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 1262 篇文献，本页显示第 841 - 860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 841 | 2025-06-08 |
Prediction of the space group and cell volume by training a convolutional neural network with primitive 'ideal' diffraction profiles and its application to 'real' experimental data
2025-Jun-01, Journal of applied crystallography
IF:5.2Q1
DOI:10.1107/S1600576725002419
PMID:40475932
|
研究论文 | 本研究提出了一种深度学习方法，通过卷积神经网络（CNN）从无机晶体的粉末X射线衍射图谱预测其空间群和晶胞体积 | 利用仅依赖于晶体结构固有特性的δ函数状'理想'X射线衍射图谱训练CNN模型，无需考虑入射X射线波长或谱线形状 | 在应用于'真实'X射线图谱时存在部分不匹配情况，可能源于特定材料状态或实验数据质量 | 开发一种无需模拟实验衍射图谱即可预测晶体结构信息的深度学习方法 | 无机晶体（如TiO、LiNiO和LiMnO等11种材料）的粉末X射线衍射图谱 | 机器学习 | NA | 粉末X射线衍射 | CNN | X射线衍射图谱 | 11种无机晶体材料 | NA | NA | NA | NA |
| 842 | 2025-06-07 |
Computational Approaches to Revisiting Plant Cytoskeleton Organization and Dynamics
2025-Jun-06, Cytoskeleton (Hoboken, N.J.)
DOI:10.1002/cm.22049
PMID:40474669
|
综述 | 本文综述了计算生物学方法在植物细胞骨架组织和动态研究中的应用 | 将深度学习等现代计算技术应用于传统细胞骨架研究领域 | 主要关注图像分析方法，未涉及其他组学数据整合 | 探索计算生物学方法在植物细胞骨架研究中的应用潜力 | 植物细胞骨架（特别是皮层微管） | 计算生物学 | NA | 活细胞成像技术 | 深度学习 | 显微图像 | NA | NA | NA | NA | NA |
| 843 | 2025-06-07 |
Modeling CAPRI Targets of Round 55 by Combining AlphaFold and Docking
2025-Jun-06, Proteins
IF:3.2Q2
DOI:10.1002/prot.26853
PMID:40476317
|
research paper | 本文详细介绍了通过结合AlphaFold深度学习预测与传统对接技术，对CAPRI第55轮中的寡聚体目标进行结构建模的混合方法 | 结合AlphaFold2多聚体管道与传统对接技术，提出了一种混合蛋白质-蛋白质对接方法，并分析了AlphaFold模型的聚类、链内和链间残基接触预测的置信度 | NA | 提高蛋白质寡聚体结构预测的准确性 | CAPRI第55轮中的寡聚体目标 | structural biology | NA | AlphaFold2 multimer pipeline, docking | AlphaFold, docking models | protein structure data | CAPRI Round 55 targets | NA | NA | NA | NA |
| 844 | 2025-06-07 |
Diagnosis melanoma with artificial intelligence systems: A meta-analysis study and systematic review
2025-Jun-06, Journal of the European Academy of Dermatology and Venereology : JEADV
IF:8.4Q1
DOI:10.1111/jdv.20781
PMID:40476369
|
meta-analysis | 该研究通过大规模元分析，综合评估了人工智能和机器学习方法在黑色素瘤自动诊断中的临床应用和预测性能 | 首次对人工智能在黑色素瘤诊断中的性能进行了大规模元分析，特别关注了混合模型的优异表现 | 研究仅纳入了2006年至2024年的文献，可能遗漏了早期的重要研究 | 评估人工智能算法在黑色素瘤诊断中的临床适用性和预测性能 | 黑色素瘤诊断的人工智能系统 | digital pathology | melanoma | meta-analysis | deep learning and HYBRID models | dermoscopic images | 39项主要研究中的78项诊断测试数据 | NA | NA | NA | NA |
| 845 | 2025-06-07 |
End-to-End Abnormal Subgraph Detection via Subgraph-Level Contrastive Learning
2025-Jun-05, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3573922
PMID:40471723
|
research paper | 本文提出了一种端到端的无监督子图异常检测框架EndSubG，通过子图级对比学习来检测异常子图 | EndSubG框架首次将子图划分和异常检测联合建模为一个整体，而非分开处理，并设计了专门用于子图异常检测的评估指标AS-WNMI | 未明确提及具体样本量或数据集的详细限制 | 解决无监督条件下子图异常检测的挑战，提升相关领域的研究 | 图数据中的异常子图 | machine learning | NA | 对比学习 | EndSubG | graph data | NA | NA | NA | NA | NA |
| 846 | 2025-06-07 |
Is EMG Information Necessary for Deep Learning Estimation of Joint and Muscle Level States?
