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 42799 篇文献，本页显示第 3961 - 3980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3961 | 2026-02-17 |
An Hour-Specific Hybrid DNN-SVR Framework for National-Scale Short-Term Load Forecasting
2026-Jan-25, Sensors (Basel, Switzerland)
DOI:10.3390/s26030797
PMID:41682313
|
研究论文 | 本研究提出了一种结合深度神经网络和支持向量回归的混合框架，用于克罗地亚国家级的短期负荷预测 | 提出了小时特定的混合DNN-SVR框架，整合全球天气预报数据，并在17年数据集上系统比较深度学习基线 | NA | 开发并评估用于国家级短期负荷预测的混合架构，以提高电力系统运行效率与安全性 | 克罗地亚2006年至2022年的负荷数据 | 机器学习 | NA | NA | DNN, SVR, LSTM, Transformer | 负荷数据、气象观测数据、全球数值天气预报数据 | 2006年至2022年的克罗地亚负荷数据 | NA | 混合DNN-SVR框架 | 预测误差 | NA |
| 3962 | 2026-02-17 |
Traffic Forecasting for Industrial Internet Gateway Based on Multi-Scale Dependency Integration
2026-Jan-25, Sensors (Basel, Switzerland)
DOI:10.3390/s26030795
PMID:41682311
|
研究论文 | 本文提出了一种基于多尺度依赖集成的轻量级工业互联网网关流量预测框架，以解决计算效率与预测精度之间的权衡问题 | 将流量预测重新定义为层次分解-交互问题，提出了DOA-MSDI-CrossLinear框架，通过自适应序列分解和多尺度依赖交互来捕捉工业流量的复杂特性 | 未明确说明模型在极端网络条件或不同工业场景下的泛化能力，也未讨论实时部署时的具体延迟和资源消耗 | 开发一种适用于资源受限工业网关的轻量级高精度流量预测方法 | 工业互联网（IIoT）网关的网络流量数据 | 机器学习 | NA | NA | 线性模型, 深度学习模型 | 时间序列数据（网络流量） | 未明确说明，但使用了真实的工业物联网数据集 | NA | CrossLinear, 多尺度可分解混合（MDM）模块, 双依赖交互（DDI）模块 | NA | 资源受限的工业网关（暗示计算和内存资源有限） |
| 3963 | 2026-02-17 |
Calibration of Low-Cost Sensors for PM10 and PM2.5 Based on Artificial Intelligence for Smart Cities
2026-Jan-25, Sensors (Basel, Switzerland)
DOI:10.3390/s26030796
PMID:41682312
|
研究论文 | 本研究基于人工智能技术，对用于智能城市的低成本传感器进行PM10和PM2.5校准，以提高其测量精度 | 在预处理阶段应用FastDTW算法，并结合相对湿度、温度和吸收流量因素来提升校准准确性，同时比较了多种统计、机器学习和深度学习模型的性能 | 低成本传感器本身存在读数精度较低的问题，且研究仅在波哥大特定地点进行，可能限制了结果的普适性 | 开发并评估低成本传感器的校准方法，以支持智能城市中的空气质量监测网络 | PM10和PM2.5颗粒物，以及相关的环境参数如相对湿度、温度和吸收流量 | 机器学习 | NA | 空气质量监测，传感器校准 | 机器学习算法，深度学习模型 | 传感器数据，环境参数数据 | NA | NA | Random Forest, XGBoost | 准确性 | NA |
| 3964 | 2026-02-15 |
MPPT algorithms for grid-connected solar systems including deep learning approaches
2026-Jan-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36321-8
PMID:41582256
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3965 | 2026-02-17 |
Cattle Farming Activity Monitoring Using Advanced Deep Learning Approach
2026-Jan-24, Sensors (Basel, Switzerland)
DOI:10.3390/s26030785
PMID:41682301
|
研究论文 | 本研究提出了一种基于视觉的奶牛活动监测方法，利用深度学习算法对奶牛行为进行细粒度分类 | 引入了基于视觉的监测方法以克服传感器方案的缺点，并构建了一个包含四种细粒度行为（包括发情）的自定义数据集，超越了以往研究中常用的粗粒度活动类别 | 研究在单一商业牧场进行，数据采集受可变光照、遮挡和拥挤条件影响，可能限制模型的泛化能力 | 开发一种低成本、非侵入式的奶牛活动监测系统，以改善健康管理、发情检测和群体监督 | 商业牧场中的奶牛群体 | 计算机视觉 | NA | 基于视觉的监测 | CNN | 图像 | 2956张图像 | NA | YOLOv8, YOLOv9 | mAP | NA |
