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 3544 篇文献，本页显示第 2521 - 2540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2521 | 2025-03-06 |
The application of artificial intelligence in insomnia, anxiety, and depression: A bibliometric analysis
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251324456
PMID:40035038
|
研究论文 | 本文通过文献计量分析，系统回顾了人工智能在失眠、焦虑和抑郁症中的应用，识别了关键研究热点并预测了未来趋势 | 首次通过文献计量工具（如VOSviewer和CiteSpace）对人工智能在心理健康领域的应用进行系统性分析，并识别了未来研究重点 | 数据隐私、伦理问题以及AI模型的可解释性仍需解决 | 系统回顾人工智能在失眠、焦虑和抑郁症中的应用，识别研究热点并预测未来趋势 | 失眠、焦虑和抑郁症 | 自然语言处理 | 精神疾病 | 文献计量分析 | 神经网络、机器学习、深度学习 | 文献数据 | 875篇文章 | NA | NA | NA | NA |
| 2522 | 2025-03-06 |
Understanding Deep Learning via Decision Boundary
2025-Jan, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3326654
PMID:37922185
|
研究论文 | 本文探讨了神经网络决策边界变异性与泛化能力之间的关系，并提出了新的度量方法 | 提出了算法决策边界变异性和数据决策边界变异性两个新概念，用于从算法和数据角度衡量决策边界变异性 | 未明确提及具体局限性 | 研究神经网络决策边界变异性与泛化能力之间的关系 | 神经网络的决策边界 | 机器学习 | NA | NA | 神经网络 | NA | 未明确提及样本数量 | NA | NA | NA | NA |
| 2523 | 2025-03-06 |
NN2Poly: A Polynomial Representation for Deep Feed-Forward Artificial Neural Networks
2025-Jan, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3330328
PMID:37962996
|
研究论文 | 本文提出了一种名为NN2Poly的理论方法，用于获得已训练的全连接前馈人工神经网络的显式多项式模型 | NN2Poly方法将之前仅限于单隐藏层网络的想法扩展到任意深度的多层感知机（MLP），适用于回归和分类任务 | 该方法在计算上面临挑战，需要在训练阶段施加某些约束来克服这些挑战 | 研究神经网络的可解释性及其理论行为 | 全连接前馈人工神经网络（多层感知机） | 机器学习 | NA | 泰勒展开 | 多层感知机（MLP） | 表格数据 | NA | NA | NA | NA | NA |
| 2524 | 2025-03-06 |
Deep Learning Model Compression With Rank Reduction in Tensor Decomposition
2025-Jan, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3330542
PMID:37976188
|
研究论文 | 本文提出了一种新颖的深度学习模型压缩方法，通过张量分解中的迭代和自适应秩减少来实现 | 提出了一种双模型训练策略，结合迭代和自适应秩减少，显著减少了超参数搜索空间，并在保持模型准确性的同时实现了模型压缩 | 未提及具体局限性 | 研究深度学习模型压缩方法，以在轻量级边缘设备上部署大型神经网络模型 | 深度学习模型（如LeNet、VGG、ResNet、EfficientNet、RevCol） | 机器学习 | NA | 张量分解 | 深度学习模型 | 图像 | MNIST、CIFAR-10/100、ImageNet数据集 | NA | NA | NA | NA |
| 2525 | 2025-03-06 |
Communication-Efficient Nonconvex Federated Learning With Error Feedback for Uplink and Downlink
2025-Jan, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3333804
PMID:37995164
|
研究论文 | 本文提出了两种通信高效的非凸联邦学习算法，EF21和LAG，用于适应上行和下行通信，以减少通信成本而不牺牲学习质量 | 提出了新的EF21算法和LAG梯度过滤技术，结合两者设计了EF-LAG算法，并进一步提出了双向EF-LAG算法，显著减少了通信成本 | 未提及具体限制 | 研究在大规模在线学习环境中，如何通过通信高效的非凸联邦学习算法减少通信成本 | 在线招募的工人设备，如手机、笔记本电脑和台式电脑 | 机器学习 | NA | EF21算法、LAG梯度过滤技术 | 非凸联邦学习模型 | 合成数据和深度学习基准数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 2526 | 2025-03-06 |
