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
81	2025-02-12	Diagnosis and detection of bone fracture in radiographic images using deep learning approaches 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1506686 PMID:39927268	研究论文	本文探讨了使用深度学习算法在X光图像中自动检测和诊断骨折的方法	提出了结合DenseNet201和VGG16的深度学习模型，用于骨折检测，并在验证阶段达到了97%的准确率	现有骨折检测和诊断方法的局限性，需要进一步改进深度学习模型	开发一种自动化的骨折检测方法，以提高骨折诊断的准确性	X光图像中的骨折	计算机视觉	骨折	深度学习	VGG16, ResNet152V2, DenseNet201	图像	10,580张X光图像
82	2025-02-12	NavBLIP: a visual-language model for enhancing unmanned aerial vehicles navigation and object detection 2024, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2024.1513354 PMID:39927288	研究论文	本文介绍了一种名为NavBLIP的视觉-语言模型，旨在通过利用多模态数据增强无人机的导航和物体检测能力	NavBLIP模型引入了Nuisance-Invariant Multimodal Feature Extraction (NIMFE)模块和多模态控制策略，以在动态环境中提高适应性和计算效率	NA	提高无人机在复杂和多样化场景中的导航和物体检测能力	无人机	计算机视觉	NA	多模态数据融合	视觉-语言模型	图像和文本	在RefCOCO、CC12M和Openlmages等基准数据集上进行了广泛实验
83	2025-02-11	Utilisation of ChatGPT and other Artificial Intelligence tools among medical faculty in Uganda: a cross-sectional study 2024, MedEdPublish (2016) DOI:10.12688/mep.20554.2 PMID:39911314	研究论文	本研究评估了乌干达医学教师对ChatGPT及其他人工智能工具的使用情况	首次在乌干达医学教师中调查ChatGPT及其他AI工具的使用情况，揭示了不同年龄段教师的使用差异	研究样本仅限于乌干达四所公立大学的医学教师，可能无法代表其他地区或国家的使用情况	评估乌干达医学教师对ChatGPT及其他AI工具的使用情况，探讨AI在医学教育中的应用潜力	乌干达四所公立大学的医学教师	自然语言处理	NA	ChatGPT, Quill Bot	深度学习模型	问卷调查数据	224名医学教师
84	2025-02-09	Ensemble Deep Learning Object Detection Fusion for Cell Tracking, Mitosis, and Lineage 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2023.3288470 PMID:39906165	研究论文	本文提出了一种新的基于深度学习的细胞检测、跟踪和运动分析方法EDNet，用于细胞追踪、有丝分裂和谱系分析	EDNet采用集成方法进行2D细胞检测，其性能超越了单模型YOLO和FasterRCNN卷积神经网络，并在CTMCv1数据集上达到了最先进的性能	NA	提高细胞追踪和运动分析的准确性和效率，以促进生物医学研究和医学诊断的进展	细胞追踪、有丝分裂和细胞谱系	计算机视觉	NA	深度学习	EDNet, YOLO, FasterRCNN	图像	CTMCv1数据集
85	2025-02-09	Deep learning in microbiome analysis: a comprehensive review of neural network models 2024, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2024.1516667 PMID:39911715	综述	本文综述了深度学习在微生物组分析中的应用，探讨了不同神经网络模型的优势、实际用途及对未来研究的影响	深度学习在微生物组研究中的创新应用，特别是在模式识别、特征提取和预测建模方面的显著能力	深度学习在微生物组研究中面临生物数据变异性的挑战，需要定制化方法以确保结果的稳健性和普适性	探讨深度学习在微生物组研究中的应用及其对健康、疾病和环境的影响	微生物组数据，包括不同类型的组学数据集	机器学习	NA	深度学习	神经网络	组学数据	NA
86	2025-02-09	Artificial intelligence in dentistry and dental biomaterials 2024, Frontiers in dental medicine IF:1.5Q3 DOI:10.3389/fdmed.2024.1525505 PMID:39917699	综述	本文综述了人工智能（AI）在牙科和牙科生物材料中的应用，特别是修复牙科和修复学领域	介绍了AI在牙科诊断、治疗计划、结果预测和以患者为中心的护理中的互补作用，以及AI与数字成像和3D打印的整合	NA	概述AI及其在生物医学、牙科和牙科生物材料中的应用	牙科和牙科生物材料，特别是修复牙科和修复学	自然语言处理	NA	机器学习（ML）、深度学习（DL）、神经网络（NNs）	深度学习	图像	NA
87	2025-02-08	Automated karyogram analysis for early detection of genetic and neurodegenerative disorders: a hybrid machine learning approach 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1525895 PMID:39911161	研究论文	本文提出了一种结合无监督和监督学习的混合机器学习方法，用于自动化核型分析，以早期检测遗传和神经退行性疾病	提出了一种新的混合方法，结合了无监督和监督学习技术，以克服染色体分析中标记数据有限和可扩展性的挑战	缺乏异常数据集，限制了深度学习模型的泛化能力	开发自动化核型分析模型，以早期检测和诊断染色体相关疾病	染色体图像	数字病理学	遗传疾病和神经退行性疾病	Autoencoder和CNN	混合模型（Autoencoder + CNN）	图像	234,259张染色体图像
