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 3218 篇文献，本页显示第 2121 - 2140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2121 | 2025-03-12 |
Leveraging sentiment analysis of food delivery services reviews using deep learning and word embedding
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2669
PMID:40062253
|
研究论文 | 本文利用深度学习和词嵌入技术对阿拉伯语食品配送服务评论进行情感分析 | 针对阿拉伯语的情感分析研究较少，本文填补了这一空白，并提出了结合CNN、BiLSTM和LSTM-CNN混合模型的深度学习方法 | 研究主要依赖于手动标注的数据集，且阿拉伯语的形态和语法复杂性可能影响模型的泛化能力 | 通过情感分析改进食品配送服务的客户体验 | 食品配送服务的客户评论 | 自然语言处理 | NA | 深度学习、词嵌入、自然语言处理 | CNN、BiLSTM、LSTM-CNN混合模型 | 文本 | 从Talabat.com收集的现代标准阿拉伯语和方言阿拉伯语数据集 | NA | NA | NA | NA |
| 2122 | 2025-03-12 |
Evaluating the method reproducibility of deep learning models in biodiversity research
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2618
PMID:40062266
|
研究论文 | 本研究探讨了深度学习（DL）方法在生物多样性研究中的可重复性，并设计了一种评估方法 | 提出了一个评估生物多样性研究中深度学习方法可重复性的方法论，定义了十个关键变量，并将其分为四类 | 研究中使用的数据集仅包含100篇出版物，且许多出版物缺乏关于深度学习方法的详细信息 | 评估生物多样性研究中深度学习方法的可重复性 | 生物多样性研究中的深度学习模型 | 机器学习 | NA | 深度学习 | NA | 文本 | 100篇出版物 | NA | NA | NA | NA |
| 2123 | 2025-03-12 |
U-TSS: a novel time series segmentation model based U-net applied to automatic detection of interference events in geomagnetic field data
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2678
PMID:40062268
|
研究论文 | 本文介绍了一种基于U-net的新型时间序列分割模型U-TSS，用于自动检测地磁场数据中的干扰事件 | U-TSS是一种基于U-net的序列到序列全卷积网络，专门设计用于一维时间序列分割任务，能够在不同时间尺度上对输入序列进行分类，并在每个时间步进行精确分割 | NA | 开发一种能够精确分割复杂时间序列数据的模型，以检测地磁场数据中的高压直流（HVDC）干扰事件 | 地磁场观测数据 | 机器学习 | NA | 深度学习 | U-net | 时间序列数据 | 训练集、验证集和测试集 | NA | NA | NA | NA |
| 2124 | 2025-03-12 |
Cloud-to-Thing continuum-based sports monitoring system using machine learning and deep learning model
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2539
PMID:40062269
|
研究论文 | 本文提出了一种基于云到物连续体的体育监测系统，利用机器学习和深度学习技术，特别关注篮球运动，实现从传统云架构到连续体范式的无缝过渡，以实时分析球员表现和团队动态 | 提出了一种新的基于云到物连续体的体育监测系统，结合改进的Mask R-CNN进行姿态估计，以及混合元启发式算法与生成对抗网络（GAN）进行分类，显著降低了延迟并提高了准确性 | NA | 开发一种实时、精确且可扩展的体育监测系统，以提供即时反馈并改善球员表现评估和团队策略 | 篮球运动中的球员表现和团队动态 | 机器学习 | NA | 改进的Mask R-CNN，混合元启发式算法，生成对抗网络（GAN） | Mask R-CNN, GAN | 视频 | NA | NA | NA | NA | NA |
| 2125 | 2025-03-12 |
A majority voting framework for reliable sentiment analysis of product reviews
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2738
PMID:40062271
|
研究论文 | 本文提出了一种定制的多数投票方法，用于提高在线产品评论中情感分析的一致性和可靠性 | 通过利用多个自动化工具的情感标签并实施稳健的多数决策规则，解决了情感分类中的不一致性问题 | 未提及具体局限性 | 提高在线产品评论中情感分析的一致性和可靠性 | 在线产品评论 | 自然语言处理 | NA | 多数投票方法 | 深度学习模型 | 文本 | 未提及具体样本数量 | NA | NA | NA | NA |
