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
7041	2025-02-21	A Stacked BiLSTM Neural Network Based on Coattention Mechanism for Question Answering 2019, Computational intelligence and neuroscience DOI:10.1155/2019/9543490 PMID:31531011	研究论文	本文提出了一种基于共注意力机制的堆叠双向长短期记忆（BiLSTM）神经网络，用于问答系统中的语义交互提取	结合余弦相似度和欧几里得距离对问题和答案句子进行评分，以提高问答系统的性能	未提及具体局限性	提高问答系统的语义理解和交互能力	问答系统中的问题和答案	自然语言处理	NA	深度学习	BiLSTM	文本	TREC 8-13数据集和Wiki-QA数据集
7042	2025-02-21	Mixed convolutional and long short-term memory network for the detection of lethal ventricular arrhythmia 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0216756 PMID:31107876	研究论文	本文提出了一种基于1D卷积神经网络（CNN）和长短期记忆（LSTM）网络的深度学习架构，用于检测致死性心室心律失常	结合1D-CNN和LSTM网络，提出了一种新的深度学习架构，用于心室颤动（VF）检测，并在OHCA数据上达到了迄今为止最高的准确率	研究使用了两个数据集，其中一个来自公共存储库，另一个来自OHCA患者，但未提及数据集的多样性和样本量的具体大小	开发一种能够在极短时间内准确诊断心室颤动的算法，以提高院外心脏骤停（OHCA）患者的生存率	心室颤动（VF）的检测	机器学习	心血管疾病	深度学习	1D-CNN和LSTM	ECG信号	两个数据集，一个来自公共存储库的Holter记录，另一个来自OHCA患者，具体样本量未提及
7043	2025-02-21	Hand Gesture Recognition in Automotive Human⁻Machine Interaction Using Depth Cameras 2018-Dec-24, Sensors (Basel, Switzerland) DOI:10.3390/s19010059 PMID:30586882	综述	本文综述了使用深度摄像头进行手势识别在汽车人机交互中的应用，特别是基于飞行时间传感器的深度数据的机器学习方法	提出了一个新的基准数据集REHAP，包含超过一百万个独特的三维手势样本	NA	探讨在汽车人机交互中使用深度摄像头进行手势识别的机器学习方法	手势识别	计算机视觉	NA	飞行时间传感器	卷积神经网络（CNN）、长短期记忆网络（LSTM）	深度数据	超过一百万个独特的三维手势样本
7044	2025-02-21	Deep Neural Network Based Predictions of Protein Interactions Using Primary Sequences 2018-Aug-01, Molecules (Basel, Switzerland) DOI:10.3390/molecules23081923 PMID:30071670	研究论文	本文介绍了一种基于深度神经网络的蛋白质相互作用预测框架（DNN-PPI），仅使用蛋白质一级序列进行自动特征学习	提出了一种新的深度神经网络框架，能够自动从蛋白质一级序列中学习特征，避免了传统方法中繁琐的特征工程	模型的过拟合和泛化能力在大多数场景中尚未得到充分研究	大规模预测蛋白质-蛋白质相互作用，以深入了解蛋白质功能、疾病发生和治疗设计	蛋白质一级序列	机器学习	NA	深度学习	CNN, LSTM	序列数据	Pan的人类PPI数据集及六个外部数据集
7045	2025-02-21	Automatic detection and classification of marmoset vocalizations using deep and recurrent neural networks 2018-07, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/1.5047743 PMID:30075670	研究论文	本文研究了使用大规模狨猴发声数据集和深度学习技术自动检测和分类狨猴发声的方法	本文创新性地将深度神经网络（DNN）和长短期记忆循环神经网络（LSTM-RNN）应用于狨猴发声的检测和分类，并与传统的基于规则的检测方法和支持向量机（SVM）分类算法进行了比较	实验数据仅来自四对狨猴双胞胎，样本量相对较小，可能影响模型的泛化能力	自动检测和分类狨猴发声	狨猴发声	自然语言处理	NA	深度学习	DNN, LSTM-RNN, SVM	音频	1500分钟的音频数据，来自四对狨猴双胞胎
