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
17101	2025-02-21	Emotion Recognition with Refined Labels for Deep Learning 2020-07, 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/EMBC44109.2020.9176111 PMID:33017942	研究论文	本文提出了一种改进的情感识别方法，通过开发一种阈值方案，将连续的情感轨迹转换为时间上的三类注释，从而提高分类准确性	提出了一种新的阈值方案，将连续的情感轨迹转换为时间上的三类注释，解决了传统方法中固定注释导致分类准确性下降的问题	研究仅使用了MAHNOB-HCI数据集的一个子集，可能限制了结果的普适性	提高情感识别的分类准确性	情感识别	自然语言处理	NA	LSTM网络	LSTM	EEG信号和面部视频	MAHNOB-HCI数据集的一个子集	NA	NA	NA	NA
17102	2025-02-21	Detection of patient-ventilator asynchrony from mechanical ventilation waveforms using a two-layer long short-term memory neural network 2020-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2020.103721 PMID:32250853	研究论文	本文提出了一种使用两层长短期记忆（LSTM）神经网络从机械通气波形中检测患者-呼吸机异步（PVA）的方法	首次将深度学习技术应用于PVA检测，特别是使用两层LSTM网络来识别两种最常见的PVA类型	研究仅针对两种PVA类型（DT和IEE）进行了测试，未涵盖所有可能的PVA类型	提高患者-呼吸机异步（PVA）的自动检测效率，以改善患者与呼吸机的交互	机械通气波形数据	机器学习	NA	深度学习	LSTM	波形数据	两个数据集	NA	NA	NA	NA
17103	2025-02-21	Spatio-Temporal Abnormal Behavior Prediction in Elderly Persons Using Deep Learning Models 2020-Apr-21, Sensors (Basel, Switzerland) DOI:10.3390/s20082359 PMID:32326349	研究论文	本文研究了多种深度学习模型用于识别和预测老年人异常行为	结合了时间信息和空间序列，使用多种深度学习模型进行异常行为预测	仅使用了两个公开数据集进行测试，可能缺乏广泛性	开发能够准确预测老年人异常行为的健康监测系统	老年人	机器学习	老年疾病	深度学习	LSTM, CNN, CNN-LSTM, Autoencoder-CNN-LSTM	时间序列数据，空间序列数据	两个公开数据集	NA	NA	NA	NA
17104	2025-02-21	A deep learning-based method for drug-target interaction prediction based on long short-term memory neural network 2020-03-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-020-1052-0 PMID:32183788	研究论文	本文提出了一种基于深度学习的药物-靶点相互作用预测方法，利用长短期记忆神经网络进行预测	首次在药物-靶点相互作用预测中测试了具有记忆和图灵完备性的深度学习方法的潜力	未明确提及具体局限性	开发有效的计算方法以验证药物与靶点之间的相互作用	药物-靶点相互作用	机器学习	NA	PSSM, LM, SPCA, DeepLSTM	LSTM	蛋白质进化特征和药物分子亚结构指纹	四类重要的药物-靶点数据集	NA	NA	NA	NA
17105	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	NA	NA	NA	NA
17106	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	NA	NA	NA	NA
17107	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	NA	NA	NA	NA
17108	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	NA	NA	NA	NA
17109	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	NA	NA	NA	NA
17110	2025-10-07	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	本文系统回顾了循环神经网络中的LSTM单元及其变体，并对LSTM网络架构进行分类和应用探讨	通过引入门控函数解决长程依赖问题，将LSTM网络系统分为LSTM主导型和集成型两大类别	主要关注LSTM及其变体，未全面覆盖其他类型的循环神经网络架构	探索LSTM单元的学习能力并系统分类LSTM网络架构	LSTM细胞及其变体、LSTM网络架构	自然语言处理	NA	深度学习	RNN, LSTM	序列数据（文本、音频、视频）	NA	NA	LSTM	NA	NA
17111	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	NA	NA	NA	NA
17112	2025-10-07	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	开发基于长短期记忆循环网络的解码器，从猕猴多个皮层区域的神经元群体活动中提取运动学信息	首次将LSTM网络应用于大规模神经元群体活动的实时解码，在多种运动任务中显著优于传统方法	研究仅限于猕猴模型，尚未在人类患者中进行验证	改进脑机接口解码算法，为严重残疾患者的运动功能恢复提供新策略	猕猴在执行运动任务时多个皮层区域的神经元群体活动	机器学习	运动功能障碍	神经元群体记录技术	LSTM	神经电生理信号	134-402个神经元同时记录	NA	LSTM	解码准确率	NA
17113	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
17114	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
17115	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
17116	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
17117	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
17118	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
17119	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
17120	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