深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
1161	2025-10-05	Cword2vec: a novel morphological rule-based word embedding approach for Urdu text sentiment analysis 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2937 PMID:40989343	研究论文	提出一种基于形态学规则的乌尔都语复合词嵌入方法Cword2vec用于情感分析	开发了首个基于形态学规则的乌尔都语复合词嵌入方法，解决了传统n-gram方法无法生成有意义的复合词的问题	仅针对乌尔都语文本，未验证在其他语言的适用性	改进乌尔都语文本情感分析的词嵌入表示	乌尔都语文本中的复合词	自然语言处理	NA	词嵌入技术	LSTM, BiLSTM, CNN, C-LSTM	文本	NA	NA	word2vec	准确率, 精确率, 召回率, F1分数	NA
1162	2025-10-05	Classification of psychiatry clinical notes by diagnosis: a deep learning and machine learning approach 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3045 PMID:40989331	研究论文	比较传统机器学习和深度学习模型在精神病学临床笔记诊断分类中的性能	首次系统比较多种传统机器学习与深度学习模型在精神病临床笔记分类中的表现，并评估不同过采样策略和超参数优化的影响	仅针对焦虑症和适应障碍两种诊断进行分类，未涵盖更广泛的精神疾病类型	开发AI辅助诊断工具，提高精神病学临床笔记分类的准确性	精神病学临床笔记	自然语言处理	精神疾病	文本分类	随机森林,支持向量机,K近邻,决策树,XGBoost,DistilBERT,SciBERT	文本	NA	Scikit-learn,TensorFlow/PyTorch	BERT变体	准确率	NA
1163	2025-10-05	Hybrid ARIMA-LSTM for COVID-19 forecasting: a comparative AI modeling study 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3195 PMID:40989342	研究论文	本研究比较ARIMA、LSTM和混合ARIMA-LSTM模型在COVID-19疫情预测中的性能表现	提出并验证了结合传统统计方法与深度学习的混合模型在疫情预测中的优势	仅使用马来西亚单一国家数据，未验证模型在其他传染病和地区的泛化能力	开发准确的疫情预测模型以支持有效干预和资源分配	COVID-19疫情趋势预测	机器学习	COVID-19	时间序列预测	ARIMA, LSTM, 混合模型	时间序列数据	马来西亚卫生部2021年1月4日至9月18日的COVID-19数据	NA	ARIMA, LSTM, ARIMA-LSTM混合架构	MSE, MAE, MAPE, RMSE, RRMSE, NRMSE, R平方	NA
1164	2025-10-05	A hybrid extraction model for semantic knowledge discovery of water conservancy big data 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2960 PMID:40989349	研究论文	提出一种基于深度学习的可迁移网络信息提取模型，用于水利大数据中的语义知识发现	融合知识图谱、机器学习和本体方法，开发了能够适应不同网站结构的跨网站信息提取模型	NA	解决水利领域网络舆情分析需求，提升多源数据集的信息提取效率和可扩展性	水利相关网络舆情内容	自然语言处理	NA	大数据分析、自然语言处理、深度学习	深度学习模型	文本数据	NA	NA	WIEM-DL	提取准确率、处理效率	NA
1165	2025-10-05	Enhanced text clustering and sentiment analysis framework for online education: a BIF-DCN approach in computer education 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3062 PMID:40989355	研究论文	提出一种融合BERT和BTF-IDF的深度聚类网络框架(BIF-DCN)，用于在线教育平台的学生情感分析	结合BERT语义特征提取、BTF-IDF增强特征表示和改进深度嵌入聚类(IDEC)的三组件集成框架	NA	分析学生对教育内容的情感反应以优化教学策略和在线学习资源	在线教育平台的学生评论数据	自然语言处理	NA	文本挖掘，情感分析	Transformer, 深度聚类网络	文本	公共数据集和自建数据集	NA	BERT, IDEC	聚类准确率	NA
1166	2025-10-05	CST-Net: community-guided structural-temporal convolutional networks for popularity prediction 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2931 PMID:40989358	研究论文	提出一种名为CST-Net的端到端深度学习框架，用于在线内容流行度预测	通过用户嵌入聚类构建社区交互矩阵，结合卷积架构学习信息级联的结构和时间特征	NA	预测在线内容的流行度	微博数据集和学术引用数据集	机器学习	NA	深度学习	CNN	用户交互数据、信息级联数据	两个大规模数据集（微博和学术引用）	NA	CST-Net	NA	NA
1167	2025-10-05	Hybrid deep layered network model based on multi-scale feature extraction and deep feature optimization for acute lymphoblastic leukemia anomaly detection 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3174 PMID:40989361	研究论文	提出一种基于多尺度特征提取和深度特征优化的混合深度分层网络模型，用于急性淋巴细胞白血病的异常检测	结合中心裁剪策略自动去除图像无关区域，采用基于Xception架构的深度特征提取，并利用XGBoost分类器进行特征优化	NA	开发高性能的急性淋巴细胞白血病自动检测和分类系统	血细胞图像	计算机视觉	白血病	深度学习	CNN, XGBoost	图像	NA	NA	Xception	准确率	NA
