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 32372 篇文献，本页显示第 9301 - 9320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9301 | 2025-06-02 |
Attention-driven deep learning framework for EEG analysis in ADHD detection
2025-May-31, Applied neuropsychology. Child
DOI:10.1080/21622965.2025.2512919
PMID:40449519
|
research paper | 提出一种基于注意力机制的深度学习框架，用于分析EEG信号以检测ADHD | 模型整合注意力机制以选择性关注关键EEG特征，提升分类性能 | NA | 提高ADHD检测的准确性 | 被诊断为ADHD的儿童及对照组儿童的EEG记录 | machine learning | ADHD | EEG | 深度学习框架（含注意力机制） | EEG信号 | 来自IEEE DataPort的EEG记录数据集，包含ADHD儿童和对照组 | NA | NA | NA | NA |
| 9302 | 2025-06-02 |
Unified estimation of rice canopy leaf area index over multiple periods based on UAV multispectral imagery and deep learning
2025-May-30, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-025-01398-1
PMID:40442795
|
研究论文 | 本研究利用无人机多光谱遥感技术和深度学习模型，实现了水稻冠层叶面积指数(LAI)的多时期统一估算 | 结合无人机多光谱遥感和CNN技术，提出了一种高效准确的水稻LAI多时期估算方法，并通过特征筛选提高了模型精度 | 未来可进一步探索更多特征提取和变量筛选方法，通过优化模型结构提高精度和稳定性 | 开发高效准确的水稻生长监测方法 | 水稻冠层叶面积指数(LAI) | 农业遥感 | NA | 无人机多光谱遥感 | MLP, CNN | 多光谱图像 | NA | NA | NA | NA | NA |
| 9303 | 2025-06-02 |
Evaluation of machine learning and deep learning algorithms for fire prediction in Southeast Asia
2025-May-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00628-9
PMID:40442135
|
研究论文 | 评估机器学习和深度学习算法在东南亚火灾预测中的应用 | 比较了六种不同的ML和DL模型在东南亚火灾预测中的表现，并针对不同地区的时空动态特点推荐了最优模型 | 未提及模型在其他地区或不同时间尺度上的泛化能力 | 提高东南亚地区火灾预测的准确性以支持火灾管理决策 | 东南亚地区的植被火灾 | 机器学习 | NA | VIIRS卫星数据 | MLP, CNN, LSTM, CNN-LSTM, ConvLSTM | 卫星图像数据 | 东南亚多国（文莱、印尼、马来西亚等）的火灾数据 | NA | NA | NA | NA |
| 9304 | 2025-06-02 |
An efficient dual-branch framework via implicit self-texture enhancement for arbitrary-scale histopathology image super-resolution
2025-May-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02503-z
PMID:40442141
|
research paper | 提出了一种基于隐式自纹理增强的双分支框架（ISTE），用于任意尺度病理图像超分辨率 | ISTE框架通过特征聚合分支和纹理学习分支，结合两阶段纹理增强策略，有效提升病理图像超分辨率的局部细节和高频纹理细节 | 未明确提及具体局限性 | 解决病理图像任意尺度超分辨率问题，提升图像质量以支持下游病理分析任务 | 病理图像 | digital pathology | lung cancer | deep learning-based single-image super-resolution (SISR), implicit neural representation (INR) | dual-branch framework (ISTE) | image | 公开数据集（TMA、HistoSR和TCGA肺癌数据集） | NA | NA | NA | NA |
| 9305 | 2025-06-02 |
A deep learning model for prediction of lysine crotonylation sites by fusing multi-features based on multi-head self-attention mechanism
2025-May-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04058-5
PMID:40442183
|
研究论文 | 提出了一种基于多头自注意力机制的深度学习模型DeepMM-Kcr，用于预测赖氨酸巴豆酰化位点 | 融合了自然语言处理特征和手工特征，并采用多头自注意力机制进行特征融合，构建了基于CNN、双向GRU和多层感知机的深度学习框架 | NA | 快速准确地识别赖氨酸巴豆酰化修饰位点，以研究其生物学效应 | 赖氨酸巴豆酰化位点 | 机器学习 | NA | 深度学习 | CNN, 双向GRU, 多层感知机 | 蛋白质序列数据 | NA | NA | NA | NA | NA |
