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
7361	2025-02-05	FedDL: personalized federated deep learning for enhanced detection and classification of diabetic retinopathy 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2508 PMID:39896369	研究论文	本文提出了一种名为FedDL的个性化联邦深度学习系统，用于增强糖尿病视网膜病变的检测和分类	通过联邦学习（FL）框架，实现了在不暴露临床信息的情况下集体训练深度学习模型，显著提高了隐私保护和性能	研究中仅使用了五个客户端的数据，样本量相对较小，可能影响模型的泛化能力	开发一个在训练深度学习模型时确保隐私的系统，以监测各种医疗设施	糖尿病视网膜病变（DR）患者	数字病理学	糖尿病视网膜病变	联邦学习（FL）	ResNet50	图像	五个客户端，每个客户端提供独特的眼底图像，数据来源于公开数据库如IDRiD和STARE
7362	2025-02-05	DANNET: deep attention neural network for efficient ear identification in biometrics 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2603 PMID:39896376	研究论文	本文提出了一种名为DANNET的深度注意力神经网络，用于在生物识别中高效地进行耳朵识别	创新点在于结合了编码器-解码器架构和注意力机制，使用两个YSegNets的集成方法，提高了耳朵检测和分割的精度和可靠性	未明确提及具体限制	研究目的是开发一种在面部特征部分遮挡情况下仍能有效工作的生物识别系统	研究对象是耳朵生物识别	计算机视觉	NA	深度学习	编码器-解码器架构，注意力机制，YSegNet	图像	使用了EarVN1.0、AMI和Human Face数据集的数据
7363	2025-02-05	BSEFNet: bidirectional self-attention edge fusion network salient object detection based on deep fusion of edge features 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2494 PMID:39896370	研究论文	本文提出了一种基于边缘特征深度融合的双向自注意力边缘融合网络（BSEFNet），用于显著目标检测	通过整合显著目标和边缘信息，提出了一种新的方法来提高显著目标检测的边界准确性，包括自注意力组像素融合模块（SGPFM）和双向特征融合模块（BFF）	未明确提及具体局限性	提高显著目标检测的边界准确性	图像中的显著目标	计算机视觉	NA	NA	BSEFNet, ResNet50	图像	NA
7364	2025-02-05	ISCCO: a deep learning feature extraction-based strategy framework for dynamic minimization of supply chain transportation cost losses 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2537 PMID:39896389	研究论文	本研究提出了一种名为智能供应链成本优化（ISCCO）的新框架，通过整合深度学习和高级优化算法，旨在最小化运输成本并提高供应链效率	ISCCO框架创新性地结合了自编码器和随机森林进行客户细分，并使用遗传算法增强的整数线性规划模型优化货物分配	未提及具体的数据集来源或实验的广泛适用性	优化供应链运输成本，提高物流分配效率	全球电子商务供应链	机器学习	NA	深度学习，遗传算法，整数线性规划	自编码器，随机森林	实时需求数据	未提及具体样本数量
7365	2025-02-05	An ensemble approach for research article classification: a case study in artificial intelligence 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2521 PMID:39896384	研究论文	本文提出了一种基于深度学习的集成方法，用于动态研究领域中的文章分类，以人工智能领域为例	引入了一种结合决策树、sciBERT和正则表达式匹配的集成方法，并使用支持向量机（SVM）合并不同模型的结果，显著提高了分类效果	研究仅以人工智能领域为例，未验证在其他领域的泛化能力	解决新兴领域中研究文章分类的挑战，提高分类的准确性和召回率	人工智能领域的研究文章	自然语言处理	NA	深度学习、正则表达式匹配	决策树、sciBERT、SVM	文本	手动标注的数据集，具体数量未提及