| 3966 | 2026-02-17 |
Study on Auxiliary Rehabilitation System of Hand Function Based on Machine Learning with Visual Sensors
2026-Jan-24, Sensors (Basel, Switzerland)
DOI:10.3390/s26030793
PMID:41682309
|
研究论文 | 本研究开发了一种基于机器学习和视觉传感器的手功能辅助康复系统，用于评估脑卒中患者手功能恢复并鼓励其积极参与康复训练 | 提出了一种集成Focal Loss的深度残差网络用于手势识别，并结合Leap Motion 2毫米级手部追踪技术，建立了手部骨骼关节点映射关系，设计了一套适用于家庭和社区环境的沉浸式增强现实交互康复系统框架 | 研究未明确提及临床验证的样本量或长期效果评估，系统在更广泛患者群体中的适用性和鲁棒性有待进一步验证 | 评估脑卒中患者中后期手功能恢复情况，并通过交互式系统提高康复训练的参与度和效果 | 处于Brunnstrom中后期阶段的脑卒中患者 | 机器学习 | 脑卒中 | 视觉传感器技术，手部运动追踪 | CNN | 图像，手部运动序列数据 | 基于FMA量表分析收集了包含502,401帧的静态评估手势数据集 | PyTorch, Unity | ResNet | Macro F1-score, 准确率 | NA |
| 3967 | 2026-02-15 |
Hidden patterns in volcanic seismicity: deep learning insights from Mt. Etna's 2020-2021 activity
2026-Jan-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36677-x
PMID:41580511
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3968 | 2026-02-17 |
DANEELpath open source digital analysis tools for histopathological research in neuroblastoma models
2026-Jan-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37134-5
PMID:41580539
|
研究论文 | 本文介绍了DANEELpath，一个用于神经母细胞瘤模型组织病理学研究的开源数字分析工具包 | 开发了一个结合深度学习和数学形态学管道的开源工具包，用于三维培养神经母细胞瘤细胞的详细动态分析 | 未在摘要中明确提及具体限制 | 研究细胞外基质在神经母细胞瘤进展中的作用，并测试新的机械药物如西仑吉肽 | 神经母细胞瘤细胞在三维水凝胶中的生长动态 | 数字病理学 | 神经母细胞瘤 | 三维水凝胶培养，全切片图像分析 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 3969 | 2026-02-17 |
The role of low-complexity repeats in RNA-RNA interactions and a deep learning framework for duplex prediction
2026-Jan-23, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-68356-w
PMID:41571635
|
研究论文 | 本文分析了大规模RNA-RNA相互作用数据集，发现低复杂度重复序列是驱动RNA-RNA相互作用的关键因素，并开发了深度学习模型RIME用于预测这些相互作用 | 首次识别低复杂度重复序列作为RNA-RNA相互作用的关键驱动因素，并开发了基于核酸语言模型嵌入的深度学习框架RIME，其性能优于传统热力学工具 | 未明确说明模型在特定细胞类型或条件下的泛化能力，以及数据集的潜在偏差 | 研究RNA-RNA相互作用的分子决定因素并开发预测工具 | RNA-RNA相互作用、低复杂度重复序列、lncRNA Lhx1os | 自然语言处理 | NA | 高通量测序、核酸语言模型 | 深度学习模型 | 序列数据 | 多个大规模RRI数据集 | NA | NA | NA | NA |
| 3970 | 2026-02-17 |
An Intelligent Hybrid Ensemble Model for Early Detection of Breast Cancer in Multidisciplinary Healthcare Systems
2026-Jan-23, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics16030377
PMID:41681695
|
研究论文 | 本研究提出了一种集成了传统机器学习、深度学习和集成学习方法的智能混合系统，用于基于威斯康星乳腺癌数据集进行乳腺癌早期预测 | 提出了一种新颖的集成模型，该模型在一个统一的框架内整合了多种机器学习算法和深度学习架构，并通过多阶段框架和三种不同的训练-测试场景进行验证，显著超越了现有最先进方法 | 研究仅使用了威斯康星乳腺癌数据集，未在其他更复杂或更大规模的数据集上进行验证，可能影响模型的泛化能力 | 开发一个高精度、稳定且可靠的智能系统，以改善乳腺癌的早期预测和诊断决策支持 | 乳腺癌的早期检测 | 机器学习 | 乳腺癌 | 数据预处理、归一化、过采样技术 | 集成学习模型 | 医疗数据 | 威斯康星乳腺癌数据集 | NA | NA | 准确率, 精确率, 召回率, F1分数, 特异性, AUC | NA |
