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
61	2025-10-07	Discovery of a cryptic pocket in the AI-predicted structure of PPM1D phosphatase explains the binding site and potency of its allosteric inhibitors 2023, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2023.1171143 PMID:37143823	研究论文	本研究通过分子动力学模拟和深度学习方法，在AlphaFold预测的PPM1D磷酸酶结构中发现了隐式结合口袋，解释了其变构抑制剂的结合位点和效力机制	结合AlphaFold预测结构、分子动力学模拟和深度学习，首次揭示了PPM1D磷酸酶中隐式结合口袋的存在及其与变构抑制剂的作用机制	研究基于计算预测和模拟，缺乏实验结构验证；仅针对PPM1D特定蛋白进行研究	提高虚拟筛选在有限结构数据情况下的预测能力，探索蛋白质动力学在药物发现中的应用	PPM1D/Wip1磷酸酶及其变构抑制剂	计算生物学	癌症	分子动力学模拟, 虚拟筛选, 深度学习	马尔可夫状态模型, 深度学习模型	蛋白质结构数据, 分子对接数据	多个PPM1D变构抑制剂化合物	NA	NA	Kendall τ相关系数	NA
62	2025-10-07	SHINE: protein language model-based pathogenicity prediction for short inframe insertion and deletion variants 2023-01-19, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbac584 PMID:36575831	研究论文	开发基于蛋白质语言模型的短框内插入缺失变异致病性预测工具SHINE	首次将预训练蛋白质语言模型应用于框内插入缺失变异的致病性预测，通过蛋白质序列和多序列比对构建潜在特征表示	训练数据中已知致病性变异数量有限	提高短框内插入缺失变异致病性预测的准确性	蛋白质序列中的短框内插入缺失变异	自然语言处理	NA	蛋白质语言模型，多序列比对	监督机器学习模型	蛋白质序列数据	来自ClinVar和gnomAD的培训数据，两个不同来源的测试数据集	NA	蛋白质语言模型	预测性能	NA
63	2025-10-07	An improved beluga whale optimizer-Derived Adaptive multi-channel DeepLabv3+ for semantic segmentation of aerial images 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0290624 PMID:37903154	研究论文	提出一种基于改进白鲸优化算法的自适应多通道DeepLabv3+模型，用于航空图像的语义分割	结合改进白鲸优化算法(IBWO)优化多通道DeepLabv3+的超参数，提高分割精度	未明确说明模型在复杂场景下的泛化能力及计算资源需求	提升航空遥感图像语义分割的准确性和效率	航空遥感图像	计算机视觉	NA	深度学习	DeepLabv3+	图像	两个数据集（未明确具体样本数量）	NA	DeepLabv3+, 自适应多通道架构	准确率, Dice系数	计算时间113.0123秒（未明确硬件配置）
64	2025-10-07	Federated learning for diagnosis of age-related macular degeneration 2023, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2023.1259017 PMID:37901412	研究论文	本文提出了一种联邦学习方法，用于训练深度学习模型对年龄相关性黄斑变性进行光学相干断层扫描图像分类	结合四种独特的域适应技术解决多机构数据分布不均导致的域偏移问题，并比较了残差网络和视觉变换器编码器在联邦学习中的表现	仅使用二元分类任务，未探索更深层模型和其他联邦学习策略	开发保护数据隐私的分布式深度学习模型用于AMD诊断	年龄相关性黄斑变性患者的眼科光学相干断层扫描图像	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描	深度学习	图像	NA	NA	ResNet, Vision Transformer	NA	NA
65	2025-10-07	The Effect of Dataset Imbalance on the Performance of SCADA Intrusion Detection Systems 2023-Jan-09, Sensors (Basel, Switzerland) DOI:10.3390/s23020758 PMID:36679553	研究论文	本研究探讨了数据集不平衡对SCADA入侵检测系统性能的影响	首次系统评估多种数据平衡技术对SCADA入侵检测系统性能的影响	仅使用两个特定数据集进行评估，未涵盖所有可能的SCADA场景	研究数据不平衡对深度学习SCADA入侵检测系统性能的影响	SCADA系统和物联网设备的安全防护	机器学习	NA	NA	CNN-LSTM	网络流量数据	两个不平衡数据集：Morris电力数据集和CICIDS2017数据集	NA	CNN-LSTM混合架构	准确率,精确率,检测率,F1分数	NA
66	2025-02-21	[Construction of an epileptic seizure prediction model using a semi-supervised method of generative adversarial and long short term memory network combined with Stockwell transform] 2023-Jan-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2023.01.03 PMID:36856206	研究论文	本文提出了一种半监督癫痫发作预测模型（ST-WGAN-GP-Bi-LSTM），通过改进脑电图（EEG）信号的时频分析、增强无监督特征学习模型的稳定性以及改进后端分类器的设计，以提高预测性能	结合Stockwell变换、Wasserstein GAN和双向长短期记忆网络（Bi-LSTM），提出了一种新的半监督癫痫发作预测模型，显著提升了预测性能	模型仅在CHB-MIT头皮EEG数据集上进行了验证，未在其他数据集上进行广泛测试	提高癫痫发作预测的准确性和稳定性	癫痫患者的脑电图（EEG）信号	机器学习	癫痫	Stockwell变换、Wasserstein GAN、双向长短期记忆网络（Bi-LSTM）	ST-WGAN-GP-Bi-LSTM	脑电图（EEG）信号	CHB-MIT头皮EEG数据集	NA	NA	NA	NA
