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
141	2025-02-14	Application of deep learning for real-time detection, localization, and counting of the malignant invasive weed Solanum rostratum Dunal 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1486929 PMID:39944948	研究论文	本文介绍了一种名为TrackSolanum的深度学习网络模型，用于实时检测、定位和计数恶性入侵杂草Solanum rostratum Dunal（SrD）	设计了TrackSolanum网络模型，结合了检测、跟踪、定位和计数四个模块，实现了对SrD的实时检测和精确管理	模型在不同高度的无人机视频中表现有所差异，特别是在3米高度时，精度和召回率有所下降	开发一种能够实时检测、定位和计数SrD的技术，以支持对SrD的危害评估和精确管理	恶性入侵杂草Solanum rostratum Dunal（SrD）	计算机视觉	NA	深度学习	YOLO_EAND, DeepSort	视频	无人机视频（2米和3米高度）
142	2025-02-13	Deep IDA: a deep learning approach for integrative discriminant analysis of multi-omics data with feature ranking-an application to COVID-19 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae060 PMID:39027641	研究论文	本文提出了一种名为Deep IDA的深度学习方法，用于整合多组学数据的判别分析，并通过特征排序提供可解释的结果	Deep IDA方法能够学习两个或多个视图的复杂非线性变换，使得投影具有最大关联性和最大分离性，同时提出了基于集成学习的特征排序方法	现有方法主要关注线性关系，而Deep IDA虽然解决了非线性关系的问题，但其应用仍受限于数据类型的多样性	通过整合多组学数据，更好地理解疾病的复杂性，特别是COVID-19的严重程度及其后遗症	COVID-19患者的多组学数据，包括RNA测序、代谢组学和蛋白质组学数据	机器学习	COVID-19	RNA测序、代谢组学、蛋白质组学	深度学习	多组学数据	两个大型真实世界数据集
143	2025-02-13	Automated recognition of emotional states of horses from facial expressions 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302893 PMID:39008504	研究论文	本研究首次开发了AI模型，通过受控实验中收集的数据自动识别马匹的情绪状态	首次利用AI模型从马匹的面部表情中自动识别情绪状态，探索了两种不同的处理流程	期待和沮丧情绪难以区分，准确率仅为61%	开发AI模型以自动识别马匹的情绪状态	马匹	动物情感计算	NA	深度学习, 机器学习	深度学习模型, 机器学习模型	视频, EquiFACS注释	NA
144	2025-02-13	Late-Life High Blood Pressure and Enlarged Perivascular Spaces in the Putaminal Regions of Community-Dwelling Japanese Older Persons 2024-01, Journal of geriatric psychiatry and neurology IF:2.9Q2 DOI:10.1177/08919887231195235 PMID:37537887	研究论文	本研究探讨了社区居住的日本老年人中晚期高血压与脑部扩大血管周围空间（EPVS）体积之间的关系	首次在认知正常的老年人中，使用基于深度学习的软件包测量EPVS体积，并发现血压水平与EPVS体积显著相关	研究未探讨EPVS体积增加对认知功能下降的具体影响机制	确定血压与EPVS体积之间的关联，并检查相关因素的相互作用	9296名年龄≥65岁的社区居住的日本老年人	数字病理学	老年疾病	脑磁共振成像	深度学习	图像	9296名社区居住的日本老年人
145	2025-02-12	Enhancing plant disease detection through deep learning: a Depthwise CNN with squeeze and excitation integration and residual skip connections 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1505857 PMID:39925367	研究论文	本研究提出了一种改进的深度卷积神经网络（CNN）结合压缩激励（SE）模块和改进的残差跳跃连接，用于植物病害检测	提出了一种结合SE模块和改进残差跳跃连接的深度CNN模型，增强了特征提取和分类性能，同时保持计算效率	未提及具体的数据集规模或模型在不同环境下的泛化能力	开发高效准确的自动化系统，用于植物病害检测，以增强作物保护和产量优化	多种植物物种和病害类别	计算机视觉	植物病害	深度卷积神经网络（CNN）	深度CNN结合SE模块和残差跳跃连接	图像	未提及具体样本数量
146	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
147	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
148	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
149	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
150	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
151	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
152	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
153	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
154	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
155	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
156	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
157	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
158	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
159	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
160	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