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
121	2024-12-12	Ensemble learning approach for distinguishing human and computer-generated Arabic reviews 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2345 PMID:39650344	研究论文	研究使用集成学习方法区分人类和计算机生成的阿拉伯语评论	首次在阿拉伯语评论分类中探索了集成学习技术，如软投票，并揭示了人类和计算机生成评论在语言学上的显著差异	研究仅限于阿拉伯语评论，未涵盖其他语言	探索区分人类和计算机生成阿拉伯语评论的方法，并提高模型性能	人类和计算机生成的阿拉伯语评论	自然语言处理	NA	集成学习	传统机器学习、深度学习、Transformer	文本	未明确提及具体样本数量
122	2024-12-12	On the influence of artificially distorted images in firearm detection performance using deep learning 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2381 PMID:39650342	研究论文	本文研究了人工扭曲图像对使用深度学习进行枪支检测性能的影响	本文首次系统地分析了不同图像扭曲对枪支检测性能的影响，并量化了每种扭曲对检测网络性能的具体影响	本文仅使用了YOLOv5网络进行实验，未探讨其他深度学习模型在该问题上的表现	研究实际场景中图像扭曲对枪支检测性能的影响	枪支检测在不同图像扭曲条件下的性能	计算机视觉	NA	深度学习	YOLOv5	图像	使用了包含不同扭曲（如脉冲噪声、模糊、变暗、缩放和遮挡）的测试图像
123	2024-12-12	A transformer-based framework for enterprise sales forecasting 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2503 PMID:39650345	研究论文	本文提出了一种基于Transformer的企业销售预测计算框架	该框架利用Transformer架构，针对低维表格数据进行优化，显著提高了销售预测的准确性和稳定性	未提及具体限制	开发一种高效的企业销售预测模型，以优化业务运营中的决策	企业销售数据	机器学习	NA	Transformer	Transformer	表格数据	未提及具体样本量
124	2024-12-12	EAD: effortless anomalies detection, a deep learning based approach for detecting outliers in English textual data 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2479 PMID:39650354	研究论文	提出了一种基于深度学习的无监督异常检测方法，用于检测英语文本数据中的异常	使用all-MiniLM-L6-v2模型和质心嵌入技术来提取大规模高多样性数据中的异常，并采用基于最小协方差行列式（MCD）的方法来区分新颖性和异常	NA	开发一种高效且准确的异常检测系统，用于处理大规模文本数据中的异常	英语文本数据中的异常	自然语言处理	NA	深度学习	all-MiniLM-L6-v2	文本	两个非相关数据集：20新闻组文本数据集和SMS垃圾短信收集数据集
125	2024-12-12	Facial expression morphing: enhancing visual fidelity and preserving facial details in CycleGAN-based expression synthesis 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2438 PMID:39650358	研究论文	本文提出了一种名为面部表情变形（FEM）的算法，用于增强基于CycleGAN的面部表情合成中的视觉保真度和面部细节保留	引入了FEM算法，通过融合输入图像和生成的表情来优先保留面部细节，并提出了新的FSD（面部相似距离）指标来评估图像相似性	未提及具体的局限性	提高基于CycleGAN的面部表情合成中的图像清晰度和细节保留	面部表情合成中的图像清晰度和细节保留	计算机视觉	NA	Cycle-Consistent Adversarial Networks (CycleGAN)	CycleGAN, UNet Vision Transformer cycle-consistent GAN versions 1 (UVCGANv1) 和 2 (UVCGANv2)	图像	使用了Radboud Faces Database (RafD) 数据集
126	2024-12-12	Revolutionizing diabetic eye disease detection: retinal image analysis with cutting-edge deep learning techniques 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2186 PMID:39650355	研究论文	本研究探索了使用深度学习技术通过视网膜眼底照片进行自动化青光眼诊断，并引入了一种新的横断面视神经头特征以增强现有诊断程序	引入了一种新的混合损失函数，结合了focal loss和correntropy loss的优点，以处理具有类别不平衡和异常值的复杂生物医学数据，并改进了多任务深度学习模型以利用主要眼底活动和指标之间的相似性	NA	开发一种自动化青光眼诊断方法，以提高诊断的准确性和效率	视网膜眼底照片和光学相干断层扫描图像	计算机视觉	眼科疾病	深度学习	多任务深度学习模型	图像	一个真实世界的眼科数据集
127	2024-12-12	A hybrid model integrating recurrent neural networks and the semi-supervised support vector machine for identification of early student dropout risk 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2572 PMID:39650364	研究论文	本文提出了一种结合循环神经网络和半监督支持向量机的混合模型，用于识别学生早期辍学风险	创新点在于将半监督支持向量机与循环神经网络结合，形成DeepS3VM模型，用于捕捉学生辍学预测中的序列模式	NA	研究目的是开发一种高效的预测模型，用于在早期阶段识别学生辍学风险	研究对象是学生辍学风险	机器学习	NA	半监督支持向量机、循环神经网络	混合模型	数据	从初始的243条记录扩展到总共10万条记录