67	2025-02-21	Novel Deep Learning Network for Gait Recognition Using Multimodal Inertial Sensors 2023-Jan-11, Sensors (Basel, Switzerland) DOI:10.3390/s23020849 PMID:36679646	研究论文	本文提出了一种名为SConvLSTM的新型深度学习网络，用于使用多模态惯性传感器进行步态识别	结合1D-CNN和双向LSTM网络，自动从原始加速度和陀螺仪信号中提取特征，无需手动设计特征，且不需要步态周期检测	未提及具体局限性	提高步态识别的准确性和效率	步态识别	机器学习	NA	1D-CNN, 双向LSTM	SConvLSTM	加速度和陀螺仪信号	三个公共基准数据集：UCI-HAR, HuGaDB, 和 WISDM	NA	NA	NA	NA
68	2025-02-21	An Imbalanced Generative Adversarial Network-Based Approach for Network Intrusion Detection in an Imbalanced Dataset 2023-Jan-03, Sensors (Basel, Switzerland) DOI:10.3390/s23010550 PMID:36617148	研究论文	本文提出了一种基于不平衡生成对抗网络（IGAN）的方法，用于在不平衡数据集中提高网络入侵检测系统（NIDS）对少数类别的检测率	使用IGAN来增强少数类样本，结合Lenet 5和LSTM的集成模型进行分类，显著提高了少数类攻击的检测率	未提及具体的数据集规模或具体攻击类型的多样性，可能影响方法的泛化能力	解决网络入侵检测中由于数据集类别不平衡导致的少数类别检测率低的问题	网络入侵检测系统中的异常活动	机器学习	NA	IGAN, Lenet 5, LSTM	生成对抗网络（GAN）, 卷积神经网络（CNN）, 长短期记忆网络（LSTM）	网络流量数据	NA	NA	NA	NA	NA
69	2025-02-21	LSTM-AE for Domain Shift Quantification in Cross-Day Upper-Limb Motion Estimation Using Surface Electromyography 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.2023.3281455 PMID:37252871	研究论文	本文提出了一种基于重构的方法来量化跨日应用中表面肌电信号（sEMG）对深度学习模型的域转移影响	提出了一种结合自编码器（AE）和长短期记忆网络（LSTM）的LSTM-AE模型，用于重构CNN特征，并通过重构误差量化域转移影响	研究仅限于手部手势分类和手腕运动回归任务，未涉及其他类型的运动或更广泛的应用场景	提高跨日应用中深度学习模型对表面肌电信号的鲁棒性	表面肌电信号（sEMG）	机器学习	NA	深度学习	CNN-LSTM, LSTM-AE	表面肌电信号（sEMG）	多日收集的sEMG数据	NA	NA	NA	NA
70	2025-02-21	Effect of hyper-parameters on the performance of ConvLSTM based deep neural network in crop classification 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0275653 PMID:36758037	研究论文	本文研究了不同超参数设置对基于ConvLSTM的深度神经网络在作物分类中性能的影响	通过实验评估了ConvLSTM模型在不同超参数设置下的性能，并找到了最佳参数组合	研究仅针对特定的不平衡数据集，未涉及其他类型的数据集	评估不同超参数设置对ConvLSTM模型在作物分类中的性能影响	多传感器光谱时间序列数据	计算机视觉	NA	深度学习	ConvLSTM, LSTM	光谱时间序列数据	NA	NA	NA	NA	NA
71	2025-02-21	Influenza surveillance with Baidu index and attention-based long short-term memory model 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0280834 PMID:36689543	研究论文	本文提出了一种基于注意力机制的长短期记忆模型，用于流感监测，通过百度指数数据进行训练和测试，以预测流感疫情趋势	首次将基于注意力机制的长短期记忆模型引入流感监测研究，结合百度指数数据，提供了新的研究方法	未考虑多模态数据的融合，未来研究可以基于此模型开发更多应用场景	实现更快速和准确的流感传播趋势检测和预测	流感疫情趋势	自然语言处理	流感	深度学习	注意力机制的长短期记忆模型（Attention-based LSTM）	时间序列数据	实际调查数据和百度指数数据	NA	NA	NA	NA
72	2025-02-21	An analysis of crude oil prices in the last decade (2011-2020): With deep learning approach 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0268996 PMID:36893097	研究论文	本文研究了2011年至2020年间原油库存对原油价格的影响，并探讨了原油价格波动对库存公告的响应	使用LSTM方法研究原油价格波动，填补了该领域的研究空白	未提及具体样本量或数据来源的详细信息	分析原油价格波动及其与库存公告和其他金融工具的关系	原油价格及其波动	机器学习	NA	LSTM	LSTM	金融数据	NA	NA	NA	NA	NA