| 9306 | 2025-06-02 |
Evaluating statistical consistency for the ocean component of earth system models using physics informed convolutional autoencoder
2025-May-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03092-7
PMID:40442217
|
研究论文 | 本文提出了一种基于物理信息卷积自编码器（PIConvAE）的深度学习方法O-ESM-DCT，用于评估地球系统模型（ESMs）海洋组分的统计一致性 | O-ESM-DCT采用物理信息卷积自编码器模型，在少量模拟数据下实现快速收敛，并通过数据保真度和物理驱动损失作为一致性评估指标 | 传统深度学习方法在小数据环境下缺乏鲁棒性且难以保证收敛 | 开发一种高效评估地球系统模型海洋组分统计一致性的方法 | 地球系统模型（ESMs）的海洋组分 | 机器学习 | NA | 深度学习 | 卷积自编码器（PIConvAE） | 模型模拟数据 | 少量模拟数据 | NA | NA | NA | NA |
| 9307 | 2025-06-02 |
Hierarchical Information-guided robotic grasp detection
2025-May-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03313-z
PMID:40442259
|
研究论文 | 提出了一种名为GraspFormer的新型机器人抓取检测方法，通过独特的编码器-解码器框架和Grasp Transformer Block来解决复杂环境中抓取检测的挑战 | 引入了层次信息引导的自注意力机制(HIGSA)和自适应深度通道调制器(DCM)，以增强特征交互和竞争，同时建模长距离依赖关系 | 未提及具体的实验环境限制或数据集的局限性 | 提高机器人在复杂动态环境中的抓取准确性和效率 | 机器人抓取检测 | 计算机视觉 | NA | 深度学习 | Transformer, CNN | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 9308 | 2025-06-02 |
Gaussian random fields as an abstract representation of patient metadata for multimodal medical image segmentation
2025-May-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03393-x
PMID:40442267
|
research paper | 提出了一种新颖的多模态分割方法，将患者元数据以高斯随机场的形式引入训练流程，用于慢性伤口的检测和监测 | 首次将患者数据整合到慢性伤口分割工作流中，通过高斯随机场表达患者元数据，并使用特定元数据类别训练个体模型后通过距离变换平均合并预测掩码 | 未提及方法在其他类型伤口或医学图像分割任务中的泛化能力 | 开发创新的深度学习方法以减少慢性伤口对患者和临床医生的影响 | 糖尿病患者的慢性伤口 | digital pathology | diabetes | deep learning | multimodal segmentation model | multimodal medical image | Diabetic Foot Ulcer Challenge 2022测试集 | NA | NA | NA | NA |
| 9309 | 2025-06-02 |
Recent advances in antibody optimization based on deep learning methods
2025-May-28, Journal of Zhejiang University. Science. B
DOI:10.1631/jzus.B2400387
PMID:40436639
|
review | 本文综述了基于深度学习的抗体优化方法的最新进展 | 探讨了人工智能算法，特别是深度学习方法在抗体优化中的应用及其潜在解决方案 | 讨论了当前通用深度学习算法在抗体优化中面临的挑战 | 优化抗体的性质以加速抗体药物的开发 | 抗体 | machine learning | NA | deep learning | NA | NA | NA | NA | NA | NA | NA |
| 9310 | 2025-06-02 |
A hybrid explainable federated-based vision transformer framework for breast cancer prediction via risk factors
2025-May-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96527-0
PMID:40419634
|
research paper | 提出了一种可解释的联邦学习框架，结合Vision Transformer和CNN，用于乳腺癌预测 | 结合了联邦学习、Vision Transformer和CNN的混合模型，并引入可解释AI技术提高模型透明度 | 未提及具体的数据集规模和多样性限制 | 开发一个隐私保护且准确的乳腺癌预测框架 | 乳腺癌预测 | digital pathology | breast cancer | federated learning, XAI | Vision Transformer (ViT), CNN | image, risk factors data | NA | NA | NA | NA | NA |
| 9311 | 2025-06-02 |
