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
681	2024-09-27	Advanced Machine Learning Models for Predicting Post-Thrombolysis Hemorrhagic Transformation in Acute Ischemic Stroke Patients: A Systematic Review and Meta-Analysis 2024 Jan-Dec, Clinical and applied thrombosis/hemostasis : official journal of the International Academy of Clinical and Applied Thrombosis/Hemostasis DOI:10.1177/10760296241279800 PMID:39262220	meta-analysis	本文对使用机器学习和深度学习算法预测急性缺血性卒中患者溶栓后出血转化的研究进行了系统综述和荟萃分析	本文首次系统综述和荟萃分析了多种机器学习模型在预测急性缺血性卒中患者溶栓后出血转化的应用，特别是XGBoost和人工神经网络模型的高预测性能	研究存在方法学差异和外部验证不足的问题，需要标准化报告和进一步严格测试	评估机器学习模型在预测急性缺血性卒中患者溶栓后出血转化的有效性	急性缺血性卒中接受溶栓治疗的患者	machine learning	stroke	machine learning, deep learning	XGBoost, Artificial Neural Network (ANN)	clinical data, radiomic features	18007名急性缺血性卒中接受溶栓治疗的患者
682	2024-09-27	Reasoning cartographic knowledge in deep learning-based map generalization with explainable AI 2024, International journal of geographical information science : IJGIS IF:4.3Q1 DOI:10.1080/13658816.2024.2369535 PMID:39318700	研究论文	本文探讨了在基于深度学习的制图综合中融入可解释人工智能（XAI）以提高模型理解和改进的方法	本文首次将可解释人工智能（XAI）引入到基于深度学习的制图综合过程中，通过可视化和定量实验解释了预训练的ResU-Net模型对输入特征的重要性	本文仅通过一个实验案例研究了XAI在制图综合中的应用，未来需要更多案例和更广泛的数据集来验证其有效性	研究如何通过可解释人工智能（XAI）提高基于深度学习的制图综合模型的可解释性和改进效果	制图综合中的深度神经网络模型及其可解释性	计算机视觉	NA	深度学习	ResU-Net	图像	具体样本数量未在摘要中提及
683	2024-09-27	Proceedings of the 2024 Transplant AI Symposium 2024, Frontiers in transplantation DOI:10.3389/frtra.2024.1399324 PMID:39319335	研究论文	本文总结了2024年移植AI研讨会上Ajmera移植中心关于移植AI最新发展的讨论	探讨了AI在移植医学中的应用潜力，并强调了开发深度学习模型时需要考虑的数据多样性和透明性	未具体讨论具体的AI模型或技术细节	总结和讨论AI在移植医学中的应用及其发展	AI在移植医学中的应用及其对患者护理的影响	机器学习	NA	深度学习	NA	NA	NA
684	2024-09-26	Implementation of resource-efficient fetal echocardiography detection algorithms in edge computing 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305250 PMID:39312521	研究论文	本文介绍了在边缘计算中实现资源高效的胎儿超声心动图检测算法	提出了YOLOv5s_emn系列算法，通过骨干替换、剪枝和推理优化，在保持高准确性的同时显著减少了模型大小和参数数量	NA	旨在通过实时识别和跟踪胎儿超声心动图，推动智能超声设备的发展，辅助医疗专业人员	胎儿超声心动图检测算法	计算机视觉	NA	深度学习	YOLOv5s	图像	NA
685	2024-09-26	Attention-aware with stacked embedding for sentiment analysis of student feedback through deep learning techniques 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2283 PMID:39314683	研究论文	本文提出了一种基于集成学习和多头注意力机制的混合模型，用于学生反馈的情感分析	本文提出了一种创新的混合模型，结合了集成学习、多头注意力机制和深度学习分类器，显著提高了情感分析的准确性	NA	提高学生反馈情感分析的准确性和效果	学生反馈的情感分析	自然语言处理	NA	深度学习	多头注意力机制	文本	NA
686	2024-09-26	Multi-modal deep learning framework for damage detection in social media posts 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2262 PMID:39314679	研究论文	本文介绍了一种用于检测社交媒体帖子中损害的多模态深度学习框架	结合了BERT架构和高级卷积处理，该框架在准确性、召回率和F1分数上优于现有方法	目前仅处理文本和图像数据，未来可扩展到包括更多类型的信息如人声或背景声音	提高危机管理中对受影响个体的快速识别和帮助	社交媒体帖子中的损害检测	机器学习	NA	BERT架构和卷积神经网络	BERT和CNN	文本和图像	NA
