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
4641	2025-03-12	Deep learning-based novel ensemble method with best score transferred-adaptive neuro fuzzy inference system for energy consumption prediction 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2680 PMID:40062252	研究论文	本文提出了一种基于深度学习的集成方法，结合最佳分数转移自适应神经模糊推理系统（BST-ANFIS），用于能源消耗预测	提出了一种新的集成方法，结合了多种深度学习算法和BST-ANFIS架构，通过最佳分数转移方法增强了模型的鲁棒性和动态预测能力	未提及具体局限性	开发一种高性能且鲁棒的能源消耗预测方法	智能家居和城市的能源消耗数据	机器学习	NA	深度学习、自适应神经模糊推理系统	CNN, RNN, LSTM, BI-LSTM, GRU, BST-ANFIS	时间序列数据	三个数据集：基于物联网的智能家居（IBSH）、家园城市电力消耗（HCEC）、个人家庭电力消耗（IHPC）
4642	2025-03-12	Leveraging sentiment analysis of food delivery services reviews using deep learning and word embedding 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2669 PMID:40062253	研究论文	本文利用深度学习和词嵌入技术对阿拉伯语食品配送服务评论进行情感分析	针对阿拉伯语的情感分析研究较少，本文填补了这一空白，并提出了结合CNN、BiLSTM和LSTM-CNN混合模型的深度学习方法	研究主要依赖于手动标注的数据集，且阿拉伯语的形态和语法复杂性可能影响模型的泛化能力	通过情感分析改进食品配送服务的客户体验	食品配送服务的客户评论	自然语言处理	NA	深度学习、词嵌入、自然语言处理	CNN、BiLSTM、LSTM-CNN混合模型	文本	从Talabat.com收集的现代标准阿拉伯语和方言阿拉伯语数据集
4643	2025-03-12	Evaluating the method reproducibility of deep learning models in biodiversity research 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2618 PMID:40062266	研究论文	本研究探讨了深度学习（DL）方法在生物多样性研究中的可重复性，并设计了一种评估方法	提出了一个评估生物多样性研究中深度学习方法可重复性的方法论，定义了十个关键变量，并将其分为四类	研究中使用的数据集仅包含100篇出版物，且许多出版物缺乏关于深度学习方法的详细信息	评估生物多样性研究中深度学习方法的可重复性	生物多样性研究中的深度学习模型	机器学习	NA	深度学习	NA	文本	100篇出版物
4644	2025-03-12	U-TSS: a novel time series segmentation model based U-net applied to automatic detection of interference events in geomagnetic field data 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2678 PMID:40062268	研究论文	本文介绍了一种基于U-net的新型时间序列分割模型U-TSS，用于自动检测地磁场数据中的干扰事件	U-TSS是一种基于U-net的序列到序列全卷积网络，专门设计用于一维时间序列分割任务，能够在不同时间尺度上对输入序列进行分类，并在每个时间步进行精确分割	NA	开发一种能够精确分割复杂时间序列数据的模型，以检测地磁场数据中的高压直流（HVDC）干扰事件	地磁场观测数据	机器学习	NA	深度学习	U-net	时间序列数据	训练集、验证集和测试集
4645	2025-03-12	Cloud-to-Thing continuum-based sports monitoring system using machine learning and deep learning model 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2539 PMID:40062269	研究论文	本文提出了一种基于云到物连续体的体育监测系统，利用机器学习和深度学习技术，特别关注篮球运动，实现从传统云架构到连续体范式的无缝过渡，以实时分析球员表现和团队动态	提出了一种新的基于云到物连续体的体育监测系统，结合改进的Mask R-CNN进行姿态估计，以及混合元启发式算法与生成对抗网络（GAN）进行分类，显著降低了延迟并提高了准确性	NA	开发一种实时、精确且可扩展的体育监测系统，以提供即时反馈并改善球员表现评估和团队策略	篮球运动中的球员表现和团队动态	机器学习	NA	改进的Mask R-CNN，混合元启发式算法，生成对抗网络（GAN）	Mask R-CNN, GAN	视频	NA
