深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 354 篇文献，本页显示第 81 - 100 篇。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 81 | 2025-10-07 |
A demonstration of automated visual evaluation of cervical images taken with a smartphone camera
2020-11-01, International journal of cancer
IF:5.7Q1
DOI:10.1002/ijc.33029
PMID:32356305
|
研究论文 | 本研究验证了使用智能手机摄像头拍摄的宫颈图像进行自动化视觉评估在宫颈癌筛查中的可行性 | 首次将深度学习自动化视觉评估技术应用于智能手机拍摄的宫颈图像进行宫颈癌筛查 | 金标准为妇科肿瘤专家评估而非组织病理学诊断，且仅在小部分图像上进行了组织病理学验证 | 开发基于智能手机的宫颈癌筛查辅助工具 | 通过商业MobileODT EVA系统采集的宫颈图像 | 计算机视觉 | 宫颈癌 | 深度学习，自动化视觉评估 | 目标检测网络 | 图像 | 3221名女性的7587张宫颈图像 | NA | 目标检测网络 | AUC | NA |
| 82 | 2025-10-07 |
Malocclusion Classification on 3D Cone-Beam CT Craniofacial Images Using Multi-Channel Deep Learning Models
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/EMBC44109.2020.9176672
PMID:33018225
|
研究论文 | 本研究提出两种多通道深度学习模型架构，用于从3D CBCT颅面图像自动识别和分类骨骼性错颌畸形 | 提出集成和同步多通道两种新型深度学习架构，结合三种不同方向的2D投影视图，并采用类选择性相关映射可视化方法解释模型学习行为 | NA | 开发自动识别和分类骨骼性错颌畸形的深度学习系统 | 3D锥形束CT颅面图像 | 计算机视觉 | 错颌畸形 | 锥形束CT成像 | 深度学习模型 | 3D医学图像, 2D投影图像 | NA | NA | 集成多通道模型, 同步多通道模型 | 准确率 | NA |
| 83 | 2025-10-07 |
Risk factor analysis combined with deep learning in the risk assessment of overseas investment of enterprises
2020, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0239635
PMID:33006998
|
研究论文 | 结合风险因子分析和深度学习评估企业海外投资风险 | 将深度神经网络应用于企业海外投资风险评估，并基于国家集群样本识别主要风险来源 | 仅采用15个国家集群作为样本，样本规模有限；风险评估主要基于弗雷泽风险评估学习标签 | 评估企业海外投资风险并拓展深度学习在风险评估中的应用 | 15个国家集群的企业海外投资风险指标 | 机器学习 | NA | 深度学习 | DNN | 风险评估指标数据 | 15个国家集群 | NA | 深度神经网络 | 投资吸引力指数 | NA |
| 84 | 2025-10-07 |
The use of deep learning algorithm and digital media art in all-media intelligent electronic music system
2020, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0240492
PMID:33075083
|
研究论文 | 本研究提出基于深度强化学习的多任务和分层学习算法，应用于全媒体智能电子音乐系统中的图像处理任务 | 提出了基于深度确定性策略梯度的多任务学习算法(M-DDPG)和分层学习算法(H-DDPG)，用于解决智能系统中的多任务和复杂任务处理问题 | NA | 探索深度学习方法在智能电子音乐系统中的应用，促进深度学习与数字媒体技术的融合 | 智能电子音乐系统中的图像分类和多任务处理 | 数字媒体艺术 | NA | 深度强化学习 | DDPG, M-DDPG, H-DDPG | 图像 | 基于8个任务的测试环境 | NA | 深度确定性策略梯度，自增强网络 | 奖励值，准确率 | NA |
| 85 | 2025-10-07 |
Single image super-resolution via Image Quality Assessment-Guided Deep Learning Network
2020, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0241313
PMID:33119656
|