7366	2025-02-05	Integrating particle swarm optimization with backtracking search optimization feature extraction with two-dimensional convolutional neural network and attention-based stacked bidirectional long short-term memory classifier for effective single and multi-document summarization 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2435 PMID:39896393	研究论文	本文提出了一种结合粒子群优化与回溯搜索优化的特征提取方法，以及基于注意力机制的堆叠双向长短期记忆分类器，用于有效的单文档和多文档摘要生成	创新点在于结合了粒子群优化与回溯搜索优化（PSOBSA）进行特征提取，并使用二维卷积神经网络（2D CNN）和基于注意力机制的堆叠双向长短期记忆（ABS-BiLSTM）模型进行摘要生成	未明确提及具体局限性	研究目标是提高单文档和多文档摘要生成的准确性和效率	研究对象为单文档和多文档摘要生成	自然语言处理	NA	粒子群优化（PSO）、回溯搜索优化（BSA）、二维卷积神经网络（2D CNN）、基于注意力机制的堆叠双向长短期记忆（ABS-BiLSTM）	2D CNN、ABS-BiLSTM	文本	使用DUC 2002、2003、2005数据集进行单文档摘要，以及DUC 2002、2003、2005、Multi-News和CNN/Daily Mail数据集进行多文档摘要
7367	2025-02-05	Challenges issues and future recommendations of deep learning techniques for SARS-CoV-2 detection utilising X-ray and CT images: a comprehensive review 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2517 PMID:39896401	综述	本文全面回顾了截至2024年5月使用深度学习技术进行基于影像的SARS-CoV-2诊断的研究，涵盖了数据来源、预处理方法、深度学习技术分类、研究结果、研究空白和性能评估	本文不仅综述了现有研究，还通过实验比较了12种当代深度学习技术，发现MobileNetV3模型在SARS-CoV-2影像检测中表现最佳，准确率达到98.11%	本文主要关注影像数据的深度学习应用，未涉及其他类型的数据或诊断方法	探讨深度学习技术在基于影像的SARS-CoV-2诊断中的应用及其未来发展方向	SARS-CoV-2的X射线和CT影像	计算机视觉	COVID-19	深度学习	MobileNetV3, 其他深度学习模型	影像	NA
7368	2025-02-05	A comprehensive analysis and performance evaluation for osteoporosis prediction models 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2338 PMID:39896405	研究论文	本文通过深度学习技术，利用NHANES 2017-2020数据集预测骨质疏松症的发生，并比较了不同特征选择方法和神经网络模型的性能	本研究创新地应用了互信息（MI）和递归特征消除（RFE）两种特征选择方法，结合多种深度学习模型（如CNN、RNN等），在非图像医学数据上实现了高精度的骨质疏松症预测	研究仅基于NHANES 2017-2020数据集，可能无法完全代表其他人群或更广泛的数据集	通过深度学习技术提高骨质疏松症的预测准确性，以辅助医疗决策	NHANES 2017-2020数据集中的SpineOsteo和FemurOsteo数据	机器学习	骨质疏松症	深度学习	CNN, RNN, 序列深度神经网络	非图像医学数据	NHANES 2017-2020数据集
7369	2025-02-05	Golden eagle optimized CONV-LSTM and non-negativity-constrained autoencoder to support spatial and temporal features in cancer drug response prediction 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2520 PMID:39896419	研究论文	本文提出了一种结合非负约束自编码器（NNCAE）和金鹰优化卷积长短期记忆神经网络（GEO-Conv-LSTM）的混合分类器，用于癌症药物反应预测	创新点在于使用NNCAE处理噪声和类别不平衡问题，并通过GEO算法优化Conv-LSTM模型的参数，提高了药物反应预测的准确性和处理效率	未明确提及具体局限性	研究目的是提高癌症药物反应预测的准确性和处理效率	研究对象是癌症药物反应预测	机器学习	癌症	NNCAE, GEO-Conv-LSTM	CNN, LSTM	基因组数据	来自GDSC数据库的两个大型数据集
