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 12107 篇文献，本页显示第 2741 - 2760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2741 | 2025-01-29 |
DeepIDA-GRU: a deep learning pipeline for integrative discriminant analysis of cross-sectional and longitudinal multiview data with applications to inflammatory bowel disease classification
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae339
PMID:39007595
|
研究论文 | 本文提出了一种名为DeepIDA-GRU的深度学习管道，用于整合横截面和纵向多视图数据的判别分析，并应用于炎症性肠病分类 | 该管道结合了统计和深度学习方法，能够整合来自多个来源的横截面和纵向数据，并识别出对视图间关联和类别分离有贡献的关键变量 | 现有方法通常要求所有视图的数据类型相同（仅横截面数据或仅纵向数据），或者在整合方法中不考虑任何类别结果 | 开发一种能够整合横截面和纵向多视图数据的深度学习管道，以更好地理解复杂疾病的病理生物学 | 炎症性肠病（IBD）研究中的横截面和纵向多组学数据（宏基因组学、转录组学和代谢组学） | 机器学习 | 炎症性肠病 | 功能主成分分析和欧拉特征提取 | 密集前馈网络（用于横截面数据）和循环神经网络（用于纵向数据） | 多组学数据 | NA | NA | NA | NA | NA |
| 2742 | 2025-10-07 |
Photoplethysmography based atrial fibrillation detection: a continually growing field
2024-Apr-17, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ad37ee
PMID:38530307
|
综述 | 本文系统综述了2019年7月至2022年12月期间基于光电容积脉搏波的心房颤动检测技术的最新进展 | 更新了自2019年6月后该领域的最新发展，涵盖数字健康和人工智能解决方案，并维护持续更新的专题网站 | 仅涵盖特定时间段（2019年7月-2022年12月）的研究，可能存在最新研究的遗漏 | 综述基于光电容积脉搏波的心房颤动检测技术发展现状 | 57项相关研究文献 | 数字健康 | 心血管疾病 | 光电容积脉搏波 | 传统机器学习,深度学习 | 生理信号数据 | NA | NA | NA | NA | NA |
| 2743 | 2025-01-04 |
Transfer Learning With Active Sampling for Rapid Training and Calibration in BCI-P300 Across Health States and Multi-Centre Data
2024, 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.2024.3420960
PMID:38949927
|
研究论文 | 本文提出了一种基于主动采样的迁移学习方法，用于在脑机接口（BCI）P300波检测中快速训练和校准，适用于不同健康状况和多中心数据 | 提出了基于Poison Sampling Disk（PDS）的主动采样（AS）方法，用于自适应迁移学习，显著提高了分类精度和训练效率 | 研究仍面临处理来自不同设备、受试者、多中心及健康与患者群体的多样性和不平衡数据集的挑战 | 提高脑机接口（BCI）P300波检测的分类精度和训练效率，适应不同健康状况和多中心数据 | 脑机接口（BCI）P300波检测 | 机器学习 | NA | 迁移学习，主动采样（AS） | 卷积神经网络（CNN） | 神经数据 | 两个不同的国际复制数据集 | NA | NA | NA | NA |
| 2744 | 2025-01-28 |
An explainable language model for antibody specificity prediction using curated influenza hemagglutinin antibodies
2024-10-08, Immunity
IF:25.5Q1
DOI:10.1016/j.immuni.2024.07.022
PMID:39163866
|
研究论文 | 本文介绍了一种基于序列的抗体特异性预测的轻量级记忆B细胞语言模型（mBLM），并利用超过5,000个流感血凝素（HA）抗体数据集进行训练 | 开发了一种新的轻量级记忆B细胞语言模型（mBLM），用于基于序列的抗体特异性预测，并通过模型可解释性分析识别了HA干区抗体的关键序列特征 | 数据集主要来源于研究出版物和专利，可能存在数据偏差 | 预测抗体特异性，并提高对流感病毒抗体反应的分子理解 | 流感血凝素（HA）抗体 | 自然语言处理 | 流感 | 语言模型 | mBLM | 序列数据 | 超过5,000个流感血凝素（HA）抗体 | NA | NA | NA | NA |
| 2745 | 2025-01-28 |
Potential Use and Limitation of Artificial Intelligence to Screen Diabetes Mellitus in Clinical Practice: A Literature Review
2024-Oct, Acta medica Indonesiana
IF:0.7Q3
PMID:39865054
|