研究论文 | 提出了一种基于图像质量评估引导的深度学习网络用于单图像超分辨率重建 | 引入IQA网络提取感知特征并计算融合损失，通过级联网络解决异构数据集问题，提出成对排序铰链损失方法解决训练样本不足 | 未明确说明具体的数据集规模和网络架构细节 | 在超分辨率重建中实现感知质量与失真度量之间的更好平衡 | 单张低分辨率图像 | 计算机视觉 | NA | 深度学习超分辨率重建 | 深度学习网络 | 图像 | NA | 深度学习架构 | 级联网络 | 感知质量, 失真度量 | NA |
| 86 | 2025-10-07 |
The use of machine translation algorithm based on residual and LSTM neural network in translation teaching
2020, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0240663
PMID:33211704
|
研究论文 | 本研究构建了基于残差和LSTM神经网络的SCN-LSTM机器翻译模型，并验证其在翻译教学中的应用效果 | 提出融合跳跃卷积网络和长短期记忆网络的SCN-LSTM翻译模型，相比传统N元组模型性能提升近一倍 | NA | 促进翻译专业培养模式转型和翻译服务业在各领域的应用 | 英语专业翻译教学 | 自然语言处理 | NA | 机器翻译 | LSTM, CNN | 文本 | 真实数据集和公开PTB数据集 | NA | SCN-LSTM（Skip Convolutional Network and Long Short Term Memory） | 准确率, 翻译混淆度, 适应性 | NA |
| 87 | 2025-10-07 |
Applying Internet information technology combined with deep learning to tourism collaborative recommendation system
2020, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0240656
PMID:33271589
|
研究论文 | 提出一种结合深度学习的旅游协同推荐系统，通过整合互联网旅游信息提供个性化旅游服务 | 结合词嵌入、CNN处理评论信息、DNN处理必要信息以及因子分解机技术来提升推荐系统的个性化性能 | NA | 改进传统旅游推荐系统的不足，提供更准确个性化的旅游产品推荐 | 旅游产品信息和用户评论信息 | 自然语言处理,机器学习 | NA | 深度学习 | CNN,DNN | 文本 | NA | NA | 卷积神经网络,深度神经网络 | 精确度,灵敏度 | NA |
| 88 | 2025-04-04 |
DRTOP
: deep learning-based radiomics for the time-to-event outcome prediction in lung cancer
2020-07-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-020-69106-8
PMID:32703973
|
研究论文 | 提出了一种基于深度学习的放射组学模型DRTOP，用于预测肺癌患者的时间-事件结果 | DRTOP模型直接处理原始图像，无需预先定义特征或精确肿瘤分割，提高了预测效率和准确性 | 研究样本量较小（132例肺癌患者），且为内部数据集，可能需要更大规模的外部验证 | 开发深度学习模型以预测肺癌患者的生存和复发时间 | 肺癌患者 | 数字病理学 | 肺癌 | 深度学习放射组学 | 深度学习模型（未指定具体架构） | CT和PET医学影像 | 132例肺癌患者 | NA | NA | NA | NA |
| 89 | 2025-04-01 |
Deep learning approaches in predicting ADMET properties
2020-11, Future medicinal chemistry
IF:3.2Q3
DOI:10.4155/fmc-2020-0259
PMID:33124448
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 90 | 2025-10-07 |
Template-based prediction of protein structure with deep learning
2020-Dec-29, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-020-07249-8
PMID:33372607
|
研究论文 | 提出基于深度学习的ThreaderAI方法用于蛋白质三级结构预测 | 将模板-查询序列比对任务重新定义为计算机视觉中的像素分类问题，并首次应用深度残差神经网络进行预测 | NA | 提高蛋白质三级结构预测的准确性，特别是针对远缘同源蛋白 | 蛋白质序列和结构 | 计算机视觉, 机器学习 | NA | 深度学习, 蛋白质结构预测 | CNN, 深度残差神经网络 | 序列谱, 预测的结构特征, 残基-残基接触 | SCOPe数据集和CASP13的TBM-hard数据 | NA | ResNet | TM-score | NA |
