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 1206 篇文献，本页显示第 661 - 680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 661 | 2025-03-06 |
Dual Accuracy-Quality-Driven Neural Network for Prediction Interval Generation
2025-Feb, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3339470
PMID:38113152
|
研究论文 | 本文提出了一种用于回归任务中预测区间（PI）生成的神经网络方法，旨在提高深度学习模型在现实世界应用中的可靠性 | 设计了一种新颖的损失函数，用于PI生成网络，该函数考虑了目标估计网络的输出，并具有两个优化目标：最小化平均PI宽度和确保PI完整性，通过隐式最大化PI概率覆盖率的约束 | NA | 提高深度学习模型在回归任务中的不确定性量化能力，生成高质量的预测区间 | 回归任务中的神经网络模型 | 机器学习 | NA | 深度学习 | 神经网络 | 合成数据集、基准数据集、实际作物产量预测数据集 | 使用了一个合成数据集、八个基准数据集和一个实际作物产量预测数据集 | NA | NA | NA | NA |
| 662 | 2025-03-06 |
A Lightweight Group Transformer-Based Time Series Reduction Network for Edge Intelligence and Its Application in Industrial RUL Prediction
2025-Feb, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3347227
PMID:38170656
|
研究论文 | 本文提出了一种轻量级组变压器时间序列缩减网络（GT-MRNet），用于工业剩余使用寿命（RUL）预测，旨在满足边缘智能的实时响应需求 | GT-MRNet通过自适应选择必要的时间步长来减少计算量，采用轻量级组变压器提取特征，并提出时间序列缩减策略和多层次学习机制，显著降低了参数和计算成本 | 未明确提及具体局限性 | 开发一种适用于边缘设备的轻量级深度学习模型，用于工业剩余使用寿命（RUL）预测 | 工业设备的剩余使用寿命预测 | 机器学习 | NA | 深度学习 | Transformer, GT-MRNet | 时间序列数据 | 基于真实世界条件数据集的广泛实验结果 | NA | NA | NA | NA |
| 663 | 2025-03-06 |
Attentive Learning Facilitates Generalization of Neural Networks
2025-Feb, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3356310
PMID:38324433
|
研究论文 | 本文通过研究神经网络在训练样本中是否包含分布外（OoD）示例时的变化，探讨了神经网络的泛化能力 | 提出了一个新的概念——数据集分散稳定性（dataset-distraction stability），用于衡量OoD示例对网络预测的影响，并通过实验展示了其与泛化能力的负相关性 | 研究主要基于CIFAR-10/100数据集，未涉及其他数据集或实际应用场景 | 研究神经网络的泛化能力及其与训练数据分布的关系 | 神经网络在训练样本中的表现 | 机器学习 | NA | NA | VGG, ResNet, WideResNet, ViT | 图像数据 | CIFAR-10/100数据集 | NA | NA | NA | NA |
| 664 | 2025-03-06 |
Light-based depth-sensing device with deep learning to measure spinal deformity: abridged secondary publication
2025-Feb, Hong Kong medical journal = Xianggang yi xue za zhi
PMID:40038080
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 665 | 2025-03-06 |
Integrative multi-environmental genomic prediction in apple
2025-Feb, Horticulture research
IF:7.6Q1
DOI:10.1093/hr/uhae319
PMID:40041603
|
研究论文 | 本文探讨了多环境基因组预测在苹果中的应用，通过整合表型、基因组和环境数据，提高了对特定土壤和气候条件下基因型选择的预测能力 | 本研究创新性地将统计模型和深度学习模型应用于多环境基因组预测，特别是通过整合基因型与环境交互效应，显著提高了预测能力 | 多环境数据集的构建和结构复杂模型的开发仍是主要挑战，限制了多环境基因组预测在苹果中的应用 | 研究目的是通过多环境基因组预测模型，选择适应不同环境条件的苹果品种，以应对气候变化的影响 | 研究对象是苹果的十一个性状，这些性状具有不同的遗传结构 | 机器学习 | NA | 基因组预测、深度学习 | G-BLUP、深度学习模型 | 表型数据、基因组数据、环境数据 | NA | NA | NA | NA | NA |
