深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
16421	2025-10-07	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	提出基于长短期记忆网络与多模态特征的棒球运动员行为分类系统	融合深度摄像头与惯性传感器的多模态特征，采用深度学习方案进行行为分类	论文未明确说明系统在实时场景或复杂环境下的性能表现	开发棒球运动员行为自动识别系统	棒球运动员的各类行为动作	计算机视觉	NA	深度摄像头，惯性传感器	LSTM	骨架向量，传感器信号	论文未明确说明具体样本数量	NA	长短期记忆网络	准确率	NA
16422	2025-10-07	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	本研究探讨了结合fNIRS与EEG多模态数据在癫痫发作检测中的优势	首次将深度学习应用于EEG-fNIRS多模态数据，证明fNIRS能显著提升癫痫发作检测性能	研究样本量有限（40名患者），仅针对难治性癫痫患者	评估fNIRS在癫痫发作检测中的附加价值	难治性癫痫患者	医学神经影像分析	癫痫	功能性近红外光谱(fNIRS), 脑电图(EEG)	RNN, LSTM	多模态神经影像数据(EEG和fNIRS)	40名难治性癫痫患者，包含89次癫痫发作记录	NA	长短期记忆循环神经网络	灵敏度, 特异性, 错误检测率	NA
16423	2025-10-07	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	提出一种利用生物医学本体增强长短期记忆网络的关系分类模型BO-LSTM	首次将生物医学本体中的实体祖先序列信息整合到深度学习模型中，用于关系分类任务	未明确说明模型在更大规模数据集上的泛化能力	改进生物医学文本挖掘中的关系检测与分类任务	药物-药物相互作用、基因-表型关系	自然语言处理	NA	文本挖掘	LSTM	文本	792个药物描述和233篇科学摘要（DDI），228篇基因-表型关系标注摘要	NA	LSTM	F1-score	NA
16424	2025-10-07	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	使用长短期记忆循环神经网络分析和预测ICU非计划再入院	利用LSTM网络捕捉电子健康记录中的多变量特征和生命体征的突然波动，能够更好地识别ICU患者的高波动性和不稳定状态	NA	开发高效的出院决策支持系统，预测ICU患者30天内非计划再入院风险	ICU患者	机器学习	重症监护	电子健康记录分析	RNN, LSTM	临床数据	MIMIC-III数据库中的综合纵向临床数据	NA	LSTM	灵敏度, AUC	NA
16425	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	NA	NA	NA	NA
16426	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	NA	NA	NA	NA
16427	2025-10-07	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	本文综述了基于飞行时间传感器深度数据的手势识别机器学习方法在汽车人机交互中的应用	提出了包含超过百万个独特三维手势样本的新型基准数据集REHAP，并研究了深度学习框架中的多种传感器数据融合技术	NA	评估深度相机在汽车人机交互中手势识别技术的应用效果	三维手势数据	计算机视觉	NA	飞行时间传感器深度数据采集	CNN, LSTM	深度数据，三维手势数据	超过100万个独特三维手势样本	深度学习框架	卷积神经网络，长短期记忆网络	可靠性评估	NA
16428	2025-10-07	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	提出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	结合CNN和LSTM网络自动学习氨基酸语义关联、序列基序及长短程依赖关系，无需人工特征工程	模型过拟合和泛化能力在多数场景下尚未充分研究	大规模预测蛋白质-蛋白质相互作用以理解蛋白质功能、疾病发生和治疗设计	蛋白质一级序列	机器学习	NA	蛋白质序列分析	CNN,LSTM	序列数据	Pan人类PPI数据集及六个外部数据集	NA	CNN,LSTM,全连接神经网络	准确率,马修斯相关系数	NA
16429	2025-10-07	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	本研究使用深度学习和循环神经网络实现了狨猴发声的自动检测与分类	首次将LSTM-RNN应用于狨猴发声检测，并在大规模数据集上对比了多种深度学习方法与传统方法的性能	测试集区分了训练集中是否包含相同狨猴个体的数据，可能影响模型泛化能力评估	开发自动化的狨猴发声检测与分类系统	狨猴发声录音	自然语言处理	NA	音频分析	DNN, LSTM, SVM	音频	1500分钟录音数据，来自4对狨猴双胞胎	NA	DNN, LSTM-RNN	帧错误率, 准确率	NA
