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
1	2025-04-01	Deep learning approaches in predicting ADMET properties 2020-11, Future medicinal chemistry IF:3.2Q3 DOI:10.4155/fmc-2020-0259 PMID:33124448	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2	2025-03-23	Template-based prediction of protein structure with deep learning 2020-Dec-29, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-020-07249-8 PMID:33372607	研究论文	本文提出了一种名为ThreaderAI的新模板建模方法，通过深度学习提高蛋白质三级结构预测的准确性	ThreaderAI将查询序列与模板对齐的任务公式化为计算机视觉中的经典像素分类问题，并自然应用深度残差神经网络进行预测，显著提高了对远源同源蛋白质的结构预测准确性	NA	提高蛋白质三级结构预测的准确性，特别是对于只有远源同源物的蛋白质	蛋白质三级结构	计算机视觉	NA	深度学习	深度残差神经网络	序列数据	SCOPe数据和CASP13的TBM-hard数据
3	2025-03-19	Control of hybrid electromagnetic bearing and elastic foil gas bearing under deep learning 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0243107 PMID:33264358	研究论文	本研究基于径向基函数（RBF）神经网络探索了混合电磁和弹性箔气体轴承的控制，以提高其工作稳定性	提出了基于RBF神经网络的CIPD轴承控制方法，具有最短响应时间和最佳控制效果	研究主要基于仿真平台，未涉及实际应用验证	提高混合电磁和弹性箔气体轴承的工作稳定性	混合电磁和弹性箔气体轴承系统	机器学习	NA	径向基函数（RBF）神经网络	RBF神经网络	仿真数据	NA
4	2025-03-12	Deep learning using a biophysical model for robust and accelerated reconstruction of quantitative, artifact-free and denoised R2* images 2020-12, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.28344 PMID:32767489	研究论文	本文介绍了一种新颖的深度学习方法，用于从多梯度回波（mGRE）MRI数据中鲁棒且加速地重建定量且B0不均匀性校正的R2*图像	RoAR方法采用自监督学习策略，无需真实R2*图像，且在训练过程中仅需F函数，应用时则不需要，显著提高了计算速度和噪声鲁棒性	NA	开发一种深度学习方法，用于从mGRE MRI数据中重建定量且B0不均匀性校正的R2*图像	多梯度回波（mGRE）MRI数据	计算机视觉	NA	mGRE MRI	CNN	图像	NA
5	2025-03-11	Re: An Observational Study of Deep Learning and Automated Evaluation of Cervical Images for Cancer Screening 2020-01-01, Journal of the National Cancer Institute DOI:10.1093/jnci/djz115 PMID:31187115	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6	2025-03-10	Deep Learning Identifies Cardiomyocyte Nuclei With High Precision 2020-08-14, Circulation research IF:16.5Q1 DOI:10.1161/CIRCRESAHA.120.316672 PMID:32486999	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7	2025-03-06	Analysis of the pattern recognition algorithm of broadband satellite modulation signal under deformable convolutional neural networks 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0234068 PMID:32658924	研究论文	本研究旨在分析在低信噪比或信道非理想条件下，基于深度学习的卫星调制信号识别性能受不同参数估计的影响	构建了基于可变形卷积神经网络（DCNN）的宽带卫星调制信号模式识别模型，并与其他模型（如VGG、AlexNet、ResNe）进行了比较，显示出更高的识别准确率和更短的训练时间	研究主要基于模拟数据，未涉及实际卫星信号的复杂环境	分析不同参数估计对卫星调制信号识别性能的影响	宽带卫星调制信号	机器学习	NA	深度学习	DCNN	信号数据	数据长度达到4000
8	2025-03-06	Risk management system and intelligent decision-making for prefabricated building project under deep learning modified teaching-learning-based optimization 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0235980 PMID:32678855	研究论文	本研究基于改进的教学-学习优化算法（MTLBO）和深度学习多层前馈神经网络（BP神经网络）建立了预制建筑项目风险管理系统的模型，以提高大型预制建筑项目施工期间的风险管理需求	通过使用信息熵对传统的教学-学习优化算法（TLBO）进行改进，并结合BP神经网络建立了MTLBO-BP神经网络预测模型，该模型在全局搜索能力和避免局部最优方面表现更优	未提及具体的研究局限性	提高预制建筑项目施工期间的风险管理需求，提供智能管理和决策支持	预制建筑项目的风险管理系统	机器学习	NA	深度学习，BP神经网络，MTLBO算法	BP神经网络，MTLBO-BP神经网络	NA	NA
