深度学习在生物医药领域中的应用
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，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10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 14211 篇文献，本页显示第 381 - 400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 381 | 2025-09-24 |
Deep-learning-based single-pixel telescope for simultaneous visible and near-infrared imaging with robustness to atmospheric seeing
2025-Aug-11, Optics express
IF:3.2Q2
DOI:10.1364/OE.566490
PMID:40984610
|
研究论文 | 本研究将深度学习技术集成到单像素成像系统中，开发了一种可同时进行可见光和近红外观测的单像素望远镜系统 | 结合单像素成像的多波长成像能力与深度学习噪声抑制技术，在模拟大气湍流条件下实现鲁棒成像 | 在模拟湍流条件下，TDPL网络对简单目标（如MNIST图像）的精度低于U-Net，需要进一步改进 | 开发能够抵抗大气湍流干扰的高质量多波长成像系统 | 单像素望远镜成像系统 | 计算机视觉 | NA | 单像素成像（SPI）、深度学习 | U-Net、TDPL（时间分割模式学习网络） | 图像数据 | 使用MNIST图像数据集进行性能评估 |
| 382 | 2025-09-24 |
The epigenomic landscape of single vascular cells reflects developmental origin and identifies disease risk loci
2025-May-06, bioRxiv : the preprint server for biology
DOI:10.1101/2022.05.18.492517
PMID:40655014
|
研究论文 | 通过单细胞染色质可及性和基因表达谱分析，揭示血管细胞表观基因组景观与发育起源及疾病风险位点的关联 | 首次在单细胞分辨率上整合scATACseq和scRNAseq数据，发现血管位点特异性增强子并建立与人类疾病风险的直接联系 | 研究仅限于健康成年小鼠血管组织，未验证人类样本中的适用性 | 探究血管位点特异性疾病风险的生物学基础 | 健康成年小鼠三个血管部位（主动脉根/升主动脉、头臂/颈动脉、降胸主动脉）的血管细胞 | 表观基因组学 | 心血管疾病 | scATACseq, scRNAseq, GWAS, ChromBPNet深度学习模型 | ChromBPNet | 单细胞表观基因组数据和基因表达数据 | 三个血管部位的成年小鼠血管组织样本 |
| 383 | 2025-09-24 |
Generating Synthetic Task-based Brain Fingerprints for Population Neuroscience Using Deep Learning
2025-May-05, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.03.606469
PMID:40654743
|
研究论文 | 提出一种名为DeepTaskGen的深度学习方法，能够从静息态功能磁共振成像数据生成未采集的任务态对比图 | 首次实现从rs-fMRI生成任意功能认知任务的合成对比图，突破了传统tb-fMRI在群体研究中的限制 | 方法性能依赖于原始rs-fMRI数据质量，且需要验证生成图像与真实任务响应的生物学对应关系 | 开发能够从静息态fMRI生成任务态对比图的深度学习模型，推动群体神经科学研究 | 人类大脑功能活动，涉及20,000多名UK Biobank参与者 | 医学影像分析 | 神经科学相关疾病 | 深度学习，功能磁共振成像（fMRI） | 深度学习模型（具体架构未明确说明） | 神经影像数据（fMRI） | 超过20,000名UK Biobank参与者，包含47个对比图来自7种不同认知任务 |
| 384 | 2025-09-24 |
Explainable deep learning for identifying cancer driver genes based on the Cancer Dependency Map
2025-May-02, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.28.651122
PMID:40654945
|
研究论文 | 开发可解释深度学习模型识别癌症驱动基因并分析突变模式 | 提出结合生物学先验知识的监督深度学习模型xNNDriver和无监督可解释自编码器xAEDriver，实现多驱动变异同时推断 | NA | 识别癌症驱动基因并分析其突变模式 | 肿瘤样本中的癌症驱动基因和突变 | 机器学习 | 癌症 | 深度学习 | xNNDriver（监督深度学习）, xAEDriver（无监督可解释自编码器） | 基因组依赖分数和突变状态数据 | 基于Cancer Dependency Map（DepMap）的肿瘤样本 |