73	2025-02-21	LSTM based stock prediction using weighted and categorized financial news 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0282234 PMID:36881605	研究论文	本文提出了一种基于LSTM的加权和分类金融新闻股票预测模型（WCN-LSTM），通过结合加权新闻类别来增强预测准确性	提出了一种新的股票预测模型WCN-LSTM，该模型结合了加权新闻类别，并引入了混合输入、基于词典的情感分析和深度学习等技术	研究仅限于巴基斯坦股票交易所（PSX）的数据，未在其他市场验证	提高股票市场预测的准确性	巴基斯坦股票交易所（PSX）的股票数据	自然语言处理	NA	情感分析、深度学习	LSTM	文本	NA	NA	NA	NA	NA
74	2025-02-21	An automatic music generation and evaluation method based on transfer learning 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0283103 PMID:37163469	研究论文	本文提出了一种基于迁移学习的自动音乐生成与评估方法，利用改进的GPT-2模型生成音乐旋律，并通过结合数学统计、音乐理论和信号处理方法的评估方法进行客观评价	提出了一种类似文本的音乐表示方法，使现有预训练模型能够用于符号音乐生成，并开发了MT-GPT-2模型和新的音乐评估方法	未提及具体的数据集规模或生成音乐的多样性限制	探索基于深度学习的自动音乐生成与评估方法	音乐旋律的生成与评估	自然语言处理	NA	迁移学习	GPT-2, LSTM, Leak-GAN, Music SketchNet	符号音乐数据	NA	NA	NA	NA	NA
75	2025-02-21	A deep attention LSTM embedded aggregation network for multiple histopathological images 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0287301 PMID:37384648	研究论文	本文提出了一种深度注意力长短期记忆嵌入聚合网络（DALAN），用于处理多病灶的病理图像，以提高患者层面的生存分析预测准确性	提出了一种新的深度学习模型DALAN，结合了注意力机制和LSTM层，能够同时进行特征提取和病灶图像的聚合，从而在患者层面提供准确的生存预测	未提及具体的数据集规模限制或模型在其他类型数据上的泛化能力	开发一种能够在患者层面准确预测生存率的深度学习模型	多病灶的病理图像	数字病理学	癌症	深度学习	CNN, 注意力机制, LSTM	图像	模拟数据集（MNIST和Cancer数据集）和真实数据集（TCGA数据集）	NA	NA	NA	NA
76	2025-02-21	Pressure Prediction on Mechanical Ventilation Control Using Bidirectional Long-Short Term Memory Neural Networks 2023, Advances in experimental medicine and biology DOI:10.1007/978-3-031-31982-2_3 PMID:37486476	研究论文	本文开发了一种使用人工神经网络的模型，旨在使呼吸机更加智能和个性化，以满足每位患者的需求	使用双向长短期记忆神经网络（BiLSTM）预测机械通气中的压力，以提高呼吸机的智能化和个性化	模型训练使用的是人工数据，可能无法完全反映真实临床环境中的复杂性	提高机械通气系统的智能化和个性化，以更好地满足患者需求	机械通气系统中的压力预测	机器学习	NA	人工神经网络	双向长短期记忆神经网络（BiLSTM）	人工数据	NA	NA	NA	NA	NA
77	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）	NA	NA	NA	NA
78	2025-10-07	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	开发了一种基于集成学习的统计方法来估算加州2006-2020年每日野火特异性PM2.5浓度	首次应用一套统计模型结合易得数据集，在精细空间尺度上提供长达15年的每日野火特异性PM2.5估算	野火烟雾对PM污染的测量数据不可得，模型估算存在不确定性	分离野火特异性PM2.5与其他排放源，为流行病学研究提供数据支持	加州地区2006-2020年的PM2.5污染数据	机器学习	NA	统计建模	梯度提升机,随机森林,深度学习	环境监测数据,卫星气溶胶数据,气象变量	加州2006-2020年ZIP编码级别的每日数据	NA	集成模型	与先前机器学习研究结果相当	避免处理大型计算密集型数据集
79	2025-10-07	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	使用基于长短期记忆的时间序列模型分析猴痘病毒基因组突变率	首次使用LSTM模型预测猴痘病毒基因组突变率，并与GRU模型进行比较	数据样本量有限，仅基于NCBI数据集进行分析	预测猴痘病毒的基因组突变率变化趋势	猴痘病毒基因组序列	生物信息学	猴痘	基因组测序	LSTM, GRU	基因组序列数据	NCBI猴痘数据集，按加拿大、德国和世界其他地区分类	NA	长短期记忆网络，门控循环单元	均方根误差	NA
80	2025-10-07	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	综述	本文探讨心电图深度学习应从STEMI范式转向OMI范式以识别急性冠状动脉闭塞	提出深度学习应聚焦于识别闭塞性心肌梗死而非传统STEMI标准，可能彻底改变患者护理	基于单一专家演讲观点，缺乏具体实验验证	推动心电图深度学习关注急性冠状动脉闭塞诊断	心电图数据和急性冠状动脉闭塞患者	医疗人工智能	心血管疾病	心电图分析	深度学习	心电图信号	NA	NA	神经网络	NA	NA