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
7081	2025-02-21	Monitoring ICU Mortality Risk with A Long Short-Term Memory Recurrent Neural Network 2020, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing PMID:31797590	研究论文	本文提出了一种基于长短期记忆循环神经网络（LSTM）的动态监测ICU患者死亡风险的新框架	该框架使用词袋表示法处理相关医疗事件，并利用潜在语义分析（LSA）将患者状态编码为低维嵌入，进而通过LSTM网络进行死亡风险预测，相比现有严重程度评分系统SAPS-II表现更优	未提及具体样本量及数据缺失处理的具体细节	开发一种能够动态监测ICU患者死亡风险的预测模型，以提高医疗干预效果和临床资源分配效率	ICU患者的电子健康记录（EHR）	自然语言处理	NA	潜在语义分析（LSA）	长短期记忆网络（LSTM）	电子健康记录（EHR）	NA
7082	2025-02-21	A Dual-Modal Attention-Enhanced Deep Learning Network for Quantification of Parkinson's Disease Characteristics 2020-01, 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.2019.2946194 PMID:31603824	研究论文	本文提出了一种双模态注意力增强的深度学习网络，用于量化帕金森病（PD）患者的步态特征	该研究不仅实现了PD步态与正常步行的二分类，还量化了PD步态以关联其与PD严重程度，采用了双模态深度学习模型，结合CNN和注意力增强的LSTM网络	需要合适的训练以确保模型的高置信度和准确性	开发一种计算机化工具，客观评估PD患者的步态	帕金森病患者的步态	机器学习	帕金森病	深度学习	CNN, LSTM	1D垂直地面反作用力（VGRF）信号	NA
7083	2025-02-21	Human Gait Recognition Based on Frame-by-Frame Gait Energy Images and Convolutional Long Short-Term Memory 2020-Jan, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065719500278 PMID:31747820	研究论文	本文提出了一种基于卷积长短期记忆网络（Conv-LSTM）和逐帧步态能量图像（ff-GEI）的新方法，用于提高步态识别的准确率	提出了一种新的步态能量图像变体ff-GEI，并设计了一种基于Conv-LSTM的步态识别模型，有效解决了跨视角步态识别的问题	NA	提高步态识别的准确率，特别是在无干扰视频监控和远距离人类识别中的应用	人类步态	计算机视觉	NA	深度学习	Conv-LSTM	视频	CASIA Dataset B 和 OU-ISIR Large Population Dataset
7084	2025-02-21	A Long Short-Term Memory neural network for the detection of epileptiform spikes and high frequency oscillations 2019-12-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-55861-w PMID:31852929	研究论文	本文提出了一种用于检测癫痫样尖波和高频振荡的长短期记忆神经网络	使用长短期记忆神经网络自动检测颅内脑电图中的尖波、涟漪和尖波上的涟漪，提高了诊断价值	样本量相对较小，仅涉及12名患者的数据	开发一种自动化工具，用于分析颅内脑电图数据，以检测癫痫样尖波和高频振荡	癫痫患者的颅内脑电图数据	机器学习	癫痫	深度学习	LSTM	颅内脑电图（iEEG）	12名患者的颅内脑电图数据
7085	2025-02-21	Interpretable, highly accurate brain decoding of subtly distinct brain states from functional MRI using intrinsic functional networks and long short-term memory recurrent neural networks 2019-11-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2019.116059 PMID:31362049	研究论文	本文提出了一种基于深度学习的框架，利用内在功能网络建模和长短期记忆（LSTM）循环神经网络（RNNs）进行脑解码，以区分细微不同的脑状态	结合内在功能网络（FNs）和LSTM RNNs，构建了可解释且高精度的脑解码模型，显著提高了对细微不同工作记忆任务的区分能力	未明确提及具体限制，但可能包括对数据质量和数量的依赖，以及模型在不同任务上的泛化能力	开发一种高精度的脑解码方法，以区分细微不同的脑状态	功能性磁共振成像（fMRI）数据	机器学习	NA	功能性磁共振成像（fMRI），长短期记忆循环神经网络（LSTM RNNs）	LSTM RNNs	fMRI数据	HCP数据集中的fMRI数据
7086	2025-02-21	A Review of Recurrent Neural Networks: LSTM Cells and Network Architectures 2019-07, Neural computation IF:2.7Q3 DOI:10.1162/neco_a_01199 PMID:31113301	综述	本文回顾了循环神经网络（RNNs）中的长短期记忆（LSTM）单元及其变体，探讨了LSTM单元的学习能力，并将LSTM网络分为两大类：LSTM主导的网络和集成LSTM网络，并讨论了它们的各种应用	通过引入门函数到单元结构中，LSTM能够很好地处理长期依赖问题，几乎所有基于RNNs的激动人心的成果都是由LSTM实现的	本文主要集中于LSTM及其变体的回顾，未涉及其他类型的RNNs或更广泛的深度学习模型	探讨LSTM单元的学习能力及其在网络架构中的应用	LSTM单元及其变体，LSTM主导的网络和集成LSTM网络	自然语言处理	NA	NA	LSTM	序列数据（如文本、音频、视频）	NA