| 91 | 2025-10-07 |
Control of hybrid electromagnetic bearing and elastic foil gas bearing under deep learning
2020, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0243107
PMID:33264358
|
研究论文 | 本研究基于径向基函数神经网络探索混合电磁和弹性箔气体轴承的控制方法以提高其工作稳定性 | 将PID控制器改进为IPD和CIPD控制器，并首次将基于深度学习的RBF神经网络应用于混合轴承系统的控制 | 仅通过Simulink仿真平台进行控制仿真研究，缺乏实际物理实验验证 | 提高混合电磁和弹性箔气体轴承的工作稳定性 | 混合电磁和弹性箔气体轴承系统 | 机器学习 | NA | Simulink仿真 | RBF神经网络 | 仿真数据 | NA | Simulink | 径向基函数神经网络 | 响应时间, 控制效果, 收敛速度 | Simulink仿真平台 |
| 92 | 2025-03-11 |
Re: An Observational Study of Deep Learning and Automated Evaluation of Cervical Images for Cancer Screening
2020-01-01, Journal of the National Cancer Institute
DOI:10.1093/jnci/djz115
PMID:31187115
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 93 | 2025-03-10 |
Deep Learning Identifies Cardiomyocyte Nuclei With High Precision
2020-08-14, Circulation research
IF:16.5Q1
DOI:10.1161/CIRCRESAHA.120.316672
PMID:32486999
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 94 | 2025-10-07 |
Analysis of the pattern recognition algorithm of broadband satellite modulation signal under deformable convolutional neural networks
2020, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0234068
PMID:32658924
|
研究论文 | 本研究基于可变形卷积神经网络构建宽带卫星调制信号模式识别模型，分析不同参数估计对低信噪比条件下信号识别性能的影响 | 首次将可变形卷积神经网络应用于宽带卫星调制信号识别，在低信噪比和非理想信道条件下实现高精度识别 | 研究基于Matlab软件仿真的卫星信号，未提及实际环境验证 | 分析深度学习在低信噪比条件下对卫星调制信号的识别性能 | 宽带卫星调制信号（BPSK、QPSK、8PSK、16QAM、64QAM、32APSK） | 信号处理 | NA | 星座图特征提取，信号仿真 | DCNN | 卫星调制信号数据 | 数据长度4000 | Matlab | 可变形卷积神经网络 | 识别准确率，训练时间 | NA |
| 95 | 2025-10-07 |
Risk management system and intelligent decision-making for prefabricated building project under deep learning modified teaching-learning-based optimization
2020, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0235980
PMID:32678855
|
研究论文 | 本研究基于改进教学优化算法和深度学习神经网络建立了装配式建筑项目风险管理系统的智能决策模型 | 提出结合信息熵改进教学优化算法(MTLBO)与BP神经网络的混合预测模型，增强了全局搜索能力且不易陷入局部最优 | 未明确说明具体测试函数和实际工程验证的样本规模 | 提高大型装配式建筑项目施工期间风险管理的智能化水平 | 装配式建筑项目的风险管理与智能决策 | 机器学习 | NA | 深度学习神经网络 | BP神经网络 | 工程风险数据 | NA | MATLAB | 多层前馈神经网络 | 收敛速度, 预测精度, 可靠性预测, 成本预测 | NA |
| 96 | 2025-10-07 |
The data dimensionality reduction and bad data detection in the process of smart grid reconstruction through machine learning