128	2024-12-12	An enhanced lightweight T-Net architecture based on convolutional neural network (CNN) for tomato plant leaf disease classification 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2495 PMID:39650369	研究论文	提出了一种基于卷积神经网络（CNN）的增强型轻量级T-Net架构，用于番茄植物叶片病害分类	该研究提出了一种新颖的深度学习模型T-Net，结合了卷积神经网络的分层架构和基于VGG-16、Inception V3和AlexNet的迁移学习模型，实现了98.97%的高准确率	未提及具体限制	开发一种快速、准确的自动化番茄病害检测方法，以提高农业生产力	番茄植物叶片病害	计算机视觉	NA	卷积神经网络（CNN）	T-Net	图像	未提及具体样本数量
129	2024-12-12	PermQRDroid: Android malware detection with novel attention layered mini-ResNet architecture over effective permission information image 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2362 PMID:39650383	研究论文	本文提出了一种基于注意力层叠mini-ResNet架构的Android恶意软件检测方法，通过有效的权限信息图像进行检测	创新点在于使用了注意力层叠的mini-ResNet模型，并通过chi-square技术选择有效权限生成QR码图像进行分类	NA	研究目的是提高Android恶意软件检测的准确性和效率	研究对象是Android应用程序的权限信息	机器学习	NA	chi-square技术	mini-ResNet	图像	使用了来自Androzoo、Drebin、Genome和Google Play Store的四个不同数据集，以及一个混合数据集
130	2024-12-12	Enabling personalized smart tourism with location-based social networks 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2375 PMID:39650393	研究论文	本文提出了一种基于深度学习技术的知识驱动个性化推荐方法，用于智能旅游中的个性化服务	本文创新性地利用位置社交网络（LBSNs）中的上下文信息，通过表示学习和对比学习技术来建模复杂的多源信息，并缓解旅游数据稀疏性问题	本文未详细讨论该方法在实际应用中的可扩展性和隐私保护问题	研究如何利用位置社交网络为智能旅游提供个性化推荐服务	位置社交网络中的多源信息和用户个性化旅游行为	机器学习	NA	深度学习	表示学习、对比学习	文本	NA
131	2024-12-12	Federated learning for millimeter-wave spectrum in 6G networks: applications, challenges, way forward and open research issues 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2360 PMID:39650377	综述	本文综述了联邦学习在6G网络中毫米波频谱的应用、挑战、未来方向和开放研究问题	提出了联邦学习作为一种去中心化的深度学习/机器学习范式，能够解决毫米波通信中的数据隐私问题，并提出了Federated Energy-Aware Dynamic Synchronization with Bandwidth-Optimization (FEADSBO) 作为未来研究方向	本文主要为综述性文章，未提供具体的实验数据或模型验证	探讨联邦学习在6G网络中毫米波频谱的应用及其面临的挑战，并提出未来研究方向	6G网络中的毫米波频谱通信	机器学习	NA	联邦学习 (FL)	NA	NA	NA
132	2024-12-12	Evaluating the effectiveness of online courses in international trade using deep learning 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2509 PMID:39650391	研究论文	本文提出了一种基于深度学习的国际贸易在线课程效果评估方法	本文创新性地提出了基于深度学习的多模态评估特征融合方法，用于评估国际贸易在线课程的效果	实验结果的准确率为78.53%，仍有提升空间	评估基于深度学习的国际贸易在线课程的有效性	国际贸易在线课程的效果	机器学习	NA	深度学习	分类模型	多模态数据	未明确具体样本数量
133	2024-12-12	Evaluation model design of project construction safety level based on bidirectional recurrent neural network (BiRNN) and bidirectional long short-term memory (BiLSTM) 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2351 PMID:39650396	研究论文	本文设计了一种基于双向循环神经网络（BiRNN）和双向长短期记忆网络（BiLSTM）的项目施工安全水平评估模型	本文创新性地将BiRNN和BiLSTM结合，并通过Dropout机制提高了模型的泛化能力，在施工安全评估中表现优于传统方法	NA	解决建筑施工安全评估中多元素回归分析的挑战	建筑施工安全评估	机器学习	NA	双向循环神经网络（BiRNN）、双向长短期记忆网络（BiLSTM）	BiRNN-BiLSTM	文本	NA
