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 3710 篇文献，本页显示第 3201 - 3220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3201 | 2025-01-28 |
Graph Convolutional Network with Neural Collaborative Filtering for Predicting miRNA-Disease Association
2025-Jan-08, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines13010136
PMID:39857720
|
研究论文 | 本文提出了一种结合图卷积网络和神经协同过滤的机器学习模型，用于预测miRNA与疾病的关联 | 创新点在于结合了图卷积网络和神经协同过滤技术，有效捕捉网络中的miRNA和疾病特征向量，并保持网络结构 | 未提及具体局限性 | 研究目的是预测与疾病相关的miRNA，以理解人类疾病的潜在发病机制 | 研究对象是miRNA与疾病的关联 | 机器学习 | NA | 图卷积网络（GCN），神经协同过滤（NCF） | GCNCF | 网络数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 3202 | 2025-01-28 |
Diabetes Prediction Through Linkage of Causal Discovery and Inference Model with Machine Learning Models
2025-Jan-07, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines13010124
PMID:39857708
|
研究论文 | 本研究通过结合AI模型和因果发现与推理模型，预测糖尿病并定量分析其因果关系 | 结合AI模型与因果推理模型，不仅提供预测性能，还深入分析影响糖尿病的因素 | NA | 预测糖尿病并分析其因果关系 | 糖尿病患者 | 机器学习 | 糖尿病 | 因果发现技术（如LiNGAM） | 逻辑回归、深度学习、梯度提升、决策树 | 结构化数据 | Kaggle提供的国家糖尿病、消化和肾脏疾病研究所数据集 | NA | NA | NA | NA |
| 3203 | 2025-01-28 |
A Line of Sight/Non Line of Sight Recognition Method Based on the Dynamic Multi-Level Optimization of Comprehensive Features
2025-Jan-07, Sensors (Basel, Switzerland)
DOI:10.3390/s25020304
PMID:39860672
|
研究论文 | 本文提出了一种基于动态多级优化综合特征（DMOCF）的网络模型，用于识别5G信号中的视距（LOS）和非视距（NLOS）传播状态，以提高定位精度 | 通过向时间延迟神经网络（TDNN）添加res2模块和Squeeze and Excitation（SE）块，增强了模型的表达能力，使其能够深入理解信号中的细粒度特征信息，并通过添加具有位置编码的mamba模块来捕捉复杂传播现象下的局部模式 | NA | 提高5G信号在复杂环境中的定位精度，特别是在室内紧急救援、智能工厂管理和跟踪以及精准营销等场景中的应用 | 5G信号的传播状态（LOS/NLOS） | 机器学习 | NA | 动态多级优化综合特征（DMOCF）网络模型 | 时间延迟神经网络（TDNN） | 5G信道脉冲响应（CIR）信号 | NA | NA | NA | NA | NA |
| 3204 | 2025-01-28 |
Applying MLP-Mixer and gMLP to Human Activity Recognition
2025-Jan-07, Sensors (Basel, Switzerland)
DOI:10.3390/s25020311
PMID:39860680
|
研究论文 | 本文探讨了MLP-Mixer和gMLP在人类活动识别（HAR）中的应用，通过减少MLP层中的超参数值来评估这些模型的性能 | 提出了在传感器数据上使用较少的参数实现与图像处理任务相当的准确性，从而减少内存需求和计算复杂度 | 研究仅针对MLP-Mixer和gMLP模型，未涵盖其他可能适用于HAR的深度学习模型 | 评估MLP-Mixer和gMLP在人类活动识别任务中的性能，并探索减少参数对模型性能的影响 | 人类活动识别（HAR）任务 | 机器学习 | NA | 深度学习 | MLP-Mixer, gMLP, CNN | 传感器数据 | NA | NA | NA | NA | NA |
| 3205 | 2025-01-29 |
Research on grading detection methods for diabetic retinopathy based on deep learning
2025-Jan, Pakistan journal of medical sciences
IF:1.2Q2
DOI:10.12669/pjms.41.1.9171
PMID:39867796
|
