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
21	2025-02-21	AFCNNet: Automated detection of AF using chirplet transform and deep convolutional bidirectional long short term memory network with ECG signals 2021-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.104783 PMID:34481184	研究论文	本文提出了一种基于时频域深度学习的自动化方法，用于检测心房颤动（AF）并分类终止和非终止AF发作，使用心电图（ECG）信号	提出了一种新颖的时频域深度学习方法，结合了chirplet变换和二维深度卷积双向长短期记忆（BLSTM）神经网络模型，用于AF的自动检测和分类	NA	开发一种自动化方法，用于检测和分类心房颤动（AF）发作，以减少中风、冠状动脉疾病和其他心血管并发症的风险	心电图（ECG）信号	机器学习	心血管疾病	chirplet变换，深度卷积双向长短期记忆（BLSTM）神经网络	二维深度卷积双向长短期记忆（BLSTM）神经网络	心电图（ECG）信号	来自三个公共数据库的ECG信号
22	2025-02-21	EEG-based emotion classification using LSTM under new paradigm 2021-09-27, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ac27c4 PMID:34534973	研究论文	本文探讨了使用LSTM模型基于EEG信号进行情绪分类的新方法	将情绪分类问题建模为序列分类问题，并利用EEG信号的时间域特征进行训练	未提及具体的数据集来源和样本多样性问题	提高基于EEG信号的情绪分类准确率	EEG信号	机器学习	NA	EEG信号分析	LSTM	EEG信号	32通道EEG数据
23	2025-02-21	Human activity recognition using wearable sensors, discriminant analysis, and long short-term memory-based neural structured learning 2021-08-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-95947-y PMID:34385552	研究论文	本文提出了一种基于身体传感器的活动建模和识别系统，利用时间序列信息的深度神经结构学习（NSL）算法	结合了核判别分析（KDA）和基于长短期记忆（LSTM）的神经结构学习（NSL）进行活动建模，达到了约99%的召回率	未提及具体的数据集规模或实验环境的多样性	开发一种高效的基于可穿戴传感器的行为识别系统，以改善老年人的生活方式并预警健康风险	老年人的日常活动	机器学习	老年疾病	神经结构学习（NSL），核判别分析（KDA）	LSTM, DBN, CNN, RNN	传感器数据	未提及具体样本数量
24	2025-02-21	Deep-Learning-Based Approach to Anomaly Detection Techniques for Large Acoustic Data in Machine Operation 2021-Aug-12, Sensors (Basel, Switzerland) DOI:10.3390/s21165446 PMID:34450888	研究论文	本文提出了一种基于深度学习的方法，用于在机器操作中快速且高精度地检测异常，通过收集大量麦克风测量的声学数据	与大多数基于LSTM或自动编码器的现有方法不同，本文提出了一种异常检测算法，能够克服噪声测量和检测系统异常的限制	NA	开发一种自动化的异常检测技术，以减少劳动力需求并提高机器维护效率	车辆等先进设备中的声学数据	机器学习	NA	深度学习	异常检测算法	声学数据	使用大量麦克风测量的声学数据
25	2025-02-21	Mechanisms for handling nested dependencies in neural-network language models and humans 2021-08, Cognition IF:2.8Q1 DOI:10.1016/j.cognition.2021.104699 PMID:33941375	研究论文	本文研究了现代人工神经网络是否模仿了人类句子处理的核心方面，即在工作记忆中存储语法数和性别信息及其在长距离一致性中的使用	研究发现，尽管神经网络仅被训练用于预测大语料库中的下一个单词，但分析显示出现了一组非常稀疏的专用单元，成功处理了局部和长距离的语法数一致性	该机制不支持完全递归，并且在某些长距离嵌套依赖关系上失败	探索现代人工神经网络处理句子的方式，以得出关于人类语言表现的可测试假设	人类句子处理机制和人工神经网络	自然语言处理	NA	深度学习	LSTM	文本	NA
