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	Knowledge Graph-Enabled Text-Based Automatic Personality Prediction 2022, Computational intelligence and neuroscience DOI:10.1155/2022/3732351 PMID:35769270	研究论文	本文提出了一种基于知识图谱的文本自动人格预测方法，利用Big Five人格特质进行预测	本文的创新点在于结合知识图谱和深度学习模型进行文本自动人格预测，通过DBpedia知识库、NRC情感强度词典和MRC心理语言学数据库丰富知识图谱，提高了预测准确性	未明确提及具体局限性	研究目标是实现基于文本的自动人格预测，以改善人际关系	研究对象是基于文本内容的人格特征	自然语言处理	NA	知识图谱构建、深度学习	CNN, RNN, LSTM, BiLSTM	文本	未明确提及样本数量
6982	2025-02-21	Vowel speech recognition from rat electroencephalography using long short-term memory neural network 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0270405 PMID:35737731	研究论文	本研究旨在通过双向长短期记忆（BiLSTM）网络和经典机器学习方法，识别大鼠大脑中可能与音素表示相关的特定成分，并在单次试验基础上区分每个元音刺激的大脑活动	使用BiLSTM网络直接从EEG信号中提取特征，无需额外的手工特征提取方法，实现了对元音刺激的高效分类	研究仅针对大鼠模型，未涉及人类或其他动物模型，且样本量较小	探索大鼠大脑中与音素表示相关的神经活动，并开发有效的语音识别分类方法	19只雄性Sprague-Dawley大鼠的双侧前听觉场EEG信号	自然语言处理	NA	EEG信号记录	BiLSTM	EEG信号	19只雄性Sprague-Dawley大鼠
6983	2025-02-21	A Malicious Domain Detection Model Based on Improved Deep Learning 2022, Computational intelligence and neuroscience DOI:10.1155/2022/9241670 PMID:35795747	研究论文	本文提出了一种基于改进深度学习的恶意域名检测模型，结合了卷积神经网络（CNN）、时间卷积网络（TCN）和长短期记忆网络（LSTM）的优势，以提高检测效果	本文的创新点在于结合了三种不同的网络模型（CNN、TCN和LSTM）的优势，提出了一种改进的深度学习模型，用于恶意域名检测，效果优于单一或两种模型的组合	本文未提及模型的局限性	研究目的是提高恶意域名检测的准确性和回归率	恶意域名	机器学习	NA	深度学习	CNN, TCN, LSTM	文本	NA
6984	2025-02-21	Application of Deep Learning Model in the Avoidance of Investment Risk of Multinational Enterprises 2022, Computational intelligence and neuroscience DOI:10.1155/2022/6578274 PMID:35800687	研究论文	本文旨在通过结合LSTM和CNN的优势，提出LSTM-CNN模型来提高汇率预测的准确性，从而有效避免跨国企业在投资过程中可能遇到的风险	结合LSTM和CNN的优势，提出LSTM-CNN模型用于预测股票波动趋势，提高了预测准确性	实验仅针对10只股票进行验证，样本量较小，可能影响模型的泛化能力	提高汇率预测的准确性，帮助跨国企业避免投资风险	跨国企业的投资风险	机器学习	NA	NA	LSTM-CNN	股票数据	10只股票
6985	2025-02-21	Classification of Electrocardiography Hybrid Convolutional Neural Network-Long Short Term Memory with Fully Connected Layer 2022, Computational intelligence and neuroscience DOI:10.1155/2022/6348424 PMID:35860642	研究论文	本文提出了一种结合卷积神经网络（CNN）、长短期记忆网络（LSTM）和全连接层（FCL）的混合模型，用于心电图（ECG）信号的分类	创新点在于将CNN、LSTM和DNN结合在一个统一的架构中，用于ECG信号的分类和异常检测，并在不平衡数据集上表现出色	未提及具体的研究局限性	研究目的是通过深度学习技术自动化ECG信号的分类和异常检测	研究对象是心电图（ECG）信号	机器学习	心血管疾病	深度学习	CNN, LSTM, FCL	时间序列数据	使用MIT-BIH心律失常数据库中的ECG数据
