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 1401 篇文献，本页显示第 781 - 800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 781 | 2025-04-25 |
A segment-based framework for explainability in animal affective computing
2025-Apr-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96634-y
PMID:40258884
|
research paper | 提出一个基于分段的框架，用于增强动物情感计算领域的可解释性 | 引入定量评分机制评估显著性图与预定义语义区域的对齐程度，系统性比较不同流程的可视化解释 | 框架依赖于特定情感状态分类器的可用性和生成显著性图的能力 | 提升动物情感计算领域的模型可解释性 | 猫、马和狗的情感状态 | animal affective computing | NA | 深度学习 | 分类器 | 图像 | 三个数据集（猫和马疼痛、狗情绪） | NA | NA | NA | NA |
| 782 | 2025-04-25 |
Bio inspired multi agent system for distributed power and interference management in MIMO OFDM networks
2025-Apr-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97944-x
PMID:40258916
|
研究论文 | 本文提出了一种基于白蚁群体优化的多智能体系统（TCO-MAS）与LSTM模型相结合的方法，用于MIMO-OFDM网络中的分布式功率和干扰管理 | 结合生物启发的白蚁群体优化算法和LSTM模型，实现预测性自适应功率分配和干扰管理 | 依赖于特定的信息素调整参数，可能需要针对不同场景进行微调 | 解决大规模MIMO-OFDM网络中资源分配和干扰控制的挑战 | MIMO-OFDM网络 | 机器学习 | NA | Termite Colony Optimization, LSTM | LSTM | 网络条件数据 | 实验分析评估了关键指标，如总速率、能效、频谱效率、延迟和公平性指数 | NA | NA | NA | NA |
| 783 | 2025-04-25 |
Mitigating side channel attacks on FPGA through deep learning and dynamic partial reconfiguration
2025-Apr-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98473-3
PMID:40258964
|
研究论文 | 本文介绍了一种结合深度学习和动态部分重配置技术的框架，用于减轻FPGA上的侧信道攻击 | 通过动态部分重配置技术实时调整FPGA资源，破坏侧信道攻击模式，同时结合深度学习模型进行复杂威胁分析，实现了从被动防御到主动防御的范式转变 | 目前主要针对功耗侧信道攻击进行了验证，对其他类型侧信道攻击的适应性需要进一步扩展验证 | 提高FPGA硬件系统对侧信道攻击的防御能力 | FPGA硬件系统及其面临的侧信道攻击 | 硬件安全 | NA | 动态部分重配置(DPR)技术 | 深度学习模型 | 硬件性能数据 | 实验结果显示检测到缓解的延迟在20个时钟周期内 | NA | NA | NA | NA |
| 784 | 2025-04-25 |
Improving deep learning-based neural distinguisher with multiple ciphertext pairs for speck and Simon
2025-Apr-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98251-1
PMID:40258982
|
研究论文 | 本文提出了一种基于多尺度卷积块和密集残差连接的新型神经区分器，用于提高对Speck和Simon密码系统的分析准确率 | 设计了多尺度卷积块和密集残差连接的神经网络结构，并引入了线性攻击概念优化输入数据集 | 对于高轮次简化密码系统的区分准确率仍有提升空间 | 提高基于深度学习的神经区分器在密码分析中的准确率和密钥恢复率 | Speck 32/64和Simon 32/64密码系统 | 密码学 | NA | 深度学习 | CNN | 密码文本对 | NA | NA | NA | NA | NA |
| 785 | 2025-04-25 |
Design and experimental research of on device style transfer models for mobile environments
2025-Apr-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98545-4
PMID:40259046
|
研究论文 | 本研究开发了一种针对移动设备优化的神经风格迁移（NST）模型，通过设备端AI实现实时执行，减少对云服务器的依赖 | 提出了一组轻量级NST模型，结合深度可分离卷积、残差瓶颈和优化的上采样技术，平衡了计算效率和视觉质量 | 在减少模型大小时可能导致性能下降，需要在计算效率和视觉质量之间进行权衡 | 开发适用于移动设备的实时神经风格迁移模型，推动移动摄影、增强现实和创意应用的发展 | 移动设备上的神经风格迁移模型 | 计算机视觉 | NA | 深度可分离卷积、残差瓶颈、优化的上采样技术 | MobileNet和ResNet架构启发的轻量级NST模型 | 图像 | 设计了五种模型变体进行评估 | NA | NA | NA | NA |