7370	2025-02-05	The potential of short-wave infrared hyperspectral imaging and deep learning for dietary assessment: a prototype on predicting closed sandwiches fillings 2024, Frontiers in nutrition IF:4.0Q2 DOI:10.3389/fnut.2024.1520674 PMID:39897532	研究论文	本文探讨了短波红外高光谱成像和深度学习在家庭自制餐食饮食评估中的适用性，通过构建一个原型系统来自动检测封闭三明治中的食物成分	首次将短波红外高光谱成像与机器学习结合，用于家庭自制餐食的饮食评估，特别是封闭三明治的食物成分检测	模型在预测可涂抹馅料时表现较差，可能过于关注结构特征而非营养成分	开发一种不干扰自然饮食习惯的饮食摄入准确测量方法	封闭三明治中的食物成分	计算机视觉	NA	短波红外高光谱成像	PLS-DA, 多分类器, 简单神经网络	高光谱图像	24张高光谱图像
7371	2025-02-05	An explainable Bi-LSTM model for winter wheat yield prediction 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1491493 PMID:39898259	研究论文	本研究开发了一种可解释的Bi-LSTM模型，用于冬小麦产量预测，结合了深度学习和解释性技术	首次在区域尺度上应用Bi-LSTM模型进行作物产量预测，并结合LIME、IG和SHAP等解释性技术，提供了模型决策过程的直观见解	研究主要关注冬小麦，未涉及其他作物，且模型的解释性分析可能受限于所选解释性技术的局限性	开发一种可解释的深度学习模型，用于准确预测作物产量并提供预测解释	冬小麦	机器学习	NA	深度学习	Bi-LSTM, LSTM, 1D CNN	时间序列数据	未明确说明样本数量，但涉及多个区域和产量数据范围
7372	2025-02-05	Research on the quantification and automatic classification method of Chinese cabbage plant type based on point cloud data and PointNet+ 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1458962 PMID:39898272	研究论文	本文提出了一种基于点云数据和PointNet++深度学习算法的大白菜株型快速准确量化和自动分类方法	结合点云数据处理和深度学习算法PointNet++，首次实现了大白菜株型的快速准确量化和自动分类	目前的方法主要依赖于点云数据，可能在实际应用中受到数据采集条件的限制	开发一种能够快速准确量化和分类大白菜株型的方法，以提高作物管理和育种效率	大白菜株型	计算机视觉	NA	点云数据处理，深度学习	PointNet++	点云数据	未明确说明样本数量
7373	2025-02-05	Deep-learning CT reconstruction in clinical scans of the abdomen: a systematic review and meta-analysis 2023-08, Abdominal radiology (New York) DOI:10.1007/s00261-023-03966-2 PMID:37280374	系统综述与荟萃分析	本文对两种最常见的商用深度学习CT重建算法在腹部临床扫描中的应用进行了系统综述和荟萃分析	首次对True Fidelity (TF)和Advanced intelligent Clear-IQ Engine (AiCE)这两种商用深度学习CT重建算法在腹部扫描中的应用进行了系统综述和荟萃分析	仅评估了单一供应商的双能量CT，且高DLR重建强度下存在轻微信号丢失和模糊现象	评估深度学习CT重建算法在腹部扫描中的图像质量和辐射剂量减少潜力	腹部CT扫描	医学影像	NA	深度学习CT重建	深度学习算法	CT图像	44篇文章，其中32篇评估TF，12篇评估AiCE
7374	2025-02-05	Predicting pathological complete response to neoadjuvant systemic therapy for triple-negative breast cancers using deep learning on multiparametric MRIs 2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC40787.2023.10340987 PMID:38083160	研究论文	本文训练并验证了一个深度学习模型，用于预测三阴性乳腺癌（TNBC）患者对新辅助系统治疗（NAST）的病理完全缓解（pCR）反应	利用治疗前和治疗后四个周期的多参数MRI数据，通过深度学习模型预测TNBC患者的治疗反应，具有较高的预测准确性	模型的验证和测试结果在不同组别之间存在一定的差异，可能需要在更大规模的数据集上进行进一步验证	预测三阴性乳腺癌患者对新辅助系统治疗的病理完全缓解反应	三阴性乳腺癌患者	数字病理学	乳腺癌	动态对比增强MRI（DCE-MRI）和扩散加权成像（DWI）	深度学习模型	图像	未明确提及具体样本数量
7375	2024-12-28	Network embedding: The bridge between water distribution network hydraulics and machine learning 2025-Apr-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.123011 PMID:39721501	研究论文	本文提出了一种新的水分配网络嵌入（WDNE）方法，将水分配网络的液压关系转化为适合机器学习算法的向量形式	提出了WDNE方法，首次将水分配网络的液压特性有效整合到机器学习中，并通过两种深度自编码器嵌入模型同时保留液压关系和属性信息	未提及具体局限性	解决水分配网络管理问题，提升机器学习算法在水分配网络中的应用效率	水分配网络（WDNs）	机器学习	NA	深度自编码器嵌入模型	自编码器	网络拓扑数据	未提及具体样本数量
