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
201	2025-06-07	Detection of anomalies in cycling behavior with convolutional neural network and deep learning 2023, European transport research review IF:5.1Q1 DOI:10.1186/s12544-023-00583-4 PMID:38625141	研究论文	本文提出了一种基于深度学习的异常检测方法BeST-DAD，用于识别骑行行为中的异常并在地图上标记危险点	结合CNN和自编码器(AE)进行异常检测，相比传统PCA方法表现更优	需要依赖GPS轨迹数据，可能受数据质量和覆盖范围限制	提高骑行安全性，通过技术手段识别潜在危险点	骑行者的GPS轨迹数据	机器学习	NA	深度学习	CNN, Autoencoder	GPS轨迹数据	未明确说明具体样本数量，涉及多个用户的数据
202	2025-06-07	Evaluation of artificial intelligence techniques in disease diagnosis and prediction 2023, Discover artificial intelligence DOI:10.1007/s44163-023-00049-5 PMID:40478140	综述	本文综述了人工智能技术在疾病诊断和预测中的应用及其优势	涵盖了多种AI技术在医疗图像分析中的应用，并比较了ML和DL技术的优势	讨论了AI在医疗领域中的现有挑战和局限性	评估AI技术在疾病诊断和预测中的应用效果	多种疾病（如癌症、心脏、肺、皮肤、遗传和神经疾病）的诊断和预测	数字病理学	多种疾病（如癌症、心脏、肺、皮肤、遗传和神经疾病）	机器学习（ML）和深度学习（DL）	SVM, CNN	医疗图像	NA
203	2025-06-07	An efficient real-time stock prediction exploiting incremental learning and deep learning 2022-Dec-21, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-022-09481-x PMID:38625328	研究论文	提出了一种基于增量学习和离线-在线学习的实时股票价格预测策略	结合增量学习和离线-在线学习两种方法，实时更新模型以适应市场的动态变化	仅在美国NASDAQ和印度NSE交易所的八只高流动性股票上进行了测试，可能不适用于其他市场或股票	提高实时股票价格预测的准确性	股票市场的实时价格数据	机器学习	NA	增量学习, 离线-在线学习	深度学习模型	时间序列数据	美国NASDAQ和印度NSE交易所的八只高流动性股票
204	2025-06-07	An evaluation of lightweight deep learning techniques in medical imaging for high precision COVID-19 diagnostics 2022-Nov, Healthcare analytics (New York, N.Y.) DOI:10.1016/j.health.2022.100096 PMID:37520618	研究论文	本文评估了轻量级深度学习技术在医学影像中用于高精度COVID-19诊断的性能	提出使用轻量级深度学习模型MobileNetV2进行COVID-19检测，显著降低了计算资源的成本和内存需求	研究未提及模型在多样化数据集上的泛化能力以及在实际临床环境中的验证	开发低成本、移动化的即时COVID-19检测系统，特别是在中低收入国家	COVID-19的医学影像诊断	数字病理	COVID-19	深度学习	MobileNetV2	医学影像（胸部X光和CT）	NA
205	2025-06-07	OWAE-Net: COVID-19 detection from ECG images using deep learning and optimized weighted average ensemble technique 2022-Nov, Intelligent systems with applications DOI:10.1016/j.iswa.2022.200154 PMID:40477980	研究论文	该研究提出了一种名为OWAE-Net的深度学习模型，通过优化加权平均集成技术从ECG图像中检测COVID-19	使用三种深度学习模型的集成方法，并通过网格搜索技术优化加权平均集成技术，提高了COVID-19检测的准确率	未提及样本的具体来源和多样性，可能影响模型的泛化能力	开发一种快速、安全的COVID-19诊断方法	ECG图像	计算机视觉	COVID-19	深度学习	VGG-19, EfficientNet-B4, DenseNet-121	图像	NA
