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
9201	2025-01-26	Energy consumption prediction using modified deep CNN-Bi LSTM with attention mechanism 2025-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e41507 PMID:39850437	研究论文	本文提出了一种改进的深度CNN-Bi LSTM模型，结合注意力机制，用于家庭能源消耗预测	结合了深度CNN和Bi-LSTM模型，并引入注意力机制，以提高时间序列数据的预测准确性	未提及模型在其他数据集或实际应用中的泛化能力	提高家庭能源消耗预测的准确性，以优化能源生成和存储	家庭能源消耗数据	机器学习	NA	深度学习	CNN-Bi LSTM	时间序列数据	NA
9202	2025-01-26	Challenges and applications of artificial intelligence in infectious diseases and antimicrobial resistance 2025-Jan-07, npj antimicrobials and resistance DOI:10.1038/s44259-024-00068-x PMID:39843587	综述	本文探讨了人工智能在传染病和抗菌药物耐药性领域的应用及其挑战	强调了人工智能在病原体检测、耐药性预测和药物发现中的创新应用	指出了人工智能在该领域应用中仍需改进的地方	研究人工智能在传染病控制和抗菌药物耐药性中的应用	传染病和抗菌药物耐药性	机器学习	传染病	机器学习和深度学习	NA	NA	NA
9203	2025-01-26	The value of 18F-fluorodeoxyglucose positron emission tomography-based radiomics in non-small cell lung cancer 2025 Jan-Mar, Tzu chi medical journal IF:1.4Q2 DOI:10.4103/tcmj.tcmj_124_24 PMID:39850392	综述	本文综述了基于18F-氟脱氧葡萄糖正电子发射断层扫描（F-FDG PET）的放射组学在非小细胞肺癌（NSCLC）中的应用及其价值	总结了F-FDG PET放射组学在NSCLC中的应用，包括转移检测、组织病理学分型、驱动突变表征、治疗反应评估和生存结果评估，并探讨了基于F-FDG PET的深度学习的价值	当前研究缺乏对F-FDG PET放射组学潜在生物学意义的深入基础研究，且临床应用的重复性有待验证	探讨F-FDG PET放射组学在NSCLC精准医学中的应用价值	非小细胞肺癌（NSCLC）	数字病理学	肺癌	F-FDG PET	深度学习	医学影像	NA
9204	2025-01-26	Artificial Intelligence in Diagnosis and Management of Nail Disorders: A Narrative Review 2025 Jan-Feb, Indian dermatology online journal IF:1.9Q3 DOI:10.4103/idoj.idoj_460_24 PMID:39850679	综述	本文综述了人工智能在甲病诊断和管理中的应用，包括其在诊断甲真菌病、甲下黑色素瘤、甲银屑病、甲襞毛细血管镜及系统性疾病的甲表现中的作用	本文首次全面回顾了人工智能在甲病学领域的应用，特别是深度学习卷积神经网络在甲图像解读中的高敏感性和特异性	数据稀缺、图像异质性、可解释性问题、法规遵从性和工作流程整合不良等问题阻碍了人工智能在甲病学实践中的无缝应用	探讨人工智能在甲病诊断和管理中的应用及其潜力	甲病，包括甲真菌病、甲下黑色素瘤、甲银屑病、甲襞毛细血管镜及系统性疾病的甲表现	数字病理	NA	深度学习卷积神经网络（CNNs）	CNN	图像	NA
9205	2025-01-26	Optimizing predictions of environmental variables and species distributions on tidal flats by combining Sentinel-2 images and their deep-learning features with OBIA 2025, International journal of remote sensing IF:3.0Q2 DOI:10.1080/01431161.2024.2423909 PMID:39850715	研究论文	本研究结合Sentinel-2影像及其深度学习特征与基于对象的图像分析（OBIA），优化了潮滩环境变量和物种分布的预测	首次将深度学习特征与OBIA结合，显著提高了潮滩环境变量和物种分布的预测精度	光谱对比度有限，且预测精度仍有提升空间	优化潮滩环境变量和物种分布的预测	潮滩沉积物特性和大型底栖动物	计算机视觉	NA	深度学习，基于对象的图像分析（OBIA）	卷积自编码器，随机森林	图像	2018至2020年荷兰瓦登海的Pinkegat和Zoutkamperlaag潮盆数据
