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 33366 篇文献，本页显示第 10381 - 10400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10381 | 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 |
| 10382 | 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 |
| 10383 | 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 |
| 10384 | 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 |
| 10385 | 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 |
| 10386 | 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 |
| 10387 | 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 |
| 10388 | 2025-06-01 |
Multilevel Inter-modal and Intra-modal Transformer network with domain adversarial learning for multimodal sleep staging
2025-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-025-10262-w
PMID:40438089
|
研究论文 | 本文提出了一种结合多级Transformer和域对抗学习的多模态睡眠分期网络，用于同时处理脑电图和眼电图信号 | 引入多级Transformer结构捕获单模态内和多模态间的时间依赖性，并采用域对抗学习提升模型跨域泛化能力 | 未明确说明模型在更大规模或更复杂数据集上的表现 | 开发高精度的自动睡眠分期方法以辅助睡眠障碍诊断 | 多模态睡眠信号（脑电图和眼电图） | 数字病理学 | 睡眠障碍 | 深度学习 | Transformer + CNN | 时间序列信号 | 两个常用数据集（未明确样本数量） | NA | NA | NA | NA |
| 10389 | 2025-06-01 |
Dual-mode nanosensor for sensitive detection of methotrexate based on fluorescence technology and deep learning algorithms
2025-Aug-08, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2025.344190
PMID:40447405
|
研究论文 | 提出一种基于荧光技术和深度学习算法的双模式纳米传感器，用于甲氨蝶呤的灵敏检测 | 结合纳米材料和深度学习算法，开发了一种具有双发射峰的纳米传感器，实现了对甲氨蝶呤的高灵敏度和实时监测 | NA | 建立一种可靠、精确且特异性的甲氨蝶呤检测方法 | 甲氨蝶呤（MTX） | 纳米技术 | NA | 荧光技术、深度学习算法 | NA | 图像 | NA | NA | NA | NA | NA |
| 10390 | 2025-10-06 |
Structure information preserving domain adaptation network for fault diagnosis of Sucker Rod Pumping systems
2025-Aug, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107392
PMID:40157234
|
研究论文 | 提出一种结构信息保持域自适应网络用于抽油机系统故障诊断 | 通过子域对齐实现结构信息保持的域自适应，并设计分类器投票辅助对齐机制处理目标域无标签数据 | 未明确说明方法在极端工况下的适用性和计算复杂度 | 提升抽油机系统在不同工况、时间段和区域下的故障诊断泛化能力 | 抽油机系统故障数据 | 机器学习 | NA | 模糊聚类算法 | 深度学习 | 传感器数据 | NA | NA | 结构信息保持域自适应网络 | 故障诊断准确率 | NA |
| 10391 | 2025-10-06 |
An information-theoretic approach for heterogeneous differentiable causal discovery
2025-Aug, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107417
PMID:40158364
|
研究论文 | 提出一种基于信息论的方法来增强异质可微分因果发现的鲁棒性 | 将最小误差熵作为自适应误差调节器集成到结构学习框架中，有效降低不同样本间的误差变异性 | NA | 提高可微分因果发现方法在复杂异质数据集上的鲁棒性 | 异质数据集中的因果发现 | 机器学习 | NA | 可微分因果发现 | NA | 合成数据集和真实世界数据集 | NA | NA | NA | 精度、稳定性 | NA |
| 10392 | 2025-10-06 |
MuSIA: Exploiting multi-source information fusion with abnormal activations for out-of-distribution detection
2025-Aug, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107427
PMID:40184868
|
研究论文 | 提出一种名为MuSIA的多源信息融合方法，通过利用异常激活来改进分布外检测性能 | 首次将多源信息融合与异常激活捕获相结合用于OOD检测，相比传统单源方法显著提升检测性能 | 仅在六个预训练模型和六个OOD数据集上验证，未在更广泛场景测试 | 提高深度学习模型在开放世界中的分布外检测可靠性和鲁棒性 | 分布外样本检测 | 机器学习 | NA | 深度学习 | CNN, Transformer | 图像数据 | 六个OOD数据集 | PyTorch, TensorFlow | ViT, RepVGG, DeiT | FPR95 | GPU |
| 10393 | 2025-10-06 |
AESeg: Affinity-enhanced segmenter using feature class mapping knowledge distillation for efficient RGB-D semantic segmentation of indoor scenes
2025-Aug, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107438
PMID:40184869
|
