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
4661	2025-03-12	Lightweight-CancerNet: a deep learning approach for brain tumor detection 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2670 PMID:40062242	研究论文	本文提出了一种名为Lightweight-CancerNet的深度学习架构，用于高效准确地检测脑肿瘤	提出了一种新的深度学习架构Lightweight-CancerNet，结合MobileNet和NanoDet，实现了高精度和低计算资源需求	未提及具体局限性	开发一种高效且准确的脑肿瘤检测方法	脑肿瘤	计算机视觉	脑肿瘤	深度学习	MobileNet, NanoDet	磁共振成像（MRI）图像	两个MRI数据集
4662	2025-03-12	Classification of sleep apnea syndrome using the spectrograms of EEG signals and YOLOv8 deep learning model 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2718 PMID:40062247	研究论文	本研究利用从多导睡眠图（PSG）记录中获取的脑电图（EEG）信号的频谱图，以及YOLOv8深度学习模型，对睡眠呼吸暂停综合征进行分类	使用YOLOv8模型进行四分类（轻度、中度、重度呼吸暂停及健康），填补了现有文献中关于四分类EEG信号分类参数减少方法的空白，并减少了模型参数数量	现有文献中关于四分类EEG信号分类的参数减少方法尚未充分探讨，存在局限性	分类睡眠呼吸暂停综合征，并评估参数减少方法在EEG分类中的性能	从PSG记录中获取的EEG信号	机器学习	睡眠呼吸暂停综合征	短时傅里叶变换（STFT）	YOLOv8	图像（频谱图）	未明确提及样本数量
4663	2025-03-12	AI augmented edge and fog computing for Internet of Health Things (IoHT) 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2431 PMID:40062251	综述	本文探讨了人工智能增强的边缘和雾计算在健康物联网（IoHT）中的应用，旨在满足现代医疗系统对实时健康数据收集和分析的需求	结合人工智能技术，提出了边缘和雾计算在健康物联网中的应用，并探讨了资源管理、低延迟和安全性等关键要素	未提及具体的技术实现细节和实验验证	研究边缘和雾计算架构及其在健康物联网中的应用，以满足实时健康数据收集和分析的需求	健康物联网（IoHT）系统及其相关技术	物联网	NA	人工智能、深度学习、5G、统一通信即服务（UCaaS）、窄带物联网（NB-IoT）、区块链技术	NA	健康数据	NA
4664	2025-03-12	Enhancing breast cancer prediction through stacking ensemble and deep learning integration 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2461 PMID:40062255	研究论文	本研究通过集成模型和深度学习模型的堆叠集成技术，评估并提升了乳腺癌诊断的准确性	创新点在于将多种集成方法（如Random Forest、XGBoost等）与深度学习模型（如CNN、RNN等）结合，使用堆叠集成方法提升乳腺癌预测的准确性	研究仅基于Breast Cancer Wisconsin (Diagnostic)数据集，未在其他数据集上验证模型的泛化能力	提升乳腺癌诊断的准确性，为医疗决策支持系统提供高精度的预测模型	乳腺癌诊断	机器学习	乳腺癌	堆叠集成技术	CNN, RNN, GRU, BILSTM, LSTM, Random Forest, XGBoost, LightGBM, ExtraTrees, HistGradientBoosting, AdaBoost, GradientBoosting, CatBoost	医疗数据	Breast Cancer Wisconsin (Diagnostic)数据集
4665	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）
4666	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
4667	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
4668	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
4669	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
4670	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
4671	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
4672	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）
4673	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）
4674	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
4675	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
4676	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
4677	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
4678	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
4679	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
4680	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