研究论文 | 本文设计了一种基于深度学习的模型，用于糖尿病视网膜病变的早期筛查，并提供可解释的判断依据 | 采用Vision Transformer架构，结合公开的EyePACS数据集进行训练，并在预测病变区域方面表现优异 | 模型仅在IDRiD数据集的两个子集上进行了验证，可能需要更多样化的数据集进一步验证其泛化能力 | 实现糖尿病视网膜病变的早期筛查并提供可解释的诊断依据 | 糖尿病视网膜病变患者的眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | Vision Transformer | 图像 | 使用EyePACS数据集进行训练，并在IDRiD数据集的两个子集上进行验证 | NA | NA | NA | NA |
| 3206 | 2025-01-29 |
Nanopore sequencing to detect A-to-I editing sites
2025, Methods in enzymology
DOI:10.1016/bs.mie.2024.11.028
PMID:39870444
|
研究论文 | 本文介绍了使用纳米孔直接RNA测序技术结合深度学习模型Dinopore来检测A-to-I RNA编辑位点 | 利用纳米孔直接RNA测序技术结合深度学习模型Dinopore，直接检测A-to-I RNA编辑位点，避免了传统方法的间接性和混淆问题 | NA | 检测A-to-I RNA编辑位点，以研究其在生物体中的编辑景观 | A-to-I RNA编辑位点 | 生物信息学 | NA | 纳米孔直接RNA测序 | 深度学习模型Dinopore | RNA序列数据 | NA | NA | NA | NA | NA |
| 3207 | 2025-01-28 |
Harnessing Spectral Libraries From AVIRIS-NG Data for Precise PFT Classification: A Deep Learning Approach
2025-Jan-27, Plant, cell & environment
DOI:10.1111/pce.15393
PMID:39866067
|
研究论文 | 本研究利用AVIRIS-NG高光谱数据和机器学习技术，开发了一个包含130种植物物种的光谱库，用于精确分类植物功能类型（PFTs） | 通过高光谱数据生成光谱库，结合机器学习方法，显著提高了植物功能类型分类的准确性 | 研究仅限于Shoolpaneshwar野生动物保护区的植物物种，可能不适用于其他地区 | 推进植物功能类型（PFTs）的分类和监测 | Shoolpaneshwar野生动物保护区的130种植物物种 | 机器学习 | NA | AVIRIS-NG高光谱成像和ASD手持光谱辐射计 | Parzen Window (PW), Gradient Boosted Machine (GBM), Stochastic Gradient Descent (SGD) | 高光谱图像 | 130种植物物种 | NA | NA | NA | NA |
| 3208 | 2025-01-28 |
Introduction to Memristive Mechanisms and Models
2025-Jan-24, Recent patents on nanotechnology
IF:2.0Q3
|
研究论文 | 本文介绍了忆阻系统的机制和模型，探讨了其在神经形态计算中的应用 | 本文结合了Chua开发的动态系统框架和统计物理学及渗流理论，提供了对忆阻系统复杂动态行为的深入理解，并探讨了其在深度学习方法中的成功应用 | 本文主要关注理论模型和框架，缺乏对实际硬件实现的详细讨论 | 探讨忆阻系统在神经形态计算中的应用，以应对人工智能发展带来的计算能力需求增长 | 忆阻系统及其在神经形态计算中的应用 | 机器学习 | NA | NA | 动态系统模型、渗流理论模型 | NA | NA | NA | NA | NA | NA |
| 3209 | 2025-01-28 |
Deep learning for kidney trauma detection: CT image algorithm performance and external validation: experimental study
2025-Jan-24, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002221
PMID:39869390
|
研究论文 | 本研究开发并验证了一种用于检测肾脏创伤的深度学习算法，使用机构创伤数据和RSNA数据集进行外部验证 | 首次将深度学习技术应用于肾脏创伤的CT图像检测，并通过外部验证展示了其稳健性能 | 模型在外部验证中的阳性预测值较低，可能需要进一步优化图像分割和计算效率 | 开发并验证一种用于检测肾脏创伤的深度学习算法 | 肾脏创伤的CT图像 | 医学影像 | 肾脏创伤 | 深度学习 | RenoTrNet | CT图像 | 机构创伤数据和RSNA数据集中的随机选择病例 | NA | NA | NA | NA |
| 3210 | 2025-10-07 |
Generalization Analysis of Transformers in Distribution Regression
2025-Jan-21, Neural computation
IF:2.7Q3
DOI:10.1162/neco_a_01726
PMID:39556504
|
研究论文 | 本文提出了一个基于分布回归的Transformer学习框架，通过注意力算子分析Transformer的泛化能力 | 提出了注意力算子的数学表述，证明Transformer能将分布无损压缩为函数表示，并建立了泛化界 | 理论研究缺乏实证验证，实际应用效果需要进一步检验 | 分析Transformer在分布回归中的泛化能力及其数学机制 | Transformer模型及其在分布回归中的应用 | 机器学习 | NA | 分布回归，注意力机制分析 | Transformer | 分布数据 | NA | NA | Transformer | 泛化界 | NA |