6986	2025-02-21	Prediction of hand, foot, and mouth disease epidemics in Japan using a long short-term memory approach 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0271820 PMID:35900968	研究论文	本研究使用长短期记忆（LSTM）方法预测日本手足口病的流行模式	首次使用LSTM模型对日本手足口病的流行进行提前四周的预测	模型仅基于日本的数据，可能不适用于其他地区	预测日本手足口病的流行模式	日本各都道府县的手足口病病例数据	机器学习	手足口病	长短期记忆（LSTM）	LSTM	时间序列数据	日本各都道府县每周报告的手足口病病例数
6987	2025-02-21	A Comparison on LSTM Deep Learning Method and Random Walk Model Used on Financial and Medical Applications: An Example in COVID-19 Development Prediction 2022, Computational intelligence and neuroscience DOI:10.1155/2022/4383245 PMID:36052038	研究论文	本研究旨在通过LSTM网络模型和随机游走模型，基于金融理论建立加密货币价格趋势模型，并应用于COVID-19发展预测	结合LSTM网络模型和随机游走模型，探索加密货币价格趋势预测，并应用于COVID-19发展预测，展示了不同参数设置下模型的特性	LSTM和随机游走模型在价格预测方面存在局限性，需要在模型准确性和实用性之间找到平衡	建立加密货币价格趋势模型，并应用于COVID-19发展预测	加密货币（比特币和以太坊）和COVID-19	机器学习	COVID-19	LSTM网络模型和随机游走模型	LSTM, 随机游走模型	金融数据, 医疗数据	NA
6988	2025-02-21	Inversion of Rayleigh Wave Dispersion Curves via Long Short-Term Memory Combined with Particle Swarm Optimization 2022, Computational intelligence and neuroscience DOI:10.1155/2022/2640929 PMID:36590837	研究论文	本文提出了一种结合长短期记忆网络（LSTM）和粒子群优化（PSO）的方法（PSO-LSTM），用于提高瑞利波频散曲线反演的效果	创新点在于将LSTM网络与PSO结合，优化网络结构和参数，以提高频散曲线反演的精度和鲁棒性	本文的局限性在于仅使用了两个理论地质模型进行测试，实际应用中的数据复杂性和多样性可能影响模型的表现	研究目的是提高瑞利波频散曲线反演的精度和效率	研究对象为瑞利波频散曲线及其反演方法	地球物理勘探	NA	粒子群优化（PSO）、长短期记忆网络（LSTM）	PSO-LSTM	频散曲线数据	两个理论地质模型（Model 和 Model ）及美国怀俄明州的实际数据
6989	2025-02-21	Deep Learning vs Traditional Models for Predicting Hospital Readmission among Patients with Diabetes 2022, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:37128461	研究论文	本文比较了深度学习模型与传统模型在预测糖尿病患者30天内非计划性全因再入院风险中的表现	使用LSTM深度学习模型预测糖尿病患者的再入院风险，并发现其性能显著优于传统模型	研究仅基于电子健康记录（EHR）数据，未考虑其他可能影响再入院风险的因素	开发并比较不同模型在预测糖尿病患者再入院风险中的表现	36,641名糖尿病患者的2,836,569次就诊记录	机器学习	糖尿病	深度学习	LSTM	电子健康记录（EHR）数据	36,641名糖尿病患者的2,836,569次就诊记录
6990	2025-02-21	Human Motion Tracking Using 3D Image Features with a Long Short-Term Memory Mechanism Model-An Example of Forward Reaching 2021-Dec-31, Sensors (Basel, Switzerland) DOI:10.3390/s22010292 PMID:35009834	研究论文	本文提出了一种使用3D图像特征和深度双向长短期记忆（DBLSTM）机制模型进行人体运动跟踪的深度学习技术	相比传统的2D图像系统，提出的系统在人体运动跟踪能力上有所提升，特别是在加速度的RMSE上表现优异	虽然3D图像特征提供了更准确的人体运动信息，但系统的实际应用可能受到3D图像采集和处理复杂性的限制	开发一种更有效的人体运动跟踪技术，以改善康复任务中的运动记录	人体运动	计算机视觉	NA	深度学习	DBLSTM	3D图像	NA
