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 1213 篇文献，本页显示第 721 - 740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 721 | 2025-03-01 |
ResGRU: A Novel Hybrid Deep Learning Model for Compound Fault Diagnosis in Photovoltaic Arrays Considering Dust Impact
2025-Feb-09, Sensors (Basel, Switzerland)
DOI:10.3390/s25041035
PMID:40006264
|
研究论文 | 本文提出了一种新型混合深度学习模型ResGRU，用于光伏阵列的复合故障诊断，特别考虑了灰尘影响 | ResGRU模型结合了残差网络（ResNet）和双向门控循环单元（BiGRU），并引入了Squeeze-and-Excitation（SE）模块和中心损失函数，以提高故障诊断的准确性和模型的判别能力 | NA | 提高光伏阵列复合故障诊断的准确性，特别是在灰尘积累情况下的诊断 | 光伏阵列的故障诊断 | 机器学习 | NA | 深度学习 | ResGRU（结合ResNet和BiGRU） | I-V曲线 | NA | NA | NA | NA | NA |
| 722 | 2025-03-01 |
An Extensive Study of Convolutional Neural Networks: Applications in Computer Vision for Improved Robotics Perceptions
2025-Feb-09, Sensors (Basel, Switzerland)
DOI:10.3390/s25041033
PMID:40006262
|
review | 本文综述了卷积神经网络（CNNs）的基本原理及其在机器人感知中的计算机视觉任务中的应用，同时探讨了该领域的挑战和未来前景 | 本文不仅回顾了CNNs的历史、基本概念和工作原理，还特别强调了其在机器人感知中的应用，填补了现有综述的空白 | 本文主要关注CNNs在机器人感知中的应用，可能未涵盖CNNs在其他领域的最新进展 | 探讨CNNs在计算机视觉中的应用，特别是其在提升机器人感知性能方面的潜力 | 卷积神经网络（CNNs）及其在机器人感知中的应用 | computer vision | NA | NA | CNN | image | NA | NA | NA | NA | NA |
| 723 | 2025-03-01 |
CylinDeRS: A Benchmark Visual Dataset for Robust Gas Cylinder Detection and Attribute Classification in Real-World Scenes
2025-Feb-08, Sensors (Basel, Switzerland)
DOI:10.3390/s25041016
PMID:40006245
|
研究论文 | 本文介绍了CylinDeRS，一个用于真实场景中气瓶检测及其属性分类的领域特定数据集 | 提出了一个包含7060张RGB图像和超过25,250个标注实例的新数据集，用于气瓶检测和属性分类 | 数据集可能无法涵盖所有真实世界场景的多样性 | 提升气瓶检测和属性分类的准确性和效率，以增强安全和操作效率 | 气瓶及其属性（材料、尺寸、方向） | 计算机视觉 | NA | 深度学习 | SotA模型 | 图像 | 7060张RGB图像，包含超过25,250个标注实例 | NA | NA | NA | NA |
| 724 | 2025-03-01 |
Autism Data Classification Using AI Algorithms with Rules: Focused Review
2025-Feb-07, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12020160
PMID:40001680
|
综述 | 本文综述了使用基于规则的AI算法进行自闭症谱系障碍（ASD）数据分类的研究，旨在整合当前研究、识别差距并指导未来研究 | 本文的创新点在于专注于从行为学角度探讨可解释的分类算法在ASD检测中的应用，并提出了将深度学习与基于规则的分类器相结合的混合方法以提高模型的可解释性和准确性 | 本文的局限性在于缺乏对具体数据集和样本量的详细讨论，且未深入探讨混合方法在实际应用中的具体效果 | 研究目的是通过综述基于规则的分类研究，提供对ASD早期检测和干预方法的深入理解，并指导未来研究方向 | 研究对象为自闭症谱系障碍（ASD）的行为学数据 | 机器学习 | 自闭症谱系障碍 | 基于规则的分类算法、深度学习 | 决策树、混合模型 | 行为学数据 | NA | NA | NA | NA | NA |
| 725 | 2025-03-01 |
Sequence-Only Prediction of Super-Enhancers in Human Cell Lines Using Transformer Models
2025-Feb-07, Biology
DOI:10.3390/biology14020172
PMID:40001940
|
研究论文 | 本研究揭示了基于Transformer的深度学习模型在人类肿瘤细胞系中预测超级增强子的应用，特别关注于人类基因组中超级增强子和增强子元素的序列特征 | 提出了仅使用序列特征的SE预测方法，利用GENA-LM处理长DNA序列，并在没有表观遗传标记的情况下分析扩展的基因组序列 | 研究仅限于特定的人类肿瘤细胞系，未涵盖所有可能的细胞类型 | 开发一种仅基于序列特征的超级增强子预测方法，用于生物信息学中的增强子/超级增强子表征和基因调控研究 | 人类肿瘤细胞系中的超级增强子和增强子元素 | 生物信息学 | 肿瘤 | Transformer模型 | GENA-LM | DNA序列 | HeLa, HEK293, H2171, Jurkat, K562, MM1S和U87细胞系 | NA | NA | NA | NA |
| 726 | 2025-03-01 |
Diagnosis on Ultrasound Images for Developmental Dysplasia of the Hip with a Deep Learning-Based Model Focusing on Signal Heterogeneity in the Bone Region
