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
11401	2024-12-12	An enhanced integrated fuzzy logic-based deep learning techniques (EIFL-DL) for the recommendation system on industrial applications 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2529 PMID:39650453	研究论文	本文提出了一种增强型模糊逻辑与深度学习集成的技术（EIFL-DL），用于工业应用中的推荐系统	本文的创新点在于将模糊逻辑与深度学习技术相结合，以提高推荐系统的准确性和可解释性	本文未提及具体的实验结果或与其他方法的比较，限制了对其性能的全面评估	研究目的是解决传统推荐系统在处理工业数据复杂性和不确定性方面的局限性	研究对象是工业应用中的推荐系统	机器学习	NA	模糊逻辑与深度学习	卷积神经网络（CNN）和循环神经网络（RNN）	工业数据	NA
11402	2024-12-12	DeepEMPR: coffee leaf disease detection with deep learning and enhanced multivariance product representation 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2406 PMID:39650461	研究论文	本研究提出了一种基于深度学习和增强多元产品表示（EMPR）的咖啡叶病害检测方法	本研究创新性地将增强多元产品表示（EMPR）与高维模型表示（HDMR）结合，用于图像预处理，以突出病害部分，并使用多种卷积神经网络（CNN）架构进行分类和病害严重程度预测	NA	提高咖啡叶病害的分类准确性和病害严重程度的预测	咖啡叶病害的检测和严重程度评估	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	NA
11403	2024-12-12	Normalized group activations based feature extraction technique using heterogeneous data for Alzheimer's disease classification 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2502 PMID:39650458	研究论文	本文提出了一种基于归一化组激活的特征提取技术，用于阿尔茨海默病分类，该技术可应用于结构MRI和静息态fMRI数据	首次探索了组激活及其在神经影像分析中的解释，并提出了一种基于归一化组激活的独特特征提取方法	NA	开发一种新的特征提取技术，用于阿尔茨海默病的多阶段分类	阿尔茨海默病的结构MRI和静息态fMRI数据	计算机视觉	阿尔茨海默病	卷积神经网络	CNN	图像	185个静息态fMRI和1442个MRI
11404	2024-12-12	Enhancing river and lake wastewater reuse recommendation in industrial and agricultural using AquaMeld techniques 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2488 PMID:39650475	研究论文	本文介绍了一种名为AquaMeld的新方法，用于在农业和工业中重复利用河流和湖泊的废水	AquaMeld结合了多层感知器（MLP）和循环神经网络（RNN）算法，创建了一个完整的推荐系统，能够处理复杂的废水、环境和pH数据，并提供实时的废水再利用建议	该技术不假设数据遵循某种分布，这可能会降低模型的预测效果	研究目的是提高废水再利用的推荐系统，以解决水资源短缺和环境可持续性问题	研究对象是农业和工业中的废水再利用	机器学习	NA	多层感知器（MLP）和循环神经网络（RNN）	MLP-RNN	数据	NA
11405	2024-12-12	Metaheuristic optimized complex-valued dilated recurrent neural network for attack detection in internet of vehicular communications 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2366 PMID:39650472	研究论文	本文提出了一种基于元启发式优化复杂值扩张循环神经网络的攻击检测模型，用于车联网中的攻击检测	本文创新性地使用了增强混合领导者优化方法进行特征选择，并结合复杂值扩张循环神经网络进行攻击检测	本文未提及具体的实验结果或模型性能的局限性	提高车联网中攻击检测的效率和准确性	车联网中的攻击检测	机器学习	NA	深度学习	复杂值扩张循环神经网络	数据	未提及具体样本数量
11406	2024-12-12	FERDCNN: an efficient method for facial expression recognition through deep convolutional neural networks 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2272 PMID:39650474	研究论文	本文提出了一种通过深度卷积神经网络进行面部表情识别的高效方法FERDCNN	本文引入了FERDCNN方法，通过在五个不同的预训练深度卷积神经网络模型上验证，结合支持向量机和迁移学习进行特征分类，显著提高了面部表情识别的准确率	本文仅在两个公开的标准数据库上进行了验证，未来可能需要在更多样化的数据集上进行测试	开发一种高效的面部表情识别方法，以提高其在实际应用中的性能	面部表情识别中的七种基本情绪（愤怒、厌恶、恐惧、快乐、悲伤、惊讶和中性）	计算机视觉	NA	深度卷积神经网络	CNN	图像	两个公开标准数据库（CK+和JAFFE）中的七种基本情绪类别