7376	2025-02-04	Interpretable deep learning for acoustic leak detection in water distribution systems 2025-Apr-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.123076 PMID:39756226	研究论文	本研究提出了一种多通道卷积神经网络（MCNN）模型，用于水分配系统中的声学泄漏检测，并通过实验和实际现场数据与现有基准算法（频率卷积神经网络，FCNN）进行了性能比较	引入了多通道梯度加权类激活映射（MGrad-CAM）来可视化模型的决策标准，并识别声学信号的关键特征，同时使用聚类方法从机器学习角度分析各种因素（压力、泄漏流量和距离）对声学信号的影响机制	NA	提高水分配系统中泄漏检测的准确性和模型的可解释性	水分配系统中的声学泄漏信号	机器学习	NA	多通道卷积神经网络（MCNN），多通道梯度加权类激活映射（MGrad-CAM）	CNN	声学信号	实验和实际现场数据
7377	2025-02-04	Comparative analysis of brain volumetric measurements between contrast-enhanced and non-contrast MRI images 2025-Feb-06, Neuroscience letters IF:2.5Q3 DOI:10.1016/j.neulet.2025.138118 PMID:39788481	研究论文	本文比较了对比增强和非对比增强MRI图像在脑体积测量中的可靠性	使用深度学习工具SynthSeg+处理对比增强MRI图像，展示了其在形态测量分析中的高可靠性	CAT12工具在对比增强和非对比增强MRI图像上的表现不一致	评估对比增强MRI扫描在形态测量中的可靠性	59名正常参与者（年龄21-73岁）的T1加权对比增强和非对比增强MRI扫描	神经影像学	NA	MRI	深度学习	图像	59名正常参与者
7378	2025-02-04	Automated Detection and Severity Prediction of Wheat Rust Using Cost-Effective Xception Architecture 2025-Feb-03, Plant, cell & environment DOI:10.1111/pce.15413 PMID:39898421	研究论文	本文提出了一种基于计算机视觉的小麦锈病严重程度预测方法，利用深度学习分类器区分健康和感染锈病的小麦叶片，并通过图像处理技术计算病害严重程度	提出了一种创新的、低成本的自动化小麦锈病筛查方法，结合深度学习分类器和图像处理技术，实现了田间条件下的病害严重程度预测	未提及具体样本量或模型在不同环境条件下的泛化能力	开发一种自动化、低成本的小麦锈病检测和严重程度预测方法，以改善病害管理	小麦叶片	计算机视觉	NA	深度学习、图像处理	Xception架构	数字彩色图像	未提及具体样本量
7379	2025-02-04	Redefining healthcare - The transformative power of generative AI in modern medicine 2025-Feb-03, Revista espanola de enfermedades digestivas IF:2.7Q2 DOI:10.17235/reed.2025.11081/2024 PMID:39898717	评论	本文探讨了生成式AI在现代医学中的变革力量及其对医疗保健的影响	讨论了生成式AI在医疗保健领域的潜在颠覆性影响，强调了伦理和法律挑战	未具体说明生成式AI在医疗保健中的具体应用案例或实际效果	探讨生成式AI在医疗保健中的应用及其带来的挑战	医疗保健行业及其从业者	机器学习	NA	深度学习	生成式AI	NA	NA
7380	2025-02-04	A Multi-View Feature-Based Interpretable Deep Learning Framework for Drug-Drug Interaction Prediction 2025-Feb-03, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00687-6 PMID:39899225	研究论文	本文提出了一种基于多视图特征的可解释深度学习框架MI-DDI，用于药物-药物相互作用预测	MI-DDI框架首次结合了原子视图和子结构视图特征，通过MPNN和transformer编码器提取多视图特征，并设计了可解释的交互模块	未明确提及具体局限性	提高药物-药物相互作用预测的准确性和可解释性	药物-药物相互作用	机器学习	NA	Message Passing Neural Network (MPNN), transformer编码器	深度学习框架	分子图, 药物SMILES	BIOSNAP数据集和DrugBank数据集