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 1370 篇文献，本页显示第 981 - 1000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 981 | 2025-03-26 |
4D-ONIX for reconstructing 3D movies from sparse X-ray projections via deep learning
2025-Mar-21, Communications engineering
DOI:10.1038/s44172-025-00390-w
PMID:40119014
|
research paper | 提出了一种基于深度学习的4D-ONIX方法，用于从极少数X射线投影中重建3D电影 | 结合X射线与物质相互作用的计算物理模型和最先进的深度学习方法，能够从极少数投影中高质量重建4D信息 | 需要验证在更广泛实验条件下的适用性 | 解决从稀疏投影重建4D信息的挑战 | 水滴碰撞模拟和增材制造实验数据 | 计算机视觉 | NA | X射线多投影成像 | 深度学习 | X射线投影图像 | 模拟水滴碰撞和增材制造实验数据，每个时间戳仅2-3个投影 | NA | NA | NA | NA |
| 982 | 2025-03-26 |
The artificial intelligence revolution in gastric cancer management: clinical applications
2025-Mar-21, Cancer cell international
IF:5.3Q1
DOI:10.1186/s12935-025-03756-4
PMID:40119433
|
review | 本文全面回顾了人工智能算法在胃癌管理中的最新研究现状和应用 | 人工智能技术，特别是机器学习和深度学习，在胃癌的诊断、治疗和预后评估中带来了前所未有的创新和突破 | 目前大多数基于AI的模型尚未在临床实践中广泛应用 | 探讨人工智能技术在胃癌临床管理中的应用及其潜力 | 胃癌 | digital pathology | gastric cancer | machine learning, deep learning | NA | image, text | NA | NA | NA | NA | NA |
| 983 | 2025-03-26 |
Nomogram to predict 1-year cognitive decline after stent placement for unruptured intracranial aneurysms
2025-Mar-21, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.111839
PMID:40124476
|
研究论文 | 开发了一种深度学习放射组学列线图（DLRN）用于预测未破裂颅内动脉瘤支架置入术后1年认知功能下降 | 首次结合治疗后DWI和临床特征，利用深度学习放射组学方法构建预测模型 | 样本量相对有限（526例），且前瞻性队列样本量较小（108例） | 预测未破裂颅内动脉瘤支架置入术后认知功能下降风险 | 接受支架置入术治疗的未破裂颅内动脉瘤患者 | 数字病理学 | 颅内动脉瘤 | 扩散加权磁共振成像（DWI） | 深度学习放射组学列线图（DLRN） | 医学影像 | 526例患者（训练队列251例，外部验证队列167例，前瞻性队列108例） | NA | NA | NA | NA |
| 984 | 2025-03-26 |
CSEA-Net: A channel-spatial enhanced attention network for lung tumor segmentation on CT images
2025-Mar-21, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.111974
PMID:40124480
|
研究论文 | 介绍了一种名为CSEA-Net的深度学习模型，用于在CT图像上自动分割肺结节 | 提出了结合双分支通道-空间特征增强网络和坐标注意力机制的深度学习架构，以提高对小且轮廓不清的肺结节的分割精度 | 未提及具体的数据集限制或模型在特定条件下的性能下降情况 | 提高肺结节分割的效率和准确性，以辅助肺癌的早期检测 | CT图像中的肺结节 | 数字病理 | 肺癌 | 深度学习 | CSEA-Net（结合双分支通道-空间特征增强网络和坐标注意力机制的CNN） | CT图像 | 多个公开数据集（未提及具体数量） | NA | NA | NA | NA |
| 985 | 2025-03-26 |
Inference for Log-Gaussian Cox Point Processes using Bayesian Deep Learning: Application to Human Oral Microbiome Image Data
2025-Mar-18, ArXiv
PMID:40034134
|
研究论文 | 本文提出了一种基于贝叶斯深度学习的无似然推断方法，用于对数高斯考克斯点过程（LGCPs）的参数估计，并应用于人类口腔微生物图像数据分析 | 使用BayesFlow方法和可逆神经网络近似感兴趣参数的后验分布，实现了计算效率的大幅提升 | 方法在高维情况下可能仍面临计算挑战 | 开发一种计算高效的方法来量化空间点模式中的聚集现象 | 人类口腔微生物生物膜图像 | 机器学习 | NA | BayesFlow方法 | 可逆神经网络 | 图像 | 两个不同的口腔微生物生物膜图像 | NA | NA | NA | NA |
| 986 | 2025-03-26 |
Attention-Enhanced Multi-Task Deep Learning Model for Classification and Segmentation of Esophageal Lesions