11407	2024-12-11	DistilRoBiLSTMFuse: an efficient hybrid deep learning approach for sentiment analysis 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2349 PMID:39650469	研究论文	本文提出了一种名为DistilRoBiLSTMFuse的混合深度学习架构，用于情感分析任务，并在IMDb和Twitter USAirline情感数据集上进行了评估	本文的创新点在于提出了DistilRoBiLSTMFuse混合架构，能够从复杂句子中提取深层上下文信息并准确识别情感，超越了现有的最先进方法	本文未提及具体的局限性	研究目的是提出一种有效的情感分析方法，解决情感分析中的语言多样性、数据不均衡和复杂句子理解等挑战	研究对象是IMDb和Twitter USAirline情感数据集中的文本数据	自然语言处理	NA	NA	混合模型（DistilRoBiLSTMFuse）	文本	IMDb和Twitter USAirline情感数据集
11408	2024-12-12	Genome-wide association studies of ischemic stroke based on interpretable machine learning 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2454 PMID:39650478	研究论文	本研究基于可解释的机器学习算法，对缺血性中风进行了全基因组关联研究	首次使用Pareto-Optimal解决方案来整合不同技术的结果，并首次发现参与脂肪酸代谢的基因与缺血性中风相关	研究仅基于欧洲血统的个体数据，可能限制了结果的普遍性	探索缺血性中风的遗传基础	缺血性中风的遗传关联	机器学习	心血管疾病	全基因组关联研究（GWAS）	TabNet	基因型数据	5,581名欧洲血统的个体，883,749个单核苷酸多态性
11409	2024-12-12	Traffic data imputation via knowledge graph-enhanced generative adversarial network 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2408 PMID:39650473	研究论文	本文提出了一种基于知识图增强的生成对抗网络（KG-GAN）用于交通数据插补	创新点在于将外部知识与交通时空依赖性相结合，通过构建细粒度的知识图和引入知识感知嵌入单元（EM-cell）来提高数据插补质量	未提及具体限制	解决现有深度学习方法在处理高缺失率数据时的性能问题，并增强对外部交通相关因素的利用	交通数据插补	机器学习	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	交通数据	大规模真实世界交通数据集
11410	2024-12-12	fMRI-based Alzheimer's disease detection via functional connectivity analysis: a systematic review 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2302 PMID:39650470	综述	本文系统回顾了基于功能磁共振成像（fMRI）功能连接分析的阿尔茨海默病检测方法	本文系统性地总结了2018年至2024年间发表的基于fMRI功能连接分析的阿尔茨海默病检测研究，涵盖了数据分析、预处理、特征计算与选择以及机器学习和深度学习算法等多个方面	本文为综述性文章，未提出新的检测方法或算法	探讨基于fMRI功能连接分析的阿尔茨海默病检测方法，并分析现有研究的成果与未来研究方向	阿尔茨海默病患者的fMRI数据及其功能连接特征	医学影像	阿尔茨海默病	功能磁共振成像（fMRI）	NA	图像	NA
11411	2024-12-12	A comprehensive review of gait analysis using deep learning approaches in criminal investigation 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2456 PMID:39650492	综述	本文综述了在犯罪调查中使用深度学习方法进行步态分析的研究进展	本文系统性地总结了深度学习在步态分析中的应用，并探讨了其在犯罪调查中的潜力	本文主要集中在现有研究的综述，未提出新的方法或实验验证	探讨深度学习在犯罪调查中步态分析的应用及其发展	步态分析在犯罪调查中的应用及相关深度学习方法	计算机视觉	NA	深度学习	深度神经网络	视频	NA
11412	2024-12-12	Automated lesion detection in cotton leaf visuals using deep learning 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2369 PMID:39650498	研究论文	本文提出了一种基于深度学习的棉花叶片病害自动检测方法	通过使用生成对抗网络（GANs）进行数据增强来减少类别不平衡问题，并采用集成方法结合VGG16、Inception V3和ResNet50三种深度学习架构的特征向量	由于数据集有限且类别较少，可能存在泛化能力不足的问题	开发一种高效、精确且可扩展的棉花病害自动检测方法	棉花叶片上的病害检测	计算机视觉	NA	深度学习	GAN、VGG16、Inception V3、ResNet50	图像	公开数据集，包含七种病害和一种健康类别
11413	2024-12-12	User emotion recognition and indoor space interaction design: a CNN model optimized by multimodal weighted networks 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2450 PMID:39650496	研究论文	本文提出了一种基于多模态加权网络的卷积神经网络模型，用于用户情感识别和室内空间交互设计	本文的创新点在于引入了一种基于深度学习的多模态加权网络模型，通过卷积注意力模块和自注意力机制优化权重，从而提高视觉情感识别的准确率	本文的局限性在于实验结果的正确率和准确率仍有提升空间，且未详细讨论模型的泛化能力和实际应用场景	本文的研究目的是提高用户情感识别的准确性，从而实现更智能的室内空间交互设计	本文的研究对象是用户的视觉情感	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	未明确提及具体样本数量