7087	2025-02-21	EEG-Based Emotion Recognition with Similarity Learning Network 2019-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.2019.8857499 PMID:31946110	研究论文	本文提出了一种基于双向长短期记忆网络（BLSTM）的相似性学习网络，用于基于EEG信号的情感识别	提出了结合成对约束损失和传统监督分类损失函数的相似性学习网络，显著提高了情感分类性能	NA	提高基于EEG信号的情感识别性能	EEG信号	自然语言处理	NA	NA	BLSTM	EEG信号	SEED数据集
7088	2025-02-21	Decoding Movements from Cortical Ensemble Activity Using a Long Short-Term Memory Recurrent Network 2019-06, Neural computation IF:2.7Q3 DOI:10.1162/neco_a_01189 PMID:30979355	研究论文	本文开发了一种基于长短期记忆（LSTM）的解码器，用于从猕猴执行运动任务时多个皮层区域的神经元群体活动中提取运动学信息	利用LSTM网络解码神经元群体活动，显著优于现有的无迹卡尔曼滤波器，并展示了LSTM单元模拟皮层神经元活动的多种生理特征	研究仅限于猕猴模型，尚未在人类患者中进行验证	改进脑机接口（BMI）解码器的设计，以恢复严重残疾患者的运动功能	猕猴的多个皮层区域的神经元群体活动	机器学习	NA	LSTM	LSTM	神经元活动数据	134-402个神经元，来自多个皮层区域
7089	2025-02-21	Baseball Player Behavior Classification System Using Long Short-Term Memory with Multimodal Features 2019-Mar-22, Sensors (Basel, Switzerland) DOI:10.3390/s19061425 PMID:30909503	研究论文	本文提出了一种基于多模态特征和长短期记忆网络的棒球运动员行为分类系统	通过结合深度摄像头和多个惯性传感器的信号，提取时间变化的骨架向量投影和统计特征，并提出了基于深度学习的训练行为分类器方案	NA	开发一种能够准确识别棒球运动员行为的分类系统	棒球运动员的行为	计算机视觉	NA	深度学习	LSTM	图像和传感器信号	NA
7090	2025-02-21	fNIRS improves seizure detection in multimodal EEG-fNIRS recordings 2019-02, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.24.5.051408 PMID:30734544	研究论文	本文探讨了在癫痫监测中，结合功能性近红外光谱（fNIRS）与脑电图（EEG）的多模态数据，利用深度学习方法来提高癫痫发作检测的性能	本文的创新点在于首次将fNIRS与EEG结合，利用深度学习模型（LSTM）进行癫痫发作检测，并展示了多模态数据在提高检测性能方面的优势	研究的局限性在于样本量相对较小（40名难治性癫痫患者），且未在其他独立数据集上进行验证	研究目的是探索fNIRS与EEG结合的多模态数据在癫痫发作检测中的应用价值	研究对象为40名难治性癫痫患者的EEG和fNIRS数据	机器学习	癫痫	功能性近红外光谱（fNIRS）和脑电图（EEG）	长短期记忆网络（LSTM）	多模态数据（EEG和fNIRS）	40名难治性癫痫患者的89次癫痫发作记录
7091	2025-02-21	BO-LSTM: classifying relations via long short-term memory networks along biomedical ontologies 2019-Jan-07, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-018-2584-5 PMID:30616557	研究论文	本文提出了一种新的模型BO-LSTM，利用领域特定的本体来检测和分类文本中的关系，特别是在生物医学文本挖掘任务中	BO-LSTM模型通过将每个实体表示为其在本体中的祖先序列，利用生物医学本体来提高关系检测和分类的性能	模型依赖于特定领域的本体，可能在其他领域或没有可用本体的任务中表现不佳	提高生物医学文本挖掘任务中关系检测和分类的准确性	药物-药物相互作用、基因与表型之间的关系	自然语言处理	NA	长短期记忆网络（LSTM）	BO-LSTM	文本	792个药物描述和233篇科学摘要，以及228篇注释了基因与表型关系的摘要
7092	2025-02-21	Analysis and prediction of unplanned intensive care unit readmission using recurrent neural networks with long short-term memory 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0218942 PMID:31283759	研究论文	本文利用带有长短期记忆的循环神经网络分析和预测重症监护病房（ICU）非计划再入院情况	采用RNN与LSTM结合的方法，能够捕捉电子健康记录（EHRs）的多变量特征和图表事件特征的突然波动，提高了ICU再入院预测的敏感性和曲线下面积	未提及具体的研究局限性	提高ICU决策的准确性，实现医院精准医疗	重症监护病房（ICU）患者	机器学习	NA	监督机器学习	RNN, LSTM	临床数据	MIMIC-III数据库中的综合纵向临床数据
7093	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
7094	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
7095	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
7096	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
7097	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
7098	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
7099	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
7100	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