206	2025-06-07	Deep viewing for the identification of Covid-19 infection status from chest X-Ray image using CNN based architecture 2022-Nov, Intelligent systems with applications DOI:10.1016/j.iswa.2022.200130 PMID:40478040	research paper	该研究提出了一种基于CNN的深度学习技术，用于从胸部X光图像中自动诊断Covid-19感染状态	使用大量数据集（10,293张X光片）训练和测试模型，并在区分Covid-19和肺炎方面取得了高准确率（99.60%）	尽管使用了大量数据，但模型的泛化能力未在外部数据集上进行验证	快速准确地早期检测Covid-19感染	胸部X光图像	computer vision	Covid-19	深度学习	CNN	image	10,293张X光片（包括2,875张Covid-19患者的X光片）
207	2025-06-07	iVaccine-Deep: Prediction of COVID-19 mRNA vaccine degradation using deep learning 2022-Oct, Journal of King Saud University. Computer and information sciences DOI:10.1016/j.jksuci.2021.10.001 PMID:38620874	研究论文	使用深度学习预测COVID-19 mRNA疫苗的降解	提出了两种混合深度神经网络模型GCN_GRU和GCN_CNN，用于从RNA序列预测RNA降解，其中GCN_GRU模型在测试中表现显著优于GCN_CNN模型	NA	研究混合深度学习是否能从RNA序列预测RNA降解	COVID-19 mRNA疫苗的RNA序列	机器学习	COVID-19	深度学习	GCN_GRU, GCN_CNN	RNA序列	NA
208	2025-06-07	A new metaheuristic optimization model for financial crisis prediction: Towards sustainable development 2022-Sep, Sustainable computing : informatics and systems DOI:10.1016/j.suscom.2022.100778 PMID:37521169	研究论文	本文提出了一种基于政治优化器的深度神经网络（OD-PODNN）的异常检测模型，用于金融危机的预测	提出了一种结合隔离森林（iForest）异常检测方法和政治优化器（PO）的深度神经网络（DNN）模型，用于金融危机的预测，并通过超参数优化提高了分类准确性	模型训练过程中超参数调优的复杂性可能是其局限性之一	提高金融危机预测（FCP）的准确性，以支持可持续经济的发展	公司或企业的财务状况	机器学习	NA	政治优化器（PO）、隔离森林（iForest）、深度神经网络（DNN）	OD-PODNN（基于政治优化器的深度神经网络）	金融数据	使用了三个不同的数据集进行评估
209	2025-06-07	Attention mechanism and mixup data augmentation for classification of COVID-19 Computed Tomography images 2022-Sep, Journal of King Saud University. Computer and information sciences DOI:10.1016/j.jksuci.2021.07.005 PMID:38620953	研究论文	本文提出了一种结合注意力机制和mixup数据增强技术的深度卷积神经网络，用于COVID-19 CT图像的自动分类	引入了特征级注意力层以增强卷积网络提取的判别性特征，并采用mixup数据增强技术提升网络性能	仅在COVID-CT数据集上进行了验证，未在其他COVID-19影像数据集上测试泛化能力	开发高精度的COVID-19 CT图像自动分类系统	COVID-19患者的CT影像	计算机视觉	COVID-19	mixup数据增强	CNN（ResNet50架构）	医学影像（CT图像）	COVID-CT数据集（具体数量未说明）
210	2025-06-07	AI-aided on-chip nucleic acid assay for smart diagnosis of infectious disease 2022-May, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2021.12.005 PMID:40477452	研究论文	提出了一种结合深度学习和微流控纸基分析设备的AI辅助芯片上核酸分析方法，用于智能诊断传染病	首次将AI集成到芯片上PCR数据分析中，能够预测qPCR的最终输出和趋势，并充分探索每个反应的动态和内在特征	NA	提高PCR测试的效率和准确性，用于传染病的智能诊断	SARS-CoV-2 ORF1ab基因的合成RNA模板	数字病理	传染病	PCR, 微流控纸基分析设备(µPADs)	RNN, LSTM, GRU	实时PCR数据	NA
