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 19280 篇文献，本页显示第 13601 - 13620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13601 | 2025-06-01 |
Knowledge map of artificial intelligence in neurodegenerative diseases: a decade-long bibliometric and visualization study
2025, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2025.1586282
PMID:40438502
|
研究论文 | 通过文献计量和可视化方法分析过去十年神经退行性疾病领域AI研究的文献，挖掘该领域的核心期刊、机构、作者和国家，并分析关键词以推测未来研究趋势 | 首次使用文献计量和可视化方法系统分析神经退行性疾病AI研究领域的知识图谱，并预测未来四大研究趋势 | 仅基于Web of Science数据库的1921篇文献进行分析，可能未涵盖所有相关研究 | 分析神经退行性疾病领域AI研究的现状和发展趋势 | 2015-2025年间神经退行性疾病AI研究领域的1921篇文献 | 机器学习 | 神经退行性疾病 | 文献计量分析、知识图谱可视化 | NA | 文献数据 | 1921篇出版物 | NA | NA | NA | NA |
| 13602 | 2025-06-01 |
Comparative analysis of multi-zone peritumoral radiomics in breast cancer for predicting NAC response using ABVS-based deep learning models
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1586715
PMID:40438687
|
research paper | 本研究通过基于ABVS的深度学习模型，比较分析乳腺癌多区域瘤周放射组学特征，以预测新辅助化疗（NAC）反应 | 首次系统比较不同瘤周厚度区域对NAC反应预测的准确性，并开发了结合瘤内和瘤周特征的AI模型 | 研究为回顾性分析，样本量相对有限（402例患者） | 建立可临床实施的框架，通过标准化预测模型早期识别NAC无反应者 | 乳腺癌患者 | digital pathology | breast cancer | Automated Breast Volume Scanning (ABVS), radiomics | TabNet | image | 402例乳腺癌患者 | NA | NA | NA | NA |
| 13603 | 2025-06-01 |
Reducing annotation effort in agricultural data: simple and fast unsupervised coreset selection with DINOv2 and K-means
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1546756
PMID:40438735
|
research paper | 该研究提出了一种结合DINOv2和K-means的无监督核心集选择方法，以减少农业数据标注的工作量 | 结合了最新的基础模型DINOv2作为特征选择器与K-means聚类方法，提出了一种简单有效的核心集选择方法 | 未提及方法在大规模数据集上的扩展性或计算效率 | 减少农业应用中深度学习模型训练所需的标注数据量 | 农业数据 | machine learning | NA | DINOv2, K-means | multiclass classification model | image | 在两个不同数据集上进行了验证，具体样本量未提及 | NA | NA | NA | NA |
| 13604 | 2025-06-01 |
Deep learning-based anomaly detection for precision field crop protection
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1576756
PMID:40438741
|
research paper | 提出了一种结合IMSFNet和AROS的新型框架，用于精准农业中的异常检测和资源优化 | 整合了多模态数据融合和时空建模的IMSFNet，以及基于实时环境反馈的AROS资源优化策略 | 未提及具体实验样本量和跨地区应用的普适性验证 | 优化精准农业中的作物保护和资源利用效率 | 农田作物健康异常（病虫害爆发、疾病传播、营养缺乏等） | 精准农业 | NA | 多模态数据融合（无人机、卫星、地面传感器、气象站数据） | IMSFNet（集成多模态智能农业网络） | 多源时空数据 | NA | NA | NA | NA | NA |
| 13605 | 2025-06-01 |
Optimizing drug synergy prediction through categorical embeddings in deep neural networks
2025, Biology methods & protocols
IF:2.5Q3
DOI:10.1093/biomethods/bpaf033
PMID:40438791
|
研究论文 | 本文研究了在深度神经网络中使用分类嵌入来优化药物协同预测 | 利用分类嵌入捕捉类别元素间的相似性，特别是在数据稀缺情况下表现出优势 | 未提及具体的数据集规模或模型验证的局限性 | 提高药物协同作用的预测准确性 | 药物组合的协同作用 | 机器学习 | 癌症 | 深度神经网络 | DNN | 药物组合数据 | NA | NA | NA | NA | NA |
