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	2025-03-01	Using deep learning to study emotional behavior in rodent models 2022, Frontiers in behavioral neuroscience IF:2.6Q3 DOI:10.3389/fnbeh.2022.1044492 PMID:36483523	综述	本文探讨了深度学习技术在动物行为实验中的应用，特别是如何利用不同模型架构和训练范式来获取行为状态的表示	利用深度学习技术从视频中提取姿势信息，并通过监督、无监督和自监督方法获取行为状态的细微信息	未提及具体实验数据或样本量，可能缺乏实证支持	研究深度学习技术在量化动物情绪行为中的应用	啮齿类动物模型中的情绪行为	机器学习	NA	深度学习	监督、无监督、自监督模型	视频	NA
22	2025-02-23	Using ensembles and distillation to optimize the deployment of deep learning models for the classification of electronic cancer pathology reports 2022-Oct, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooac075 PMID:36110150	研究论文	本文通过集成和蒸馏技术优化深度学习模型在电子癌症病理报告分类中的部署	通过将集成模型的软标签知识蒸馏到单一模型中，减少过拟合和模型过度自信	未提及具体的数据集大小或模型在更广泛数据集上的泛化能力	优化深度学习模型在癌症病理报告分类中的部署，减少过拟合和模型过度自信	电子癌症病理报告	自然语言处理	癌症	知识蒸馏	多任务卷积神经网络（MtCNN）	文本	未提及具体样本数量
23	2025-02-23	Deep learning on resting electrocardiogram to identify impaired heart rate recovery 2022-Aug, Cardiovascular digital health journal IF:2.6Q2 DOI:10.1016/j.cvdhj.2022.06.001 PMID:36046430	研究论文	本研究利用深度学习模型通过静息心电图预测心率恢复（HRR），并探讨其与心血管疾病风险的关系	首次使用深度学习模型从静息心电图中推断心率恢复，并验证其与未来临床结果（如糖尿病和全因死亡率）的独立关联	研究依赖于UK Biobank的数据，样本可能不具有普遍代表性，且未探讨模型在其他人群中的适用性	探索静息心电图通过深度学习预测心率恢复的可行性及其与心血管疾病风险的关联	UK Biobank参与者，共56,793人	机器学习	心血管疾病	深度学习	卷积神经网络（CNN）	心电图波形	56,793人（平均年龄57岁，51%为女性）
24	2025-02-21	A Novel CNN-LSTM Hybrid Model for Prediction of Electro-Mechanical Impedance Signal Based Bond Strength Monitoring 2022-Dec-16, Sensors (Basel, Switzerland) DOI:10.3390/s22249920 PMID:36560293	研究论文	本研究提出了一种新颖的CNN-LSTM混合模型，用于预测基于机电阻抗信号的粘结强度监测	结合了卷积神经网络（CNN）和长短期记忆网络（LSTM）的混合模型，用于预测机电阻抗信号	研究仅限于混凝土圆柱样本和嵌入的钢筋，未涉及其他材料或结构	评估机电阻抗技术在监测钢筋混凝土粘结强度发展中的性能	钢筋混凝土圆柱样本和嵌入的钢筋	结构健康监测	NA	机电阻抗（EMI）技术	CNN-LSTM混合模型	机电阻抗信号	混凝土圆柱样本和嵌入的钢筋
25	2025-02-21	New onset delirium prediction using machine learning and long short-term memory (LSTM) in electronic health record 2022-12-13, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocac210 PMID:36303456	研究论文	本文开发并测试了一种结合长短期记忆（LSTM）和机器学习的深度学习模型，用于预测住院成年患者的新发谵妄	结合LSTM和LightGBM模型，显著提高了新发谵妄的预测性能，为后续开发临床决策支持工具提供了算法基础	研究仅基于单一大型学术医疗中心的电子健康记录数据，可能限制了模型的泛化能力	开发并测试一种准确预测住院成年患者新发谵妄的深度学习模型	住院成年患者	机器学习	老年疾病	电子健康记录（EHR）数据分析	LSTM, LightGBM	电子健康记录数据	34,035名患者的331,489次CAM评估