687	2024-09-26	Detection and diagnosis of diabetic eye diseases using two phase transfer learning approach 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2135 PMID:39314692	研究论文	本文提出了一种两阶段迁移学习方法，用于糖尿病眼病的自动分类和分割	开发了一种两阶段迁移学习方法，用于多类糖尿病眼病病理的自动分类和分割	NA	提高糖尿病眼病的诊断效率和准确性	糖尿病眼病及其相关病理	机器学习	糖尿病	迁移学习	ResNet-50, DenseUNet	图像	使用了多个公开可用的视网膜眼底图像数据集
688	2024-09-26	Enhancing rice yield prediction: a deep fusion model integrating ResNet50-LSTM with multi source data 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2219 PMID:39314699	研究论文	本文提出了一种基于深度学习的混合预测模型ResNet50-LSTM，用于预测巴基斯坦Gujranwala地区的水稻产量	创新性地结合了ResNet50和LSTM模型，并利用多源数据进行水稻产量预测	NA	提高水稻产量预测的准确性，以应对气候变化和疫情对水稻生产的影响	巴基斯坦Gujranwala地区的水稻产量	机器学习	NA	深度学习	ResNet50-LSTM	多模态数据	NA
689	2024-09-26	Distilroberta2gnn: a new hybrid deep learning approach for aspect-based sentiment analysis 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2267 PMID:39314700	研究论文	本文介绍了一种新的混合深度学习方法Distil-RoBERTa2GNN，用于基于方面的情感分析	该方法结合了DistilRoBERTa预训练模型的特征提取能力和图神经网络（GNN）的动态情感分类能力	研究中使用的数据集主要集中在餐饮评论领域，可能限制了模型在其他领域的泛化能力	旨在解决基于方面的情感分析中的语言细微差别解释和高质量领域特定标注数据稀缺的问题	四个公开的基准数据集：Rest14, Rest15, Rest16-EN, 和 Rest16-ESP	自然语言处理	NA	图神经网络（GNN）	混合模型	文本	四个数据集，包括Rest14, Rest15, Rest16-EN, 和 Rest16-ESP
690	2024-09-26	Harnessing AI and analytics to enhance cybersecurity and privacy for collective intelligence systems 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2264 PMID:39314701	研究论文	本文探讨了利用人工智能和大数据分析增强集体智能系统（如ChatGPT）的网络安全和隐私保护	提出了一种基于深度学习的恶意软件检测新方法，通过从原始数据中自动学习特征，并利用卷积神经网络和堆叠集成进行分类	NA	提升集体智能系统中的网络安全和隐私保护	恶意软件检测和分类	机器学习	NA	深度学习	卷积神经网络	图像	6,414个恶意软件变种和2,050个良性文件
691	2024-09-26	Frequency distribution-aware network based on discrete cosine transformation (DCT) for remote sensing image super resolution 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2255 PMID:39314709	研究论文	提出了一种基于离散余弦变换的频率分布感知网络，用于遥感图像超分辨率	该网络通过频率感知模块和全局频率特征融合模块，有效提取了图像在频率域中的非局部信息和频率分布的相似性特征	NA	解决现有深度学习方法在遥感图像超分辨率中忽略频率分布相似性特征的问题	遥感图像的超分辨率	计算机视觉	NA	离散余弦变换 (DCT)	频率分布感知网络	图像	两个常用的遥感数据集
692	2024-09-26	Machine learning and natural language processing to assess the emotional impact of influencers' mental health content on Instagram 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2251 PMID:39314721	研究论文	本研究利用机器学习和自然语言处理技术，分析Instagram上影响者/名人的心理健康内容对情感的影响	本研究首次在Instagram平台上使用机器学习技术分析心理健康内容的情感影响，之前的研究主要集中在Twitter上	情感预测在社交媒体中具有挑战性，因为情感解释的主观性、个体间情感的差异以及不同文化和社区中情感的解释	通过人工智能特别是机器学习，研究社交媒体上心理健康内容的情感影响	Instagram上影响者/名人的心理健康内容	自然语言处理	NA	机器学习	BERT	文本	包含情感标签的新语料库
693	2024-09-26	Classification of imbalanced ECGs through segmentation models and augmented by conditional diffusion model 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2299 PMID:39314720	研究论文	本研究通过分割模型和条件扩散模型增强技术，对不平衡的心电图数据进行分类	采用变分自编码器（VAE）和条件扩散模型进行数据增强，并结合MobileNetV2模型进行心电图分割和分类，显著提高了F1分数和精确度	NA	开发一种能够准确分类不平衡心电图数据的模型，以提高心律失常诊断的准确性	心电图数据和心律失常分类	数字病理学	心血管疾病	变分自编码器（VAE）、条件扩散模型	MobileNetV2	心电图数据	使用了MIT-BIH心律失常数据集
