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 19350 篇文献，本页显示第 17781 - 17800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17781 | 2025-02-28 |
InceptionDTA: Predicting drug-target binding affinity with biological context features and inception networks
2025-Feb-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e42476
PMID:40007773
|
研究论文 | 本文介绍了一种名为InceptionDTA的新型药物-靶标结合亲和力预测模型，该模型结合了生物上下文特征和Inception网络 | InceptionDTA利用CharVec（Prot2Vec的增强变体）将生物上下文和分类特征整合到蛋白质序列编码中，并采用多尺度卷积架构从蛋白质序列和药物SMILES中提取局部和全局特征 | 尽管InceptionDTA在多个基准数据集上表现出色，但其在处理大规模数据集和复杂分子结构时可能仍面临挑战 | 提高药物-靶标结合亲和力预测的准确性和效率，以加速药物再利用和新药发现 | 药物-靶标结合亲和力 | 机器学习 | NA | 深度学习 | Inception网络 | 蛋白质序列和药物SMILES | 多个基准数据集 | NA | NA | NA | NA |
| 17782 | 2025-02-28 |
Deep Learning-Based Molecular Fingerprint Prediction for Metabolite Annotation
2025-Feb-14, Metabolites
IF:3.4Q2
DOI:10.3390/metabo15020132
PMID:39997757
|
研究论文 | 本文探讨了基于深度学习的分子指纹预测方法，用于代谢物注释 | 应用深度学习方法替代传统的光谱匹配，通过分子指纹与质谱测量之间的复杂关系进行代谢物注释 | 研究依赖于有限的公开光谱库，且仅涵盖已知化合物的一部分 | 研究深度学习在基于MS/MS光谱的分子指纹预测中的应用，并根据已知和预测的分子指纹相似性对代谢物ID进行排序 | 代谢物 | 机器学习 | NA | 液相色谱-质谱联用(LC-MS) | 深度学习 | 质谱数据 | 来自NIST、MoNA和HMDB的MS/MS光谱数据，以及CASMI 2016、CASMI 2017和CASMI 2022基准数据集 | NA | NA | NA | NA |
| 17783 | 2025-02-28 |
A Scale-Invariant Looming Detector for UAV Return Missions in Power Line Scenarios
2025-Feb-10, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics10020099
PMID:39997122
|
研究论文 | 本文提出了一种尺度不变逼近检测器（SILD），用于无人机在电力线场景中的返航任务，以提高碰撞避免能力 | SILD通过预处理视频帧、使用注意力掩码增强运动区域，并模拟生物觉醒来识别逼近威胁，同时抑制噪声，克服了运动视觉的限制，确保了对不同尺度逼近物体的一致敏感性 | NA | 提高无人机在电力线场景中的碰撞避免能力 | 无人机在电力线场景中的返航任务 | 计算机视觉 | NA | 深度学习 | SILD | 视频 | NA | NA | NA | NA | NA |
| 17784 | 2025-02-28 |
Sequence-Aware Vision Transformer with Feature Fusion for Fault Diagnosis in Complex Industrial Processes
2025-Feb-08, Entropy (Basel, Switzerland)
DOI:10.3390/e27020181
PMID:40003178
|
研究论文 | 本文提出了一种新颖的全局和局部特征融合序列感知视觉变换器（GLF-ViT），用于复杂工业过程中的故障诊断 | 通过修改特征嵌入以保留采样点相关性并保留更多局部信息，融合分类令牌的全局特征和编码器的局部特征，显著增强了复杂故障诊断的能力 | 尽管在TE数据集和电力传输故障数据集上表现出色，但该方法在其他类型工业数据上的泛化能力尚未验证 | 提高复杂工业过程中高维时间序列故障诊断的准确性 | 复杂工业过程中的故障数据 | 计算机视觉 | NA | NA | Vision Transformer (ViT) | 时间序列数据 | Tennessee Eastman (TE) 数据集和电力传输故障数据集 | NA | NA | NA | NA |
| 17785 | 2025-02-28 |
Metabolic Objectives and Trade-Offs: Inference and Applications
2025-Feb-06, Metabolites
IF:3.4Q2
DOI:10.3390/metabo15020101
PMID:39997726
|
综述 | 本文综述了从多组学数据中确定代谢目标和权衡的挑战，并探讨了其在个性化医学、药物发现、组织工程和系统生物学中的潜在应用 | 结合单细胞组学、代谢建模和机器学习/深度学习方法，实现了在转录组和代谢水平上推断细胞目标，将基因表达模式与代谢表型联系起来 | NA | 确定细胞代谢目标，以支持代谢工程、细胞重编程和药物发现等应用 | 细胞代谢网络 | 系统生物学 | NA | 单细胞组学、代谢建模、机器学习/深度学习 | NA | 多组学数据 | NA | NA | NA | NA | NA |