4646	2025-03-12	A majority voting framework for reliable sentiment analysis of product reviews 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2738 PMID:40062271	研究论文	本文提出了一种定制的多数投票方法，用于提高在线产品评论中情感分析的一致性和可靠性	通过利用多个自动化工具的情感标签并实施稳健的多数决策规则，解决了情感分类中的不一致性问题	未提及具体局限性	提高在线产品评论中情感分析的一致性和可靠性	在线产品评论	自然语言处理	NA	多数投票方法	深度学习模型	文本	未提及具体样本数量
4647	2025-03-12	Non-invasive enhanced hypertension detection through ballistocardiograph signals with Mamba model 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2711 PMID:40062272	研究论文	本研究探讨了使用非侵入性心血管监测技术——心冲击描记术（BCG）结合先进的机器学习和深度学习模型进行高血压检测	本研究通过采用Mamba深度学习架构和基于Transformer的模型，区别于以往文献，能够更有效地分析时间序列数据，捕捉长期信号依赖关系，并实现更高的准确率	未来研究应旨在用更大的数据集验证这些发现，并探索BCG在心血管疾病监测中的临床应用	开发一种非侵入性且高效的方法，用于长期高血压监测，促进家庭健康评估	高血压患者和正常血压个体的BCG信号	机器学习	心血管疾病	BCG	Mamba Classifier, Transformer, Stacking, Voting, XGBoost	时间序列数据	128个BCG记录
4648	2025-03-12	Autoregressive models for session-based recommendations using set expansion 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2734 PMID:40062273	研究论文	本文提出了一种新的基于集合的会话推荐模型DSETRec，通过将会话数据视为无序集合来捕捉项目间的耦合关系和共现模式，从而提高在顺序信息不可用或嘈杂情况下的预测准确性	DSETRec模型从集合的角度处理会话推荐问题，消除了对交互序列的依赖，能够更好地捕捉无序交互模式并适应不同的会话长度	模型在顺序信息明确且可靠的场景下可能不如序列模型有效	开发一种更灵活和通用的会话推荐系统	会话数据	机器学习	NA	深度学习	自回归模型	会话数据	基准数据集（如Yoochoose）
4649	2025-03-12	ALL-Net: integrating CNN and explainable-AI for enhanced diagnosis and interpretation of acute lymphoblastic leukemia 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2600 PMID:40062280	研究论文	本文介绍了一种新模型ALL-Net，用于通过自定义卷积神经网络（CNN）架构和可解释人工智能（XAI）检测急性淋巴细胞白血病（ALL）	ALL-Net结合了CNN和XAI技术，通过LIME算法解释模型预测，解决了深度学习模型的黑箱问题，并在处理数据不平衡问题上表现出色	尽管ALL-Net在大多数模型上表现优异，但与DenseNet201相比有0.5%的微小差异	提高急性淋巴细胞白血病的诊断准确性和模型的可解释性	急性淋巴细胞白血病（ALL）的外周血涂片（PBS）图像	计算机视觉	白血病	卷积神经网络（CNN）和可解释人工智能（XAI）	CNN	图像	3,256张外周血涂片（PBS）图像，分为四类：良性（hematogones）和三种ALL亚型（Early B, Pre-B, Pro-B）
4650	2025-03-12	MFI-Net: multi-level feature invertible network image concealment technique 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2668 PMID:40062291	研究论文	本文提出了一种基于可逆网络的新型图像隐藏方法MFI-Net，通过引入新的上采样卷积块和频率域损失函数，有效利用图像的多层次信息，提高了图像隐藏的质量和安全性	提出了新的上采样卷积块（UCB）和频率域损失（FDL），有效利用图像的低层次和高层次特征，提高了隐藏信息的精确度和图像质量	现有方法在隐藏区域选择上缺乏精确性，主要依赖残差结构，未能充分利用低层次特征，导致生成结果质量下降和网络过拟合风险增加	提高图像隐藏技术的质量和安全性	图像隐藏技术	计算机视觉	NA	深度学习，可逆网络	MFI-Net	图像	DIV2K, COCO, ImageNet数据集