26	2025-02-21	Single-Channel Blind Source Separation of Spatial Aliasing Signal Based on Stacked-LSTM 2021-Jul-16, Sensors (Basel, Switzerland) DOI:10.3390/s21144844 PMID:34300584	研究论文	本文提出了一种基于深度学习的堆叠长短期记忆网络（Stacked-LSTM）方法，用于解决空间互联网卫星-地面通信场景中混叠信号分离精度不足的问题	该方法结合了SE模块的注意力机制和1-D卷积解码，显著提高了单通道盲源分离的性能	未提及具体的数据集或实验环境限制	提高空间互联网卫星-地面通信场景中混叠信号的分离精度	空间互联网卫星-地面通信中的混叠信号	自然语言处理	NA	深度学习	Stacked-LSTM	信号	未提及具体样本数量
27	2025-02-21	Concrete compressive strength prediction modeling utilizing deep learning long short-term memory algorithm for a sustainable environment 2021-Jun, Environmental science and pollution research international DOI:10.1007/s11356-021-12877-y PMID:33590396	研究论文	本研究开发了一种利用深度学习长短期记忆算法（LSTM）预测混凝土抗压强度的模型，旨在为可持续环境提供支持	采用LSTM算法预测混凝土抗压强度，并与传统的支持向量机（SVM）算法进行对比，展示了LSTM在预测性能上的优越性	研究依赖于已发表的数据集，可能无法完全覆盖所有实际环境条件下的混凝土抗压强度变化	开发一种高效预测混凝土抗压强度的模型，以减少时间和成本	混凝土抗压强度	机器学习	NA	深度学习，支持向量机	LSTM, SVM	结构化数据	基于已发表研究的数据集
28	2025-02-21	Device-Free Human Activity Recognition with Low-Resolution Infrared Array Sensor Using Long Short-Term Memory Neural Network 2021-May-20, Sensors (Basel, Switzerland) DOI:10.3390/s21103551 PMID:34065183	研究论文	本文提出了一种基于低分辨率红外阵列传感器和长短期记忆神经网络的无设备人体活动识别方法	利用8×8像素的红外阵列传感器收集红外信号，结合J滤波降噪方法和巴特沃斯滤波器预处理信号，使用LSTM神经网络自动提取特征并构建识别模型	未提及具体样本量及实验环境的具体限制	开发一种低成本且保护隐私的人体活动识别方法	人体日常活动	机器学习	NA	红外阵列传感器，J滤波降噪，巴特沃斯滤波	LSTM	红外信号	NA
29	2025-02-21	An Efficient Anomaly Recognition Framework Using an Attention Residual LSTM in Surveillance Videos 2021-Apr-16, Sensors (Basel, Switzerland) DOI:10.3390/s21082811 PMID:33923712	研究论文	本文提出了一种基于注意力残差LSTM的高效异常识别框架，用于智能城市中的监控视频	提出了一种轻量级的卷积神经网络（CNN）框架，结合残差注意力机制的LSTM网络，有效降低了时间复杂性并提高了异常识别的准确性	未提及具体的时间复杂性和计算资源消耗的详细对比	提高智能城市监控视频中异常识别的效率和准确性	监控视频中的异常活动	计算机视觉	NA	深度学习	CNN, LSTM	视频	UCF-Crime, UMN, Avenue数据集
30	2025-02-21	An improved SPEI drought forecasting approach using the long short-term memory neural network 2021-Apr-01, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2021.111979 PMID:33482453	研究论文	本研究提出了一种改进的SPEI干旱预测方法，使用长短期记忆神经网络（LSTM）来预测标准降水蒸发指数（SPEI）	首次将LSTM神经网络应用于SPEI干旱预测，并与传统的机器学习方法（如随机森林和人工神经网络）进行了比较	研究仅在新南威尔士地区进行，未在其他地区验证模型的普适性	开发准确的干旱预测模型，并理解模型在分析不同干旱特征方面的能力	标准降水蒸发指数（SPEI）	机器学习	NA	长短期记忆神经网络（LSTM）	LSTM	时间序列数据	1901年至2018年的气候研究单位（CRU）数据集