| 17786 | 2025-02-28 |
Fault Diagnosis of Semi-Supervised Electromechanical Transmission Systems Under Imbalanced Unlabeled Sample Class Information Screening
2025-Feb-06, Entropy (Basel, Switzerland)
DOI:10.3390/e27020175
PMID:40003172
|
研究论文 | 本文提出了一种新的半监督故障诊断方法，针对机电传动系统在健康监测中标签数据稀缺和非标签数据丰富的问题，通过主动学习的信息筛选机制和数据不平衡驱动的成本敏感函数，显著提高了诊断模型对非标签样本的识别能力 | 提出了一种基于主动学习的信息筛选机制，结合数据不平衡驱动的成本敏感函数，解决了传统半监督深度学习方法在伪标签信息可靠性、非标签数据特征提取准确性和样本选择不平衡方面的不足 | 方法在仅包含少量标签数据的情况下进行了验证，但在更广泛的数据集和实际应用中的效果仍需进一步验证 | 解决机电传动系统健康监测中标签数据稀缺和非标签数据丰富的问题，提高故障诊断的准确性 | 机电传动系统的状态数据 | 机器学习 | NA | 主动学习，半监督学习 | 深度学习模型 | 状态数据 | 两个数据集，共12个实验场景 | NA | NA | NA | NA |
| 17787 | 2025-02-28 |
Exploring Applications of Artificial Intelligence in Critical Care Nursing: A Systematic Review
2025-Feb-04, Nursing reports (Pavia, Italy)
DOI:10.3390/nursrep15020055
PMID:39997791
|
系统综述 | 本文系统评估了人工智能在重症监护护理领域的当前应用 | 本文综合分析了多种AI技术在重症监护护理中的应用，包括经典模型、机器学习方法、深度学习架构和生成式AI工具 | 研究中的异质性限制了得出关于AI在重症监护护理中应用效果的明确结论 | 评估人工智能在重症监护护理中的应用及其对患者结果的影响 | 重症监护护理中的患者和护理实践 | 医疗保健 | 重症监护 | 多种AI技术，包括逻辑回归、支持向量机、随机森林、神经网络和生成式AI工具如ChatGPT | 多种模型，包括经典模型、机器学习模型、深度学习模型和生成式AI模型 | 结构化数据（如生命体征和实验室结果）和非结构化数据（如护理记录和患者历史），以及音频数据 | 24项研究，涉及1364篇初步筛选的文章 | NA | NA | NA | NA |
| 17788 | 2025-02-28 |
Advancing MRI Reconstruction: A Systematic Review of Deep Learning and Compressed Sensing Integration
2025-Feb-01, ArXiv
PMID:39975448
|
综述 | 本文系统回顾了深度学习与压缩感知在MRI重建中的集成应用 | 深度学习与压缩感知的结合显著提高了MRI重建的速度和准确性 | 未提及具体的技术限制或挑战 | 探讨深度学习在MRI重建中的应用及其潜力 | MRI图像重建 | 医学影像 | NA | 深度学习, 压缩感知 | NA | 图像 | NA | NA | NA | NA | NA |
| 17789 | 2025-02-28 |
An Online Evaluation Method for Random Number Entropy Sources Based on Time-Frequency Feature Fusion
2025-Jan-27, Entropy (Basel, Switzerland)
DOI:10.3390/e27020136
PMID:40003132
|
研究论文 | 本文提出了一种基于时频特征融合的在线随机数熵源评估方法，通过神经网络预测随机序列的下一位，并引入了一种新的深度学习架构FFT-ATT-LSTM | 提出了一种新的深度学习架构FFT-ATT-LSTM，结合了简化的软注意力机制和快速傅里叶变换，有效融合时域和频域特征，提高了预测精度 | NA | 解决传统熵源评估方法难以在线部署的问题，实现在线检测熵源质量 | 随机数熵源 | 机器学习 | NA | 快速傅里叶变换（FFT），软注意力机制 | FFT-ATT-LSTM | 随机序列数据 | NA | NA | NA | NA | NA |
| 17790 | 2025-02-28 |
Mining Suicidal Ideation in Chinese Social Media: A Dual-Channel Deep Learning Model with Information Gain Optimization
2025-Jan-24, Entropy (Basel, Switzerland)
DOI:10.3390/e27020116
PMID:40003113
|
研究论文 | 本文提出了一种基于中文社交媒体的双通道深度学习模型DSI-BTCNN，用于识别自杀意念，并通过信息增益优化提高检测能力 | 提出了一种新的双通道模型DSI-BTCNN，结合信息增益优化的IDFN融合机制，有效分配计算资源以捕捉与自杀相关的关键特征 | 模型仅在中文社交媒体数据上进行了评估，未涉及其他语言或平台的数据 | 通过深度学习模型及时识别社交媒体上的自杀意念，以支持全球自杀预防工作 | 中文社交媒体数据 | 自然语言处理 | NA | 深度学习 | DSI-BTCNN（双通道卷积神经网络） | 文本 | 定制数据集 | NA | NA | NA | NA |