7046	2025-02-21	FPGA implementation of deep-learning recurrent neural networks with sub-millisecond real-time latency for BCI-decoding of large-scale neural sensors (104 nodes) 2018-Jul, 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/EMBC.2018.8512415 PMID:30440576	研究论文	本文展示了一种基于FPGA的LSTM RNN实现，用于在名为'NeuroCoder'的移动低功耗嵌入式系统平台上解码10,000个神经数据通道	开发了一种能够在移动低功耗嵌入式系统平台上实现亚毫秒级实时延迟的FPGA实现，用于解码大规模神经数据	研究仅提供了在模拟10,000个神经通道上解码20维频谱时间表示的证明，未涉及实际神经数据的验证	开发低延迟实时神经解码系统，用于下一代脑机接口在复杂人类任务中的应用	大规模神经传感器数据（10,000个通道）	机器学习	NA	FPGA实现	LSTM RNN	神经数据	模拟10,000个神经通道
7047	2025-02-21	A deep learning framework for causal shape transformation 2018-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2017.12.003 PMID:29301111	研究论文	本文提出了一种结合卷积神经网络（CNN）和堆叠自编码器（SAE）的混合架构，用于学习一系列因果动作，将输入视觉模式或分布非线性转换为具有相同支持的目标视觉模式或分布	提出了一种新的混合架构，结合CNN和SAE，用于解决高维一对多逆映射问题，特别是在微流体流动塑造中的应用	该方法主要适用于可见域中的状态转换，可能不适用于依赖潜在域的问题	研究如何利用深度学习解决高维物理问题，特别是在材料科学和医学生物学中的多步拓扑变换	微流体流动塑造中的高维一对多逆映射问题	机器学习	NA	深度学习	CNN, SAE	图像	NA
7048	2025-02-21	Deep Recurrent Neural Networks for Human Activity Recognition 2017-Nov-06, Sensors (Basel, Switzerland) DOI:10.3390/s17112556 PMID:29113103	研究论文	本文提出使用深度循环神经网络（DRNNs）构建能够捕捉可变长度输入序列中长距离依赖关系的识别模型	提出了基于长短期记忆（LSTM）DRNNs的单向、双向和级联架构，能够捕捉输入序列中的长距离依赖关系，优于传统的机器学习方法和其它深度学习技术	未提及具体局限性	研究人类活动识别中的深度学习应用	从身体佩戴传感器获取的原始输入序列	机器学习	NA	深度学习	DRNNs, LSTM	时间序列数据	未提及具体样本数量
7049	2025-02-21	DeepSleepNet: A Model for Automatic Sleep Stage Scoring Based on Raw Single-Channel EEG 2017-11, 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.2017.2721116 PMID:28678710	研究论文	本文提出了一种名为DeepSleepNet的深度学习模型，用于基于原始单通道EEG的自动睡眠阶段评分	该模型利用卷积神经网络提取时间不变特征，并使用双向长短期记忆网络自动学习睡眠阶段之间的转换规则，无需手工设计特征	模型未在不同数据集的模型架构和训练算法上进行调整，可能限制了其泛化能力	开发一种自动睡眠阶段评分模型，以减少对手工设计特征的依赖	单通道EEG数据	机器学习	NA	深度学习	CNN, 双向LSTM	EEG信号	两个公共睡眠数据集（MASS和Sleep-EDF）中的不同单通道EEG数据
7050	2025-02-21	A deep learning framework for financial time series using stacked autoencoders and long-short term memory 2017, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0180944 PMID:28708865	研究论文	本文提出了一种结合小波变换、堆叠自编码器和长短期记忆网络的新型深度学习框架，用于股票价格预测	首次将堆叠自编码器用于股票价格预测中的深度特征提取	NA	提高股票价格预测的准确性和盈利能力	六个市场指数及其对应的指数期货	机器学习	NA	小波变换、堆叠自编码器、长短期记忆网络	SAEs, LSTM	时间序列数据	六个市场指数及其对应的指数期货
