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	An improved long short term memory network for intrusion detection 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0284795 PMID:37527249	研究论文	本文提出了一种改进的长短期记忆网络（ILSTM）算法，用于提高入侵检测系统的准确性和精度	提出了一种结合混沌蝴蝶优化算法（CBOA）和粒子群优化（PSO）的改进LSTM算法，以提高LSTM的准确性	需要高迭代次数以实现高性能	提高入侵检测系统的准确性和精度	网络流量数据	机器学习	NA	混沌蝴蝶优化算法（CBOA）和粒子群优化（PSO）	LSTM	网络流量数据	两个公共数据集（NSL-KDD数据集和LITNET-2020）
22	2025-02-16	Imputing Brain Measurements Across Data Sets via Graph Neural Networks 2023, Predictive Intelligence in Medicine. PRIME (Workshop) DOI:10.1007/978-3-031-46005-0_15 PMID:37946742	研究论文	本文提出了一种基于图神经网络（GNN）的深度学习方法，用于跨数据集估算大脑区域兴趣（ROI）的缺失测量值	将缺失测量值的估算问题重新定义为预测任务，并通过图神经网络建模ROI测量值之间的依赖关系，同时考虑人口统计学差异	方法依赖于另一个包含缺失测量值的公共数据集，且需要该数据集与目标数据集共享一些ROI测量值	解决结构MRI数据集中特定大脑区域兴趣（ROI）测量值缺失的问题，以支持机器学习模型的训练	大脑区域兴趣（ROI）的测量值	机器学习	NA	图神经网络（GNN）	GNN	MRI图像数据	ABCD数据集（N=3760，最小年龄12岁）和NCANDA数据集（N=540）
23	2025-02-14	A novel ensemble-based statistical approach to estimate daily wildfire-specific PM2.5 in California (2006-2020) 2023-01, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2022.107719 PMID:36592523	研究论文	本文提出了一种基于集成模型的统计方法，用于估计加利福尼亚州每日特定于野火的PM2.5浓度（2006-2020年）	首次应用一套统计模型，利用易于获取的数据集，在15年期间提供精细空间尺度的每日特定于野火的PM2.5浓度	模型依赖于政府运营的监测站数据，这些监测站分布稀疏，可能遗漏某些地区和潜在脆弱人群	估计特定于野火的PM2.5浓度，以支持流行病学研究	加利福尼亚州的PM2.5浓度	机器学习	NA	集成模型	梯度提升机、随机森林、深度学习	卫星气溶胶属性、气象变量	15年（2006-2020年）的每日数据
24	2025-02-14	Monkeypox genome mutation analysis using a timeseries model based on long short-term memory 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0290045 PMID:37611023	研究论文	本研究使用基于长短期记忆（LSTM）的时间序列模型分析猴痘病毒基因组突变率，并与门控循环单元（GRU）模型进行比较	首次使用深度学习模型预测猴痘病毒基因组突变率，并提供了关于猴痘基因突变的新报告	数据集的大小和可用性可能限制了模型的泛化能力	分析猴痘病毒的基因突变率，并预测未来的突变趋势	猴痘病毒基因组	机器学习	猴痘	LSTM, GRU	LSTM, GRU	基因组数据	来自NCBI的最新猴痘数据集，包括加拿大、德国和世界其他地区的样本
25	2025-02-12	Kenichi Harumi Plenary Address at Annual Meeting of the International Society of Computers in Electrocardiology: "What Should ECG Deep Learning Focus on? The diagnosis of acute coronary occlusion!" 2023 Jan-Feb, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2022.10.010 PMID:36436473	评论	本文回顾了从STEMI到OMI的范式转变，并探讨了深度学习在识别急性冠状动脉闭塞中的潜力和陷阱	提出深度学习应关注识别OMI而非仅基于STEMI数据库，以革新患者护理	深度学习模型若仅基于STEMI数据库开发，可能会强化现有失败的范式	探讨深度学习在急性冠状动脉闭塞诊断中的应用潜力	急性冠状动脉闭塞患者	机器学习	心血管疾病	深度学习	神经网络	心电图数据	NA