| 3971 | 2026-02-17 |
LESSDD-Net: A Lightweight and Efficient Steel Surface Defect Detection Network Based on Feature Segmentation and Partially Connected Structures
2026-Jan-23, Sensors (Basel, Switzerland)
DOI:10.3390/s26030753
PMID:41682269
|
研究论文 | 本文提出了一种基于特征分割和部分连接结构的轻量高效钢铁表面缺陷检测网络LESSDD-Net | 引入了轻量级下采样模块CSPDDM、耦合通道注意力机制CCAttention以及改进的轻量级LP-C2f模块，显著降低了模型参数和计算成本，同时提升了检测精度 | NA | 开发一种轻量高效的钢铁表面缺陷检测方法，以降低计算成本并便于在移动设备上部署 | 钢铁表面缺陷 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 基于数据增强的NEU-DET数据集 | NA | LESSDD-Net, YOLO11n | mAP | NA |
| 3972 | 2026-02-17 |
Distinguishing a Drone from Birds Based on Trajectory Movement and Deep Learning
2026-Jan-23, Sensors (Basel, Switzerland)
DOI:10.3390/s26030755
PMID:41682270
|
研究论文 | 本文提出了一种基于轨迹运动和深度学习的无人机与鸟类区分方法 | 利用模型驱动的仿真管道生成合成数据，通过双向LSTM网络学习轨迹级别的运动模式差异，而非依赖外观特征 | 方法主要基于合成数据，真实轨迹数据需从雷达或视频跟踪系统扩展 | 在远距离、低像素场景下，通过运动轨迹区分无人机与鸟类，提升安全监控能力 | 多旋翼无人机、固定翼无人机和鸟类 | 计算机视觉 | NA | 合成数据生成、轨迹编码 | LSTM | 时间序列数据（图像平面坐标和表观大小） | NA | NA | 双向LSTM | NA | NA |
| 3973 | 2026-02-17 |
A Two-Dimensional (2-D) Sensor Network Architecture with Artificial Intelligence Models for the Detection of Magnetic Anomalies
2026-Jan-23, Sensors (Basel, Switzerland)
DOI:10.3390/s26030764
PMID:41682281
|
研究论文 | 本文开发并初步评估了一种用于磁异常检测的二维磁力计网络架构，通过深度学习模型实现自动检测和初步目标跟踪 | 提出了一种二维磁力计网络架构，相比现有的一维架构，能通过扩展区域的同步数据采集增强磁异常的空间表征，从而可靠估计目标运动参数 | NA | 开发一种用于磁异常检测的智能实时监控系统，应用于安全和海底监测领域 | 移动的铁磁圆柱体作为目标 | 机器学习 | NA | 磁力计测量 | 深度学习模型 | 磁测量数据 | 部署了5×5节点阵列，覆盖12×12米区域进行地面测试 | NA | NA | NA | NA |
| 3974 | 2026-02-17 |
Identification of Loading Location and Amplitude in Conductive Composite Materials via Deep Learning Method
2026-Jan-23, Sensors (Basel, Switzerland)
DOI:10.3390/s26030779
PMID:41682294
|
研究论文 | 本研究开发了一种基于深度学习的自感知方法，用于识别树脂基导电复合材料中外部机械载荷的位置和幅度，仅需简单的电极布局 | 提出了一种基于残差学习的CNN模型，能够同时准确识别载荷位置和幅度，且仅需四个边缘电极，简化了传统复杂的电极布局 | NA | 开发一种高效准确的复合材料结构健康监测方法，以识别外部机械载荷的位置和幅度 | 树脂基导电复合材料板及其在机械载荷下的边界电阻响应 | 机器学习 | NA | 导电填料填充、三维导电网络构建、边界电阻测量 | CNN | 电阻响应数据 | NA | NA | 基于残差学习的CNN | 定位误差、幅度误差 | NA |
| 3975 | 2026-02-17 |
Application of Neural Network Automatic Event Detection for Reservoir-Triggered Seismicity Monitoring Networks
2026-Jan-23, Sensors (Basel, Switzerland)
DOI:10.3390/s26030783
PMID:41682298
|
研究论文 | 本研究探讨了波兰和越南水库触发地震性（RTS）监测网络中神经网络自动事件检测的应用 | 比较了深度学习全局检测模型、迁移学习、专门设计的RTS神经网络与手动检测的效率，并强调相位检测与相位关联在提升事件检测数量中的关键作用 | 迁移学习效率依赖于数据库，且检测方法需结合手动方法才能充分有效 | 提高水库触发地震性监测网络中地震事件的检测数量，以支持触发过程研究 | 波兰和越南的水库触发地震性（RTS）监测网络 | 机器学习 | NA | 地震信号检测 | 神经网络 | 地震信号数据 | 仅包含数百个事件的RTS案例 | NA | NA | 检测灵敏度，相位关联效率 | NA |
