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 18682 篇文献，本页显示第 18281 - 18300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 18281 | 2025-10-07 |
Skin Cancer Detection Using Transfer Learning and Deep Attention Mechanisms
2025-Jan-03, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15010099
PMID:39795627
|
研究论文 | 本研究通过将注意力机制与预训练的Xception迁移学习模型结合，开发了一种皮肤癌检测方法 | 首次探索了多种注意力机制（自注意力、硬注意力、软注意力）与Xception迁移学习模型在皮肤癌二元分类中的集成 | 仅使用HAM10000数据集进行验证，需要进一步研究在其他数据集上的泛化能力 | 研究不同注意力机制对Xception模型在皮肤良恶性病变检测中性能的影响 | 皮肤病变图像 | 计算机视觉 | 皮肤癌 | 深度学习，迁移学习 | CNN, 注意力机制 | 图像 | HAM10000数据集 | NA | Xception, 自注意力机制, 硬注意力机制, 软注意力机制 | 准确率, 召回率 | NA |
| 18282 | 2025-01-14 |
An Attention-Based Multidimensional Fault Information Sharing Framework for Bearing Fault Diagnosis
2025-Jan-03, Sensors (Basel, Switzerland)
DOI:10.3390/s25010224
PMID:39797015
|
研究论文 | 本文提出了一种基于注意力的多维故障信息共享框架（AMFIS），用于解决小样本环境下轴承故障诊断的多维信息获取问题 | 提出了一个创新的动态调整策略（DAS），用于自适应调节故障定位任务（FLT）和故障量化任务（FQT）的训练权重，以达到最佳训练效果 | 在小样本环境下进行多维故障诊断仍存在挑战，且实际工程应用中样本量不足可能限制深度学习的潜力 | 克服小样本环境下轴承故障诊断的多维信息获取困难 | 轴承故障诊断 | 机器学习 | NA | 深度学习 | 基于注意力的网络 | 多维故障信息 | 小样本环境 | NA | NA | NA | NA |
| 18283 | 2025-01-14 |
Seasonal Land Use and Land Cover Mapping in South American Agricultural Watersheds Using Multisource Remote Sensing: The Case of Cuenca Laguna Merín, Uruguay
2025-Jan-03, Sensors (Basel, Switzerland)
DOI:10.3390/s25010228
PMID:39797019
|
研究论文 | 本研究利用多源遥感技术对乌拉圭Cuenca de la Laguna Merín地区的夏季和冬季土地利用/土地覆盖特征进行制图，并比较了随机森林、支持向量机和梯度提升树分类器的性能 | 结合Sentinel-2、Sentinel-1和SRTM影像，使用Google Earth Engine平台，对比了多种分类器在土地利用/土地覆盖制图中的表现，并分析了特征重要性 | 在减少类别混淆方面存在挑战，特别是自然植被与季节性淹没植被、后农业用地/裸地与草本区域之间的区分 | 利用多源遥感技术进行季节性土地利用/土地覆盖制图，并评估不同分类器的性能 | 乌拉圭Cuenca de la Laguna Merín地区的土地利用/土地覆盖特征 | 遥感 | NA | 多源遥感（Sentinel-2、Sentinel-1、SRTM影像） | 随机森林、支持向量机、梯度提升树 | 遥感影像 | NA | NA | NA | NA | NA |
| 18284 | 2025-01-14 |
Deep Learning-Based Pointer Meter Reading Recognition for Advancing Manufacturing Digital Transformation Research
2025-Jan-03, Sensors (Basel, Switzerland)
DOI:10.3390/s25010244
PMID:39797035
|
研究论文 | 本文提出了一种基于深度学习的指针仪表读数识别方法，以推动制造业数字化转型研究 | 提出了一种基于YOLOX-DC的解耦圆头检测算法和PM-SwinUnet分割网络的端到端PMRR方法，解决了现有方法在仪表图像模糊、光照不均、倾斜和复杂背景等问题上的不足 | NA | 提高指针仪表读数识别的准确性和鲁棒性，以支持制造业的数字化转型 | 指针仪表图像 | 计算机视觉 | NA | 深度学习 | YOLOX-DC, PM-SwinUnet | 图像 | 三个指针仪表数据集 | NA | NA | NA | NA |
| 18285 | 2025-10-07 |
Epilepsy Diagnosis from EEG Signals Using Continuous Wavelet Transform-Based Depthwise Convolutional Neural Network Model
2025-Jan-02, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15010084