11414	2024-12-12	Computational approach for counting of SISH amplification signals for HER2 status assessment 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2373 PMID:39650490	研究论文	本研究提出了一种计算机辅助方法，通过银染杂交（SISH）染色技术，利用全切片图像（WSI）自动测量和评分乳腺癌组织中HER2基因的状态	本研究引入了基于深度学习的自动化方法，显著减少了HER2状态量化所需的时间和精力，并展示了与现有手动方法相比的改进	NA	开发一种自动化方法来评估乳腺癌中HER2基因的扩增状态	乳腺癌组织中的HER2基因状态	数字病理学	乳腺癌	SISH	Stardist	图像	NA
11415	2024-12-12	HierbaNetV1: a novel feature extraction framework for deep learning-based weed identification 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2518 PMID:39650494	研究论文	提出了一种名为HierbaNetV1的新特征提取框架，用于基于深度学习的杂草识别	通过使用多样化滤波器解决图像中感兴趣区域（ROI）大小变化的问题，并结合低级和高级特征，使模型能够学习密集和多样化的特征	NA	开发一种新的特征提取框架，用于提高杂草识别的准确性	杂草和作物的识别	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	每个输入样本生成3,872个特征图
11416	2024-12-12	Spatial layout optimization model integrating layered attention mechanism in the development of smart tourism management 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2329 PMID:39650501	研究论文	本研究提出了一种基于动态空间感知的多层自注意力机制推荐算法，用于优化智能旅游管理中的空间布局和旅游需求预测	本研究的创新点在于引入了多层自注意力机制，结合动态空间感知，能够更精确地分析游客的情感倾向并预测旅游需求	本研究的局限性在于仅在北京市的知名旅游目的地数据上进行了验证，可能需要进一步在其他地区进行验证以确保模型的普适性	本研究的目的是通过优化空间布局和精确预测旅游需求，提升旅游管理系统的效率和游客满意度	本研究的对象是旅游需求预测和智能旅游管理系统	机器学习	NA	多层自注意力机制	NA	文本	北京市知名旅游目的地的数据
11417	2024-12-12	A novel deep learning model for predicting marine pollution for sustainable ocean management 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2482 PMID:39650505	研究论文	本文提出了一种新的深度学习模型，用于预测海洋污染，以支持可持续的海洋管理	本文创新性地利用人工智能力量识别和分类海洋及海底塑料废物，并使用全卷积网络（FCN）进行分类	NA	研究目的是利用人工智能技术识别和分类海洋及海底塑料废物，以支持可持续的海洋管理	研究对象是海洋及海底的塑料废物	机器学习	NA	全卷积网络（FCN）	全卷积网络（FCN）	图像	使用了Kaggle的塑料位置数据进行模型训练
11418	2024-12-12	Advancing multi-categorization and segmentation in brain tumors using novel efficient deep learning approaches 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2496 PMID:39650515	研究论文	本文提出了一种基于深度学习的新方法，用于脑肿瘤的多分类和分割，旨在提高分类的准确性和速度	引入了ERSACA-Net模型，结合了扩展残差结构和自适应通道注意力机制，并使用了LWIFCM_CSA方法进行聚类，以及CTGAN解决类别不平衡问题	NA	提高脑肿瘤分类和分割的准确性和效率	脑肿瘤的分类和受影响区域的分割	计算机视觉	脑肿瘤	深度学习	ERSACA-Net	图像	NA
11419	2024-12-12	A systematic review on artificial intelligence approaches for smart health devices 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2232 PMID:39650514	综述	本文系统回顾了用于智能健康设备的人工智能方法，探讨了机器学习和深度学习在智能健康中的应用，并分析了隐私和安全问题	本文通过系统回顾提供了智能健康领域中AI方法的全面概述，并提出了设计、开发和实施AI解决方案的实用指南	本文主要通过回顾现有文献进行分析，未进行实际的实验或数据验证	本文旨在通过系统回顾识别智能健康领域的挑战、最佳实践和未来机会，并提供AI解决方案的实用指南	本文研究对象包括智能健康设备、机器学习和深度学习网络架构以及健康数据的隐私和安全问题	机器学习	NA	机器学习（ML）和深度学习（DL）	神经网络	数据	NA
11420	2024-12-12	Auditory-GAN: deep learning framework for improved auditory spatial attention detection 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2394 PMID:39650521	研究论文	本文提出了一种名为Auditory-GAN的深度学习框架，用于改进多通道脑电图信号中的听觉空间注意力检测	创新点在于提出了一个完整的深度听觉生成对抗网络辅助系统，能够生成脑电图数据并执行听觉空间检测，同时解决了在线脑电图数据稀缺和低延迟检测的问题	NA	改进听觉空间注意力检测的准确性和效率	多通道脑电图信号中的听觉空间注意力	机器学习	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	脑电图信号	64通道脑电图数据