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
6981	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
6982	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
6983	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
6984	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
6985	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
6986	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
6987	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
6988	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
6989	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
6990	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
6991	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）
6992	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
6993	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）
6994	2025-02-21	A Novel CNN-LSTM Hybrid Model for Prediction of Electro-Mechanical Impedance Signal Based Bond Strength Monitoring 2022-Dec-16, Sensors (Basel, Switzerland) DOI:10.3390/s22249920 PMID:36560293	研究论文	本研究提出了一种新颖的CNN-LSTM混合模型，用于预测基于机电阻抗信号的粘结强度监测	结合了卷积神经网络（CNN）和长短期记忆网络（LSTM）的混合模型，用于预测机电阻抗信号	研究仅限于混凝土圆柱样本和嵌入的钢筋，未涉及其他材料或结构	评估机电阻抗技术在监测钢筋混凝土粘结强度发展中的性能	钢筋混凝土圆柱样本和嵌入的钢筋	结构健康监测	NA	机电阻抗（EMI）技术	CNN-LSTM混合模型	机电阻抗信号	混凝土圆柱样本和嵌入的钢筋
6995	2025-02-21	New onset delirium prediction using machine learning and long short-term memory (LSTM) in electronic health record 2022-12-13, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocac210 PMID:36303456	研究论文	本文开发并测试了一种结合长短期记忆（LSTM）和机器学习的深度学习模型，用于预测住院成年患者的新发谵妄	结合LSTM和LightGBM模型，显著提高了新发谵妄的预测性能，为后续开发临床决策支持工具提供了算法基础	研究仅基于单一大型学术医疗中心的电子健康记录数据，可能限制了模型的泛化能力	开发并测试一种准确预测住院成年患者新发谵妄的深度学习模型	住院成年患者	机器学习	老年疾病	电子健康记录（EHR）数据分析	LSTM, LightGBM	电子健康记录数据	34,035名患者的331,489次CAM评估
6996	2025-02-21	Sensor Data Prediction in Missile Flight Tests 2022-Dec-02, Sensors (Basel, Switzerland) DOI:10.3390/s22239410 PMID:36502111	研究论文	本文提出了一种结合小波分析方法的深度学习预测网络，用于导弹飞行测试中的传感器数据预测	结合小波变换和生成对抗网络（GAN）来重构缺失的传感器数据，并使用带有注意力和扩张网络的长短期记忆（LSTM）进行精确预测	未提及具体的数据集规模或实验的广泛性	提高导弹飞行测试中传感器数据的预测准确性	导弹飞行测试中的传感器数据	机器学习	NA	小波变换，生成对抗网络（GAN），长短期记忆（LSTM）	GAN, LSTM	传感器数据	实际导弹飞行测试中的传感器数据
6997	2025-02-21	Hybrid the long short-term memory with whale optimization algorithm and variational mode decomposition for monthly evapotranspiration estimation 2022-12-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-25208-z PMID:36456679	研究论文	本文提出了一种结合长短期记忆网络（LSTM）、鲸鱼优化算法（WOA）和变分模态分解（VMD）的混合模型（VMD-WOA-LSTM），用于估算腾格里沙漠东南边缘的月蒸散发量（ET）	创新点在于结合了LSTM、WOA和VMD三种技术，提出了一种新的混合模型VMD-WOA-LSTM，用于更准确地估算沙漠地区的月蒸散发量	研究仅限于腾格里沙漠东南边缘地区，未涉及其他沙漠或气候条件不同的区域	研究目的是通过提出一种新的混合模型，提高沙漠地区月蒸散发量的估算精度，以支持人工植被的可持续性管理	研究对象为腾格里沙漠东南边缘地区的月蒸散发量	机器学习	NA	LSTM, WOA, VMD	VMD-WOA-LSTM	时间序列数据	NA
6998	2025-02-21	HVIOnet: A deep learning based hybrid visual-inertial odometry approach for unmanned aerial system position estimation 2022-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2022.09.001 PMID:36152378	研究论文	本研究提出了一种基于深度学习的混合视觉-惯性里程计方法HVIOnet，用于无人航空系统的位置估计	结合卷积神经网络和双向长短期记忆网络，融合视觉和惯性数据，提出了一种新的深度架构用于位置估计	NA	解决自主移动机器人应用中的定位问题	无人航空系统（UAS）	机器视觉	NA	深度学习	CNN, BiLSTM	图像, IMU数据	EuRoC数据集和ROS生成的模拟环境数据
6999	2025-02-21	Personalized Deep Bi-LSTM RNN Based Model for Pain Intensity Classification Using EDA Signal 2022-Oct-22, Sensors (Basel, Switzerland) DOI:10.3390/s22218087 PMID:36365785	研究论文	本文提出了一种基于EDA信号的个性化深度BiLSTM RNN模型，用于疼痛强度分类	使用深度学习框架自动化特征工程步骤，直接处理原始输入信号，并探索了BiLSTM RNN与XGB的集成模型	样本量较小，仅涉及29名受试者	自动评估疼痛强度，实现实时疼痛监测	29名受试者的EDA信号	机器学习	NA	EDA信号分解与增强	BiLSTM RNN, XGB	生理信号	29名受试者
7000	2025-02-21	State of Health Estimation Based on the Long Short-Term Memory Network Using Incremental Capacity and Transfer Learning 2022-Oct-15, Sensors (Basel, Switzerland) DOI:10.3390/s22207835 PMID:36298185	研究论文	本文提出了一种基于长短期记忆网络（LSTM）和增量容量分析的电池健康状态（SOH）估计方法，并利用迁移学习提高模型在不同负载模式下的适用性	结合增量容量分析（ICA）和离散小波变换（DWT）预处理数据，优化LSTM模型的输入，并通过迁移学习扩展模型的应用范围	方法依赖于早期循环的放电电压曲线，可能对数据采集的精度和稳定性有较高要求	提高电池健康状态（SOH）估计的准确性和可靠性	电池的健康状态（SOH）	机器学习	NA	增量容量分析（ICA）、离散小波变换（DWT）、灰色关联分析（GRA）	长短期记忆网络（LSTM）	电压分布数据	小批量数据