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
6301	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
6302	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
6303	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
6304	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
6305	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
6306	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
6307	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
6308	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
6309	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
6310	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
6311	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
6312	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
6313	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
6314	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
6315	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
6316	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
6317	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
6318	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
6319	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
6320	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）