88	2025-02-08	Proximity-based solutions for optimizing autism spectrum disorder treatment: integrating clinical and process data for personalized care 2024, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2024.1512818 PMID:39911557	研究论文	本文探讨了利用人工智能（AI），特别是机器学习和深度学习，来改善自闭症谱系障碍（ASD）的诊断和治疗	通过集成临床和过程数据，创建了一个中央数据枢纽（MDP），利用AI算法识别ASD风险因素、个性化治疗计划，并预测潜在复发，同时引入患者面向的聊天机器人提供信息和支持	未提及具体的数据集大小或实验验证结果，可能缺乏对算法性能的详细评估	改善自闭症谱系障碍的诊断和治疗，优化整个护理过程	自闭症谱系障碍患者	机器学习	自闭症谱系障碍	机器学习和深度学习	NA	临床和过程数据	NA
89	2025-02-08	Accurate LAI estimation of soybean plants in the field using deep learning and clustering algorithms 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1501612 PMID:39911650	研究论文	本文提出了一种基于深度学习和聚类算法的高通量3D点云数据处理流程，用于分割田间大豆植株并估算其叶面积指数（LAI）	结合PointNet++模型和Watershed算法，提高了大豆植株分割的准确性，并利用机器学习方法估算LAI，显著提升了高通量植物表型数据的提取效率	研究仅针对大豆植株，未涉及其他作物或复杂环境下的应用验证	开发一种高效、非破坏性的方法来估算田间大豆植株的叶面积指数（LAI）	田间大豆植株	计算机视觉	NA	LiDAR、PointNet++、Watershed算法、k-means聚类、SVM、RF、XGBoost	PointNet++、SVM、RF、XGBoost	3D点云数据	未明确说明样本数量，但研究基于田间大豆植株
90	2025-02-08	YOLOv8s-Longan: a lightweight detection method for the longan fruit-picking UAV 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1518294 PMID:39911656	研究论文	本文提出了一种名为YOLOv8s-Longan的轻量级深度学习算法，用于提高果实采摘无人机的检测精度并减少模型参数数量	设计了Average和Max pooling attention (AMA)注意力模块，并将其集成到DenseAMA和C2f-Faster-AMA模块中，以提高网络的轻量化和泛化性能；设计了跨阶段局部网络结构VOVGSCSPC模块，通过多尺度特征融合提高模型的感知和表达能力；提出了新的Inner-SIoU损失函数作为目标边界框的损失函数	NA	设计一种快速准确的检测算法，以满足果实采摘无人机在复杂背景下的高精度和快速检测需求	龙眼果实	计算机视觉	NA	深度学习	YOLOv8s-Longan	图像	NA
91	2025-02-07	Deep Learning-Based Glucose Prediction Models: A Guide for Practitioners and a Curated Dataset for Improved Diabetes Management 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3365290 PMID:38899015	研究论文	本研究利用从可穿戴传感器收集的生理数据，构建了一系列基于深度学习的数据驱动模型，旨在为糖尿病患者和风险人群提供准确的短期和中期血糖预测	系统比较了多种深度学习架构，确定了最佳输入变量集，比较了群体模型、微调模型和个性化模型，并评估了个体数据量对模型性能的影响，同时引入了一个精心策划的数据集	未提及具体模型的局限性	开发准确的血糖预测模型，以改善糖尿病管理	糖尿病患者和风险人群	机器学习	糖尿病	深度学习	深度学习模型	生理数据	包括健康个体和糖尿病患者的数据
92	2025-02-07	Optimizing Machine Learning Models for Accessible Early Cognitive Impairment Prediction: A Novel Cost-effective Model Selection Algorithm 2024, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2024.3505038 PMID:39902153	研究论文	本研究旨在开发一种成本效益高且易于获取的机器学习模型，用于预测认知障碍的风险	开发了一种新的算法，用于选择成本效益高的模型，同时最小化开发和运营成本	研究主要依赖于NACC UDS数据集，可能限制了模型的广泛适用性	开发早期认知障碍预测的机器学习模型	认知障碍和痴呆相关疾病	机器学习	老年疾病	机器学习、深度学习	SVM	人口统计和历史健康数据	NA
93	2025-02-06	Classification of tomato leaf disease using Transductive Long Short-Term Memory with an attention mechanism 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1467811 PMID:39906226	研究论文	本文提出了一种基于Transductive Long Short-Term Memory（T-LSTM）和注意力机制的番茄叶病分类方法	引入了T-LSTM与注意力机制结合的方法，能够聚焦于图像序列的不同部分，并通过转导学习利用训练实例的特定特征进行准确预测	未提及模型在其他作物或更大规模数据集上的泛化能力	提高番茄叶病分类的准确性和效率	番茄叶病	计算机视觉	植物病害	深度学习	T-LSTM, U-Net, VGG-16	图像	PlantVillage数据集
