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
161	2025-01-31	Who is WithMe? EEG features for attention in a visual task, with auditory and rhythmic support 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1434444 PMID:39867449	研究论文	本研究探讨了与注意力最密切相关的EEG数据表示或特征，并评估了它们在处理跨被试变异性方面的能力	研究了单通道EEG时间序列的特征，包括时域特征和递归图，以及从多变量时间序列中直接获得的表示，如全局场功率或功能性脑网络，并探索了对不同类型噪声具有鲁棒性的持久同调特征	研究结果仅限于WithMe实验范式，需要进一步研究不同任务以提供更全面的理解	研究哪些EEG数据表示或特征与注意力最密切相关，并评估它们在处理跨被试变异性方面的能力	EEG数据	脑机接口	NA	EEG	支持向量机(SVM), 深度学习架构	时间序列数据	NA
162	2025-01-31	A stacking ensemble system for identifying the presence of histological variants in bladder carcinoma: a multicenter study 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1469427 PMID:39868365	研究论文	本研究旨在构建一个堆叠集成系统，用于简单、高效且非侵入性地识别膀胱癌的组织学变异	使用Swin UNETR算法构建交互式深度学习膀胱癌图像分割框架，并结合放射组学特征和深度学习特征构建堆叠集成系统	样本量相对较小，且仅基于CT图像进行分析，未涉及其他影像学或分子生物学数据	开发一种非侵入性方法，用于早期识别膀胱癌的组织学变异	膀胱癌患者	数字病理学	膀胱癌	CT成像、放射组学分析、深度学习	Swin UNETR、堆叠集成模型	CT图像	训练集410名患者，测试集60名患者
163	2025-01-31	Deep learning-enabled exploration of global spectral features for photosynthetic capacity estimation 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1499875 PMID:39872203	研究论文	本研究提出了一种基于深度学习的模型，通过增强的可解释性和全局光谱特征挖掘来准确估计光合能力	提出了一种基于注意力和植被指数计算的深度学习模型，用于全局光谱特征挖掘，提高了模型的可解释性和准确性	未明确提及具体局限性	准确估计光合能力	植被的光谱特征	机器学习	NA	深度学习	基于注意力的深度学习模型	光谱数据	NA
164	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
165	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）
166	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
167	2025-01-28	Pose analysis in free-swimming adult zebrafish, Danio rerio : "fishy" origins of movement design 2024-Jan-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.31.573780 PMID:38260397	研究论文	本文通过无标记跟踪和深度学习技术，研究了成年斑马鱼自由游泳时的典型姿势，并分析了其运动设计的进化意义	利用DeepLabCut和B-SOiD机器学习软件进行无标记跟踪和多变量时间序列分析，揭示了斑马鱼运动中的稳定目标姿势和过渡姿势	研究仅基于12只斑马鱼的数据，样本量较小，可能限制了结果的普适性	研究斑马鱼自由游泳时的姿势，以验证运动设计中最小化主动控制的假设	成年斑马鱼（Danio rerio）	计算机视觉	NA	DeepLabCut（深度学习姿势估计工具包），B-SOiD（无监督多变量时间序列分析软件）	深度学习	视频	12只成年斑马鱼，14,000帧连续视频
168	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
169	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
170	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
171	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
172	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
173	2025-01-26	Detecting anomalies in smart wearables for hypertension: a deep learning mechanism 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1426168 PMID:39850864	研究论文	本文提出了一种结合ResNet和LSTM的新型神经网络架构ResNet-LSTM，用于从生理信号（如心电图和光电容积描记图）中预测血压，以改善远程医疗中的健康监测	结合ResNet的特征提取能力和LSTM的序列数据处理能力，提出了一种新的神经网络架构ResNet-LSTM，用于提高血压预测的准确性	计算成本较高（约4,375 FLOPs），且需要进一步优化实时分析和异常检测模型	通过深度学习技术改进智能健康监测系统，特别是在远程地区，以实现非侵入性的血压预测	生理信号（如心电图和光电容积描记图）	机器学习	心血管疾病	深度学习	ResNet-LSTM	生理信号数据	NA
174	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
175	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
176	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
177	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
178	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
179	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）
180	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