| 13606 | 2025-05-31 |
MedScale-Former: Self-guided multiscale transformer for medical image segmentation
2025-Jul, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103554
PMID:40209553
|
研究论文 | 提出了一种名为MedScale-Former的双分支Transformer网络，用于医学图像分割，通过自监督学习和多尺度策略提高分割准确性 | 引入了双分支Transformer网络，结合自监督学习和多尺度策略，提出选择性核区域注意力模块以增强对象边界定义 | 需要进一步验证在不同医学图像数据集上的泛化能力 | 提高医学图像分割的准确性，减少对大量标注数据的依赖 | 医学图像（皮肤病变、肺器官、多发性骨髓瘤浆细胞） | 数字病理 | 皮肤病变、肺器官疾病、多发性骨髓瘤 | 自监督学习、多尺度Transformer | Transformer | 医学图像 | NA | NA | NA | NA | NA |
| 13607 | 2025-05-31 |
General retinal image enhancement via reconstruction: Bridging distribution shifts using latent diffusion adaptors
2025-Jul, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103603
PMID:40300379
|
research paper | 提出了一种通用的视网膜图像增强方法，通过分解任务为重建和适应阶段来提高泛化能力和灵活性 | 采用自监督训练和潜在扩散模型，减少了配对训练数据的需求、可训练参数的数量，并加快了收敛速度 | 方法虽然在多个数据集和退化类型上表现出适应性，但具体性能可能依赖于预训练和微调的质量 | 提高视网膜图像增强的泛化能力和灵活性，适应不同的数据集和退化类型 | 视网膜图像 | computer vision | NA | 潜在扩散模型 | autoencoders, diffusion networks | image | 利用大量公共数据集进行自监督训练，具体样本数量未提及 | NA | NA | NA | NA |
| 13608 | 2025-05-31 |
Medical image translation with deep learning: Advances, datasets and perspectives
2025-Jul, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103605
PMID:40311301
|
综述 | 本文回顾了基于深度学习的医学图像翻译的最新进展，包括任务、应用、基础模型、生成模型、评估指标、常用数据集以及未来趋势和挑战 | 详细阐述了医学图像翻译的多样任务和实际应用，并深入探讨了多种生成模型及其评估指标 | 未提及具体实验数据或样本量的限制 | 推动医学图像翻译领域的持续进步和创新 | 医学图像翻译技术及其应用 | 数字病理 | NA | 深度学习 | CNN, Transformer, SSM, GAN, VAE, AR, diffusion Models, flow Models | 医学图像 | NA | NA | NA | NA | NA |
| 13609 | 2025-05-31 |
ProtoASNet: Comprehensive evaluation and enhanced performance with uncertainty estimation for aortic stenosis classification in echocardiography
2025-Jul, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103600
PMID:40324320
|
research paper | 提出了一种基于原型的新型神经网络ProtoASNet，用于从B型超声心动图视频中分类主动脉瓣狭窄的严重程度，并增强预测的可解释性和不确定性估计 | ProtoASNet通过相似性分数和可学习的时空原型提供内在可解释性，并利用弃权损失估计数据的不确定性，增强了模型的透明度和临床适用性 | 研究依赖于私有和公开数据集，可能无法涵盖所有临床场景，且模型性能在不确定案例中有所下降 | 开发一种可解释且具有不确定性估计能力的深度学习模型，用于主动脉瓣狭窄的自动分类 | 主动脉瓣狭窄（AS）患者 | digital pathology | cardiovascular disease | B-mode echocardiography | prototype-based neural network | video | 私有数据集和公开可用的TMED-2数据集 | NA | NA | NA | NA |
| 13610 | 2025-05-31 |
Deep implicit optimization enables robust learnable features for deformable image registration
2025-Jul, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103577
PMID:40328129
|