2025-Jun-05, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3577084
PMID:40471740
|
research paper | 该研究探讨了在深度学习模型中是否需要EMG信息来准确估计关节和肌肉的生理状态 | 研究发现EMG信息对于关节状态估计并非必要，但对于肌肉状态估计至关重要，且仅在训练阶段使用EMG信息即可实现优异性能 | 需要EMG作为模型输入的方法在实际部署中可能不切实际 | 开发非侵入式方法来估计关节和肌肉生理状态，以增强可穿戴设备的控制能力 | 膝关节的力矩、功率、速度和力量等生理状态 | machine learning | NA | deep learning | DL | kinematic data, EMG data | 28种不同的周期性和非周期性任务 | NA | NA | NA | NA |
| 847 | 2025-06-07 |
The Role of AI and Voice-Activated Technology in Religious Education in China: Capturing Emotional Depth for Deeper Learning
2025-Jun-05, Journal of religion and health
DOI:10.1007/s10943-025-02347-x
PMID:40473902
|
研究论文 | 本研究探讨了AI和语音激活技术在宗教教育中捕捉诵经情感深度的潜力 | 结合预训练语音识别模型与深度学习分析声音特征，评估修行者的情感状态 | 样本仅限中国大学声乐专业学生，可能缺乏普适性 | 开发用于分析声音特征和评估修行者情感状态的AI算法 | 110名中国大学声乐专业大一和大二学生 | 自然语言处理 | NA | 语音识别、深度学习 | 预训练语音识别模型 | 语音 | 110名大学生（实验组与对照组） | NA | NA | NA | NA |
| 848 | 2025-06-07 |
A Multi-Task Deep Learning Approach for Simultaneous Sleep Staging and Apnea Detection for Elderly People
2025-Jun-05, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00721-7
PMID:40474036
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 849 | 2025-06-07 |
Association between street greenery and physical activity among Chinese older adults in Beijing, China
2025-Jun-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03050-3
PMID:40461572
|
research paper | 本研究探讨了街道绿化与中国老年人特定领域身体活动（PA）之间的关联 | 首次使用百度街景图像和深度学习技术客观评估街道绿化暴露及其与中国老年人不同类型PA的关系 | 未发现街道绿化与休闲PA或家务PA之间的显著关联 | 研究街道绿化对中国老年人身体活动的影响 | 居住在北京市的1326名60岁及以上老年人 | machine learning | geriatric disease | deep learning | NA | image | 1326名老年人 | NA | NA | NA | NA |
| 850 | 2025-06-07 |
Artificial intelligence in prenatal diagnosis: Down syndrome risk assessment with the power of gradient boosting-based machine learning algorithms
2025-Jun-04, Turkish journal of obstetrics and gynecology
IF:1.0Q4
DOI:10.4274/tjod.galenos.2025.83278
PMID:40462403
|
研究论文 | 本研究利用梯度提升机器学习算法评估唐氏综合征的产前诊断风险 | 比较了多种机器学习模型在唐氏综合征风险预测中的表现，发现CatBoost模型准确率最高 | 样本量有限，未来需要在更大数据集上验证模型的泛化能力 | 提高产前筛查中唐氏综合征风险评估的准确性 | 853名孕妇的生化与生物物理学数据 | 机器学习 | 唐氏综合征 | 梯度提升算法（CatBoost, XGBoost, LightGBM） | CatBoost, XGBoost, LightGBM | 生化与生物物理学数据 | 853名孕妇的筛查数据 | NA | NA | NA | NA |
| 851 | 2025-06-07 |
Accelerating promoter identification and design by deep learning
2025-Jun-04, Trends in biotechnology
IF:14.3Q1
DOI:10.1016/j.tibtech.2025.05.008
PMID:40473557
|
