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
1841	2024-12-12	Traffic data imputation via knowledge graph-enhanced generative adversarial network 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2408 PMID:39650473	研究论文	本文提出了一种基于知识图增强的生成对抗网络（KG-GAN）用于交通数据插补	创新点在于将外部知识与交通时空依赖性相结合，通过构建细粒度的知识图和引入知识感知嵌入单元（EM-cell）来提高数据插补质量	未提及具体限制	解决现有深度学习方法在处理高缺失率数据时的性能问题，并增强对外部交通相关因素的利用	交通数据插补	机器学习	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	交通数据	大规模真实世界交通数据集
1842	2024-12-12	fMRI-based Alzheimer's disease detection via functional connectivity analysis: a systematic review 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2302 PMID:39650470	综述	本文系统回顾了基于功能磁共振成像（fMRI）功能连接分析的阿尔茨海默病检测方法	本文系统性地总结了2018年至2024年间发表的基于fMRI功能连接分析的阿尔茨海默病检测研究，涵盖了数据分析、预处理、特征计算与选择以及机器学习和深度学习算法等多个方面	本文为综述性文章，未提出新的检测方法或算法	探讨基于fMRI功能连接分析的阿尔茨海默病检测方法，并分析现有研究的成果与未来研究方向	阿尔茨海默病患者的fMRI数据及其功能连接特征	医学影像	阿尔茨海默病	功能磁共振成像（fMRI）	NA	图像	NA
1843	2024-12-12	A comprehensive review of gait analysis using deep learning approaches in criminal investigation 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2456 PMID:39650492	综述	本文综述了在犯罪调查中使用深度学习方法进行步态分析的研究进展	本文系统性地总结了深度学习在步态分析中的应用，并探讨了其在犯罪调查中的潜力	本文主要集中在现有研究的综述，未提出新的方法或实验验证	探讨深度学习在犯罪调查中步态分析的应用及其发展	步态分析在犯罪调查中的应用及相关深度学习方法	计算机视觉	NA	深度学习	深度神经网络	视频	NA
1844	2024-12-12	Automated lesion detection in cotton leaf visuals using deep learning 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2369 PMID:39650498	研究论文	本文提出了一种基于深度学习的棉花叶片病害自动检测方法	通过使用生成对抗网络（GANs）进行数据增强来减少类别不平衡问题，并采用集成方法结合VGG16、Inception V3和ResNet50三种深度学习架构的特征向量	由于数据集有限且类别较少，可能存在泛化能力不足的问题	开发一种高效、精确且可扩展的棉花病害自动检测方法	棉花叶片上的病害检测	计算机视觉	NA	深度学习	GAN、VGG16、Inception V3、ResNet50	图像	公开数据集，包含七种病害和一种健康类别
1845	2024-12-12	User emotion recognition and indoor space interaction design: a CNN model optimized by multimodal weighted networks 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2450 PMID:39650496	研究论文	本文提出了一种基于多模态加权网络的卷积神经网络模型，用于用户情感识别和室内空间交互设计	本文的创新点在于引入了一种基于深度学习的多模态加权网络模型，通过卷积注意力模块和自注意力机制优化权重，从而提高视觉情感识别的准确率	本文的局限性在于实验结果的正确率和准确率仍有提升空间，且未详细讨论模型的泛化能力和实际应用场景	本文的研究目的是提高用户情感识别的准确性，从而实现更智能的室内空间交互设计	本文的研究对象是用户的视觉情感	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	未明确提及具体样本数量
1846	2024-12-12	Computational approach for counting of SISH amplification signals for HER2 status assessment 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2373 PMID:39650490	研究论文	本研究提出了一种计算机辅助方法，通过银染杂交（SISH）染色技术，利用全切片图像（WSI）自动测量和评分乳腺癌组织中HER2基因的状态	本研究引入了基于深度学习的自动化方法，显著减少了HER2状态量化所需的时间和精力，并展示了与现有手动方法相比的改进	NA	开发一种自动化方法来评估乳腺癌中HER2基因的扩增状态	乳腺癌组织中的HER2基因状态	数字病理学	乳腺癌	SISH	Stardist	图像	NA
1847	2024-12-12	HierbaNetV1: a novel feature extraction framework for deep learning-based weed identification 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2518 PMID:39650494	研究论文	提出了一种名为HierbaNetV1的新特征提取框架，用于基于深度学习的杂草识别	通过使用多样化滤波器解决图像中感兴趣区域（ROI）大小变化的问题，并结合低级和高级特征，使模型能够学习密集和多样化的特征	NA	开发一种新的特征提取框架，用于提高杂草识别的准确性	杂草和作物的识别	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	每个输入样本生成3,872个特征图
