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 32373 篇文献，本页显示第 15841 - 15860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15841 | 2025-03-02 |
A Deep Learning Framework for End-to-End Control of Powered Prostheses
2024-May, IEEE robotics and automation letters
IF:4.6Q2
DOI:10.1109/lra.2024.3374189
PMID:40012860
|
研究论文 | 本文提出了一种深度学习框架，用于端到端控制动力假肢，消除了传统任务分类、状态机和中级控制方程的需求 | 通过将整个控制问题压缩到一个深度神经网络中，消除了传统任务分类、状态机和中级控制方程的需求 | 研究仅针对五种运动模式进行，样本量为12名经股截肢者，可能需要更多样化的数据和更大的样本量来验证模型的普适性 | 探索深度学习在动力假肢控制中的应用，以实现端到端的关节级辅助 | 动力膝踝假肢（OSL）及其传感器数据 | 机器学习 | NA | 深度学习 | 时间卷积网络（TCN） | 传感器数据 | 12名经股截肢者 | NA | NA | NA | NA |
| 15842 | 2024-08-24 |
Editorial for "Deep Learning Nomogram for the Identification of Deep Stromal Invasion in Patients With Early-Stage Cervical Adenocarcinoma and Adenosquamous Carcinoma: A Multicenter Study"
2024-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28881
PMID:37410077
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15843 | 2025-10-07 |
Deep Learning Identifies High-Quality Fundus Photographs and Increases Accuracy in Automated Primary Open Angle Glaucoma Detection
2024-01-02, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.13.1.23
PMID:38285462
|
研究论文 | 开发并评估用于评估眼底照片质量的深度学习模型，并定量测量其在独立研究人群中自动化原发性开角型青光眼检测中的影响 | 首次开发专门用于评估眼底照片质量的深度学习模型，并证明通过自动质量评估筛选低质量照片可显著提高青光眼检测模型的准确性 | 研究数据来源于特定研究队列，需要在更广泛的人群中验证模型的泛化能力 | 提高自动化原发性开角型青光眼检测的准确性 | 眼底照片 | 计算机视觉 | 青光眼 | 眼底摄影 | 深度学习 | 图像 | 2815张来自DIGS/ADAGES研究的眼底照片和11350张来自OHTS研究的眼底照片 | NA | NA | AUROC | NA |
| 15844 | 2025-03-02 |
Rapid and accurate classification of mung bean seeds based on HPMobileNet
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1474906
PMID:40017618
|
研究论文 | 本研究提出了一种基于深度学习的绿豆种子快速准确分类方法，通过改进MobileNetV2模型，引入了DMS块、ECA块和Mish激活函数，构建了高精度网络模型HPMobileNet | 提出了HPMobileNet模型，结合DMS块、ECA块和Mish激活函数，显著提升了绿豆种子分类的准确率 | 研究未涉及模型在其他作物种子分类中的泛化能力，且未来优化和应用潜力仍需进一步探索 | 开发一种高效准确的绿豆种子分类方法，推动智能农业技术的发展 | 八种不同品种的绿豆种子 | 计算机视觉 | NA | 深度学习 | HPMobileNet（基于MobileNetV2改进） | 图像 | 34,890张绿豆种子图像 | NA | NA | NA | NA |
| 15845 | 2025-03-02 |
A method of deep network auto-training based on the MTPI auto-transfer learning and a reinforcement learning algorithm for vegetation detection in a dry thermal valley environment
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1448669
PMID:40017619
|
研究论文 | 本文提出了一种基于MTPI自动迁移学习和强化学习算法的深度网络自动训练方法，用于干旱热谷环境中的植被检测 | 结合了MTPI（最大迁移潜力指数方法）和MTSA（多汤普森采样算法）强化学习，用于数据集自动增强和网络自动训练，减少了人工经验和试错成本 | 现有自动训练方法适应于简单数据集和网络结构，在非结构化环境（如干旱热谷环境）中实用性较低 | 减少深度学习中的手动干预，提高复杂植被信息收集的效率 | 干旱热谷环境中的植被 | 计算机视觉 | NA | 深度学习，强化学习，迁移学习 | FCN, Seg-Net, U-Net, Seg-Res-Net 50 | 图像 | NA | NA | NA | NA | NA |