| 17791 | 2025-02-28 |
Immunohistochemistry-Free Enhanced Histopathology of the Rat Spleen Using Deep Learning
2025-Jan, Toxicologic pathology
IF:1.4Q4
DOI:10.1177/01926233241303907
PMID:39726256
|
研究论文 | 开发深度学习模型从H&E染色切片直接识别大鼠脾脏淋巴区室 | 首次实现无需免疫组化的深度学习增强组织病理学方法，直接从H&E染色量化脾脏淋巴区室 | 目前仅应用于正常大鼠脾脏，尚未验证于病变组织或其他物种 | 开发免疫系统增强组织病理学的深度学习定量评估方法 | 大鼠脾脏组织 | 数字病理学 | NA | 深度学习 | 深度学习模型 | 图像 | 正常大鼠脾脏切片 | NA | NA | NA | NA |
| 17792 | 2025-02-28 |
Prediction models for cognitive impairment in middle-aged patients with cerebral small vessel disease
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1462636
PMID:40007740
|
研究论文 | 本研究旨在开发基于海马纹理的模型，用于预测中年脑小血管病（CSVD）患者的认知障碍 | 使用Unet深度学习神经网络模型自动分割海马体，并结合LASSO方法选择放射组学特征，构建预测模型 | 结合影像标志物和海马纹理的组合模型并未比单独模型显著改善诊断效果（p > 0.05） | 开发预测中年CSVD患者认知障碍的模型 | 145名CSVD患者和99名对照受试者 | 数字病理学 | 脑小血管病 | 深度学习、放射组学 | Unet、LASSO | 影像数据 | 244名受试者（145名CSVD患者和99名对照） | NA | NA | NA | NA |
| 17793 | 2025-02-28 |
Advancing arabic dialect detection with hybrid stacked transformer models
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1498297
PMID:40007884
|
研究论文 | 本文提出了一种基于两种Transformer模型的混合堆叠模型，用于提高阿拉伯方言的分类性能 | 提出了一种新颖的堆叠模型，结合了Bert-Base-Arabertv02和Dialectal-Arabic-XLM-R-Base两种Transformer模型，以捕捉更广泛的语言特征 | NA | 提高阿拉伯方言的分类性能，以增强自然语言处理（NLP）应用的效果 | 阿拉伯方言 | 自然语言处理 | NA | 深度学习 | Transformer, LSTM, GRU, CNN | 文本 | 使用了IADD和Shami数据集进行模型评估 | NA | NA | NA | NA |
| 17794 | 2025-02-28 |
KGRDR: a deep learning model based on knowledge graph and graph regularized integration for drug repositioning
2025, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2025.1525029
PMID:40008124
|
研究论文 | 本文提出了一种基于知识图谱和图正则化集成的深度学习模型KGRDR，用于预测药物与疾病之间的潜在相互作用 | KGRDR模型结合了多相似性集成和知识图谱学习，通过图正则化方法整合药物和疾病的多种相似性信息，有效消除噪声数据，并利用注意力机制融合相似性特征和拓扑特征，最终使用图卷积网络预测药物-疾病关联 | 未明确提及具体局限性 | 优化药物开发，加速新治疗方案的开发，降低成本并减轻风险 | 药物与疾病之间的相互作用 | 机器学习 | NA | 深度学习 | 图卷积网络（GCN） | 药物和疾病的相似性信息、生物医学知识图谱 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 17795 | 2025-02-28 |
Artificial intelligence in drug development: reshaping the therapeutic landscape
2025, Therapeutic advances in drug safety
IF:3.4Q2
DOI:10.1177/20420986251321704
PMID:40008227
|
研究论文 | 本文探讨了人工智能在药物研发中的应用及其对治疗领域的重塑 | 人工智能通过机器学习、深度学习和神经网络等技术，革新了药物设计、靶点识别和临床试验预测，并加速了药物分子的开发和重新设计 | AI模型通常被视为'黑箱'，其结论难以理解，且由于模型透明度和算法偏见的缺乏，限制了其潜力 | 研究人工智能在药物研发中的应用及其对治疗领域的重塑 | 药物研发过程中的各个环节，包括药物设计、靶点识别和临床试验预测 | 机器学习 | NA | 机器学习、深度学习、神经网络 | NA | NA | NA | NA | NA | NA | NA |