1848	2024-12-12	Spatial layout optimization model integrating layered attention mechanism in the development of smart tourism management 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2329 PMID:39650501	研究论文	本研究提出了一种基于动态空间感知的多层自注意力机制推荐算法，用于优化智能旅游管理中的空间布局和旅游需求预测	本研究的创新点在于引入了多层自注意力机制，结合动态空间感知，能够更精确地分析游客的情感倾向并预测旅游需求	本研究的局限性在于仅在北京市的知名旅游目的地数据上进行了验证，可能需要进一步在其他地区进行验证以确保模型的普适性	本研究的目的是通过优化空间布局和精确预测旅游需求，提升旅游管理系统的效率和游客满意度	本研究的对象是旅游需求预测和智能旅游管理系统	机器学习	NA	多层自注意力机制	NA	文本	北京市知名旅游目的地的数据
1849	2024-12-12	A novel deep learning model for predicting marine pollution for sustainable ocean management 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2482 PMID:39650505	研究论文	本文提出了一种新的深度学习模型，用于预测海洋污染，以支持可持续的海洋管理	本文创新性地利用人工智能力量识别和分类海洋及海底塑料废物，并使用全卷积网络（FCN）进行分类	NA	研究目的是利用人工智能技术识别和分类海洋及海底塑料废物，以支持可持续的海洋管理	研究对象是海洋及海底的塑料废物	机器学习	NA	全卷积网络（FCN）	全卷积网络（FCN）	图像	使用了Kaggle的塑料位置数据进行模型训练
1850	2024-12-12	Advancing multi-categorization and segmentation in brain tumors using novel efficient deep learning approaches 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2496 PMID:39650515	研究论文	本文提出了一种基于深度学习的新方法，用于脑肿瘤的多分类和分割，旨在提高分类的准确性和速度	引入了ERSACA-Net模型，结合了扩展残差结构和自适应通道注意力机制，并使用了LWIFCM_CSA方法进行聚类，以及CTGAN解决类别不平衡问题	NA	提高脑肿瘤分类和分割的准确性和效率	脑肿瘤的分类和受影响区域的分割	计算机视觉	脑肿瘤	深度学习	ERSACA-Net	图像	NA
1851	2024-12-12	A systematic review on artificial intelligence approaches for smart health devices 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2232 PMID:39650514	综述	本文系统回顾了用于智能健康设备的人工智能方法，探讨了机器学习和深度学习在智能健康中的应用，并分析了隐私和安全问题	本文通过系统回顾提供了智能健康领域中AI方法的全面概述，并提出了设计、开发和实施AI解决方案的实用指南	本文主要通过回顾现有文献进行分析，未进行实际的实验或数据验证	本文旨在通过系统回顾识别智能健康领域的挑战、最佳实践和未来机会，并提供AI解决方案的实用指南	本文研究对象包括智能健康设备、机器学习和深度学习网络架构以及健康数据的隐私和安全问题	机器学习	NA	机器学习（ML）和深度学习（DL）	神经网络	数据	NA
1852	2024-12-12	Auditory-GAN: deep learning framework for improved auditory spatial attention detection 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2394 PMID:39650521	研究论文	本文提出了一种名为Auditory-GAN的深度学习框架，用于改进多通道脑电图信号中的听觉空间注意力检测	创新点在于提出了一个完整的深度听觉生成对抗网络辅助系统，能够生成脑电图数据并执行听觉空间检测，同时解决了在线脑电图数据稀缺和低延迟检测的问题	NA	改进听觉空间注意力检测的准确性和效率	多通道脑电图信号中的听觉空间注意力	机器学习	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	脑电图信号	64通道脑电图数据
1853	2024-12-12	Measurement of sulfur content in coal mining areas by using field-remote sensing data and an integrated deep learning model 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2458 PMID:39650518	研究论文	本研究首次利用现场遥感数据绘制露天煤矿硫含量分布图，并提出了一种评估煤矿成分的新方法	首次使用现场遥感数据和集成深度学习模型来测量煤矿区域的硫含量，并提出了基于卷积神经网络的微型神经网络模型	未提及具体限制	快速确定煤矿区域煤的硫含量	煤矿区域的煤硫含量	计算机视觉	NA	遥感数据，可见光-近红外（Vis-NIR）光谱	卷积神经网络（CNN）	图像	未提及具体样本数量
1854	2024-12-12	Deep learning-based anomaly detection using one-dimensional convolutional neural networks (1D CNN) in machine centers (MCT) and computer numerical control (CNC) machines 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2389 PMID:39650526	研究论文	本研究提出了一种基于一维卷积神经网络（1D CNN）的深度学习模型，用于机床中心（MCT）和计算机数控（CNC）机器的早期故障检测	本研究的创新点在于使用1D CNN模型进行早期故障检测，相比传统机器学习分类器和其他深度学习模型，该模型在准确率、精确率、召回率和F1分数上均表现更优	NA	研究目的是开发一种高效的深度学习模型，用于机床中心（MCT）和计算机数控（CNC）机器的早期故障检测，以降低维护成本并提高生产效率	研究对象是机床中心（MCT）和计算机数控（CNC）机器的传感器数据	机器学习	NA	一维卷积神经网络（1D CNN）	一维卷积神经网络（1D CNN）	传感器数据	NA
