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 1345 篇文献，本页显示第 1161 - 1180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1161 | 2025-03-14 |
Protein-ligand interaction prediction based on heterogeneity maps and data enhancement
2025-Mar-12, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2025.2475229
PMID:40072484
|
研究论文 | 本文提出了一种基于异构图和数据增强的蛋白质-配体相互作用预测模型HGEF-Net，旨在提高药物发现和重定位的效率 | 提出了异质信息学习模块和多层次对比学习的数据增强策略，以及异质注意力整合框架，有效融合分子内和分子间特征，提升模型在稀疏、不平衡数据集上的性能 | NA | 提高蛋白质-配体相互作用预测的准确性和效率，以支持药物发现和重定位 | 蛋白质-配体相互作用 | 机器学习 | NA | 深度学习 | HGEF-Net | 分子数据 | BindingDB数据集和Davis数据集 | NA | NA | NA | NA |
| 1162 | 2025-03-14 |
In-depth and high-throughput spatial proteomics for whole-tissue slice profiling by deep learning-facilitated sparse sampling strategy
2025-Mar-11, Cell discovery
IF:13.0Q1
DOI:10.1038/s41421-024-00764-y
PMID:40064869
|
研究论文 | 本文介绍了一种通过深度学习辅助的稀疏采样策略（S4P）实现高分辨率空间蛋白质组学的方法，用于全组织切片的深度和高通量分析 | 开发了一种新的稀疏采样策略（S4P），结合计算辅助图像重建方法，显著减少了样本数量，实现了厘米级样本的高分辨率空间蛋白质组学分析 | 当前蛋白质组学方法的多重检测能力有限，高空间分辨率的全组织切片映射需要大量的质谱匹配时间 | 实现高分辨率、深度覆盖的空间蛋白质组学分析，以揭示组织和器官中细胞的异质性分布及其功能 | 小鼠大脑组织 | 数字病理学 | NA | 质谱（MS） | 深度学习 | 图像 | 小鼠大脑组织，映射超过9000种蛋白质 | NA | NA | NA | NA |
| 1163 | 2025-03-14 |
Advancements in machine learning and biomarker integration for prenatal Down syndrome screening
2025-Mar-10, Turkish journal of obstetrics and gynecology
IF:1.0Q4
DOI:10.4274/tjod.galenos.2025.12689
PMID:40062699
|
综述 | 本文综述了机器学习和生物标志物整合在产前唐氏综合症筛查中的应用及其进展 | 通过整合母体血清标志物、颈项透明层测量和超声图像，结合随机森林和深度学习卷积神经网络等算法，将检测率提高到85%以上，同时保持低假阳性率 | 需要进一步研究以优化算法，验证其在不同人群中的有效性，并将这些前沿方法纳入常规临床实践 | 提高产前唐氏综合症筛查的准确性和早期检测能力 | 唐氏综合症患者及其正常发育的同龄人的基因组数据 | 机器学习 | 唐氏综合症 | 非侵入性产前检测 | 随机森林, 深度学习卷积神经网络 | 基因组数据, 超声图像 | NA | NA | NA | NA | NA |
| 1164 | 2025-03-14 |
Myocardial perfusion imaging SPECT left ventricle segmentation with graphs
2025-Mar-10, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-025-00728-5
PMID:40063231
|
研究论文 | 本研究评估了在心肌灌注成像SPECT左心室分割过程中，先验信息整合与深度学习方法的比较，以及四种准直技术对五个不同数据集的影响 | 提出了一种新的基于连续图的分割方法，结合心脏几何的先验信息自动分割左心室体积，并比较了不同准直技术对分割结果的影响 | 研究样本量较小，仅包含80名患者，且未涉及更多类型的准直器 | 评估先验信息整合对分割方法性能的提升，以及不同准直技术对心脏几何投影的影响 | 心肌灌注成像SPECT中的左心室分割 | 计算机视觉 | 心血管疾病 | SPECT, 连续最大流最小割算法(CMF), 均匀流形逼近与投影(UMAP) | 基于图的分割方法 | 图像 | 80名患者，包括40名来自混合黑箱准直器，10名来自多针孔(MPH)，10名来自低能量高分辨率(LEHR)，10名来自CardioC，10名来自CardioD准直器 | NA | NA | NA | NA |
| 1165 | 2025-03-14 |
Linear attention based spatiotemporal multi graph GCN for traffic flow prediction
2025-Mar-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93179-y
PMID:40065014
|
