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 1352 篇文献，本页显示第 1101 - 1120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1101 | 2025-03-20 |
Recent Progress on Heterojunction-Based Memristors and Artificial Synapses for Low-Power Neural Morphological Computing
2025-Mar-19, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202412851
PMID:40103529
|
综述 | 本文综述了基于异质结的忆阻器和人工突触在低功耗神经形态计算领域的最新进展 | 通过优化异质结的材料组成、界面特性和器件结构，降低能耗并提高性能稳定性和耐久性，为低功耗神经形态计算系统提供支持 | 详细讨论了限制基于异质结的忆阻器和人工突触发展的瓶颈 | 探讨基于异质结的忆阻器和人工突触在低功耗神经形态计算中的应用 | 异质结忆阻器和人工突触 | 神经形态计算 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1102 | 2025-03-20 |
Privacy-Preserving Data Augmentation for Digital Pathology Using Improved DCGAN
2025-Mar-18, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3551720
PMID:40100674
|
研究论文 | 本文提出了一种基于改进的深度卷积生成对抗网络（DCGAN）的数据增强方法，用于数字病理学中的全切片图像（WSI）分析 | 利用自监督预训练的CTransPath模型提取多样且具有代表性的WSI特征，引入最小二乘对抗损失和频域损失以提高像素级精度和结构保真度，并通过残差块和跳跃连接增加网络深度、缓解梯度消失并提高训练稳定性 | 实验仅在PatchCamelyon数据集上进行，未验证在其他数据集上的泛化能力 | 解决数字病理学中WSI数据集因隐私法规限制而可用性不足的问题，提升深度学习模型的性能和泛化能力 | 全切片图像（WSI） | 数字病理学 | 肿瘤学 | DCGAN | 改进的DCGAN | 图像 | PatchCamelyon数据集 | NA | NA | NA | NA |
| 1103 | 2025-03-20 |
Detection of Anomalies in Data Streams Using the LSTM-CNN Model
2025-Mar-06, Sensors (Basel, Switzerland)
DOI:10.3390/s25051610
PMID:40096438
|
研究论文 | 本文对应用于数据流异常检测的深度学习方法进行了比较分析，并评估了创新的LSTM-CNN方法的效果 | 提出了创新的LSTM-CNN方法，并证明其在数据流异常检测中的有效性 | 仅使用了Yahoo! Webscope S5数据集进行实验，未在其他数据集上验证 | 比较不同深度学习模型在数据流异常检测中的性能 | 数据流中的异常检测 | 机器学习 | NA | NA | LSTM, LSTM autoencoder, LSTM-CNN | 数据流 | Yahoo! Webscope S5数据集 | NA | NA | NA | NA |
| 1104 | 2025-03-20 |
Landsat Time Series Reconstruction Using a Closed-Form Continuous Neural Network in the Canadian Prairies Region
2025-Mar-06, Sensors (Basel, Switzerland)
DOI:10.3390/s25051622
PMID:40096481
|
研究论文 | 本研究探讨了在加拿大草原地区使用封闭式连续深度神经网络（CFC）与循环神经网络（RNN）结合的CFC-mmRNN模型，用于重建1985年至今的Landsat时间序列 | 提出了一种新的CFC-mmRNN模型，显著提高了Landsat时间序列重建的准确性，相比传统方法在光谱波段上的精度提升了33%至42% | 研究主要针对加拿大草原地区，可能在其他地理区域的适用性有待验证 | 提高Landsat时间序列重建的准确性，以支持更广泛的环境监测和预测应用 | Landsat时间序列数据 | 遥感 | NA | 封闭式连续深度神经网络（CFC）与循环神经网络（RNN）结合 | CFC-mmRNN | 卫星图像 | 1985年至今的Landsat时间序列数据 | NA | NA | NA | NA |
| 1105 | 2025-03-20 |
YOLO-ACE: Enhancing YOLO with Augmented Contextual Efficiency for Precision Cotton Weed Detection
2025-Mar-06, Sensors (Basel, Switzerland)
DOI:10.3390/s25051635
PMID:40096500
|
研究论文 | 本文提出了一种名为YOLO-ACE的改进模型，用于提高棉花田中杂草检测的精度和效率 | YOLO-ACE通过集成上下文增强模块（CAM）和选择性核注意力机制（SKAttention），以及解耦检测头，提升了多尺度特征捕捉和动态调整感受野的能力 | NA | 提高棉花田中杂草检测的精度和效率，以满足现代农业杂草管理的严格要求 | 棉花田中的杂草 | 计算机视觉 | NA | 深度学习 | YOLOv5s的改进版YOLO-ACE | 图像 | CottonWeedDet12 (CWD12) 数据集和CropWeed数据集 | NA | NA | NA | NA |