| 15846 | 2025-10-07 |
Natural language processing to identify social determinants of health in Alzheimer's disease and related dementia from electronic health records
2023-12, Health services research
IF:3.1Q1
DOI:10.1111/1475-6773.14210
PMID:37534741
|
研究论文 | 开发基于自然语言处理的算法从电子健康记录中识别阿尔茨海默病及相关痴呆患者的社会健康决定因素 | 首次针对ADRD患者开发专门识别七类社会健康决定因素的NLP算法，并比较了基于规则方法与深度学习方法的效果 | 住房和药物不安全两个领域的识别性能相对较差，仅使用单一医疗中心的231名患者数据 | 从非结构化电子健康记录中自动识别ADRD患者的社会健康决定因素 | 阿尔茨海默病及相关痴呆患者 | 自然语言处理 | 阿尔茨海默病及相关痴呆 | 自然语言处理 | 基于规则的NLP算法,深度学习,正则化逻辑回归 | 文本 | 1000份医疗记录（来自231名ADRD患者） | NA | NA | 准确率,灵敏度,特异性,F1分数,AUC | NA |
| 15847 | 2025-03-02 |
Editorial for "Deep Learning-Based Segmentation of Locally Advanced Breast Cancer on MRI in Relation to Residual Cancer Burden: A Multi-Institutional Cohort Study"
2023-12, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28680
PMID:36939778
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15848 | 2025-03-02 |
Editorial for "Implementable Deep Learning for Multi-sequence Proton MRI Lung Segmentation: A Multi-center, Multi-vendor and Multi-disease Study"
2023-10, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28661
PMID:36847749
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15849 | 2025-10-07 |
Virtual Molecular Projections and Convolutional Neural Networks for the End-to-End Modeling of Nanoparticle Activities and Properties
2020-10-20, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.0c02878
PMID:32970421
|
研究论文 | 本研究开发了一种基于虚拟分子投影和卷积神经网络的端到端方法，用于从纳米结构直接建模纳米颗粒活性和性质 | 提出虚拟分子投影作为纳米结构的多维数字化表示方法，并首次将CNN应用于直接从纳米结构端到端预测纳米颗粒活性和物理化学性质 | 仅使用77个纳米颗粒样本进行建模，样本规模相对较小 | 开发能够从复杂纳米结构直接预测纳米颗粒活性和性质的深度学习模型 | 纳米颗粒及其纳米结构 | 机器学习 | NA | 虚拟分子投影 | CNN | 多维数字化纳米结构数据 | 77个具有不同活性和/或物理化学性质的纳米颗粒 | NA | 卷积神经网络 | 预测结果与实验结果的相关系数 | NA |
| 15850 | 2025-03-01 |
Decoding the effects of mutation on protein interactions using machine learning
2025-Mar, Biophysics reviews
IF:2.9Q2
DOI:10.1063/5.0249920
PMID:40013003
|
review | 本文综述了利用机器学习预测突变对蛋白质相互作用影响的最新进展 | 综合评估了基于物理化学、机器学习和深度学习的预测方法，并探讨了未来发展方向 | 讨论了突变数据的局限性，包括偏差、数据质量和数据集大小 | 理解遗传变异如何影响蛋白质与其他生物分子之间的相互作用，以阐明疾病机制和开发靶向治疗 | 蛋白质相互作用及其突变效应 | machine learning | cancer | machine learning, deep learning | NA | mutational data | NA | NA | NA | NA | NA |
| 15851 | 2025-10-07 |
Multigas Identification by Temperature-Modulated Operation of a Single Anodic Aluminum Oxide Gas Sensor Platform and Deep Learning Algorithm
2025-Feb-28, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c02715