211	2025-06-07	Novel deep learning approach to model and predict the spread of COVID-19 2022-May, Intelligent systems with applications DOI:10.1016/j.iswa.2022.200068 PMID:40477648	研究论文	提出了一种名为DSPM的深度学习技术和基于机器学习的NRM模型，用于预测COVID-19的传播	提出了新的深度学习模型DSPM和机器学习模型NRM，相比现有方法在预测COVID-19传播方面表现更优	NA	开发稳健的人工智能技术以预测COVID-19的传播	COVID-19的传播预测	机器学习	COVID-19	深度学习, 机器学习	DSPM, NRM, SVM, LSTM	公开的新型冠状病毒数据集	NA
212	2025-06-07	Adaptively temporal graph convolution model for epidemic prediction of multiple age groups 2022-Mar, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2021.07.007 PMID:40477716	research paper	提出了一种自适应时间图卷积模型（ATGCN），用于COVID-19和流感的多元时间序列预测，并在多个年龄组中表现出色	ATGCN模型通过图学习方法捕捉多个年龄组之间的接触模式，在短期和长期预测任务中均优于自回归模型和深度序列学习模型	未明确提及模型在更大规模或多样化数据集上的泛化能力，以及计算资源需求	探索深度学习在传染病预测领域的应用，特别是针对多年龄组的多元时间序列预测	COVID-19和流感的确认病例数据，特别是多个年龄组的数据	machine learning	COVID-19, influenza	graph-based deep learning	ATGCN (adaptively temporal graph convolution model)	time series data	两个数据集（COVID-19和流感数据），具体样本量未明确说明
213	2025-06-07	Deep recurrent Gaussian Nesterovs recommendation using multi-agent in social networks 2022, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-022-09435-3 PMID:37521128	研究论文	提出了一种结合深度学习和多智能体场景的深度循环高斯Nesterov最优梯度（DR-GNOG）推荐系统，用于社交网络中的精确推荐	结合深度学习和多智能体场景，提出DR-GNOG模型，解决了推荐系统中的梯度消失问题，并提高了推荐准确性和效率	未提及模型在大规模数据集上的可扩展性和计算资源需求	提高社交网络中信息推荐的准确性和效率	社交网络中的用户推文数据	机器学习	NA	深度学习和多智能体技术	DR-GNOG（深度循环高斯Nesterov最优梯度模型）	文本（推文）	未明确提及具体样本数量
214	2025-06-07	FocusCovid: automated COVID-19 detection using deep learning with chest X-ray images 2022, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-021-09385-2 PMID:38624806	研究论文	本文提出了一种基于深度卷积神经网络的架构，用于通过胸部X光片自动检测COVID-19	利用深度学习技术自动检测COVID-19，减轻医疗基础设施的压力	尽管模型准确率高，但COVID-19的诊断仍需与专业医疗临床医生协商决定	开发一种自动化工具以辅助COVID-19的早期筛查和检测	胸部X光片	计算机视觉	COVID-19	深度学习	CNN	图像	NA
215	2025-06-07	Automatic engagement estimation in smart education/learning settings: a systematic review of engagement definitions, datasets, and methods 2022, Smart learning environments IF:6.7Q1 DOI:10.1186/s40561-022-00212-y PMID:40477985	综述	本文系统回顾了智能教育/学习环境中自动参与度估计的最新发展，包括参与度定义、数据集和基于机器学习的方法	提出了一个清晰的分类法来定义参与度，并总结了文献中的参与度类型、数据集和机器学习方法	仍存在一些关键挑战，包括认知和个性化参与度以及可能影响实际应用的机器学习问题	为自动参与度估计领域的研究人员提供指导，以通过自动参与度识别方法增强智能学习	学习者的参与度	自然语言处理	NA	机器学习	深度学习	文本	47篇文章
