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
1821	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
1822	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
1823	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
1824	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
1825	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
1826	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
1827	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）
1828	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
1829	2024-12-12	Fine-art recognition using convolutional transformers 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2409 PMID:39650442	研究论文	本文开发了一种使用卷积变换器的改进识别系统，用于对美术绘画进行分类	本文引入了卷积变换器，通过注意力机制增强对数据的聚焦学习，提高了学习效率	NA	提高美术绘画的识别精度和效率	美术绘画	计算机视觉	NA	卷积变换器	卷积变换器	图像	NA
1830	2024-12-12	Mental illness detection through harvesting social media: a comprehensive literature review 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2296 PMID:39650445	综述	本文对通过社交媒体数据识别精神疾病（特别是抑郁症）的方法进行了全面的文献综述	本文提供了如何设计基于社交媒体数据和机器学习及深度学习分类方法的精神疾病检测系统的完整路线图	本文主要集中在回顾现有文献，未提出新的模型或方法	探讨如何利用社交媒体数据识别精神疾病，特别是抑郁症	社交媒体用户发布的数据，特别是与精神疾病相关的帖子	自然语言处理	精神疾病	机器学习（ML）和深度学习（DL）	NA	文本	超过100个基于DL、ML和NLP的模型
1831	2024-12-12	A novel deep neural network structure for software fault prediction 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2270 PMID:39650455	研究论文	本文提出了一种新的深度神经网络结构用于软件故障预测	提出了一种利用卷积层从BugHunter数据集中提取知识的深度神经网络结构，解决了类别不平衡和过拟合问题，并提高了故障预测的准确性	未提及具体的局限性	提高软件故障预测的准确性，减少软件开发资源浪费	BugHunter数据集中的15个项目	机器学习	NA	深度学习	深度神经网络（DNN）	数据集	BugHunter数据集中的15个项目
1832	2024-12-12	A robust chaos-inspired artificial intelligence model for dealing with nonlinear dynamics in wind speed forecasting 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2393 PMID:39650460	研究论文	本文开发了一种基于混沌启发的LSTM模型，用于处理风速预测中的非线性动态问题	提出了基于非洲秃鹫优化算法和帐篷混沌映射的LSTM模型参数优化方法，并与混沌粒子群优化算法进行了比较	NA	提高风速预测的准确性，从而优化风能利用	风速数据及其非线性动态特性	机器学习	NA	NA	LSTM	时间序列	来自土耳其马尔马拉地区Bandırma气象站的风速数据
1833	2024-12-12	An enhanced integrated fuzzy logic-based deep learning techniques (EIFL-DL) for the recommendation system on industrial applications 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2529 PMID:39650453	研究论文	本文提出了一种增强型模糊逻辑与深度学习集成的技术（EIFL-DL），用于工业应用中的推荐系统	本文的创新点在于将模糊逻辑与深度学习技术相结合，以提高推荐系统的准确性和可解释性	本文未提及具体的实验结果或与其他方法的比较，限制了对其性能的全面评估	研究目的是解决传统推荐系统在处理工业数据复杂性和不确定性方面的局限性	研究对象是工业应用中的推荐系统	机器学习	NA	模糊逻辑与深度学习	卷积神经网络（CNN）和循环神经网络（RNN）	工业数据	NA
1834	2024-12-12	DeepEMPR: coffee leaf disease detection with deep learning and enhanced multivariance product representation 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2406 PMID:39650461	研究论文	本研究提出了一种基于深度学习和增强多元产品表示（EMPR）的咖啡叶病害检测方法	本研究创新性地将增强多元产品表示（EMPR）与高维模型表示（HDMR）结合，用于图像预处理，以突出病害部分，并使用多种卷积神经网络（CNN）架构进行分类和病害严重程度预测	NA	提高咖啡叶病害的分类准确性和病害严重程度的预测	咖啡叶病害的检测和严重程度评估	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	NA