9	2025-03-06	The data dimensionality reduction and bad data detection in the process of smart grid reconstruction through machine learning 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0237994 PMID:33027298	研究论文	本研究通过机器学习方法探索了在电网重构过程中检测虚假数据注入攻击（FDIAs），并解决了电力系统中高维数据和异常数据处理的问题	结合孤立森林（iForest）异常评分数据处理算法与局部线性嵌入（LLE）数据降维方法，构建了数据特征提取算法，并基于卷积神经网络（CNN）和门控循环单元（GRU）网络构建了FDIAs检测算法模型	研究中未提及对实际电网系统的测试，仅基于模拟数据进行实验	实现电网系统的安全稳定运行，检测虚假数据注入攻击（FDIAs）并处理高维数据和异常数据	电力系统中的数据，特别是虚假数据注入攻击（FDIAs）相关数据	机器学习	NA	孤立森林（iForest）、局部线性嵌入（LLE）、卷积神经网络（CNN）、门控循环单元（GRU）	CNN-GRU	电力系统数据	IEEE14-bus节点和IEEE118-bus节点系统的模拟数据
10	2025-03-04	Speech exemplar and evaluation database (SEED) for clinical training in articulatory phonetics and speech science 2020-09-01, Clinical linguistics & phonetics IF:0.8Q4 DOI:10.1080/02699206.2020.1743761 PMID:32200647	研究论文	本文介绍了一个公开可用的语音录音数据库，旨在为语音学、言语科学和临床言语障碍课程的教学提供典型和障碍语音的比较示例	开发了一个公开可用的语音录音数据库，填补了典型和障碍语音比较示例的空白	数据库可能受限于特定的IRB协议，无法完全覆盖所有障碍人群	改善从业者和科学家对语音学科学基础的理解，并提高培养临床科学家和年轻研究者的能力	成人和儿童的语音录音，包括有和没有言语障碍的个体	语音学	言语障碍	高质量设备下的受控录音	NA	语音录音	成人和儿童的语音录音样本
11	2025-03-02	Virtual Molecular Projections and Convolutional Neural Networks for the End-to-End Modeling of Nanoparticle Activities and Properties 2020-10-20, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.0c02878 PMID:32970421	研究论文	本研究利用卷积神经网络（CNNs）从纳米结构中对纳米颗粒的活性和特性进行建模	使用虚拟分子投影作为多维数字化的纳米结构表示，并应用于CNN模型训练，实现了从纳米结构到活性和特性的端到端建模	研究中仅使用了77个纳米颗粒样本，样本量较小，可能影响模型的泛化能力	开发一种能够数字化复杂纳米结构并用于机器学习建模的方法	纳米颗粒的活性和理化特性	机器学习	NA	虚拟分子投影	CNN	多维数字化纳米结构	77个纳米颗粒
12	2025-02-26	Harnessing the Power of Deep Learning to Assess Breast Cancer Risk 2020-02, Radiology IF:12.1Q1 DOI:10.1148/radiol.2019192471 PMID:31846401	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
13	2025-02-21	Beat-to-Beat Continuous Blood Pressure Estimation Using Bidirectional Long Short-Term Memory Network 2020-Dec-25, Sensors (Basel, Switzerland) DOI:10.3390/s21010096 PMID:33375722	研究论文	本研究提出了一种使用双向长短期记忆网络进行连续血压估计的模型，旨在通过无袖带方法监测高血压患者的血压	采用双向长短期记忆网络进行血压估计，并结合留一受试者法和微调策略以提高模型的泛化能力和多日测试中的兼容性	模型在多日测试中的误差较大，表明在多日场景下的稳定性仍需改进	开发一种无袖带、基于深度学习的连续血压估计模型，以简化高血压患者的血压监测	高血压患者的连续血压数据	机器学习	心血管疾病	深度学习	双向长短期记忆网络（BiLSTM）	心电图（ECG）、光电容积描记图（PPG）、心冲击图（BCG）	未明确提及具体样本数量，但使用了留一受试者法进行模型评估
14	2025-02-21	Application of feed forward and recurrent neural networks in simulation of left ventricular mechanics 2020-12-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-79191-4 PMID:33339836	研究论文	本文探讨了使用前馈神经网络和循环神经网络（RNN）模拟左心室（LV）力学的方法，以替代传统有限元（FE）模型	提出使用深度学习（DL）进行左心室（LV）的计算机模拟，相较于传统有限元（FE）模型，显著减少了计算时间	研究仅基于有限数量的FE模型进行训练和测试，可能限制了模型的泛化能力	研究目的是开发一种能够实时提供左心室（LV）力学模拟的深度学习模型	左心室（LV）的压力和体积，以及心肌的应力	机器学习	心血管疾病	深度学习（DL）	前馈神经网络和循环神经网络（RNN）与长短期记忆（LSTM）	模拟数据	80个四腔心脏FE模型用于训练LV压力和体积，120个仅LV的FE模型用于训练LV应力预测