PMID:39831774
|
研究论文 | 本研究通过温度调制单阳极氧化铝气体传感器平台结合深度学习算法实现多气体识别 | 采用温度调制操作的单一SMO气体传感器结合CNN算法解决气体选择性难题 | 仅测试了四种气体（丙酮、氨、乙醇、二氧化氮），未涉及更复杂的气体混合物 | 解决半导体金属氧化物气体传感器的选择性限制问题 | 丙酮、氨、乙醇、二氧化氮四种气体 | 机器学习 | NA | 温度调制传感技术 | CNN | 气体响应数据 | 四种气体的响应数据 | NA | 卷积神经网络 | 分类准确率, MAPE | NA |
| 15852 | 2025-03-01 |
Diagnostic accuracy of convolutional neural network algorithms to distinguish gastrointestinal obstruction on conventional radiographs in a pediatric population
2025-Feb-28, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2025.242950
PMID:40018794
|
研究论文 | 本研究旨在使用卷积神经网络（CNN）模型区分儿童腹部X光片中的正常肠道气体分布与胃肠道扩张或梗阻，并进一步区分需要手术的梗阻患者与其他胃肠道扩张或肠梗阻患者 | 本研究首次在儿科人群中应用CNN模型进行胃肠道梗阻的诊断，并评估手术与药物治疗的需求 | 研究样本量相对较小，且仅来自单一机构，可能影响模型的泛化能力 | 开发一种高精度的深度学习模型，用于儿科急诊中胃肠道梗阻的快速诊断 | 儿科患者的腹部X光片 | 计算机视觉 | 胃肠道疾病 | 卷积神经网络（CNN） | ResNet50, InceptionResNetV2, Xception, EfficientNetV2L, ConvNeXtXLarge | 图像 | 540例正常，298例手术矫正扩张（SD），314例炎症/感染性扩张（ID） | NA | NA | NA | NA |
| 15853 | 2025-03-01 |
Preoperative prediction of the Lauren classification in gastric cancer using automated nnU-Net and radiomics: a multicenter study
2025-Feb-25, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-01923-9
PMID:40000513
|
研究论文 | 本研究开发并验证了一种基于nnU-Net结合放射组学的深度学习模型，用于胃癌的自动分割和Lauren分类的术前预测 | 结合nnU-Net和放射组学技术，实现了胃癌的自动分割和Lauren分类的术前预测，减少了医生手动分割的错误和工作量 | 研究结果在不同测试集上的AUC值略有差异，且放射组学模型和组合模型的AUC值无显著统计学差异 | 开发并验证一种深度学习模型，用于胃癌的自动分割和Lauren分类的术前预测 | 胃癌患者 | 数字病理学 | 胃癌 | nnU-Net, 放射组学 | nnU-Net, LASSO | CT图像 | 433名胃癌患者 | NA | NA | NA | NA |
| 15854 | 2025-03-01 |
A deep learning based prediction model for effective elastic properties of porous materials
2025-Feb-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90016-0
PMID:40000677
|
研究论文 | 本文提出了一种基于深度学习的预测模型，用于预测多孔材料的有效弹性性能 | 通过算法随机生成多孔微结构模型，并使用高效的四叉树算法计算其力学性能，进而建立基于神经网络的机器学习算法来预测多孔材料的力学性能 | NA | 分析多孔材料的力学性能，提供一种新的基于微结构图像的预测方法 | 多孔材料 | 机器学习 | NA | 神经网络 | 神经网络 | 图像 | 大量机器学习样本数据 | NA | NA | NA | NA |
| 15855 | 2025-03-01 |
Advanced financial security system using smart contract in private ethereum consortium blockchain with hybrid optimization strategy
2025-Feb-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89404-3
PMID:40000696
|
研究论文 | 本文提出了一种基于深度学习的智能合约，应用于私有以太坊联盟区块链中，以提供金融安全保障 | 结合了动态蝴蝶-台球优化算法（DB-BOA）和自适应深度时间上下文网络（ADTCN）来增强智能合约的安全性 | 未提及具体的数据集大小或实验环境的具体限制 | 提高金融交易的安全性和效率，减少传统股票市场中的中介环节 | 金融交易数据 | 区块链技术 | NA | 智能合约，区块链技术 | ADTCN | 金融交易数据 | 未提及具体样本大小 | NA | NA | NA | NA |
| 15856 | 2025-03-01 |
Enhancing resilience of distributed DC microgrids against cyber attacks using a transformer-based Kalman filter estimator
