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 1858 篇文献，本页显示第 161 - 180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 161 | 2025-06-08 |
OWAE-Net: COVID-19 detection from ECG images using deep learning and optimized weighted average ensemble technique
2022-Nov, Intelligent systems with applications
DOI:10.1016/j.iswa.2022.200154
PMID:40477980
|
research paper | 该研究提出了一种名为OWAE-Net的深度学习方法，通过优化加权平均集成技术，利用ECG图像进行COVID-19的多类别分类检测 | 使用三种深度学习模型的集成方法，并通过网格搜索技术优化加权平均集成技术，提高了COVID-19检测的准确率 | NA | 开发一种更快、更安全的COVID-19诊断方法 | ECG图像 | digital pathology | COVID-19 | deep learning, grid search | VGG-19, EfficientNet-B4, DenseNet-121, OWAE | image | NA | NA | NA | NA | NA |
| 162 | 2025-06-08 |
Deep viewing for the identification of Covid-19 infection status from chest X-Ray image using CNN based architecture
2022-Nov, Intelligent systems with applications
DOI:10.1016/j.iswa.2022.200130
PMID:40478040
|
research paper | 该研究提出了一种基于CNN的深度学习技术，用于从胸部X光图像中自动诊断Covid-19感染状态 | 使用大量数据集（10,293张X光片）训练和测试模型，并在区分Covid-19和肺炎患者方面取得了99.60%的高准确率 | 现有技术大多未使用大量数据进行训练和测试，本研究虽然使用了较大数据集，但仍可能存在数据多样性和泛化能力方面的限制 | 开发一种快速准确的Covid-19自动诊断系统，以辅助临床医生和研究人员 | 胸部X光图像，包括Covid-19、肺炎和正常患者三类 | computer vision | Covid-19 | 深度学习 | CNN | image | 10,293张X光片（其中2,875张为Covid-19患者） | NA | NA | NA | NA |
| 163 | 2025-06-08 |
AI-aided on-chip nucleic acid assay for smart diagnosis of infectious disease
2022-May, Fundamental research
IF:5.7Q1
DOI:10.1016/j.fmre.2021.12.005
PMID:40477452
|
research paper | 提出了一种结合深度学习和微流控纸基分析设备的AI辅助芯片核酸测定方法，用于智能诊断传染病 | 首次将AI整合到芯片PCR数据分析中，能够预测qPCR的最终输出和趋势，并探索每个反应的动态和内在特征 | NA | 提高PCR检测效率，实现传染病的智能诊断 | SARS-CoV-2 ORF1ab基因的合成RNA模板 | digital pathology | infectious disease | PCR, deep learning, microfluidic paper-based analytical devices (µPADs) | RNN, LSTM, GRU | real-time PCR data | NA | NA | NA | NA | NA |
| 164 | 2025-06-08 |
Novel deep learning approach to model and predict the spread of COVID-19
2022-May, Intelligent systems with applications
DOI:10.1016/j.iswa.2022.200068
PMID:40477648
|
研究论文 | 本文提出了一种名为Deep Sequential Prediction Model (DSPM)的深度学习技术和基于机器学习的Non-parametric Regression Model (NRM)来预测COVID-19的传播 | 提出了DSPM和NRM两种新模型，用于预测COVID-19的传播，并在公开数据集上验证了其优越性能 | 未提及模型在实际应用中的泛化能力或对不同地区数据的适应性 | 开发稳健的人工智能技术以预测COVID-19的传播 | COVID-19的传播趋势 | 机器学习 | COVID-19 | 深度学习、机器学习 | DSPM、NRM、SVM、LSTM | 公开的新型冠状病毒数据集 | NA | NA | NA | NA | NA |
| 165 | 2025-06-08 |
Adaptively temporal graph convolution model for epidemic prediction of multiple age groups
2022-Mar, Fundamental research
IF:5.7Q1
DOI:10.1016/j.fmre.2021.07.007
PMID:40477716
|