| 786 | 2025-04-25 |
Privacy for free in the overparameterized regime
2025-Apr-15, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2423072122
PMID:40215275
|
研究论文 | 本文探讨了在过参数化情况下差分隐私梯度下降（DP-GD）算法的性能，证明了在此情况下隐私保护可以几乎无代价实现 | 挑战了过参数化会阻碍隐私学习性能的普遍观点，证明了在随机特征模型和二次损失下，隐私可以几乎无代价实现 | 研究仅限于随机特征模型和二次损失情况，未考虑更复杂的模型和损失函数 | 研究差分隐私梯度下降算法在过参数化情况下的性能表现 | 差分隐私梯度下降算法及其在过参数化情况下的表现 | 机器学习 | NA | 差分隐私梯度下降（DP-GD） | 随机特征模型 | NA | 当参数数量m远大于训练样本数量n时的情况 | NA | NA | NA | NA |
| 787 | 2025-04-25 |
WMH-DualTasker: A Weakly Supervised Deep Learning Model for Automated White Matter Hyperintensities Segmentation and Visual Rating Prediction
2025-Apr-15, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.70212
PMID:40260707
|
research paper | 开发了一种名为WMH-DualTasker的深度学习模型，用于自动分割白质高信号（WMH）并预测视觉评分 | 该模型通过自监督学习和变换不变性一致性约束，仅使用临床视觉评分作为监督信号，同时进行体素级分割和视觉评分预测 | 模型性能依赖于临床视觉评分的质量，且在不同数据集上的表现可能存在差异 | 开发一种自动化深度学习模型，以最小监督提供WMH严重程度的准确和全面量化 | 白质高信号（WMH）及其与认知障碍和痴呆的关系 | digital pathology | geriatric disease | self-supervised learning | deep learning model | neuroimaging data | MICCAI-WMH数据集（N=60）和SINGER数据集（N=64） | NA | NA | NA | NA |
| 788 | 2025-04-25 |
Insights into transportation CO2 emissions with big data and artificial intelligence
2025-Apr-11, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2025.101186
PMID:40264962
|
review | 本文探讨了大数据和人工智能在理解和减少交通运输领域二氧化碳排放中的应用 | 提出了结合机器学习和深度学习模型来处理和分析交通大数据的创新方法，以提高碳排放预测的准确性 | 面临算法、数据和计算方面的挑战，需要跨学科合作来解决 | 研究交通运输领域的二氧化碳排放，以实现深度脱碳 | 交通运输领域的大数据和二氧化碳排放 | machine learning | NA | machine learning (ML), deep learning (DL) | ML, DL | big data | NA | NA | NA | NA | NA |
| 789 | 2025-04-25 |
Screening Patient Misidentification Errors Using a Deep Learning Model of Chest Radiography: A Seven Reader Study
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01245-0
PMID:39261374
|
研究论文 | 本研究开发了一种基于深度学习的胸片患者身份识别模型，并与不同经验水平的放射科医生进行性能比较 | 首次使用深度学习模型通过配对胸片筛查患者身份识别错误，并与多组放射科专家进行系统性比较 | 回顾性研究设计，样本来源有限，需要进一步前瞻性验证 | 评估深度学习模型在胸片患者身份识别中的性能，并与人类专家进行比较 | 胸片图像和不同经验水平的放射科医生 | 计算机视觉 | NA | 胸片成像 | 深度学习 | 医学图像 | 240,004张胸片用于模型开发，240名患者用于读者研究 | NA | SimChest（基于相似性的深度学习模型） | NA | NA |
| 790 | 2025-04-25 |
Deep Learning for Automated Classification of Hip Hardware on Radiographs
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01263-y
PMID:39266912
|