1168	2025-10-05	A novel deep learning based approach with hyperparameter selection using grey wolf optimization for leukemia classification and hematologic malignancy detection 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3160 PMID:40989368	研究论文	提出一种基于深度学习的白血病自动分类框架，通过灰狼优化算法选择超参数	设计了基于双曲正弦函数的轻量级对比度增强算法，提出了并行倒置双自注意力网络(PIDSAN4)的定制CNN模型，并采用灰狼优化进行超参数调优	仅使用公开可用的白血病显微图像数据集，未在更大规模或更多样化的数据集上进行验证	开发自动化的白血病分类和血液恶性肿瘤检测方法	白血病显微图像	计算机视觉	白血病	显微成像	CNN, Vision Transformer	图像	公开可用的白血病显微图像数据集	NA	PIDSAN4, tiny16 ViT	准确率, 敏感度, 特异性, 精确率, F-measure, G-mean	NA
1169	2025-10-05	Artificial intelligence-driven insights into Arab media's sustainable development goals coverage 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3071 PMID:40989365	研究论文	本研究使用人工智能方法分析阿拉伯媒体对联合国可持续发展目标的报道情况	首次在大规模阿拉伯语媒体数据上结合人工智能方法进行可持续发展目标分析	研究仅涵盖十个阿拉伯国家，可能无法代表所有阿拉伯地区	分析阿拉伯媒体对可持续发展目标的报道模式及其与政府优先事项的一致性	阿拉伯新闻媒体对可持续发展目标的报道内容	自然语言处理	NA	数据增强、深度学习、大语言模型	Transformer, LLM	文本	超过120万篇阿拉伯语新闻文章（2010-2024年，来自十个国家）	NA	Transformer	NA	NA
1170	2025-10-05	Classifying reservoir facies using attention-based residual neural networks 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2977 PMID:40989375	研究论文	提出一种基于注意力机制的残差神经网络方法，用于储层相分类	相比传统单流或非残差设计，该架构能增强模型对关键地质特征的关注能力，同时保持数据的层次表示	仅使用8口井的数据进行验证，样本规模有限	提高储层相分类准确性以优化资源开采效率和储层表征	测井数据	机器学习	NA	测井技术	CNN	测井数据	8口井的测量数据	NA	ResNet, 注意力机制	AUROC, AUPRC	NA
1171	2025-10-05	A GAN-based approach to solar radiation prediction: data augmentation and model optimization for Saudi Arabia 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3189 PMID:40989385	研究论文	本研究提出一种基于GAN的太阳能辐射预测方法，通过数据增强和模型优化提高预测精度	首次将GAN生成的合成数据与CNN-LSTM混合架构结合，用于太阳能辐射预测	计算复杂度较高且超参数敏感度需要进一步研究	优化可再生能源系统，提高太阳能辐射预测准确性	沙特阿拉伯不同气候区域的太阳能辐射数据	机器学习	NA	太阳能辐射监测	GAN, CNN, LSTM	时间序列数据	NA	NA	CNN-LSTM	RMSE, MAE	NA
1172	2025-10-05	Advanced deep learning and transfer learning approaches for breast cancer classification using advanced multi-line classifiers and datasets with model optimization and interpretability 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2951 PMID:40989384	研究论文	本研究评估了多种机器学习模型在威斯康星乳腺癌数据集上的分类性能，并采用贝叶斯超参数优化和迁移学习提升模型表现	结合深度神经网络、贝叶斯超参数优化和基于VGG16的迁移学习卷积神经网络，在乳腺癌分类任务中实现了最高99.3%的准确率	存在潜在的领域不匹配问题需要谨慎对待	开发高精度的乳腺癌分类模型	威斯康星乳腺癌数据集中的良性恶性肿瘤分类	机器学习	乳腺癌	均值插补处理缺失值，Min-Max特征归一化	随机森林, XGBoost, DNN, CNN	结构化医疗数据	554个独特实例（63%良性，37%恶性）	NA	VGG16	准确率, 精确率, 召回率, F1分数, ROC-AUC	NA
1173	2025-10-05	2LE-BO-DeepTrade: an integrated deep learning framework for stock price prediction 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3107 PMID:40989393	研究论文	提出了一种名为2LE-BO-DeepTrade的集成深度学习框架，用于股票收盘价预测	结合2LE-ICEEMDAN去噪、贝叶斯优化调参的深度学习模型和基于分段线性表示的交易策略	NA	提高股票市场预测准确性和交易策略收益	在伊斯坦布尔证券交易所交易的AKBNK、MGROS、KCHOL、THYAO和ULKER股票	机器学习	NA	2LE-ICEEMDAN去噪、贝叶斯优化	LSTM, LSTM-BN, GRU	股票价格数据	5只不同行业的股票	NA	LSTM, LSTM-BN, GRU	RMSE, MAE, MAPE, R值	NA