PMID:39795612
|
研究论文 | 提出一种基于连续小波变换的深度卷积神经网络模型，用于从脑电图信号中诊断癫痫 | 使用连续小波变换将多通道EEG信号转换为图像，并通过图像拼接技术构建模型输入，无需额外分类器或特征选择算法 | 未提及模型在不同数据集上的泛化能力验证 | 开发自动癫痫诊断系统 | 癫痫患者的脑电图信号 | 医学图像分析 | 癫痫 | 连续小波变换 | 深度卷积神经网络 | 脑电图信号转换的图像 | NA | Python PIL库 | 深度卷积神经网络 | 准确率, 灵敏度, 特异性, 精确率 | NA |
| 18286 | 2025-01-14 |
Study on Long-Term Temperature Variation Characteristics of Concrete Bridge Tower Cracks Based on Deep Learning
2025-Jan-02, Sensors (Basel, Switzerland)
DOI:10.3390/s25010207
PMID:39796998
|
研究论文 | 本研究旨在利用LSTM神经网络开发深度学习模型，基于主塔的热变化预测裂缝深度 | 利用LSTM神经网络预测混凝土桥塔裂缝深度，通过多温度输入数据集提高模型预测裂缝宽度的准确性 | NA | 开发深度学习模型以预测混凝土桥塔裂缝深度，并建立精确的温度阈值以早期检测裂缝异常 | 淮安桥的混凝土桥塔裂缝 | 机器学习 | NA | 深度学习 | LSTM | 温度数据 | NA | NA | NA | NA | NA |
| 18287 | 2025-01-14 |
Review of Recent Advances in Predictive Maintenance and Cybersecurity for Solar Plants
2025-Jan-02, Sensors (Basel, Switzerland)
DOI:10.3390/s25010206
PMID:39796997
|
review | 本文系统回顾了太阳能发电厂预测性维护和网络安全的最新进展，探讨了预测性维护技术在太阳能发电厂中的应用优势与挑战 | 强调了物联网（IoT）、机器学习（ML）和深度学习（DL）在太阳能板预测性维护中的整合，提高了维护过程的准确性和效率 | 在可再生能源行业中采用预测性维护面临模型复杂性与准确性之间的平衡、系统不可预测性以及适应环境条件变化的挑战 | 探讨太阳能发电厂预测性维护方法和网络安全的最新进展 | 太阳能板系统 | machine learning | NA | IoT, ML, DL | NA | 实时监测数据 | NA | NA | NA | NA | NA |
| 18288 | 2025-01-14 |
Cybersecurity Solutions for Industrial Internet of Things-Edge Computing Integration: Challenges, Threats, and Future Directions
2025-Jan-02, Sensors (Basel, Switzerland)
DOI:10.3390/s25010213
PMID:39797003
|
研究论文 | 本文详细介绍了工业物联网（IIoT）与边缘计算集成中网络物理系统（CPS）网络安全的当前挑战和解决方案 | 系统性地收集和分析了过去五年的相关文献，开发了IIoT-边缘计算中CPS的主要安全机制的详细分类，并进行了与现有研究的比较分析 | 未提及具体的研究局限性 | 推进IIoT-边缘计算集成中的网络安全研究 | 工业物联网（IIoT）与边缘计算集成中的网络物理系统（CPS） | 网络安全 | NA | 机器学习（ML）、联邦学习（FL）、区块链、区块链-ML、深度学习（DL）、加密、密码学、IT/OT融合、数字孪生 | NA | NA | NA | NA | NA | NA | NA |
| 18289 | 2025-01-14 |
A Comprehensive Survey of Machine Learning Techniques and Models for Object Detection
2025-Jan-02, Sensors (Basel, Switzerland)
DOI:10.3390/s25010214
PMID:39797004
|
综述 | 本文对计算机视觉中的目标检测领域进行了全面调查，重点分析了机器学习和深度学习技术的演变和重大进展 | 深入探讨了从传统方法到最新深度学习模型的广泛方法，并评估了它们的性能、优势和局限性，同时讨论了该领域的挑战和未来研究方向 | 未涉及具体实验数据或样本分析，主要集中于理论和方法论的综述 | 增强目标检测系统在不同应用中的鲁棒性、准确性和效率 | 目标检测技术 | 计算机视觉 | NA | 机器学习（ML）、深度学习（DL） | Transformers | 图像 | NA | NA | NA | NA | NA |
| 18290 | 2025-10-07 |
Using machine learning to improve the hard modeling of NMR time series
2025-Jan, Journal of magnetic resonance (San Diego, Calif. : 1997)
DOI:10.1016/j.jmr.2024.107813
PMID:39700601
|