research paper | 提出了一种自适应时间图卷积模型（ATGCN），用于COVID-19和流感的多元时间序列预测，并在不同年龄组中表现出色 | ATGCN模型通过图学习方法捕捉多年龄组的接触模式，在短期和长期预测任务中均优于自回归模型和深度序列学习模型 | 未明确提及模型在其他传染病预测中的泛化能力，且未讨论计算复杂度或实时预测的可行性 | 探索深度学习在传染病预测领域的应用，特别是针对多年龄组的多元时间序列预测 | COVID-19和流感的确诊病例数据，重点关注不同年龄组之间的传播模式 | machine learning | COVID-19, influenza | graph-based deep learning approach | ATGCN (adaptively temporal graph convolution model) | multivariate time series data | 两个数据集（COVID-19和流感），具体样本量未明确说明 | NA | NA | NA | NA |
| 166 | 2025-06-08 |
Automatic engagement estimation in smart education/learning settings: a systematic review of engagement definitions, datasets, and methods
2022, Smart learning environments
IF:6.7Q1
DOI:10.1186/s40561-022-00212-y
PMID:40477985
|
review | 本文系统回顾了智能教育/学习环境中自动参与度估计的最新发展，包括参与度定义、数据集和基于机器学习的方法 | 提出了一个清晰的分类法来定义参与度，并总结了机器学习方法在自动参与度识别中的应用 | 存在一些关键挑战，如认知和个性化参与度问题，以及可能影响实际应用的机器学习问题 | 为研究人员提供关于自动参与度估计的见解，以增强智能学习中的自动参与度识别方法 | 学习者的参与度 | machine learning | NA | machine learning, deep learning | NA | dataset | 47篇研究文章 | NA | NA | NA | NA |
| 167 | 2025-06-07 |
An efficient real-time stock prediction exploiting incremental learning and deep learning
2022-Dec-21, Evolving systems
IF:2.7Q3
DOI:10.1007/s12530-022-09481-x
PMID:38625328
|
研究论文 | 提出了一种基于增量学习和离线-在线学习的实时股票价格预测策略 | 结合增量学习和离线-在线学习两种方法，实时更新模型以适应市场的动态变化 | 仅在美国NASDAQ和印度NSE交易所的八只高流动性股票上进行了测试，可能不适用于其他市场或股票 | 提高实时股票价格预测的准确性 | 股票市场的实时价格数据 | 机器学习 | NA | 增量学习, 离线-在线学习 | 深度学习模型 | 时间序列数据 | 美国NASDAQ和印度NSE交易所的八只高流动性股票 | NA | NA | NA | NA |
| 168 | 2025-10-06 |
An evaluation of lightweight deep learning techniques in medical imaging for high precision COVID-19 diagnostics
2022-Nov, Healthcare analytics (New York, N.Y.)
DOI:10.1016/j.health.2022.100096
PMID:37520618
|
研究论文 | 本文开发并评估了用于COVID-19检测的轻量级深度学习技术 | 采用轻量级MobileNetV2模型实现COVID-19检测，在保持竞争力的性能同时显著降低计算资源需求 | 未明确说明具体的数据集规模和模型对比范围 | 开发适用于资源受限设备的COVID-19自动诊断系统 | 胸部X光和CT影像 | 医学影像分析 | COVID-19 | 深度学习 | CNN | 医学影像 | NA | NA | MobileNetV2 | NA | 资源受限设备 |
| 169 | 2025-10-06 |
iVaccine-Deep: Prediction of COVID-19 mRNA vaccine degradation using deep learning
2022-Oct, Journal of King Saud University. Computer and information sciences
DOI:10.1016/j.jksuci.2021.10.001
PMID:38620874
|
研究论文 | 本研究开发了两种混合深度学习模型用于预测COVID-19 mRNA疫苗的RNA降解 | 首次提出结合图卷积神经网络与门控循环单元/卷积神经网络的混合模型，将RNA分子建模为图结构进行降解预测 | 未明确说明训练数据的具体规模和来源限制 | 研究混合深度学习模型预测RNA序列降解的能力 | COVID-19 mRNA疫苗的RNA分子 | 机器学习 | COVID-19 | RNA测序 | GCN, GRU, CNN | RNA序列数据 | NA | NA | GCN_GRU, GCN_CNN | MCRMSE, AuC | NA |
| 170 | 2025-10-06 |
A new metaheuristic optimization model for financial crisis prediction: Towards sustainable development