2025-Feb-07, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15040403
PMID:40002554
|
研究论文 | 本研究旨在开发和评估一种基于深度学习的模型，用于通过3D转换技术对二维超声图像进行自动发育性髋关节发育不良（DDH）诊断 | 结合3D技术和深度学习，解决了超声图像中的噪声和旋转问题，展示了与专业评估相当的准确性，即使是非专业图像也显示出其潜力 | 研究中使用的样本量相对较小（417名婴儿），且为回顾性研究，可能限制了结果的普遍性 | 开发并评估一种基于深度学习的模型，用于自动诊断发育性髋关节发育不良（DDH） | 417名有DDH风险的婴儿的超声图像 | 计算机视觉 | 发育性髋关节发育不良 | 3D转换技术 | CNN, HigherHRNet-W48 | 图像 | 417名婴儿的超声图像 | NA | NA | NA | NA |
| 727 | 2025-03-01 |
Evaluation of the Performance of a YOLOv10-Based Deep Learning Model for Tooth Detection and Numbering on Panoramic Radiographs of Patients in the Mixed Dentition Period
2025-Feb-07, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15040405
PMID:40002557
|
研究论文 | 本研究评估了基于YOLOv10的深度学习模型在混合牙列期儿童全景X光片中检测和编号牙齿的性能 | 首次将YOLOv10模型应用于混合牙列期儿童全景X光片的牙齿检测和编号，展示了高精度的检测能力 | 模型在不同儿科病例中的优化仍需进一步研究以增强临床适用性 | 评估深度学习模型在混合牙列期儿童全景X光片中牙齿检测和编号的准确性 | 混合牙列期儿童的全景X光片 | 计算机视觉 | NA | 深度学习 | YOLOv10 | 图像 | 200名混合牙列期儿童的全景X光片，共8153颗牙齿 | NA | NA | NA | NA |
| 728 | 2025-03-01 |
Assessment of Cracking Development in Concrete Precast Crane Beams Using Optical and Deep Learning Methods
2025-Feb-07, Materials (Basel, Switzerland)
DOI:10.3390/ma18040731
PMID:40004255
|
研究论文 | 本文提出了一种结合深度卷积神经网络和数字图像相关技术的新方法，用于评估使用超过五十年的预制起重机梁的结构健康状况 | 创新点在于将深度学习U-Net架构用于起重机梁表面裂缝的检测和分割，并结合数字图像相关技术进行表面应变和位移的测量，实现了非破坏性、精确且详细的分析 | NA | 研究目的是评估预制起重机梁的结构健康状况，以早期检测可能影响结构安全的退化 | 预制起重机梁 | 计算机视觉 | NA | 数字图像相关方法 | U-Net | 图像 | NA | NA | NA | NA | NA |
| 729 | 2025-03-01 |
Multi-Modality Fusion and Tumor Sub-Component Relationship Ensemble Network for Brain Tumor Segmentation
2025-Feb-06, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12020159
PMID:40001679
|
研究论文 | 本文提出了一种多模态和单模态特征重校准网络，用于磁共振成像脑肿瘤分割 | 设计了双重新校准模块，通过整合多模态的互补特征与单模态的特定特征，实现精确的特征校准 | 未提及具体局限性 | 探索有效的多模态特征与单模态特征融合解决方案，以提高脑肿瘤分割的准确性 | 脑肿瘤 | 计算机视觉 | 脑肿瘤 | 多模态磁共振成像 | 双重新校准模块 | 磁共振成像数据 | BraTS 2018数据集 | NA | NA | NA | NA |
| 730 | 2025-03-01 |
Machine Learning- and Deep Learning-Based Myoelectric Control System for Upper Limb Rehabilitation Utilizing EEG and EMG Signals: A Systematic Review
2025-Feb-03, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12020144
PMID:40001664
|
系统综述 | 本文系统综述了机器学习和深度学习技术在基于肌电控制的上肢康复系统中的应用，重点关注脑电图和肌电图信号的使用 | 整合非侵入性信号采集方法与先进计算模型，提升康复设备的准确性和效率 | 模型鲁棒性、计算复杂性和实时应用性方面仍存在挑战 | 探讨机器学习和深度学习在上肢康复中的应用，以恢复运动功能并改善患者预后 | 上肢残疾患者，特别是由中风或神经系统疾病引起的患者 | 机器学习 | 中风、神经系统疾病 | 脑电图（EEG）、肌电图（EMG） | LSTM、SVM、CNN | EEG信号、EMG信号 | 14项研究 | NA | NA | NA | NA |
| 731 | 2025-10-07 |
A CT-based deep learning for segmenting tumors and predicting microsatellite instability in patients with colorectal cancers: a multicenter cohort study
2025-Feb, La Radiologia medica
DOI:10.1007/s11547-024-01909-5
PMID:39586941
|