研究论文 | 本研究提出了一种名为LASTGCN的新型深度学习模型，用于交通流量预测，该模型结合了多因素融合单元、多图卷积网络和线性注意力机制 | LASTGCN模型引入了多因素融合单元动态整合气象因素，采用多图卷积网络处理空间相关性，并使用线性注意力机制RWKV块高效处理历史交通数据 | 模型在实时应用中的适应性需要进一步优化 | 提高交通流量预测的准确性和鲁棒性，特别是在长期预测方面 | 高速公路交通数据 | 机器学习 | NA | 深度学习 | GCN, RWKV | 交通数据 | 真实世界的高速公路交通数据集 | NA | NA | NA | NA |
| 1166 | 2025-03-14 |
Enhancing SLAM algorithm with Top-K optimization and semantic descriptors
2025-Mar-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90968-3
PMID:40065015
|
研究论文 | 本文提出了一种结合Top-K优化的SLAM算法，用于高效处理LiDAR点云数据，生成语义描述符和全局语义地图 | 该算法通过Top-K优化减少了计算复杂度，提高了处理速度，并在保持推理准确性和效率的同时，显著节省了边缘设备深度学习算法的计算资源 | NA | 解决边缘设备在处理LiDAR点云数据时面临的计算挑战，提高机器人的语义理解能力和姿态估计精度 | LiDAR点云数据 | 计算机视觉 | NA | Top-K优化 | SLAM算法 | 点云数据 | NA | NA | NA | NA | NA |
| 1167 | 2025-03-14 |
An intelligent ransomware based cyberthreat detection model using multi head attention-based recurrent neural networks with optimization algorithm in IoT environment
2025-Mar-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92711-4
PMID:40065000
|
研究论文 | 本文提出了一种基于多头注意力机制的循环神经网络与优化算法相结合的智能勒索软件检测模型，用于物联网环境中的网络安全 | 提出了一种新颖的多头注意力机制循环神经网络与增强型大猩猩部队优化算法相结合的模型（MHARNN-EGTOCRD），用于检测和分类物联网环境中的勒索软件攻击 | 实验验证仅在勒索软件检测数据集上进行，未涉及其他类型网络攻击的检测 | 开发一种高效可靠的勒索软件检测机制，以应对物联网环境中的网络安全威胁 | 物联网环境中的勒索软件攻击 | 机器学习 | NA | 深度学习（DL）和机器学习（ML）方法 | 多头注意力机制循环神经网络（MHARNN）与长短期记忆网络（LSTM）结合 | 勒索软件检测数据集 | NA | NA | NA | NA | NA |
| 1168 | 2025-03-14 |
Enhancing cybersecurity through script development using machine and deep learning for advanced threat mitigation
2025-Mar-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92676-4
PMID:40065042
|
研究论文 | 本文探讨了利用机器学习和深度学习方法增强脚本开发的网络安全，通过使用Fashion MNIST数据集和卷积神经网络模型，展示了这些技术在提升网络安全方面的有效性 | 本文的创新点在于将机器学习和深度学习技术应用于脚本开发中，以自动化和智能化的方式提升网络安全，这在传统安全措施难以应对复杂威胁的背景下具有重要意义 | 本文的局限性在于仅使用了Fashion MNIST数据集进行实验，可能无法全面反映所有网络安全场景的复杂性 | 研究目的是通过机器学习和深度学习技术提升脚本开发的网络安全 | 研究对象是脚本开发过程中的网络安全问题 | 机器学习 | NA | 机器学习和深度学习 | 卷积神经网络（CNN） | 图像数据（Fashion MNIST数据集） | Fashion MNIST数据集 | NA | NA | NA | NA |
| 1169 | 2025-03-14 |
Rolling bearing remaining useful life prediction using deep learning based on high-quality representation
2025-Mar-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93165-4
PMID:40065075
|
研究论文 | 本文提出了一种基于深度学习的方法，用于预测滚动轴承的剩余使用寿命（RUL），以提高旋转机械的可靠性和性能 | 结合一维深度卷积自编码器（1D-DCAE）和多层双向长短期记忆网络（Bi-LSTM）与时间模式注意力机制（TPA），有效提取振动信号中的高质量健康指标（HIs）并捕捉时间依赖性 | 实验仅在PHM2012轴承数据集上进行，未涉及其他数据集或实际工业环境中的验证 | 提高滚动轴承剩余使用寿命（RUL）预测的准确性和鲁棒性 | 滚动轴承 | 机器学习 | NA | 深度学习 | 1D-DCAE, Bi-LSTM, TPA | 振动信号 | PHM2012轴承数据集 | NA | NA | NA | NA |
| 1170 | 2025-03-14 |
The optimization of youth football training using deep learning and artificial intelligence