| 2126 | 2025-03-12 |
Non-invasive enhanced hypertension detection through ballistocardiograph signals with Mamba model
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2711
PMID:40062272
|
研究论文 | 本研究探讨了使用非侵入性心血管监测技术——心冲击描记术（BCG）结合先进的机器学习和深度学习模型进行高血压检测 | 本研究通过采用Mamba深度学习架构和基于Transformer的模型，区别于以往文献，能够更有效地分析时间序列数据，捕捉长期信号依赖关系，并实现更高的准确率 | 未来研究应旨在用更大的数据集验证这些发现，并探索BCG在心血管疾病监测中的临床应用 | 开发一种非侵入性且高效的方法，用于长期高血压监测，促进家庭健康评估 | 高血压患者和正常血压个体的BCG信号 | 机器学习 | 心血管疾病 | BCG | Mamba Classifier, Transformer, Stacking, Voting, XGBoost | 时间序列数据 | 128个BCG记录 | NA | NA | NA | NA |
| 2127 | 2025-03-12 |
Autoregressive models for session-based recommendations using set expansion
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2734
PMID:40062273
|
研究论文 | 本文提出了一种新的基于集合的会话推荐模型DSETRec，通过将会话数据视为无序集合来捕捉项目间的耦合关系和共现模式，从而提高在顺序信息不可用或嘈杂情况下的预测准确性 | DSETRec模型从集合的角度处理会话推荐问题，消除了对交互序列的依赖，能够更好地捕捉无序交互模式并适应不同的会话长度 | 模型在顺序信息明确且可靠的场景下可能不如序列模型有效 | 开发一种更灵活和通用的会话推荐系统 | 会话数据 | 机器学习 | NA | 深度学习 | 自回归模型 | 会话数据 | 基准数据集（如Yoochoose） | NA | NA | NA | NA |
| 2128 | 2025-03-12 |
ALL-Net: integrating CNN and explainable-AI for enhanced diagnosis and interpretation of acute lymphoblastic leukemia
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2600
PMID:40062280
|
研究论文 | 本文介绍了一种新模型ALL-Net，用于通过自定义卷积神经网络（CNN）架构和可解释人工智能（XAI）检测急性淋巴细胞白血病（ALL） | ALL-Net结合了CNN和XAI技术，通过LIME算法解释模型预测，解决了深度学习模型的黑箱问题，并在处理数据不平衡问题上表现出色 | 尽管ALL-Net在大多数模型上表现优异，但与DenseNet201相比有0.5%的微小差异 | 提高急性淋巴细胞白血病的诊断准确性和模型的可解释性 | 急性淋巴细胞白血病（ALL）的外周血涂片（PBS）图像 | 计算机视觉 | 白血病 | 卷积神经网络（CNN）和可解释人工智能（XAI） | CNN | 图像 | 3,256张外周血涂片（PBS）图像，分为四类：良性（hematogones）和三种ALL亚型（Early B, Pre-B, Pro-B） | NA | NA | NA | NA |
| 2129 | 2025-03-12 |
MFI-Net: multi-level feature invertible network image concealment technique
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2668
PMID:40062291
|
研究论文 | 本文提出了一种基于可逆网络的新型图像隐藏方法MFI-Net，通过引入新的上采样卷积块和频率域损失函数，有效利用图像的多层次信息，提高了图像隐藏的质量和安全性 | 提出了新的上采样卷积块（UCB）和频率域损失（FDL），有效利用图像的低层次和高层次特征，提高了隐藏信息的精确度和图像质量 | 现有方法在隐藏区域选择上缺乏精确性，主要依赖残差结构，未能充分利用低层次特征，导致生成结果质量下降和网络过拟合风险增加 | 提高图像隐藏技术的质量和安全性 | 图像隐藏技术 | 计算机视觉 | NA | 深度学习，可逆网络 | MFI-Net | 图像 | DIV2K, COCO, ImageNet数据集 | NA | NA | NA | NA |
| 2130 | 2025-03-12 |
Gradient pooling distillation network for lightweight single image super-resolution reconstruction
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2679
PMID:40062290
|
研究论文 | 本文提出了一种梯度池化蒸馏网络（GPDN），用于轻量级单图像超分辨率重建 | 提出了梯度池化蒸馏模块和特征通道注意力模块，通过多层次堆叠的特征蒸馏混合单元捕获多尺度特征表示，并动态优化特征空间 | 尽管在性能和资源利用率之间取得了平衡，但在某些计算资源极其受限的场景下，可能仍需进一步优化 | 设计一种高效的单图像超分辨率算法，以在资源受限的场景中实现高质量图像重建 | 低分辨率图像 | 计算机视觉 | NA | 深度学习技术 | 梯度池化蒸馏网络（GPDN） | 图像 | NA | NA | NA | NA | NA |