2025-Mar-18, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.4c10763
PMID:40124037
|
research paper | 提出了一种新型多任务深度学习模型，用于食管病变的分类和分割，以辅助内窥镜医师进行诊断 | 结合分类和分割任务，采用MobileNetV2架构并增强互注意力模块，显著提升模型性能 | 模型设计并非替代内窥镜医师，而是辅助其修正错误预测，需额外支持信息 | 提高食管病变的自动诊断准确率，辅助内窥镜医师减轻工作负担并提升诊断精度 | 食管病变 | digital pathology | esophageal cancer | deep learning | MobileNetV2 with mutual attention module | image | 三个数据集：Early Esophageal Cancer (EEC)、CVC-ClinicDB和KVASIR | NA | NA | NA | NA |
| 987 | 2025-10-07 |
Automatic medical imaging segmentation via self-supervising large-scale convolutional neural networks
2025-Mar, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.110711
PMID:39798701
|
研究论文 | 本研究开发了一种基于自监督学习的大规模卷积神经网络，用于医学图像分割 | 采用掩码图像建模和稀疏子流形卷积进行自监督预训练，设计了不同规模的稀疏子流形U-Net架构 | NA | 开发鲁棒的医学图像分割模型，减少对标注数据的依赖 | CT、MRI和PET医学影像数据 | 医学影像分析 | 癌症 | 自监督学习，掩码图像建模 | CNN | 医学影像 | 多中心CT数据集和TotalSegmentator数据集 | NA | U-Net, Sparse Submanifold U-Net (SS-UNet) | Dice Similarity Coefficient (DSC), Surface Dice Coefficient (SDC) | NA |
| 988 | 2025-03-26 |
Detection of deterministic and chaotic signals on the basis of the LSTM model training results
2025-Mar-01, Chaos (Woodbury, N.Y.)
DOI:10.1063/5.0224768
PMID:40131283
|
研究论文 | 本文提出了一种基于LSTM模型训练结果的信号分类新方法，用于检测动态信号中的混沌行为 | 该方法基于学习确定性行为比混沌行为更容易的假设，利用简单的LSTM神经网络计算信号中的'混沌量'，无需预先训练数据 | 方法的有效性仅在公开可用的混沌和确定性信号数据集上进行了验证，可能需要更多样化的数据集进一步测试 | 提供一种替代传统LLE计算的混沌信号检测方法 | 动态信号（混沌和确定性信号） | 机器学习 | NA | LSTM神经网络 | LSTM | 动态信号数据 | 公开可用的混沌和确定性信号数据集 | NA | NA | NA | NA |
| 989 | 2025-03-25 |
Thermal conductivity of the layered titanate K0.8Li0.27Ti1.73O4 explored by a deep learning interatomic potential
2025-Mar-28, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0255515
PMID:40125679
|
研究论文 | 本研究通过深度学习原子间势能预测层状钛酸盐K0.8Li0.27Ti1.73O4的热导率 | 采用深度神经网络模型构建原子间势能，克服了传统方法的局限性，为层状材料的热导率研究提供了新方法 | 研究仅针对K0.8Li0.27Ti1.73O4一种材料，未验证其他层状材料的适用性 | 预测层状氧化物材料的热导率 | 层状钛酸盐K0.8Li0.27Ti1.73O4 (KLTO) | 材料科学 | NA | 深度学习 | 深度神经网络 | 原子力、能量和弹性性质数据 | NA | NA | NA | NA | NA |
| 990 | 2025-03-25 |
Deep learning for cardiac abnormalities in chest X-rays: performance metrics with imbalanced data and extracardiac objects
2025-Mar-24, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehae759
PMID:39776179
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 991 | 2025-03-25 |
Transforming wearable sensor data for robust feature selection in human activity recognition using reinforcement learning approach
2025-Mar-24, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2480686
PMID:40125899
|