26	2025-02-09	Novel breath biomarkers identification for early detection of hepatocellular carcinoma and cirrhosis using ML tools and GCMS 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0287465 PMID:37967076	研究论文	本研究利用机器学习工具和GCMS技术，识别用于早期检测肝细胞癌和肝硬化的新型呼吸生物标志物	结合GCMS-SPME技术和创新的机器学习模型，自动从原始数据中发现挥发性有机化合物（VOCs），无需人工干预	使用气相色谱-质谱法（GC-MS）量化挥发性有机化合物（VOCs）耗时且容易出错，需要专家操作	提高肝细胞癌和肝硬化的早期诊断、治疗和生存率	肝细胞癌（HCC）、肝硬化患者和健康对照组的呼吸样本	机器学习	肝细胞癌	气相色谱-质谱法（GCMS）和固相微萃取（SPME）	深度学习模式识别	呼吸样本	35例HCC患者、35例肝硬化患者和30例健康对照组的呼吸样本
27	2025-02-02	Digital staining facilitates biomedical microscopy 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1243663 PMID:37564725	研究论文	本文探讨了使用深度学习技术进行数字染色以简化生物医学显微镜中的染色过程	提出了使用深度学习技术进行虚拟染色的方法，避免了传统染色方法的耗时、费力、昂贵和样本损伤等问题	未提及具体的技术局限或实验结果的限制	旨在改进生物医学显微镜中的样本制备和成像过程	生物样本的显微镜成像	数字病理学	NA	深度学习	神经网络	图像	NA
28	2025-01-25	Early diagnosis of COVID-19-affected patients based on X-ray and computed tomography images using deep learning algorithm 2023, Soft computing IF:3.1Q2 DOI:10.1007/s00500-020-05275-y PMID:32904395	研究论文	本研究利用深度学习算法对COVID-19患者的X射线和计算机断层扫描图像进行早期诊断	使用卷积神经网络方法对VGG-19、Inception_V2和决策树模型进行二分类肺炎转换，以实现COVID-19的早期诊断	数据集仅包含360张图像，样本量较小	开发一种基于深度学习的早期诊断方法，以应对COVID-19的快速传播	COVID-19患者的X射线和计算机断层扫描图像	计算机视觉	COVID-19	深度学习	CNN（VGG-19, Inception_V2）, 决策树	图像	360张X射线和CT扫描图像
29	2025-01-25	COVID-CheXNet: hybrid deep learning framework for identifying COVID-19 virus in chest X-rays images 2023, Soft computing IF:3.1Q2 DOI:10.1007/s00500-020-05424-3 PMID:33250662	研究论文	本文开发了一种名为COVID-CheXNet的混合深度学习框架，用于在胸部X光图像中识别COVID-19病毒	结合了ResNet34和高分辨率网络模型的预训练深度学习模型，采用并行架构，提高了诊断的准确性和速度	未提及模型在不同数据集上的泛化能力及实际临床应用的广泛验证	开发快速准确的COVID-19病毒诊断系统，以减轻放射科医生的压力并控制疫情	胸部X光图像	计算机视觉	COVID-19	深度学习	ResNet34, 高分辨率网络模型	图像	大规模数据集
30	2025-01-25	Performance evaluation of deep learning techniques for lung cancer prediction 2023, Soft computing IF:3.1Q2 DOI:10.1007/s00500-023-08313-7 PMID:37255920	研究论文	本文评估了深度学习技术在肺癌预测中的性能	通过实验多种深度学习模型，识别出在肺癌预测中表现最佳的技术	未提及具体的数据集大小或模型的具体限制	评估深度学习技术在肺癌早期预测中的性能	肺癌	计算机视觉	肺癌	深度学习	多种深度学习模型	胸部X光图像或CT扫描	未提及具体样本数量