26	2025-02-21	Sensor Data Prediction in Missile Flight Tests 2022-Dec-02, Sensors (Basel, Switzerland) DOI:10.3390/s22239410 PMID:36502111	研究论文	本文提出了一种结合小波分析方法的深度学习预测网络，用于导弹飞行测试中的传感器数据预测	结合小波变换和生成对抗网络（GAN）来重构缺失的传感器数据，并使用带有注意力和扩张网络的长短期记忆（LSTM）进行精确预测	未提及具体的数据集规模或实验的广泛性	提高导弹飞行测试中传感器数据的预测准确性	导弹飞行测试中的传感器数据	机器学习	NA	小波变换，生成对抗网络（GAN），长短期记忆（LSTM）	GAN, LSTM	传感器数据	实际导弹飞行测试中的传感器数据
27	2025-02-21	Hybrid the long short-term memory with whale optimization algorithm and variational mode decomposition for monthly evapotranspiration estimation 2022-12-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-25208-z PMID:36456679	研究论文	本文提出了一种结合长短期记忆网络（LSTM）、鲸鱼优化算法（WOA）和变分模态分解（VMD）的混合模型（VMD-WOA-LSTM），用于估算腾格里沙漠东南边缘的月蒸散发量（ET）	创新点在于结合了LSTM、WOA和VMD三种技术，提出了一种新的混合模型VMD-WOA-LSTM，用于更准确地估算沙漠地区的月蒸散发量	研究仅限于腾格里沙漠东南边缘地区，未涉及其他沙漠或气候条件不同的区域	研究目的是通过提出一种新的混合模型，提高沙漠地区月蒸散发量的估算精度，以支持人工植被的可持续性管理	研究对象为腾格里沙漠东南边缘地区的月蒸散发量	机器学习	NA	LSTM, WOA, VMD	VMD-WOA-LSTM	时间序列数据	NA
28	2025-02-21	HVIOnet: A deep learning based hybrid visual-inertial odometry approach for unmanned aerial system position estimation 2022-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2022.09.001 PMID:36152378	研究论文	本研究提出了一种基于深度学习的混合视觉-惯性里程计方法HVIOnet，用于无人航空系统的位置估计	结合卷积神经网络和双向长短期记忆网络，融合视觉和惯性数据，提出了一种新的深度架构用于位置估计	NA	解决自主移动机器人应用中的定位问题	无人航空系统（UAS）	机器视觉	NA	深度学习	CNN, BiLSTM	图像, IMU数据	EuRoC数据集和ROS生成的模拟环境数据
29	2025-02-21	Personalized Deep Bi-LSTM RNN Based Model for Pain Intensity Classification Using EDA Signal 2022-Oct-22, Sensors (Basel, Switzerland) DOI:10.3390/s22218087 PMID:36365785	研究论文	本文提出了一种基于EDA信号的个性化深度BiLSTM RNN模型，用于疼痛强度分类	使用深度学习框架自动化特征工程步骤，直接处理原始输入信号，并探索了BiLSTM RNN与XGB的集成模型	样本量较小，仅涉及29名受试者	自动评估疼痛强度，实现实时疼痛监测	29名受试者的EDA信号	机器学习	NA	EDA信号分解与增强	BiLSTM RNN, XGB	生理信号	29名受试者
30	2025-02-21	State of Health Estimation Based on the Long Short-Term Memory Network Using Incremental Capacity and Transfer Learning 2022-Oct-15, Sensors (Basel, Switzerland) DOI:10.3390/s22207835 PMID:36298185	研究论文	本文提出了一种基于长短期记忆网络（LSTM）和增量容量分析的电池健康状态（SOH）估计方法，并利用迁移学习提高模型在不同负载模式下的适用性	结合增量容量分析（ICA）和离散小波变换（DWT）预处理数据，优化LSTM模型的输入，并通过迁移学习扩展模型的应用范围	方法依赖于早期循环的放电电压曲线，可能对数据采集的精度和稳定性有较高要求	提高电池健康状态（SOH）估计的准确性和可靠性	电池的健康状态（SOH）	机器学习	NA	增量容量分析（ICA）、离散小波变换（DWT）、灰色关联分析（GRA）	长短期记忆网络（LSTM）	电压分布数据	小批量数据