研究论文 | 本文提出了一种利用深度强化学习方法处理可穿戴传感器数据，以提高人体活动识别的准确性和鲁棒性 | 结合生成式演员-评论家（GAC）方法和循环生成对抗网络，增强了类间差异并减少了类内变化，提高了噪声环境下的识别准确率 | 未提及该方法在实时处理或计算资源消耗方面的表现 | 提高可穿戴传感器数据在人体活动识别中的准确性和鲁棒性 | 可穿戴传感器收集的人体活动数据 | 机器学习 | NA | 深度强化学习（GAC）、循环生成对抗网络 | GAC、GAN | 时间序列传感器数据 | UCI-HAR和Motion Sense数据集（具体样本量未提及） | NA | NA | NA | NA |
| 992 | 2025-03-25 |
Parallel convolutional SpinalNet: A hybrid deep learning approach for breast cancer detection using mammogram images
2025-Mar-24, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2480299
PMID:40125951
|
研究论文 | 提出了一种并行卷积SpinalNet混合深度学习模型，用于通过乳腺X光图像高效检测乳腺癌 | 结合并行卷积神经网络(PCNN)和SpinalNet开发了PConv-SpinalNet模型，在乳腺癌检测中表现出色 | NA | 通过深度学习技术提高乳腺癌检测的准确率 | 乳腺X光图像中的肿瘤检测 | 计算机视觉 | 乳腺癌 | Gabor滤波器、LadderNet、图像增强技术(图像操作、图像擦除、图像混合)、多种特征提取方法(CNN特征、Texton、LGBP、SIFT、LMP与DCT) | PConv-SpinalNet (PCNN与SpinalNet的集成) | 图像 | NA | NA | NA | NA | NA |
| 993 | 2025-03-25 |
HUNHODRL: Energy efficient resource distribution in a cloud environment using hybrid optimized deep reinforcement model with HunterPlus scheduler
2025-Mar-24, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2480294
PMID:40126006
|
研究论文 | 提出一种基于深度学习的签名验证方法，用于增强教育安全和合法性 | 采用VGG19架构处理学生签名的独特特征，提供灵活性和可扩展性 | 未提及对不同签名风格和文化差异的适应性 | 解决学生签名验证问题，提升学术机构的安全性和合法性 | 学生签名 | 机器学习 | NA | 深度学习 | CNN (VGG19) | 图像 | 未明确提及 | NA | NA | NA | NA |
| 994 | 2025-03-25 |
Leveraging the internet of things and optimized deep residual networks for improved foliar disease detection in apple orchards
2025-Mar-24, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2472626
PMID:40126079
|
研究论文 | 本文提出了一种基于深度学习的苹果叶部病害分类方法，结合了Tunicate Swarm Sine Cosine算法优化的深度残差网络（TSSCA-based DRN） | 提出了TSSCA-based DRN模型，结合了Tunicate Swarm算法和Sine Cosine算法，显著提高了分类器的性能 | NA | 提高苹果叶部病害的检测准确率 | 苹果树的叶部病害 | 计算机视觉 | 植物病害 | 深度残差网络（DRN）、Tunicate Swarm算法（TSA）、Sine Cosine算法（SCA） | TSSCA-based DRN | 图像 | Plant Pathology 2020 - FGVC7数据集 | NA | NA | NA | NA |
| 995 | 2025-03-25 |
Correlation of point-wise retinal sensitivity with localized features of diabetic macular edema using deep learning
2025-Mar-23, Canadian journal of ophthalmology. Journal canadien d'ophtalmologie
DOI:10.1016/j.jcjo.2025.02.013
PMID:40090368
|
research paper | 本研究使用深度学习技术评估糖尿病黄斑水肿（DME）局部特征与点状视网膜敏感度（RS）之间的关联 | 首次使用深度学习算法自动量化OCT扫描中的视网膜内液（IRF）和椭圆体区（EZ）厚度，并分析其与点状视网膜敏感度的关联 | 样本量较小（20名患者的20只眼），且EZ厚度在硬性渗出物（HEs）下方的值被排除 | 评估糖尿病黄斑水肿（DME）的局部特征与点状视网膜敏感度（RS）之间的关联 | 20名临床显著DME患者的20只眼 | digital pathology | diabetic macular edema | OCT, microperimetry (MP), deep learning (DL) | DL-based algorithms | OCT scans, microperimetry data | 20 eyes of 20 patients with clinically significant DME | NA | NA | NA | NA |
| 996 | 2025-03-25 |
Enhancing Schizophrenia Diagnosis Through Multi-View EEG Analysis: Integrating Raw Signals and Spectrograms in a Deep Learning Framework