research paper | 开发深度学习模型用于自动分类骨盆和髋关节X光片中的骨科植入物，以减少放射科医生的工作量并提高报告一致性 | 首次使用深度学习模型（EfficientNet-B4和NFNet-F3）对多种髋关节植入物进行高精度自动分类，性能与专业放射科医生相当 | 模型在感染后髋关节类别的AUC略低（0.97），且仅在一个医疗中心进行回顾性研究 | 开发自动化工具以减轻放射科医生工作量并标准化骨科植入物分类报告 | 骨盆和髋关节X光片中的骨科植入物 | computer vision | 骨科疾病 | 深度学习图像分类 | CNN（EfficientNet-B4和NFNet-F3） | X光图像 | 4279项研究（来自1073名患者）的训练集，851项研究（来自262名患者）的测试集 | NA | NA | NA | NA |
| 791 | 2025-04-25 |
Vital Characteristics Cellular Neural Network (VCeNN) for Melanoma Lesion Segmentation: A Biologically Inspired Deep Learning Approach
2025-Apr, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01257-w
PMID:39284982
|
研究论文 | 提出了一种名为VCeNN的生物启发式深度学习模型，用于黑色素瘤病变的医学图像分割 | 从细胞功能特征和自然选择中获得灵感，设计了具有记忆、适应、凋亡和分裂模块的新型神经网络 | NA | 开发能够准确描绘黑色素瘤病变的医学图像分割模型 | 黑色素瘤病变的医学图像 | 数字病理学 | 黑色素瘤 | 深度学习 | VCeNN (CNN变体) | 医学图像 | 多个公开数据集 | NA | NA | NA | NA |
| 792 | 2025-04-25 |
A streaming brain-to-voice neuroprosthesis to restore naturalistic communication
2025-Apr, Nature neuroscience
IF:21.2Q1
DOI:10.1038/s41593-025-01905-6
PMID:40164740
|
research paper | 该研究开发了一种流式脑到语音神经假体，用于恢复瘫痪患者的自然语言交流 | 使用高密度表面记录和深度学习循环神经网络转换器模型，实现了在线大词汇量可理解流畅语音合成，并个性化还原了参与者受伤前的声音 | 研究仅针对一名严重瘫痪和失语症的临床试验参与者，样本量较小 | 恢复瘫痪患者的自然语言交流能力 | 严重瘫痪和失语症患者 | 神经工程 | 瘫痪 | 高密度表面记录、深度学习 | 循环神经网络转换器模型 (RNN-T) | 神经信号 | 1名临床试验参与者 | NA | NA | NA | NA |
| 793 | 2025-04-07 |
Opening the deep learning box
2025-Apr, Nature neuroscience
IF:21.2Q1
DOI:10.1038/s41593-025-01938-x
PMID:40186074
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 794 | 2025-04-25 |
A Computational Framework for Automated Puncture Trajectory Planning in Hemorrhagic Stroke Surgery
2025-Apr, Brain and behavior
IF:2.6Q3
DOI:10.1002/brb3.70480
PMID:40259699
|
研究论文 | 本研究提出了一种计算框架，用于自动化生成出血性中风手术中的穿刺轨迹 | 结合AI驱动的分割、主成分分析（PCA）和经验优化，创新性地实现了穿刺路径的自动化生成 | 仅使用了五个复杂临床案例进行验证，未来需要与机器人系统集成并通过临床试验进一步验证 | 提高出血性中风手术中穿刺轨迹规划的效率和安全性 | 出血性中风手术中的穿刺轨迹 | 数字病理 | 中风 | AI驱动的分割、PCA、Laplacian网格平滑 | ResNet-50 | 医学影像 | 五个复杂临床案例 | NA | NA | NA | NA |
| 795 | 2025-04-25 |
Multisequence 3-T Image Synthesis from 64-mT Low-Field-Strength MRI Using Generative Adversarial Networks in Multiple Sclerosis
2025-Apr, Radiology
IF:12.1Q1
DOI:10.1148/radiol.233529
PMID:40261176
|
research paper | 该研究开发了一种名为LowGAN的生成对抗网络，用于从64-mT低场强MRI生成3-T高质量脑部图像，并在多发性硬化症患者中进行了评估 | 提出了一种新的生成对抗网络架构LowGAN，用于低场强到高场强MRI图像的转换，提高了图像质量和白质病变的分割准确性 | 研究样本量相对较小（主组50人，验证组13人），且仅针对多发性硬化症患者 | 开发并评估一种深度学习架构，以提高便携式低场强MRI扫描仪生成的图像质量 | 多发性硬化症患者的脑部MRI图像 | 医学影像处理 | 多发性硬化症 | 生成对抗网络（GAN） | LowGAN | MRI图像 | 主组50名参与者（中位年龄47岁，38名女性），验证组13名参与者（中位年龄41岁，11名女性） | NA | NA | NA | NA |
| 796 | 2025-04-25 |