| 385 | 2025-09-24 |
Modeling dynamic inflow effects in fMRI to quantify cerebrospinal fluid flow
2025-Apr-25, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.03.647027
PMID:40236215
|
研究论文 | 开发动态模型和物理驱动的深度学习框架，用于从fMRI数据量化脑脊液流动速度 | 首次建立基于时变流速的fMRI流入信号动态模型，并开发物理驱动的深度学习反演框架实现流速直接估计 | 未明确说明模型在病理条件下的适用性及验证样本规模的具体限制 | 量化脑脊液流动特性，使fMRI流入信号具有物理可解释性 | 人类受试者和仿体数据的脑脊液流动 | 医学影像分析 | NA | 血流敏感fMRI | 动态模型、深度学习框架 | fMRI影像数据 | 人类和仿体数据（具体数量未说明） |
| 386 | 2025-05-06 |
Continuous Reaching and Grasping with a BCI Controlled Robotic Arm in Healthy and Stroke-Affected Individuals
2025-Apr-19, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.16.25325551
PMID:40321282
|
研究论文 | 本研究提出了一种基于运动想象的脑机接口（BCI）范式，用于控制机器人手臂进行连续抓取任务，并在健康人群和中风患者中进行了评估 | 通过引入额外的‘点击’信号，增加了BCI系统的自由度，实现了对机器人手臂的连续控制，而非从预定动作列表中选择 | 当前系统的应用受限于EEG信号的低信噪比和空间分辨率 | 探索非侵入式脑机接口在控制辅助设备（如机器人手臂）中的应用，特别是在复杂任务中的表现 | 健康受试者和中风幸存者 | 脑机接口 | 中风 | EEG信号处理，深度学习 | DL | EEG信号 | 健康受试者和中风幸存者（具体数量未提及） |
| 387 | 2025-09-24 |
Transformer-inspired training principles based breast cancer prediction: combining EfficientNetB0 and ResNet50
2025-Apr-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98523-w
PMID:40251247
|
研究论文 | 提出结合EfficientNetB0和ResNet50的集成模型用于乳腺癌组织病理学图像分类 | 首次将Transformer训练理念与EfficientNetB0、ResNet50集成，创新性地融合两种架构优势 | NA | 提高乳腺癌组织病理学图像分类准确率，区分IDC和非IDC类别 | 乳腺癌组织病理学图像 | 计算机视觉 | 乳腺癌 | 深度学习、迁移学习 | EfficientNetB0、ResNet50、集成模型 | 图像 | NA |
| 388 | 2025-09-24 |
MRS-Sim: Open-Source Framework for Simulating In Vivo-like Magnetic Resonance Spectra
2025-Apr-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.20.629645
PMID:40291707
|
研究论文 | 介绍MRS-Sim开源框架，用于模拟逼真的体内磁共振波谱数据 | 包含三维场图模拟器和新型半参数生成器，能模拟场不均匀性和残余水区域信号 | NA | 开发用于磁共振波谱方法验证的合成数据模拟框架 | 磁共振波谱数据 | 医学影像分析 | NA | 磁共振波谱技术 | 半参数生成器 | 波谱数据 | NA |
| 389 | 2025-09-24 |
Transitions in dynamical regime and neural mode underlie perceptual decision-making
2025-Apr-07, bioRxiv : the preprint server for biology
DOI:10.1101/2023.10.15.562427
PMID:37904994
|
研究论文 | 通过大规模神经元记录和深度学习技术揭示大鼠感知决策过程中神经动力学的双阶段转换机制 | 首次发现决策过程包含感觉输入主导和自主动力学主导的两个连续动态机制转换，并提出了神经推断承诺时间（nTc）的新概念 | 研究局限于啮齿类动物模型，需要进一步验证在灵长类或人类中的普适性 | 探究感知决策过程中神经动力学的动态机制和决策承诺的神经基础 | 大鼠前额叶皮层和纹状体的神经元活动 | 计算神经科学 | NA | 大规模神经元同步记录、深度学习无监督方法 | 简化动力学模型 | 神经电生理信号 | 数百个神经元的同时记录数据 |
| 390 | 2025-09-24 |
Artificial intelligence predicts multiclass molecular signatures and subtypes directly from breast cancer histology: a multicenter retrospective study
