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
221	2025-02-21	Enhancing Human Activity Recognition in Smart Homes with Self-Supervised Learning and Self-Attention 2024-Jan-29, Sensors (Basel, Switzerland) DOI:10.3390/s24030884 PMID:38339601	研究论文	本文提出了一种基于自监督学习和自注意力机制的新型AttCLHAR模型，用于智能家居环境中的人类活动识别，特别是在标注数据有限或无标注的情况下	结合了自监督学习框架SimCLR和自注意力机制，并引入了锐度感知最小化（SAM）以增强模型的泛化能力	需要进一步验证在更大规模和多样化数据集上的性能	提高智能家居环境中人类活动识别的准确性和效率，特别是在标注数据有限的情况下	智能家居环境中的老年人日常活动	机器学习	老年疾病	自监督学习，自注意力机制，锐度感知最小化（SAM）	AttCLHAR（结合SimCLR和自注意力机制）	环境传感器数据	三个CASAS智能家居数据集（Aruba-1, Aruba-2, Milan）	NA	NA	NA	NA
222	2025-02-21	Optimizing classification of diseases through language model analysis of symptoms 2024-01-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-51615-5 PMID:38233458	研究论文	本文研究了使用语言模型和深度学习技术从症状中自动化预测疾病的方法	探索了两种MCN-BERT模型和一种BiLSTM模型，每种模型使用不同的超参数优化方法，以从症状描述中预测疾病	NA	自动化疾病预测，支持早期检测和更及时的治疗，扩展远程诊断能力	症状描述和疾病标签	自然语言处理	NA	深度学习	MCN-BERT, BiLSTM	文本	Dataset-1: 1,200个数据点；Dataset-2: 23,516条推文	NA	NA	NA	NA
223	2025-02-21	Spatiotemporal convolutional long short-term memory for regional streamflow predictions 2024-Jan-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2023.119585 PMID:38016234	研究论文	本文提出了一种结合CNN和LSTM的深度学习架构，用于同时预测美国86个流域的日径流量	创新点在于使用CNN编码空间模式，LSTM学习时间关系，有效结合了时空信息	未提及具体局限性	研究目的是改进区域尺度的降雨-径流（RR）建模	研究对象是美国86个流域的日径流量	机器学习	NA	深度学习	CNN-LSTM	时间序列数据（降水、最高温度、最低温度）	86个流域的一年数据	NA	NA	NA	NA
224	2025-02-21	Long short-term memory (LSTM)-based news classification model 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301835 PMID:38814925	研究论文	本研究使用单向和双向长短期记忆（LSTM）深度学习网络进行中文新闻分类，并探讨了上下文信息对文本分类的影响，达到了较高的准确率	使用双向LSTM网络进行特征提取，结合单向LSTM网络进行特征整合，构建了一个高效的中文新闻分类模型	未提及模型在其他语言或更大数据集上的泛化能力	研究中文新闻分类的深度学习模型	中文新闻文章	自然语言处理	NA	word2vec, Adam优化器, dropout	LSTM, BiLSTM	文本	未提及具体样本数量	NA	NA	NA	NA
225	2025-02-21	TASA: Temporal Attention With Spatial Autoencoder Network for Odor-Induced Emotion Classification Using EEG 2024, 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.2024.3399326 PMID:38722724	研究论文	本文提出了一种名为TASA的深度学习架构，用于使用脑电图（EEG）预测气味诱导的情绪	TASA架构通过两阶段学习框架改进，利用自编码器模块学习电极间的空间信息，并通过LSTM-MSA捕捉时间动态	NA	研究气味诱导的情绪分类	人类脑电图（EEG）数据	机器学习	NA	EEG	LSTM, 多头自注意力机制（MSA）	脑电图（EEG）数据	现有嗅觉EEG数据集	NA	NA	NA	NA
