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 36553 篇文献，本页显示第 19981 - 20000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 19981 | 2025-03-06 |
On Model of Recurrent Neural Network on a Time Scale: Exponential Convergence and Stability Research
2025-Mar, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3377446
PMID:38530720
|
研究论文 | 本文研究了在时间尺度上使用延迟微分方程建模的递归神经网络（RNN）的架构设计，重点探讨了系统的定性行为和稳定性 | 本文创新性地在时间尺度上结合多个离散和分布式延迟，探索了RNN模型的指数稳定性，并比较了Hilger和常规指数函数两种构建指数估计的方法 | 研究主要集中于理论分析和数值模拟，缺乏实际应用场景的验证 | 研究目的是在时间尺度上建模和探讨延迟RNN的架构设计及其稳定性 | 递归神经网络（RNN）及其在时间尺度上的动态行为 | 机器学习 | NA | 延迟微分方程 | RNN | 数值数据 | 两个模型：一个两神经元网络（含四个离散和分布式延迟）和一个七神经元环格延迟网络 | NA | NA | NA | NA |
| 19982 | 2025-03-06 |
Statistical Machine Learning for Power Flow Analysis Considering the Influence of Weather Factors on Photovoltaic Power Generation
2025-Mar, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3382763
PMID:38587954
|
研究论文 | 本文提出了一种基于统计机器学习的随机天气生成器（SWG），用于分析考虑天气因素影响的光伏发电的电力潮流 | 结合生成对抗网络（GANs）、概率论和信息论，提出了一种新的深度学习模型，用于生成和评估全年每小时的模拟天气数据 | 未提及具体局限性 | 分析天气因素对光伏发电和天气敏感负荷的影响，以提高电力潮流分析的准确性 | 光伏发电和天气敏感负荷 | 机器学习 | NA | 统计机器学习（SML） | 生成对抗网络（GANs） | 天气数据 | 中国广东的一个实际配电网络，使用全年模拟数据进行电力潮流分析 | NA | NA | NA | NA |
| 19983 | 2025-03-06 |
Toward Efficient Convolutional Neural Networks With Structured Ternary Patterns
2025-Mar, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3380827
PMID:38652622
|
研究论文 | 本文提出了一种利用结构化三元模式（STePs）设计高效卷积神经网络（ConvNet）架构的方法，以减少训练和推理过程中的资源需求 | 通过使用从局部二值模式（LBPs）和Haar特征生成的非学习权重参数，减少了卷积神经网络的总权重更新，从而提高了效率 | 该方法需要进一步研究非学习权重的良好先验，以在不改变网络结构的情况下提高深度学习架构的效率 | 设计高效的卷积神经网络架构，以减少资源需求并提高在移动和嵌入式平台上的应用 | 卷积神经网络（ConvNets） | 计算机视觉 | NA | 局部二值模式（LBPs）和Haar特征 | 卷积神经网络（ConvNets） | 图像 | 四个图像分类数据集 | NA | NA | NA | NA |
| 19984 | 2025-03-06 |
IoT-Based Elderly Health Monitoring System Using Firebase Cloud Computing
2025-Mar, Health science reports
IF:2.1Q3
DOI:10.1002/hsr2.70498
PMID:40041774
|
研究论文 | 本研究开发并验证了一种基于物联网的老年人健康监测系统，旨在提高老年人的生活质量 | 系统集成了Firebase云平台和Android用户界面，实现了实时数据收集和分析，并采用监督机器学习技术进行健康状况预测 | 样本量较小，仅涉及六名参与者，未来可扩展样本量以验证系统的普适性 | 开发一种基于物联网的老年人健康监测系统，以应对日益增长的老年人口对医疗系统的挑战 | 老年人 | 物联网 | 老年疾病 | 监督机器学习 | XGBoost | 实时生理数据（心率、血氧饱和度、体温） | 六名参与者 | NA | NA | NA | NA |
| 19985 | 2025-03-06 |
XLTLDisNet: A novel and lightweight approach to identify tomato leaf diseases with transparency
2025-Feb-28, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e42575
PMID:40040968
|
