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
81	2025-02-21	Spatial and temporal prediction of secondary crashes combining stacked sparse auto-encoder and long short-term memory 2023-Oct, Accident; analysis and prevention DOI:10.1016/j.aap.2023.107205 PMID:37413700	研究论文	本研究旨在开发一种预测次生事故时空位置的方法，通过结合堆叠稀疏自编码器（SSAE）和长短期记忆网络（LSTM）提出了一种混合深度学习模型SSAE-LSTM	提出了结合SSAE和LSTM的混合深度学习模型SSAE-LSTM，用于次生事故的时空预测，相比现有模型在时空预测性能上表现更优	研究仅基于加州I-880高速公路2017-2021年的交通和事故数据，可能限制了模型的泛化能力	开发次生事故时空位置的预测方法，以支持预防策略的实施	次生事故的时空位置	机器学习	NA	深度学习	SSAE-LSTM, PCA-LSTM, SSAE-SVM, BPNN	交通和事故数据	加州I-880高速公路2017-2021年的数据
82	2025-02-21	An adaptive embedding procedure for time series forecasting with deep neural networks 2023-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2023.08.051 PMID:37729787	研究论文	本文提出了一种基于自适应嵌入机制的深度学习方案，用于时间序列预测	提出了一种新颖的自适应嵌入机制，用于提取输入时间序列的压缩表示，并用于后续预测	未明确提及具体局限性	解决时间序列预测问题	时间序列数据	机器学习	NA	深度学习	双向长短期记忆网络（LSTM）	时间序列数据	未明确提及具体样本数量
83	2025-02-21	A Stacked Long Short-Term Memory Approach for Predictive Blood Glucose Monitoring in Women with Gestational Diabetes Mellitus 2023-Sep-20, Sensors (Basel, Switzerland) DOI:10.3390/s23187990 PMID:37766044	研究论文	本研究旨在通过使用长短期记忆（LSTM）递归神经网络模型，基于GDm-Health平台收集的时间序列数据，开发基准血糖预测模型，并建议优化的临床复查计划以减少血糖稳定的孕妇的总体血液检测次数	这是首个基于机器学习的研究，提出了优化的血糖监测频率（7天监测以预测未来14天的血糖），并且所提出的模型基于指尖血糖测试的准确性与使用连续血糖监测（CGM）读数的一小时预测模型的基准性能相当	研究仅基于GDm-Health平台的数据，可能无法完全代表所有妊娠糖尿病患者的血糖模式	开发基准血糖预测模型，并建议优化的临床复查计划以减少血糖稳定的孕妇的总体血液检测次数	妊娠糖尿病（GDM）患者	机器学习	妊娠糖尿病	LSTM递归神经网络	LSTM	时间序列数据	1110名患者的190,396次血糖读数
84	2025-02-21	Improving DNA 6mA Site Prediction via Integrating Bidirectional Long Short-Term Memory, Convolutional Neural Network, and Self-Attention Mechanism 2023-09-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00698 PMID:37603823	研究论文	本文提出了一种新的元方法Co6mA，通过整合双向长短期记忆网络（BiLSTM）、卷积神经网络（CNN）和自注意力机制（SAM）来提高DNA N6-甲基腺嘌呤（6mA）位点预测的性能	提出了一种新的元方法Co6mA，整合了BiLSTM、CNN和SAM，通过组合两种不同的深度学习模型来提高6mA位点预测的性能	NA	提高DNA 6mA位点预测的准确性	DNA N6-甲基腺嘌呤（6mA）位点	生物信息学	NA	深度学习	BiLSTM, CNN, SAM	DNA序列数据	两个独立测试集的不同模式生物样本
85	2025-02-21	Automated recognition of epilepsy from EEG signals using a combining space-time algorithm of CNN-LSTM 2023-09-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-41537-z PMID:37684278	研究论文	本文提出了一种结合CNN和LSTM的深度学习算法，用于从EEG信号中自动识别癫痫，并在多分类任务中实现了最先进的性能	提出了一种结合CNN和LSTM的混合网络，用于多分类任务（包括二元和三元分类），并实现了无需额外预处理或手动干预的自动知识获取	研究仅使用了公开的基准数据库，可能未涵盖所有临床场景	开发一种智能识别方法，用于从EEG信号中分类癫痫状态	癫痫患者的EEG信号	机器学习	癫痫	EEG信号分析	CNN-LSTM	EEG信号	公开的基准数据库中的EEG样本