1174	2025-10-05	Alpha-DehazeNet: single image dehazing via RGBA haze modeling and adaptive learning 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3036 PMID:40989390	研究论文	提出一种基于RGBA雾度建模和自适应学习的单图像去雾方法Alpha-DehazeNet	首次在RGBA色彩空间中定义灰度透明度图作为初始雾层，并引入深度一致性损失提高去雾精度	在处理非白色雾和云条件时表现有限	单图像去雾技术研究	有雾图像	计算机视觉	NA	深度学习	GAN, U-Net	图像	合成数据集(ITS和OTS from RESIDE)和真实世界数据集	NA	U-Net	PSNR	NA
1175	2025-10-05	A comprehensive review of ball detection techniques in sports 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3079 PMID:40989394	综述	本文系统回顾了体育运动中球体检测的技术方法与发展现状	首次跨多种体育运动系统比较传统计算机视觉与现代深度学习方法的球体检测能力，并提出统一优化框架	未包含具体实验验证，主要基于文献分析；缺乏对不同运动场景下检测性能的定量对比	整合现有球体检测知识体系，为新一代体育分析系统奠定基础	各类体育运动中的球体目标	计算机视觉	NA	目标检测	深度学习模型	视频图像	NA	NA	NA	NA	NA
1176	2025-10-05	Advanced clustering and transfer learning based approach for rice leaf disease segmentation and classification 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3018 PMID:40989405	研究论文	提出一种结合先进聚类和迁移学习的稻叶病害分割与分类方法	开发了重力加权核密度聚类算法用于病害区域分割，并引入帐篷混沌粒子雪消融优化器改进学习过程	仅在两份基准数据集上测试，未在更广泛的实际场景中验证	实现稻叶病害的精确分割和分类	水稻叶片病害图像	计算机视觉	植物病害	图像处理，深度学习	CNN	图像	两个基准数据集	NA	EfficientNetB0	准确率	NA
1177	2025-10-05	Efficient sepsis detection using deep learning and residual convolutional networks 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2958 PMID:40989398	研究论文	提出一种结合深度学习和残差卷积网络的高效脓毒症检测模型	集成非洲秃鹫优化算法(AVOA)和多种创新模块(ECLF、SCAN、HDCB、RPCC)的深度学习框架	NA	实现脓毒症的早期准确检测以改善患者预后	脓毒症患者临床数据	医疗人工智能	脓毒症	深度学习	CNN	临床医疗数据	NA	NA	残差卷积网络, 空洞卷积, 多层级策略	准确率, 精确率, 召回率, F1分数, AUC	NA
1178	2025-10-05	An interpretable credit risk assessment model with boundary sample identification 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2988 PMID:40989404	研究论文	提出一种结合逻辑回归和深度学习的可解释信用风险评估模型，通过边界样本识别提升预测精度	提出ARPD算法过滤噪声样本并识别边界样本，结合可解释逻辑回归和深度学习子模型的混合架构	未明确说明模型计算复杂度及处理大规模数据时的效率问题	开发高精度且可解释的信用风险评估模型	信用风险预测中的边界样本和噪声样本	机器学习	NA	NA	逻辑回归,深度学习	信用风险数据	四个公开数据集(PCL、FICO、CCF、VL)	NA	混合模型架构(逻辑回归+深度学习)	AUC	NA
1179	2025-10-05	Optimising AI writing assessment using feedback and knowledge graph integration 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2893 PMID:40989410	研究论文	提出一种结合深度学习、用户反馈和知识图谱的AI写作评估框架	集成动态关系知识图谱和用户反馈机制，提供个性化写作建议	仅基于初步数据验证，需要更广泛的用户研究	优化AI写作评估系统的效果和个性化反馈能力	写作评估系统和学习者写作能力	自然语言处理	NA	深度学习, 知识图谱, 用户反馈机制	Transformer, GNN	文本	NA	NA	BERT, GPT-3, 图神经网络	用户满意度, 文本质量改进, 参与度	NA
1180	2025-10-05	HTCNN-Attn: a fine-grained hierarchical multi-label deep learning model for disaster emergency information intelligent extraction from social media 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2992 PMID:40989418	研究论文	提出一种用于从社交媒体中智能提取灾害应急信息的细粒度分层多标签深度学习模型HTCNN-Attn	集成三级树状标签架构、基于Transformer的全局特征提取、CNN局部模式捕获和分层注意力机制，采用分层损失函数确保标签一致性	NA	从嘈杂的社交媒体中提取细粒度灾害应急信息以支持应急响应协调	社交媒体文本数据（推文）	自然语言处理	NA	深度学习	Transformer, CNN	文本	Appen、HumAID和CrisisBench数据集	NA	HTCNN-Attn（分层Transformer-CNN注意力模型）	准确率, Micro-F1, 分层一致性分数	轻量级设计实现高效实时部署（12.0 ms延迟）