| 1106 | 2025-03-20 |
Quality of Experience (QoE) in Cloud Gaming: A Comparative Analysis of Deep Learning Techniques via Facial Emotions in a Virtual Reality Environment
2025-Mar-05, Sensors (Basel, Switzerland)
DOI:10.3390/s25051594
PMID:40096493
|
研究论文 | 本文比较了在虚拟现实环境中通过玩家面部表情评估云游戏体验质量（QoE）的深度学习技术 | 提出了一种基于卷积神经网络（CNN）架构的EmotionNET模型技术，用于通过面部表情评估云游戏体验质量，并与ConvoNEXT、EfficientNET和Vision Transformer（ViT）等其他深度学习技术进行了比较 | 传统评估方法未能准确捕捉用户的实际体验质量，部分用户对提供反馈不认真，即使服务符合SLA，部分玩家仍声称未收到承诺的服务 | 提高云游戏用户的体验质量（QoE） | 云游戏玩家 | 计算机视觉 | NA | 深度学习（DL） | CNN, ConvoNEXT, EfficientNET, Vision Transformer (ViT) | 面部表情数据 | 自定义数据集，EmotionNET模型训练准确率为98.9%，验证准确率为87.8% | NA | NA | NA | NA |
| 1107 | 2025-03-20 |
Research on Network Intrusion Detection Model Based on Hybrid Sampling and Deep Learning
2025-Mar-04, Sensors (Basel, Switzerland)
DOI:10.3390/s25051578
PMID:40096461
|
研究论文 | 本研究提出了一种基于混合采样和深度学习的增强型网络入侵检测模型TRBMA，旨在解决现有模型在时间特征学习不完整和恶意流量分类准确率低的问题 | TRBMA模型结合了Temporal Convolutional Networks (TCNs)、Bidirectional Gated Recurrent Units (BiGRUs)和Multi-Head Self-Attention机制，改进了ResNet18架构，并引入了AdamW优化器以提高模型训练的收敛速度和泛化能力 | NA | 提高网络入侵检测模型的准确率，特别是对恶意流量类型的识别 | 网络流量数据，特别是恶意流量类型 | 机器学习 | NA | 深度学习 | 1D-TCN-ResNet-BiGRU-Multi-Head Attention (TRBMA) | 时间序列数据 | CIC-IDS-2017数据集 | NA | NA | NA | NA |
| 1108 | 2025-03-20 |
Closing Gaps in Diabetic Retinopathy Screening in India Using a Deep Learning System
2025-Mar-03, JAMA network open
IF:10.5Q1
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1109 | 2025-03-20 |
Status and Opportunities of Machine Learning Applications in Obstructive Sleep Apnea: A Narrative Review
2025-Mar-01, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.02.27.25322950
PMID:40061337
|
综述 | 本文综述了2018年至2023年间发表的254篇科学出版物，探讨了机器学习在阻塞性睡眠呼吸暂停（OSA）研究中的应用现状和机会 | 本文首次系统地评估了机器学习在OSA研究中的应用，包括诊断、治疗优化和生物标志物开发等多个方面，并指出了当前研究中的不足和未来改进方向 | 研究队列主要为超重男性，女性、年轻肥胖成年人、60岁以上个体和不同种族群体的代表性不足，许多研究样本量小且模型验证不够稳健 | 评估机器学习在阻塞性睡眠呼吸暂停（OSA）研究中的应用现状和机会 | 阻塞性睡眠呼吸暂停（OSA）患者 | 机器学习 | 阻塞性睡眠呼吸暂停 | NA | 深度学习, 支持向量机 | 多导睡眠图, 心电图数据, 可穿戴设备数据 | 254篇科学出版物 | NA | NA | NA | NA |
| 1110 | 2025-03-20 |
Applications of Artificial Intelligence in Acute Promyelocytic Leukemia: An Avenue of Opportunities? A Systematic Review
2025-Mar-01, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14051670
PMID:40095699
|
