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
8681	2025-02-05	Deeply integrating latent consistent representations in high-noise multi-omics data for cancer subtyping 2024-01-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae061 PMID:38426322	研究论文	本文提出了一种基于变分自编码器的深度学习模型DILCR，用于高噪声多组学数据中的癌症亚型分类	提出了一种新的变分自编码器模型DILCR，通过设计多个独立的变分自编码器和对比损失函数，有效分离噪声并捕捉潜在一致表示，并提出了注意力深度整合网络和改进的深度嵌入聚类算法	未明确提及具体局限性	提高癌症亚型分类的准确性，以制定个性化治疗方案并提高患者生存率	癌症多组学数据	机器学习	癌症	变分自编码器	DILCR（基于变分自编码器的深度学习模型）	多组学数据	10个典型癌症数据集（来自The Cancer Genome Atlas）
8682	2025-02-05	DFMA: an improved DeepLabv3+ based on FasterNet, multi-receptive field, and attention mechanism for high-throughput phenotyping of seedlings 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1457360 PMID:39886686	研究论文	本文提出了一种基于改进的DeepLabv3+模型DFMA，用于高效植物幼苗表型分析	引入了新的ASPP结构PSPA-ASPP，结合FasterNet、多感受野和注意力机制，提高了模型性能	未提及模型在不同环境或光照条件下的鲁棒性	提高植物幼苗表型分析的效率和准确性	水稻、拟南芥、短柄草和白芥的幼苗	计算机视觉	NA	深度学习	DeepLabv3+	图像	自建的水稻幼苗数据集及公开数据集（拟南芥、短柄草和白芥）
8683	2025-02-05	Advancements and Applications of Artificial Intelligence in Pharmaceutical Sciences: A Comprehensive Review 2024 Jan-Dec, Iranian journal of pharmaceutical research : IJPR IF:1.8Q3 DOI:10.5812/ijpr-150510 PMID:39895671	综述	本文综述了人工智能在药学科学中的进展和应用，涵盖了从药物发现到个性化患者护理的多个领域	本文综合分析了人工智能在药学多个子领域中的具体应用，包括药物合成规划、制剂开发、毒理学预测、药房自动化和市场分析等	本文主要是一篇综述，未涉及具体实验数据或案例研究，可能缺乏对新技术的深入技术细节分析	探讨人工智能在药学科学中的实际应用和潜力	药学科学的多个子领域，包括药物化学、药剂学、药理学与毒理学、临床药学、制药生物技术、制药纳米技术、生药学以及药物管理与经济学	自然语言处理, 机器学习	NA	机器学习, 深度学习, 自然语言处理, 机器人自动化	NA	NA	NA
8684	2025-02-05	Multimodal Alzheimer's disease classification through ensemble deep random vector functional link neural network 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2590 PMID:39896355	研究论文	本研究通过集成深度随机向量功能链接神经网络（edRVFL）模型，结合临床和遗传信息的多模态数据，提高了阿尔茨海默病（AD）和轻度认知障碍（MCI）的早期检测能力	采用多模态数据集成和深度随机向量功能链接神经网络（edRVFL）模型，结合有效的数据填补技术（如Winsorized-mean），显著提高了AD早期检测的准确性	研究主要依赖于多模态数据的集成，可能面临数据变异性和不完整性的挑战	提高阿尔茨海默病（AD）和轻度认知障碍（MCI）的早期检测能力	阿尔茨海默病（AD）和轻度认知障碍（MCI）患者	机器学习	老年病	深度学习（DL）	集成深度随机向量功能链接神经网络（edRVFL）	临床和遗传信息的多模态数据	NA
8685	2025-02-05	Enhancing breast cancer diagnosis using deep learning and gradient multi-verse optimizer: a robust biomedical data analysis approach 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2578 PMID:39896354	研究论文	本文提出了一种结合梯度搜索机制和多宇宙优化器（MVO）的混合优化算法，用于优化深度学习模型在乳腺癌诊断中的参数，以提高分类准确性	提出了一种新的混合优化算法，结合梯度搜索机制和多宇宙优化器（MVO），以解决深度学习模型在高维搜索空间中易陷入局部最优的问题	实验仅在两个乳腺癌数据集上进行，未在其他类型的数据集上验证其泛化能力	提高乳腺癌早期诊断的准确性，推动计算机辅助诊断（CAD）系统的发展	乳腺癌诊断	数字病理学	乳腺癌	深度学习（DL）	深度神经网络（DNN）	医疗数据	威斯康星乳腺癌数据集（WBCD）和威斯康星诊断乳腺癌数据集（WDBC），分别划分为70%训练集和30%测试集