2025-Mar-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93159-2
PMID:40065080
|
研究论文 | 本研究旨在通过利用先进的深度学习和人工智能技术提高青少年足球训练的效果和成果 | 构建了基于深度学习卷积神经网络（CNNs）的青少年足球训练关键点检测模型，并分析了人工智能在校园足球训练中的应用场景 | 研究中未提及样本的具体数量和多样性，可能影响模型的泛化能力 | 提高青少年足球训练的效果和成果 | 青少年足球训练 | 机器学习 | NA | 深度学习卷积神经网络（CNNs） | CNN | 图像 | 五家技术公司和三十名体育教师 | NA | NA | NA | NA |
| 1171 | 2025-03-14 |
An improved transformer based traffic flow prediction model
2025-Mar-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92425-7
PMID:40065142
|
研究论文 | 本文提出了一种改进的基于Transformer的交通流量预测模型，旨在解决现有深度学习模型在交通流量预测中的局限性 | 提出了IEEAFormer技术，通过嵌入层捕捉交通数据中的隐含信息，采用时间环境感知自注意力机制替代传统的多头自注意力机制，并使用独特的图掩码矩阵和平行空间自注意力架构同时捕捉数据中的长短期空间依赖关系 | 未提及具体局限性 | 提高交通流量预测的准确性，以提升城市交通系统的效率 | 交通流量数据 | 机器学习 | NA | Transformer架构，时间环境感知自注意力机制，图掩码矩阵 | IEEAFormer | 交通流量数据 | 四个真实世界的交通数据集 | NA | NA | NA | NA |
| 1172 | 2025-03-13 |
Intelligent optoelectrowetting digital microfluidic system for real-time selective parallel manipulation of biological droplet arrays
2025-Mar-11, Lab on a chip
IF:6.1Q2
DOI:10.1039/d4lc00804a
PMID:39660615
|
研究论文 | 本文提出了一种结合光电润湿技术和深度学习算法的智能控制系统，用于实时选择性并行操作生物液滴阵列 | 结合光电润湿技术与深度学习算法，实现液滴的实时检测、自动生成虚拟电极控制移动，以及液滴阵列的高效跟踪 | 当前技术依赖于操作员手动定位液滴、绘制光学图案和预设液滴移动路径，缺乏实时反馈和独立液滴控制能力，可能导致液滴失控和污染 | 开发一种智能控制系统，用于自动化操作离散液滴，提高数字微流控技术在生物医学等领域的应用 | 生物液滴阵列 | 数字病理学 | NA | 光电润湿技术、深度学习算法 | 目标检测算法、跟踪算法 | 图像 | NA | NA | NA | NA | NA |
| 1173 | 2025-03-13 |
A large-scale open image dataset for deep learning-enabled intelligent sorting and analyzing of raw coal
2025-Mar-08, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04719-0
PMID:40057526
|
研究论文 | 本文介绍了一个大规模开源的原煤图像数据集DsCGF，用于支持深度学习驱动的原煤智能分选和分析 | 提出了一个大规模、多层次的标注原煤图像数据集，填补了智能选煤领域缺乏准确大规模数据的空白 | 数据集仅涵盖中国三个代表性矿区的样本，可能无法完全代表其他地区的原煤特征 | 推动中国能源转型，实现碳达峰和碳中和战略目标下的智能选煤技术发展 | 原煤图像 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 超过27万张可见光图像，来自中国三个代表性矿区 | NA | NA | NA | NA |
| 1174 | 2025-03-13 |
Probabilistic and deep learning approaches for conductivity-driven nanocomposite classification
2025-Mar-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91057-1
PMID:40055396
|
研究论文 | 本研究提出了一种结合贝叶斯技术和深度学习的混合方法，用于改进纳米复合材料的分类，特别是评估其导电性能 | 提出了一种结合贝叶斯网络（BN）和基于Transformer架构的循环神经网络（RNN）的混合模型，以量化并报告认知不确定性，从而提高分类准确性 | 研究主要关注方法学上的进展，实验结果的广泛适用性尚未验证 | 改进纳米复合材料的分类方法，特别是评估其导电性能 | 纳米复合材料 | 机器学习 | NA | 贝叶斯网络（BN），循环神经网络（RNN），Transformer架构 | 贝叶斯网络（BN），循环神经网络（RNN） | NA | NA | NA | NA | NA | NA |
| 1175 | 2025-03-11 |
Author Correction: Signature-based intrusion detection using machine learning and deep learning approaches empowered with fuzzy clustering