研究论文 | 提出一种混合方法，结合机器学习和非线性优化来改进NMR时间序列建模 | 将神经网络与非线性优化相结合，用神经网络预测优化算法的初始参数，只需后续微调 | 未明确说明方法在高度重叠峰情况下的性能表现 | 改进NMR时间序列建模方法，提高计算效率和准确性 | NMR光谱时间序列数据 | 机器学习 | NA | NMR光谱分析 | 神经网络 | 时间序列光谱数据 | 构建数据集和实验数据集 | NA | NA | 运行时间, 准确度 | NA |
| 18291 | 2025-10-07 |
Evaluation of accuracy of deep learning and conventional neural network algorithms in detection of dental implant type using intraoral radiographic images: A systematic review and meta-analysis
2025-Jan, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2023.11.030
PMID:38176985
|
系统评价与荟萃分析 | 评估深度学习与传统神经网络算法在利用口内X线影像检测牙科种植体品牌方面的准确性 | 首次通过系统评价和荟萃分析全面评估深度学习算法在牙科种植体品牌检测中的性能表现 | 纳入研究的数量有限（仅13篇系统评价，3篇用于荟萃分析） | 评估深度学习算法在牙科种植体品牌检测中的准确性、敏感性和特异性 | 牙科种植体品牌 | 计算机视觉 | 牙科疾病 | 口内X线摄影（根尖片或全景片） | CNN | 二维影像 | NA | NA | ResNet152, Neuro-T | 准确率, 敏感性, 特异性 | NA |
| 18292 | 2025-10-07 |
An Evolutionary Federated Learning Approach to Diagnose Alzheimer's Disease Under Uncertainty
2025-Jan-01, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15010080
PMID:39795608
|
研究论文 | 提出一种结合进化联邦学习和信念规则库的多模态方法，用于阿尔茨海默病的早期诊断 | 将联邦学习与信念规则库相结合处理医疗数据不确定性，并采用多模态数据融合方法 | 未明确说明样本来源和具体数据规模 | 开发可扩展、保护隐私的阿尔茨海默病早期诊断系统 | 阿尔茨海默病患者的多模态医疗数据 | 医疗人工智能 | 阿尔茨海默病 | 医学影像处理，联邦学习 | CNN, BRB | MRI图像，人口统计数据 | NA | 联邦学习框架 | 卷积神经网络，信念规则库 | 准确率 | NA |
| 18293 | 2025-10-07 |
A Deep Learning-Based Watershed Feature Fusion Approach for Tunnel Crack Segmentation in Complex Backgrounds
2025-Jan-01, Materials (Basel, Switzerland)
DOI:10.3390/ma18010142
PMID:39795787
|
研究论文 | 提出一种基于深度学习的 watershed 特征融合方法，用于复杂背景下隧道裂缝的自动分割 | 结合裂缝特征与 watershed 算法实现自动标注，通过轴提取和 watershed 填充算法优化分割结果 | 训练数据集标注需要大量人工且效率有限，复杂背景和干扰因素影响识别效果 | 开发智能裂缝分割算法以替代传统人工检测方法 | 高速公路隧道结构裂缝 | 计算机视觉 | NA | watershed 算法，轴提取算法 | 深度学习 | 图像 | NA | NA | 残差结构 | 准确率，交并比(IoU) | NA |
| 18294 | 2025-01-14 |
A Survey of Deep Anomaly Detection in Multivariate Time Series: Taxonomy, Applications, and Directions
2025-Jan-01, Sensors (Basel, Switzerland)
DOI:10.3390/s25010190
PMID:39796981
|
综述 | 本文对多变量时间序列异常检测（MTSAD）中的深度学习技术进行了结构化且全面的概述 | 提出了从学习范式和深度学习模型角度对异常检测策略进行分类的体系，并系统性地回顾了这些策略的优缺点 | 未涉及具体实验验证，仅进行了理论和方法上的综述 | 综述多变量时间序列异常检测领域的最新深度学习技术 | 多变量时间序列数据 | 机器学习 | NA | 深度学习 | NA | 时间序列数据 | NA | NA | NA | NA | NA |
| 18295 | 2025-01-14 |
Table Extraction with Table Data Using VGG-19 Deep Learning Model
2025-Jan-01, Sensors (Basel, Switzerland)
DOI:10.3390/s25010203
PMID:39796994
|
研究论文 | 本文介绍了一种基于VGG-19深度学习模型的表格数据提取方法，旨在从包含表格的文档图像中精确识别和提取行和列 | 提出了一种结合表格检测、结构识别和语义规则的综合深度学习方法，并利用VGG-19进行迁移学习以增强模型性能 | 依赖于公开的Marmot数据集，可能限制了模型的泛化能力 | 开发一种能够准确提取表格结构的深度学习方法 | 文档图像中的表格数据 | 计算机视觉 | NA | 深度学习 | VGG-19 | 图像 | 公开的Marmot数据表数据集 | NA | NA | NA | NA |