2025-Mar-23, Clinical EEG and neuroscience
IF:1.6Q3
DOI:10.1177/15500594251328068
PMID:40123224
|
research paper | 该研究提出了一种深度学习框架，通过整合原始多通道EEG信号及其频谱图来增强精神分裂症的诊断 | 创新点在于采用双分支模型处理互补数据视图，结合深度卷积有效整合EEG通道间的空间依赖性，同时捕捉时间动态和频率特定特征 | 研究样本量较小（分别为84和28名受试者），可能影响模型的泛化能力 | 开发精确且自动化的精神分裂症检测工具，改善临床诊断效果 | 精神分裂症患者的多通道EEG信号及其频谱图 | digital pathology | 精神分裂症 | EEG信号分析 | 深度学习框架（双分支模型） | EEG信号（原始信号和频谱图） | 两个数据集（84名和28名受试者） | NA | NA | NA | NA |
| 997 | 2025-03-25 |
Synthetic bone marrow images augment real samples in developing acute myeloid leukemia microscopy classification models
2025-Mar-22, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01563-9
PMID:40118991
|
research paper | 该研究探讨了使用生成对抗网络（GANs）合成骨髓涂片（BMS）图像以增强急性髓系白血病（AML）显微镜分类模型的训练效果 | 利用StyleGAN2-Ada生成高质量的合成骨髓涂片图像，并通过视觉图灵测试验证其质量，同时展示了合成数据在罕见疾病分类中的性能提升 | 研究仅针对AML和APL两种疾病，未涵盖其他类型的白血病或骨髓疾病 | 开发高准确度的显微镜图像分类模型，解决数据共享的隐私问题 | 骨髓涂片图像，包括AML、APL患者及干细胞供者的样本 | digital pathology | acute myeloid leukemia | GANs, StyleGAN2-Ada | GAN, DL classifiers | image | 1251名AML患者、51名APL患者和236名干细胞供者的骨髓涂片图像 | NA | NA | NA | NA |
| 998 | 2025-03-25 |
RNALoc-LM: RNA subcellular localization prediction using pre-trained RNA language model
2025-Mar-22, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf127
PMID:40119908
|
research paper | 本研究提出了一种名为RNALoc-LM的可解释深度学习框架，利用预训练的RNA语言模型预测RNA亚细胞定位 | 首次将预训练的RNA语言模型应用于RNA亚细胞定位预测，结合TextCNN、BiLSTM和多头注意力机制提升预测性能 | 未明确提及具体局限性 | 开发能够同时预测多种RNA亚细胞定位的精确计算方法 | lncRNAs、miRNAs和circRNAs等RNA分子 | 生物信息学 | NA | 预训练RNA语言模型、TextCNN、BiLSTM、多头注意力机制 | 深度学习框架（结合语言模型、CNN、LSTM） | RNA序列数据 | 未明确提及具体样本量 | NA | NA | NA | NA |
| 999 | 2025-03-25 |
A few-shot network intrusion detection method based on mutual centralized learning
2025-Mar-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93185-0
PMID:40118883
|
研究论文 | 提出一种基于互为中心学习的少样本网络入侵检测方法（FS-MCL），以解决少样本网络流量检测性能低的问题 | 利用编码器提取的密集特征与离散空间中的粒子关联，通过马尔可夫过程测量密集特征的预期访问次数，确定查询特征属于支持类的概率 | 依赖公开数据集构建少样本检测数据集，可能在实际应用中存在泛化性问题 | 提高少样本网络入侵检测的性能 | 网络流量数据 | 机器学习 | NA | 互为中心学习 | FS-MCL | 网络流量数据（转换为类图像数据） | 三个公开数据集中的流量数据 | NA | NA | NA | NA |
| 1000 | 2025-03-25 |
Scalable intermediate-term earthquake forecasting with multimodal fusion neural networks
2025-Mar-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93877-7
PMID:40118997
|
研究论文 | 提出了一种名为SafeNet的可扩展深度学习框架，用于通过多模态融合神经网络整合地震观测数据 | SafeNet通过专门的融合模块和自适应注意力机制，实现了跨区域的动态时空信息交换，并在中国和美国的地震数据上展示了优越的预测性能 | 未提及具体的计算资源需求或模型在不同地理区域的泛化能力限制 | 开发一个可扩展的深度学习框架，以整合异构地震观测数据并提高地震预测的准确性 | 地震观测数据和地质信息 | 机器学习 | NA | 多模态融合神经网络 | SafeNet | 地震目录数据和地质地图 | 50年中国地震目录数据，并在美国连续和西部地区进行了模型迁移验证 | NA | NA | NA | NA |