| 3211 | 2025-01-26 |
Deep learning analyses of splicing variants identify the link of PCP4 with amyotrophic lateral sclerosis
2025-Jan-24, Brain : a journal of neurology
IF:10.6Q1
DOI:10.1093/brain/awaf025
PMID:39852553
|
研究论文 | 本研究开发了基于深度学习的Spliformer模型，用于预测RNA剪接，并揭示了PCP4与肌萎缩侧索硬化症（ALS）的关联 | 开发了Spliformer和Spliformer-motif模型，能够准确预测和解释pre-mRNA剪接，并发现了与ALS相关的罕见剪接变异 | 研究主要依赖于计算模型预测，实验验证部分仍需进一步扩展 | 研究目的是通过深度学习模型预测RNA剪接，并探索ALS的遗传机制 | 研究对象包括ALS患者和对照组的全基因组测序数据、RNA-seq数据以及Clinvar数据集 | 自然语言处理 | 肌萎缩侧索硬化症 | RNA-seq、全基因组测序（WGS）、minigene实验 | Transformer | 基因组数据、RNA-seq数据 | 1,370名ALS患者的全基因组测序数据 | NA | NA | NA | NA |
| 3212 | 2025-10-07 |
Dendrites endow artificial neural networks with accurate, robust and parameter-efficient learning
2025-Jan-22, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-56297-9
PMID:39843414
|
研究论文 | 本文提出一种融入生物树突结构特性的人工神经网络新架构，在图像分类任务中实现更精确、鲁棒且参数高效的学习 | 首次将生物树突的结构化连接和受限采样特性整合到人工神经网络架构中 | 未明确说明实验所涉及的具体数据集规模和模型复杂度范围 | 开发参数效率更高、抗过拟合能力更强的人工神经网络架构 | 人工神经网络的学习策略和性能表现 | 机器学习 | NA | NA | 人工神经网络 | 图像 | NA | NA | 树突人工神经网络 | 分类准确率, 参数效率, 鲁棒性 | NA |
| 3213 | 2025-10-07 |
Research on the improvement method of imbalance of ground penetrating radar image data
2025-Jan-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87123-3
PMID:39843521
|
研究论文 | 提出基于生成对抗网络的探地雷达图像数据不平衡改进方法，通过生成损伤样本提升分类准确率 | 在生成对抗网络中引入编码器并对生成器、判别器和编码器进行多项改进，实现小样本下稳定生成损伤样本 | 未明确说明具体改进细节和实验样本规模 | 解决探地雷达图像数据不平衡导致的损伤分类准确率低问题 | 高速公路路面结构的损伤检测 | 计算机视觉 | NA | 探地雷达 | GAN | 图像 | NA | NA | 生成对抗网络,编码器 | 准确率,FID | NA |
| 3214 | 2025-10-07 |
Enhanced streamflow forecasting using hybrid modelling integrating glacio-hydrological outputs, deep learning and wavelet transformation
2025-Jan-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87187-1
PMID:39843529
|
研究论文 | 提出一种融合冰川水文模型输出、深度学习和小波变换的混合方法，用于增强河流流量预测 | 将物理过程与数据驱动方法相结合，通过小波变换进行多尺度分析，显著提高了高流量事件的预测精度 | 缺乏直接测量数据 | 提高径流预测准确性，为水资源管理和洪水风险缓解提供可靠见解 | 源自难以到达高山的河流流域的冰雪融化动态 | 机器学习 | NA | 小波变换 | CNN-LSTM | 气象数据、冰川水文模型输出 | NA | NA | CNN-LSTM | NSE, KGE, R, RMSE, MAE | NA |
| 3215 | 2025-10-07 |
Single-cell RNA-seq data augmentation using generative Fourier transformer
2025-Jan-22, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-025-07552-8
PMID:39843603
|
研究论文 | 提出一种无需训练的生成式傅里叶变换器scGFT，用于单细胞RNA测序数据增强 | 开发了首个基于傅里叶变换的免训练生成模型，能够合成具有自然基因表达谱的单细胞数据 | 未明确说明模型在特定细胞类型或疾病中的适用性限制 | 解决单细胞RNA测序数据稀缺问题，提升统计可靠性 | 单细胞RNA测序数据 | 机器学习 | 罕见疾病 | 单细胞RNA测序(scRNA-seq) | 生成模型, Transformer | 基因表达数据 | NA | NA | 傅里叶变换器 | NA | NA |