| 666 | 2025-03-05 |
Discordance between a deep learning model and clinical-grade variant pathogenicity classification in a rare disease cohort
2025-Feb-28, NPJ genomic medicine
IF:4.7Q1
DOI:10.1038/s41525-025-00480-w
PMID:40021654
|
研究论文 | 本文探讨了深度学习模型AlphaMissense在预测错义变体功能影响和评估基因必要性方面的局限性，特别是在罕见疾病队列中的表现 | 揭示了AlphaMissense在识别致病性错义变体方面的不足，尤其是在内在无序区域（IDRs）的评估上 | AlphaMissense在识别致病性错义变体方面的精确度和召回率较低，特别是在IDRs区域的表现不可靠 | 评估深度学习模型在罕见疾病中预测错义变体致病性的能力 | 罕见疾病队列中的错义变体 | 生物医学信息学 | 罕见疾病 | 深度学习 | AlphaMissense | 基因变异数据 | 45种罕见疾病队列 | NA | NA | NA | NA |
| 667 | 2025-03-05 |
Framework for smartphone-based grape detection and vineyard management using UAV-trained AI
2025-Feb-28, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e42525
PMID:40028582
|
研究论文 | 本文提出了一种结合无人机和智能手机技术的AI框架，用于葡萄串的自动检测和葡萄园管理 | 结合无人机和智能手机技术，利用无人机捕获的数据进行训练，提高了葡萄串检测的准确性和适应性，超越了传统和纯无人机方法 | 基于智能手机的图像收集用于模型训练是劳动密集型和成本高昂的 | 提高葡萄串检测的效率和准确性，减少葡萄园监测的时间和精力 | 葡萄园中的葡萄串 | 计算机视觉 | NA | 深度学习 | X-Decoder, YOLO | 图像, 视频 | 无人机视频数据集（BBCH77-BBCH79阶段）和智能手机拍摄的图像 | NA | NA | NA | NA |
| 668 | 2025-03-05 |
A GPR-based framework for assessing corrosivity of concrete structures using frequency domain approach
2025-Feb-28, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e42641
PMID:40028599
|
研究论文 | 本文提出了一种基于GPR的框架，用于评估混凝土结构的腐蚀性，采用频域分析方法 | 引入了一种更全面的GPR数据解释方法，包括时间和时频域分析，结合深度学习和频域分析技术 | 方法依赖于地面真实条件的验证，可能在实际应用中受到限制 | 开发一种更准确的GPR数据解释方法，用于评估混凝土结构的腐蚀性 | 混凝土结构中的钢筋腐蚀 | 无损检测 | NA | GPR, 短时傅里叶变换(STFT) | 深度学习 | GPR数据 | 钢筋混凝土墙的锤击和钢筋暴露验证 | NA | NA | NA | NA |
| 669 | 2025-03-05 |
CANDI: a web server for predicting molecular targets and pathways of cannabis-based therapeutics
2025-Feb-27, Journal of cannabis research
IF:4.1Q1
DOI:10.1186/s42238-025-00268-w
PMID:40016810
|
研究论文 | 本文介绍了CANDI，一个用于预测大麻基治疗分子靶点和途径的网页服务器 | 结合深度学习和传统大麻使用知识，开发了CANDI服务器，为大麻化合物的治疗潜力提供了新的预测工具 | NA | 研究大麻化合物的分子靶点和相关途径，以开发针对性的有效大麻基疗法 | 大麻化合物及其分子靶点和途径 | 自然语言处理 | 癌症 | 深度学习 | 基于注意力的神经网络 | 化合物-靶点相互作用数据 | NA | NA | NA | NA | NA |
| 670 | 2025-03-05 |
Comparative Study of Machine Learning and System Identification for Process Systems Engineering Dynamics
2025-Feb-26, Industrial & engineering chemistry research
IF:3.8Q2
DOI:10.1021/acs.iecr.4c03264
PMID:40026351
|
研究论文 | 本研究对传统系统辨识和现代机器学习模型在过程系统工程（PSE）动态系统数据驱动建模中的应用进行了全面基准测试 | 使用AutoSID框架，结合MLOps原则，对12种不同模型架构在11个PSE案例研究中进行比较，展示了贝叶斯优化和k折交叉验证在模型选择中的有效性 | 研究主要关注PSE应用，可能在其他领域的适用性有限 | 比较传统系统辨识和现代机器学习模型在PSE动态系统建模中的性能 | 过程系统工程（PSE）动态系统 | 机器学习 | NA | 贝叶斯优化, k折交叉验证 | 树集成模型, 深度学习模型 | 动态系统数据 | 11个PSE案例研究 | NA | NA | NA | NA |