6991	2025-02-21	BiLSTM-5mC: A Bidirectional Long Short-Term Memory-Based Approach for Predicting 5-Methylcytosine Sites in Genome-Wide DNA Promoters 2021-Dec-07, Molecules (Basel, Switzerland) DOI:10.3390/molecules26247414 PMID:34946497	研究论文	本研究提出了一种基于双向长短期记忆网络（BiLSTM）的深度学习方法BiLSTM-5mC，用于准确识别全基因组DNA启动子中的5-甲基胞嘧啶（5mC）位点	提出了一种新的深度学习方法BiLSTM-5mC，通过整合22个子模型的输出并使用多数投票策略来预测5mC位点，优于现有方法	未提及具体的数据集大小或样本来源，可能限制了结果的普适性	研究目的是开发一种高效的方法来识别DNA启动子中的5mC位点，以进一步理解DNA甲基化在癌症和衰老等遗传疾病中的功能	全基因组DNA启动子中的5mC位点	机器学习	癌症	深度学习	BiLSTM	DNA序列数据	未明确提及具体样本数量
6992	2025-02-21	Power efficient refined seizure prediction algorithm based on an enhanced benchmarking 2021-12-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-02798-8 PMID:34873202	研究论文	本文提出了一种基于增强基准的节能型癫痫发作预测算法，通过改进数据处理和模型架构，提高了预测性能	提出了一种结合一维卷积神经网络和双向长短期记忆网络的深度学习架构，并采用留一法交叉验证以避免过拟合，同时优化了硬件实现	未提及具体数据集的多样性和规模限制，可能影响模型的泛化能力	改进癫痫发作预测算法的性能和硬件友好性	癫痫发作预测	机器学习	癫痫	深度学习	1D CNN + Bi-LSTM	时间序列数据	未明确提及具体样本数量
6993	2025-02-21	Prediction and detection of freezing of gait in Parkinson's disease from plantar pressure data using long short-term memory neural-networks 2021-11-27, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-021-00958-5 PMID:34838066	研究论文	本研究探讨了使用长短期记忆神经网络（LSTM）从足底压力数据中检测和预测帕金森病（PD）患者的步态冻结（FOG）	首次使用足底压力数据结合LSTM模型进行FOG的检测和预测，相较于传统的惯性测量单元（IMU）和加速度计数据，足底压力数据能捕捉到FOG发作时独特的细微重量变化	研究样本量较小（11名参与者），且数据在实验室环境中收集，需进一步研究以提高FOG预测性能，并扩大样本量	开发一种基于足底压力数据的实时可穿戴系统，用于检测和预测帕金森病患者的步态冻结	帕金森病患者的步态冻结（FOG）	机器学习	帕金森病	长短期记忆神经网络（LSTM）	LSTM	足底压力数据	11名帕金森病患者
6994	2025-02-21	Tourist Experiences Recommender System Based on Emotion Recognition with Wearable Data 2021-Nov-25, Sensors (Basel, Switzerland) DOI:10.3390/s21237854 PMID:34883853	研究论文	本文提出了一种基于穿戴设备数据的情感识别旅游体验推荐系统（TERS）架构	与大多数在控制实验中使用高精度传感器诱发情感的研究不同，本研究挑战在于基于用户日常生活中收集的心率数据进行情感识别，并生成考虑穿戴者情感状态的旅游推荐	穿戴设备收集的生理数据精度较低，可能影响情感识别的准确性	开发一种基于穿戴设备数据的情感识别旅游体验推荐系统	穿戴设备的用户	机器学习	NA	深度学习算法	CNN, LSTM, 混合模型	心率数据	NA
6995	2025-02-21	Spatio-temporal prediction of the COVID-19 pandemic in US counties: modeling with a deep LSTM neural network 2021-11-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-01119-3 PMID:34741093	研究论文	本文提出了一种深度学习方法，用于预测美国各县未来1至4周的COVID-19感染病例和死亡人数	使用多变量LSTM递归神经网络，结合移动性数据，提高了预测性能	在疫情初期，由于训练数据量较小，机器学习方法的预测能力有限	预测COVID-19疫情在美国各县的时空演变	美国各县的COVID-19感染病例和死亡人数	机器学习	COVID-19	LSTM	LSTM	时间序列数据	多个时间序列样本