| 3976 | 2026-02-17 |
Recent Applications of Machine Learning Algorithms for Pesticide Analysis in Food Samples
2026-Jan-23, Foods (Basel, Switzerland)
DOI:10.3390/foods15030415
PMID:41683002
|
综述 | 本文综述了机器学习算法在食品样品农药残留分析中的最新应用 | 系统总结了机器学习（特别是监督学习算法和深度学习架构）与色谱、光谱及电化学平台结合，以提升农药残留检测的精度、效率及信号解释能力，并探讨了实时现场监测系统的未来发展方向 | 面临训练数据有限、食品基质变异性大以及监管约束等挑战 | 提升食品中农药残留检测的精度和效率，以保障食品安全和公共健康 | 食品样品中的农药残留 | 机器学习 | NA | 色谱、光谱、电化学技术 | 支持向量机, 随机森林, 提升方法, 深度神经网络 | 分析数据（来自色谱、光谱、电化学平台） | NA | NA | NA | NA | NA |
| 3977 | 2026-01-23 |
Deep learning-based multimodal fusion of MRI and whole slide image for predicting neoadjuvant therapy response in locally advanced head and neck squamous cell carcinoma
2026-Jan-21, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02173-x
PMID:41566290
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3978 | 2026-02-17 |
Comparison of Deep Learning Approaches for Extreme Low-SNR Image Restoration
2026-Jan-20, bioRxiv : the preprint server for biology
DOI:10.64898/2026.01.16.700026
PMID:41648256
|
研究论文 | 本研究提出一个新的荧光显微镜数据集，用于评估深度学习去噪方法，并比较了三种最先进的深度学习模型在极端低信噪比图像恢复中的性能 | 创建了一个包含多种成像条件和样本的多样化荧光显微镜数据集，并开发了一种图像拼接方法以处理大图像时的GPU内存限制 | 深度学习模型需要大量代表性数据集进行训练和测试，且处理大图像时对GPU内存要求较高 | 比较不同深度学习方法在极端低信噪比图像恢复中的性能，并提供数据集和解决方案以克服现有挑战 | 荧光显微镜图像，特别是低信噪比图像 | 计算机视觉 | NA | 荧光显微镜，旋转盘共聚焦显微镜 | Transformer, CNN | 图像 | 324对高/低信噪比图像，分布在12个子数据集中，图像大小从4到282兆像素 | NA | Transformer, CNN | 去噪性能 | GPU内存 |
| 3979 | 2026-02-17 |
Time-series ECG Imputation Using a Pattern-Based Masking Framework
2026-Jan-16, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.01.14.26344164
PMID:41646733
|
研究论文 | 本研究评估并比较了多种插补方法在连续心电图时间序列数据上的性能，特别关注随机掩蔽与基于观察模式的掩蔽 | 引入了基于观察模式的掩蔽框架，以更真实地模拟临床实践中缺失数据的模式，并系统比较了从传统统计方法到深度学习模型的多种插补技术 | 研究样本量较小（仅40名患者），且数据来源于试点队列，可能限制了结果的普遍性 | 评估和基准测试不同缺失条件下时间序列心电图数据的插补方法，以支持实时心电图预测系统的部署 | 连续12导联Holter记录的心电图时间序列数据 | 机器学习 | 心血管疾病 | 连续心电图监测 | 深度学习模型, 传统统计方法 | 时间序列数据 | 40名患者的连续12导联Holter记录（每名患者2.5至4小时） | NA | SAITS, SMILES | 平均绝对误差 | NA |
| 3980 | 2026-02-17 |
A deep learning model for the diagnosis of gastric neuroendocrine carcinoma
2026-Jan-13, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-026-01382-3
PMID:41530277
|
研究论文 | 本研究开发了一个名为G-NECNet的深度学习模型，用于从组织病理学全切片图像中诊断胃神经内分泌癌 | 开发了专门针对胃神经内分泌癌检测的深度卷积神经网络G-NECNet，并在多个外部数据集上验证了其高准确性和泛化能力 | 未在摘要中明确提及研究的局限性 | 提高胃神经内分泌癌与胃腺癌的鉴别诊断准确性，以指导更合适的治疗干预 | 胃神经内分泌癌的组织病理学全切片图像 | 数字病理学 | 胃神经内分泌癌 | 组织病理学成像 | CNN | 图像 | 内部验证队列、外部单机构数据集和多机构会诊数据集，具体样本量未在摘要中提供 | NA | G-NECNet | AUROC | NA |