31	2025-02-21	Sensor-Based Human Activity Recognition with Spatio-Temporal Deep Learning 2021-Mar-18, Sensors (Basel, Switzerland) DOI:10.3390/s21062141 PMID:33803891	研究论文	本文提出了一种基于卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）的时空深度学习新方法，用于传感器数据的人类活动识别（HAR）	本研究的创新点在于有效选择最佳视频表示，并利用传统CNN和BiLSTM从传感器数据中有效提取空间和时间特征	NA	优化人类活动识别（HAR）性能，特别是在医疗保健和老年护理领域的应用	传感器数据，包括加速度计、传感器和陀螺仪收集的数据	计算机视觉	NA	深度学习	CNN, BiLSTM	传感器数据	WISDM和UCI数据集
32	2025-02-21	An Experimental Review on Deep Learning Architectures for Time Series Forecasting 2021-Mar, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065721300011 PMID:33588711	综述	本文对深度学习在时间序列预测中的应用进行了全面回顾和实验研究，比较了七种流行架构的性能	提供了最广泛的深度学习研究，涉及超过38,000个模型的训练，并比较了不同架构配置和训练超参数下的结果	需要进一步研究不同预测任务中现有架构的适用性	评估深度学习架构在时间序列预测中的性能和适用性	时间序列数据	机器学习	NA	深度学习	LSTM, CNN	时间序列数据	超过50,000个时间序列，分为12个不同的预测问题
33	2025-02-21	Discovering microbe-disease associations from the literature using a hierarchical long short-term memory network and an ensemble parser model 2021-02-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-83966-8 PMID:33627732	研究论文	本文提出了一种结合机器学习和自然语言处理方法的框架，用于分析微生物与疾病之间的关联	结合了深度学习（分层长短期记忆网络）和解析树搜索方法（基于成分解析和依赖解析的集成模型），提高了微生物-疾病关联的提取准确率	未明确提及具体局限性	开发一种从文献中提取微生物与疾病关联的自动化方法	微生物与疾病之间的关联	自然语言处理	NA	文本挖掘、深度学习	分层长短期记忆网络（LSTM）、集成解析模型	文本	大规模文献分析，具体样本量未明确
34	2025-02-21	An Improved Double Channel Long Short-Term Memory Model for Medical Text Classification 2021, Journal of healthcare engineering DOI:10.1155/2021/6664893 PMID:33688423	研究论文	本文提出了一种改进的双通道长短期记忆模型（DC-LSTM），用于提高医疗文本分类的准确性	引入了双通道机制，同时接收词级和字符级嵌入，并提出混合注意力机制，结合当前时间输出与当前时间单元状态，通过计算权重得分进行加权求和，以提高模型学习的泛化能力	虽然模型在cMedQA和Sentiment140数据集上表现出色，但未提及在其他医疗文本数据集上的泛化能力	解决医疗文本分类中的低准确率问题，特别是针对中文医疗诊断中含义模糊的词汇	医疗和健康互联网社区中的症状咨询文本	自然语言处理	NA	深度学习	LSTM	文本	两个数据集：cMedQA和Sentiment140
35	2025-02-21	Predicting Slurry Pressure Balance with a Long Short-Term Memory Recurrent Neural Network in Difficult Ground Condition 2021, Computational intelligence and neuroscience DOI:10.1155/2021/6678355 PMID:33708249	研究论文	本文提出了一种基于长短期记忆（LSTM）循环神经网络的模型，用于预测在困难地质条件下的隧道面压力	首次将LSTM循环神经网络应用于隧道面压力预测，特别是在泥岩和圆砾混合地质条件下	模型在泥岩丰富的地质条件下表现良好，但在其他地质条件下的表现未进行验证	开发一种能够预测隧道面压力的模型，以减少人为判断错误带来的风险	隧道面压力，特别是在泥岩和圆砾混合地质条件下的压力	机器学习	NA	LSTM循环神经网络	LSTM	顺序地质数据，PLC数据	南宁地铁的案例研究
