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
41	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
42	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
43	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
44	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
45	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
46	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
47	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
48	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
49	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
50	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
51	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
52	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
53	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
54	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
55	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
56	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
57	2025-02-21	Detection of patient-ventilator asynchrony from mechanical ventilation waveforms using a two-layer long short-term memory neural network 2020-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2020.103721 PMID:32250853	研究论文	本文提出了一种使用两层长短期记忆（LSTM）神经网络从机械通气波形中检测患者-呼吸机异步（PVA）的方法	首次将深度学习技术应用于PVA检测，特别是使用两层LSTM网络来识别两种最常见的PVA类型	研究仅针对两种PVA类型（DT和IEE）进行了测试，未涵盖所有可能的PVA类型	提高患者-呼吸机异步（PVA）的自动检测效率，以改善患者与呼吸机的交互	机械通气波形数据	机器学习	NA	深度学习	LSTM	波形数据	两个数据集
58	2025-02-21	Spatio-Temporal Abnormal Behavior Prediction in Elderly Persons Using Deep Learning Models 2020-Apr-21, Sensors (Basel, Switzerland) DOI:10.3390/s20082359 PMID:32326349	研究论文	本文研究了多种深度学习模型用于识别和预测老年人异常行为	结合了时间信息和空间序列，使用多种深度学习模型进行异常行为预测	仅使用了两个公开数据集进行测试，可能缺乏广泛性	开发能够准确预测老年人异常行为的健康监测系统	老年人	机器学习	老年疾病	深度学习	LSTM, CNN, CNN-LSTM, Autoencoder-CNN-LSTM	时间序列数据，空间序列数据	两个公开数据集
59	2025-02-21	A deep learning-based method for drug-target interaction prediction based on long short-term memory neural network 2020-03-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-020-1052-0 PMID:32183788	研究论文	本文提出了一种基于深度学习的药物-靶点相互作用预测方法，利用长短期记忆神经网络进行预测	首次在药物-靶点相互作用预测中测试了具有记忆和图灵完备性的深度学习方法的潜力	未明确提及具体局限性	开发有效的计算方法以验证药物与靶点之间的相互作用	药物-靶点相互作用	机器学习	NA	PSSM, LM, SPCA, DeepLSTM	LSTM	蛋白质进化特征和药物分子亚结构指纹	四类重要的药物-靶点数据集
60	2025-02-21	Monitoring ICU Mortality Risk with A Long Short-Term Memory Recurrent Neural Network 2020, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing PMID:31797590	研究论文	本文提出了一种基于长短期记忆循环神经网络（LSTM）的动态监测ICU患者死亡风险的新框架	该框架使用词袋表示法处理相关医疗事件，并利用潜在语义分析（LSA）将患者状态编码为低维嵌入，进而通过LSTM网络进行死亡风险预测，相比现有严重程度评分系统SAPS-II表现更优	未提及具体样本量及数据缺失处理的具体细节	开发一种能够动态监测ICU患者死亡风险的预测模型，以提高医疗干预效果和临床资源分配效率	ICU患者的电子健康记录（EHR）	自然语言处理	NA	潜在语义分析（LSA）	长短期记忆网络（LSTM）	电子健康记录（EHR）	NA