Foldclass and Merizo-search: scalable structural similarity search for single- and multi-domain proteins using geometric learning
2025-May-06, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf277
PMID:40326701
|
research paper | 开发了一种基于嵌入的快速结构比较方法Foldclass和结合深度学习自动域分割工具Merizo的Merizo-search，用于检测蛋白质结构间的相似性 | 结合Foldclass嵌入方法和Merizo自动域分割工具，实现了对多域蛋白质结构的快速结构相似性搜索 | 未提及具体性能限制或在不同数据集上的泛化能力 | 解决大规模蛋白质结构存储、搜索和关系检测的挑战，特别是在多域结构方面 | 单域和多域蛋白质结构 | 生物信息学 | NA | 深度学习, 几何学习 | NA | 蛋白质结构数据 | 3.65亿个域来自Encyclopedia of Domains | NA | NA | NA | NA |
| 9312 | 2025-06-02 |
Development of a novel machine learning model to automate vertebral column segmentation utilizing biplanar full-body imaging
2025-May-03, The spine journal : official journal of the North American Spine Society
DOI:10.1016/j.spinee.2025.05.003
PMID:40324481
|
research paper | 开发了一种基于机器学习的模型，用于自动化从双平面全身成像中分割脊柱 | 采用两阶段深度学习模型，结合UNET架构，首次在双平面全身X光图像中实现脊柱的自动分割，包括复杂脊柱病理情况 | 研究为回顾性设计，样本量相对有限（250例），且仅在单一医疗中心进行 | 开发能够自动化从双平面全身放射影像中分割脊柱的人工智能算法 | 退变性脊柱侧弯（DS）患者的脊柱影像 | computer vision | degenerative scoliosis | biplanar full-body imaging | CNN with UNET architecture | X-ray image | 250例患者影像（200训练/50测试） | NA | NA | NA | NA |
| 9313 | 2025-06-02 |
PLM-DBPs: enhancing plant DNA-binding protein prediction by integrating sequence-based and structure-aware protein language models
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf245
PMID:40439671
|
research paper | 提出了一种名为PLM-DBPs的深度学习框架，通过整合基于序列和结构感知的蛋白质语言模型来增强植物DNA结合蛋白的预测 | 整合基于序列和结构感知的蛋白质语言模型，显著提高了植物DNA结合蛋白的预测准确性 | 虽然基于序列的蛋白质语言模型在DNA结合蛋白预测中表现良好，但整合结构信息可以进一步提高预测准确性，但未提及具体的数据集规模或模型泛化能力 | 增强植物DNA结合蛋白的预测准确性 | 植物DNA结合蛋白 | machine learning | NA | 蛋白质语言模型(PLMs), 深度学习 | ANN | 蛋白质序列和结构数据 | NA | NA | NA | NA | NA |
| 9314 | 2025-06-02 |
Advanced predictive modeling for enhanced mortality prediction in ICU stroke patients using clinical data
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0323441
PMID:40435317
|
研究论文 | 该研究开发了一种深度学习模型，用于预测ICU中缺血性卒中患者的死亡率，通过优化的特征选择和数据清理提高了预测准确性 | 结合XGBoost进行特征选择和深度学习模型，显著减少了特征数量（从1095降至30），并在AUROC上实现了13%的提升 | 研究依赖于MIMIC-IV数据库的数据，可能无法完全代表所有ICU卒中患者的情况 | 优化ICU中缺血性卒中患者的死亡率预测，以改善治疗策略和资源分配 | ICU中的缺血性卒中患者 | 机器学习 | 心血管疾病 | SMOTE（合成少数类过采样技术） | XGB-DL（结合XGBoost和深度学习） | 临床数据（包括诊断、生命体征、实验室测试、药物、程序、治疗和临床记录） | 3,646名ICU患者（训练集2,441名，测试集523名，验证集523名） | NA | NA | NA | NA |
| 9315 | 2025-06-02 |
Advancing malware imagery classification with explainable deep learning: A state-of-the-art approach using SHAP, LIME and Grad-CAM
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0318542
PMID:40435333
|