research paper | 该论文提出了一种深度隐式优化方法，用于在可变形图像配准中实现鲁棒的可学习特征 | 通过将优化作为深度网络中的一层，结合统计学习和优化的优势，首次实现了在测试时无需重新训练即可切换任意变换表示 | NA | 弥合统计学习与优化方法在图像配准中的差距，提高配准性能和对领域偏移的鲁棒性 | 可变形图像配准 | computer vision | NA | deep learning, iterative optimization solver | deep network | image | NA | NA | NA | NA | NA |
| 13611 | 2025-05-31 |
Evidential Deep Learning for Open-Set Active Domain Adaptation
2025-May-29, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3571943
PMID:40440139
|
research paper | 该论文提出了一种基于证据深度学习的开放集主动域适应方法（EOSADA），用于在包含新类别的未标记目标域中转移知识 | 利用证据深度学习（EDL）构建开放集分类器，并采用两轮选择策略平衡已知和新类别样本的选择，同时识别信息丰富的样本，无需修改模型结构且使用有限的标注预算 | 未明确提及具体局限性 | 提升开放集域适应（OSDA）场景下模型的性能 | 未标记目标域中的样本，包括已知和新类别 | machine learning | NA | evidential deep learning (EDL), open-set active domain adaptation | 分类神经网络（具体架构未提及） | 未明确提及，推测为图像或文本数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 13612 | 2025-05-31 |
Multicentre evaluation of deep learning CT autosegmentation of the head and neck region for radiotherapy
2025-May-27, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01624-z
PMID:40419731
|
研究论文 | 一项多中心研究评估了头颈部CT自动分割软件在全球七个机构的性能 | 首次在全球范围内多中心评估头颈部CT自动分割软件的性能，并量化了不同机构间的观察者间变异性 | 自动分割软件的临床效益在不同ROI和诊所间差异显著，部分淋巴结区域未显示显著时间节省 | 评估头颈部CT自动分割软件在放射治疗中的性能和时间节省效果 | 头颈部CT图像中的11个淋巴结水平和7个风险器官轮廓 | 数字病理 | 头颈部疾病 | CT成像 | 深度学习 | 医学影像 | 七个机构的CT图像数据 | NA | NA | NA | NA |
| 13613 | 2025-05-31 |
Automatic assessment of lower limb deformities using high-resolution X-ray images
2025-May-27, BMC musculoskeletal disorders
IF:2.2Q3
DOI:10.1186/s12891-025-08784-9
PMID:40420033
|
研究论文 | 提出了一种基于图像金字塔的新型骨骼标志点检测方法，用于自动评估下肢畸形 | 采用CNN结合误差反馈方法迭代优化标志点坐标，提高了检测精度并降低了计算成本 | NA | 开发自动评估下肢畸形的算法以辅助骨科手术规划 | 下肢X射线图像中的骨骼标志点和角度测量 | 计算机视觉 | 骨科疾病 | X射线成像 | CNN | X射线图像 | 临床采集的全腿X射线数据集（具体数量未说明） | NA | NA | NA | NA |
| 13614 | 2025-05-31 |
LucaPCycle: Illuminating microbial phosphorus cycling in deep-sea cold seep sediments using protein language models
2025-May-26, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-60142-4
PMID:40419512
|
research paper | 该研究开发了一个名为LucaPCycle的深度学习模型，用于揭示深海冷泉沉积物中微生物磷循环的过程 | 整合了原始序列和基于蛋白质语言模型ESM2-3B的上下文嵌入，显著提高了对磷循环蛋白家族的检测能力 | 传统序列搜索方法难以检测到具有远程同源性的蛋白质 | 研究深海冷泉沉积物中微生物磷循环的多样性和功能 | 全球冷泉基因和基因组目录中的磷循环蛋白家族 | machine learning | NA | 蛋白质语言模型ESM2-3B | 深度学习模型 | 基因和基因组数据 | 5241个磷循环蛋白家族 | NA | NA | NA | NA |
| 13615 | 2025-05-31 |
RGE-YOLO enables lightweight road packaging bag detection for enhanced driving safety
2025-May-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03240-z
PMID:40419594
|
研究论文 | 提出了一种轻量级深度学习模型RGE-YOLO，用于实时检测道路上的包装袋，以提高驾驶安全性 | RGE-YOLO结合了RepViTBlock、GSConv和EMA机制，优化了计算效率、模型稳定性和检测精度 | 研究仅限于道路包装袋的检测，未涉及其他类型的道路异物 | 提高驾驶安全性，通过实时检测道路上的包装袋 | 道路上的包装袋 | 计算机视觉 | NA | 深度学习 | RGE-YOLO（基于YOLOv8s改进） | 图像 | 6000张增强图像 | NA | NA | NA | NA |