| 17796 | 2025-02-28 |
Corrigendum: Predicting epidermal growth factor receptor mutation status of lung adenocarcinoma based on PET/CT images using deep learning
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1564325
PMID:40012552
|
correction | 本文是对先前发表的文章的更正，该文章涉及基于PET/CT图像使用深度学习预测肺腺癌表皮生长因子受体突变状态 | NA | NA | 更正先前发表的文章中的错误 | NA | digital pathology | lung cancer | NA | deep learning | PET/CT images | NA | NA | NA | NA | NA |
| 17797 | 2025-10-07 |
Brain analysis to approach human muscles synergy using deep learning
2025-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-025-10228-y
PMID:39996071
|
研究论文 | 本研究通过深度学习分析脑电信号和肌电信号来探索人体肌肉协同作用 | 结合脑电信号和肌电信号进行协同分析，并开发了从脑连接图重建肌肉信号的新方法 | NA | 研究手部运动过程中脑电和肌电信号的相互作用，估计肌肉与脑信号之间的协同作用 | 脑电信号和肌电信号 | 机器学习 | NA | 脑电图，肌电图，图论分析 | 神经网络，卷积网络 | 脑电信号，肌电信号 | NA | NA | NA | 相关系数，均方误差 | NA |
| 17798 | 2025-10-07 |
Automated classification of coronary LEsions fRom coronary computed Tomography angiography scans with an updated deep learning model: ALERT study
2025-Mar, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11308-z
PMID:39792162
|
研究论文 | 本研究评估更新版深度学习模型CorEx-2.0在冠状动脉CT血管造影扫描中自动分类冠状动脉病变的诊断性能 | 使用最新更新的深度学习模型CorEx-2.0进行冠状动脉狭窄定量分析，并与两位专家读片者进行独立比较 | 单中心回顾性研究，样本量较小（50例患者），缺乏多中心验证 | 评估深度学习模型在冠状动脉CT血管造影中定量测量冠状动脉狭窄的诊断性能 | 接受冠状动脉CT血管造影检查以排除阻塞性冠状动脉疾病的患者 | 医学影像分析 | 心血管疾病 | 冠状动脉CT血管造影 | 深度学习模型 | 医学影像 | 50例患者，150条血管 | NA | CorEx-2.0 | 灵敏度, Cohen's kappa, 线性加权kappa, 一致率 | NA |
| 17799 | 2025-10-07 |
Combining deep learning and machine learning techniques to track air pollution in relation to vegetation cover utilizing remotely sensed data
2025-Mar, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.124323
PMID:39914214
|
研究论文 | 结合深度学习和机器学习技术，利用遥感数据追踪空气污染与植被覆盖的关系 | 首次将机器学习(XGB、SVM、RF)和深度学习(Unet、Unet++、MAnet、Linknet)模型集成应用于达卡市空气污染与植被覆盖关系研究 | 未使用高分辨率影像和未整合社会经济数据 | 研究空气污染物(PM2.5和PM10)浓度上升与城市绿地减少之间的关系 | 孟加拉国达卡市的空气污染和植被覆盖 | 环境遥感 | NA | 遥感技术 | 集成机器学习模型,深度学习分割模型 | 遥感影像数据 | 1990-2022年期间的时序数据 | NA | Unet, Unet++, MAnet, Linknet | NA | NA |
| 17800 | 2025-10-07 |
Carbon source dosage intelligent determination using a multi-feature sensitive back propagation neural network model
2025-Mar, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.124341
PMID:39933376
|
研究论文 | 提出一种基于SHAP和敏感性分析的多特征敏感反向传播神经网络模型，用于污水处理厂碳源投加的智能确定 | 结合SHAP和敏感性分析构建多特征敏感BPNN模型，引入理论公式提升预测精度，采用反馈调节处理异常数据 | 模型在短期和有限数据条件下开发，可能对数据质量敏感 | 解决污水处理厂反硝化阶段碳源投加不经济和出水总氮浓度不稳定的问题 | 污水处理厂的碳源投加过程 | 机器学习 | NA | 深度学习 | BPNN | 过程参数数据 | NA | NA | 多特征敏感反向传播神经网络 | R, 出水总氮浓度改善率, 碳源投加减少率 | NA |