文献综述 | 本文综述了人工智能在临床实践中筛查糖尿病的潜在应用及其局限性 | 强调了人工智能技术（如机器学习和深度学习）在提高糖尿病筛查准确性方面的潜力，特别是在低资源环境中的应用 | 指出了当前临床实践中基于血液或实验室检测的糖尿病筛查方法的局限性，包括访问和成本问题 | 探讨人工智能技术在减少未诊断糖尿病负担中的应用 | 全球未诊断糖尿病的个体，特别是低收入和中等收入国家（如印度尼西亚）的人群 | 机器学习 | 糖尿病 | 机器学习和深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 2746 | 2025-01-28 |
Status and future trends in wastewater management strategies using artificial intelligence and machine learning techniques
2024-Aug, Chemosphere
IF:8.1Q1
|
综述 | 本文综述了利用人工智能和机器学习技术进行水和废水管理的最新趋势 | 结合AI、深度学习和物联网技术，提出了高效的水管理框架 | 未具体说明数据来源和样本量，案例研究和统计评估的细节不足 | 探讨智能水管理机制，以满足不同用途的水质要求 | 水和废水管理策略 | 机器学习 | NA | 人工智能（AI）、深度学习（DL）、物联网（IoT） | NA | 多种形式的数据 | NA | NA | NA | NA | NA |
| 2747 | 2025-01-28 |
The cytoarchitectonic landscape revealed by deep learning method facilitated precise positioning in mouse neocortex
2024-06-04, Cerebral cortex (New York, N.Y. : 1991)
DOI:10.1093/cercor/bhae229
PMID:38836835
|
研究论文 | 本文开发了一种细胞结构标志物识别流程，利用荧光显微光学断层扫描技术成像小鼠全脑，并通过快速3D卷积网络分割整个新皮层的神经元体，揭示了新皮层的细胞结构景观 | 开发了一种新的细胞结构标志物识别流程，结合荧光显微光学断层扫描和快速3D卷积网络，实现了新皮层神经元的三维分割和分析 | 研究主要集中在小鼠新皮层，未涉及其他物种或更广泛的脑区 | 提高对新皮层结构的理解，特别是皮层区域的精确定位 | 小鼠新皮层 | 计算机视觉 | NA | 荧光显微光学断层扫描 | 3D卷积网络 | 图像 | 小鼠全脑 | NA | NA | NA | NA |
| 2748 | 2025-10-07 |
Exploring intricate connectivity patterns for cognitive functioning and neurological disorders: incorporating frequency-domain NC method into fMRI analysis
2024-05-02, Cerebral cortex (New York, N.Y. : 1991)
DOI:10.1093/cercor/bhae195
PMID:38741270
|
研究论文 | 本研究将频域新因果方法应用于fMRI分析，探索认知功能与神经系统疾病的复杂连接模式 | 将频域新因果方法首次应用于fMRI分析，构建了多种因果关联模式并用于脑效率网络构建 | 研究仅针对认知障碍患者，未包含健康对照组进行对比分析 | 探索大脑连接模式与认知功能及神经系统疾病的关联 | 1252组不同程度认知障碍患者 | 医学影像分析 | 阿尔茨海默病 | 功能磁共振成像，频域新因果方法 | 深度学习模型 | fMRI BOLD信号 | 1252组认知障碍患者 | NA | NA | 准确率,精确率,召回率 | NA |
| 2749 | 2025-10-07 |
Application of improved and efficient image repair algorithm in rock damage experimental research
2024-Jun-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65790-y
PMID:38937588
|
研究论文 | 提出一种改进的增量Transformer图像修复算法，用于修复岩石损伤实验中扭曲或缺失的应变云图 | 将改进的增量Transformer算法应用于岩石损伤实验中的图像修复，并采用深度可分离卷积网络优化算法运行效率 | 未明确说明算法在不同类型岩石图像修复中的泛化能力 | 提高数字图像技术在岩石损伤分析中的效率和准确性 | 相似材料制成的软硬岩石在单轴压缩实验中的应变云图 | 计算机视觉 | NA | 数字图像技术 | Transformer | 图像 | NA | NA | 增量Transformer, 深度可分离卷积网络 | NA | NA |
| 2750 | 2025-10-07 |
Characterization of saffron from different origins by HS-GC-IMS and authenticity identification combined with deep learning
2024-Dec-30, Food chemistry: X
DOI:10.1016/j.fochx.2024.101981
PMID:39850938
|
研究论文 | 本研究结合顶空气相色谱-离子迁移谱和深度学习技术，开发了一种快速可靠的藏红花产地鉴别和掺假识别方法 | 首次将HS-GC-IMS技术与CNN模型结合用于藏红花产地鉴别和掺假识别，实现了数据处理最小化和自动特征提取 | NA | 开发快速可靠的藏红花产地鉴别和掺假识别方法 | 藏红花挥发性化合物 | 计算机视觉 | NA | 顶空气相色谱-离子迁移谱(HS-GC-IMS) | CNN | 图像 | NA | NA | CNN | 准确率 | NA |