134	2024-12-12	Foreground separation knowledge distillation for object detection 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2485 PMID:39650405	研究论文	本文提出了一种前景分离蒸馏（FSD）方法，用于改进目标检测中的知识蒸馏过程	通过使用高斯热图区分前景和背景，并转换空间特征图为概率形式以提取通道特征，从而减少学习过程中的无关信息	未提及具体限制	提高资源受限设备上目标检测模型的性能	目标检测中的知识蒸馏方法	计算机视觉	NA	知识蒸馏（KD）	YOLOX	图像	Fall Detection数据集和VOC2007数据集
135	2024-12-12	Unveiling the hidden depths: advancements in underwater image enhancement using deep learning and auto-encoders 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2392 PMID:39650394	研究论文	本文提出了一种基于深度学习和自编码器的创新方法，用于水下图像增强	利用卷积自编码器学习从水下图像的失真颜色到真实颜色校正的映射，提高了颜色保真度和信息提取能力	未提及具体限制	解决现有水下图像增强技术在颜色校正和细节保留方面的不足	水下图像的颜色校正和增强	计算机视觉	NA	深度学习	卷积自编码器	图像	使用了Enhancing Underwater Visual Perception (EUVP) 和 Underwater Image Enhancement Benchmark (UIEB) 数据集
136	2024-12-12	Automated urban landscape design: an AI-driven model for emotion-based layout generation and appraisal 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2426 PMID:39650402	研究论文	本文提出了一种基于人工智能的城市景观布局模型，能够根据情感倾向和城市景观评估自动生成城市景观设计	该研究创新性地结合了深度学习技术，提出了基于情感倾向和城市景观评估的自动化城市景观设计模型，并构建了领域特定的情感词典	实验结果显示模型的绝对平均误差为91.31%，最大误差为96.87%，表明模型在情感预测方面仍存在一定的误差	研究目的是开发一种基于人工智能的城市景观设计模型，能够自动生成符合情感倾向和评估标准的城市景观布局	研究对象是城市景观设计中的情感倾向和布局评估	计算机视觉	NA	深度学习	Pix2Pix	图像	NA
137	2024-12-12	Pre-trained quantum convolutional neural network for COVID-19 disease classification using computed tomography images 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2343 PMID:39650428	研究论文	本文提出了一种基于预训练量子卷积神经网络（QCNN）的模型，用于使用CT图像快速检测COVID-19	本文的创新点在于将量子计算与预训练的卷积神经网络（VGG16）相结合，提高了特征提取和分类的准确性	NA	研究目的是开发一种有效的技术，用于COVID-19疾病的早期检测	研究对象是COVID-19的CT图像	计算机视觉	COVID-19	量子计算	卷积神经网络（CNN）	图像	使用了SARS-CoV-2 CT数据集
138	2024-12-12	Developing a digital management system for museum collections using RFID and enhanced GIS technology 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2462 PMID:39650422	研究论文	本研究提出了一种利用RFID和增强型GIS技术开发的博物馆藏品数字化管理系统	本研究通过将RFID技术与增强型GIS系统结合，并集成LANDMARC算法，实现了博物馆藏品的实时定位和环境监控的可视化，同时利用RFID技术追踪工作人员的位置，提高了管理效率	NA	解决传统博物馆藏品管理方法在实时更新和环境监控方面的不足	博物馆藏品及其管理	物联网	NA	RFID技术，GIS技术	LANDMARC算法	位置数据，环境数据	NA
139	2024-12-12	Employing deep learning in crisis management and decision making through prediction using time series data in Mosul Dam Northern Iraq 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2416 PMID:39650432	研究论文	本研究利用深度学习模型预测伊拉克摩苏尔大坝的水位，以监测和预防潜在的洪水危机	本研究提出了六种深度学习模型（DNN、CNN、CNN-LSTM、CNN-LSTM-Skip和CNN-LSTM Skip Attention）来预测大坝水位，并展示了混合CNN-LSTM模型在预测准确性上的优越性	本研究的局限性在于仅使用了13年的历史数据，并且预测时间跨度仅为14天	本研究的目的是通过预测大坝水位来有效监控和预防摩苏尔大坝的潜在崩溃和洪水危机	本研究的研究对象是摩苏尔大坝的水位及其潜在的崩溃风险	机器学习	NA	深度学习	DNN、CNN、CNN-LSTM、CNN-LSTM-Skip、CNN-LSTM Skip Attention	时间序列数据	13年的历史数据（1993-2006年）
140	2024-12-12	Analyzing the critical steps in deep learning-based stock forecasting: a literature review 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2312 PMID:39650437	综述	本文系统回顾了2020-2024年间基于深度学习的股票预测模型研究，重点分析了影响模型预测性能的关键步骤	本文通过系统性文献综述，总结了当前研究中的关键步骤及其对模型性能的影响，为未来研究提供了指导	本文主要基于文献综述，未进行实证研究或模型开发	探讨基于深度学习的股票预测模型中关键步骤对模型性能的影响	股票市场预测模型及其关键步骤	机器学习	NA	深度学习	NA	文本	NA