| 671 | 2025-03-05 |
Generative Deep Learning-Based Efficient Design of Organic Molecules with Tailored Properties
2025-Feb-26, ACS central science
IF:12.7Q1
DOI:10.1021/acscentsci.4c00656
PMID:40028364
|
研究论文 | 本研究开发了一种生成式深度学习模型（Gen-DL），用于设计具有特定光学性质的有机分子 | 该模型能够利用分子结构-性质关系，生成具有指定光学性质的分子，并应用于实际场景 | NA | 加速具有特定性质分子的发现与设计 | 有机分子 | 机器学习 | NA | 生成式深度学习 | Gen-DL | 分子/溶剂对数据 | 71,424个分子/溶剂对 | NA | NA | NA | NA |
| 672 | 2025-03-05 |
Using wearable sensors and machine learning to assess upper limb function in Huntington's disease
2025-Feb-25, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-00770-5
PMID:40000872
|
研究论文 | 本研究利用可穿戴传感器和机器学习评估亨廷顿病患者的上肢功能 | 通过可穿戴传感器和深度学习模型监测现实世界中的上肢功能，提供更全面的疾病症状理解 | 样本量较小（HD=16, pHD=7, CTR=16），可能影响结果的普遍性 | 评估亨廷顿病患者的上肢功能，探索早期检测和远程监测的可能性 | 亨廷顿病患者（HD）、前驱期亨廷顿病患者（pHD）和对照组（CTR） | 机器学习 | 亨廷顿病 | 深度学习模型 | 统计和机器学习模型 | 传感器数据 | HD=16, pHD=7, CTR=16 | NA | NA | NA | NA |
| 673 | 2025-03-05 |
Proteomic Characterization of Cardioprotective Human Acellular Amniotic Fluid
2025-Feb-25, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.4c09451
PMID:40028051
|
研究论文 | 本文通过全球蛋白质组学分析，揭示了人类羊水（hAF）在心肌缺血再灌注损伤中的心脏保护作用的生物活性成分 | 首次基于质谱技术对足月无细胞人类羊水进行蛋白质组学表征，揭示了其免疫调节蛋白的多样性及其在心脏保护中的作用 | 研究样本量较小，仅包括六名患者的羊水样本 | 揭示人类羊水在心肌缺血再灌注损伤中的心脏保护作用的生物活性成分 | 足月无细胞人类羊水 | 蛋白质组学 | 心血管疾病 | 串联质谱 | NA | 蛋白质数据 | 六名患者的羊水样本 | NA | NA | NA | NA |
| 674 | 2025-03-05 |
Parameter Efficient Fine-tuning of Transformer-based Masked Autoencoder Enhances Resource Constrained Neuroimage Analysis
2025-Feb-20, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.15.638442
PMID:40027656
|
研究论文 | 本文评估了在预训练的视觉Transformer上应用参数高效微调（PEFT）方法的效果，特别是在资源受限的神经影像分析中的应用 | 首次在神经影像分析中应用PEFT方法，显著减少了可训练参数数量，同时保持了或超越了传统全微调方法的性能 | 研究主要基于T1加权脑MRI数据，未涉及其他类型的神经影像数据 | 探索参数高效微调方法在神经影像分析中的应用效果 | T1加权脑MRI数据 | 计算机视觉 | 阿尔茨海默病, 帕金森病 | 参数高效微调（PEFT） | Transformer-based Masked Autoencoder (MAE) | 图像 | 258个训练扫描 | NA | NA | NA | NA |
| 675 | 2025-03-05 |
GFLearn: Generalized Feature Learning for Drug-Target Binding Affinity Prediction
2025-Feb-04, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3538497
PMID:40031740
|
研究论文 | 本文提出了一种新的广义特征学习模型（GFLearn），用于药物-靶标结合亲和力预测，通过整合图神经网络（GNNs）和自监督不变特征学习模块，显著提高了预测性能 | GFLearn模型通过整合图神经网络和自监督不变特征学习模块，能够从未见过的药物或靶标中提取鲁棒且高度可泛化的特征，从而显著提高预测性能 | NA | 提高药物-靶标结合亲和力预测的准确性和泛化能力 | 药物和靶标 | 机器学习 | NA | 图神经网络（GNNs），自监督不变特征学习 | GFLearn | 药物和靶标的数据 | 两个不同的数据集，涉及新药物、新靶标及其组合的三种挑战性场景 | NA | NA | NA | NA |