2022-Sep, Sustainable computing : informatics and systems
DOI:10.1016/j.suscom.2022.100778
PMID:37521169
|
研究论文 | 提出一种基于政治优化器深度神经网络(OD-PODNN)的异常检测模型用于金融危机预测 | 结合隔离森林异常检测与政治优化器优化DNN超参数，提升金融危机预测准确率 | 仅使用三个数据集验证，未说明数据合法性问题的具体解决方案 | 通过优化机器学习模型提高金融危机预测准确率以支持可持续发展 | 企业财务状态（成功/失败） | 机器学习 | NA | 异常检测，超参数优化 | 深度神经网络，隔离森林 | 财务数据 | 三个不同数据集 | NA | DNN，iForest | 准确率 | NA |
| 171 | 2025-10-06 |
Attention mechanism and mixup data augmentation for classification of COVID-19 Computed Tomography images
2022-Sep, Journal of King Saud University. Computer and information sciences
DOI:10.1016/j.jksuci.2021.07.005
PMID:38620953
|
研究论文 | 提出结合注意力机制和mixup数据增强的深度学习方法用于COVID-19 CT图像分类 | 在卷积神经网络中引入特征级注意力层增强判别性特征，并采用mixup数据增强技术提升性能 | NA | 开发计算机辅助诊断系统实现COVID-19 CT图像的自动分类 | COVID-19 CT图像 | 计算机视觉 | COVID-19 | 计算机断层扫描(CT) | CNN | 医学图像 | NA | NA | ResNet50 | 准确率 | NA |
| 172 | 2025-10-06 |
Deep recurrent Gaussian Nesterovs recommendation using multi-agent in social networks
2022, Evolving systems
IF:2.7Q3
DOI:10.1007/s12530-022-09435-3
PMID:37521128
|
研究论文 | 提出一种结合深度学习和多智能体的推荐系统DR-GNOG，用于社交网络中的精准推荐 | 提出深度循环高斯Nesterov最优梯度(DR-GNOG)模型，将深度学习与多智能体场景结合解决推荐系统问题 | NA | 解决社交网络中大数据环境下的精准推荐问题 | 社交网络中的用户推文数据 | 机器学习 | NA | 深度学习，多智能体系统 | 深度循环神经网络 | 文本数据（推文） | NA | NA | 深度循环高斯Nesterov最优梯度(DR-GNOG) | 推荐准确率，推荐时间，召回率 | NA |
| 173 | 2025-06-07 |
FocusCovid: automated COVID-19 detection using deep learning with chest X-ray images
2022, Evolving systems
IF:2.7Q3
DOI:10.1007/s12530-021-09385-2
PMID:38624806
|
研究论文 | 本文提出了一种基于深度卷积神经网络的架构，用于通过胸部X光片自动检测COVID-19 | 利用深度学习技术自动检测COVID-19，减轻医疗基础设施的压力 | 尽管模型准确率高，但COVID-19的诊断仍需与专业医疗临床医生协商决定 | 开发一种自动化工具以辅助COVID-19的早期筛查和检测 | 胸部X光片 | 计算机视觉 | COVID-19 | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 174 | 2025-06-06 |
Assessing Trustworthy AI in Times of COVID-19: Deep Learning for Predicting a Multiregional Score Conveying the Degree of Lung Compromise in COVID-19 Patients
2022-Dec, IEEE transactions on technology and society
DOI:10.1109/TTS.2022.3195114
PMID:36573115
|
研究论文 | 本文展示了如何在医疗保健领域实践欧盟高级专家组的可信AI指南，并探讨了COVID-19疫情期间'可信AI'的含义 | 应用Z-Inspection®方法进行后验自我评估，以评估AI系统在COVID-19疫情期间的可信度 | 研究局限于疫情期间在意大利一家诊所的实验性部署，可能不具有广泛代表性 | 评估AI系统在预测COVID-19患者肺部损伤程度方面的可信度 | COVID-19患者的胸部X光片 | 数字病理学 | COVID-19 | 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 175 | 2025-10-06 |
A comprehensive review of federated learning for COVID-19 detection
2022-Mar, International journal of intelligent systems
IF:5.0Q1
DOI:10.1002/int.22777
PMID:37520859
|