研究论文 | 本文提出了一种名为XLTLDisNet的新型轻量级深度学习模型，用于识别番茄叶部疾病，并增强了模型的可解释性 | 提出了一种新型轻量级深度学习模型XLTLDisNet，并集成了可解释性AI技术（如GRAD-CAM和LIME）以增强模型的可解释性 | 未提及具体局限性 | 通过早期检测番茄叶部疾病，减少农业损失并最大化产量 | 番茄叶部疾病 | 计算机视觉 | NA | 深度学习 | XLTLDisNet | 图像 | PlantVillage番茄叶部疾病数据集，包含十类番茄叶部疾病（包括健康图像） | NA | NA | NA | NA |
| 19986 | 2025-03-06 |
A hybrid Bayesian network-based deep learning approach combining climatic and reliability factors to forecast electric vehicle charging capacity
2025-Feb-28, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e42483
PMID:40040994
|
研究论文 | 本文提出了一种结合气候和可靠性因素的混合贝叶斯网络深度学习模型，用于预测电动汽车充电容量 | 创新点在于将排队网络和贝叶斯网络模型与深度学习技术结合，以提高预测精度和基础设施可靠性 | 未明确提及具体局限性 | 开发一个综合系统，考虑气象条件和充电桩故障率等多种影响因素，以优化电动汽车基础设施 | 电动汽车充电需求 | 机器学习 | NA | 深度学习 | 混合贝叶斯网络深度学习（HBNDL） | 交易数据和气候分析数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 19987 | 2025-03-06 |
Dual Accuracy-Quality-Driven Neural Network for Prediction Interval Generation
2025-Feb, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3339470
PMID:38113152
|
研究论文 | 本文提出了一种用于回归任务中预测区间（PI）生成的神经网络方法，旨在提高深度学习模型在现实世界应用中的可靠性 | 设计了一种新颖的损失函数，用于PI生成网络，该函数考虑了目标估计网络的输出，并具有两个优化目标：最小化平均PI宽度和确保PI完整性，通过隐式最大化PI概率覆盖率的约束 | NA | 提高深度学习模型在回归任务中的不确定性量化能力，生成高质量的预测区间 | 回归任务中的神经网络模型 | 机器学习 | NA | 深度学习 | 神经网络 | 合成数据集、基准数据集、实际作物产量预测数据集 | 使用了一个合成数据集、八个基准数据集和一个实际作物产量预测数据集 | NA | NA | NA | NA |
| 19988 | 2025-03-06 |
A Lightweight Group Transformer-Based Time Series Reduction Network for Edge Intelligence and Its Application in Industrial RUL Prediction
2025-Feb, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3347227
PMID:38170656
|
研究论文 | 本文提出了一种轻量级组变压器时间序列缩减网络（GT-MRNet），用于工业剩余使用寿命（RUL）预测，旨在满足边缘智能的实时响应需求 | GT-MRNet通过自适应选择必要的时间步长来减少计算量，采用轻量级组变压器提取特征，并提出时间序列缩减策略和多层次学习机制，显著降低了参数和计算成本 | 未明确提及具体局限性 | 开发一种适用于边缘设备的轻量级深度学习模型，用于工业剩余使用寿命（RUL）预测 | 工业设备的剩余使用寿命预测 | 机器学习 | NA | 深度学习 | Transformer, GT-MRNet | 时间序列数据 | 基于真实世界条件数据集的广泛实验结果 | NA | NA | NA | NA |
| 19989 | 2025-03-06 |
Attentive Learning Facilitates Generalization of Neural Networks
2025-Feb, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3356310
PMID:38324433
|
研究论文 | 本文通过研究神经网络在训练样本中是否包含分布外（OoD）示例时的变化，探讨了神经网络的泛化能力 | 提出了一个新的概念——数据集分散稳定性（dataset-distraction stability），用于衡量OoD示例对网络预测的影响，并通过实验展示了其与泛化能力的负相关性 | 研究主要基于CIFAR-10/100数据集，未涉及其他数据集或实际应用场景 | 研究神经网络的泛化能力及其与训练数据分布的关系 | 神经网络在训练样本中的表现 | 机器学习 | NA | NA | VGG, ResNet, WideResNet, ViT | 图像数据 | CIFAR-10/100数据集 | NA | NA | NA | NA |
| 19990 | 2025-03-06 |