6996	2025-02-21	Classification of thermoluminescence features of CaCO3 with long short-term memory model 2021-Nov, Luminescence : the journal of biological and chemical luminescence IF:3.2Q2 DOI:10.1002/bio.4109 PMID:34156748	研究论文	本文提出了一种基于长短期记忆（LSTM）深度学习模型的新方法，用于分类碳酸钙（CaCO3）的热释光特性	首次将LSTM模型应用于碳酸钙热释光特性的分类，实现了高准确率、精确度和灵敏度	研究仅针对碳酸钙的热释光特性，未涉及其他矿物的分类	研究碳酸钙的热释光特性分类方法	碳酸钙（CaCO3）的热释光特性	机器学习	NA	深度学习	LSTM	热释光数据	包含四个类别的数据集
6997	2025-02-21	Cardinality and Short-Term Memory Concepts based Novel Feature Extraction for Myoelectric Pattern Recognition 2021-11, 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/EMBC46164.2021.9629963 PMID:34891390	研究论文	本文提出了一种结合传统特征提取方法和LSTM模型记忆概念的新方法，用于高效提取EMG信号的空间-时间动态特性	创新点包括：a) 利用深度学习结构的记忆概念捕捉EMG信号的短期时间依赖性，b) 使用基数生成空间上不同的EMG信号的逻辑组合作为特征提取方法，c) 低计算成本和增强的分类性能	尽管提出的方法在实验室和可穿戴设备上表现出色，但其在临床环境中的实际应用仍需进一步验证	研究目的是改进肌电模式识别，以促进从实验室到临床环境的转化	研究对象包括9名经桡骨截肢者和17名完整肢体者，以及22名使用两种可穿戴消费臂带的完整肢体者	机器学习	NA	EMG信号处理	LSTM	EMG信号	48名参与者（9名经桡骨截肢者和39名完整肢体者）
6998	2025-02-21	A CSI-Based Human Activity Recognition Using Deep Learning 2021-Oct-30, Sensors (Basel, Switzerland) DOI:10.3390/s21217225 PMID:34770532	研究论文	本文提出了一种基于WiFi信道状态信息（CSI）和深度学习的人类活动识别方法	利用CSI数据并将其转换为图像，使用2D卷积神经网络（CNN）进行分类，相比1D-CNN、LSTM和双向LSTM等方法表现更优	仅针对七种日常活动进行测试，样本多样性可能不足	开发一种基于WiFi CSI的人类活动识别方法，用于智能日常活动监测	老年人的日常活动	机器学习	老年疾病	WiFi CSI数据采集与图像转换	2D CNN	图像	七种不同的人类日常活动数据
6999	2025-02-21	Estimation of municipal solid waste amount based on one-dimension convolutional neural network and long short-term memory with attention mechanism model: A case study of Shanghai 2021-Oct-15, The Science of the total environment DOI:10.1016/j.scitotenv.2021.148088 PMID:34118670	研究论文	本研究评估了使用监督学习方法，包括注意力机制、一维卷积神经网络（1D-CNN）和长短期记忆（LSTM）来预测上海市生活垃圾量的可行性和实用性	设计了集成1D-CNN、LSTM和注意力机制的新结构模型（1D-CNN-LSTM-Attention, 1D-CLA），用于预测生活垃圾量，并讨论了社会经济因素对生活垃圾量的影响	研究仅针对上海市，未涉及其他城市或地区的验证	评估使用深度学习方法预测生活垃圾量的可行性和实用性	上海市的生活垃圾量	机器学习	NA	监督学习	1D-CNN, LSTM, 注意力机制, 1D-CLA	时间序列数据	NA
7000	2025-02-21	A Novel Hybrid Deep Learning Method for Fault Diagnosis of Rotating Machinery Based on Extended WDCNN and Long Short-Term Memory 2021-Oct-04, Sensors (Basel, Switzerland) DOI:10.3390/s21196614 PMID:34640934	研究论文	本文提出了一种基于扩展WDCNN和长短期记忆（LSTM）的新型混合深度学习方法，用于复杂环境下的旋转机械故障诊断	提出了一种新型混合深度学习方法（NHDLM），结合了扩展的WDCNN和LSTM，以提高旋转机械故障诊断的自学习能力和智能诊断准确性	未提及具体局限性	提高旋转机械故障诊断的准确性和自学习能力	旋转机械	机器学习	NA	深度学习	EWDCNN, LSTM	NA	NA