| 2131 | 2025-03-12 |
Testing convolutional neural network based deep learning systems: a statistical metamorphic approach
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2658
PMID:40062296
|
研究论文 | 本文提出了一种统计变形测试（SMT）技术，用于测试基于卷积神经网络（CNN）的深度学习系统，特别是在医疗领域的肺炎检测模型中验证其有效性 | 提出了一种不需要固定随机种子的统计变形测试技术，结合七种变形关系和统计方法，验证深度学习模型的正确性，并提出了变形关系最小化算法以节省计算资源 | 研究主要针对CNN模型，未涉及其他类型的深度学习模型，且实验范围局限于肺炎检测 | 解决传统变形测试技术在验证深度学习模型时的局限性，特别是在随机初始化权重的情况下 | 基于CNN的深度学习模型 | 机器学习 | 肺炎 | 统计变形测试（SMT） | CNN | 图像 | 未明确提及样本数量 | NA | NA | NA | NA |
| 2132 | 2025-03-12 |
Design and analysis of teaching early warning system based on multimodal data in an intelligent learning environment
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2692
PMID:40062295
|
研究论文 | 本文设计并分析了一种基于多模态数据的智能学习环境中的教学预警系统 | 提出了一种高效的长视频情感过渡点搜索算法和基于面部特征的中性情感片段过滤算法，并引入了基于深度学习的多模态情感识别模型，结合注意力机制进行特征级模态融合 | 未提及具体的数据集大小或实验结果的广泛验证 | 提高在线教育环境中教师情感表达的智能评估和改进 | 教学视频中的情感片段和情感识别 | 自然语言处理 | NA | 深度学习 | 多模态情感识别模型 | 视频、语音、面部图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 2133 | 2025-03-12 |
Enhancing the prediction of vitamin D deficiency levels using an integrated approach of deep learning and evolutionary computing
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2698
PMID:40062307
|
研究论文 | 本文提出了一种结合深度学习和进化计算的新方法，用于预测维生素D缺乏水平 | 创新点在于结合了卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）的混合深度学习模型，并使用遗传算法（GA）优化特征和超参数选择 | 未提及具体局限性 | 研究目的是开发一种非侵入性的预测方法，以确定维生素D缺乏的严重程度 | 维生素D缺乏水平 | 机器学习 | NA | 深度学习，进化计算 | CNN, BiLSTM, GA | 医疗数据 | 基准数据集 | NA | NA | NA | NA |
| 2134 | 2025-03-12 |
Review of models for estimating 3D human pose using deep learning
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2574
PMID:40062308
|
综述 | 本文综述了基于深度学习的3D人体姿态估计模型的最新进展，探讨了准确性、实时性能和数据限制等主要挑战 | 本文总结了3D人体姿态估计领域的最新进展，并提供了主要算法在精度和计算效率方面的比较，为未来研究提供了方向 | 尽管深度学习模型取得了显著进展，但在处理遮挡、实时估计和泛化能力方面仍存在挑战 | 探讨3D人体姿态估计模型的最新进展及其在计算机视觉和人工智能领域的应用 | 3D人体姿态估计模型 | 计算机视觉 | NA | 深度学习 | NA | 图像, 视频 | NA | NA | NA | NA | NA |
| 2135 | 2025-10-07 |
gRNAde: A Geometric Deep Learning Pipeline for 3D RNA Inverse Design
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4079-1_8
PMID:39312140
|
研究论文 | 介绍gRNAde——一种基于几何深度学习的3D RNA逆设计流程，能够根据RNA骨架结构设计序列 | 首个考虑RNA三维结构和构象多样性的几何深度学习逆设计方法，使用SE(3)等变编码器-解码器框架 | NA | 开发能够考虑RNA三维结构和动力学的序列设计方法 | RNA骨架结构、核糖开关、适配体、核酶 | 计算生物学 | NA | 几何深度学习 | 图神经网络 | 3D结构数据 | 来自PDB的现有RNA结构 | PyTorch Geometric | SE(3)等变编码器-解码器 | 天然序列恢复率、计算速度 | NA |
| 2136 | 2025-03-10 |
