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
6341	2025-02-21	CNN-LSTM Based Multimodal MRI and Clinical Data Fusion for Predicting Functional Outcome in Stroke Patients 2022-07, 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/EMBC48229.2022.9871735 PMID:36085793	研究论文	本文提出了一种基于CNN-LSTM的多模态MRI和临床数据融合模型，用于预测中风患者的功能性结果	首次提出了一种深度学习方法，结合了体素水平的影像数据和关键临床元数据，用于预测接受机械取栓治疗的中风患者的临床结果	NA	预测中风患者的功能性结果	中风患者	计算机视觉	心血管疾病	MRI	CNN-LSTM	图像, 临床数据	NA
6342	2025-02-21	Variational autoencoders learn transferrable representations of metabolomics data 2022-06-30, Communications biology IF:5.2Q1 DOI:10.1038/s42003-022-03579-3 PMID:35773471	研究论文	本文探讨了使用变分自编码器（VAE）从高维代谢组学数据中学习可转移的非线性潜在表示的方法	本文创新性地应用VAE于大规模代谢组学数据，展示了其能够学习到具有生物学意义的非线性潜在表示，并且这些表示能够推广到未见过的数据集	本文未提及具体的局限性	研究目的是探索VAE在代谢组学数据降维和潜在表示学习中的应用	研究对象包括超过4500名个体的血液样本代谢组学数据，以及2型糖尿病、急性髓性白血病和精神分裂症的相关数据集	机器学习	2型糖尿病, 急性髓性白血病, 精神分裂症	变分自编码器（VAE）	VAE	代谢组学数据	超过4500名个体的血液样本
6343	2025-02-21	A Sentiment Analysis Method Based on a Blockchain-Supported Long Short-Term Memory Deep Network 2022-Jun-11, Sensors (Basel, Switzerland) DOI:10.3390/s22124419 PMID:35746201	研究论文	本文提出了一种基于区块链支持的LSTM深度网络的情感分析方法	将区块链层与LSTM架构结合，通过建立加密连接将账本的元数据传输到学习数据库，提供了一种“学习证明”共识区块链层完整性框架	NA	提高情感分析的准确性和跨文化一致性	Twitter数据集中的负面、中性和正面情绪	自然语言处理	NA	区块链技术，LSTM	LSTM	文本	Twitter数据集
6344	2025-02-21	A deep learning approach for detecting drill bit failures from a small sound dataset 2022-06-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-13237-7 PMID:35688892	研究论文	本文提出了一种基于深度学习的方法，通过钻机声音检测钻头故障，旨在减少机器停机时间	结合卷积神经网络（CNN）和长短期记忆网络（LSTM），并引入注意力机制，有效处理复杂且短暂的钻机声音	数据集较小，且在实际环境中声音与噪声同时存在，增加了检测难度	开发一种高效的方法来检测钻机故障，以减少制造行业中的机器停机时间	钻机声音数据	机器学习	NA	声音增强方法	CNN, LSTM	声音数据	Valmet AB的钻机声音数据集，以及UrbanSound8K公开数据集
6345	2025-02-21	Implementing a Hand Gesture Recognition System Based on Range-Doppler Map 2022-Jun-02, Sensors (Basel, Switzerland) DOI:10.3390/s22114260 PMID:35684880	研究论文	本文提出了一种基于60 GHz FMCW雷达的动态手势识别系统，用于非接触式设备控制	使用60 GHz FMCW雷达进行手势识别，解决了传统视觉方法中的隐私问题，并提出了端到端的深度学习模型	需要摄像头支持手势数据的标注，可能在实际应用中增加复杂性	开发一种非视觉基础的手势识别系统，用于人机交互	手势识别系统	计算机视觉	NA	60 GHz FMCW雷达	神经网络和长短期记忆（LSTM）	雷达信号	未明确说明样本数量