1835	2024-12-12	Normalized group activations based feature extraction technique using heterogeneous data for Alzheimer's disease classification 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2502 PMID:39650458	研究论文	本文提出了一种基于归一化组激活的特征提取技术，用于阿尔茨海默病分类，该技术可应用于结构MRI和静息态fMRI数据	首次探索了组激活及其在神经影像分析中的解释，并提出了一种基于归一化组激活的独特特征提取方法	NA	开发一种新的特征提取技术，用于阿尔茨海默病的多阶段分类	阿尔茨海默病的结构MRI和静息态fMRI数据	计算机视觉	阿尔茨海默病	卷积神经网络	CNN	图像	185个静息态fMRI和1442个MRI
1836	2024-12-12	Enhancing river and lake wastewater reuse recommendation in industrial and agricultural using AquaMeld techniques 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2488 PMID:39650475	研究论文	本文介绍了一种名为AquaMeld的新方法，用于在农业和工业中重复利用河流和湖泊的废水	AquaMeld结合了多层感知器（MLP）和循环神经网络（RNN）算法，创建了一个完整的推荐系统，能够处理复杂的废水、环境和pH数据，并提供实时的废水再利用建议	该技术不假设数据遵循某种分布，这可能会降低模型的预测效果	研究目的是提高废水再利用的推荐系统，以解决水资源短缺和环境可持续性问题	研究对象是农业和工业中的废水再利用	机器学习	NA	多层感知器（MLP）和循环神经网络（RNN）	MLP-RNN	数据	NA
1837	2024-12-12	Metaheuristic optimized complex-valued dilated recurrent neural network for attack detection in internet of vehicular communications 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2366 PMID:39650472	研究论文	本文提出了一种基于元启发式优化复杂值扩张循环神经网络的攻击检测模型，用于车联网中的攻击检测	本文创新性地使用了增强混合领导者优化方法进行特征选择，并结合复杂值扩张循环神经网络进行攻击检测	本文未提及具体的实验结果或模型性能的局限性	提高车联网中攻击检测的效率和准确性	车联网中的攻击检测	机器学习	NA	深度学习	复杂值扩张循环神经网络	数据	未提及具体样本数量
1838	2024-12-12	FERDCNN: an efficient method for facial expression recognition through deep convolutional neural networks 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2272 PMID:39650474	研究论文	本文提出了一种通过深度卷积神经网络进行面部表情识别的高效方法FERDCNN	本文引入了FERDCNN方法，通过在五个不同的预训练深度卷积神经网络模型上验证，结合支持向量机和迁移学习进行特征分类，显著提高了面部表情识别的准确率	本文仅在两个公开的标准数据库上进行了验证，未来可能需要在更多样化的数据集上进行测试	开发一种高效的面部表情识别方法，以提高其在实际应用中的性能	面部表情识别中的七种基本情绪（愤怒、厌恶、恐惧、快乐、悲伤、惊讶和中性）	计算机视觉	NA	深度卷积神经网络	CNN	图像	两个公开标准数据库（CK+和JAFFE）中的七种基本情绪类别
1839	2024-12-11	DistilRoBiLSTMFuse: an efficient hybrid deep learning approach for sentiment analysis 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2349 PMID:39650469	研究论文	本文提出了一种名为DistilRoBiLSTMFuse的混合深度学习架构，用于情感分析任务，并在IMDb和Twitter USAirline情感数据集上进行了评估	本文的创新点在于提出了DistilRoBiLSTMFuse混合架构，能够从复杂句子中提取深层上下文信息并准确识别情感，超越了现有的最先进方法	本文未提及具体的局限性	研究目的是提出一种有效的情感分析方法，解决情感分析中的语言多样性、数据不均衡和复杂句子理解等挑战	研究对象是IMDb和Twitter USAirline情感数据集中的文本数据	自然语言处理	NA	NA	混合模型（DistilRoBiLSTMFuse）	文本	IMDb和Twitter USAirline情感数据集
1840	2024-12-12	Genome-wide association studies of ischemic stroke based on interpretable machine learning 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2454 PMID:39650478	研究论文	本研究基于可解释的机器学习算法，对缺血性中风进行了全基因组关联研究	首次使用Pareto-Optimal解决方案来整合不同技术的结果，并首次发现参与脂肪酸代谢的基因与缺血性中风相关	研究仅基于欧洲血统的个体数据，可能限制了结果的普遍性	探索缺血性中风的遗传基础	缺血性中风的遗传关联	机器学习	心血管疾病	全基因组关联研究（GWAS）	TabNet	基因型数据	5,581名欧洲血统的个体，883,749个单核苷酸多态性