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 202 篇文献，本页显示第 201 - 202 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201 | 2025-12-04 |
Dengue forecasting and outbreak detection in Brazil using LSTM: integrating human mobility and climate factors
2026-Mar, Infectious Disease Modelling
IF:3.0Q1
DOI:10.1016/j.idm.2025.11.002
PMID:41321683
|
研究论文 | 本研究开发了一种基于LSTM的深度学习模型，用于预测巴西的登革热病例并检测疫情爆发，整合了人类移动性和气候因素 | 首次将人类移动性数据整合到基于深度学习的登革热预测框架中，以捕捉病毒传播的空间动态 | 未明确提及模型在更广泛地理区域或不同疾病背景下的泛化能力限制 | 提高登革热病例预测和疫情爆发的检测准确性，以支持早期预警系统和公共卫生干预 | 巴西选定城市的登革热病例数据、气候变量和人类移动性数据 | 自然语言处理 | 登革热 | 深度学习 | LSTM | 时间序列数据 | NA | NA | LSTM | MAE, MAPE, CRPS, 准确率, 灵敏度, 特异性, F1分数 | NA |
| 202 | 2025-10-05 |
A framework using large time series model for early warning of infectious diseases
2026-Mar, Infectious Disease Modelling
IF:3.0Q1
DOI:10.1016/j.idm.2025.08.006
PMID:41017782
|
研究论文 | 提出了一种基于大时间序列模型的传染病早期预警框架 | 利用生成式预训练大时间序列模型解决传染病预警中数据质量和数量限制的问题 | NA | 开发具有强泛化能力和优异性能的传染病早期预警系统 | 时空序列中的异常上升趋势（疫情暴发）检测 | 机器学习 | 传染病 | 时间序列分析 | 大时间序列模型 | 时空序列数据 | 真实世界传染病数据集及相关衍生数据集 | NA | 大时间序列模型 | NA | NA |