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
6261	2025-02-21	Extracting Systemic Anticancer Therapy and Response Information From Clinical Notes Following the RECIST Definition 2024-06, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00166 PMID:38885475	研究论文	本研究应用自然语言处理技术自动化从临床笔记中提取抗癌治疗及其响应信息，以减少人工数据收集的工作量并提高结果的一致性和可靠性	开发了一个复杂的混合NLP系统，结合机器学习和深度学习模块，用于从叙述性临床文本中提取、链接和总结抗癌治疗及RECIST响应信息	系统在链接治疗和RECIST响应提及方面的最佳得分为0.66，表明仍有改进空间	自动化从电子健康记录中提取抗癌治疗及其响应信息，以支持癌症研究	临床笔记中的抗癌治疗和RECIST响应信息	自然语言处理	癌症	自然语言处理（NLP）	BioBERT, BioClinicalBERT	文本	来自不同机构的两个独立测试集
6262	2025-02-21	A novel deep-learning model based on τ-shaped convolutional network (τNet) with long short-term memory (LSTM) for physiological fatigue detection from EEG and EOG signals 2024-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03033-y PMID:38374416	研究论文	本文提出了一种基于τ形卷积网络（τNet）和长短期记忆（LSTM）的新型深度学习模型，用于从EEG和EOG信号中检测生理疲劳	提出了τ形卷积网络（τNet），结合了上采样特征和连接高低级特征的操作，以充分利用有用信息，并提出了LSTM-τNet并行结构，用于疲劳检测	未明确提及具体局限性	开发一种高效的疲劳检测算法，以减少交通事故	EEG和EOG信号	机器学习	NA	深度学习	τ形卷积网络（τNet）和LSTM	EEG和EOG信号	基于两个数据集进行实验
6263	2025-02-21	Missing Wedge Completion via Unsupervised Learning with Coordinate Networks 2024-May-17, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25105473 PMID:38791508	研究论文	本文介绍了一种基于无监督学习的坐标网络方法，用于解决冷冻电子断层扫描中的缺失楔形问题	提出了一种无需预训练的无监督学习方法，直接优化网络权重，减少了重建时间并提高了形状完整性和减少了缺失楔形伪影	目前仅为概念验证阶段，尚未在实际生物样本上进行验证	解决冷冻电子断层扫描中的缺失楔形问题，提高重建质量	冷冻电子断层扫描数据	计算机视觉	NA	冷冻电子断层扫描（cryoET）	坐标网络（CNs）	3D图像	NA
6264	2025-02-21	Deep hybrid modeling of a HEK293 process: Combining long short-term memory networks with first principles equations 2024-May, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.28668 PMID:38343176	研究论文	本文首次将长短期记忆（LSTM）网络与第一性原理方程结合，用于描述人胚胎肾293（HEK293）培养过程的动态	首次将LSTM网络与第一性原理方程结合，用于HEK293培养过程的建模	LSTM混合模型通常比前馈神经网络（FFNN）混合模型更复杂，参数更多，计算成本更高	研究生物过程数字化的新方法，结合物理方程和深度学习	HEK293培养过程的动态	机器学习	NA	长短期记忆网络（LSTM），第一性原理方程	LSTM，FFNN	实验数据	20个分批补料HEK293培养物中的27个细胞外状态变量
6265	2025-02-21	Non-invasive estimation of atrial fibrillation driver position using long-short term memory neural networks and body surface potentials 2024-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108052 PMID:38350188	研究论文	本文提出了一种使用长短期记忆神经网络和体表电位非侵入性估计心房颤动驱动位置的方法	采用卷积-循环网络结合的方式，利用标记的计算机模拟心房颤动模型进行特征提取和序列数据建模，以解决心房颤动驱动位置的分类问题	方法依赖于计算机模拟的心房颤动模型，可能无法完全反映真实临床情况的复杂性	提高心房颤动诊断和治疗的准确性	心房颤动驱动位置	机器学习	心血管疾病	体表电位记录	CNN-LSTM	信号数据	160个体表电位信号，来源于16个心房颤动电图、1个心房和10个躯干几何形状
6266	2025-02-21	Developing an Improved Cycle Architecture for AI-Based Generation of New Structures Aimed at Drug Discovery 2024-Mar-27, Molecules (Basel, Switzerland) DOI:10.3390/molecules29071499 PMID:38611779	研究论文	本文提出了一种改进的生成模型BD-CycleGAN，用于药物发现中的分子生成	结合了BiLSTM和Mol-CycleGAN，以保留分子输入信息，克服了现有分子生成模型仅单向处理输入信息的局限性	未提及具体局限性	优化药物发现过程中的分子生成，以生成具有所需结构特征的新分子	分子生成模型	机器学习	NA	深度学习	BD-CycleGAN（结合BiLSTM和Mol-CycleGAN）	分子结构数据	未提及具体样本数量