2025-Apr-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002220
PMID:39764584
|
研究论文 | 开发基于深度学习的算法BBMIL，直接从乳腺癌H&E染色组织病理图像预测分子标志物和亚型 | 首次实现直接从常规组织病理图像预测多种分子标志物和免疫治疗相关基因特征 | 回顾性研究，需要多中心验证 | 降低乳腺癌生物标志物检测的成本和组织负担 | 乳腺癌组织病理图像 | 数字病理 | 乳腺癌 | 深度学习 | BBMIL（基于多实例学习的深度学习算法） | 组织病理图像（H&E染色） | 多中心回顾性数据集 |
| 391 | 2025-09-24 |
RESPAN: A Deep Learning Pipeline for Accurate and Automated Restoration, Segmentation, and Quantification of Dendritic Spines
2025-Feb-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.06.597812
PMID:38895232
|
研究论文 | 开发了一个名为RESPAN的深度学习管道，用于自动化修复、分割和量化树突棘 | 集成最先进的深度学习技术，通过内容感知修复增强信号、对比度和各向同性分辨率，实现跨多种样本的鲁棒检测 | NA | 改进树突棘的量化分析方法，提高准确性和可重复性 | 树突棘、树突分支和神经元胞体 | 数字病理学 | NA | 深度学习、图像修复、图像分割 | 深度学习管道 | 显微图像 | 经过专家注释验证的多种成像模式数据集 |
| 392 | 2025-09-24 |
Parametrically guided design of beta barrels and transmembrane nanopores using deep learning
2025-Jan-06, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.22.604663
PMID:39091726
|
研究论文 | 本研究开发了一种结合参数化生成与深度学习的方法，用于设计β桶蛋白和跨膜纳米孔 | 将参数化表示与RoseTTAFold深度学习设计方法相结合，首次实现了对β桶蛋白几何形状的精确控制设计 | NA | 开发一种能够精确控制β桶蛋白全局形状的设计方法 | β桶蛋白结构和跨膜纳米孔 | 蛋白质设计 | NA | RoseTTAFold深度学习设计方法（RFjoint修复和RFdiffusion） | 深度学习模型（RoseTTAFold） | 蛋白质结构数据 | 设计了12、14和16链跨膜纳米孔，并通过X射线晶体结构验证 |
| 393 | 2025-09-24 |
Multiscale Cell-Cell Interactive Spatial Transcriptomics Analysis
2025-Jan-03, Research square
DOI:10.21203/rs.3.rs-5743704/v1
PMID:39801521
|
研究论文 | 提出多尺度细胞交互空间转录组学（MCIST）分析方法，整合多尺度拓扑表示与空间深度学习技术 | 首次在空间转录组分析中系统考虑多尺度细胞间相互作用，提出融合拓扑表示与深度学习的新框架 | NA | 改进空间转录组数据分析方法，提升空间域检测性能 | 空间转录组数据 | 生物信息学 | NA | 空间转录组学 | 空间深度学习 | 基因表达空间数据 | 37个基准空间转录组数据集 |
| 394 | 2025-09-24 |
DWI-based Biologically Interpretable Radiomic Nomogram for Predicting 1-year Biochemical Recurrence after Radical Prostatectomy: A Deep Learning, Multicenter Study
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 开发基于DWI和深度学习的放射组学列线图预测前列腺癌根治术后1年生化复发 | 首次将深度学习提取的DWI放射组学特征与临床参数结合构建预测模型，并探索放射组学评分与肿瘤微环境的关联 | 回顾性研究设计，样本量有限（n=349），需要更大规模前瞻性验证 | 预测前列腺癌根治术后1年生化复发风险 | 接受根治性前列腺切除术的前列腺癌患者 | 数字病理 | 前列腺癌 | 多参数磁共振成像、扩散加权成像、单细胞RNA测序 | 3D U-Net、Cox比例风险回归 | 医学影像、临床数据 | 349例患者（两个独立队列），其中4例进行单细胞RNA测序 |
| 395 | 2025-09-24 |
OSFormer: One-Step Transformer for Infrared Video Small Object Detection
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3598426
PMID:40828723
|