36	2025-02-21	RLSTM: A New Framework of Stock Prediction by Using Random Noise for Overfitting Prevention 2021, Computational intelligence and neuroscience DOI:10.1155/2021/8865816 PMID:34113377	研究论文	本文提出了一种名为随机长短期记忆（RLSTM）的新深度学习模型，用于股票市场指数的准确预测，以解决泛化能力弱和训练过拟合的问题	提出了一种新的深度学习模型RLSTM，通过引入随机噪声来防止过拟合，并提高了预测的准确性	仅使用了上海证券综合指数和标准普尔500指数进行模拟，可能在其他市场或数据上的泛化能力尚未验证	提高股票市场指数预测的准确性，减少投资者的财务风险	股票市场指数（如上海证券综合指数和标准普尔500指数）	机器学习	NA	深度学习	RLSTM（随机长短期记忆）	时间序列数据	上海证券综合指数和标准普尔500指数的数据
37	2025-02-21	Exploiting deep neural network and long short-term memory method-ologies in bioacoustic classification of LPC-based features 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0259140 PMID:34941869	研究论文	本研究利用深度神经网络（DNN）和长短期记忆（LSTM）方法对两栖动物的声学特征进行识别和分类	结合DNN和LSTM方法对两栖动物声学特征进行分类，并应用PCA算法进行数据降维	未提及具体的研究局限性	提取最佳识别和分类算法的组合，用于两栖动物声学特征的分类	台湾常见的32种青蛙和3种蟾蜍的声学特征	生物声学	NA	线性预测编码（LPC）、梅尔频率倒谱系数（MFCC）、主成分分析（PCA）	深度神经网络（DNN）、长短期记忆（LSTM）	声学数据	32种青蛙和3种蟾蜍的声学数据
38	2025-02-16	Mapping Epileptogenic Tissues in MRI-Negative Focal Epilepsy: Can Deep Learning Uncover Hidden Lesions? 2021-10-19, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000012696 PMID:34521690	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
39	2025-02-01	Alzheimer's Disease Classification Using 2D Convolutional Neural Networks 2021-11, 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/EMBC46164.2021.9629587 PMID:34891877	研究论文	本文提出了一种使用2D卷积神经网络（CNN）对阿尔茨海默病（AD）进行分类的方法，并在3D MRI数据上进行了测试	提出了三种利用2D CNN处理3D MRI数据的方法，相较于基于ResNet的3D CNN模型，在AD诊断上提高了8.33%的准确率和10.11%的auROC，同时显著减少了超过89%的训练时间	讨论了性能提升的潜在原因和局限性	提高阿尔茨海默病的诊断准确性和效率	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	脑磁共振成像（MRI）	2D CNN	3D MRI数据	阿尔茨海默病神经影像倡议（ADNI）数据集
40	2025-01-28	Multi-task deep learning-based survival analysis on the prognosis of late AMD using the longitudinal data in AREDS 2021, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:35308963	研究论文	本研究利用AREDS的纵向数据和深度学习技术，预测晚期年龄相关性黄斑变性（AMD）的发展	结合历史数据和深度学习技术，提高了预测晚期AMD的准确性，并证明深度学习提取的图像特征比临床医生提取的特征更具信息性	仅使用当前访问的数据时，复杂特征的预测效果不如结合纵向数据	预测晚期AMD的发展	年龄相关性黄斑变性（AMD）患者	数字病理学	年龄相关性黄斑变性	深度学习	卷积神经网络（CNN）	图像	AREDS研究中的纵向数据