4651	2025-03-12	Gradient pooling distillation network for lightweight single image super-resolution reconstruction 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2679 PMID:40062290	研究论文	本文提出了一种梯度池化蒸馏网络（GPDN），用于轻量级单图像超分辨率重建	提出了梯度池化蒸馏模块和特征通道注意力模块，通过多层次堆叠的特征蒸馏混合单元捕获多尺度特征表示，并动态优化特征空间	尽管在性能和资源利用率之间取得了平衡，但在某些计算资源极其受限的场景下，可能仍需进一步优化	设计一种高效的单图像超分辨率算法，以在资源受限的场景中实现高质量图像重建	低分辨率图像	计算机视觉	NA	深度学习技术	梯度池化蒸馏网络（GPDN）	图像	NA
4652	2025-03-12	Testing convolutional neural network based deep learning systems: a statistical metamorphic approach 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2658 PMID:40062296	研究论文	本文提出了一种统计变形测试（SMT）技术，用于测试基于卷积神经网络（CNN）的深度学习系统，特别是在医疗领域的肺炎检测模型中验证其有效性	提出了一种不需要固定随机种子的统计变形测试技术，结合七种变形关系和统计方法，验证深度学习模型的正确性，并提出了变形关系最小化算法以节省计算资源	研究主要针对CNN模型，未涉及其他类型的深度学习模型，且实验范围局限于肺炎检测	解决传统变形测试技术在验证深度学习模型时的局限性，特别是在随机初始化权重的情况下	基于CNN的深度学习模型	机器学习	肺炎	统计变形测试（SMT）	CNN	图像	未明确提及样本数量
4653	2025-03-12	Design and analysis of teaching early warning system based on multimodal data in an intelligent learning environment 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2692 PMID:40062295	研究论文	本文设计并分析了一种基于多模态数据的智能学习环境中的教学预警系统	提出了一种高效的长视频情感过渡点搜索算法和基于面部特征的中性情感片段过滤算法，并引入了基于深度学习的多模态情感识别模型，结合注意力机制进行特征级模态融合	未提及具体的数据集大小或实验结果的广泛验证	提高在线教育环境中教师情感表达的智能评估和改进	教学视频中的情感片段和情感识别	自然语言处理	NA	深度学习	多模态情感识别模型	视频、语音、面部图像	未提及具体样本数量
4654	2025-03-12	Enhancing the prediction of vitamin D deficiency levels using an integrated approach of deep learning and evolutionary computing 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2698 PMID:40062307	研究论文	本文提出了一种结合深度学习和进化计算的新方法，用于预测维生素D缺乏水平	创新点在于结合了卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）的混合深度学习模型，并使用遗传算法（GA）优化特征和超参数选择	未提及具体局限性	研究目的是开发一种非侵入性的预测方法，以确定维生素D缺乏的严重程度	维生素D缺乏水平	机器学习	NA	深度学习，进化计算	CNN, BiLSTM, GA	医疗数据	基准数据集
4655	2025-03-12	Review of models for estimating 3D human pose using deep learning 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2574 PMID:40062308	综述	本文综述了基于深度学习的3D人体姿态估计模型的最新进展，探讨了准确性、实时性能和数据限制等主要挑战	本文总结了3D人体姿态估计领域的最新进展，并提供了主要算法在精度和计算效率方面的比较，为未来研究提供了方向	尽管深度学习模型取得了显著进展，但在处理遮挡、实时估计和泛化能力方面仍存在挑战	探讨3D人体姿态估计模型的最新进展及其在计算机视觉和人工智能领域的应用	3D人体姿态估计模型	计算机视觉	NA	深度学习	NA	图像, 视频	NA