Light-based depth-sensing device with deep learning to measure spinal deformity: abridged secondary publication
2025-Feb, Hong Kong medical journal = Xianggang yi xue za zhi
PMID:40038080
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 19991 | 2025-03-06 |
Integrative multi-environmental genomic prediction in apple
2025-Feb, Horticulture research
IF:7.6Q1
DOI:10.1093/hr/uhae319
PMID:40041603
|
研究论文 | 本文探讨了多环境基因组预测在苹果中的应用，通过整合表型、基因组和环境数据，提高了对特定土壤和气候条件下基因型选择的预测能力 | 本研究创新性地将统计模型和深度学习模型应用于多环境基因组预测，特别是通过整合基因型与环境交互效应，显著提高了预测能力 | 多环境数据集的构建和结构复杂模型的开发仍是主要挑战，限制了多环境基因组预测在苹果中的应用 | 研究目的是通过多环境基因组预测模型，选择适应不同环境条件的苹果品种，以应对气候变化的影响 | 研究对象是苹果的十一个性状，这些性状具有不同的遗传结构 | 机器学习 | NA | 基因组预测、深度学习 | G-BLUP、深度学习模型 | 表型数据、基因组数据、环境数据 | NA | NA | NA | NA | NA |
| 19992 | 2025-10-07 |
A Novel Public Sentiment Analysis Method Based on an Isomerism Learning Model via Multiphase Processing
2025-Jan, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3274912
PMID:37220063
|
研究论文 | 提出一种基于异构学习和多阶段处理的公共情感分析方法，通过区块链实现分布式深度学习模型 | 提出基于区块链的异构学习模型，通过并行训练实现模型间可信协作，并设计事件客观性度量方法动态分配模型权重 | NA | 解决社交媒体网络中公共情感分析的复杂性和安全性问题 | 社交媒体中的公共舆论和情感表达 | 自然语言处理 | NA | NA | 深度学习 | 文本 | NA | NA | 异构学习模型 | NA | NA |
| 19993 | 2025-03-06 |
Rethinking Semantic Segmentation With Multi-Grained Logical Prototype
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3543052
PMID:40031630
|
研究论文 | 本文提出了一种多粒度逻辑原型（MGLP）方法，重新思考语义分割，以更好地符合人类视觉认知过程的抽象和结构化特性 | 提出了一种新的多粒度逻辑原型方法，通过建立不同粒度级别的类原型和显式建模不同语义层次之间的内在逻辑结构，改进了现有语义分割方法的性能 | 未明确提及具体局限性 | 改进语义分割方法，使其更符合人类视觉认知的抽象和结构化特性 | 语义分割任务 | 计算机视觉 | NA | NA | 多粒度逻辑原型（MGLP） | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 19994 | 2025-03-06 |
Artificial Intelligence in Neuroendovascular Procedures
2025, Journal of neuroendovascular therapy
DOI:10.5797/jnet.ra.2024-0107
PMID:40034100
|
综述 | 本文综述了人工智能在神经血管介入手术中的当前应用和未来潜力，重点关注基于AI的图像识别、实时手术辅助和未来发展 | 探讨了AI在神经血管介入手术中的创新应用，包括血管结构分析、设备检测和实时辅助系统，以及未来与机器人系统的集成 | 当前系统存在一些局限性，但技术进步表明AI在提高手术安全性、标准化和患者预后方面的作用将不断扩大 | 研究人工智能在神经血管介入手术中的应用及其潜力 | 神经血管介入手术 | 医学影像分析 | 神经血管疾病 | 深度学习算法 | NA | 图像 | NA | NA | NA | NA | NA |
| 19995 | 2025-03-06 |
Artificial intelligence in stroke risk assessment and management via retinal imaging
2025, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2025.1490603
PMID:40034651
|
综述 | 本文探讨了人工智能在通过视网膜成像评估和管理中风风险中的作用，重点关注视网膜成像在临床工作流程中的整合 | 利用机器学习和深度学习算法增强视网膜成像，展示了在早期疾病检测、严重程度分级和预后评估中的潜力 | 缺乏标准化的成像协议、对AI生成预测的信任不足、视网膜成像数据与电子健康记录的整合不足、需要在多样化人群中验证、以及伦理和监管问题 | 探讨人工智能在中风患者护理中的作用，特别是通过视网膜成像进行中风风险评估和管理 | 中风患者 | 数字病理学 | 中风 | 视网膜成像 | Xception, EfficientNet, Inception, ResNet, VGG, 随机森林, 支持向量机 | 图像 | NA | NA | NA | NA | NA |