| 13616 | 2025-05-31 |
Evaluation of spatial visual perception of streets based on deep learning and spatial syntax
2025-May-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03189-z
PMID:40419619
|
research paper | 该研究应用深度学习和空间句法评估街道空间视觉感知质量，并分析其与街道构成元素的相关性 | 结合深度学习和人机对抗模型对街景图像进行六维度评分，并通过空间可视化与多元线性回归分析街道质量与构成元素的关系 | 研究区域有限，未涉及不同气候或文化背景下的街道质量对比 | 提升城市街道视觉质量，为精准化街道改造提供数据支持 | 城市街道空间及其视觉构成元素（绿化、行人、墙体等） | computer vision | NA | deep learning, spatial syntax | human-machine adversarial model | street view images | 未明确样本量（研究区域内街道） | NA | NA | NA | NA |
| 13617 | 2025-05-28 |
Correction: Formation permeability estimation using mud loss data by deep learning
2025-May-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03476-9
PMID:40419611
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13618 | 2025-05-31 |
Intelligent traffic congestion forecasting using BiLSTM and adaptive secretary bird optimizer for sustainable urban transportation
2025-May-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02933-9
PMID:40419628
|
research paper | 该研究提出了一种结合双向长短期记忆网络（BiLSTM）和自适应秘书鸟优化器（ASBO）的深度学习方法，用于智能交通系统中的交通拥堵预测 | 创新点在于将强化学习（RL）与BiLSTM结合，并引入ASBO优化器，显著提高了交通拥堵预测的准确性 | 未提及具体的数据集规模或实际应用场景的限制 | 旨在通过智能交通拥堵预测减少空气污染，提升城市交通的可持续性 | 城市交通网络中的交通拥堵模式 | machine learning | NA | Deep Learning, Reinforcement Learning | BiLSTM, ASBO | traffic data | 基于Traffic Prediction Dataset，具体样本量未提及 | NA | NA | NA | NA |
| 13619 | 2025-05-31 |
Digital image enhancement using deep learning algorithm in 3D heads-up vitreoretinal surgery
2025-May-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98801-7
PMID:40419711
|
research paper | 本研究旨在利用深度学习算法预测3D头戴式玻璃体视网膜手术中的最佳成像参数，并评估其在提高手术中玻璃体视网膜表面可见性方面的有效性 | 采用两阶段生成对抗网络(GAN)和卷积神经网络(CNN)架构，开发了一种深度学习算法，用于数字图像增强 | 研究仅基于212张手动优化的静态图像和121张匿名高分辨率ERM眼底图像，样本量相对较小 | 提高3D头戴式玻璃体视网膜手术中图像的清晰度、亮度和对比度 | 玻璃体视网膜手术图像和ERM眼底图像 | digital pathology | 视网膜疾病 | 深度学习算法 | GAN和CNN | 图像 | 212张手术视频提取的静态图像和121张ERM眼底图像 | NA | NA | NA | NA |
| 13620 | 2025-05-31 |
A novel MRI-based deep learning imaging biomarker for comprehensive assessment of the lenticulostriate artery-neural complex
2025-May-26, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01676-3
PMID:40420012
|
研究论文 | 开发一种基于深度学习的MRI成像生物标志物，用于全面评估豆纹动脉-神经复合体 | 利用ResNet18框架从豆纹动脉供血区域提取深度学习特征，并将其作为成像生物标志物，首次全面评估豆纹动脉-神经复合体 | 样本量较小，仅79名患者参与研究 | 开发一种新的成像生物标志物，用于评估豆纹动脉-神经复合体的功能状态 | 豆纹动脉供血区域和豆纹动脉-神经复合体 | 数字病理学 | 脑血管疾病 | MRI, DTI, ASL | ResNet18 | 图像 | 79名患者 | NA | NA | NA | NA |