| 676 | 2025-03-05 |
Matryoshka: Exploiting the Over-Parametrization of Deep Learning Models for Covert Data Transmission
2025-Feb, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3434417
PMID:39058616
|
研究论文 | 本文提出了一种名为Matryoshka的新型内部攻击，利用深度学习模型的过参数化特性进行隐蔽数据传输 | 提出了一种新的参数共享方法，利用载体模型的学习能力进行信息隐藏，实现了高容量、解码效率、有效性、鲁棒性和隐蔽性 | 未提及具体的技术限制或实验中的不足 | 揭示即使没有暴露接口，机器学习数据的隐私也可能被破坏的可能性 | 深度学习模型和机器学习数据 | 机器学习 | NA | 深度学习 | DNN | 模型参数 | 超过10,000个真实世界数据样本 | NA | NA | NA | NA |
| 677 | 2025-03-05 |
Interactive Isosurface Visualization in Memory Constrained Environments Using Deep Learning and Speculative Raycasting
2025-Feb, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2024.3420225
PMID:38941206
|
研究论文 | 本文提出了一种新颖的隐式等值面渲染算法，用于在内存受限的环境中进行大规模体积数据的交互式可视化 | 通过渐进式遍历光线波前并按需解压数据块来执行隐式光线-等值面交叉，同时使用预训练的深度神经网络改进中间结果的质量，并引入推测性光线-块交叉以加速渲染和提高GPU利用率 | 算法在图像质量和渲染时间之间进行权衡，可能会影响最终图像的精度 | 解决在轻量级终端设备上可视化大规模数据集时的内存限制问题 | 大规模体积数据 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 体积数据 | NA | NA | NA | NA | NA |
| 678 | 2025-03-05 |
Sparse Non-Local CRF With Applications
2025-Feb, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3474468
PMID:39361458
|
研究论文 | 本文提出了一种新的成对条件随机场（CRF）模型，称为稀疏非局部CRF，该模型结合了稀疏CRF的效率和密集CRF的非局部连接特性 | 提出了一种新的稀疏非局部CRF模型，结合了稀疏CRF的效率和密集CRF的非局部连接特性，且边缘权重不受限制 | 未明确提及具体局限性 | 研究一种新的CRF模型，以提高计算机视觉任务中的空间一致性建模效率 | 图像像素 | 计算机视觉 | NA | 条件随机场（CRF） | 稀疏非局部CRF | 图像 | NA | NA | NA | NA | NA |
| 679 | 2025-03-05 |
Intelligent Bionic Polarization Orientation Method Using Biological Neuron Model for Harsh Conditions
2025-Feb, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3484183
PMID:39437271
|
研究论文 | 本文开发了一种智能创新定向方法，以提高在恶劣条件下偏振罗盘的准确性 | 该方法结合了生物神经元模型和卷积神经网络，模拟了Syrphidae视觉神经通路的高效感知机制，并优化了自适应反对称环算法，提高了在弱偏振条件下的定向精度 | NA | 提高在恶劣天气条件和局部遮挡情况下的偏振罗盘定向精度 | 偏振罗盘在恶劣条件下的定向精度 | 计算机视觉 | NA | 卷积神经网络（CNN） | CNN | 图像 | NA | NA | NA | NA | NA |
| 680 | 2025-03-05 |
Noise Self-Regression: A New Learning Paradigm to Enhance Low-Light Images Without Task-Related Data
2025-Feb, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3487361
PMID:39466857
|
研究论文 | 本文提出了一种新的低光图像增强学习范式NoiSER，利用纯高斯噪声完成低光图像增强任务，无需任何任务相关数据 | NoiSER通过自回归方法利用纯高斯噪声进行低光图像增强，进一步降低了对训练数据的要求，并可作为实际应用中的另一种选择 | NA | 研究目的是提出一种新的低光图像增强方法，减少对训练数据的依赖 | 低光图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |