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
7001	2025-02-21	A Long Short-Term Memory-Based Approach for Detecting Turns and Generating Road Intersections from Vehicle Trajectories 2022-Sep-15, Sensors (Basel, Switzerland) DOI:10.3390/s22186997 PMID:36146345	研究论文	本文提出了一种基于长短期记忆（LSTM）的方法，用于从车辆轨迹中检测转弯并生成道路交叉口	使用深度学习技术，特别是LSTM模型，来检测转弯轨迹段（TTSs），并通过聚类生成交叉口的覆盖范围和内部结构	虽然该方法在检测精度和召回率上表现优异，但其性能可能受到不同区域道路模式和大小的变化影响	提高从车辆轨迹中检测道路交叉口的准确性和效率	车辆轨迹数据	机器学习	NA	深度学习	LSTM	轨迹数据	武汉市的车辆轨迹数据
7002	2025-02-21	Interannual and seasonal variations of permafrost thaw depth on the Qinghai-Tibetan Plateau: A comparative study using long short-term memory, convolutional neural networks, and random forest 2022-Sep-10, The Science of the total environment DOI:10.1016/j.scitotenv.2022.155886 PMID:35569652	研究论文	本研究比较了随机森林、卷积神经网络和长短期记忆神经网络在估算青藏高原多年冻土活动层厚度和季节性解冻深度方面的性能	首次直接比较了机器学习和深度学习在多年冻土活动层厚度预测中的模型性能，并探讨了不同滞后时间对模型预测效果的影响	研究仅基于2003年至2011年的数据，可能无法完全反映最新的多年冻土变化趋势	准确估算青藏高原多年冻土活动层厚度和季节性解冻深度，以理解气候变暖对多年冻土的影响	青藏高原多年冻土活动层厚度和季节性解冻深度	机器学习	NA	NA	随机森林(RF)、卷积神经网络(CNN)、长短期记忆神经网络(LSTM)	气象序列、现场观测数据、地理空间信息	2003年至2011年青藏高原多年冻土数据
7003	2025-02-21	Attention-Emotion-Enhanced Convolutional LSTM for Sentiment Analysis 2022-09, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2021.3056664 PMID:33600326	研究论文	本文提出了一种名为AEC-LSTM的新模型，用于文本情感检测，旨在通过整合情感智能（EI）和注意力机制来改进LSTM网络	提出了一种结合情感智能和注意力机制的LSTM网络改进模型，通过情感调制器和情感估计器实现情感调制，并引入了主题级注意力机制	未提及具体的数据集规模或实验限制	改进文本情感检测的性能	文本数据	自然语言处理	NA	NA	LSTM, CNN	文本	NA
7004	2025-02-21	Classification of overlapping spikes using convolutional neural networks and long short term memory 2022-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105888 PMID:35872414	研究论文	本文提出了一种基于卷积神经网络（CNN）和长短期记忆网络（LSTM）的深度学习方法，用于实现重叠尖峰信号的分类	结合CNN和LSTM进行重叠尖峰信号的分类，相比之前的1D-CNN方法有更好的表现	未提及具体局限性	提高重叠尖峰信号的分类准确率，以更好地理解大脑活动	模拟数据和从猕猴初级视觉皮层记录的实验数据	机器学习	NA	深度学习	CNN + LSTM	尖峰信号数据	模拟数据和猕猴初级视觉皮层的实验数据
7005	2025-02-21	Non-Contact Heartbeat Detection Based on Ballistocardiogram Using UNet and Bidirectional Long Short-Term Memory 2022-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2022.3162396 PMID:35333727	研究论文	本文提出了一种基于UNet和双向长短期记忆（Bi-LSTM）的深度学习模型，用于从心冲击图（BCG）信号中自动检测心跳	结合UNet和Bi-LSTM的深度学习模型，有效解决了低信噪比BCG信号中的心跳检测问题，尤其是在不同测量姿势和心率范围下的鲁棒性	研究样本量较小，仅包含43名受试者，且未涉及更多复杂环境下的验证	开发一种非接触式心跳检测方法，用于家庭护理中的心血管疾病风险预测和睡眠分期	心冲击图（BCG）信号	机器学习	心血管疾病	深度学习	UNet, Bi-LSTM	信号数据	43名受试者
7006	2025-02-21	A novel deep learning model based on the ICA and Riemannian manifold for EEG-based emotion recognition 2022-08-01, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2022.109642 PMID:35690333	研究论文	本文提出了一种基于独立成分分析（ICA）、黎曼流形（RM）和长短期记忆网络（LSTM）的新型深度学习模型ICRM-LSTM，用于基于EEG的情绪识别	结合ICA、RM和LSTM，提出了一种新的EEG情绪识别模型ICRM-LSTM，并通过实验验证了其优越性能	未提及具体局限性	提高基于EEG的情绪识别准确率	EEG信号	机器学习	NA	独立成分分析（ICA）、黎曼流形（RM）	LSTM	EEG信号	SEED和MAHNOB-HCI数据集