研究论文 | 提出一种用于红外视频小目标检测的单步Transformer方法OSFormer | 首创将小目标友好型Transformer与单步检测范式相结合，提出可变尺寸补丁注意力模块和多普勒自适应滤波器 | NA | 提升红外视频中小目标检测的效率和准确性 | 红外视频序列中的小目标 | 计算机视觉 | NA | 深度学习 | Transformer | 红外视频 | 在AntiUAV和InfraredUAV两个数据集上进行验证 |
| 396 | 2025-09-24 |
Analysis of Freezing of Gait in Parkinson's Disease Detection Using a Multimodal Prototype Learning Framework
2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2025.3605204
PMID:40892658
|
研究论文 | 提出一种基于原型学习的多模态框架CSE-ProtoNet，用于帕金森病患者的步态冻结检测 | 结合CondenseNet与SEBlock的原型学习框架，首次应用于多模态（EEG+步态数据）的FOG检测任务 | 医学数据样本量有限，特别是EEG数据稀缺可能影响模型泛化能力 | 提高帕金森病步态冻结检测的准确性和鲁棒性 | 帕金森病患者（包含FOG和Non-FOG两组） | 机器学习 | 帕金森病 | 原型学习（少样本学习）、多模态数据融合 | CSE-ProtoNet（基于CondenseNet与SEBlock的原型网络） | 多模态数据（EEG脑电数据+步态数据） | 有限数量的医学数据样本（具体数量未明确说明） |
| 397 | 2025-09-19 |
Response to letter regarding "A deep learning approach for gastroscopic manifestation recognition based on Kyoto Gastritis Score"
2025-Dec, Annals of medicine
IF:4.9Q1
DOI:10.1080/07853890.2025.2561801
PMID:40964794
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 398 | 2025-09-23 |
A Novel Deep Learning Radiomics Nomogram Integrating B-Mode Ultrasound and Contrast-Enhanced Ultrasound for Preoperative Prediction of Lymphovascular Invasion in Invasive Breast Cancer
2025-Nov, Ultrasound in medicine & biology
|
研究论文 | 开发一种整合B超和超声造影的深度学习影像组学列线图，用于术前预测浸润性乳腺癌淋巴血管侵犯 | 首次将B超和超声造影的深度学习特征与手工特征结合构建预测模型，并采用多中心数据验证 | 回顾性研究设计，样本来源仅限于三家医院 | 术前无创预测浸润性乳腺癌的淋巴血管侵犯状态 | 浸润性乳腺癌患者 | 医学影像分析 | 乳腺癌 | 深度学习影像组学 | 深度学习列线图 | 超声图像（B超和超声造影） | 981例患者（834例来自医院I，147例来自医院II和III） |
| 399 | 2025-09-23 |
A Learnable Physical Deep Learning Model for Sparse Limited View Photoacoustic Tomography
2025-Nov, Ultrasound in medicine & biology
|
研究论文 | 提出一种可学习的物理深度学习模型，用于稀疏有限视角光声断层成像的高质量重建 | 结合物理模型与深度学习，实现仅需16个探测器的极稀疏信号的高质量光声成像重建 | NA | 开发稀疏重建算法以降低光声成像系统对密集阵列探头的制造需求 | 光声断层成像信号与重建图像 | 医学影像处理 | NA | 光声断层成像 | 深度学习模型（具体架构未说明） | 光声信号与医学影像 | 数值模拟与活体实验（具体样本数未说明） |
| 400 | 2025-09-23 |
Breast Cancer Diagnosis Using a Dual-Modality Complementary Deep Learning Network With Integrated Attention Mechanism Fusion of B-Mode Ultrasound and Shear Wave Elastography
2025-Nov, Ultrasound in medicine & biology
|
研究论文 | 开发一种融合B超和剪切波弹性成像的双模态互补深度学习网络，用于提升乳腺肿瘤分类和腋窝淋巴结转移预测性能 | 提出结合注意力机制的双模态特征融合网络，首次将结构特征与刚度特征进行互补性融合 | 回顾性研究，样本量有限（218例患者），需多中心前瞻性验证 | 通过多模态深度学习提高乳腺肿瘤诊断和转移预测的准确性 | 乳腺肿瘤患者（含良性/恶性分类及腋窝淋巴结转移状态） | 计算机视觉 | 乳腺癌 | 深度学习、注意力机制、多模态融合 | DCFAN（双模态互补特征注意力网络） | 医学图像（B超和弹性成像配对图像） | 218名患者的387对B超和剪切波弹性成像图像 |