review | 本文综述了深度学习在启动子识别、强度预测和从头设计中的应用 | 利用深度学习技术，特别是生成模型，革新了启动子工程领域 | 讨论了数据库质量、特征提取和模型架构对预测准确性的影响，以及开发稳健模型面临的挑战 | 探讨深度学习在启动子工程中的应用及其对基因转录控制的改进 | 启动子DNA序列 | machine learning | NA | deep learning | generative models | DNA序列 | NA | NA | NA | NA | NA |
| 852 | 2025-06-07 |
Measurement of spatial heterogeneity in street restorative perceptions and street refinement design
2025-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02841-y
PMID:40461492
|
research paper | 本研究整合街景数据、深度学习算法、MGWR模型和空间句法，分析街道恢复感知的空间异质性并优化街道设计策略 | 通过比较多种回归模型确定最有效模型，展示不同视觉元素的空间异质性，并基于恢复感知和可达性耦合评估确定急需修复的街道 | 研究仅针对上海黄浦区，可能无法完全代表其他城市或地区的街道恢复感知情况 | 分析街道恢复感知的空间异质性并优化街道设计策略 | 上海黄浦区街道的恢复感知 | urban planning | NA | deep learning, MGWR model, space syntax | random forest (RF), multiple regression models, MGWR model | street view data | 上海黄浦区的街道数据 | NA | NA | NA | NA |
| 853 | 2025-06-07 |
FPA-based weighted average ensemble of deep learning models for classification of lung cancer using CT scan images
2025-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02015-w
PMID:40461493
|
研究论文 | 提出了一种基于花授粉算法(FPA)的加权集成深度学习模型，用于CT扫描图像的肺癌分类 | 与传统静态或等权重集成方法不同，FPA根据验证性能自适应优化每个CNN的贡献，显著提高了诊断准确性 | NA | 提高肺癌早期诊断的准确性和可靠性 | 肺癌(特别是腺癌)的CT扫描图像 | 计算机视觉 | 肺癌 | CT扫描 | CNN (VGG16, ResNet101V2, InceptionV3)的集成模型 | 图像 | NA | NA | NA | NA | NA |
| 854 | 2025-06-07 |
Co-occurrence feature learning for visual recognition of immature leukocytes
2025-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01791-9
PMID:40461529
|
research paper | 该研究提出了一种名为密集连接共现网络（DCONN）的方法，用于提高未成熟白细胞视觉识别的分类准确性 | 结合密集连接卷积层和共现层，使用较少的可训练参数，提高了分类准确性，且对训练硬件要求较低 | 方法尚未扩展到其他病理图像分析，且样本规模可能有限 | 提高白血病诊断中未成熟白细胞的计算机辅助分类准确性 | 未成熟中性粒细胞（包括原始粒细胞、早幼粒细胞、中幼粒细胞、晚幼粒细胞和带状细胞） | digital pathology | leukemia | Yolact用于白细胞检测，RGB到LAB颜色空间转换 | DCONN（密集连接共现网络） | image | NA | NA | NA | NA | NA |
| 855 | 2025-06-07 |
Enhanced residual attention-based subject-specific network (ErAS-Net): facial expression-based pain classification with multiple attention mechanisms
2025-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04552-w
PMID:40461564
|
research paper | 提出了一种基于增强残差注意力机制的主题特定网络（ErAS-Net），用于通过面部表情进行疼痛分类 | 采用多种注意力机制和迁移学习，模仿人类对面部表情的感知，增强疼痛识别能力并捕捉个体独特的表情特征 | 未提及具体局限性 | 解决面部表情自动疼痛检测中的个体差异问题 | 面部表情数据 | computer vision | NA | 深度学习 | ErAS-Net（基于残差注意力机制的CNN） | 图像（面部表情） | UNBC-McMaster Shoulder Pain数据集和BioVid Heat Pain Database数据集 | NA | NA | NA | NA |
| 856 | 2025-06-07 |