8686	2025-02-05	AI in dermatology: a comprehensive review into skin cancer detection 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2530 PMID:39896358	综述	本文系统回顾了人工智能在皮肤癌分类中的应用，全面概述了其优势、挑战、方法和功能	本文通过综合分析和分类现有文献，提供了人工智能在皮肤癌检测中的全面视角，强调了其在提高诊断准确性、效率和可及性方面的潜力	数据隐私问题、将AI系统整合到现有工作流程中的复杂性以及需要大规模高质量数据集等挑战仍然存在	探讨人工智能在皮肤癌检测和诊断中的应用及其潜力	皮肤癌	计算机视觉	皮肤癌	深度学习算法、图像处理技术、特征提取方法	CNN, SVM, 集成学习技术	图像	95篇科学文章
8687	2025-02-05	Sentiment analysis of pilgrims using CNN-LSTM deep learning approach 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2584 PMID:39896353	研究论文	本文提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的深度学习方法，用于对朝圣者进行情感分析	使用了一种新颖且专门的数据集Catering-Hajj，并提出了一个结合CNN和LSTM的模型来进行情感分析	数据集仅限于社交媒体上的朝圣者情感数据，可能无法全面反映所有朝圣者的情感	研究目的是通过情感分析了解朝圣者对朝觐体验的感受	朝圣者	自然语言处理	NA	深度学习	CNN-LSTM	文本	NA
8688	2025-02-05	A novel device-free Wi-Fi indoor localization using a convolutional neural network based on residual attention 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2471 PMID:39896360	研究论文	本文提出了一种基于残差注意力卷积神经网络的无设备Wi-Fi室内定位方法，旨在提高定位精度和通用性	提出了一种独特的注意力增强残差卷积神经网络（RACNN），充分利用CSI数据中的全局上下文信息，解决了现有CNN指纹定位算法感受野有限的问题	未明确提及具体限制，但暗示了在不同惯性维度单元精度变化可能对跟踪性能产生负面影响	提高Wi-Fi室内定位的精度和通用性	室内定位系统	机器学习	NA	NA	卷积神经网络（CNN），残差注意力卷积神经网络（RACNN）	信道状态信息（CSI）指纹	NA
8689	2025-02-05	Enhancing e-learning through AI: advanced techniques for optimizing student performance 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2576 PMID:39896364	研究论文	本研究探讨了如何通过人工智能（AI）技术优化电子学习，以提高学生的学习成绩	提出了一个基于AI的框架来监控和分析学生互动，并评估在线学习平台对学生理解的影响，使用先进的算法确定混合学习系统的最有效方法	部分内容已作为预印本发布，可能存在重复内容	通过AI技术优化电子学习，提高学生成绩	学生互动数据、在线学习平台、混合学习系统	机器学习	NA	机器学习、深度学习	CNN、RNN	学生互动数据	NA
8690	2025-02-05	Enhancing sentiment analysis of online comments: a novel approach integrating topic modeling and deep learning 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2542 PMID:39896372	研究论文	本文提出了一种结合主题建模和深度学习的新方法，用于增强在线评论的情感分析	整合了LDA、Shuffle-enhanced RealNVP、双层双向改进LSTM网络和多头自注意力机制，有效处理文本相关性和时间性	未提及具体的数据集规模或模型计算资源需求	提高在线评论情感分析的准确性和效果	在线评论	自然语言处理	NA	LDA, RealNVP, LSTM, 多头自注意力机制	DBiLSTM	文本	中英文在线评论数据集
8691	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
8692	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
8693	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
8694	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
8695	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
8696	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
8697	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
8698	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
8699	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
8700	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