7051	2025-02-20	Convolutional neural networks for automatic MR classification of myocardial iron overload in thalassemia major patients 2025-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11245-x PMID:39658686	研究论文	本文开发了一种深度学习模型，用于从T2*多回波MR图像中自动分类心肌铁过载（MIO）	开发了两种2D卷积神经网络（CNN），分别用于多切片（MS-HippoNet）和单切片（SS-HippoNet）分析，以自动分类心肌铁过载	研究仅基于回顾性数据，且样本主要来自地中海贫血患者，可能限制了模型的泛化能力	开发一种深度学习模型，用于自动分类心肌铁过载（MIO）	496名地中海贫血患者的心脏T2*多回波MR图像	计算机视觉	地中海贫血	T2*多回波MR成像	CNN	图像	823张心脏T2*多回波MR图像，来自496名地中海贫血患者
7052	2025-02-20	A deep learning method for total-body dynamic PET imaging with dual-time-window protocols 2025-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-07012-1 PMID:39688700	研究论文	本文开发了一种深度学习算法，能够从双时间窗协议预测动态图像，从而缩短动态正电子发射断层扫描（PET）的扫描时间	提出了一种双向序列到序列模型（Bi-AT-Seq2Seq），并引入注意力机制，显著优于单向或无注意力机制的模型	研究样本量相对较小，且仅限于肺结节和乳腺结节患者	缩短动态PET扫描时间，提高临床应用的可行性	70名肺结节或乳腺结节患者	医学影像分析	肺结节, 乳腺结节	动态PET/CT扫描	Bi-AT-Seq2Seq	医学影像	70名患者（32名男性，平均年龄53.61±13.53岁）
7053	2025-02-20	Deep learning-based intratumoral and peritumoral features for differentiating ocular adnexal lymphoma and idiopathic orbital inflammation 2025-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11275-5 PMID:39702637	研究论文	本文评估了基于深度学习的肿瘤内和肿瘤周围特征在区分眼附属器淋巴瘤（OAL）和特发性眼眶炎症（IOI）中的价值	使用基于注意力的融合模型融合了肿瘤内和肿瘤周围区域以及多个MR序列提取的特征，显著提高了诊断性能	研究中未发现肿瘤周围特征与肿瘤内特征在性能上有显著差异	评估深度学习在区分OAL和IOI中的应用价值	97名经病理学确认的OAL和IOI患者	数字病理学	眼附属器淋巴瘤, 特发性眼眶炎症	深度学习	基于注意力的融合模型	MR图像	97名患者（43名OAL，54名IOI）
7054	2025-02-20	Identifying influential nodes in brain networks via self-supervised graph-transformer 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109629 PMID:39731922	研究论文	本文提出了一种基于图变换器的自监督图重建框架（SSGR-GT），用于识别脑网络中的关键节点	采用自监督深度学习模型，无需手动特征提取，直接从数据中学习有意义的表示，结合图变换器提取脑图的局部和全局特征，并通过图融合技术结合功能和结构信息进行多模态分析	依赖于自监督学习的效果，可能受限于数据质量和模型训练过程	识别脑网络中的关键节点（I-nodes），以增强对脑工作机制的理解	脑网络中的关键节点	脑成像	NA	自监督深度学习，图变换器	Graph-Transformer	脑图数据	56个关键节点
7055	2025-02-20	Enhanced brain tumor detection and segmentation using densely connected convolutional networks with stacking ensemble learning 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109703 PMID:39862469	研究论文	本研究旨在通过实施先进的堆叠集成学习（SEL）方法，提高脑肿瘤（BT）检测和分割的准确性和分类效果	提出了一种名为SEL-DenseNet201的堆叠DenseNet201作为元模型，结合了六种不同的基础模型，以增强脑肿瘤MRI图像的分割性能	研究中未提及样本的具体数量，且未讨论模型在实际临床环境中的适用性和泛化能力	提高脑肿瘤检测和分割的准确性，以支持早期诊断和治疗规划	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	MRI图像分析	DenseNet201, MobileNet-v3, 3D-CNN, VGG-16, VGG-19, ResNet50, AlexNet	图像	NA