31	2025-02-21	A Long Short-Term Memory-Based Approach for Detecting Turns and Generating Road Intersections from Vehicle Trajectories 2022-Sep-15, Sensors (Basel, Switzerland) DOI:10.3390/s22186997 PMID:36146345	研究论文	本文提出了一种基于长短期记忆（LSTM）的方法，用于从车辆轨迹中检测转弯并生成道路交叉口	使用深度学习技术，特别是LSTM模型，来检测转弯轨迹段（TTSs），并通过聚类生成交叉口的覆盖范围和内部结构	虽然该方法在检测精度和召回率上表现优异，但其性能可能受到不同区域道路模式和大小的变化影响	提高从车辆轨迹中检测道路交叉口的准确性和效率	车辆轨迹数据	机器学习	NA	深度学习	LSTM	轨迹数据	武汉市的车辆轨迹数据
32	2025-02-21	Interannual and seasonal variations of permafrost thaw depth on the Qinghai-Tibetan Plateau: A comparative study using long short-term memory, convolutional neural networks, and random forest 2022-Sep-10, The Science of the total environment DOI:10.1016/j.scitotenv.2022.155886 PMID:35569652	研究论文	本研究比较了随机森林、卷积神经网络和长短期记忆神经网络在估算青藏高原多年冻土活动层厚度和季节性解冻深度方面的性能	首次直接比较了机器学习和深度学习在多年冻土活动层厚度预测中的模型性能，并探讨了不同滞后时间对模型预测效果的影响	研究仅基于2003年至2011年的数据，可能无法完全反映最新的多年冻土变化趋势	准确估算青藏高原多年冻土活动层厚度和季节性解冻深度，以理解气候变暖对多年冻土的影响	青藏高原多年冻土活动层厚度和季节性解冻深度	机器学习	NA	NA	随机森林(RF)、卷积神经网络(CNN)、长短期记忆神经网络(LSTM)	气象序列、现场观测数据、地理空间信息	2003年至2011年青藏高原多年冻土数据
33	2025-02-21	Attention-Emotion-Enhanced Convolutional LSTM for Sentiment Analysis 2022-09, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2021.3056664 PMID:33600326	研究论文	本文提出了一种名为AEC-LSTM的新模型，用于文本情感检测，旨在通过整合情感智能（EI）和注意力机制来改进LSTM网络	提出了一种结合情感智能和注意力机制的LSTM网络改进模型，通过情感调制器和情感估计器实现情感调制，并引入了主题级注意力机制	未提及具体的数据集规模或实验限制	改进文本情感检测的性能	文本数据	自然语言处理	NA	NA	LSTM, CNN	文本	NA
34	2025-02-21	Classification of overlapping spikes using convolutional neural networks and long short term memory 2022-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105888 PMID:35872414	研究论文	本文提出了一种基于卷积神经网络（CNN）和长短期记忆网络（LSTM）的深度学习方法，用于实现重叠尖峰信号的分类	结合CNN和LSTM进行重叠尖峰信号的分类，相比之前的1D-CNN方法有更好的表现	未提及具体局限性	提高重叠尖峰信号的分类准确率，以更好地理解大脑活动	模拟数据和从猕猴初级视觉皮层记录的实验数据	机器学习	NA	深度学习	CNN + LSTM	尖峰信号数据	模拟数据和猕猴初级视觉皮层的实验数据
35	2025-02-21	Non-Contact Heartbeat Detection Based on Ballistocardiogram Using UNet and Bidirectional Long Short-Term Memory 2022-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2022.3162396 PMID:35333727	研究论文	本文提出了一种基于UNet和双向长短期记忆（Bi-LSTM）的深度学习模型，用于从心冲击图（BCG）信号中自动检测心跳	结合UNet和Bi-LSTM的深度学习模型，有效解决了低信噪比BCG信号中的心跳检测问题，尤其是在不同测量姿势和心率范围下的鲁棒性	研究样本量较小，仅包含43名受试者，且未涉及更多复杂环境下的验证	开发一种非接触式心跳检测方法，用于家庭护理中的心血管疾病风险预测和睡眠分期	心冲击图（BCG）信号	机器学习	心血管疾病	深度学习	UNet, Bi-LSTM	信号数据	43名受试者
36	2025-02-21	A novel deep learning model based on the ICA and Riemannian manifold for EEG-based emotion recognition 2022-08-01, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2022.109642 PMID:35690333	研究论文	本文提出了一种基于独立成分分析（ICA）、黎曼流形（RM）和长短期记忆网络（LSTM）的新型深度学习模型ICRM-LSTM，用于基于EEG的情绪识别	结合ICA、RM和LSTM，提出了一种新的EEG情绪识别模型ICRM-LSTM，并通过实验验证了其优越性能	未提及具体局限性	提高基于EEG的情绪识别准确率	EEG信号	机器学习	NA	独立成分分析（ICA）、黎曼流形（RM）	LSTM	EEG信号	SEED和MAHNOB-HCI数据集
37	2025-02-21	Unsupervised inter-frame motion correction for whole-body dynamic PET using convolutional long short-term memory in a convolutional neural network 2022-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102524 PMID:35797734	研究论文	本文提出了一种基于卷积长短期记忆网络的非监督自动深度学习框架，用于校正全身动态PET中的帧间运动	首次在全身范围内考虑示踪剂分布变化，结合卷积长短期记忆层充分利用动态时间特征和空间信息	数据集仅包含27名受试者，样本量相对较小	开发一种快速准确的全身动态PET帧间运动校正方法	全身动态PET图像	计算机视觉	NA	深度学习	卷积神经网络（CNN）与卷积长短期记忆（ConvLSTM）结合	图像	27名受试者，每人进行90分钟的FDG全身动态PET扫描
38	2025-02-21	Time-Frequency Mask-Aware Bidirectional LSTM: A Deep Learning Approach for Underwater Acoustic Signal Separation 2022-Jul-26, Sensors (Basel, Switzerland) DOI:10.3390/s22155598 PMID:35898099	研究论文	本文提出了一种基于深度学习的双向长短期记忆网络（Bi-LSTM）方法，用于水下声学信号分离	提出了一种时间频率掩码感知的Bi-LSTM网络，突破了现有方法仅适用于二元信号分离的限制，能够在高噪声条件下有效分离多元信号	该模型只能处理已知信号，如用于校准的测试信号	提高水下声学信号分离的性能，特别是在高噪声环境下的多元信号分离	水下声学信号	机器学习	NA	深度学习	双向长短期记忆网络（Bi-LSTM）	时间频率图像	NA
39	2025-02-21	Prediction of Time-Series Transcriptomic Gene Expression Based on Long Short-Term Memory with Empirical Mode Decomposition 2022-Jul-07, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms23147532 PMID:35886880	研究论文	本研究提出了一种基于信号分解技术和深度学习的多LSTM方法，用于预测时间序列转录组基因表达	结合经验模态分解（EMD）算法和长短期记忆（LSTM）网络，提出了一种新的分解-组合预测框架，以提高数据稳定性和模型鲁棒性	未提及具体的数据集大小或实验验证的广泛性	开发一种人工智能方法，以更好地利用有限的数据，在数据缺失的情况下获得有意义且可靠的分析结果	时间序列转录组基因表达数据	机器学习	NA	经验模态分解（EMD）	长短期记忆（LSTM）	时间序列数据	NA
40	2025-02-21	Long short-term memory neural network for directly inverse design of nanofin metasurface 2022-Jul-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.458453 PMID:35776595	研究论文	本文使用长短期记忆神经网络（LSTM）快速准确地预测纳米鳍超表面的偏振敏感性，并与深度神经网络（DNN）进行比较，展示了LSTM在类似情况下的更高准确性和更好的鲁棒性	本文创新地直接使用LSTM进行纳米鳍超表面的逆设计，无需引入其他网络，方法更为直接	NA	研究纳米鳍超表面的偏振敏感性预测及其逆设计	纳米鳍超表面	机器学习	NA	LSTM, DNN	LSTM, DNN	数值数据	NA