31	2025-01-16	Handling high-dimensional data with missing values by modern machine learning techniques 2023, Journal of applied statistics IF:1.2Q2 DOI:10.1080/02664763.2022.2068514 PMID:36819079	研究论文	本文讨论了处理高维数据中缺失值的现代机器学习技术	提出了基于深度学习（DL）和XGboost的方法，用于估计总体均值和百分位数等参数，并通过模拟研究和实际应用展示了这些方法的优势	模拟研究有限，可能无法全面反映所有情况	探讨高维数据中缺失值的处理方法，以减少无应答偏差	高维数据	机器学习	NA	深度学习（DL）、XGboost、惩罚回归方法、基于树的方法	深度学习（DL）、XGboost	高维数据	NA
32	2025-01-16	Adversarial confound regression and uncertainty measurements to classify heterogeneous clinical MRI in Mass General Brigham 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0277572 PMID:36862751	研究论文	本文介绍了一种新颖的深度学习架构MUCRAN，用于在临床脑部MRI数据上训练深度学习模型，同时回归人口统计学和技术混杂因素	提出了MUCRAN架构，能够成功回归大量临床数据集中的主要混杂因素，并结合不确定性量化方法自动排除分布外数据，提高了AD检测的准确性	NA	提高在异质临床数据中基于深度学习的疾病检测的准确性和通用性	临床脑部MRI数据	计算机视觉	阿尔茨海默病	深度学习	MUCRAN	MRI图像	17,076例临床T1轴向脑部MRI
33	2025-01-05	Retinal OCT Layer Segmentation via Joint Motion Correction and Graph-Assisted 3D Neural Network 2023, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2023.3317011 PMID:39737086	研究论文	本文提出了一种结合运动校正和图辅助3D神经网络的视网膜OCT层分割方法，以提高分割精度	提出了结合运动校正和分割的3D神经网络，并引入了一种新颖的图金字塔结构	NA	提高视网膜OCT层分割的精度，以更好地诊断和评估视网膜及全身性疾病	视网膜OCT图像	计算机视觉	视网膜疾病	OCT成像技术	3D卷积神经网络	3D图像	包含正常样本和多种疾病样本的大型OCT分割数据集
34	2025-01-04	ViTab Transformer Framework for Predicting Induced Electric Field and Focality in Transcranial Magnetic Stimulation 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3331258 PMID:37938962	研究论文	本研究开发了一种基于深度学习的ViTab Transformer模型，用于预测经颅磁刺激中的感应电场和聚焦性，以替代耗时的电磁模拟软件	提出了ViTab Transformer模型，通过考虑多个输入参数（如MRI图像源、线圈类型、线圈位置、电流变化率、脑组织导电性和线圈与头皮的距离）来预测电场最大值、刺激面积和刺激体积，克服了现有模型仅考虑少数输入参数的局限性	未提及具体局限性	开发一种深度学习模型，以提高经颅磁刺激在神经系统疾病治疗中的效果和寻找新的临床应用	经颅磁刺激中的感应电场和聚焦性	机器学习	神经系统疾病	深度学习	Transformer	图像和表格数据	未提及具体样本数量
35	2025-01-04	A Probability Fusion Approach for Foot Placement Prediction in Complex Terrains 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3333685 PMID:37971912	研究论文	本文提出了一种概率融合方法，用于预测复杂地形中的足部放置，以更好地辅助下肢残疾人士的日常行走	该方法结合了深度学习模型和环境信息，能够在复杂地形中预测下一步的足部放置，相比现有研究在复杂地形中实现了更快和更准确的预测	实验主要针对结构化地形和复杂地形，未涉及更多样化的地形或更广泛的用户群体	研究目的是开发一种能够在复杂地形中预测足部放置的方法，以辅助下肢残疾人士的行走	研究对象为下肢残疾人士在复杂地形中的足部放置	机器学习	下肢残疾	深度学习	深度学习模型	增强数据	实验包括结构化地形实验和复杂地形实验