94	2025-02-07	An improved ShuffleNetV2 method based on ensemble self-distillation for tomato leaf diseases recognition 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1521008 PMID:39906224	研究论文	本文提出了一种基于集成自蒸馏的改进ShuffleNetV2方法，用于番茄叶部病害识别	提出了一种集成自蒸馏方法，并将其应用于轻量级模型ShuffleNetV2，通过构建不同深度的浅层模型并引入深度可分离卷积层，显著提升了模型性能	未提及具体的数据集规模或模型在不同硬件上的实际部署效果	提高番茄病害识别的准确性和模型在边缘设备上的部署能力	番茄叶部病害	计算机视觉	植物病害	集成自蒸馏	ShuffleNetV2	图像	NA
95	2025-02-06	Automated classification of elongated styloid processes using deep learning models-an artificial intelligence diagnostics 2024, Frontiers in oral health IF:3.0Q1 DOI:10.3389/froh.2024.1424840 PMID:39902080	研究论文	本研究开发了一种基于深度学习的自动化分类系统，用于分类延长的茎突过程，并评估了EfficientNetB5和InceptionV3两种架构的性能	利用深度学习模型EfficientNetB5和InceptionV3对延长的茎突过程进行自动化分类，提高了诊断准确性	研究依赖于回顾性数据，且样本量有限，可能影响模型的泛化能力	开发并评估深度学习模型在分类延长茎突过程中的性能	延长的茎突过程	计算机视觉	Eagle综合症	深度学习	EfficientNetB5, InceptionV3	图像	330张延长茎突图像和120张正常茎突图像
96	2025-02-06	Rapid and non-destructive classification of rice seeds with different flavors: an approach based on HPFasterNet 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1502631 PMID:39902203	研究论文	本研究提出了一种基于深度学习的快速无损分类方法，用于区分不同风味的稻米种子	提出了结合Ghost bottleneck和FasterNet_T0的轻量级网络HPFasterNet，并引入了组卷积以提高模型性能	NA	开发一种快速无损的稻米种子分类方法，以提高稻米品种识别的效率和准确性	19种粳稻种子	计算机视觉	NA	深度学习	HPFasterNet	图像	36735张图像
97	2025-02-05	MyoV: a deep learning-based tool for the automated quantification of muscle fibers 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad528 PMID:38271484	研究论文	本文介绍了一种名为MyoV的深度学习工具，用于自动量化肌肉纤维	MyoV工具通过结合卷积神经网络、残差网络和特征金字塔网络，实现了对不同大小和年龄肌肉纤维的自动处理，并在量化性能上超越了手动方法和常用算法	NA	开发一种自动化工具，用于准确量化肌肉纤维，以支持生物医学研究和肉类生产	肌肉纤维	计算机视觉	NA	深度学习	CNN, 残差网络, 特征金字塔网络	图像	超过660,000个手动和半自动标记的肌肉纤维，以及超过400,000个全片图像中的肌肉纤维
98	2025-02-05	Multi-modal features-based human-herpesvirus protein-protein interaction prediction by using LightGBM 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae005 PMID:38279649	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
99	2025-02-05	Recognition of rare antinuclear antibody patterns based on a novel attention-based enhancement framework 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad531 PMID:38279651	研究论文	本文介绍了一种基于注意力机制的增强框架，用于识别ANA间接免疫荧光图像中的罕见抗核抗体模式	首次专门针对罕见ANA模式的识别进行研究，并引入了注意力机制以加速神经网络的学习过程，提取更本质和独特的特征	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	提高罕见抗核抗体（ANA）模式的识别精度，以辅助临床实验室的常规ANA筛查	ANA间接免疫荧光图像	计算机视觉	NA	深度学习	注意力机制增强的神经网络	图像	未提及具体样本数量
100	2025-02-05	scMMT: a multi-use deep learning approach for cell annotation, protein prediction and embedding in single-cell RNA-seq data 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad523 PMID:38300515	研究论文	本文提出了一种名为scMMT的监督学习方法，用于单细胞RNA测序数据中的细胞注释、蛋白质预测和嵌入	提出了一种新的特征提取技术，并构建了一个基于GradNorm方法的多任务学习框架，以增强对具有相似分子特征但功能不同的免疫细胞的识别，并减少标签噪声对模型精度的影响	NA	提高单细胞RNA测序数据中细胞类型注释的准确性，以促进生物学和医学研究，特别是在理解疾病进展和肿瘤微环境方面	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序	多任务学习框架	RNA测序数据	多个公共数据集