研究论文 | 本研究开发并验证了基于术前增强CT图像的深度学习模型，用于结直肠癌肿瘤自动分割和微卫星不稳定性预测 | 首次将nnU-Net用于结直肠癌肿瘤自动分割，并比较了ViT和CNN模型在MSI预测中的性能，开发了结合影像和临床病理因素的联合模型 | 回顾性研究设计，样本来源有限的时间范围（2018-2023年） | 开发结直肠癌肿瘤自动分割和微卫星不稳定性预测的深度学习模型 | 结直肠癌患者 | 计算机视觉 | 结直肠癌 | CT成像，免疫组织化学，荧光多重PCR-毛细管电泳 | CNN, ViT | CT图像，临床病理数据 | 2180例患者（训练集1159例，验证集289例，外部测试集732例） | nnU-Net | nnU-Net, ViT, CNN | Dice系数，召回率，精确率，F1分数，AUC，决策曲线分析 | NA |
| 732 | 2025-10-07 |
Predicting emergence of crystals from amorphous precursors with deep learning potentials
2025-Feb, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-024-00752-y
PMID:39695321
|
研究论文 | 利用深度学习势函数预测无定形前驱体结晶产物的候选结构 | 首次通过通用深度学习原子间势函数在原子尺度采样局部结构基元，实现多类无机系统结晶产物的准确预测 | 方法目前主要适用于无机材料系统，尚未验证在有机或生物分子系统的适用性 | 开发能够可靠预测无定形前驱体结晶过程产物的计算方法 | 无机材料系统中的无定形前驱体及其结晶产物 | 机器学习 | NA | 深度学习势函数 | 深度学习 | 原子结构数据 | 多种材料系统（多晶型氧化物、氮化物、碳化物、氟化物、氯化物、硫族化物和金属合金） | NA | 通用深度学习原子间势函数 | 高准确度 | NA |
| 733 | 2025-02-28 |
Ion Gel Pressure Sensor with High Sensitivity and a Wide Linear Range Enabled by Magnetically Induced Gradient Microstructures
2025-Feb-26, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c23005
PMID:39943829
|
研究论文 | 本文开发了一种新型电容式压力传感器，灵感来源于树蛙脚趾垫的梯度微结构，适用于纹理识别、运动监测和物体抓取识别等多种应用 | 该传感器采用磁感应技术精确控制梯度微结构形态，并结合离子凝胶和导电纳米材料，实现了低至0.5 Pa的微小压力检测和高达93.5 kPa的宽线性范围 | NA | 开发一种能够精确检测微小压力变化并同时具有宽线性范围和高灵敏度的电容式压力传感器 | 电容式压力传感器 | 智能传感 | NA | 磁感应技术 | 深度学习算法 | 压力信号 | NA | NA | NA | NA | NA |
| 734 | 2025-02-28 |
Evaluating Undersampling Schemes and Deep Learning Reconstructions for High-Resolution 3D Double Echo Steady State Knee Imaging at 7 T: A Comparison Between GRAPPA, CAIPIRINHA, and Compressed Sensing
2025-Feb-25, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001168
PMID:40009727
|
研究论文 | 本文评估了不同欠采样方案和深度学习重建方法在7T高分辨率3D双回波稳态膝关节成像中的应用，比较了GRAPPA、CAIPIRINHA和压缩感知（CS）的效果 | 本研究首次在7T高场强下，结合压缩感知欠采样和深度学习重建技术，实现了快速、高分辨率的3D DESS膝关节成像，且图像质量无明显下降 | 研究样本量较小，仅包括20名志愿者的40个膝关节，且未评估不同欠采样方案对临床诊断准确性的影响 | 评估不同欠采样方案和深度学习重建方法在高分辨率3D DESS膝关节成像中的效果，以确定最佳欠采样方案及其极限 | 20名志愿者的40个膝关节 | 医学影像 | 膝关节疾病 | 3D双回波稳态（DESS）磁共振成像，压缩感知（CS），深度学习（DL）重建 | 深度学习算法 | 3D磁共振图像 | 20名志愿者的40个膝关节 | NA | NA | NA | NA |
| 735 | 2025-02-28 |
Applications of Artificial Intelligence, Deep Learning, and Machine Learning to Support the Analysis of Microscopic Images of Cells and Tissues
2025-Feb-15, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11020059
PMID:39997561
|
综述 | 本文探讨了人工智能（AI）、深度学习（DL）和机器学习（ML）在细胞和组织显微图像分析中的应用 | 综述了最新的AI和DL技术，特别是开源性软件和创新的深度神经网络架构在细胞检测和分割算法精度上的显著提升 | 主要面向生物学背景较弱的读者，可能缺乏对高级AI和ML技术的深入探讨 | 支持细胞和组织显微图像的分析，提供疾病中细胞组织的关键见解 | 细胞和组织的显微图像 | 数字病理学 | NA | 深度学习，机器学习 | 深度神经网络 | 图像 | NA | NA | NA | NA | NA |
| 736 | 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 |
| 737 | 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 |
| 738 | 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 |
| 739 | 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 |
| 740 | 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 |