6346	2025-02-21	24-Hour prediction of PM2.5 concentrations by combining empirical mode decomposition and bidirectional long short-term memory neural network 2022-May-15, The Science of the total environment DOI:10.1016/j.scitotenv.2022.153276 PMID:35074389	研究论文	本研究结合经验模态分解（EMD）方法、样本熵（SE）指数和双向长短期记忆神经网络（BiLSTM），构建了一种新的混合预测模型，用于预测0-24小时的PM2.5浓度	该模型在短期内（6小时内）的PM浓度预测精度比其他单一深度学习模型提高了至少50%，并且能够很好地捕捉6小时至24小时的PM浓度变化趋势	NA	提高PM2.5浓度的预测精度，特别是短期和长期的变化趋势	PM2.5浓度	机器学习	NA	经验模态分解（EMD）、样本熵（SE）	双向长短期记忆神经网络（BiLSTM）	时间序列数据	NA
6347	2025-02-21	Deep Pain: Exploiting Long Short-Term Memory Networks for Facial Expression Classification 2022-May, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2017.2662199 PMID:28207407	研究论文	本文提出了一种利用长短期记忆网络（LSTM）进行面部表情分类的新方法，用于自动测量疼痛，超越了当前基于面部特征的最新技术	通过将原始视频帧直接输入深度学习模型，而非仅依赖面部特征，提高了疼痛评估的性能，并直接解决了数据不平衡问题	NA	开发自动系统以客观测量患者的疼痛，提高疼痛评估的准确性	面部表情视频帧	计算机视觉	NA	深度学习	CNN, LSTM	视频	UNBC-McMaster肩痛表情数据库和Cohn Kanade+面部表情数据库
6348	2025-02-21	Long short-term memory model - A deep learning approach for medical data with irregularity in cancer predication with tumor markers 2022-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105362 PMID:35299045	研究论文	本文探讨了使用长短期记忆（LSTM）模型处理不规则的医学数据以预测癌症风险的效用	LSTM模型在处理不规则的医学数据方面表现出色，尤其是在时间序列数据上，其预测性能优于其他机器学习模型	数据的不完整性可能影响模型的训练和预测效果，且测试间隔时间差异较大	开发一种基于LSTM模型的癌症风险预测工具，以处理不规则的医学数据并提高预测性能	163,174名无症状个体的肿瘤标志物（TM）筛查数据，其中785人后来被诊断为癌症	机器学习	癌症	长短期记忆（LSTM）模型	LSTM	时间序列数据	163,174名无症状个体
6349	2025-02-21	Applying Hybrid Lstm-Gru Model Based on Heterogeneous Data Sources for Traffic Speed Prediction in Urban Areas 2022-Apr-27, Sensors (Basel, Switzerland) DOI:10.3390/s22093348 PMID:35591037	研究论文	本文提出了一种基于异构数据源的混合LSTM-GRU模型，用于城市区域的交通速度预测	提出了一种综合算法，将来自传感器、服务和外部数据源的异构数据整合到混合时空特征空间中，并比较了多种深度学习算法在时间序列地理空间数据上的表现	未提及具体的研究局限性	提高智能交通系统中的交通速度预测准确性	城市区域的交通速度数据	机器学习	NA	深度学习	LSTM, GRU, CNN	时间序列地理空间数据	未提及具体样本数量
6350	2025-02-21	Deep Learning-Based Approach for Emotion Recognition Using Electroencephalography (EEG) Signals Using Bi-Directional Long Short-Term Memory (Bi-LSTM) 2022-Apr-13, Sensors (Basel, Switzerland) DOI:10.3390/s22082976 PMID:35458962	研究论文	本文提出了一种基于深度学习的情绪识别方法，使用脑电图（EEG）信号和双向长短期记忆（Bi-LSTM）模型	提出了一种新的情绪识别方法，结合了数据选择、特征提取、特征选择和分类阶段，并使用Bi-LSTM模型提高了识别准确率	未提及具体的研究局限性	提高情绪识别模型的性能，以帮助诊断心理和行为障碍	脑电图（EEG）信号	机器学习	心理和行为障碍	脑电图（EEG）信号处理	双向长短期记忆（Bi-LSTM）	脑电图（EEG）信号	使用了标准预处理的情感分析生理信号数据库（DEAP）
6351	2025-02-21	Lightweight Long Short-Term Memory Variational Auto-Encoder for Multivariate Time Series Anomaly Detection in Industrial Control Systems 2022-Apr-09, Sensors (Basel, Switzerland) DOI:10.3390/s22082886 PMID:35458871	研究论文	本文提出了一种用于工业控制系统（ICS）中多变量时间序列异常检测的轻量级长短期记忆变分自编码器（LW-LSTM-VAE）架构	提出了一种轻量级的LW-LSTM-VAE架构，用于ICS中的异常检测，并在水净化和水分配厂两个应用中成功验证了其有效性	工业数据集稀缺，限制了异常检测技术的开发	开发一种无监督的深度学习方法，用于检测工业控制系统中的异常行为	工业控制系统中的多变量时间序列数据	机器学习	NA	深度学习	LW-LSTM-VAE	时间序列数据	使用了Secure Water Treatment (SWaT)基准测试中的数据进行验证
6352	2025-02-21	Model-assisted deep learning of rare extreme events from partial observations 2022-Apr, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0077646 PMID:35489849	研究论文	本文探讨了一种模型辅助的深度学习框架，用于从部分观测数据中预测罕见的极端事件	提出了一种模型辅助的深度学习框架，通过数值模拟生成训练数据，解决了极端事件样本不足的问题	训练数据仅使用可观测量的子集，可能限制了模型的全面性	研究如何利用深度学习预测罕见的极端事件	三种不同的动力系统（Rössler吸引子、FitzHugh-Nagumo模型和湍流流体）	机器学习	NA	数值模拟	前馈神经网络、长短期记忆网络（LSTM）、储备计算	数值模拟数据	NA
6353	2025-02-21	A Trust Management Model for IoT Devices and Services Based on the Multi-Criteria Decision-Making Approach and Deep Long Short-Term Memory Technique 2022-Jan-14, Sensors (Basel, Switzerland) DOI:10.3390/s22020634 PMID:35062594	研究论文	本文提出了一种基于多准则决策方法和深度长短期记忆技术的物联网设备和服务信任管理模型	结合SMART和LSTM算法，提出了一种新的物联网信任管理模型，有效处理大量数据和不断变化的行为	模型在处理大规模数据时的有效性仍需进一步验证	解决物联网设备和服务中的信任管理问题，提高安全性和可靠性	物联网设备和服务	物联网	NA	SMART, LSTM	LSTM	行为数据	不同大小的数据样本
6354	2025-02-21	Large-Scale Textual Datasets and Deep Learning for the Prediction of Depressed Symptoms 2022, Computational intelligence and neuroscience DOI:10.1155/2022/5731532 PMID:35463265	研究论文	本研究提出了一种利用基于LSTM的循环神经网络（RNN）从大规模文本数据中识别自我感知抑郁症状的有效方法	使用LSTM-based RNN模型从文本中提取抑郁症状特征，超越了传统的基于词频的方法	方法的有效性依赖于正确的注释和基于症状的特征提取，可能在不同数据集上的泛化能力有限	通过深度学习技术预测抑郁症状，以辅助早期检测和治疗	文本数据，特别是描述自我感知抑郁症状的文本	自然语言处理	抑郁症	深度学习	LSTM-based RNN	文本	233337个数据集，来自Kaggle的自杀和抑郁检测数据集
6355	2025-02-21	Music Emotion Classification Method Based on Deep Learning and Improved Attention Mechanism 2022, Computational intelligence and neuroscience DOI:10.1155/2022/5181899 PMID:35769273	研究论文	本文提出了一种基于深度学习和改进注意力机制的音乐情感分类方法，通过融合音频和歌词的多模态信息，提高了分类准确性和效率	创新点在于结合了CNN和LSTM网络，并引入了改进的注意力机制，以解决现有研究中单模态分析导致的信息丢失问题	未提及具体的数据集规模或多样性，可能影响模型的泛化能力	研究目标是提高音乐情感分类的准确性和效率	研究对象是音乐音频和歌词	自然语言处理	NA	TF-IDF, Word2vec, CNN, LSTM, 注意力机制	CNN-LSTM	音频, 文本	未提及具体样本数量
6356	2025-02-21	Multimode Gesture Recognition Algorithm Based on Convolutional Long Short-Term Memory Network 2022, Computational intelligence and neuroscience DOI:10.1155/2022/4068414 PMID:35281195	研究论文	本文提出了一种基于卷积长短期记忆网络的多模态手势识别算法，通过CNN自动提取多模态手势数据的深层特征，并利用LSTM网络构建时间序列模型，最终通过SoftMax分类器实现手势分类	结合卷积神经网络（CNN）和长短期记忆网络（LSTM）来自动提取和学习多模态手势数据的深层特征及其时间序列依赖关系，提高了手势识别的准确性和收敛性能	实验仅在VIVA和NVGesture两个动态手势数据集上进行，未涉及更多数据集或实际应用场景的验证	提高多模态手势识别的准确性和模型泛化能力	多模态手势数据	计算机视觉	NA	深度学习	CNN, LSTM	多模态数据（可能包括图像、视频等）	两个动态手势数据集（VIVA和NVGesture）
6357	2025-02-21	STA-TSN: Spatial-Temporal Attention Temporal Segment Network for action recognition in video 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0265115 PMID:35298497	研究论文	本文提出了一种名为STA-TSN的空间-时间注意力时间片段网络，用于视频中的动作识别	引入了软注意力机制，使网络能够自适应地关注空间和时间中的关键特征，并提出了多尺度空间聚焦特征增强策略和基于LSTM的关键帧探索模块	未提及具体局限性	解决现有动作识别模型在长时动作识别中的误判问题	视频中的动作识别	计算机视觉	NA	深度学习	STA-TSN, LSTM	视频	四个公共数据集（UCF101, HMDB51, JHMDB, THUMOS14）
6358	2025-02-21	A survival analysis based volatility and sparsity modeling network for student dropout prediction 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0267138 PMID:35512010	研究论文	本文提出了一种基于生存分析的波动性和稀疏性建模网络（SAVSNet），用于学生辍学预测	SAVSNet在端到端的深度学习框架中解决了数据波动性和稀疏性问题，通过卷积网络平滑波动时间序列，并使用LSTM保留原始数据信息，同时提出了时间缺失感知LSTM单元以减轻数据稀疏性的影响	NA	提高大规模开放在线课程（MOOC）中学生辍学预测的准确性和一致性	MOOC学生	机器学习	NA	生存分析	LSTM, 卷积网络	时间序列数据	两个真实世界的MOOC数据集
6359	2025-02-21	Research on Impulse Power Load Forecasting Based on Improved Recurrent Neural Networks 2022, Computational intelligence and neuroscience DOI:10.1155/2022/2784563 PMID:35502351	研究论文	本文提出了一种基于改进循环神经网络的脉冲功率负荷预测模型	使用改进的长短期记忆（LSTM）网络来预测脉冲功率负荷，有效处理了数据中的噪声和随机性	未提及具体的数据集大小和实验环境，可能影响结果的普适性	提高脉冲功率负荷预测的准确性和可靠性	脉冲功率负荷数据	机器学习	NA	深度学习	LSTM	时间序列数据	未提及具体样本数量
6360	2025-02-21	Emotion Analysis Model of Microblog Comment Text Based on CNN-BiLSTM 2022, Computational intelligence and neuroscience DOI:10.1155/2022/1669569 PMID:35535200	研究论文	本文提出了一种基于CNN-BiLSTM的深度学习模型，用于微博评论文本的情感分析	结合了双向长短期记忆网络（BiLSTM）和卷积神经网络（CNN）的优势，提高了情感分析的准确性	未提及模型在处理多语言或跨文化情感分析时的表现	提高微博评论文本情感分析的准确性和泛化能力	微博评论文本	自然语言处理	NA	深度学习	CNN-BiLSTM	文本	大规模未标记语料库