9206	2025-01-26	Characterization of saffron from different origins by HS-GC-IMS and authenticity identification combined with deep learning 2024-Dec-30, Food chemistry: X DOI:10.1016/j.fochx.2024.101981 PMID:39850938	研究论文	本文开发了一种结合顶空气相色谱-离子迁移谱（HS-GC-IMS）和卷积神经网络（CNN）的方法，用于快速识别藏红花的来源和掺假	首次将HS-GC-IMS与CNN结合，用于藏红花的来源和掺假识别，实现了高准确率的预测	未提及样本的具体来源和数量，可能影响模型的泛化能力	开发一种快速可靠的策略，用于识别藏红花的来源和掺假	藏红花	机器学习	NA	HS-GC-IMS	CNN	图像	NA
9207	2025-01-26	Accurate size-based protein localization from cryo-ET tomograms 2024-Dec, Journal of structural biology: X DOI:10.1016/j.yjsbx.2024.100104 PMID:39044770	研究论文	本文提出了一种基于大小的蛋白质定位方法，用于从冷冻电子断层扫描（cryo-ET）图像中快速准确地挑选蛋白质颗粒	该方法不需要外部模板或用户提供的标签，且计算效率高，适用于非专用CPU硬件	未提及具体局限性	提高冷冻电子断层扫描图像分析中蛋白质颗粒挑选的准确性和效率	冷冻电子断层扫描图像中的蛋白质颗粒	计算机视觉	NA	冷冻电子断层扫描（cryo-ET）和子断层图平均（STA）	NA	3D图像	不同类型的样本的断层图
9208	2025-01-26	Evolutionary Strategies AI Addresses Multiple Technical Challenges in Deep Learning Deployment: Proof-of-Principle Demonstration for Neuroblastoma Brain Metastasis Detection 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01165-z PMID:38886289	研究论文	本文探讨了深度神经进化（DNE）在解决放射学AI中的过拟合和泛化性问题上的应用，特别是在神经母细胞瘤脑转移检测中的表现	展示了DNE在多样化外部验证集上的泛化能力，证明了其在小数据集上的准确预测能力	DNE的泛化能力尚未在其他疾病或更大规模的数据集上得到验证	解决放射学AI中的过拟合和泛化性问题，提升AI在临床实践中的应用	神经母细胞瘤脑转移的MRI图像	计算机视觉	神经母细胞瘤	深度神经进化（DNE）	卷积神经网络（CNN）	图像	60张MRI图像用于训练，超过50个机构的多样化图像用于测试
9209	2025-01-26	Deep learning-based drug screening for the discovery of potential therapeutic agents for Alzheimer's disease 2024-Oct, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2024.101022 PMID:39850238	研究论文	本文提出了一种基于深度学习的药物筛选算法，用于从传统中药方剂中发现阿尔茨海默病的潜在治疗化合物	使用四种深度神经网络模型在疾病和靶点水平上进行阿尔茨海默病药物筛选，并通过实验验证了高评分化合物的效果	研究主要基于传统中药方剂，未涉及其他类型的药物库	开发阿尔茨海默病的潜在治疗药物	阿尔茨海默病相关化合物	机器学习	阿尔茨海默病	深度学习	深度神经网络（DNN）	化合物数据	Kaixinsan (KXS) 方剂中的化合物
9210	2025-01-26	Artificial Intelligence in Head and Neck Cancer: Innovations, Applications, and Future Directions 2024-09-06, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol31090389 PMID:39330017	综述	本文综述了人工智能在头颈癌（HNC）护理中的创新、应用及未来方向	探讨了人工智能与影像技术、基因组学和电子健康记录的整合，及其在早期检测、生物标志物发现和治疗规划中的作用	数据质量、算法偏见和跨学科合作的必要性等挑战仍然存在	探讨人工智能在头颈癌护理中的应用及未来发展方向	头颈癌（HNC）	自然语言处理	头颈癌	深度学习、自然语言处理	NA	影像、基因组数据、电子健康记录	NA
9211	2025-01-26	A Novel Deep Learning Model for Breast Tumor Ultrasound Image Classification with Lesion Region Perception 2024-08-28, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol31090374 PMID:39330002	研究论文	本文提出了一种新型的多特征融合多任务（MFFMT）模型，用于乳腺癌超声图像分类，并通过病变区域感知来提高分类性能	设计了上下文病变增强感知（CLEP）模块和多特征融合（MFF）模块，以更好地捕捉病变区域的局部和全局特征关系，并缓解信息共享冲突	未提及具体局限性	提高乳腺癌超声图像分类的准确性，辅助乳腺癌诊断和个性化治疗	乳腺癌超声图像	计算机视觉	乳腺癌	深度学习	多任务学习（MTL）模型	图像	两个公共乳腺癌超声图像数据集