| 2751 | 2025-10-07 |
Accurate size-based protein localization from cryo-ET tomograms
2024-Dec, Journal of structural biology: X
DOI:10.1016/j.yjsbx.2024.100104
PMID:39044770
|
研究论文 | 本文提出一种基于尺寸的蛋白质定位方法，用于从冷冻电子断层扫描图像中快速准确地识别蛋白质颗粒 | 开发了无需外部模板或人工标注的快速尺寸检测方法，在检测精度和计算效率上优于基于深度学习的现有方法 | 未明确说明方法对特定蛋白质类型的适用性限制，也未详细讨论在极端噪声条件下的性能表现 | 提高冷冻电子断层扫描中蛋白质颗粒自动检测的准确性和效率 | 细胞内的蛋白质颗粒，特别是核糖体 | 计算机视觉 | NA | 冷冻电子断层扫描(cryo-ET)，子断层图平均(STA) | NA | 3D断层扫描图像 | 多种类型样本的断层扫描数据 | NA | NA | 检测精度 | 非专用CPU硬件 |
| 2752 | 2025-10-07 |
Evolutionary Strategies AI Addresses Multiple Technical Challenges in Deep Learning Deployment: Proof-of-Principle Demonstration for Neuroblastoma Brain Metastasis Detection
2024-Dec, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01165-z
PMID:38886289
|
研究论文 | 本文通过神经母细胞瘤脑转移检测的案例，证明深度神经进化算法在小数据集训练中具有优异的泛化能力 | 首次验证深度神经进化算法在多样化外部验证数据集上的泛化性能，解决了放射学AI在小数据集上的过拟合和泛化难题 | 研究仅基于神经母细胞瘤脑转移的特定案例，需要更多疾病类型验证 | 解决放射学AI在小数据集训练中的过拟合和泛化问题 | 神经母细胞瘤脑转移的MRI图像 | 计算机视觉 | 神经母细胞瘤 | MRI成像 | CNN | 医学图像 | 60个训练MRI图像，来自50多个机构的多样化测试集 | NA | 卷积神经网络 | 准确率 | NA |
| 2753 | 2025-10-07 |
Therapeutic gene target prediction using novel deep hypergraph representation learning
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf019
PMID:39841592
|
研究论文 | 提出一种基于超图表示学习的深度模型HIT，用于预测基因的治疗潜力、生物标志物状态或与疾病的关联 | 首次将超图结构与注意力机制相结合用于治疗性基因靶点预测，能够捕捉基因、本体、疾病和表型之间的复杂关系 | 已知治疗靶点数量有限可能影响模型性能 | 开发计算模型预测治疗性基因靶点以加速疾病治疗开发 | 基因、疾病、表型和生物本体 | 机器学习 | NA | 深度超图表示学习 | Transformer | 图结构数据 | NA | NA | 超图交互Transformer(HIT) | NA | NA |
| 2754 | 2025-10-07 |
Predicting transcriptional changes induced by molecules with MiTCP
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf006
PMID:39847444
|
研究论文 | 开发基于深度学习的MiTCP方法预测小分子诱导的转录谱变化 | 首次结合图神经网络同时建模分子结构表示和基因共表达关系进行转录变化预测 | 仅基于L1000数据集训练，模型泛化能力有待进一步验证 | 预测小分子化合物诱导的细胞转录谱变化 | 978个标志基因的转录谱变化 | 机器学习 | 癌症 | 转录组分析 | 图神经网络 | 分子结构数据，基因表达数据 | L1000数据集 | NA | 图神经网络 | 皮尔逊相关系数 | NA |
| 2755 | 2025-10-07 |
Deep learning-based drug screening for the discovery of potential therapeutic agents for Alzheimer's disease
2024-Oct, Journal of pharmaceutical analysis
IF:6.1Q1
DOI:10.1016/j.jpha.2024.101022
PMID:39850238
|
研究论文 | 本研究开发了基于深度学习的药物筛选方法，从传统中药方剂开心散中识别治疗阿尔茨海默病的潜在活性化合物 | 首次结合疾病层面和靶点层面构建四种深度神经网络模型，并应用于传统中药方剂的高通量筛选 | 研究主要聚焦于开心散方剂，未扩展到其他中药方剂或化合物库 | 开发有效的阿尔茨海默病治疗药物发现平台 | 传统中药方剂开心散中的化合物 | 机器学习 | 阿尔茨海默病 | 深度学习药物筛选 | DNN | 化合物活性数据 | NA | NA | 深度神经网络 | NA | NA |
| 2756 | 2025-10-07 |
Artificial Intelligence in Head and Neck Cancer: Innovations, Applications, and Future Directions
2024-09-06, Current oncology (Toronto, Ont.)