A Novel Sequence-to-Sequence-Based Deep Learning Model for Multistep Load Forecasting
2025-Jan, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3329466
PMID:38241098
|
研究论文 | 本文提出了一种基于序列到序列（Seq2Seq）的深度学习模型，用于多步负荷预测，以优化能源资源分配和辅助决策过程 | 提出了一种基于时间序列分解策略的Seq2Seq深度学习模型，该模型由一系列基本块组成，每个基本块包括一个编码器和两个解码器，并通过残差连接 | 未提及模型的局限性 | 开发一种新的深度学习模型，用于多步负荷预测，以提高能源管理的效率和决策的准确性 | 电力系统中的负荷预测 | 机器学习 | NA | 时间序列分解策略 | Seq2Seq, TCN, LSTM | 时间序列数据 | 多个真实世界数据集中的案例 | NA | NA | NA | NA |
| 2527 | 2025-03-06 |
Deep Face Leakage: Inverting High-Quality Faces From Gradients Using Residual Optimization
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3533210
PMID:40036427
|
研究论文 | 本文提出了一种名为DFLeak的方法，通过残差优化从梯度中反演高质量面部图像，以增强协作学习中的面部数据泄露效果 | 引入了一种优越的初始化方法来稳定反演过程，并提出了一种无先验面部恢复（PFFR）结果的残差优化方法，以丰富面部细节 | 未明确提及具体限制 | 提高从梯度中反演面部图像的质量，以增强协作学习中的隐私保护效果 | 面部图像 | 计算机视觉 | NA | 梯度反演攻击 | NA | 图像 | 未明确提及样本数量 | NA | NA | NA | NA |
| 2528 | 2025-03-06 |
Identification of benign and malignant breast nodules on ultrasound: comparison of multiple deep learning models and model interpretation
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1517278
PMID:40040727
|
研究论文 | 本研究开发了一种弱监督深度学习算法，用于区分超声图像中的良性和恶性乳腺肿瘤，无需图像注释 | 提出了一种无需图像注释的弱监督深度学习算法，用于乳腺肿瘤的超声诊断 | 研究中使用的数据集可能有限，且未涉及其他类型的肿瘤或不同成像技术 | 开发一种弱监督深度学习算法，以提高乳腺肿瘤超声诊断的准确性 | 乳腺超声图像中的良性和恶性结节 | 计算机视觉 | 乳腺癌 | 深度学习 | DenseNet121, ResNet50, EfficientNetb0, Vision Transformer | 图像 | 3049张乳腺超声图像（良性1320张，恶性1729张） | NA | NA | NA | NA |
| 2529 | 2025-03-06 |
A bibliometric analysis of studies on artificial intelligence in neuroscience
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1474484
PMID:40040909
|
研究论文 | 本文通过文献计量分析探讨了人工智能在神经科学领域的研究趋势和影响 | 首次对1983年至2024年间发表的1,208篇相关研究进行系统性分析，揭示了该领域的快速增长和国际合作趋势 | 未深入探讨AI模型在神经科学中的伦理问题和数据隐私问题 | 评估人工智能在神经科学中的应用现状和未来方向 | 神经科学领域的人工智能研究 | 机器学习 | 神经系统疾病 | 文献计量分析 | 深度学习, 机器学习 | 文献数据 | 1,208篇研究论文 | NA | NA | NA | NA |
| 2530 | 2025-03-06 |
TAL-SRX: an intelligent typing evaluation method for KASP primers based on multi-model fusion
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1539068
PMID:40041015
|
研究论文 | 本文提出了一种基于多模型融合的KASP引物分型效果智能评估方法TAL-SRX，旨在提高分子标记辅助育种中优秀标记的大规模筛选效率 | 通过结合深度学习和传统机器学习算法，提出了一种新的KASP引物分型效果评估方法，并引入了Transformer算法来捕捉高维特征空间中的全局依赖关系 | 未明确提及方法的局限性 | 提高KASP引物分型效果评估的智能化和准确性，以支持分子标记辅助育种 | KASP引物的分型效果 | 机器学习 | NA | 深度学习，传统机器学习 | ANN, LSTM, Transformer | KASP测试结果数据 | 3399组棉花品种资源材料的KASP测试结果 | NA | NA | NA | NA |