4656	2025-03-12	SELFNet: Denoising Shear Wave Elastography Using Spatial-temporal Fourier Feature Networks 2024-12, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.08.004 PMID:39317627	研究论文	本文介绍了一种名为SELFNet的空间-时间傅里叶特征网络，用于在物理信息神经网络框架内估计和去噪剪切波弹性成像中的粒子位移信号	SELFNet通过结合空间-时间随机傅里叶特征和物理信息神经网络框架，提高了剪切波弹性成像中噪声处理的效率和准确性	研究主要基于模拟和离体组织数据，尚未在临床环境中进行大规模验证	提高剪切波弹性成像中噪声处理的效率和准确性	模拟病变和离体组织的剪切波弹性成像数据	计算机视觉	癌症或肝病	剪切波弹性成像	物理信息神经网络	图像	模拟病变和离体组织的数据集
4657	2025-03-12	Accelerated 2D radial Look-Locker T1 mapping using a deep learning-based rapid inversion recovery sampling technique 2024-Dec, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5266 PMID:39358992	研究论文	本文开发了一种基于快速T1恢复曲线采样、选择性切片反转、优化切片交错和卷积神经网络（CNN）的T1映射框架，用于高效腹部覆盖	结合了快速T1恢复曲线采样、选择性切片反转、优化切片交错和CNN技术，实现了在单次呼吸保持期内完成全腹部覆盖	需要进一步验证在不同临床环境下的适用性和稳定性	开发一种高效的腹部T1映射方法，以减少呼吸保持期和T1恢复时间	腹部器官	医学影像	NA	T1映射	CNN	医学影像数据	测试对象
4658	2025-03-12	Serum Potassium Monitoring Using AI-Enabled Smartwatch Electrocardiograms 2024-Dec, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2024.07.023 PMID:39387744	研究论文	本研究开发了一种AI-ECG算法，用于通过智能手表生成的ECG波形预测终末期肾病患者的血清钾水平	利用AI技术从智能手表的单导联ECG数据中预测血清钾水平，为远程监测高钾血症提供了新的工具	研究主要基于特定医疗中心的数据，外部验证的样本量相对较小，且未涵盖所有类型的高钾血症患者	开发一种AI-ECG算法，用于预测终末期肾病患者的血清钾水平，以实现远程监测	终末期肾病患者	数字病理学	慢性肾病	AI-ECG算法	深度学习模型	ECG波形数据	152,508名患者的293,557份ECG数据，以及1,463名终末期肾病患者的4,337份ECG数据
4659	2025-03-12	Artificial Intelligence in Histopathology 2024-Dec, Journal of pharmacy & bioallied sciences DOI:10.4103/jpbs.jpbs_727_24 PMID:40061791	综述	本文探讨了人工智能在数字病理学中的应用，特别是如何通过深度学习和机器学习技术提高病理切片的成像质量，并帮助医生更快做出诊断	本文强调了人工智能在减少病理学家工作量、提高病理报告公正性和一致性方面的潜力，以及通过从易获取数据中识别隐藏信息来影响治疗决策的能力	本文未具体提及人工智能在数字病理学中应用的具体技术限制或挑战	探讨人工智能在数字病理学中的应用及其对病理诊断和治疗决策的影响	数字病理学中的全切片病理图像	数字病理学	NA	深度学习和机器学习	NA	图像	NA
4660	2025-03-12	A Protocol for Body MRI/CT and Extraction of Imaging-Derived Phenotypes (IDPs) from the China Phenobank Project 2024-Dec, Phenomics (Cham, Switzerland) DOI:10.1007/s43657-023-00141-x PMID:40061820	研究论文	本文描述了中国表型库项目中的全身成像协议及图像处理流程，旨在促进基于该平台的研究规划	提出了一个适用于多器官的全身成像协议，并利用深度学习分割模型处理大量数据	未提及具体的研究结果或数据验证	为基于中国表型库项目平台的研究提供参考	心脏、肝脏、脾脏、胰腺、肾脏、肺、前列腺和子宫等多器官	数字病理	NA	MRI, CT	深度学习分割模型	图像	NA