DOI:10.3390/curroncol31090389
PMID:39330017
|
综述 | 本文综述了人工智能在头颈癌诊疗中的创新应用、当前进展与未来发展方向 | 系统整合了深度学习、自然语言处理等AI技术与影像学、基因组学和电子健康记录的融合应用，并展望了可解释AI、AI驱动机器人和实时监测系统等新兴创新 | 面临数据质量、算法偏差以及需要跨学科合作等挑战 | 探讨人工智能在头颈癌诊疗领域的应用现状与发展前景 | 头颈癌患者的诊疗数据与AI技术应用 | 自然语言处理, 机器学习 | 头颈癌 | 影像技术, 基因组学, 电子健康记录分析 | 深度学习 | 医学影像, 基因组数据, 文本数据 | NA | NA | NA | NA | NA |
| 2757 | 2025-10-07 |
A Novel Deep Learning Model for Breast Tumor Ultrasound Image Classification with Lesion Region Perception
2024-08-28, Current oncology (Toronto, Ont.)
DOI:10.3390/curroncol31090374
PMID:39330002
|
研究论文 | 提出一种新颖的多特征融合多任务深度学习模型，用于乳腺肿瘤超声图像分类和病灶区域感知 | 设计了上下文病灶增强感知模块和多特征融合模块，能够更好地捕捉病灶区域的局部和全局特征关系，并有效区分病灶特异性特征与肿瘤分类语义特征 | NA | 解决乳腺超声图像分类中信息共享冲突问题，提高病灶区域感知和分类性能 | 乳腺肿瘤超声图像 | 计算机视觉 | 乳腺癌 | 超声成像 | 深度学习,多任务学习 | 图像 | 两个公共乳腺超声成像数据集 | NA | 多特征融合多任务模型,上下文病灶增强感知模块,多特征融合模块 | NA | NA |
| 2758 | 2025-10-07 |
MambaTab: A Plug-and-Play Model for Learning Tabular Data
2024-Aug, Proceedings. IEEE Conference on Multimedia Information Processing and Retrieval
DOI:10.1109/mipr62202.2024.00065
PMID:39850741
|
研究论文 | 提出一种基于结构化状态空间模型的即插即用表格数据学习模型MambaTab | 首次将新兴的SSM变体Mamba应用于表格数据端到端监督学习，显著减少参数量的同时实现优越性能 | NA | 开发高效、可扩展的表格数据深度学习解决方案 | 表格数据 | 机器学习 | NA | 结构化状态空间模型 | SSM, Mamba | 表格数据 | 多种基准数据集 | NA | Mamba | NA | NA |
| 2759 | 2025-10-07 |
Beyond Size and Class Balance: Alpha as a New Dataset Quality Metric for Deep Learning
2024-Jul-31, ArXiv
PMID:39830079
|
研究论文 | 提出一种基于生态学多样性指标的新型数据集质量度量方法Alpha，用于改进医学影像深度学习性能 | 首次将生态学中的广义熵多样性度量引入深度学习领域，提出超越数据集大小和类别平衡的新质量指标 | 研究仅基于七个医学数据集进行验证，需要更多领域和数据集类型的进一步验证 | 探索更直接的数据集多样性度量方法以提升深度学习模型性能 | 医学影像数据集 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 七个医学数据集的数千个子集 | NA | NA | 平衡准确率 | NA |
| 2760 | 2025-10-07 |
Advancing precision agriculture with deep learning enhanced SIS-YOLOv8 for Solanaceae crop monitoring
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1485903
PMID:39850216
|
研究论文 | 提出增强型SIS-YOLOv8模型用于茄科作物病害监测 | 通过三个关键模块改进YOLOv8网络结构：融合Inception卷积模块增强复杂背景下的特征提取，C2f-SIS模块结合风格随机化提升泛化能力，SPPF-IS模块通过特征融合增强模型鲁棒性 | 未提及模型在其他作物或更广泛环境条件下的适用性 | 开发适用于复杂农业环境的作物病害自动检测模型 | 马铃薯和番茄的病害监测 | 计算机视觉 | 作物病害 | 深度学习图像识别 | YOLO | 图像 | NA | NA | YOLOv8, SIS-YOLOv8 | 准确率, 召回率, mAP50, mAP50-95 | NA |