综述 | 本文系统回顾了联邦学习在COVID-19检测中的应用进展 | 重点关注联邦学习在医疗数据隐私保护下的COVID-19检测应用，通过实际案例展示其可行性 | 未涉及具体实验验证，主要基于文献回顾和分析 | 探讨联邦学习技术在COVID-19检测中的适用性和挑战 | COVID-19检测相关临床数据和胸部X光影像数据 | 机器学习 | COVID-19 | 深度学习，联邦学习 | 深度学习模型 | 临床症状数据，胸部X光影像 | NA | NA | NA | NA | NA |
| 176 | 2025-05-31 |
Brain Lesion Synthesis via Progressive Adversarial Variational Auto-Encoder
2022-Sep-21, Simulation and synthesis in medical imaging : ... International Workshop, SASHIMI ..., held in conjunction with MICCAI ..., proceedings. SASHIMI (Workshop)
DOI:10.1007/978-3-031-16980-9_10
PMID:39026926
|
研究论文 | 提出了一种渐进式对抗变分自编码器（PAVAE）框架，用于合成脑部病变图像以增强训练数据集的量和多样性 | 设计了条件嵌入块（CEB）和掩码嵌入块（MEB）来编码掩码的固有条件到特征空间，以更好地利用外部信息提供额外的监督 | 需要大量标注数据进行训练，而收集新兴治疗如LITT的大数据集是不现实的 | 通过合成脑部病变图像来增强训练数据集，以提升下游分割任务的性能 | 脑部病变图像 | 计算机视觉 | 颞叶癫痫 | 深度学习 | CNN, 对抗变分自编码器 | 图像 | NA | NA | NA | NA | NA |
| 177 | 2025-05-23 |
Integrated imaging and molecular analysis to decipher tumor microenvironment in the era of immunotherapy
2022-09, Seminars in cancer biology
IF:12.1Q1
DOI:10.1016/j.semcancer.2020.12.005
PMID:33290844
|
综述 | 本文系统回顾了免疫治疗时代下的放射基因组学最新研究，探讨了AI和深度学习方法的新兴范式与机遇 | 整合影像学和分子分析以非侵入性方式解析肿瘤微环境，特别是在免疫治疗中的应用 | 未提及具体技术或模型的性能限制 | 探索放射基因组学在癌症精准治疗中的临床应用潜力 | 肿瘤微环境，特别是肿瘤浸润淋巴细胞 | 数字病理 | 癌症 | 放射组学，AI，深度学习 | NA | 影像 | NA | NA | NA | NA | NA |
| 178 | 2025-05-23 |
Emerging role of artificial intelligence in therapeutics for COVID-19: a systematic review
2022-07, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2020.1855250
PMID:33300456
|
系统综述 | 探讨人工智能在COVID-19治疗中的作用 | 首次系统综述了人工智能在COVID-19药物再利用、新药发现、疫苗和抗体开发中的应用 | 人工智能筛选程序目前处于起步阶段，仅依赖此类算法并不可取，需要基于证据的方法来确认其有效性 | 阐明人工智能在COVID-19治疗中的作用 | COVID-19的治疗方法，包括药物再利用、新药发现、疫苗和抗体开发 | 人工智能 | COVID-19 | AI, 机器学习, 深度学习 | NA | 文献数据 | 31项研究 | NA | NA | NA | NA |
| 179 | 2025-10-07 |
Artificial Intelligence-based Tumor Segmentation in Mouse Models of Lung Adenocarcinoma
2022, Journal of pathology informatics
DOI:10.1016/j.jpi.2022.100007
PMID:35242446
|
研究论文 | 开发了一种基于深度学习的人工智能算法，用于在小鼠肺腺癌模型的H&E组织切片上自动分割肿瘤病灶 | 首次将DeepLabV3+和UNet架构应用于小鼠肺腺癌模型的肿瘤分割，并通过面积阈值化方法将假阳性降低了10倍 | 不同染色标准化策略未显示出对基线模型的改进效果 | 开发自动化肿瘤分割方法以减少人工测量误差和时间消耗 | 小鼠肺腺癌模型的H&E组织学切片 | 数字病理学 | 肺腺癌 | H&E染色，数字切片扫描 | 深度学习 | 图像 | 239只小鼠（训练集137只，验证集37只，测试集65只） | NA | DeepLabV3+, UNet, ResNet-50 | Dice系数，灵敏度，阳性预测值 | NA |
| 180 | 2025-10-07 |
Attentive Recurrent Network for Low-Latency Active Noise Control
2022-Sep, Interspeech
DOI:10.21437/interspeech.2022-811
PMID:40313355
|
研究论文 | 提出一种基于注意力循环网络的低延迟主动噪声控制方法 | 采用注意力循环网络结合延迟补偿训练策略和修订版重叠相加法，实现零甚至负算法延迟 | NA | 在深度学习框架下实现低延迟主动噪声控制 | 主动噪声控制系统 | 机器学习 | NA | 深度学习 | 循环神经网络 | 音频信号 | NA | NA | 注意力循环网络 | 算法延迟 | NA |