research paper | 该研究通过使用SHAP、LIME和Grad-CAM等可解释性技术，对集成深度神经网络（DNNW）进行对比分析，以提高恶意软件图像分类的可解释性和准确性 | 结合多种可解释性技术（SHAP、LIME、Grad-CAM）分析恶意软件图像数据，提升模型透明度和可信度 | 研究主要集中在恶意软件图像数据上，对其他类型恶意软件的适用性未明确说明 | 开发可解释且强大的AI模型，以提高恶意软件检测的可靠性和信任度 | 恶意软件图像数据 | machine learning | NA | SHAP, LIME, Grad-CAM | DNNW, RUSBoost, Random Forest, Subspace, AdaBoost, BagTree | image | NA | NA | NA | NA | NA |
| 9316 | 2025-06-02 |
A deep learning-based algorithm for the detection of personal protective equipment
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322115
PMID:40440260
|
研究论文 | 提出了一种基于YOLOv8n改进的深度学习算法，用于检测建筑工地上的个人防护装备（PPE） | 设计了多尺度组卷积模块（MSGP）和多尺度特征扩散金字塔网络（MFDPN），并引入了自定义任务对齐模块和DCNV2模块，提高了检测精度和适应性 | 未提及具体的数据集规模或实际部署中的性能表现 | 提高建筑工地个人防护装备的检测精度和效率 | 建筑工地上的个人防护装备（PPE） | 计算机视觉 | NA | 深度学习 | YOLOv8n改进模型（MFD-YOLO） | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 9317 | 2025-06-02 |
DualDistill: a dual-guided self-distillation approach for carotid plaque analysis
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1554578
PMID:40443518
|
研究论文 | 本文提出了一种名为DualDistill的双引导自蒸馏框架，用于提高颈动脉斑块超声视频分类的准确性和泛化性能 | 提出了两种新策略：帧内关系引导策略用于捕捉长期时间依赖性，时空注意力引导策略用于减少无关特征和噪声的影响 | 研究基于有限的数据集（317个颈动脉斑块超声视频），可能影响模型的广泛适用性 | 提高颈动脉斑块分类的准确性和泛化性能，以可靠评估心血管疾病风险 | 颈动脉斑块超声视频 | 计算机视觉 | 心血管疾病 | 自蒸馏框架 | 3D ResNet50等13种代表性模型 | 超声视频 | 317个颈动脉斑块超声视频 | NA | NA | NA | NA |
| 9318 | 2025-06-02 |
EODA: A three-stage efficient outlier detection approach using Boruta-RF feature selection and enhanced KNN-based clustering algorithm
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322738
PMID:40445940
|
研究论文 | 提出了一种名为EODA的三阶段高效异常值检测方法，结合Boruta-RF特征选择和增强的KNN聚类算法 | 提出了一种三阶段的高效异常值检测方法EODA，结合Boruta-RF特征选择和增强的KNN聚类算法，提高了检测精度并考虑了数据集特性 | 未提及具体的数据集规模限制或计算资源需求 | 开发一种高效的异常值检测方法，以提高检测精度并考虑数据集特性 | 异常值检测 | 机器学习 | NA | Boruta-RF特征选择、KNN聚类算法 | Random Forest、KNN | 结构化数据 | 八个UCI机器学习库数据集 | NA | NA | NA | NA |
| 9319 | 2025-06-02 |
Geometric deep learning-guided Suzuki reaction conditions assessment for applications in medicinal chemistry
2024-Jul-17, RSC medicinal chemistry
IF:4.1Q2
DOI:10.1039/d4md00196f
PMID:39026644
|
研究论文 | 本文探讨了如何利用机器学习方法基于高通量实验数据快速选择Suzuki偶联反应条件，以加速小分子药物发现中的碳-碳键构建 | 引入了针对反应产率优化的96孔板设计算法，并评估了零样本和小样本机器学习在反应条件选择中的性能 | 零样本机器学习模型的平均ROC-AUC值较低（0.63±0.16），表明其在某些情况下可能不够可靠 | 加速小分子药物发现中的碳-碳键构建过程 | Suzuki偶联反应条件选择 | 机器学习 | NA | 高通量实验(HTE) | 零样本和小样本机器学习 | 实验数据 | 八个反应验证 | NA | NA | NA | NA |
| 9320 | 2025-06-02 |
Evaluation of Deep Learning Models for Identifying Surgical Actions and Measuring Performance
2020-03-02, JAMA network open
IF:10.5Q1
|
研究论文 | 评估深度学习模型在识别手术动作和衡量手术表现方面的应用 | 首次提出使用深度学习模型从手术视频中自动识别手术动作和评估外科医生技能水平 | 样本量较小（仅103个视频片段），且数据收集时间较早（2015年前） | 开发一个自动评估外科医生技术表现的框架 | 外科手术视频片段 | 计算机视觉 | NA | 深度学习 | 深度学习模型（具体架构未说明） | 视频 | 103个手术视频片段，来自8名不同水平的外科医生 | NA | NA | NA | NA |