Energy consumption analysis and prediction in exercise training based on accelerometer sensors and deep learning
2025-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04380-y
PMID:40461566
|
研究论文 | 本研究基于加速度传感器数据和深度学习技术，提出了一种优化的能量消耗预测模型，以提高运动训练中能量消耗预测的准确性和效率 | 结合CNN、Bi-LSTM网络和注意力机制的模型架构，优化了局部特征提取、时间建模和动态权重分配能力，并提出了多维特征分析框架 | 未提及具体的数据采集环境限制或模型在不同运动类型中的泛化能力 | 提高运动训练中能量消耗预测的准确性和效率，支持智能运动监测、健康管理和个性化训练计划开发 | 运动训练中的能量消耗 | 机器学习 | NA | 深度学习 | CNN, Bi-LSTM, 注意力机制 | 加速度传感器数据 | NA | NA | NA | NA | NA |
| 857 | 2025-06-07 |
Data-intelligence driven methods for durability, damage diagnosis and performance prediction of concrete structures
2025-Jun-03, Communications engineering
DOI:10.1038/s44172-025-00431-4
PMID:40461590
|
综述 | 本文全面回顾了机器学习和深度学习在钢筋混凝土结构耐久性、损伤诊断和性能预测中的应用 | 利用人工智能技术（如深度学习和机器学习）为钢筋混凝土结构的损伤检测和材料性能预测提供了创新方法 | 传统方法效率低且准确性不足，而基于降解机制的偏微分方程模型计算量大且难以求解 | 提高钢筋混凝土结构损伤检测的效率和材料性能预测的准确性 | 钢筋混凝土结构 | 机器学习 | NA | 深度学习和机器学习 | NA | NA | NA | NA | NA | NA | NA |
| 858 | 2025-06-07 |
A novel EEG artifact removal algorithm based on an advanced attention mechanism
2025-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98653-1
PMID:40461599
|
研究论文 | 提出了一种基于改进注意力机制的EEG伪迹去除算法CLEnet，结合双尺度CNN和LSTM，有效分离EEG信号与伪迹 | 整合双尺度CNN和LSTM，并引入改进的EMA-1D注意力机制，提升对未知伪迹的去除能力及多通道EEG数据的适应性 | 未明确说明算法在实时处理或计算效率方面的表现 | 解决EEG信号处理中的伪迹去除问题，提升信号质量 | 多通道EEG数据中的伪迹 | 脑机接口 | 脑部疾病 | 深度学习 | CNN, LSTM, EMA-1D | EEG信号 | 三个数据集（未明确样本数量） | NA | NA | NA | NA |
| 859 | 2025-06-07 |
Deep learning-based electrical impedance spectroscopy analysis for malignant and potentially malignant oral disorder detection
2025-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05116-8
PMID:40461631
|
研究论文 | 本研究首次将电阻抗光谱(EIS)与深度学习结合，用于口腔潜在恶性病变(OPMDs)和口腔癌的检测与分类 | 首次应用EIS结合CNN模型进行口腔病变的非侵入性诊断 | 样本量较小(51名健康人和11名患者)，需进一步扩大验证 | 开发一种非侵入性的口腔病变辅助诊断技术 | 口腔潜在恶性病变(OPMDs)和口腔癌 | 数字病理学 | 口腔癌 | 电阻抗光谱(EIS) | CNN | 光谱数据 | 51名健康人和11名患者 | NA | NA | NA | NA |
| 860 | 2025-06-07 |
A deep learning based intrusion detection system for CAN vehicle based on combination of triple attention mechanism and GGO algorithm
2025-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04720-y
PMID:40461686
|
研究论文 | 本文提出了一种基于深度学习的CAN车辆入侵检测系统，结合了三重注意力机制和灰雁优化算法 | 使用三重注意力机制(TAN)分三步识别入侵，并采用新颖的灰雁优化算法进行网络超参数优化 | 仅针对CAN网络中的DoS和驱动齿轮/RPM欺骗攻击进行测试，未涵盖所有可能的攻击类型 | 开发高效的CAN车辆网络入侵检测系统以提高车载网络安全 | CAN(控制器局域网)车辆网络 | 机器学习 | NA | 深度学习 | TAN(三重注意力机制) | 网络流量数据 | 使用开源数据集(具体数量未提及) | NA | NA | NA | NA |