系统综述 | 本文系统综述了人工智能（AI）在急性早幼粒细胞白血病（APL）中的应用潜力 | 首次全面评估AI、机器学习和深度学习在APL中的应用前景 | 仅基于20篇文献进行定性分析，样本量有限 | 评估AI、机器学习和深度学习在APL诊断、评估和管理中的潜在应用 | 急性早幼粒细胞白血病（APL） | 机器学习 | 白血病 | 荧光原位杂交（FISH）、聚合酶链反应（PCR） | 机器学习（ML）、深度学习（DL） | 常规生物学参数、细胞形态学、流式细胞术、OMICS数据 | 20篇文献 | NA | NA | NA | NA |
| 1111 | 2025-03-19 |
Single-Model Self-Recovering Fringe Projection Profilometry Absolute Phase Recovery Method Based on Deep Learning
2025-Mar-01, Sensors (Basel, Switzerland)
DOI:10.3390/s25051532
PMID:40096375
|
研究论文 | 本文提出了一种基于深度学习的单模型自恢复条纹投影轮廓术绝对相位恢复方法 | 结合深度学习技术与自恢复算法，简化了相位检索和相位展开的复杂过程，无需额外模式辅助即可直接处理高分辨率条纹图像 | NA | 实现高效且准确的高分辨率绝对相位恢复 | 条纹投影轮廓术中的绝对相位恢复 | 计算机视觉 | NA | 深度学习 | Fringe Prediction Self-Recovering network | 图像 | NA | NA | NA | NA | NA |
| 1112 | 2025-03-20 |
Elucidating the role of artificial intelligence in drug development from the perspective of drug-target interactions
2025-Mar, Journal of pharmaceutical analysis
IF:6.1Q1
DOI:10.1016/j.jpha.2024.101144
PMID:40099205
|
综述 | 本文综述了人工智能在药物开发中的应用，特别是在药物-靶点预测方面的作用 | 系统地编译和评估了用于药物及药物组合-靶点预测的AI算法，强调了它们的理论框架、优势和局限性 | 未具体提及研究的局限性 | 探讨人工智能在药物开发中的应用，特别是在药物-靶点预测方面的作用 | 药物-靶点相互作用 | 生物医学 | NA | 人工智能（AI） | 卷积神经网络（CNNs）、图卷积网络（GCNs）、变换器（transformers） | 生物数据 | NA | NA | NA | NA | NA |
| 1113 | 2025-10-07 |
Artificial intelligence guided search for van der Waals materials with high optical anisotropy
2025-Mar-17, Materials horizons
IF:12.2Q1
DOI:10.1039/d4mh01332h
PMID:39704611
|
研究论文 | 利用几何方法和机器学习加速筛选具有高光学各向异性的范德华材料 | 结合几何聚类与深度学习架构（特别是原子线图神经网络）实现范德华材料光学各向异性的高效预测 | NA | 开发高效筛选具有巨大光学各向异性范德华材料的方法 | 范德华材料 | 机器学习 | NA | 密度泛函理论, 椭圆偏振测量 | 图神经网络 | 晶体结构数据, 光学参数 | NA | NA | Atomistic Line Graph Neural Network | 预测能力验证 | NA |
| 1114 | 2025-03-19 |
EEG-based emotion recognition with autoencoder feature fusion and MSC-TimesNet model
2025-Mar-17, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2477801
PMID:40096584
|
研究论文 | 本文提出了一种基于自编码器特征融合和MSC-TimesNet模型的脑电图（EEG）情感识别方法 | 提出了一种创新的深度学习模型MSC-TimesNet，结合多尺度卷积核，有效提取周期内和周期间信息 | 未提及具体局限性 | 提高EEG信号在情感识别任务中的分类性能 | 脑电图（EEG）信号 | 机器学习 | NA | 自编码器特征融合，MSC-TimesNet模型 | MSC-TimesNet | EEG信号 | 公共数据集DEAP和Dreamer | NA | NA | NA | NA |
| 1115 | 2025-10-07 |
A deep learning tissue classifier based on differential co-expression genes predicts the pregnancy outcomes of cattle†
2025-Mar-16, Biology of reproduction
IF:3.1Q2
DOI:10.1093/biolre/ioaf009
PMID:39832283
|
研究论文 | 基于差异共表达基因开发深度学习组织分类器预测牛妊娠结局 | 首次整合多来源样本分析基因共变异，利用差异共表达基因而非传统差异表达基因构建预测模型 | 样本量相对有限（330个样本），仅基于转录组数据 | 预测牛人工授精或胚胎移植后的妊娠结局 | 牛血液和子宫内膜组织样本 | 机器学习 | 生殖疾病 | 转录组分析 | 深度学习 | 基因表达数据 | 330个样本（来自7个不同来源，两种组织类型） | NA | NA | 准确率 | NA |
| 1116 | 2025-03-19 |