226	2025-02-21	Reservoir parameters prediction based on spatially transferred long short-term memory network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0296506 PMID:38289937	研究论文	本文提出了一种基于空间转移的长短期记忆网络的储层参数预测方法，以解决数据短缺问题	提出了一种基于转移学习的长短期记忆神经网络模型，通过共享神经网络结构中的部分参数，将历史数据的知识转移到新井预测中	由于检测成本、技术难度和复杂地质参数的限制，难以获得深度学习所需的大量数据	提高在数据短缺情况下的储层参数预测准确性	油气储层	机器学习	NA	转移学习	LSTM	地质数据	基于两个区块数据集进行测试	NA	NA	NA	NA
227	2025-02-21	W-WaveNet: A multi-site water quality prediction model incorporating adaptive graph convolution and CNN-LSTM 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0276155 PMID:38442101	研究论文	本文提出了一种名为W-WaveNet的多站点水质预测模型，结合了自适应图卷积和CNN-LSTM，用于处理水质数据的时间和空间相关性	W-WaveNet模型首次将自适应图卷积与CNN-LSTM结合，能够处理多站点水质数据中的非对齐空间相关性，适用于不同时间跨度的水质数据处理	模型仅在两个真实河流段的多站点水质数据上进行了验证，可能需要更多数据集的测试以验证其普适性	研究目的是开发一种能够同时考虑时间和空间相关性的多站点水质预测模型	多站点水质数据	机器学习	NA	自适应图卷积、CNN-LSTM	W-WaveNet	水质数据	两个真实河流段的多站点水质数据	NA	NA	NA	NA
228	2025-02-21	Modeling opening price spread of Shanghai Composite Index based on ARIMA-GRU/LSTM hybrid model 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299164 PMID:38478502	研究论文	本研究旨在通过结合ARIMA模型与深度学习技术（LSTM和GRU），提高上海综合指数开盘价差预测的准确性	提出了一种结合ARIMA模型与深度学习技术（LSTM和GRU）的混合模型，用于预测上海综合指数的开盘价差	研究仅针对上海综合指数的开盘价差，未涉及其他股票指数或市场	提高上海综合指数开盘价差的预测准确性	上海综合指数的开盘价差	机器学习	NA	ARIMA, LSTM, GRU	ARIMA-LSTM, ARIMA-GRU	时间序列数据	1990年12月20日至2023年6月2日的上海综合指数数据	NA	NA	NA	NA
229	2025-02-21	Leveraging transfer learning with deep learning for crime prediction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0296486 PMID:38630687	研究论文	本研究利用迁移学习与深度学习相结合的方法进行犯罪预测，旨在提高预测的准确性和效率	提出了基于BiLSTM的迁移学习架构，用于跨区域犯罪知识的转移，并在多个犯罪数据集上验证了其优越性	需要大量的犯罪数据和资源来训练最先进的深度学习模型，这可能限制了其广泛应用	提高犯罪预测的准确性和效率，以增强执法机构在控制和预防犯罪方面的能力	芝加哥、纽约和拉合尔的犯罪数据集	机器学习	NA	迁移学习、深度学习	BiLSTM、CNN-LSTM、SMA、WMA、EMA	犯罪数据	多个犯罪数据集（芝加哥、纽约、拉合尔）	NA	NA	NA	NA
230	2025-02-20	Deep Learning-based U-Mamba Model to Predict Differentiated Gastric Cancer using Radiomics Features from Spleen Segmentation 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056349216241118115005 PMID:39710921	研究论文	本研究旨在开发一种基于深度学习的自动化方法，用于分割脾脏CT图像，并构建预测胃癌分化的模型	使用U-Mamba深度学习模型实现脾脏CT图像的自动分割，并结合放射组学特征预测胃癌分化程度	研究仅纳入了262名患者，样本量相对较小	开发自动化脾脏CT图像分割方法并构建胃癌分化预测模型	262名病理确诊的胃癌患者	数字病理	胃癌	CT成像	U-Mamba	图像	262名胃癌患者	NA	NA	NA	NA
231	2025-02-20	Deep learning and explainable AI for classification of potato leaf diseases 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1449329 PMID:39963448	研究论文	本研究提出了一种结合可解释人工智能（XAI）和迁移学习的深度学习方法，用于马铃薯叶部病害的准确分类	结合迁移学习和可解释AI技术，提升模型在有限标注数据下的学习能力，并通过Grad-CAM增强模型的可解释性	未提及具体的数据集规模限制或模型在其他作物病害上的泛化能力	提高马铃薯叶部病害分类的准确性和模型的可解释性	马铃薯叶部病害	计算机视觉	NA	迁移学习，可解释AI（XAI）	深度学习模型	图像	使用公开的马铃薯叶部病害数据集，具体样本数量未提及	NA	NA	NA	NA
232	2025-10-07	Differential diagnosis of frontotemporal dementia subtypes with explainable deep learning on structural MRI 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1331677 PMID:38384484	研究论文	本研究开发了一种基于结构MRI的可解释深度学习框架，用于自动区分额颞叶痴呆的三种临床亚型	提出多类型并行特征嵌入框架，结合集成梯度方法进行特征可视化，相比传统统计映射能显示更局部的差异模式	样本量相对有限且存在类别不平衡，数据来自多个中心可能存在扫描仪差异	自动区分额颞叶痴呆的三种临床表型，为早期精确诊断和干预规划提供帮助	277名FTD患者（包括173名行为变异型FTD、63名非流利变异型PPA和41名语义变异型PPA）	医学影像分析	神经退行性疾病	结构MRI	深度神经网络	医学影像	277名FTD患者	NA	多类型并行特征嵌入框架	平衡准确度	NA
233	2025-10-07	An automated deep learning pipeline for EMVI classification and response prediction of rectal cancer using baseline MRI: a multi-centre study 2024-Jan-22, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00516-x PMID:38253770	研究论文	开发基于基线MRI的自动化深度学习流程，用于直肠癌EMVI分类和治疗反应预测	提出全自动管道结合nnUNet分割和MLNet多级特征学习，无需手动分割和特征工程	回顾性研究，样本量有限（509例患者）	通过基线MRI实现直肠癌EMVI自动分类和完全缓解预测	直肠癌患者	数字病理	直肠癌	扩散加权成像，T2加权成像	CNN	医学影像	来自9个中心的509名患者	nnUNet	nnUNet, 3D ResNet10, MLNet	AUC	NA
234	2025-02-16	The role of cortical structural variance in deep learning-based prediction of fetal brain age 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1411334 PMID:38846713	研究论文	本文探讨了皮层结构变异在基于深度学习的胎儿脑龄预测中的作用	首次解释了形状相关的皮层结构特征对预测胎儿脑龄变异的影响	未提及具体的研究局限性	研究胎儿脑龄预测模型中皮层结构特征的影响	胎儿大脑	计算机视觉	NA	磁共振成像	卷积神经网络	图像	未提及具体样本数量	NA	NA	NA	NA
235	2025-10-07	Developing predictive precision medicine models by exploiting real-world data using machine learning methods 2024, Journal of applied statistics IF:1.2Q2 DOI:10.1080/02664763.2024.2315451 PMID:39440239	研究论文	本研究提出了一种利用真实世界电子健康记录开发预测性精准医学模型的新方法	利用大型真实世界数据库中的纵向数据格式预测15项生化检测的未来值，并进行广泛的传统机器学习与深度学习算法性能比较	NA	开发预测性精准医学模型，实现个性化医疗	电子健康记录中的生化检测数据	机器学习	NA	生化检测	统计机器学习,深度学习	电子健康记录	大型真实世界数据库	NA	NA	NA	NA
236	2025-10-07	Unraveling trends in schistosomiasis: deep learning insights into national control programs in China 2024, Epidemiology and health IF:2.2Q2 DOI:10.4178/epih.e2024039 PMID:38514196	研究论文	本研究使用深度学习模型分析中国血吸虫病控制项目的进展和时空变化趋势	提出基于分层积分差分方程框架的卷积神经网络模型(CNN-IDE)用于血吸虫病时空动态建模	研究仅基于安徽省的数据，可能无法完全代表其他地区的血吸虫病流行情况	评估中国国家血吸虫病控制项目的效果并预测疾病流行趋势	中国安徽省长江沿岸血吸虫病流行区的村级流行病学数据	机器学习	血吸虫病	横断面调查	CNN	寄生虫学数据,环境数据	1997-2015年安徽省村级调查数据	NA	CNN-IDE	MSPE,CRPS	NA