2020, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0237994
PMID:33027298
|
研究论文 | 本研究通过机器学习方法检测智能电网重构过程中的虚假数据注入攻击，解决电力系统中数据维度高和异常数据处理的问题 | 结合孤立森林异常评分算法与局部线性嵌入降维方法构建数据特征提取算法，并首次将CNN-GRU混合网络用于虚假数据注入攻击检测 | 研究基于标准IEEE节点系统的仿真数据，未在真实电网环境中验证 | 实现智能电网安全稳定运行，检测虚假数据注入攻击 | 电力系统数据，特别是虚假数据注入攻击数据 | 机器学习 | NA | MatPower工具仿真分析 | CNN, GRU | 电网仿真数据 | IEEE14总线和IEEE118总线节点系统 | NA | CNN-GRU混合网络 | 准确率 | NA |
| 97 | 2025-10-07 |
Virtual Molecular Projections and Convolutional Neural Networks for the End-to-End Modeling of Nanoparticle Activities and Properties
2020-10-20, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.0c02878
PMID:32970421
|
研究论文 | 本研究开发了一种基于虚拟分子投影和卷积神经网络的端到端方法，用于从纳米结构直接建模纳米颗粒活性和性质 | 提出虚拟分子投影作为纳米结构的多维数字化表示方法，并首次将CNN应用于直接从纳米结构端到端预测纳米颗粒活性和物理化学性质 | 仅使用77个纳米颗粒样本进行建模，样本规模相对较小 | 开发能够从复杂纳米结构直接预测纳米颗粒活性和性质的深度学习模型 | 纳米颗粒及其纳米结构 | 机器学习 | NA | 虚拟分子投影 | CNN | 多维数字化纳米结构数据 | 77个具有不同活性和/或物理化学性质的纳米颗粒 | NA | 卷积神经网络 | 预测结果与实验结果的相关系数 | NA |
| 98 | 2025-02-26 |
Harnessing the Power of Deep Learning to Assess Breast Cancer Risk
2020-02, Radiology
IF:12.1Q1
DOI:10.1148/radiol.2019192471
PMID:31846401
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 99 | 2025-02-21 |
Beat-to-Beat Continuous Blood Pressure Estimation Using Bidirectional Long Short-Term Memory Network
2020-Dec-25, Sensors (Basel, Switzerland)
DOI:10.3390/s21010096
PMID:33375722
|
研究论文 | 本研究提出了一种使用双向长短期记忆网络进行连续血压估计的模型，旨在通过无袖带方法监测高血压患者的血压 | 采用双向长短期记忆网络进行血压估计，并结合留一受试者法和微调策略以提高模型的泛化能力和多日测试中的兼容性 | 模型在多日测试中的误差较大，表明在多日场景下的稳定性仍需改进 | 开发一种无袖带、基于深度学习的连续血压估计模型，以简化高血压患者的血压监测 | 高血压患者的连续血压数据 | 机器学习 | 心血管疾病 | 深度学习 | 双向长短期记忆网络（BiLSTM） | 心电图（ECG）、光电容积描记图（PPG）、心冲击图（BCG） | 未明确提及具体样本数量，但使用了留一受试者法进行模型评估 | NA | NA | NA | NA |
| 100 | 2025-02-21 |
Application of feed forward and recurrent neural networks in simulation of left ventricular mechanics
2020-12-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-020-79191-4
PMID:33339836
|
研究论文 | 本文探讨了使用前馈神经网络和循环神经网络（RNN）模拟左心室（LV）力学的方法，以替代传统有限元（FE）模型 | 提出使用深度学习（DL）进行左心室（LV）的计算机模拟，相较于传统有限元（FE）模型，显著减少了计算时间 | 研究仅基于有限数量的FE模型进行训练和测试，可能限制了模型的泛化能力 | 研究目的是开发一种能够实时提供左心室（LV）力学模拟的深度学习模型 | 左心室（LV）的压力和体积，以及心肌的应力 | 机器学习 | 心血管疾病 | 深度学习（DL） | 前馈神经网络和循环神经网络（RNN）与长短期记忆（LSTM） | 模拟数据 | 80个四腔心脏FE模型用于训练LV压力和体积，120个仅LV的FE模型用于训练LV应力预测 | NA | NA | NA | NA |