Deep learning-driven ultrasound equipment quality assessment with ATS-539 phantom data
2025-Jan, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2024.105698
PMID:39541619
|
研究论文 | 本研究提出了一种基于深度学习的双阶段框架，用于客观评估超声图像质量，使用ATS-539体模数据 | 引入双阶段深度学习框架，结合逻辑回归模型，实现超声图像质量的定量和客观评估 | 依赖于体模数据，可能无法完全反映真实临床环境中的图像质量 | 开发一种客观评估超声图像质量的方法，以提高诊断准确性 | 超声图像质量 | 计算机视觉 | NA | 深度学习 | 分类模型、逻辑回归模型 | 图像 | ATS-539体模数据 | NA | NA | NA | NA |
| 2137 | 2025-10-07 |
Signature-based intrusion detection using machine learning and deep learning approaches empowered with fuzzy clustering
2025-Jan-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85866-7
PMID:39799225
|
研究论文 | 本研究通过结合机器学习和深度学习方法，利用模糊聚类增强签名式入侵检测系统以提高网络安全 | 将模糊聚类与多种机器学习和深度学习模型结合用于入侵检测，并比较不同模型在识别网络攻击中的性能表现 | NA | 提高网络安全，通过入侵检测系统识别和预防网络攻击 | 网络流量数据和入侵行为 | 机器学习 | NA | 模糊聚类 | SVM,KNN,RF,DT,LSTM,ANN | 网络流量数据 | NA | NA | NA | 精确度,准确率,召回率 | NA |
| 2138 | 2025-10-07 |
Mapping the scientific landscape and evolution of the International Journal of Surgery : a scientometric analysis (2004-2024)
2025-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002107
PMID:39576039
|
研究论文 | 对《国际外科学杂志》2004-2024年间发表的科学文献进行科学计量学分析 | 首次对该期刊20年发展历程进行系统性科学计量分析，识别研究趋势和未来方向 | 仅分析单一期刊数据，可能无法代表整个外科学领域 | 分析期刊出版特征和发展轨迹，识别研究热点和演变趋势 | 《国际外科学杂志》2004-2024年间发表的6320篇文献 | 科学计量学 | 外科疾病 | 科学计量分析，文献计量学 | NA | 文献元数据，引文数据 | 6320篇出版物（2004-2023年5964篇，2024年356篇） | Citespace, VOS viewer, Bibliometrix (R软件) | NA | 发文量统计，引用分析，研究主题识别 | NA |
| 2139 | 2025-10-07 |
Elastography-based AI model can predict axillary status after neoadjuvant chemotherapy in breast cancer with nodal involvement: a prospective, multicenter, diagnostic study
2025-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002105
PMID:39724577
|
研究论文 | 开发基于弹性成像和深度学习的组合模型预测乳腺癌患者新辅助化疗后腋窝淋巴结状态 | 首次将剪切波弹性成像与深度学习放射组学相结合，构建预测腋窝淋巴结病理完全缓解的组合模型 | 研究为前瞻性多中心设计但需进一步外部验证，样本量相对有限 | 准确预测乳腺癌患者新辅助化疗后腋窝淋巴结状态 | 671例经活检证实淋巴结转移并接受新辅助化疗的乳腺癌患者 | 数字病理 | 乳腺癌 | 超声成像, 剪切波弹性成像 | 深度学习 | 医学图像 | 671例患者（训练集与测试集按8:2随机分配） | NA | 深度学习放射组学模型 | 准确率, AUC, 假阴性率, 校准曲线, 决策曲线 | NA |
| 2140 | 2025-03-09 |
Identification of BCL11A, NTN5, and OGN as Diagnosis Biomarker of Papillary Renal Cell Carcinomas by Bioinformatic Analysis
2025, Journal of kidney cancer and VHL
IF:1.9Q3
DOI:10.15586/jkc.v12i1.366
PMID:40051609
|
研究论文 | 本研究通过生物信息学和深度学习技术，识别出BCL11A、NTN5和OGN作为乳头状肾细胞癌（PRCC）的诊断生物标志物 | 首次将BCL11A、NTN5和OGN识别为PRCC的诊断生物标志物，并利用机器学习和ROC曲线分析验证其诊断效能 | 研究主要依赖于TCGA数据库的数据，未进行实验验证 | 寻找PRCC的早期诊断生物标志物 | 乳头状肾细胞癌（PRCC）患者 | 生物信息学 | 肾癌 | RNA表达谱分析、机器学习 | 深度学习 | RNA表达数据 | TCGA数据库中的PRCC患者数据 | NA | NA | NA | NA |