237	2025-10-07	Deep Learning Estimation of 10-2 Visual Field Map Based on Macular Optical Coherence Tomography Angiography Measurements 2024-01, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2023.09.014 PMID:37734638	研究论文	开发基于深度学习模型从黄斑OCTA血管密度测量估计中心视野的方法	首次使用深度学习模型从OCTA血管密度图像直接估计10-2视野图参数，相比传统线性回归模型显著提升预测精度	样本量相对有限（1051个样本），仅针对中心视野评估，未包含周边视野数据	开发能够从OCTA图像准确估计视野损失的深度学习模型	健康眼、青光眼疑似者和青光眼患者的10-2视野和OCTA配对数据	医学影像分析	青光眼	光学相干断层扫描血管成像（OCTA）	深度学习模型	黄斑en face血管密度图像	1051个10-2视野OCTA配对样本（包含健康眼、青光眼疑似者和青光眼患者）	NA	NA	平均绝对误差（MAE）, R2（皮尔逊相关系数平方）	NA
238	2025-02-14	Blinking characteristics analyzed by a deep learning model and the relationship with tear film stability in children with long-term use of orthokeratology 2024, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2024.1517240 PMID:39935789	研究论文	本研究使用深度学习模型观察长期使用角膜塑形镜（ortho-K）儿童的眨眼特征，并评估其与泪膜稳定性的相关性	提出了一种基于U-Net和Swin-Transformer的深度学习系统，用于观察眨眼特征，并首次定义了相对IPH%来量化不完全眨眼的程度	样本量较小（31名儿童，58只眼），且为回顾性研究，可能存在选择偏倚	研究长期使用角膜塑形镜儿童的眨眼特征及其与泪膜稳定性的关系	长期使用角膜塑形镜的儿童	计算机视觉	眼科疾病	深度学习	U-Net, Swin-Transformer	视频	31名儿童（58只眼）	NA	NA	NA	NA
239	2025-02-14	End-to-end 3D instance segmentation of synthetic data and embryo microscopy images with a 3D Mask R-CNN 2024, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2024.1497539 PMID:39944885	研究论文	本文介绍了一种3D Mask R-CNN的改进版本，用于3D实例分割，并在合成数据和胚胎显微镜图像上进行了验证	开发了自定义的TensorFlow操作，用于3D非最大抑制和3D裁剪与调整大小，从而实现了对3D数据的高效训练和推理	在最嘈杂的对象上，3D Mask R-CNN的表现存在局限性	解决3D图像分析中的实例分割问题，特别是在医学和显微镜图像中的应用	合成数据和胚胎显微镜图像	计算机视觉	NA	3D Mask R-CNN	CNN	3D图像	合成数据和胚胎显微镜图像	NA	NA	NA	NA
240	2025-02-14	Application of deep learning for real-time detection, localization, and counting of the malignant invasive weed Solanum rostratum Dunal 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1486929 PMID:39944948	研究论文	本文介绍了一种名为TrackSolanum的深度学习网络模型，用于实时检测、定位和计数恶性入侵杂草Solanum rostratum Dunal（SrD）	设计了TrackSolanum网络模型，结合了检测、跟踪、定位和计数四个模块，实现了对SrD的实时检测和精确管理	模型在不同高度的无人机视频中表现有所差异，特别是在3米高度时，精度和召回率有所下降	开发一种能够实时检测、定位和计数SrD的技术，以支持对SrD的危害评估和精确管理	恶性入侵杂草Solanum rostratum Dunal（SrD）	计算机视觉	NA	深度学习	YOLO_EAND, DeepSort	视频	无人机视频（2米和3米高度）	NA	NA	NA	NA