| 3216 | 2025-10-07 |
Distributed training of foundation models for ophthalmic diagnosis
2025-Jan-22, Communications engineering
DOI:10.1038/s44172-025-00341-5
PMID:39843622
|
研究论文 | 提出一种集成自监督和领域自适应联邦学习的分布式深度学习框架，用于从光学相干断层扫描图像中增强眼病检测 | 结合自监督掩码预训练策略与领域自适应联邦学习，在保护数据隐私的同时提升模型性能和泛化能力 | 未明确说明具体数据集规模和模型计算资源需求 | 开发可靠且可扩展的眼科疾病检测方法 | 糖尿病视网膜病变和年龄相关性黄斑变性等眼病患者 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描 | 深度学习 | 图像 | 七个光学相干断层扫描数据集 | 联邦学习框架 | 基础编码器 | AUC | 分布式训练 |
| 3217 | 2025-10-07 |
An efficient and lightweight detection method for stranded elastic needle defects in complex industrial environments using VEE-YOLO
2025-Jan-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85721-9
PMID:39843892
|
研究论文 | 提出一种基于YOLOv8-n的VEE-YOLO模型，用于复杂工业环境中滞留弹性针缺陷的高效轻量检测 | 引入GSConv增强深度可分离卷积特征提取，建立VOVGSCSP模块提升特征复用性；采用高效多尺度注意力编码通道信息；使用EIoU损失函数替代CIoU解决边界框纵横比变化和样本不平衡问题 | NA | 开发适用于复杂工业环境的小尺寸密集零件缺陷检测方法 | 滞留弹性针缺陷 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | YOLOv8-n, VEE-YOLO | mAP, FPS | NA |
| 3218 | 2025-10-07 |
A comprehensive survey of scoring functions for protein docking models
2025-Jan-22, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-05991-4
PMID:39844036
|
综述 | 本文对蛋白质-蛋白质复合物构象评分函数进行了全面调查和比较分析 | 首次系统比较了经典方法和深度学习方法在七个公共数据集上的性能表现，并考虑了运行时间对大规模对接应用的影响 | 仅对现有方法进行调研比较，未提出新的评分函数模型 | 评估蛋白质-蛋白质对接中评分函数的研究进展，帮助研究人员理解该领域的发展现状 | 蛋白质-蛋白质复合物构象评分函数 | 计算生物学 | NA | 蛋白质-蛋白质对接 | 深度学习, 经典评分函数 | 蛋白质结构数据 | 七个公共流行数据集 | NA | NA | 准确性, 运行时间 | NA |
| 3219 | 2025-10-07 |
Deep learning-based synthetic CT for dosimetric monitoring of combined conventional radiotherapy and lattice boost in large lung tumors
2025-Jan-22, Radiation oncology (London, England)
DOI:10.1186/s13014-024-02568-6
PMID:39844209
|
研究论文 | 本研究开发了基于深度学习的合成CT技术，用于监测大体积肺肿瘤中常规放疗与晶格增量放疗联合治疗的剂量学特性 | 首次将U-Net++深度学习模型应用于生成合成CT，并开发了基于sCT的自适应晶格增量放疗计划，实现了对分次剂量累积的精确监测 | 研究样本量相对有限（115例），且在自由呼吸条件下部分高剂量区域存在大于5mm的位移 | 开发结合常规放疗和晶格增量放疗的综合治疗方案，并监测其剂量学特性 | 115例肺癌患者的锥形束CT图像和大体积肺肿瘤 | 数字病理 | 肺癌 | 锥形束CT，深度学习，剂量监测 | U-Net++ | 医学影像 | 115例肺癌患者 | NA | U-Net++ | 距离一致性，Dice相似系数，剂量偏差 | NA |
| 3220 | 2025-10-07 |
NuFold: end-to-end approach for RNA tertiary structure prediction with flexible nucleobase center representation
2025-Jan-21, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-56261-7
PMID:39837861
|
研究论文 | 开发了一种名为NuFold的端到端深度学习方法，用于预测RNA三级结构 | 引入了核苷碱基中心表示法，能够灵活表示核糖环构象，并能够预测RNA多聚体复合物结构 | NA | 解决RNA三级结构预测的计算挑战 | RNA分子及其三级结构 | 计算生物学 | NA | 深度学习 | 深度神经网络 | RNA序列数据 | NA | NA | 端到端神经网络 | 基准测试表现 | NA |