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
101	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
102	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
103	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
104	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
105	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
106	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
107	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
108	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
109	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
110	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
111	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）
112	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
113	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）
114	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
115	2025-02-20	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	本文介绍了利用深度学习恢复STED显微镜图像的方法，以减少光漂白和光损伤，并显著降低像素停留时间	通过深度学习技术，实现了对STED显微镜图像的快速、温和恢复，减少了光漂白和光损伤，并显著降低了像素停留时间	NA	研究目的是通过深度学习技术改进STED显微镜成像，减少光漂白和光损伤，并提高成像效率	STED显微镜图像	计算机视觉	NA	STED显微镜	深度学习	图像	NA
116	2025-02-20	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	本文提出了一种结合GigaAssay和深度学习的方法，用于预测HIV Tat基因中单错义变体的转录活性	首次将深度学习应用于预测HIV Tat基因单错义变体的转录活性，并取得了高精度的预测结果	目前仅适用于单错义变体，尚未扩展到更复杂的Tat等位基因	更好地理解HIV基因组转录的遗传控制，以帮助理解AIDS的病理和治疗	HIV Tat基因的单错义变体	机器学习	AIDS	GigaAssay, 深度学习	深度学习	实验数据	NA
117	2025-02-19	Integrating deep learning, threading alignments, and a multi-MSA strategy for high-quality protein monomer and complex structure prediction in CASP15 2023-12, Proteins IF:3.2Q2 DOI:10.1002/prot.26585 PMID:37650367	研究论文	本文报告了UM-TBM和Zheng团队在CASP15中蛋白质单体和复合物结构预测的结果，使用了D-I-TASSER和DMFold-Multimer算法	D-I-TASSER在CASP15中引入了四个新特性，包括多源MSA搜索、基于注意力网络的空间约束、多域模块和优化的I-TASSER折叠模拟系统，显著提高了预测精度	未来在病毒蛋白质建模和复合物模型排名方面仍有改进空间	提高蛋白质单体和复合物结构预测的准确性	蛋白质单体和复合物	生物信息学	NA	多序列比对（MSA）、深度学习、蒙特卡罗模拟	D-I-TASSER、DMFold-Multimer、AlphaFold2	蛋白质序列和结构数据	47个自由建模目标和38个复合物目标
118	2025-02-19	Applications of Artificial Intelligence in Choroid Visualization for Myopia: A Comprehensive Scoping Review 2023 Oct-Dec, Middle East African journal of ophthalmology IF:0.5Q4 DOI:10.4103/meajo.meajo_154_24 PMID:39959595	综述	本文综述了人工智能在近视患者脉络膜可视化中的应用，特别是深度学习技术在光学相干断层扫描（OCT）图像中分割脉络膜的应用	本文首次系统性地综述了多种深度学习模型在近视患者脉络膜可视化中的应用，并评估了它们的诊断准确性和效率	需要进一步标准化AI方法，并将其应用扩展到更广泛的临床环境中	评估人工智能模型在近视患者脉络膜可视化中的有效性和作用	近视患者	计算机视觉	近视	深度学习	U-Net, LASSO回归, Attention-based Dense U-Net, ResNeSt101, Mask R-CNN	图像	12项研究中的近视患者
119	2025-02-16	Automated Identification of Heart Failure with Reduced Ejection Fraction using Deep Learning-based Natural Language Processing 2023-Sep-11, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.10.23295315 PMID:37745445	研究论文	本文开发了一种基于深度学习的自然语言处理模型，用于从出院摘要中自动识别射血分数降低的心力衰竭（HFrEF）患者	提出了一种新的半监督学习框架下的深度学习语言模型，用于自动识别HFrEF患者，并在多个外部数据集上进行了验证	模型依赖于出院摘要的质量和完整性，且需要进一步的临床验证以确保其在不同医疗环境中的普适性	开发自动化工具以评估和提高HFrEF患者的护理质量	HFrEF患者	自然语言处理	心血管疾病	深度学习	深度学习语言模型	文本	13,251份笔记，来自5,392名独特个体（平均年龄73±14岁，48%为女性），包括2,487名HFrEF患者（46.1%）
120	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）