中的视网膜血管	计算机视觉	NA	深度学习	M3B-Net（多模态多分支框架）	图像（超广角眼底照片和FFA图像）	未明确提及样本数量
232	2025-01-25	A systematic review of Machine Learning and Deep Learning approaches in Mexico: challenges and opportunities 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1479855 PMID:39845096	系统综述	本文系统综述了墨西哥在机器学习和深度学习领域的发展及其应用，涵盖了多个领域	提供了墨西哥在机器学习和深度学习领域的全面信息，包括趋势、空间位置、机构、出版问题、主题领域、算法应用和性能指标	主要关注墨西哥的应用，可能缺乏对其他国家的比较分析	提供墨西哥在机器学习和深度学习领域的应用和发展情况	120篇原始研究论文	机器学习, 深度学习	NA	NA	人工神经网络(ANN), 随机森林(RF), 支持向量机(SVM)	NA	120篇原始研究论文
233	2025-01-25	DLBWE-Cys: a deep-learning-based tool for identifying cysteine S-carboxyethylation sites using binary-weight encoding 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1464976 PMID:39845187	研究论文	本文介绍了一种名为DLBWE-Cys的深度学习工具，用于准确识别蛋白质序列中的半胱氨酸S-羧乙基化位点	开发了一种新的深度学习模型DLBWE-Cys，结合了CNN、BiLSTM、Bahdanau注意力机制和全连接神经网络，并采用了专门设计的Binary-Weight编码方法	目前尚无其他计算工具能准确预测这些位点，这给该领域的研究带来了挑战	准确识别半胱氨酸S-羧乙基化位点，以阐明其在自身免疫疾病中的功能机制	蛋白质序列中的半胱氨酸S-羧乙基化位点	机器学习	自身免疫疾病	深度学习	CNN, BiLSTM, Bahdanau attention, FNN	蛋白质序列数据	NA
234	2025-01-25	A CT-based deep learning model for preoperative prediction of spread through air spaces in clinical stage I lung adenocarcinoma 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1482965 PMID:39845323	研究论文	本文开发并验证了一种基于CT的深度学习模型，用于非侵入性预测临床I期肺腺癌的气道扩散（STAS），并与传统的临床语义模型进行了预测性能比较	采用Swin Transformer架构开发深度学习模型，用于预测STAS，其性能优于传统的临床语义模型	研究为回顾性设计，可能引入选择偏差，且样本量相对有限	开发并验证一种深度学习模型，用于预测临床I期肺腺癌的STAS	513例经病理证实的I期肺腺癌患者	数字病理	肺癌	CT扫描	Swin Transformer	图像	513例患者（训练队列386例，验证队列127例）
235	2025-01-25	Deep CNN ResNet-18 based model with attention and transfer learning for Alzheimer's disease detection 2024, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2024.1507217 PMID:39845347	研究论文	本文提出了一种基于ResNet-18的深度学习模型，结合深度卷积和Squeeze and Excitation (SE)模块，用于阿尔茨海默病的检测	提出了一种结合SE模块的ResNet-18模型，减少了调参需求，并在小样本和不平衡数据集上表现优异	医疗数据收集成本高且涉及伦理问题，小数据集容易导致成本函数的局部最小值问题，类不平衡也会降低性能	开发一种有效的深度学习模型用于阿尔茨海默病的检测	阿尔茨海默病（AD）、认知正常（CN）和轻度认知障碍（MCI）患者	计算机视觉	阿尔茨海默病	深度卷积、Squeeze and Excitation (SE)模块、迁移学习	ResNet-18	图像	未明确说明样本数量
236	2025-01-25	A fast monocular 6D pose estimation method for textureless objects based on perceptual hashing and template matching 2024, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2024.1424036 PMID:39845569	研究论文	本文提出了一种基于感知哈希和模板匹配的快速单目6D姿态估计方法，适用于无纹理物体	提出了一种新的感知哈希方法用于二值图像，实现了快速且鲁棒的姿态估计，并自动预选模板子集以减少推理时间	在绝对精度上不如最先进的深度学习模型，但在精度和处理时间之间提供了更有利的权衡	开发一种在资源受限设备上高效运行的6D姿态估计方法，以降低硬件成本和功耗	无纹理物体	计算机视觉	NA	感知哈希和模板匹配	NA	图像	合成生成的数据集和一个公开可用的数据集
237	2025-01-25	Quantitative immunohistochemistry analysis of breast Ki67 based on artificial intelligence 2024, Open life sciences IF:1.7Q3 DOI:10.1515/biol-2022-1013 PMID:39845722	研究论文	本文提出了一种基于深度学习的乳腺癌Ki67定量分析方法，旨在提高诊断效率和准确性	采用深度学习技术对乳腺癌Ki67进行定量分析，显著提高了诊断效率和一致性	未提及方法在其他类型癌症或更大样本中的适用性	开发一种高效的乳腺癌Ki67定量分析系统，以辅助病理诊断	乳腺癌病理图像中的Ki67表达	数字病理学	乳腺癌	深度学习	CNN	图像	未明确提及具体样本数量，但提到在临床独立样本实验中进行了验证
238	2025-01-25	Transformer-based model for predicting length of stay in intensive care unit in sepsis patients 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1473533 PMID:39845825	研究论文	本研究开发了一种基于Transformer的深度学习模型，用于预测脓毒症患者在重症监护病房（ICU）的住院时间	利用Transformer模型结合全局和局部输入数据分析，通过分类和特征标记，基于序贯器官衰竭评估（SOFA）标准进行预测	研究仅基于单一医院的521名患者数据，可能缺乏广泛代表性	优化ICU资源分配，减少医疗费用	脓毒症患者	机器学习	脓毒症	深度学习	Transformer	医疗数据	521名患者
239	2025-01-25	Transforming Healthcare: Artificial Intelligence (AI) Applications in Medical Imaging and Drug Response Prediction 2024, Genome integrity DOI:10.14293/genint.15.1.002 PMID:39845982	评论	本文讨论了人工智能在医学影像和药物反应预测中的应用及其面临的挑战	探讨了人工智能在医学影像诊断和药物反应预测中的潜在应用，并强调了数据泛化和模型可解释性的重要性	未提供具体实验数据或案例研究，主要基于理论讨论	探讨人工智能在医学领域的应用潜力及实施挑战	医学影像和药物反应预测	机器学习	NA	机器学习和深度学习	NA	医学影像和药物反应数据	NA
240	2025-01-25	Retraction Note: COVID-CheXNet: hybrid deep learning framework for identifying COVID-19 virus in chest X-rays images 2024, Soft computing IF:3.1Q2 DOI:10.1007/s00500-024-09992-6 PMID:39847664	retraction	本文撤回了关于使用混合深度学习框架识别胸部X光图像中COVID-19病毒的文章	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA