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
341	2024-12-28	Pneumothorax detection and segmentation from chest X-ray radiographs using a patch-based fully convolutional encoder-decoder network 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1424065 PMID:39722784	研究论文	本文提出了一种基于patch的全卷积编码器-解码器网络，用于从胸部X光片中自动检测和分割气胸	结合了全卷积神经网络（FCNN）和Vision Transformers（ViTs）的优势，同时仅使用卷积模块以避免ViT自注意力机制的二次复杂度	NA	提高气胸检测和分割的准确性和效率	胸部X光片	计算机视觉	气胸	深度学习	全卷积编码器-解码器网络	图像	两个数据集：SIIM-ACR Pneumothorax Segmentation数据集和来自菲律宾The Medical City的新数据集
342	2024-12-28	A fusion analytic framework for investigating functional brain connectivity differences using resting-state fMRI 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1402657 PMID:39723421	研究论文	本文提出了一种可解释的融合分析框架，用于研究静息态功能磁共振成像（fMRI）数据中功能脑连接的差异	通过整合功能连接网络（FCN）、自注意力深度学习模型（Self-Attn）和潜在空间项目反应模型（LSIRM），提供了一种创新的方法来发现群体间的ROI连接差异	NA	研究静息态fMRI数据中功能脑连接的差异，以揭示认知障碍的独特特征	静息态fMRI数据中的感兴趣区域（ROI）	机器学习	认知障碍	静息态功能磁共振成像（fMRI）	自注意力深度学习模型（Self-Attn），潜在空间项目反应模型（LSIRM）	图像	NA
343	2024-12-28	Histopathological domain adaptation with generative adversarial networks: Bridging the domain gap between thyroid cancer histopathology datasets 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310417 PMID:39724083	研究论文	本研究探讨了使用生成对抗网络（GAN）生成高质量合成图像以增强甲状腺癌病理图像分类模型的泛化能力	利用StyleGAN2生成高质量合成图像，显著提高了模型在外部数据上的泛化能力，特别是在少数类图像上的表现	训练数据仅包含156个患者样本，可能限制了模型的进一步优化	提高甲状腺癌病理图像分类模型的泛化能力	甲状腺癌病理图像	数字病理	甲状腺癌	生成对抗网络（GAN）	StyleGAN2	图像	156个患者样本
344	2024-12-28	A novel dataset and deep learning object detection benchmark for grapevine pest surveillance 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1485216 PMID:39726421	研究论文	本文介绍了一种新的数据集和深度学习目标检测基准，用于葡萄园害虫监测	贡献了一个完全注释的数据集，并比较了两种最先进的目标检测算法YOLOv8和Faster R-CNN的性能	数据集的样本量相对较小，可能影响模型的泛化能力	开发自动害虫检测系统，以应对葡萄园中的Flavescence dorée病害	美国葡萄叶蝉和镶嵌叶蝉	计算机视觉	葡萄病害	深度学习	YOLOv8, Faster R-CNN	图像	超过600张图像，每类约1500个识别
345	2024-12-28	Revolutionizing the construction industry by cutting edge artificial intelligence approaches: a review 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1474932 PMID:39726889	综述	本文综述了人工智能（AI）、机器学习（ML）和深度学习（DL）在建筑行业中的应用，探讨了其在预测空气污染、提高材料质量、监控工人健康与安全以及增强建筑中的网络物理系统（CPS）方面的作用	本文综合评估了多种AI和ML模型及其优化技术，并探讨了AI在建筑行业中的广泛应用，包括可解释AI和Petri网在CPS中的进展	研究在某些领域仍存在空白，如AI在多样化建筑环境中的更广泛整合以及模型在现实应用中的进一步验证需求	探讨AI、ML和DL在建筑行业中的应用，以解决环境与操作挑战，并推动可持续实践、提高操作效率和解决安全问题	建筑行业中的空气污染预测、材料质量提升、工人健康与安全监控以及网络物理系统（CPS）的增强	机器学习	NA	人工神经网络（ANNs）、支持向量机（SVMs）、鲸鱼优化、蛾火优化	人工神经网络（ANNs）、支持向量机（SVMs）	NA	NA
346	2024-12-28	A hybrid deep learning-based approach for optimal genotype by environment selection 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1312115 PMID:39726891	研究论文	本文提出了一种基于混合深度学习的模型，用于优化基因型与环境的选择，以提高作物产量预测的准确性	结合了卷积神经网络（CNN）和长短期记忆网络（LSTM），并采用广义集成方法（GEM）优化模型权重，提高了预测性能	由于数据限制，土壤变量仅以州为单位统一处理，缺乏更精细的空间信息	开发一种数据驱动的方法，准确预测不同基因型作物在天气变化下的产量，以指导育种工作	大豆杂交种	机器学习	NA	广义集成方法（GEM）	CNN, LSTM	天气数据、土壤数据、基因型数据	93,028条大豆杂交种记录，涵盖159个地点、28个州、13年、5,838个不同基因型
347	2024-12-26	3D convolutional neural network based on spatial-spectral feature pictures learning for decoding motor imagery EEG signal 2024, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2024.1485640 PMID:39720668	研究论文	本文提出了一种基于空间-频谱特征图学习的3D卷积神经网络方法，用于解码运动想象脑电图信号	提出了一种新的3D卷积神经网络（P-3DCNN）解码方法，联合学习脑电图信号的频率和空间域特征，提高了解码和准确率	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	提高运动想象脑电图信号的解码准确率，推动脑机接口在神经康复领域的应用	运动想象脑电图信号	脑机接口	NA	Welch方法，3D卷积神经网络	3DCNN	脑电图信号	未提及具体样本数量
348	2024-12-25	Quantifying Interpretation Reproducibility in Vision Transformer Models with TAVAC 2024-Jan-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.18.576252 PMID:38328179	研究论文	本文提出了一种名为TAVAC的新指标，用于评估Vision Transformer模型在图像数据集上的过拟合程度，并量化解释的可重复性	引入了一种新的评估指标TAVAC，用于量化Vision Transformer模型解释的可重复性，并提供了对高关注区域重要性的评估方法	NA	解决Vision Transformer模型在有限标注的生物医学图像数据集上容易过拟合的问题，并提高模型解释的可重复性	Vision Transformer模型在图像分类任务中的解释可重复性	数字病理学	乳腺癌	NA	Vision Transformer (ViT)	图像	四个公开的图像分类数据集和两个独立的乳腺癌组织学图像数据集
349	2024-12-25	Deep learning models for MRI-based clinical decision support in cervical spine degenerative diseases 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1501972 PMID:39712220	研究论文	本研究开发了一种基于MRI的深度学习模型，用于支持颈椎退行性疾病的临床决策	首次开发了基于MRI的深度学习模型，用于评估颈椎退行性疾病的手术适应症，并与脊柱外科医生的建议进行一致性分析	研究仅限于特定时间段内住院的颈椎退行性疾病患者，样本量相对较小	开发一种基于MRI的深度学习模型，用于支持颈椎退行性疾病的临床决策，并评估其与脊柱外科医生建议的一致性	颈椎退行性疾病患者的MRI图像	机器学习	颈椎疾病	深度学习	深度学习模型	图像	189名患者，共756张MRI图像
350	2024-12-24	What is in a food store name? Leveraging large language models to enhance food environment data 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1476950 PMID:39712471	研究论文	本文展示了如何利用大型语言模型（LLMs）来自动化分类食品商店名称，以增强食品环境数据	本文首次将大型语言模型应用于食品环境数据的分类，显著提高了效率	NA	展示如何利用自然语言处理和深度学习技术自动化分类食品商店名称，以支持公共卫生研究和操作	食品商店名称的分类	自然语言处理	NA	BERT	BERT	文本	纽约市的大量商店名称数据集
351	2024-12-25	Deep Learning-Based Automatic Segmentation Combined with Radiomics to Predict Post-TACE Liver Failure in HCC Patients 2024, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S499436 PMID:39712947	研究论文	开发并验证了一种基于深度学习的自动分割模型，结合放射组学预测HCC患者术后TACE肝衰竭	提出了一个结合深度学习自动分割和放射组学的综合预测模型，显著提高了预测性能	研究为回顾性研究，样本量有限	开发和验证一种能够预测HCC患者术后TACE肝衰竭的模型	HCC患者术后TACE肝衰竭的预测	计算机视觉	肝癌	nnU-Net神经网络	nnU-Net	图像	210名接受TACE治疗的HCC患者
352	2024-12-25	Deep learning-based patient stratification for prognostic enrichment of clinical dementia trials 2024, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcae445 PMID:39713242	研究论文	本文使用深度学习方法对283名早期痴呆患者的多变量疾病轨迹进行聚类，识别出两个不同的进展子组，并在外部验证中独立复制了这些子组	本文首次使用深度学习方法对痴呆患者的疾病进展进行分层，并通过模拟临床试验展示了其减少样本量和降低成本的潜力	本文的局限性在于仅使用了认知和功能评分数据，未考虑其他可能影响疾病进展的因素	本文旨在通过深度学习方法实现临床痴呆试验的预后富集，以提高试验成功率和降低成本	本文的研究对象是283名早期痴呆患者和2779名痴呆患者的疾病进展轨迹	机器学习	痴呆症	深度学习	机器学习模型	多变量数据	283名早期痴呆患者和2779名痴呆患者
353	2024-12-25	Detection and location of EEG events using deep learning visual inspection 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312763 PMID:39715265	研究论文	本文提出了一种基于深度学习的方法，通过视觉检查脑电图（EEG）波形来检测和定位睡眠纺锤波和K复合波	本文采用了一种新颖的方法，通过视觉检查波形来开发一个单一模型，能够同时检测和定位睡眠纺锤波和K复合波，并生成准确的边界框来标示这些事件的位置	结果显示在不同骨干网络和阈值下，检测K复合波的一致性较低	开发一种能够准确检测和定位脑电图中睡眠纺锤波和K复合波的深度学习模型	脑电图中的睡眠纺锤波和K复合波	机器学习	NA	深度学习	CNN	图像	NA
354	2024-12-25	Joint extraction of entity and relation based on fine-tuning BERT for long biomedical literatures 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae194 PMID:39717202	研究论文	本文提出了一种基于BERT微调的联合提取实体和关系的模型，用于从长篇生物医学文献中自动提取实体及其关系	模型结合了BERT文本分类预训练模型、图卷积网络学习方法、自混合训练以对抗文本标签噪声以及局部正则化条件随机场等多种先进深度学习技术，实现了跨句子和句子内实体和关系的提取	NA	促进生物医学研究进展，自动从大量生物医学文献中提取实体及其关系	长篇生物医学文献中的实体及其关系	自然语言处理	NA	BERT微调、图卷积网络、自混合训练、局部正则化条件随机场	BERT、图卷积网络	文本	自建的BM_GBD数据集和公开数据集
355	2024-12-25	Automated pediatric brain tumor imaging assessment tool from CBTN: Enhancing suprasellar region inclusion and managing limited data with deep learning 2024 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae190 PMID:39717438	研究论文	本文提出了一种基于深度学习的自动化工具，用于评估儿童脑肿瘤的影像，特别关注鞍上区域的包含和在有限数据情况下的处理	本文的创新点在于提出了基于nnU-Net的深度学习模型，用于颅骨剥离和肿瘤分割，特别是在鞍上区域的处理和有限数据情况下的适应性	本文的局限性在于其模型在罕见肿瘤和真实世界临床数据中的泛化能力仍有待验证	本文的研究目的是开发一种自动化的颅骨剥离和肿瘤分割工具，以提高儿童脑肿瘤监测的准确性	本文的研究对象是儿童脑肿瘤的多机构、多参数MRI扫描数据	计算机视觉	脑肿瘤	深度学习	nnU-Net	影像	527名儿童患者的多参数MRI扫描数据，其中336名用于颅骨剥离，489名用于肿瘤分割
356	2024-12-25	High-throughput platform for label-free sorting of 3D spheroids using deep learning 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1432737 PMID:39717531	研究论文	本文介绍了一种基于深度学习的高通量无标签3D球状体分选平台，用于组织工程中的标准化和可扩展组织制造	首次引入了一种全自动平台，通过无标签的明场图像分析进行高通量3D球状体分选，并展示了迁移学习在生物学应用中的有效性	本文未提及该平台在其他类型组织或器官中的应用效果	开发一种高通量、无标签的3D球状体分选平台，以推动组织工程和再生医学的发展	3D球状体，特别是单细胞和多细胞肝脏球状体	机器学习	NA	深度学习	NA	图像	未具体说明样本数量
357	2024-12-25	Discrimination of leaf diseases in Maize/Soybean intercropping system based on hyperspectral imaging 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1434163 PMID:39717723	研究论文	本研究利用高光谱成像和深度学习算法对玉米/大豆间作系统中的叶片病害进行分类	本研究首次将高光谱成像与传统和深度学习方法相结合，提出了一种基于CARS特征提取和DBO-BiLSTM模型的病害分类方法，显著提高了分类准确率	本研究的样本量较小，且仅针对玉米和大豆的叶片病害进行分类，未来研究可扩展到更多作物和病害类型	实现玉米/大豆间作系统中叶片病害的精确分类	玉米和大豆的叶片病害，包括叶斑病、锈病和混合病害	计算机视觉	NA	高光谱成像	双向长短期记忆网络（BiLSTM）	图像	NA
358	2024-12-24	Towards Explainable Detection of Alzheimer's Disease: A Fusion of Deep Convolutional Neural Network and Enhanced Weighted Fuzzy C-Mean 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056317205241014060633 PMID:39629569	研究论文	本文提出了一种结合深度卷积神经网络和增强加权模糊C均值的阿尔茨海默病可解释检测模型	创新点在于将可解释人工智能技术（如Grad-CAM、SHAP和LIME）与增强模糊C均值算法结合，提高了模型的解释性和透明度	NA	开发一种新颖且可解释的深度学习模型，用于快速准确的阿尔茨海默病检测	阿尔茨海默病	机器学习	阿尔茨海默病	深度卷积神经网络（CNN）、增强模糊C均值（FCM）	深度卷积神经网络（CNN）	图像	使用了ADNI和OASIS数据集
359	2024-12-24	Automated staging of zebrafish embryos with deep learning 2024-01, Life science alliance IF:3.3Q1 DOI:10.26508/lsa.202302351 PMID:37884343	研究论文	本文介绍了一种基于深度学习的模型KimmelNet，用于自动预测斑马鱼胚胎的发育阶段	KimmelNet能够从2D明场图像中预测胚胎年龄，并能检测不同群体之间的发育延迟，且具有高准确性	NA	开发一种自动化的方法来检测和量化斑马鱼胚胎的发育延迟	斑马鱼胚胎的发育阶段	计算机视觉	NA	深度学习	深度学习模型	图像	至少100张2D明场显微镜图像
360	2024-12-24	Research progress and prospect of key technologies of fruit target recognition for robotic fruit picking 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1423338 PMID:39711588	综述	本文综述了机器视觉在果园水果采摘中目标识别的应用和研究成果，重点介绍了传统数字图像处理方法和基于深度学习的目标识别方法	本文总结了传统数字图像处理方法的研究进展，并介绍了基于深度学习的水果目标识别方法，包括目标识别过程、数据集的准备和分类，以及目标识别算法在分类、检测、分割和压缩加速网络模型方面的研究成果	本文指出了当前果园水果目标识别任务在数据集、模型适用性、应用场景的普遍性、识别任务的难度和算法稳定性等方面存在的不足	回顾果园水果采摘中目标识别的关键技术研究进展，并展望未来发展	果园中的水果目标识别	计算机视觉	NA	机器视觉	深度学习模型	图像	NA