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
561	2025-02-21	Attention-Based Convolutional Recurrent Deep Neural Networks for the Prediction of Response to Repetitive Transcranial Magnetic Stimulation for Major Depressive Disorder 2023-Feb, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065723500077 PMID:36641543	研究论文	本文开发了一种基于深度学习的模型，用于预测重度抑郁症患者对重复经颅磁刺激治疗的反应	结合了预训练的卷积神经网络（CNN）和带有注意力机制的长短期记忆（LSTM）单元，充分利用了脑电图信号的时空信息	样本量较小，仅涉及34名患者	预测重度抑郁症患者对重复经颅磁刺激治疗的反应	34名重度抑郁症患者的脑电图信号	机器学习	重度抑郁症	脑电图信号分析	VGG16, Xception, EfficientNetB0, LSTM	脑电图信号	34名患者	NA	NA	NA	NA
562	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
563	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
564	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
565	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
566	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
567	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
568	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
569	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
570	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
571	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
572	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
573	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
574	2025-02-20	Author Correction: Deep learning enables fast, gentle STED microscopy 2023-Aug-10, Communications biology IF:5.2Q1 DOI:10.1038/s42003-023-05222-1 PMID:37563357	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
575	2025-10-07	Deep learning enables fast, gentle STED microscopy 2023-06-27, Communications biology IF:5.2Q1 DOI:10.1038/s42003-023-05054-z PMID:37369761	研究论文	本研究利用深度学习技术提升STED显微镜成像效率，通过降低像素驻留时间减轻光漂白和光损伤	首次将深度学习应用于STED图像恢复，将像素驻留时间降低1-2个数量级	NA	开发能够减轻光损伤并实现长时间成像的STED显微镜增强方法	亚细胞结构（特别是线粒体动力学）	计算机视觉	NA	STED显微镜	深度学习	2D和3D显微镜图像	NA	NA	NA	NA	NA
576	2025-10-07	Accurate Prediction of Transcriptional Activity of Single Missense Variants in HIV Tat with Deep Learning 2023-Mar-24, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms24076138 PMID:37047108	研究论文	本研究开发了一种结合GigaAssay实验和深度学习的方法，用于准确预测HIV Tat蛋白单错义变体的转录活性	首次将深度学习框架应用于预测HIV Tat蛋白单错义变体的转录活性，实现了预测与实验活性之间的高相关性（皮尔逊相关系数0.94）	目前仅针对单错义变体进行评估，尚未扩展到更复杂的双突变等位基因	预测HIV Tat蛋白变体的转录活性，以更好地理解艾滋病病理学和治疗	HIV Tat蛋白的单错义变体	机器学习	艾滋病	GigaAssay实验技术	深度学习	实验活性数据	所有单氨基酸Tat变体的错义突变景观	NA	NA	皮尔逊相关系数	NA
577	2025-10-07	Predicting early breast cancer recurrence from histopathological images in the Carolina Breast Cancer Study 2023-Nov-11, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-023-00597-0 PMID:37952058	研究论文	本研究利用深度学习从组织病理学图像预测早期乳腺癌复发风险	首次使用深度学习分析H&E染色肿瘤切片图像来预测乳腺癌早期复发，为传统临床标志物提供补充信息	样本量相对有限（202名参与者），预测准确率为62.4%仍有提升空间	开发基于图像的快速识别早期乳腺癌高复发风险患者的方法	乳腺癌患者组织病理学图像	数字病理学	乳腺癌	H&E染色，深度学习	深度学习模型	组织病理学图像	202名参与者（101名复发，101名未复发），704张1mm肿瘤核心H&E图像	NA	NA	准确率，置信区间	NA
578	2025-10-07	A deep learning model for novel systemic biomarkers in photographs of the external eye: a retrospective study 2023-05, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00022-5 PMID:36966118	研究论文	开发一种从外部眼部照片中预测多种系统性生物标志物的深度学习系统	首次证明外部眼部照片包含多种器官系统的生物标志物信息，超越了既往仅关注糖尿病视网膜病变的研究范围	回顾性研究设计，需要进一步工作验证临床转化价值，验证集与开发数据集存在人群差异	验证外部眼部照片是否包含多种系统性疾病的生物标志物信息	接受眼部筛查的糖尿病患者和非糖尿病患者	计算机视觉	多种系统性疾病（肝、肾、骨、甲状腺、血液）	深度学习	深度学习系统	外部眼部照片	训练集：123,130张图像来自38,398名患者；验证集：25,510名患者	NA	NA	AUC（受试者工作特征曲线下面积）	NA
579	2025-10-07	Detecting Glaucoma from Fundus Photographs Using Deep Learning without Convolutions: Transformer for Improved Generalization 2023-Mar, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2022.100233 PMID:36545260	研究论文	本研究比较了Vision Transformer（DeiT）和ResNet-50在眼底照片中检测原发性开角型青光眼的诊断准确性和可解释性	首次在青光眼检测中应用无需卷积的Vision Transformer架构，并证明其在泛化能力和可解释性方面优于传统CNN模型	研究主要基于特定数据集（OHTS），需要进一步验证在其他人群中的适用性	开发能够准确检测青光眼并具有良好泛化能力的深度学习模型	原发性开角型青光眼患者和健康对照者的眼底照片	计算机视觉	青光眼	深度学习	Transformer, CNN	眼底图像	66,715张来自1,636名参与者的照片，外加5个外部数据集的16,137张照片	NA	DeiT, ResNet-50	AUROC, 灵敏度, 特异度	NA
580	2025-10-07	Usability and Clinician Acceptance of a Deep Learning-Based Clinical Decision Support Tool for Predicting Glaucomatous Visual Field Progression 2023-03-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002163 PMID:36877820	研究论文	评估临床医生对集成人工智能预测视野指标的临床决策支持工具GLANCE的可用性和接受度	开发并评估了集成AI预测视野指标的临床决策支持工具原型，首次系统分析临床医生对AI预测指标的信任度和实用性认知	样本量较小（10名眼科医生和验光师），仅使用6个病例11只眼睛进行评估	评估临床决策支持工具中AI预测视野指标的临床接受度和实用性	眼科医生和验光师对AI预测视野指标的态度和接受度	医疗人工智能	青光眼	深度学习	深度学习模型	视野检查数据	10名临床医生，6个病例（11只眼睛）	NA	NA	李克特量表评分，系统可用性量表评分	NA