7007	2025-02-21	Unsupervised inter-frame motion correction for whole-body dynamic PET using convolutional long short-term memory in a convolutional neural network 2022-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102524 PMID:35797734	研究论文	本文提出了一种基于卷积长短期记忆网络的非监督自动深度学习框架，用于校正全身动态PET中的帧间运动	首次在全身范围内考虑示踪剂分布变化，结合卷积长短期记忆层充分利用动态时间特征和空间信息	数据集仅包含27名受试者，样本量相对较小	开发一种快速准确的全身动态PET帧间运动校正方法	全身动态PET图像	计算机视觉	NA	深度学习	卷积神经网络（CNN）与卷积长短期记忆（ConvLSTM）结合	图像	27名受试者，每人进行90分钟的FDG全身动态PET扫描
7008	2025-02-21	Time-Frequency Mask-Aware Bidirectional LSTM: A Deep Learning Approach for Underwater Acoustic Signal Separation 2022-Jul-26, Sensors (Basel, Switzerland) DOI:10.3390/s22155598 PMID:35898099	研究论文	本文提出了一种基于深度学习的双向长短期记忆网络（Bi-LSTM）方法，用于水下声学信号分离	提出了一种时间频率掩码感知的Bi-LSTM网络，突破了现有方法仅适用于二元信号分离的限制，能够在高噪声条件下有效分离多元信号	该模型只能处理已知信号，如用于校准的测试信号	提高水下声学信号分离的性能，特别是在高噪声环境下的多元信号分离	水下声学信号	机器学习	NA	深度学习	双向长短期记忆网络（Bi-LSTM）	时间频率图像	NA
7009	2025-02-21	Prediction of Time-Series Transcriptomic Gene Expression Based on Long Short-Term Memory with Empirical Mode Decomposition 2022-Jul-07, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms23147532 PMID:35886880	研究论文	本研究提出了一种基于信号分解技术和深度学习的多LSTM方法，用于预测时间序列转录组基因表达	结合经验模态分解（EMD）算法和长短期记忆（LSTM）网络，提出了一种新的分解-组合预测框架，以提高数据稳定性和模型鲁棒性	未提及具体的数据集大小或实验验证的广泛性	开发一种人工智能方法，以更好地利用有限的数据，在数据缺失的情况下获得有意义且可靠的分析结果	时间序列转录组基因表达数据	机器学习	NA	经验模态分解（EMD）	长短期记忆（LSTM）	时间序列数据	NA
7010	2025-02-21	Long short-term memory neural network for directly inverse design of nanofin metasurface 2022-Jul-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.458453 PMID:35776595	研究论文	本文使用长短期记忆神经网络（LSTM）快速准确地预测纳米鳍超表面的偏振敏感性，并与深度神经网络（DNN）进行比较，展示了LSTM在类似情况下的更高准确性和更好的鲁棒性	本文创新地直接使用LSTM进行纳米鳍超表面的逆设计，无需引入其他网络，方法更为直接	NA	研究纳米鳍超表面的偏振敏感性预测及其逆设计	纳米鳍超表面	机器学习	NA	LSTM, DNN	LSTM, DNN	数值数据	NA
7011	2025-02-21	A Deep Learning Framework Based on Dynamic Channel Selection for Early Classification of Left and Right Hand Motor Imagery Tasks 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/EMBC48229.2022.9871446 PMID:36085892	研究论文	本文提出了一种基于动态通道选择的深度学习框架，用于早期分类左右手运动想象任务	结合1D卷积神经网络-长短期记忆网络（CNN-LSTM）和基于Davies-Bouldin指数（DBI）的动态通道选择方法，提高了分类准确率	NA	开发一种高效的脑机接口（BCI）分类器，能够在短时间内从脑电图（EEG）信号中准确分类运动想象任务	脑电图（EEG）信号	机器学习	NA	脑电图（EEG）	1D CNN-LSTM	脑电图（EEG）信号	BCI competition IV-IIa数据集
7012	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
7013	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
7014	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
7015	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
7016	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
7017	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
7018	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
7019	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
7020	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