9212	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
9213	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
9214	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
9215	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
9216	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
9217	2025-01-26	Automatic multi-needle localization in ultrasound images using large margin mask RCNN for ultrasound-guided prostate brachytherapy 2020-10-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aba410 PMID:32640435	研究论文	本文提出了一种基于深度学习的快速自动多针数字化工作流程，用于超声引导的前列腺近距离放射治疗中的多针定位	提出了一个结合大边缘损失的大边缘Mask R-CNN模型（LMMask R-CNN）和基于密度的空间聚类算法，用于针杆定位和针尖检测，显著提高了定位精度	研究样本量较小，仅包括23名患者和339根针	开发一种自动多针定位方法，以简化超声引导的高剂量率（HDR）前列腺近距离放射治疗的工作流程	超声图像中的多针定位	计算机视觉	前列腺癌	深度学习	LMMask R-CNN	图像	23名患者，339根针
9218	2025-01-25	Enhancing semantic segmentation for autonomous vehicle scene understanding in indian context using modified CANet model 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.103131 PMID:39846010	研究论文	本文提出了一种改进的CANet模型，用于增强自动驾驶车辆在印度复杂交通环境中的语义分割能力	提出了一种结合U-Net和LinkNet元素的改进CANet模型，引入了多尺度上下文模块（MCM）以捕捉多尺度的上下文信息	NA	提高自动驾驶车辆在复杂交通环境中的语义分割准确性	印度驾驶数据集（IDD）中的道路场景	计算机视觉	NA	深度学习	改进的CANet（结合U-Net和LinkNet元素）	图像	印度驾驶数据集（IDD）
9219	2025-01-25	Tibiofemoral cartilage strain and recovery following a 3-mile run measured using deep learning segmentation of bone and cartilage 2025-Mar, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2024.100556 PMID:39802079	研究论文	本研究通过深度学习模型自动分割双回波稳态磁共振成像（MRI）扫描中的胫股软骨和骨骼，测量了3英里跑步后胫股软骨的变形及次日恢复情况	开发并验证了深度学习模型来自动化胫股软骨和骨骼的分割，从而精确测量跑步后的软骨变形和恢复情况	研究样本仅包括8名无症状男性，样本量较小，且未考虑不同性别和年龄的影响	测量3英里跑步后胫股软骨的变形及恢复情况	8名无症状男性	数字病理学	NA	双回波稳态磁共振成像（MRI）	深度学习模型	MRI图像	8名无症状男性
9220	2025-01-25	Machine learning applications in placenta accreta spectrum disorders 2025-Mar, European journal of obstetrics & gynecology and reproductive biology: X DOI:10.1016/j.eurox.2024.100362 PMID:39845985	综述	本文综述了机器学习和放射组学在胎盘植入谱系障碍（PAS）诊断和预测中的新兴应用	强调了利用MRI和超声等医学成像技术进行PAS有效分类和风险分层的ML算法和放射组学技术的最新进展，以及深度学习方法如nnU-Net和DenseNet-PAS在诊断中的优越性能	需要标准化方法以确保特征提取和模型性能的一致性，未来研究应关注更大数据集和生物标志物的验证	探讨机器学习和放射组学在PAS诊断和预测中的应用，以改善患者预后	胎盘植入谱系障碍（PAS）	机器学习	产科疾病	MRI, 超声	nnU-Net, DenseNet-PAS	医学影像	NA