The application of artificial intelligence in upper gastrointestinal cancers
2025-Apr, Journal of the National Cancer Center
IF:7.6Q1
DOI:10.1016/j.jncc.2024.12.006
PMID:40265096
|
综述 | 本文综述了人工智能在上消化道癌症（主要包括食管癌和胃癌）筛查、诊断、治疗和预后方面的应用 | 总结了AI技术在上消化道癌症临床任务中的应用，并探讨了AI算法选择、早期筛查普及、AI临床应用及大型多模态模型等前沿问题 | 指出了当前上消化道癌症AI应用领域面临的局限性和挑战 | 探讨人工智能技术在上消化道癌症临床诊疗中的应用现状与前景 | 食管癌和胃癌 | 数字病理学 | 上消化道癌症（食管癌和胃癌） | 放射组学和深度学习 | 大型多模态模型 | 医学影像 | NA | NA | NA | NA | NA |
| 797 | 2025-04-24 |
Data efficient learning of molecular slow modes from nonequilibrium metadynamics
2025-Apr-28, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0258483
PMID:40260824
|
研究论文 | 本文提出了一种算法，利用非平衡元动力学模拟的有限轨迹数据训练Deep-TICA CVs，以更高效地学习分子慢模式 | 通过变分Koopman算法重加权短非平衡轨迹，使其反映平衡概率密度，从而解决了从有限轨迹数据推断慢模式的关键挑战 | 需要进一步验证该方法在更复杂分子系统中的适用性 | 开发一种数据高效的方法来学习分子慢模式，以促进分子过程的研究 | 分子系统（如Müller-Brown势、丙氨酸二肽和chignolin迷你蛋白）的慢模式 | 计算化学 | NA | 非平衡元动力学模拟、变分Koopman算法 | Deep-TICA（深度时间滞后独立成分分析） | 分子轨迹数据 | 有限数量的短非平衡轨迹数据 | NA | NA | NA | NA |
| 798 | 2025-04-24 |
Fourier-enhanced high-order total variation (FeHOT) iterative network for interior tomography
2025-Apr-23, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adc8f6
PMID:40179937
|
研究论文 | 提出了一种傅里叶增强的高阶总变分迭代网络（FeHOT），用于解决内部断层扫描中的高精度重建问题 | 1) 将经典HOT理论与深度学习通过迭代展开框架相结合 2) 引入频域操作克服CT图像中多项式/分段常数假设的限制 3) 在仅五次迭代内实现高质量重建，平衡计算效率与准确性 | 对于具有分段常数特性的成像对象（如AAPM数据集），一阶总变分已能取得满意结果，可能不需要更复杂的二阶正则化 | 解决内部断层扫描中从截断投影数据实现高精度重建的挑战 | CT图像重建 | 数字病理 | NA | CT扫描 | FeHOT网络（结合HOT和U-Net） | 图像 | AAPM数据集和临床医学数据集 | NA | NA | NA | NA |
| 799 | 2025-04-24 |
Destruction for growth: a novel laser direct writing perovskite strategy with intelligent anti-counterfeiting applications
2025-Apr-22, Nanoscale horizons
IF:8.0Q1
DOI:10.1039/d4nh00612g
PMID:40125819
|
研究论文 | 本文提出了一种新型的激光直写钙钛矿策略，利用激光破坏诱导钙钛矿生长，并展示了其在精密图案化和防伪应用中的潜力 | 不同于以往依赖热效应和光子吸收诱导成核的激光直写技术，本研究利用脉冲激光快速破坏应力丰富的钙钛矿前驱体磷酸盐玻璃表面，通过应力释放和反向移动剪切带效应促进钙钛矿晶体的成核和生长 | NA | 探索激光破坏诱导钙钛矿生长的新机制及其在光电子学和防伪应用中的潜力 | 钙钛矿材料及其在激光直写技术中的应用 | 光电子学 | NA | 激光直写技术（LDW） | NA | NA | NA | NA | NA | NA | NA |
| 800 | 2025-04-24 |
A machine learning toolkit assisted approach for IMRT fluence map optimization: feasibility and advantages
2025-Apr-22, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adcaca
PMID:40203852
|
研究论文 | 本研究提出了一种利用机器学习工具包辅助IMRT（调强放射治疗）通量图优化的新方法，展示了其在计划质量和效率上的优势 | 首次将机器学习工具包直接应用于治疗计划优化，实现了比传统优化方法更快的收敛速度和更强的鲁棒性 | 研究仅在前列腺和头颈部病例上进行了测试，未涉及其他癌症类型 | 探索机器学习在放射治疗计划优化中的新应用方式 | IMRT治疗计划中的通量图优化 | 机器学习 | 前列腺癌,头颈癌 | PyTorch的L-BFGS优化器 | 单层网络 | 剂量沉积矩阵 | 前列腺和头颈部病例（具体数量未明确说明） | NA | NA | NA | NA |