| 2531 | 2025-03-05 |
Knowledge-Based Deep Learning for Time-Efficient Inverse Dynamics
2025-Jan-17, 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.2025.3530992
PMID:40031238
|
研究论文 | 本文提出了一种基于知识的深度学习框架，用于高效的时间反演动力学分析，能够直接从关节运动学数据预测肌肉激活和肌肉力量 | 提出了一种无需标签信息即可训练的深度学习框架，结合前向动力学和预选的反演动力学生理标准，通过特定的损失函数指导神经网络训练 | 实验验证仅限于两个数据集，样本量较小，且仅包括健康受试者 | 提高神经康复和肌肉骨骼疾病治疗中肌肉激活和肌肉力量估计的效率和准确性 | 肌肉激活和肌肉力量 | 机器学习 | 肌肉骨骼疾病 | 深度学习 | BiGRU（双向门控循环单元） | 时间序列数据 | 两个数据集，包括一个基准上肢运动数据集和一个自收集的下肢运动数据集，涉及六名健康受试者 | NA | NA | NA | NA |
| 2532 | 2025-03-05 |
Combining Pre- and Post-Demosaicking Noise Removal for RAW Video
2025-Jan-15, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3527886
PMID:40031011
|
研究论文 | 本文提出了一种结合去马赛克前后噪声去除的自相似性去噪方案，用于Bayer模式CFA视频数据 | 提出了一种自相似性去噪方案，结合去马赛克前后的去噪器，并通过时间轨迹预滤波步骤进一步改善纹理重建 | 现代神经网络在适应新噪声水平和场景方面仍有困难 | 提高去噪算法的质量，使其适用于现实世界的视频拍摄 | Bayer模式CFA视频数据 | 计算机视觉 | NA | 深度学习 | 神经网络 | 视频 | NA | NA | NA | NA | NA |
| 2533 | 2025-03-05 |
Non-invasive Detection of Adenoid Hypertrophy Using Deep Learning Based on Heart-Lung Sounds
2025-Jan-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3527403
PMID:40030964
|
研究论文 | 本文提出了一种基于深度学习的心肺音非侵入性检测方法，用于诊断儿童腺样体肥大 | 首次利用心肺音数据结合深度学习模型进行腺样体肥大的非侵入性检测，提供了一种新的诊断方法 | 未提及样本的具体数量及多样性，可能影响模型的泛化能力 | 开发一种非侵入性的腺样体肥大检测方法，以替代现有的侵入性或辐射性诊断技术 | 儿童腺样体肥大患者 | 数字病理 | 上呼吸道疾病 | 深度学习 | CNN, LSTM, GAN | 声音数据 | NA | NA | NA | NA | NA |
| 2534 | 2025-03-05 |
Adaptive Neural Message Passing for Inductive Learning on Hypergraphs
2025-Jan, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3434483
PMID:39058615
|
研究论文 | 本文提出了一种新的超图学习框架HyperMSG，采用模块化的两级神经消息传递策略，在超边内和超边间准确高效地传播信息 | HyperMSG框架通过自适应学习节点度中心性的注意力权重，量化节点的局部和全局重要性，捕捉超图的结构特性，且具有归纳性，能在未见过的节点上进行推理 | NA | 解决现有超图学习方法将超图结构转换为图结构导致的信息丢失和次优利用问题，提升超图学习的表达能力和效率 | 超图结构数据 | 机器学习 | NA | 神经消息传递 | HyperMSG | 图数据 | 多种任务和数据集 | NA | NA | NA | NA |
| 2535 | 2025-03-05 |
SurroFlow: A Flow-Based Surrogate Model for Parameter Space Exploration and Uncertainty Quantification
2025-Jan, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2024.3456372
PMID:39250378
|
研究论文 | 本文介绍了一种基于归一化流的代理模型SurroFlow，用于学习仿真参数与仿真输出之间的可逆变换，支持不确定性量化和高效参数空间探索 | 提出了一种新的基于归一化流的代理模型SurroFlow，支持不确定性量化、高效参数空间探索和逆向预测 | 未提及具体局限性 | 提高科学代理模型的可靠性和探索能力，同时降低计算成本 | 仿真参数与仿真输出之间的关系 | 机器学习 | NA | 归一化流 | SurroFlow | 仿真数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 2536 | 2025-03-05 |