15	2025-02-21	EEG-Based Emotion Classification Using Long Short-Term Memory Network with Attention Mechanism 2020-Nov-25, Sensors (Basel, Switzerland) DOI:10.3390/s20236727 PMID:33255539	研究论文	本文提出了一种基于长短期记忆网络（LSTM）和注意力机制的脑电图（EEG）情感分类方法	结合LSTM网络和注意力机制，考虑情感信号随时间的变化，并基于心理学中的峰终规则对特定时刻的情感状态进行加权	未提及具体局限性	研究基于EEG信号的情感分类	32通道EEG数据	机器学习	NA	深度学习算法	LSTM, CNN	EEG信号	DEAP数据库中的32通道EEG数据
16	2025-02-21	A Deep Machine Learning Method for Concurrent and Interleaved Human Activity Recognition 2020-Oct-12, Sensors (Basel, Switzerland) DOI:10.3390/s20205770 PMID:33053720	研究论文	本文提出了一种使用双向长短期记忆网络（BiLSTM）和跳链条件随机场（SCCRF）的两阶段混合深度机器学习方法，用于识别并发和交错的人类活动	创新点在于结合了BiLSTM和SCCRF两种技术，分别用于识别并发和交错活动，提高了复杂活动识别的准确性	未提及具体局限性	研究目标是提高复杂人类活动识别的准确性，特别是在并发和交错活动的情况下	研究对象是人类活动，特别是并发和交错的活动	机器学习	NA	双向长短期记忆网络（BiLSTM），跳链条件随机场（SCCRF）	BiLSTM, SCCRF	活动数据	使用了公开可用的智能家居环境数据集
17	2025-02-21	Scheduling Sensor Duty Cycling Based on Event Detection Using Bi-Directional Long Short-Term Memory and Reinforcement Learning 2020-Sep-25, Sensors (Basel, Switzerland) DOI:10.3390/s20195498 PMID:32992795	研究论文	本文提出了一种基于双向长短期记忆模型和强化学习的传感器任务调度方案，用于智能家居环境中的人类活动检测和传感器能量管理	结合双向长短期记忆模型和Q-Learning算法，预测未来事件并优化传感器任务调度，以提高活动检测精度和传感器能量效率	实验仅在模拟环境中进行，未涉及真实智能家居场景的验证	解决智能家居环境中人类活动检测和传感器能量消耗的挑战	智能家居环境中的传感器和人类活动	机器学习	NA	双向长短期记忆模型、Q-Learning算法、Jaccard相似性指数	Bi-Directional LSTM、Q-Learning	传感器数据	NA
18	2025-02-21	Deep learning with long short-term memory networks for classification of dementia related travel patterns 2020-07, 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/EMBC44109.2020.9175472 PMID:33019238	研究论文	本文利用移动设备上的方向数据，通过深度学习与长短期记忆网络（LSTM）分类器识别与痴呆症相关的游走模式	首次将深度学习与LSTM网络应用于痴呆症相关游走模式的分类，相比传统机器学习方法表现更优	样本量较小，仅涉及14名受试者，可能影响模型的泛化能力	研究痴呆症相关游走模式的分类，以早期识别认知退化和其他健康状况	痴呆症患者的游走模式	机器学习	老年疾病	深度学习	LSTM	方向数据	14名受试者
19	2025-02-21	EMG-Based Hand Gesture Classification with Long Short-Term Memory Deep Recurrent Neural Networks 2020-07, 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/EMBC44109.2020.9175279 PMID:33018710	研究论文	本文研究了基于长短期记忆（LSTM）深度循环神经网络在肌电图（EMG）手势分类中的有效性	使用LSTM神经网络处理EMG信号，捕捉肌肉收缩的时间依赖性，而传统方法主要关注空间相关性	研究仅针对九名截肢者，样本量较小，可能影响结果的普适性	探讨循环深度学习网络在EMG分类中的有效性，以改进上肢假肢的控制策略	九名截肢者在三种不同力量水平下生成的六种握持手势的EMG信号	机器学习	NA	EMG信号处理	LSTM	时间序列数据	九名截肢者
20	2025-02-21	Emotion Recognition with Refined Labels for Deep Learning 2020-07, 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/EMBC44109.2020.9176111 PMID:33017942	研究论文	本文提出了一种改进的情感识别方法，通过开发一种阈值方案，将连续的情感轨迹转换为时间上的三类注释，从而提高分类准确性	提出了一种新的阈值方案，将连续的情感轨迹转换为时间上的三类注释，解决了传统方法中固定注释导致分类准确性下降的问题	研究仅使用了MAHNOB-HCI数据集的一个子集，可能限制了结果的普适性	提高情感识别的分类准确性	情感识别	自然语言处理	NA	LSTM网络	LSTM	EEG信号和面部视频	MAHNOB-HCI数据集的一个子集