| 18296 | 2025-01-14 |
Integrating Model-Informed Drug Development With AI: A Synergistic Approach to Accelerating Pharmaceutical Innovation
2025-Jan, Clinical and translational science
DOI:10.1111/cts.70124
PMID:39797502
|
研究论文 | 本文探讨了将模型驱动的药物开发（MIDD）与人工智能（AI）相结合，以加速药物创新 | 结合MIDD与AI，通过虚拟试验优化药物候选选择、剂量方案和治疗策略，降低药物候选风险 | 相关、标注、高质量数据集的可用性、数据隐私问题、模型可解释性和算法偏差等挑战需要仔细管理 | 提高药物开发过程的效率，降低成本，增强患者的治疗效果 | 药物开发过程中的药物吸收、分布、代谢、排泄、药代动力学和药效学 | 机器学习 | NA | 机器学习、深度学习、生成式AI | NA | 大数据 | NA | NA | NA | NA | NA |
| 18297 | 2025-10-07 |
Computational Stabilization of a Non-Heme Iron Enzyme Enables Efficient Evolution of New Function
2025-Jan-10, Angewandte Chemie (International ed. in English)
DOI:10.1002/anie.202414705
PMID:39394803
|
研究论文 | 本研究利用深度学习工具ProteinMPNN对Fe(II)/αKG超家族酶进行重新设计，提高其稳定性、溶解性和表达量，同时保留天然活性和工业应用价值 | 首次将深度学习工具ProteinMPNN系统应用于非血红素铁酶的稳定性改造，并证明稳定化设计能显著提高定向进化效率 | 研究仅针对Fe(II)/αKG超家族酶，其通用性需要更多酶家族的验证 | 评估深度学习工具在酶工程工作流程中的有效性，开发新型生物催化剂 | Fe(II)/αKG超家族酶，特别是非原生C(sp)-H羟基化反应 | 机器学习 | NA | 深度学习辅助的蛋白质设计，定向进化 | 深度学习模型 | 蛋白质序列和结构数据 | 多个Fe(II)/αKG酶变体，经过三轮定向进化筛选 | ProteinMPNN | NA | 酶活性提高倍数（6倍和80倍），稳定性，溶解度，表达量 | NA |
| 18298 | 2025-10-07 |
An optimized LSTM-based deep learning model for anomaly network intrusion detection
2025-Jan-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85248-z
PMID:39789143
|
研究论文 | 提出一种基于LSTM的优化深度学习模型用于网络异常入侵检测 | 使用三种优化算法（PSO、JAYA、SSA）优化LSTM超参数，显著降低误报率 | NA | 开发高效的网络入侵检测系统以应对网络安全威胁 | 网络流量数据中的异常行为 | 机器学习 | NA | NA | LSTM | 网络流量数据 | NSL KDD、CICIDS和BoT-IoT三个数据集 | NA | LSTM | 准确率、精确率、召回率、F分数、真阳性率、假阳性率、ROC曲线 | NA |
| 18299 | 2025-01-13 |
Self-Driving Microscopes: AI Meets Super-Resolution Microscopy
2025-Jan-10, Small methods
IF:10.7Q1
DOI:10.1002/smtd.202401757
PMID:39797467
|
综述 | 本文探讨了机器学习（ML）与超分辨率显微镜结合在生物医学研究中的变革性进展 | 利用深度学习（DL）实现超分辨率显微镜的自动化成像任务，减少人工干预并适应动态生物过程 | 自动化在超分辨率显微镜中的应用仍处于初期阶段 | 探索超分辨率显微镜中自动化的潜力及其在药物发现和疾病表型分析中的应用 | 超分辨率显微镜图像 | 计算机视觉 | NA | 深度学习（DL） | NA | 图像 | NA | NA | NA | NA | NA |
| 18300 | 2025-10-07 |
Estimation of TP53 mutations for endometrial cancer based on diffusion-weighted imaging deep learning and radiomics features
2025-Jan-09, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-13424-5
PMID:39789538
|
研究论文 | 基于扩散加权成像的深度学习和影像组学特征构建子宫内膜癌TP53突变预测模型 | 首次结合深度学习特征、影像组学特征和临床变量构建高斯过程算法预测模型，在TP53突变评估中表现出最优诊断效能 | 样本量相对有限（155例患者），需要更大规模数据验证 | 评估子宫内膜癌中TP53突变状态 | 子宫内膜癌患者 | 医学影像分析 | 子宫内膜癌 | 扩散加权成像 | CNN | 医学影像 | 155例子宫内膜癌患者（训练集80例，测试集35例，外部验证集40例） | NA | 卷积神经网络 | AUC, NRI, 校准曲线, 决策曲线分析 | NA |