2025-Feb-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90959-4
PMID:40000702
|
研究论文 | 本文提出了一种新颖的数据驱动方法，旨在增强分布式直流微电网对各种网络攻击的抵御能力，包括故障检测与隔离（FDI）攻击、拒绝服务（DoS）攻击和延迟攻击 | 开发了一种基于Transformer的卡尔曼滤波器（TKF）估计器，结合了自回归积分滑动平均（ARIMA）模型和深度学习技术（特别是Transformer和LSTM网络），用于高维数据提取 | 未来的研究方向建议集中在结合先进的滤波技术和深度学习模型，以进一步增强系统在管理微电网操作中的非线性和不确定性方面的适应性和有效性 | 增强分布式直流微电网对网络攻击的抵御能力 | 分布式直流微电网 | 机器学习 | NA | ARIMA模型、Transformer、LSTM网络 | Transformer-based Kalman Filter (TKF) estimator | 信号传输数据 | NA | NA | NA | NA | NA |
| 15857 | 2025-03-01 |
Deep learning-based debris flow hazard detection and recognition system: a case study
2025-Feb-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86471-4
PMID:40000712
|
研究论文 | 本文提出了一种基于深度学习的泥石流灾害自动检测与识别系统 | 利用3D卷积神经网络(CNN)提取视频特征，结合多层感知器(MLP)进行泥石流灾害检测，并使用另一个CNN进行验证，实现了泥石流灾害的自动检测与识别 | NA | 开发一种能够自动检测和识别泥石流灾害的系统，以提高地质灾害监测和预警能力 | 泥石流灾害 | 计算机视觉 | NA | 深度学习 | 3D CNN, MLP, CNN | 视频 | 新标注的图像数据集Debrisflow23 | NA | NA | NA | NA |
| 15858 | 2025-03-01 |
Fusing temporal and structural information via subgraph sampling and multi-head attention for information cascade prediction
2025-Feb-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91752-z
PMID:40000738
|
研究论文 | 本文提出了一种基于子图的信息级联预测模型CasSubTS，通过融合时间和结构信息来预测信息级联 | CasSubTS模型通过在不同时间步从级联图中采样子图来捕捉动态节点变化，并结合入度和出度作为结构特征，使用多头图注意力网络学习多尺度结构信息，同时采用注意力机制聚合节点的重要时间信息，并通过通道注意力优先融合时空特征 | 未明确提及具体局限性 | 开发一种有效的信息级联预测方法，以应对在线社交网络中信息级联的爆炸性增长 | 信息级联 | 自然语言处理 | NA | 多头图注意力网络、Bi-GRU模型、多层感知机 | CasSubTS | 图数据 | 两个真实世界数据集和一个合成数据集 | NA | NA | NA | NA |
| 15859 | 2025-03-01 |
Deep neural networks and fractional grey lag Goose optimization for music genre identification
2025-Feb-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91203-9
PMID:40000796
|
研究论文 | 本文提出了一种基于深度学习和元启发式算法的新方法，用于提高音乐风格分类的性能 | 结合了预训练的ZFNet模型提取音频信号的高级特征，使用ResNeXt模型进行分类，并采用分数阶灰雁优化算法（FGLGO）优化ResNeXt参数，以提高模型性能 | 未明确提及具体局限性 | 提高音乐风格分类的准确性和效率 | 音乐风格分类 | 自然语言处理 | NA | 深度学习，元启发式算法 | ZFNet, ResNeXt, FGLGO | 音频信号 | 两个基准数据集：ISMIR2004和扩展的Ballroom数据集 | NA | NA | NA | NA |
| 15860 | 2025-03-01 |
Hypoglycemia Prediction in Type 1 Diabetes With Electrocardiography Beat Ensembles
2025-Feb-25, Journal of diabetes science and technology
IF:4.1Q2
DOI:10.1177/19322968251319347
PMID:40001289
|
研究论文 | 本文提出了一种使用卷积神经网络和集成学习从心电图信号中预测1型糖尿病患者低血糖的方法 | 无需识别心电图信号中的基准点，直接使用卷积神经网络从原始心电图信号中提取形态信息，并通过集成学习聚合多个心电图节拍的预测结果 | 模型在不同个体间的预测效果差异较大，且需要更大规模的纵向数据来进一步提高预测准确性 | 开发一种非侵入性的低血糖预测方法，以替代现有的侵入性传感器 | 1型糖尿病患者 | 机器学习 | 糖尿病 | 卷积神经网络（CNN），集成学习 | CNN | 心电图信号，连续血糖监测（CGM）数据 | 10名1型糖尿病患者，14天的数据 | NA | NA | NA | NA |