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	2025-02-21	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
42	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
43	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
44	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
45	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
46	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
47	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
48	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
49	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
50	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
51	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
52	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
53	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
54	2025-01-24	Fully automated segmentation of brain tumor from multiparametric MRI using 3D context deep supervised U-Net 2021-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.15032 PMID:34101845	研究论文	本研究开发了一种基于深度学习的自动分割方法，用于从多参数MRI中分割脑肿瘤	提出了一种上下文深度监督的U-Net模型，通过聚合多尺度上下文信息来改进脑肿瘤子区域的分割精度	研究中使用的数据集来自BraTS 2020挑战赛，可能无法完全代表所有临床情况	开发一种自动分割脑肿瘤的方法，以提高分割精度并减少临床工作流程中的时间和变异性	脑肿瘤	计算机视觉	脑肿瘤	深度学习	3D上下文深度监督U-Net	多参数MRI图像	BraTS 2020训练数据集和测试数据集
55	2025-01-23	Deep learning-based motion tracking using ultrasound images 2021-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.15321 PMID:34724712	研究论文	本文开发了一种基于深度学习的超声图像运动跟踪方法，用于放射治疗中的分次内运动跟踪	提出了一种基于生成对抗网络的马尔可夫网络，用于从连续的超声图像帧中提取特征并估计变形向量场，从而实现实时毫米级肿瘤运动预测	NA	解决超声图像在放射治疗中用于运动跟踪的挑战	超声图像序列	计算机视觉	NA	超声成像	生成对抗网络（GAN）	图像	CLUST数据集包含42名受试者的63个2D和18名受试者的22个3D超声图像序列，CAMUS数据集包含450名患者的2D超声图像
56	2025-01-23	High through-plane resolution CT imaging with self-supervised deep learning 2021-07-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac0684 PMID:34049297	研究论文	本文提出了一种自监督深度学习工作流程，用于通过从高平面分辨率特征中学习来合成高平面分辨率CT图像，以提高放射治疗计划中剂量计算的准确性	该工作的创新点在于提出的深度学习工作流程是自监督的，不依赖于真实CT图像来训练网络，并确认了平面高分辨率信息可以监督平面高分辨率生成的假设	NA	提高放射治疗计划中CT图像的平面分辨率，以提升剂量计算的准确性	头颈癌和肺癌患者的CT图像	计算机视觉	头颈癌, 肺癌	自监督深度学习	神经网络	CT图像	75名头颈癌患者（1毫米切片厚度）和20名肺癌患者（3毫米切片厚度）的CT图像
57	2025-01-23	Learning-based dose prediction for pancreatic stereotactic body radiation therapy using dual pyramid adversarial network 2021-06-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac0856 PMID:34087807	研究论文	本研究提出了一种基于双金字塔对抗网络（DPNs）的深度学习模型，用于预测胰腺癌立体定向放射治疗（SBRT）的剂量分布	提出了一种新的双金字塔网络（DPNs）集成深度学习模型，结合了CT-only特征金字塔网络（FPN）、contour-only FPN、晚期融合网络和对抗网络，用于胰腺癌SBRT的剂量预测	研究样本量较小，仅涉及30名患者的五折交叉验证和20名患者的保留测试	探索深度学习在胰腺癌SBRT剂量预测任务中的有效性	胰腺癌SBRT的剂量分布	医学影像分析	胰腺癌	深度学习	双金字塔对抗网络（DPNs）	CT图像和轮廓数据	30名患者的五折交叉验证和20名患者的保留测试
58	2025-01-23	Head and neck multi-organ segmentation on dual-energy CT using dual pyramid convolutional neural networks 2021-05-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abfce2 PMID:33915524	研究论文	本文提出了一种基于双能量CT（DECT）的深度学习自动多器官分割方法，用于头颈部区域	提出了一种结合双金字塔卷积神经网络和深度注意力策略的Mask R-CNN框架，用于多器官分割，并通过掩码评分子网络避免误分类	对于对比度极低的小器官（如视交叉、耳蜗、晶状体和视神经），分割效果仍有提升空间	开发一种自动多器官分割方法，以改进头颈部癌症的诊断和治疗计划	头颈部癌症患者的DECT图像	计算机视觉	头颈部癌症	双能量CT（DECT）	Mask R-CNN	图像	127名头颈部癌症患者（66名训练，61名测试）
59	2025-01-16	A maChine and deep Learning Approach to predict pulmoNary hyperteNsIon in newbornS with congenital diaphragmatic Hernia (CLANNISH): Protocol for a retrospective study 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0259724 PMID:34752491	研究论文	本研究旨在通过机器学习和深度学习方法，预测先天性膈疝（CDH）新生儿出生后的肺动脉高压（PH），并开发产前预测模型	首次将机器学习和深度学习应用于CDH胎儿的产前预测，特别是针对肺动脉高压的预测，并计划开发自动胎儿肺部MRI分割系统	研究为回顾性研究，可能受到数据质量和完整性的限制，且需要未来多中心前瞻性研究验证	开发预测模型以改善CDH患者的预后，特别是肺动脉高压的预测，并优化胎儿和新生儿的个性化管理	先天性膈疝（CDH）胎儿和新生儿	机器学习	先天性膈疝	MRI, 机器学习, 深度学习	3D U-NET	临床数据, 放射学数据, MRI图像	2012年1月1日至2020年12月31日期间出生的符合条件的患者
60	2025-01-07	Lung tumor segmentation in 4D CT images using motion convolutional neural networks 2021-Nov, Medical physics IF:3.2Q1 DOI:10.1002/mp.15204 PMID:34469001	研究论文	本文提出了一种基于深度学习的框架，用于快速准确地在4D CT图像集上分割肺部肿瘤	该框架结合了全局和局部运动估计网络架构，能够学习肿瘤运动引起的主要和次要变化，并在掩码头网络中引入了自注意力策略以去除可能影响分割性能的噪声特征	NA	提高肺部肿瘤在4D CT图像上的分割准确性和效率	肺部肿瘤	计算机视觉	肺癌	深度学习	运动区域卷积神经网络（R-CNN）	4D CT图像	20个4D CT数据集（每个包含10个呼吸阶段，共200个3D图像体积）和40个患者的4D CT数据集