VM-UNet++ research on crack image segmentation based on improved VM-UNet
2025-Mar-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92994-7
PMID:40089495
|
研究论文 | 本文提出了一种基于改进VM-UNet的裂纹图像分割方法VM-UNet++，旨在提高裂纹检测的准确性 | 本文创新性地结合了Mamba架构和UNet模型的优势，显著提升了裂纹分割的准确性 | 尽管VM-UNet++在分割精度上有所提升，但其计算成本仍然是一个挑战 | 研究目的是改进裂纹图像分割的准确性，以满足实际应用需求 | 研究对象是裂纹图像 | 计算机视觉 | NA | 深度学习 | VM-UNet++ | 图像 | Crack500和Ozgenel公共数据集 | NA | NA | NA | NA |
| 1117 | 2025-03-19 |
Emerging trends in SERS-based veterinary drug detection: multifunctional substrates and intelligent data approaches
2025-Mar-15, NPJ science of food
IF:6.3Q1
DOI:10.1038/s41538-025-00393-z
PMID:40089516
|
review | 本文综述了基于表面增强拉曼散射（SERS）的兽药检测方法的发展，特别是多功能基底和智能数据分析的应用 | 提出了多功能基底的概念，并探讨了深度学习技术在SERS检测中的应用，包括基底结构设计优化、光学性质预测、光谱预处理及定性和定量分析 | 选择报告分子、数据不平衡和计算需求方面的挑战 | 提高兽药残留检测的精确性和效率 | 兽药残留 | machine learning | NA | SERS | 深度学习 | 光谱数据 | NA | NA | NA | NA | NA |
| 1118 | 2025-03-19 |
A theory and data-driven method for rapid bottom hole pressure calculation in UGS
2025-Mar-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93337-2
PMID:40087345
|
研究论文 | 本文提出了一种新的理论和数据驱动的方法，用于快速计算地下储气库（UGS）的井底压力 | 创新性地结合了井筒流动理论和神经网络模型，开发了一种理论和数据驱动的神经网络模型（TDDNN），显著提高了计算效率和精度 | 方法在样本有限的环境中的应用仍需进一步验证 | 提高地下储气库（UGS）井底压力计算的准确性和效率，以优化气井的动态分析和生产管理 | 地下储气库（UGS）的井底压力 | 机器学习 | NA | 神经网络模型 | TDDNN（理论和数据驱动的神经网络模型） | 理论模型生成的样本和真实样本 | NA | NA | NA | NA | NA |
| 1119 | 2025-03-19 |
Integrating numerical models with deep learning techniques for flood risk assessment
2025-Mar-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93465-9
PMID:40087490
|
研究论文 | 本研究结合数值模型与深度学习技术，用于洪水风险评估，特别是通过LSTM模型进行未来20年的流量预测，并生成洪水区域图和灾害图 | 将LSTM模型与HEC-RAS软件结合，用于洪水风险评估，并通过多种统计和图形分析方法评估模型性能 | 研究仅针对伊朗Nesa河的40年日流量数据，可能无法直接推广到其他河流或地区 | 通过LSTM模型预测流量，并结合HEC-RAS软件生成洪水区域图和灾害图，以提高洪水预警系统的效率 | 伊朗Nesa河的日流量数据 | 机器学习 | NA | LSTM, HEC-RAS | LSTM | 时间序列数据 | 40年的日流量数据 | NA | NA | NA | NA |
| 1120 | 2025-03-19 |
Optimized attention-enhanced U-Net for autism detection and region localization in MRI
2025-Mar-14, Psychiatry research. Neuroimaging
|
研究论文 | 本研究提出了一种利用优化深度学习方法和注意力机制进行自闭症检测及区域定位的框架 | 结合了Symmetric Structured MobileNet with Attention Mechanism (SSM-AM)和Refreshing Awareness-aided Election-Based Optimization (RA-EBO)进行自闭症分类，并利用Multiscale Dilated Attention-based Adaptive U-Net (MDA-AUnet)进行异常区域定位 | NA | 通过MRI图像进行自闭症的早期检测和区域定位，以改善干预效果 | 自闭症谱系障碍（ASD）患者 | 计算机视觉 | 自闭症 | MRI图像处理 | Symmetric Structured MobileNet with Attention Mechanism (SSM-AM), Multiscale Dilated Attention-based Adaptive U-Net (MDA-AUnet) | MRI图像 | 公开数据集ABIDE | NA | NA | NA | NA |