36	2025-01-04	Depression Identification Using EEG Signals via a Hybrid of LSTM and Spiking Neural Networks 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3336467 PMID:37995160	研究论文	本文提出了一种结合LSTM和脉冲神经网络（SNN）的新框架，用于通过EEG信号有效分类个体抑郁水平	首次将SNN架构与LSTM结构结合，模拟抑郁不同阶段的大脑基础结构，并利用原始EEG信号进行分类	NA	通过EEG信号定量评估抑郁严重程度，并分类个体抑郁水平	抑郁患者的EEG信号	机器学习	抑郁症	EEG信号分析	LSTM, SNN	EEG信号	NA
37	2025-01-04	Graph Reasoning Module for Alzheimer's Disease Diagnosis: A Plug-and-Play Method 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3337533 PMID:38015665	研究论文	本文提出了一种图推理模块（GRM），用于增强基于卷积神经网络（CNN）的阿尔茨海默病（AD）检测模型，通过模拟不同脑区之间的潜在关系来提高诊断性能	提出了一种可即插即用的图推理模块（GRM），结合自适应图Transformer（AGT）块、图卷积网络（GCN）块和特征图重建（FMR）块，有效解决了CNN方法在关联空间远距离信息上的不足	未提及具体局限性	提高阿尔茨海默病（AD）的诊断性能	阿尔茨海默病（AD）患者的结构磁共振成像（sMRI）数据	计算机视觉	老年病	结构磁共振成像（sMRI）	CNN, 自适应图Transformer（AGT）, 图卷积网络（GCN）	图像	未提及具体样本数量
38	2025-01-04	LSTM-MSA: A Novel Deep Learning Model With Dual-Stage Attention Mechanisms Forearm EMG-Based Hand Gesture Recognition 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3336865 PMID:38015666	研究论文	本文介绍了一种结合长短期记忆网络和双阶段注意力机制的LSTM-MSA模型，用于分析肌电图（EMG）信号，以提高手势识别的准确性和鲁棒性	LSTM-MSA模型结合了LSTM层和注意力机制，能够有效捕捉相关信号特征并准确预测意图动作，具有双阶段注意力、端到端特征提取与分类集成以及个性化训练等显著特点	NA	提高EMG信号在手势识别中的准确性和鲁棒性，应用于假肢控制、康复和人机交互等领域	肌电图（EMG）信号	机器学习	NA	NA	LSTM	信号	多个数据集
39	2025-01-04	Mixture of Experts for EEG-Based Seizure Subtype Classification 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3337802 PMID:38032784	研究论文	本文提出了两种新颖的专家混合模型（MoE），Seizure-MoE和Mix-MoE，用于基于EEG的癫痫亚型分类	Mix-MoE模型通过引入不平衡采样器和整合手动EEG特征的先验知识，解决了类别不平衡和缺乏先验知识的问题	需要大量标记的EEG样本来训练模型，且模型在其他EEG分类问题上的扩展性尚未完全验证	提高基于EEG的癫痫亚型分类的准确性和效率	癫痫患者的EEG数据	机器学习	癫痫	EEG	Mixture of Experts (MoE), Seizure-MoE, Mix-MoE	EEG信号	两个公共数据集
40	2025-01-04	Accurate COP Trajectory Estimation in Healthy and Pathological Gait Using Multimodal Instrumented Insoles and Deep Learning Models 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3338519 PMID:38032788	研究论文	本研究介绍了一种新型深度循环神经网络，通过融合来自经济型异质鞋垫嵌入式传感器的数据，准确估计动态COP轨迹	使用深度循环神经网络融合低成本传感器数据，实现在实验室外环境中准确估计COP轨迹	需要进一步验证在不同病理条件下的广泛适用性	开发一种在实验室外环境中准确测量COP轨迹的方法，以评估步态和平衡功能的变化	健康个体和神经肌肉疾病患者	机器学习	神经肌肉疾病	深度循环神经网络	RNN	传感器数据（FSR和IMU）	健康个体和神经肌肉疾病患者