6267	2025-02-21	Diagnosis of pathological speech with streamlined features for long short-term memory learning 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107976 PMID:38219647	研究论文	本文提出了一种结合时空和时频特征的长短期记忆网络（LSTM）学习方法，用于病理语音诊断	引入了时空和时频特征，结合LSTM网络进行病理语音诊断，显著提高了诊断的准确性和可靠性	研究依赖于公开的语音数据库，样本的多样性和代表性可能存在局限	提高病理语音诊断的准确性和实时性，以支持更有针对性的治疗干预	正常语音模式个体和病理语音条件个体	自然语言处理	语音障碍	长短期记忆网络（LSTM）	LSTM	语音信号	使用公开的语音数据库进行训练和验证
6268	2025-02-21	High-Precision Microscale Particulate Matter Prediction in Diverse Environments Using a Long Short-Term Memory Neural Network and Street View Imagery 2024-Feb-27, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c06511 PMID:38355131	研究论文	本研究提出了一种新颖的长短期记忆（LSTM）神经网络模型，利用从街景图像中提取的颜色特征（HSV：色调、饱和度、亮度）来估计四种典型欧洲环境中的空气质量（颗粒物PM）	创新点在于使用LSTM神经网络结合街景图像的颜色特征来预测多种环境下的颗粒物浓度，并展示了模型在时间和空间维度上的良好泛化能力	研究仅基于德国奥格斯堡市非供暖季节的数据，未涵盖全年数据，且模型在其他城市和季节的适用性需进一步验证	研究目的是开发一种高精度的颗粒物预测模型，以支持城市规划和公共健康倡议	研究对象为四种典型欧洲环境（城市、郊区、村庄和港口）中的颗粒物浓度	计算机视觉	NA	LSTM神经网络	LSTM	图像、浓度数据	德国奥格斯堡市非供暖季节的移动监测平台数据及同步街景图像
6269	2025-02-21	Single Person Identification and Activity Estimation in a Room from Waist-Level Contours Captured by 2D Light Detection and Ranging 2024-Feb-17, Sensors (Basel, Switzerland) DOI:10.3390/s24041272 PMID:38400430	研究论文	本文提出了一种使用2D激光雷达在房间内进行人员识别和活动估计的新方法	利用深度学习技术从2D激光雷达数据中提取人体轮廓并进行人员识别和活动估计，创新性地比较了LSTM和VGG16两种深度学习模型的效果	2D激光雷达在腰部高度捕获的点云数据包含的步态特征较少，可能影响识别精度	开发用于家庭老年人监控的社交辅助机器人，确保隐私不受侵犯	房间内的居民及其活动	计算机视觉	老年疾病	2D激光雷达	LSTM, VGG16	点云数据	四名参与者，共收集了120分钟的步行数据和100分钟的额外活动数据（开门、坐下和站立）
6270	2025-02-21	Enhancing Stress Detection: A Comprehensive Approach through rPPG Analysis and Deep Learning Techniques 2024-Feb-07, Sensors (Basel, Switzerland) DOI:10.3390/s24041096 PMID:38400254	研究论文	本文提出了一种基于远程光电容积描记术（rPPG）和深度学习技术的压力检测方法，旨在通过面部视频实现高效的压力检测	本文提出了新颖的混合深度学习网络，结合LSTM、GRU和1D-CNN模型，并通过超参数优化和数据增强技术提高压力检测的准确性和效率	NA	提高压力检测的准确性和效率，特别是在远程压力监测领域	面部视频数据	计算机视觉	NA	远程光电容积描记术（rPPG）	LSTM, GRU, 1D-CNN	视频	UBFC-Phys数据集
6271	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）
6272	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
6273	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
6274	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
6275	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
6276	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
6277	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
6278	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
6279	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）
6280	2025-02-21	Deep Learning for Automated Measurement of Total Cardiac Volume for Heart Transplantation Size Matching 2023-Dec-28, Research square DOI:10.21203/rs.3.rs-3788726/v1 PMID:38234758	研究论文	本研究旨在通过深度学习技术自动测量心脏总体积（TCV），以促进心脏移植中的尺寸匹配	首次使用3D卷积神经网络（3D-CNN）自动计算TCV，提高了测量的准确性和效率	模型在移植心脏上的准确性略低于正常心脏，且样本量相对较小	开发一种快速且准确的TCV测量方法，以促进心脏移植中的尺寸匹配	0-30岁受试者的CT扫描图像	计算机视觉	心血管疾病	CT扫描	3D-CNN（结合Dense-Net和ResNet架构）	图像	270名受试者用于训练，44名受试者用于验证（其中36名正常，8名心脏病患者）