86	2025-02-21	Protein intrinsically disordered region prediction by combining neural architecture search and multi-objective genetic algorithm 2023-09-07, BMC biology IF:4.4Q1 DOI:10.1186/s12915-023-01672-5 PMID:37674132	研究论文	本文提出了一种结合神经架构搜索和多目标遗传算法的蛋白质内在无序区域预测方法	使用神经架构搜索算法自动构建网络结构，结合长度依赖模型和通用模型，提出新的预测器IDP-Fusion，以稳定预测长短无序区域	未提及具体的数据集规模或实验细节，可能影响结果的普适性	提高蛋白质内在无序区域（IDRs）的预测准确性，特别是长短无序区域的稳定预测	蛋白质序列中的内在无序区域（IDRs）	生物信息学	NA	神经架构搜索（NAS），多目标遗传算法	CNN, LSTM, IDP-Fusion	蛋白质序列数据	NA
87	2025-02-21	An ECG Signal Acquisition and Analysis System Based on Machine Learning with Model Fusion 2023-Sep-03, Sensors (Basel, Switzerland) DOI:10.3390/s23177643 PMID:37688099	研究论文	本研究提出了一种基于机器学习的ECG采集与分析系统，旨在解决现有ECG信号采集仪器不便携和手动分析的问题	结合传统机器学习模型和深度学习模型进行模型融合，提高了ECG信号分类的准确性	未来工作将集中在模型优化和开发更便携的仪器上，目前系统的便携性尚未实现	开发一种便携且自动化的ECG信号采集与分析系统，以提高心血管疾病的诊断效率	ECG信号	机器学习	心血管疾病	机器学习模型融合	逻辑回归、支持向量机、XGBoost、卷积神经网络(CNN)、长短期记忆网络(LSTM)	ECG信号	NA
88	2025-02-21	Attention-based bidirectional-long short-term memory for abnormal human activity detection 2023-09-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-41231-0 PMID:37660111	研究论文	本文提出了一种基于注意力机制的双向长短期记忆网络（Bi-LSTM）和卷积神经网络（CNN）的深度学习框架，用于检测异常人类活动	结合CNN、Bi-LSTM和注意力机制，专注于原始视频流的独特时空特征，以检测异常人类活动	未提及具体局限性	检测异常人类活动，以预防社会损害，如人身伤害或网络仇恨犯罪的传播	视频流中的异常人类活动	计算机视觉	NA	深度学习	CNN, Bi-LSTM, 注意力机制	视频	UCF11, UCF50, subUCF犯罪数据集
89	2025-02-21	Localization Free Super-Resolution Microbubble Velocimetry Using a Long Short-Term Memory Neural Network 2023-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3251197 PMID:37028074	研究论文	本文介绍了一种基于长短期记忆神经网络的超分辨率微泡测速技术Deep-SMV，该技术无需定位，能够在高微泡浓度下提供高成像速度和鲁棒性，并直接输出超分辨率的血流速度测量	Deep-SMV技术首次实现了在高微泡浓度下的超分辨率血流速度图重建，克服了传统技术对低微泡浓度的限制	尽管Deep-SMV在多种成像场景中成功应用，但其在更广泛的临床环境中的有效性和稳定性仍需进一步验证	开发一种无需定位的超分辨率微泡测速技术，以提高成像速度和鲁棒性，并直接输出血流速度测量	微泡流动模拟、活体血管数据、流动通道模型、鸡胚胎绒毛尿囊膜和小鼠脑成像	计算机视觉	NA	长短期记忆神经网络（LSTM）	LSTM	图像	多种成像场景，包括流动通道模型、鸡胚胎绒毛尿囊膜和小鼠脑成像
90	2025-02-21	MTDN: Learning Multiple Temporal Dynamics Representation for Emotional Valence Classification with EEG 2023-07, 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/EMBC40787.2023.10340760 PMID:38083323	研究论文	本文提出了一种名为MTDN的深度学习框架，用于从脑电图（EEG）中识别情绪，特别是情感效价分类	MTDN框架通过并行长短期记忆（LSTM）嵌入和自注意力模块联合学习多种时间动态，有效捕捉了情绪反应的关键特征	本文仅在公开的DEAP数据集上进行了实验，未在其他数据集上验证其泛化能力	研究目的是提高从EEG信号中识别情感效价的准确性	研究对象是脑电图（EEG）信号	机器学习	NA	深度学习	LSTM, 自注意力机制	脑电图（EEG）信号	公开的DEAP数据集