694	2024-09-26	Decoding Bitcoin: leveraging macro- and micro-factors in time series analysis for price prediction 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2314 PMID:39314723	研究论文	本文利用宏观和微观因素进行时间序列分析，以预测比特币价格	本研究的创新点在于将数据分类为五个以上主要类别，并使用超过2000天的数据进行分析	未排除COVID-19疫情作为黑天鹅事件的影响	评估广泛的机器学习和深度学习框架，以提高比特币价格预测的准确性	比特币价格预测	机器学习	NA	时间序列分析	双向长短期记忆网络（Bi-LSTM）	时间序列数据	超过2000天的数据
695	2024-09-26	Vehicle detection and classification using an ensemble of EfficientDet and YOLOv8 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2233 PMID:39314728	研究论文	提出了一种结合EfficientDet和YOLOv8的集成方法，用于车辆检测和分类	创新性地结合了两种先进的深度学习模型，并利用热成像和RGB图像数据进行训练，显著提高了检测和分类的准确性	未提及具体的局限性	提高车辆检测和分类的效率和准确性，以应对日益增长的交通管理挑战	车辆及其在不同光照条件下的检测和分类	计算机视觉	NA	深度学习	EfficientDet和YOLOv8的集成模型	图像（热成像和RGB图像）	使用了Forward-Looking Infrared (FLIR)数据集中的数据
696	2024-09-26	Enhancing geotechnical damage detection with deep learning: a convolutional neural network approach 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2052 PMID:39314724	研究论文	本文提出了一种基于卷积神经网络（CNN）的计算机视觉方法，用于通过无人机和移动设备识别地质结构表面的缺陷，以减少对人工现场检查的依赖	本文提出了一种定制的CNN和低复杂度模型架构，用于构建二分类图像辅助的地质表面缺陷检测器	由于地质工程领域的特殊性，如公共数据集有限和冗余图像，计算机视觉算法在该领域的研究仍需进一步探索	开发一种快速且安全的评估方法，用于识别地质结构表面的缺陷，以减少对人工现场检查的依赖	地质结构表面的缺陷	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	从巴西国家公路附近的斜坡上获取的表面故障指示图像
697	2024-09-26	Detecting rumors in social media using emotion based deep learning approach 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2202 PMID:39314729	研究论文	本文提出了一种基于情感的深度学习方法，用于在社交媒体中检测谣言	本文创新性地结合了情感和情感标签提取，以及文本内容信息的整合，提出了Sentiment and EMotion driven TransformEr Classifier方法（SEMTEC），显著提高了谣言检测的准确率	NA	提高社交媒体中谣言检测的准确性	社交媒体中的谣言	自然语言处理	NA	深度学习	Transformer	文本	在PHEME数据集上达到了92%的准确率，并在Twitter24数据集上超过了标准方法2%的准确率
698	2024-09-26	Terrorism group prediction using feature combination and BiGRU with self-attention mechanism 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2252 PMID:39314736	研究论文	研究提出了一种基于特征组合和双向门控循环单元（BiGRU）与自注意力机制的框架，用于预测恐怖组织	引入了BiGRU-SA模型，结合DistilBERT提取的文本特征和高相关性特征，并通过SMOTE-T技术处理数据不平衡问题，显著提高了分类准确性	NA	提高对恐怖组织的识别和分类能力，增强国家及地区对恐怖主义的防御	恐怖组织及其相关攻击事件	机器学习	NA	双向门控循环单元（BiGRU），自注意力机制，DistilBERT，SMOTE-T	BiGRU-SA	文本	36个恐怖组织
699	2024-09-26	Improving synthetic media generation and detection using generative adversarial networks 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2181 PMID:39314737	研究论文	本文提出了一种改进的生成对抗网络（GAN）模型，用于提高合成媒体生成和检测的准确性	通过数据增强和标签平滑策略改进了GAN模型的训练，提高了合成图像的生成和检测效果	NA	解决合成图像生成和检测中的问题，减少社交媒体法规违规和虚假信息传播的风险	合成图像的生成和检测	计算机视觉	NA	生成对抗网络（GAN）	深度卷积生成对抗网络（DCGAN）	图像	使用了包含人脸的数据集，包括Flickr-Faces Nvidia数据集和Fakefaces数据集
700	2024-09-26	Enhancing intrusion detection performance using explainable ensemble deep learning 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2289 PMID:39314740	研究论文	提出了一种基于可解释集成深度学习的入侵检测方法，以提高网络攻击检测的准确性和可解释性	设计了一种新的集成入侵检测模型，结合了三个一维长短期记忆网络（LSTM）和一个元学习算法，并通过SHAP方法增强了结果的可解释性	NA	提高大规模网络中入侵检测系统的准确性和可解释性	网络攻击的检测和分类	机器学习	NA	长短期记忆网络（LSTM），元学习算法，SHAP	LSTM	数据	真实数据集