2025-Mar-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92132-3
PMID:40055395
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1176 | 2025-03-13 |
SwinConvNeXt: a fused deep learning architecture for Real-time garbage image classification
2025-Mar-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91302-7
PMID:40055407
|
研究论文 | 本文提出了一种名为SwinConvNeXt的融合深度学习架构，用于实时垃圾图像分类 | 结合了增强的Swin Transformer、改进的ConvNeXt和空间注意力机制，有效提取垃圾图像的全局和局部特征，提高了分类准确性 | 模型在处理视觉相似度高且大小不一的物体时可能存在挑战 | 开发一种高效且可持续的实时垃圾管理系统 | 垃圾图像 | 计算机视觉 | NA | 深度学习 | SwinConvNeXt | 图像 | 公开的垃圾分类数据集 | NA | NA | NA | NA |
| 1177 | 2025-03-13 |
Laser-Induced Breakdown Spectroscopy and a Convolutional Neural Network Model for Predicting Total Iron Content in Iron Ores
2025-Mar, Applied spectroscopy
IF:2.2Q2
DOI:10.1177/00037028241294088
PMID:39558586
|
研究论文 | 本文提出了一种结合激光诱导击穿光谱（LIBS）和卷积神经网络（CNN）模型的方法，用于预测铁矿石中的总铁含量 | 使用CNN模型辅助LIBS技术，显著提高了总铁含量预测的准确性，并减少了建模时间 | 未提及具体局限性 | 提高LIBS技术在铁矿石总铁含量预测中的准确性 | 铁矿石样品 | 机器学习 | NA | 激光诱导击穿光谱（LIBS） | 卷积神经网络（CNN） | 光谱数据 | 339批来自五个国家的铁矿石样品，收集了2034个代表性光谱 | NA | NA | NA | NA |
| 1178 | 2025-03-13 |
Deep-Learning-Enabled Fast Raman Identification of the Twist Angle of Bi-Layer Graphene
2025-Mar, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202411833
PMID:39871720
|
研究论文 | 本文提出了一种结合拉曼光谱和深度学习的数据驱动策略，用于快速、无损地解码和预测双层石墨烯的扭转角度 | 利用深度学习处理高维拉曼数据，提取隐藏信息以实现精确的扭转角度识别，并将该方法扩展到二维平面，实现单个样品内的精确定向映射 | NA | 开发一种高效、无损的方法来识别双层石墨烯的扭转角度，并推广到其他角度依赖的二维材料研究 | 双层石墨烯（TBG） | 材料光谱学与分析 | NA | 拉曼光谱 | 深度学习模型 | 拉曼光谱数据 | NA | NA | NA | NA | NA |
| 1179 | 2025-03-13 |
Deep learning-based spatio-temporal fusion for high-fidelity ultra-high-speed X-ray radiography
2025-Mar-01, Journal of synchrotron radiation
IF:2.4Q3
DOI:10.1107/S1600577525000323
PMID:39937516
|
研究论文 | 本文探讨了基于深度学习的时空融合框架，用于融合两种互补的X射线图像序列，以重建具有高空间分辨率、高帧率和高保真度的目标图像序列 | 提出了一种新的深度学习时空融合框架，通过融合不同配置的X射线视频，显著提高了超高速X射线成像实验的性能和科学价值 | 需要与高速相机适当结合，才能充分发挥该方法的优势 | 提高超高速X射线成像实验的空间分辨率、帧率和保真度 | X射线图像序列 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 两个独立的X射线数据集 | NA | NA | NA | NA |
| 1180 | 2025-03-13 |
Multi-stage deep learning artifact reduction for parallel-beam computed tomography
2025-Mar-01, Journal of synchrotron radiation
IF:2.4Q3
DOI:10.1107/S1600577525000359
PMID:39960472
|
研究论文 | 本文提出了一种多阶段深度学习方法来减少平行束计算机断层扫描（CT）中的伪影 | 在断层扫描管道的每个阶段（投影、正弦图和重建）引入独立的深度学习模型，以数据驱动的方式局部解决特定伪影，并采用旁路连接减少误差传播 | 未明确提及具体局限性 | 提高同步辐射CT图像质量，减少伪影 | 平行束计算机断层扫描图像 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 模拟和真实世界数据集 | NA | NA | NA | NA |