研究论文 | 提出一种亲和力增强的语义分割框架，结合静态和动态方法的优势，用于室内场景的RGB-D语义分割 | 提出亲和力增强分割框架，结合静态和动态方法优势；引入特征到类别映射精炼技术，通过线性变换实现特征知识迁移 | NA | 开发高效的RGB-D语义分割方法，在保持精度的同时降低计算负担 | 室内场景的RGB-D语义分割 | 计算机视觉 | NA | 深度学习 | CNN | RGB-D图像 | NYUv2、SUN-RGBD和CamVid数据集 | NA | 全卷积网络 | 准确率 | NA |
| 10394 | 2025-10-06 |
Deep prior embedding method for Electrical Impedance Tomography
2025-Aug, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107419
PMID:40184867
|
研究论文 | 提出一种基于深度学习的电阻抗断层成像重建方法，通过有效整合图像先验信息提升重建质量 | 使用图像先验指导神经网络初始化，提出三种先验信息嵌入策略（无先验嵌入、隐式先验嵌入和完整先验嵌入） | 重建质量高度依赖于先验信息与真实分布的相似程度 | 改进电阻抗断层成像的重建质量 | 电阻抗断层成像重建问题 | 医学影像重建 | NA | 电阻抗断层成像 | 深度学习 | 仿真数据和实验数据 | NA | NA | NA | 重建保真度 | NA |
| 10395 | 2025-10-06 |
A prompt regularization approach to enhance few-shot class-incremental learning with Two-Stage Classifier
2025-Aug, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107453
PMID:40220563
|
研究论文 | 提出一种提示正则化方法和两阶段分类器来增强少样本类增量学习性能 | 提出提示正则化方法，在预训练视觉Transformer中嵌入任务提示和全局提示两种不同提示，并设计两阶段分类器架构 | NA | 解决少样本类增量学习问题，在有限标注样本下高效训练和更新模型而不遗忘先前任务 | 预训练视觉Transformer模型 | 计算机视觉 | NA | 提示学习 | Vision Transformer | 图像 | NA | NA | Vision Transformer | NA | NA |
| 10396 | 2025-10-06 |
YOLOv8-G2F: A portable gesture recognition optimization algorithm
2025-Aug, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107469
PMID:40245489
|
研究论文 | 提出基于YOLOv8改进的轻量级手势识别算法YOLOv8-G2F，在保持高精度的同时显著减小模型尺寸 | 在YOLOv8基础上引入改进的轻量级模块，替换主干网络和颈部的传统卷积模块及C2f模块，并采用模型剪枝技术 | NA | 开发轻量级高精度的手势识别算法，降低硬件成本并扩展应用场景 | 手势识别 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | nus-ii手势数据集 | NA | YOLOv8, YOLOv8-G2F | 准确率 | NA |
| 10397 | 2025-10-06 |
PILOT: Deep Siamese network with hybrid attention improves prediction of mutation impact on protein stability
2025-Aug, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107476
PMID:40252373
|
研究论文 | 提出了一种名为PILOT的新型深度学习框架，通过融合孪生网络和混合注意力机制来改进蛋白质稳定性突变影响(ΔΔG)的预测 | 首次将孪生网络与混合注意力机制结合，实现了残基和原子水平结构信息的深度融合，以及结构和序列表征的无缝整合 | NA | 改进蛋白质稳定性突变影响(ΔΔG)的预测精度 | 蛋白质突变对稳定性的影响 | 机器学习 | NA | 深度学习 | Siamese network | 蛋白质序列和结构数据 | NA | NA | Siamese network with hybrid attention mechanism | NA | NA |
| 10398 | 2025-10-06 |
Broad learning system based on fractional order optimization
2025-Aug, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107468
PMID:40273541
|
研究论文 | 本文提出了一种基于分数阶优化的宽度学习系统，通过引入分数阶微分方程的长时记忆特性来增强系统性能 | 首次将分数阶优化引入宽度学习系统，利用分数阶微分方程的长时记忆特性优化权重更新过程 | NA | 提升宽度学习系统在数据处理方面的性能 | 宽度学习系统的优化方法 | 机器学习 | NA | 分数阶优化，增量学习 | BLS | NA | NA | NA | 宽度学习系统 | NA | NA |
| 10399 | 2025-10-06 |
Adaptive token selection for scalable point cloud transformers
2025-Aug, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107477
PMID:40273540
|
研究论文 | 提出一种自适应令牌选择机制的点云变换器，用于高效处理大规模点云数据 | 引入自适应令牌选择机制和预算机制，在推理时动态减少令牌数量并灵活调整计算成本 | NA | 解决点云变换器在处理大规模点云时的可扩展性问题 | 点云数据 | 计算机视觉 | NA | 点云处理 | Transformer | 点云 | NA | NA | 点云变换器 | 准确率, 计算复杂度 | NA |
| 10400 | 2025-10-06 |
Artificial intelligence automated solution for hazard annotation and eye tracking in a simulated environment
2025-Aug, Accident; analysis and prevention
DOI:10.1016/j.aap.2025.108075
PMID:40339543
|
研究论文 | 提出一种AI驱动的自动化解决方案，用于模拟驾驶环境中的危险标注和眼动追踪 | 在原有仅进行危险检测的系统基础上，整合了危险标注和视线追踪数据，结合车辆操控参数与驾驶员视觉注意力数据 | NA | 自动化驾驶模拟实验中的数据标注任务，提高研究效率 | 驾驶模拟器中的危险场景和驾驶员视觉注意力 | 计算机视觉 | NA | 眼动追踪 | 深度学习 | 视频, 传感器数据 | NA | NA | NA | NA | NA |