91	2025-02-21	Automatic Detection of Abnormal EEG Signals Using WaveNet and LSTM 2023-Jun-27, Sensors (Basel, Switzerland) DOI:10.3390/s23135960 PMID:37447810	研究论文	本文提出了一种结合WaveNet和LSTM的深度学习模型，用于自动检测异常的原始EEG数据	提出了一种新颖的深度学习模型，结合WaveNet和LSTM，用于自动检测异常的EEG数据，并通过多个消融实验验证了模型各部分的有效性和重要性	未提及具体的研究限制	自动化诊断过程，早期准确识别脑电图（EEG）记录中的脑病理特征	异常的原始EEG数据	机器学习	神经系统疾病	深度学习	WaveNet, LSTM	EEG信号	使用TUH异常EEG语料库V.2.0.0（TUAB）和另一个独立数据集TUEP进行评估
92	2025-02-21	A deep learning network based on CNN and sliding window LSTM for spike sorting 2023-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.106879 PMID:37080004	研究论文	本文提出了一种基于CNN和滑动窗口LSTM的深度学习网络，用于神经信号解码中的尖峰排序	结合CNN和LSTM进行尖峰排序和分类，提高了模型的准确性和鲁棒性	在高噪声水平下，召回率有所下降	开发一种准确且具有泛化能力的自动尖峰排序算法	神经信号中的尖峰	机器学习	NA	NA	CNN, LSTM	神经信号数据	模拟数据和实验数据
93	2025-02-21	WM-STGCN: A Novel Spatiotemporal Modeling Method for Parkinsonian Gait Recognition 2023-May-22, Sensors (Basel, Switzerland) DOI:10.3390/s23104980 PMID:37430892	研究论文	本文提出了一种名为WM-STGCN的新型时空建模方法，用于帕金森病步态识别	WM-STGCN方法结合了加权邻接矩阵与虚拟连接和多尺度时间卷积，能够有效捕捉不同尺度的时空特征	NA	开发一种有效的帕金森病步态识别方法，以支持早期诊断和治疗	帕金森病患者的步态数据	计算机视觉	帕金森病	深度学习	WM-STGCN（加权邻接矩阵与虚拟连接和多尺度时间卷积的时空图卷积网络）	视频数据	NA
94	2025-02-21	CPGL: Prediction of Compound-Protein Interaction by Integrating Graph Attention Network With Long Short-Term Memory Neural Network 2023 May-Jun, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2022.3225296 PMID:36445995	研究论文	本文提出了一种结合图注意力网络（GAT）和长短期记忆神经网络（LSTM）的深度学习算法CPGL，用于预测化合物-蛋白质相互作用（CPI）	创新性地整合了GAT和LSTM，用于化合物和蛋白质的端到端表示学习，提高了模型的鲁棒性和泛化能力	NA	优化化合物和蛋白质的特征提取，提高CPI预测的准确性和模型性能	化合物-蛋白质相互作用（CPI）	机器学习	NA	深度学习	GAT, LSTM	化合物和蛋白质的表示数据	基于3个公开的CPI数据集：C.elegans、Human和BindingDB，以及2个标签反转数据集：GPCR和Kinase
95	2025-02-21	Intelligent Eye-Controlled Electric Wheelchair Based on Estimating Visual Intentions Using One-Dimensional Convolutional Neural Network and Long Short-Term Memory 2023-Apr-16, Sensors (Basel, Switzerland) DOI:10.3390/s23084028 PMID:37112369	研究论文	本文开发了一种基于1DCNN-LSTM的深度学习模型，用于实时估计用户的视觉意图，并结合注视停留时间方法开发了电动轮椅控制系统	提出了一种结合1DCNN和LSTM的深度学习模型，用于从眼动、头部运动和注视点距离等10个变量的特征向量中估计视觉意图，解决了电动轮椅操作中的“Midas触摸问题”	未提及模型在不同环境或用户群体中的泛化能力	开发一种能够准确估计用户视觉意图的电动轮椅控制系统，以提高轮椅的操作性和减少用户的操作负担	电动轮椅用户	计算机视觉	NA	深度学习	1DCNN-LSTM	时间序列数据（眼动、头部运动等）	未明确提及样本数量
96	2025-02-21	Radar Human Activity Recognition with an Attention-Based Deep Learning Network 2023-Mar-16, Sensors (Basel, Switzerland) DOI:10.3390/s23063185 PMID:36991896	研究论文	本文提出了一种基于注意力机制的深度学习网络，用于雷达人类活动识别（HAR），旨在提高识别精度和计算效率	提出了一种新的网络结构，结合了一维卷积神经网络（1D CNN）和基于注意力机制的长短期记忆网络（LSTM），以解耦雷达预处理信号的时频特征，并通过平均消除方法增强活动特征	尽管在识别精度和计算效率上有所提升，但该方法在实时嵌入式应用中的实际效果仍需进一步验证	提高雷达人类活动识别的精度和计算效率，以适用于实时嵌入式应用	雷达预处理微多普勒信号	计算机视觉	NA	深度学习	1D CNN, LSTM	雷达信号	基于两个人类活动数据集进行实验
97	2025-02-21	Secondary and Topological Structural Merge Prediction of Alpha-Helical Transmembrane Proteins Using a Hybrid Model Based on Hidden Markov and Long Short-Term Memory Neural Networks 2023-Mar-16, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms24065720 PMID:36982795	研究论文	本研究提出了一种结合深度学习和隐马尔可夫模型的混合模型HDNNtopss，用于预测α-螺旋跨膜蛋白的二级和拓扑结构	结合了深度学习的特征提取能力和隐马尔可夫模型的状态路径概率，实现了灵活且生物学意义更强的序列预测	NA	预测α-螺旋跨膜蛋白的二级和拓扑结构，以进一步理解其结构和功能	α-螺旋跨膜蛋白	机器学习	NA	深度学习神经网络（DNNs）和类隐马尔可夫模型（CHMM）	BiLSTM, CNN, CHMM	蛋白质序列	NA
98	2025-02-21	Attention-assisted hybrid 1D CNN-BiLSTM model for predicting electric field induced by transcranial magnetic stimulation coil 2023-02-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-29695-6 PMID:36781975	研究论文	本文提出了一种基于1D CNN和BiLSTM的注意力机制模型，用于预测经颅磁刺激线圈感应的电场	结合1D CNN和BiLSTM的注意力机制模型，提高了电场预测的准确性和效率	未提及具体局限性	提高经颅磁刺激线圈感应电场的预测准确性和效率	经颅磁刺激线圈感应的电场	机器学习	NA	NA	1D CNN-BiLSTM	模拟数据	NA
99	2025-02-21	Long Short-term Memory-Based Prediction of the Spread of Influenza-Like Illness Leveraging Surveillance, Weather, and Twitter Data: Model Development and Validation 2023-02-06, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/42519 PMID:36745490	研究论文	本研究开发并验证了一种基于长短期记忆（LSTM）神经网络的模型，用于预测流感样疾病（ILI）的传播，结合了监测数据、天气数据和Twitter数据	首次结合ILI监测数据、天气数据和Twitter数据，利用深度学习技术开发预测模型，用于ILI病例的实时预测和预报	研究主要针对希腊地区，可能在其他地区或社交媒体平台上的适用性需要进一步验证	开发能够实时预测和预报ILI病例的模型，以增强传染病监测的准确性和可靠性	ILI监测数据、天气数据和Twitter数据	自然语言处理	流感样疾病	LSTM神经网络	LSTM	文本、时间序列数据	2010年至2019年希腊地区的ILI监测数据、天气数据和Twitter数据
100	2025-02-21	Clinical Decision Support Systems to Predict Drug-Drug Interaction Using Multilabel Long Short-Term Memory with an Autoencoder 2023-02-02, International journal of environmental research and public health DOI:10.3390/ijerph20032696 PMID:36768060	研究论文	本文提出了一种基于深度学习的药物-药物相互作用预测技术SSODL-DDIP，用于大数据环境下的医疗决策支持	结合麻雀搜索优化算法与多标签长短期记忆网络和自编码器模型，提高了药物-药物相互作用预测的准确性和性能	未提及具体的数据集大小或实验的具体限制条件	开发一种新的技术来预测药物-药物相互作用，以提高药物研究中的安全性	药物-药物相互作用	机器学习	NA	深度学习	多标签长短期记忆网络（MLSTM）与自编码器（AE）	药物相关网络或分子图数据	未提及具体样本数量