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
81	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	NA	NA	NA	NA
82	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	NA	NA	NA	NA
83	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	NA	NA	NA	NA
84	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	NA	NA	NA	NA
85	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	NA	NA	NA	NA
86	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	NA	NA	NA	NA
87	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	NA	NA	NA	NA
88	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	NA	NA	NA	NA
89	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	NA	NA	NA	NA
90	2025-10-07	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	本研究提出三种基于2D卷积神经网络处理3D MRI数据的方法，用于阿尔茨海默病分类	首次系统性地将2D CNN应用于3D MRI数据分析，在保持性能的同时大幅降低计算成本	未详细讨论方法在其他神经系统疾病上的泛化能力，数据来源单一	开发高效准确的阿尔茨海默病自动诊断方法	阿尔茨海默病患者的脑部MRI数据	医学影像分析	阿尔茨海默病	脑磁共振成像（MRI）	CNN	3D MRI图像	阿尔茨海默病神经影像倡议（ADNI）数据集	NA	2D CNN, ResNet	准确率, auROC	NA
91	2025-10-07	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	本研究开发了一种基于深度学习的超声图像运动跟踪方法，用于放射治疗中的实时运动跟踪	提出了一种基于生成对抗网络的马尔可夫式网络结构，能够从序列超声图像中提取特征并估计变形矢量场	研究仅使用了公开数据集进行验证，未在真实临床环境中进行大规模测试	开发用于放射治疗中实时运动跟踪的深度学习算法	超声图像序列中的解剖标志点运动	计算机视觉	肿瘤治疗	超声成像	GAN	2D和3D超声图像序列	CLUST数据集：63个2D序列（42名受试者）和22个3D序列（18名受试者）；CAMUS数据集：450名患者的2D超声图像	NA	马尔可夫式网络	跟踪误差	NA
92	2025-10-07	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	开发基于3D上下文深度监督U-Net的全自动脑肿瘤分割方法	提出上下文块聚合多尺度上下文信息，扩大卷积神经网络的有效感受野	NA	实现脑肿瘤MR图像的自动分割	脑肿瘤亚区域	医学图像分析	脑肿瘤	多参数MRI	CNN	MR图像	BraTS 2020训练数据集（五折交叉验证）和测试数据集	NA	U-Net	Dice相似系数, Hausdorff距离, Bland-Altman图, Pearson分析	NA
93	2025-10-07	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	提出一种自监督深度学习工作流程，用于合成高平面分辨率CT图像	该工作流程是自监督的，不依赖真实CT图像训练网络，并证实了平面内高分辨率信息可以指导平面间高分辨率生成的假设	研究中仅针对头颈癌和肺癌患者的CT图像进行了验证，样本量相对有限	提高放射治疗计划中CT图像的平面分辨率	头颈癌患者和肺癌患者的CT图像	医学影像处理	头颈癌, 肺癌	CT成像	深度学习	CT图像	75例头颈癌患者（1mm层厚）和20例肺癌患者（3mm层厚）的200张CT图像	NA	NA	平均绝对误差, 边缘保持指数, 结构相似性指数, 信息保真度准则, 像素域视觉信息保真度	NA
94	2025-10-07	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	本研究开发了一种基于双金字塔对抗网络的深度学习模型，用于胰腺癌立体定向放射治疗剂量预测	提出了结合CT特征金字塔网络、轮廓特征金字塔网络、晚期融合网络和对抗网络的新型双金字塔网络架构	研究样本量相对有限，仅包含50例患者数据	探索深度学习在胰腺癌立体定向放射治疗剂量预测任务中的可行性	胰腺癌患者立体定向放射治疗计划	医学影像分析	胰腺癌	立体定向放射治疗(SBRT)	深度学习	CT影像和轮廓数据	50例患者(30例用于交叉验证，20例用于保留测试)	NA	双金字塔网络(DPN), 3D U-Net	平均绝对误差, 梯度差异误差, 直方图匹配, 对抗损失, 剂量体积参数, 配对t检验, 相关系数	NA
95	2025-10-07	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	提出一种基于双金字塔卷积神经网络的头颈部双能CT多器官自动分割方法	采用双金字塔网络分别学习低能和高能CT特征，通过深度注意力机制融合特征，并在Mask R-CNN框架中集成掩码评分子网络以建立器官类别与分割形状的关联	对小尺寸低对比度器官（如视交叉、耳蜗等）的分割性能仍有提升空间（DSC 0.5-0.8）	开发头颈部双能CT的自动多器官分割方法	头颈部癌症患者的19个器官	计算机视觉	头颈部癌症	双能CT	CNN, R-CNN	CT图像	127名头颈部癌症患者（66名训练，61名测试）	PyTorch, TensorFlow	Mask R-CNN, 双金字塔卷积神经网络	Dice相似系数, 95% Hausdorff距离	NA
96	2025-10-07	Synthetic dual-energy CT for MRI-only based proton therapy treatment planning using label-GAN 2021-03-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abe736 PMID:33596558	研究论文	本研究提出一种基于标签生成对抗网络的深度学习模型，从MRI生成合成双能CT用于质子治疗计划中的阻止本领比计算	提出新型标签生成对抗网络模型，不仅能判别合成双能CT的真实性，还能区分双能CT中的高能和低能CT，更准确地建模两者间的对比度差异	研究仅基于57例头颈癌患者数据验证，样本量相对有限	开发MRI-only质子治疗计划方法，通过生成合成双能CT来准确计算阻止本领比	头颈癌患者的双能CT和MRI影像数据	医学影像分析	头颈癌	双能CT, MRI	GAN	医学影像	57例头颈癌患者的双能CT和MRI配对数据	NA	标签生成对抗网络	平均绝对误差, 归一化平均绝对误差	NA
97	2025-10-07	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	本研究利用多任务深度学习框架分析AREDS纵向数据，预测晚期年龄相关性黄斑变性的预后	首次将纵向数据与深度学习提取的图像特征结合用于AMD生存分析，并证明深度特征优于临床医生提取的特征	仅使用AREDS数据集，未在其他独立队列中验证；复杂特征仅当前访视数据具有预测价值	预测年龄相关性黄斑变性患者发展为晚期AMD的风险	年龄相关性黄斑变性患者	数字病理	年龄相关性黄斑变性	眼底摄影	CNN	图像	AREDS研究中的纵向数据	NA	卷积神经网络	预测准确性	NA
98	2025-10-07	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	开发机器学习和深度学习方法预测先天性膈疝新生儿肺动脉高压的回顾性研究方案	首次将机器学习和深度学习方法应用于先天性膈疝胎儿，开发产前预测模型和基于3D U-NET的胎儿肺部自动分割系统	回顾性研究设计，单中心数据，样本量有限	开发预测先天性膈疝新生儿肺动脉高压和其他临床结局的产前预测模型	先天性膈疝胎儿和新生儿	医学影像分析，机器学习	先天性膈疝，肺动脉高压	胎儿磁共振成像，机器学习，深度学习	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	NA	3D U-NET	NA	NA
99	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	NA	NA	NA	NA
100	2025-01-07	Automated delineation of head and neck organs at risk using synthetic MRI-aided mask scoring regional convolutional neural network 2021-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.15146 PMID:34342878	研究论文	本研究开发了一种基于深度学习的自动化器官风险区域（OAR）分割方法，旨在解决当前自动分割算法在实现可靠专家性能方面的挑战	利用CT和合成MRI的互补对比度，结合掩码评分区域卷积神经网络（Mask Scoring R-CNN），提高了OAR分割的准确性	研究主要依赖于内部和公共数据集，可能在其他数据集上的泛化能力有待验证	开发一种自动化OAR分割方法，以提高头颈部放疗治疗计划中的器官分割准确性	头颈部癌症患者的CT扫描图像	计算机视觉	头颈部癌症	CT和MRI成像技术	Mask Scoring R-CNN	图像	内部数据集和公共数据集中的头颈部癌症患者CT扫描	NA	NA	NA	NA