1855	2024-12-12	Enhancing brain tumor MRI classification with an ensemble of deep learning models and transformer integration 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2425 PMID:39650528	研究论文	本文提出了一种结合深度学习模型和Transformer编码器的混合模型，用于增强脑肿瘤MRI分类的准确性	本文的创新点在于将迁移学习和Transformer编码器机制相结合，并通过集成多个预训练模型（DenseNet201、GoogleNet和InceptionResNetV2）来提高分类准确性	本文的局限性在于仅在公开的研究数据集上进行了实验，未提及在实际临床环境中的应用效果	本文的研究目的是提高脑肿瘤MRI分类的准确性，以支持早期诊断和治疗	本文的研究对象是脑肿瘤的MRI图像分类	计算机视觉	脑肿瘤	深度学习	混合模型（集成模型与Transformer编码器）	图像	使用了三个公开数据集：Cheng数据集、BT-large-2c数据集和BT-large-4c数据集，每个数据集的样本数量、平面和对比度有所不同
1856	2024-12-12	Recognition of Conus species using a combined approach of supervised learning and deep learning-based feature extraction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313329 PMID:39652613	研究论文	本文提出了一种结合监督学习和深度学习特征提取的方法来识别芋螺物种	本文的创新点在于采用了随机森林和XGBoost的集成学习策略，并结合深度学习模型进行特征提取，以提高芋螺物种识别的准确性	本文的局限性在于仅使用了芋螺壳的图像数据，未来可以考虑结合其他类型的数据进行研究	本文的研究目的是开发一种高效准确的方法来识别芋螺物种	本文的研究对象是芋螺物种及其壳的图像	计算机视觉	NA	深度学习	CNN	图像	47,600张尺寸为224x224像素的芋螺壳图像
1857	2024-12-11	Toward explainable deep learning in healthcare through transition matrix and user-friendly features 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1482141 PMID:39654544	研究论文	本研究提出了一种基于转移矩阵的可扩展方法，用于增强深度学习模型在医疗信号和图像处理中的可解释性	通过转移矩阵将复杂的模型决策转化为用户友好的可解释特征，结合临床指南和专家规则，使模型输出符合既定的医疗标准	NA	提高深度学习模型在医疗应用中的透明度和可信度	心电图（ECG）数据用于心律失常检测和磁共振成像（MRI）数据用于心脏病分类	机器学习	心血管疾病	深度学习	深度学习模型	信号和图像	两个医疗数据集：心电图（ECG）和磁共振成像（MRI）
1858	2024-12-12	On-site CT-derived cFFR in patients with suspected coronary artery disease: Feasibility on a 128-row CT scanner in everyday clinical practice 2024-01, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin DOI:10.1055/a-2142-1643 PMID:37820710	研究论文	本研究评估了在日常临床实践中使用128排CT扫描仪进行基于CT的冠状动脉血流储备分数（cFFR）计算的技术可行性	本研究首次在日常临床实践中使用深度学习算法在128排CT扫描仪上实现了cFFR的非侵入性现场量化	本研究为单中心回顾性分析，样本量有限，且仅在部分患者中进行了侵入性冠状动脉造影的对比	评估在日常临床实践中使用128排CT扫描仪进行基于CT的cFFR计算的技术可行性	230名疑似冠状动脉疾病患者	数字病理学	心血管疾病	深度学习	深度学习算法	图像	230名患者，其中57名进行了侵入性冠状动脉造影
1859	2024-12-12	An Epileptic EEG Detection Method Based on Data Augmentation and Lightweight Neural Network 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2023.3308196 PMID:38059126	研究论文	本文提出了一种基于数据增强和轻量级神经网络的癫痫脑电图检测方法	本文的创新点在于使用数据增强技术（如小窗口分割和SMOTE算法）来解决数据集大小和类别不平衡问题，并提出了一种简化的神经网络架构，显著减少了模型的训练参数	本文的局限性在于仅使用了两个公开数据集进行实验，未来可能需要更多样化的数据集来验证方法的泛化能力	本文的研究目的是提高癫痫检测的效率和准确性，并使其适用于低成本、低计算资源的硬件设备	本文的研究对象是癫痫患者的脑电图信号	机器学习	神经疾病	SMOTE	神经网络	脑电图	9371个参数
1860	2024-12-12	MRM-BERT: a novel deep neural network predictor of multiple RNA modifications by fusing BERT representation and sequence features 2024-01, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2024.2315384 PMID:38357904	研究论文	本文提出了一种结合预训练序列表示和多种序列特征的混合方法，用于预测多种RNA修饰	本文的创新点在于开发了MRM-BERT模型，该模型结合了预训练的DNABERT深度序列表示模块和卷积神经网络（CNN），利用四种传统序列特征编码来提高预测性能	NA	本文的研究目的是开发一种有效的方法来预测多种RNA修饰，以促进对RNA生物学的理解并推动治疗策略的发展	本文的研究对象是12种常见的RNA修饰，包括mA、mC等	机器学习	NA	NA	CNN	序列	多个数据集，包含12种常见的RNA修饰