216	2025-06-07	AFCM-LSMA: New intelligent model based on Lévy slime mould algorithm and adaptive fuzzy C-means for identification of COVID-19 infection from chest X-ray images 2021-Aug, Advanced engineering informatics IF:8.0Q1 DOI:10.1016/j.aei.2021.101317 PMID:40477230	research paper	提出了一种基于Lévy黏菌算法和自适应模糊C均值的新型智能模型AFCM-LSMA，用于从胸部X光图像中识别COVID-19感染	结合自适应模糊C均值(AFCM)和改进的基于Lévy分布的黏菌算法(SMA)，优化COVID-19诊断模型，提高特征提取和诊断速度	模型仅在胸部X光图像上进行了验证，未涉及其他类型的医学影像数据	开发一个鲁棒的模型，从胸部X光图像中提取COVID-19的高级特征，以帮助快速诊断	COVID-19感染的胸部X光图像	digital pathology	COVID-19	Lévy分布、模糊C均值聚类	AFCM-LSMA	image	NA
217	2025-06-07	Deep learning assisted COVID-19 detection using full CT-scans 2021-Jun, Internet of things (Amsterdam, Netherlands) DOI:10.1016/j.iot.2021.100377 PMID:38620521	research paper	该研究提出了一种基于深度学习的自动化COVID-19检测方法，使用完整的胸部CT扫描	利用残差网络和跳跃连接的优势，提出了一种硬件需求较低的COVID-19检测方法，可在网络边缘部署	未提及模型在不同数据集上的泛化能力或临床验证结果	开发一种自动化COVID-19诊断方法，以加快诊断过程并保持准确性	COVID-19患者的胸部CT扫描	digital pathology	COVID-19	deep learning	ResNet	CT图像	未明确提及样本数量
218	2025-06-07	A Comparison of Deep Learning Models for Detecting COVID-19 in Chest X-ray Images 2021, IFAC-PapersOnLine DOI:10.1016/j.ifacol.2021.10.282 PMID:38620947	research paper	比较不同深度学习模型在胸部X光图像中检测COVID-19的性能	设计并比较了四种深度学习架构（包括CNN、VGG-19、Inception和MobileNet）在COVID-19检测中的表现，使用迁移学习技术进行了45次不同实验	仅进行了二元分类，未考虑COVID-19的严重程度或其他肺部疾病的鉴别诊断	比较不同深度学习模型在COVID-19诊断中的性能	胸部X光图像	computer vision	COVID-19	transfer learning	CNN, VGG-19, Inception, MobileNet	image	NA
219	2025-06-07	Scientific production and thematic breakthroughs in smart learning environments: a bibliometric analysis 2021, Smart learning environments IF:6.7Q1 DOI:10.1186/s40561-020-00145-4 PMID:40477293	研究论文	本文通过对智能学习环境领域的文献进行全面的文献计量分析，研究了该领域的研究趋势、学者生产力及科学出版物的主题焦点	首次对智能学习环境领域进行了全面的文献计量分析，揭示了该领域的研究热点、主题焦点及未来方向	分析仅基于Scopus数据库中的1081篇同行评审文章，可能未涵盖所有相关文献	分析智能学习环境领域的研究趋势、学者生产力及科学出版物的主题焦点	智能学习环境领域的科学出版物	教育技术	NA	文献计量分析	NA	文本	1081篇同行评审文章
220	2025-06-07	Deep Learning and Particle Swarm Optimisation-Based Techniques for Visually Impaired Humans' Text Recognition and Identification 2021, Augmented human research DOI:10.1007/s41133-021-00051-5 PMID:40477829	研究论文	本文提出了一种结合深度学习和粒子群优化的方法，用于视觉障碍者的文本识别与识别	结合深度神经网络和粒子群优化技术，用于复杂退化图像中的文本识别，并转换为声音输出	未提及具体样本量或实际应用中的性能限制	开发一种能够帮助视觉障碍者在自然场景中定位和理解文本的系统	视觉障碍者	计算机视觉	NA	粒子群优化、深度神经网络、Gabor变换、笔画宽度变换	深度神经网络	图像	使用IIIT5K数据集进行开发和评估