| 19996 | 2025-03-06 |
Cardiotocography-Based Experimental Comparison of Artificial Intelligence and Human Judgment in Assessing Fetal Asphyxia During Delivery
2025-Jan, Cureus
DOI:10.7759/cureus.78282
PMID:40034878
|
研究论文 | 本研究通过实验比较了人工智能和人类专家在使用CTG数据预测胎儿窒息方面的诊断准确性 | 首次系统地比较了AI和人类专家在CTG数据解读上的表现，并探讨了AI辅助诊断的潜力 | AI算法的诊断准确性尚未超越人类专家，且需要进一步优化和更多CTG数据的积累 | 评估AI在胎儿窒息诊断中的潜力，并探讨其与人类判断的结合效果 | 胎儿窒息诊断 | 医疗人工智能 | 胎儿窒息 | 机器学习和深度学习 | ML和DL算法 | CTG数据 | 3,519个CTG数据集和984个CTG图 | NA | NA | NA | NA |
| 19997 | 2025-03-06 |
The application of artificial intelligence in insomnia, anxiety, and depression: A bibliometric analysis
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251324456
PMID:40035038
|
研究论文 | 本文通过文献计量分析，系统回顾了人工智能在失眠、焦虑和抑郁症中的应用，识别了关键研究热点并预测了未来趋势 | 首次通过文献计量工具（如VOSviewer和CiteSpace）对人工智能在心理健康领域的应用进行系统性分析，并识别了未来研究重点 | 数据隐私、伦理问题以及AI模型的可解释性仍需解决 | 系统回顾人工智能在失眠、焦虑和抑郁症中的应用，识别研究热点并预测未来趋势 | 失眠、焦虑和抑郁症 | 自然语言处理 | 精神疾病 | 文献计量分析 | 神经网络、机器学习、深度学习 | 文献数据 | 875篇文章 | NA | NA | NA | NA |
| 19998 | 2025-03-06 |
Understanding Deep Learning via Decision Boundary
2025-Jan, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3326654
PMID:37922185
|
研究论文 | 本文探讨了神经网络决策边界变异性与泛化能力之间的关系，并提出了新的度量方法 | 提出了算法决策边界变异性和数据决策边界变异性两个新概念，用于从算法和数据角度衡量决策边界变异性 | 未明确提及具体局限性 | 研究神经网络决策边界变异性与泛化能力之间的关系 | 神经网络的决策边界 | 机器学习 | NA | NA | 神经网络 | NA | 未明确提及样本数量 | NA | NA | NA | NA |
| 19999 | 2025-03-06 |
NN2Poly: A Polynomial Representation for Deep Feed-Forward Artificial Neural Networks
2025-Jan, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3330328
PMID:37962996
|
研究论文 | 本文提出了一种名为NN2Poly的理论方法，用于获得已训练的全连接前馈人工神经网络的显式多项式模型 | NN2Poly方法将之前仅限于单隐藏层网络的想法扩展到任意深度的多层感知机（MLP），适用于回归和分类任务 | 该方法在计算上面临挑战，需要在训练阶段施加某些约束来克服这些挑战 | 研究神经网络的可解释性及其理论行为 | 全连接前馈人工神经网络（多层感知机） | 机器学习 | NA | 泰勒展开 | 多层感知机（MLP） | 表格数据 | NA | NA | NA | NA | NA |
| 20000 | 2025-03-06 |
Deep Learning Model Compression With Rank Reduction in Tensor Decomposition
2025-Jan, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3330542
PMID:37976188
|
研究论文 | 本文提出了一种新颖的深度学习模型压缩方法，通过张量分解中的迭代和自适应秩减少来实现 | 提出了一种双模型训练策略，结合迭代和自适应秩减少，显著减少了超参数搜索空间，并在保持模型准确性的同时实现了模型压缩 | 未提及具体局限性 | 研究深度学习模型压缩方法，以在轻量级边缘设备上部署大型神经网络模型 | 深度学习模型（如LeNet、VGG、ResNet、EfficientNet、RevCol） | 机器学习 | NA | 张量分解 | 深度学习模型 | 图像 | MNIST、CIFAR-10/100、ImageNet数据集 | NA | NA | NA | NA |