Interactive Design-of-Experiments: Optimizing a Cooling System
2025-Jan, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2024.3456356
PMID:39250379
|
研究论文 | 本文提出了一种交互式视觉优化方法，用于优化冷却系统，特别是在电动汽车的座舱和电池冷却中的应用 | 结合深度学习模型和数值模拟，通过交互式p-h图引导迭代优化过程，提供了一种新的半自动优化方法 | 深度学习模型仅作为冷却系统逆过程的近似，且目标特性可能根据不同的竞争目标选择，可能导致优化过程复杂化 | 优化冷却系统，特别是在电动汽车中的应用 | 冷却系统，特别是电动汽车的座舱和电池冷却系统 | 机器学习 | NA | 深度学习（DL）模型，数值模拟 | 深度学习模型 | 模拟数据 | NA | NA | NA | NA | NA |
| 2537 | 2025-03-05 |
ParamsDrag: Interactive Parameter Space Exploration via Image-Space Dragging
2025-Jan, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2024.3456338
PMID:39250408
|
研究论文 | 本文介绍了ParamsDrag模型，通过直接与可视化交互来探索参数空间，以提高数值模拟中参数调整的效率和直观性 | 提出了一种新的交互式参数空间探索方法，通过直接拖动可视化中的结构相关特征来直观调整和优化参数 | 未提及具体局限性 | 提高数值模拟中参数调整的效率和直观性 | 数值模拟中的参数空间 | 计算机视觉 | NA | 深度学习 | ParamsDrag | 图像 | NA | NA | NA | NA | NA |
| 2538 | 2025-03-05 |
Dynamic Routing and Knowledge Re-Learning for Data-Free Black-Box Attack
2025-Jan, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3469952
PMID:39331554
|
研究论文 | 本文提出了一种新的动态路由和知识再学习框架（DraKe），用于数据自由的黑盒攻击，通过动态生成替代模型结构并重新学习困难样本，有效提高了攻击效果 | 提出了动态路由和知识再学习框架（DraKe），通过动态生成替代模型结构和重新学习困难样本，解决了现有方法在静态替代模型结构、一次性使用硬合成样本以及依赖目标模型数据统计的局限性 | 在线数据生成只能学习一次，存在固有的局限性 | 研究数据自由的黑盒攻击方法，提高对目标模型的攻击效果 | 深度学习模型 | 机器学习 | NA | NA | 动态替代模型结构 | 图像 | 四个公共图像分类数据集和一个面部识别基准 | NA | NA | NA | NA |
| 2539 | 2025-03-05 |
Understanding Episode Hardness in Few-Shot Learning
2025-Jan, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3476075
PMID:39378258
|
研究论文 | 本文探讨了少样本学习中的“情节硬度”问题，并提出了一种新的预采样硬度评估技术IFDR | 首次对影响情节硬度的关键因素进行了代数分析，并提出了高效的预采样硬度评估技术IFDR，以及两种采样方案CL和CPL | NA | 研究少样本学习中情节硬度的影响因素及其评估方法 | 少样本学习中的情节 | 机器学习 | NA | IFDR（逆费舍尔判别比） | NA | NA | NA | NA | NA | NA | NA |
| 2540 | 2025-03-05 |
Latent Diffusion Enhanced Rectangle Transformer for Hyperspectral Image Restoration
2025-Jan, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3475249
PMID:39383081
|
研究论文 | 本文提出了一种潜在扩散增强的矩形Transformer方法，用于高光谱图像（HSI）的恢复，解决了现有方法在探索HSI空间非局部自相似性和光谱低秩特性方面的挑战 | 引入了多形状空间矩形自注意力模块和光谱潜在扩散增强模块，分别用于捕捉非局部空间相似性和生成图像特定的潜在字典以提取低秩向量 | 未明确提及具体限制，但可能包括计算复杂度高或对特定类型HSI的适应性有限 | 提高高光谱图像恢复的效果，包括去噪、超分辨率、重建和修复 | 高光谱图像 | 计算机视觉 | NA | 潜在扩散模型 | Transformer | 图像 | 在四个常见的高光谱图像恢复任务上进行了实验 | NA | NA | NA | NA |