16430	2025-10-07	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	本文提出了一种基于FPGA的深度学习递归神经网络实现，用于大规模神经传感器的脑机接口解码，能够实现亚毫秒级实时延迟	开发了名为NeuroCoder的移动低功耗嵌入式系统平台，首次在FPGA上实现了参数量达404万的LSTM RNN模型，能够实时解码10,000个神经通道	目前仅在模拟的10,000个神经通道和20维声谱时域表示的语音词解码场景中进行了概念验证	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，包括神经元放电、多单元活动和局部场电位	脑机接口	NA	神经信号解码	LSTM, RNN	神经信号数据	10,000个神经通道的模拟数据	NA	LSTM	实时延迟（亚毫秒级）	FPGA（现场可编程门阵列），移动低功耗嵌入式系统平台
16431	2025-10-07	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	提出一种结合卷积神经网络和堆叠自编码器的混合架构，用于学习将输入视觉模式非线性转换为目标视觉模式的因果动作序列	解决了高维一对多逆映射问题，在微流体流场塑造中首次深入探索深度学习作为逆映射方法的应用	仅针对特定物理领域问题验证，未在更广泛的多步拓扑变换场景中测试	开发能够学习因果形状变换序列的深度学习框架	视觉模式和分布的序列变换	计算机视觉	NA	深度学习	CNN, SAE	视觉模式、分布数据	NA	NA	卷积神经网络, 堆叠自编码器	NA	NA
16432	2025-10-07	Deep Recurrent Neural Networks for Human Activity Recognition 2017-Nov-06, Sensors (Basel, Switzerland) DOI:10.3390/s17112556 PMID:29113103	研究论文	提出使用深度循环神经网络进行人类活动识别，能够捕捉可变长度输入序列中的长期依赖关系	采用基于LSTM的深度循环神经网络架构，能够处理可变长度输入序列并捕获长期时间依赖关系，克服了传统方法固定长度输入窗口的限制	未明确说明模型在实时应用中的计算效率和处理速度	开发能够有效识别人类活动的高性能模型	从身体佩戴传感器获取的人类活动数据序列	机器学习	NA	传感器数据采集	RNN, LSTM	时间序列数据	多个基准数据集（具体数量未明确说明）	NA	LSTM, 单向LSTM, 双向LSTM, 级联LSTM	NA	NA
16433	2025-10-07	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	提出一种基于原始单通道脑电图的自动睡眠分期深度学习模型DeepSleepNet	无需手工设计特征，自动从原始脑电信号中学习时间不变特征和睡眠阶段转换规则	NA	开发自动睡眠分期模型	睡眠脑电图数据	机器学习	睡眠障碍	脑电图	CNN, 双向LSTM	脑电信号	来自两个公共睡眠数据集的不同单通道脑电图	NA	DeepSleepNet	准确率, 宏F1分数	NA
16434	2025-10-07	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	提出一种结合小波变换、堆叠自编码器和长短期记忆网络的深度学习框架用于股价预测	首次将堆叠自编码器用于分层提取深度特征并应用于股价预测	NA	开发深度学习框架以提高股价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	金融时间序列数据	六个市场指数及其指数期货	NA	堆叠自编码器,LSTM	预测准确性,盈利能力表现	NA
16435	2025-10-07	Deep learning-based segmentation in MRI-(immuno)histological examination of myelin and axonal damage in normal-appearing white matter and white matter hyperintensities 2025-Mar, Brain pathology (Zurich, Switzerland) DOI:10.1111/bpa.13301 PMID:39175459	研究论文	本研究结合深度学习和多模态成像技术，量化分析正常表现白质和白质高信号区域的髓鞘和轴突损伤	首次将深度学习分割技术与偏振光成像、(免疫)组织化学及死后脑成像相结合，实现体素级别的白质微结构病理评估	研究样本量有限，且为死后组织分析，无法实时观察疾病进展过程	探究脑小血管疾病中白质微结构损伤的早期病理机制	高血压患者和正常血压对照者的死后脑组织样本	数字病理学	脑血管疾病	偏振光成像,(免疫)组织化学,磁共振成像,深度学习分割	深度学习	医学图像,组织切片	高血压患者和正常血压对照者的脑组织样本（具体数量未明确说明）	NA	NA	NA	NA
16436	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）	NA	NA	NA	NA
16437	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）	NA	NA	NA	NA
16438	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	NA	NA	NA	NA
16439	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	NA	NA	NA	NA
16440	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	NA	NA	NA	NA