7056	2025-02-20	NetSDR: Drug repurposing for cancers based on subtype-specific network modularization and perturbation analysis 2025-Mar, Biochimica et biophysica acta. Molecular basis of disease DOI:10.1016/j.bbadis.2025.167688 PMID:39862994	研究论文	本文提出了NetSDR，一种基于网络的亚型特异性药物重定位框架，用于优先考虑特定癌症亚型的重定位药物	NetSDR框架通过整合癌症亚型信息和网络扰动分析，结合深度学习构建加权药物响应网络，提出了一种新的药物重定位方法	NA	开发一种基于网络的亚型特异性药物重定位框架，以优先考虑特定癌症亚型的重定位药物	癌症亚型	系统生物学	癌症	网络医学方法、深度学习	深度学习	蛋白质组学数据	NA
7057	2025-02-20	A robust and generalized framework in diabetes classification across heterogeneous environments 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109720 PMID:39864329	研究论文	本研究提出了一种鲁棒的机器学习框架，用于在不同人群中预测糖尿病，使用PIMA和BD两个不同的数据集进行验证	提出了一个跨异构环境的糖尿病分类框架，通过数据集内、数据集间和部分融合数据集验证技术，全面评估模型的泛化能力和性能	模型在跨数据集验证时性能下降，尤其是在BD数据集上训练并在PIMA数据集上测试时，准确率仅为74%	开发一个鲁棒的机器学习框架，以提高糖尿病预测在不同人群中的泛化能力和准确性	女性人群中的糖尿病预测	机器学习	糖尿病	机器学习	XGBoost, Random Forest, Gradient Boosting, 深度学习模型	结构化数据	PIMA和BD两个数据集
7058	2025-02-20	Enhancing cardiovascular disease classification in ECG spectrograms by using multi-branch CNN 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109737 PMID:39864336	研究论文	本文提出并比较了一维（1D）、二维（2D）卷积神经网络（CNN）和多分支卷积神经网络（MB-CNN）在从一维（1D）心电图（ECG）记录的频谱图中分类各种心血管疾病（CVD）的性能	提出了一种多分支卷积神经网络（MB-CNN），能够捕捉不同层次的抽象特征，从而提高了心血管疾病的分类精度	NA	提高从心电图频谱图中分类心血管疾病的准确性	心血管疾病（包括扩张型心肌病、肥厚型心肌病、心肌梗死和冠状动脉疾病）	计算机视觉	心血管疾病	连续小波变换（CWT）	1D CNN, 2D CNN, MB-CNN	图像（ECG频谱图）	MIT-BIH数据库中的5类ECG记录
7059	2025-02-20	OCDet: A comprehensive ovarian cell detection model with channel attention on immunohistochemical and morphological pathology images 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109713 PMID:39864335	研究论文	本文提出了一种名为OCDet的卵巢细胞检测模型，该模型结合了通道注意力机制，能够在免疫组化和形态学病理图像上全面检测多种卵巢癌细胞	OCDet模型首次结合了通道注意力机制，能够高效提取病理特征，并在多种卵巢癌细胞的检测上表现出色	虽然OCDet在卵巢癌细胞检测上表现出色，但其在其他癌症类型上的应用潜力尚未完全验证	开发一种高效的深度学习框架，用于卵巢癌病理诊断中的多种细胞检测	卵巢癌相关的多种细胞，包括CD3、CD8、CD20阳性淋巴细胞、中性粒细胞和多倍体巨癌细胞	数字病理	卵巢癌	深度学习	CSPDarkNet结合Efficient Channel Attention模块	图像	未明确提及具体样本数量
7060	2025-02-20	A deep architecture based on attention mechanisms for effective end-to-end detection of early and mature malaria parasites in a realistic scenario 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109704 PMID:39869986	研究论文	本文提出了一种基于深度学习和注意力机制的计算机辅助检测框架，用于有效检测和分类疟疾寄生虫的所有感染阶段，并支持多物种识别	该研究扩展了YOLO-SPAM和YOLO-PAM模型，结合注意力机制，提高了疟疾寄生虫检测的准确性和诊断实用性	NA	开发一种自动化疟疾检测解决方案，以支持病理学家并增强现实世界中的诊断实践	疟疾寄生虫	计算机视觉	疟疾	深度学习	YOLO-SPAM, YOLO-PAM	图像	三个公开可用的数据集