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 1408 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-01-08 |
The TDGL Module: A Fast Multi-Scale Vision Sensor Based on a Transformation Dilated Grouped Layer
2025-May-26, Sensors (Basel, Switzerland)
DOI:10.3390/s25113339
PMID:41498160
|
研究论文 | 本文提出了一种基于深度学习的快速多尺度视觉传感器模块TDGL，用于提升道路目标特征提取网络的效率和准确性 | 提出TDGL模块，通过GLConv单元引入缩放和偏移参数、修改扩张策略并使用分组卷积，以动态调整卷积操作，有效区分不同尺度特征并降低计算成本 | NA | 提升道路目标检测任务中视觉传感器的多尺度特征提取能力 | 道路障碍物目标 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | BDD100K数据集 | NA | YOLO | mAP, FPS | NA |
| 2 | 2026-01-08 |
Effects of Deep Learning-Based Reconstruction on the Quality of Accelerated Contrast-Enhanced Neck MRI
2025-May, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2024.1059
PMID:40307199
|
研究论文 | 本研究比较了基于深度学习的重建技术与传统插值技术在加速对比增强颈部MRI中的图像质量 | 首次在加速对比增强颈部MRI中应用基于深度学习的重建算法，实现了扫描时间显著减少的同时提升图像质量 | 使用的深度学习算法为闭源工作进展版本，且重叠解剖结构的伪影略有增加 | 评估深度学习重建技术在加速颈部MRI中的图像质量与诊断性能 | 颈部对比增强MRI图像 | 医学影像分析 | NA | 对比增强MRI，深度学习重建 | 深度学习重建算法 | MRI图像 | 106名患者的MRI扫描数据 | NA | NA | 半高全宽，信号伪影百分比，非均匀性，对比噪声比，区域黏膜半高全宽，视觉评分（整体质量、清晰度、黏膜显着性、伪影、病变检测） | 3T MRI扫描仪，闭源深度学习重建算法（Siemens Healthineers WIP No. 1062） |
| 3 | 2026-01-06 |
Quantitative Assessment of Facial Paralysis Using Dynamic 3D Photogrammetry and Deep Learning: A Hybrid Approach Integrating Expert Consensus
2025-May-22, Sensors (Basel, Switzerland)
DOI:10.3390/s25113264
PMID:40968808
|
研究论文 | 本文提出了一种结合动态3D摄影测量点云与专家共识的深度学习方法来客观量化面瘫严重程度 | 创新点在于将动态3D面部运动点云与专家共识评分相结合，使用PointNet网络进行面瘫严重程度的量化评估 | NA | 客观量化面瘫的严重程度 | 面瘫患者的面部运动 | 计算机视觉 | 面瘫 | 动态3D摄影测量成像系统 | 深度学习 | 3D点云 | NA | NA | PointNet | 准确率 | NA |
| 4 | 2026-01-02 |
Federated prediction for scalable and privacy-preserved knowledge-based planning in radiotherapy
2025-May-20, ArXiv
PMID:40470470
|
研究论文 | 本文介绍了FedKBP+，一个用于放射治疗规划预测任务的全面联邦学习平台，旨在解决数据稀缺和隐私问题 | 开发了支持集中式和完全去中心化联邦学习策略的统一通信栈，并引入了Gossip Contrastive Mutual Learning算法以增强对站点故障的鲁棒性 | 未明确讨论平台在更大规模或更多样化临床环境中的可扩展性验证 | 开发一个高效、隐私保护的联邦学习平台，以提升放射治疗规划的预测任务性能 | 放射治疗规划中的预测任务，包括剂量预测和肿瘤/器官分割 | 机器学习 | 脑肿瘤 | 联邦学习 | 深度学习模型 | 医学影像数据 | OpenKBP挑战赛340例（训练200，验证40，测试100）；BraTS挑战赛数据集227例（训练152，验证27，测试48）；PanSeg数据集384例（训练269，验证39，测试76） | FedKBP+（基于gRPC），NVFlare | SA-Net | DSC（Dice相似系数），预测准确性，训练效率（小时） | 未明确指定，但涉及多工作站分布式计算 |
| 5 | 2025-12-27 |
Deep learning-based polygenic scores enhance generalizability of psychiatric disorders prediction
2025-May-05, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.05.05.25326794
PMID:40385437
|
研究论文 | 本研究比较了深度学习模型Genome-Local-Net与线性模型bigstatsr在预测五种精神疾病方面的性能，并探讨了结合个体和GWAS来源的多基因评分及家族遗传风险评分的预测效果 | 首次系统评估深度学习模型在精神疾病多基因评分预测中的泛化能力，并探索了多种评分整合策略的增效作用 | 深度学习整合策略未显示一致优势，研究仅针对五种精神疾病，样本代表性可能受限 | 提升精神疾病遗传风险预测的准确性和泛化能力 | 注意力缺陷多动障碍、自闭症谱系障碍、双相情感障碍、重度抑郁症和精神分裂症 | 机器学习 | 精神疾病 | 全基因组关联研究 | 深度学习, 线性模型 | 基因型数据 | 未明确 | 未明确 | Genome-Local-Net | AUROC | 未明确 |
| 6 | 2025-12-24 |
Optimizing credit card fraud detection with random forests and SMOTE
2025-May-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00873-y
PMID:40404766
|
研究论文 | 本文提出了一种基于机器学习的系统，用于检测信用卡欺诈交易，并比较了多种机器学习模型在高度不平衡数据集上的性能 | 在高度不平衡的信用卡欺诈数据集上，结合使用SMOTE技术处理类别不平衡问题，并系统比较了深度学习模型与传统机器学习模型（如决策树、Adaboost）的性能，发现随机森林模型在欺诈检测中表现最优 | 研究主要基于公开的UCI数据集，可能无法完全代表实时金融交易环境的复杂性和动态变化；深度学习模型（ANN）在此特定任务中的表现未超越某些传统机器学习模型 | 优化信用卡欺诈检测方法，通过比较不同机器学习与深度学习模型，识别提升预测准确性的关键参数，以增强金融欺诈预防机制 | 信用卡交易数据，特别是欺诈性交易 | 机器学习 | NA | 合成少数类过采样技术（SMOTE），探索性数据分析（EDA） | 决策树（DT），Adaboost，人工神经网络（ANN），逻辑回归，随机森林 | 表格数据（信用卡交易记录） | 来自UCI机器学习仓库的信用卡客户数据集（欺诈交易占比小于0.2%） | NA | NA | 准确率，召回率 | NA |
| 7 | 2025-12-24 |
Automated Joint Space Detection Improves Bone Segmentation Accuracy
2025-May-06, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.30.651481
PMID:40654621
|
研究论文 | 本研究开发了一种基于深度学习的自动化关节间隙检测方法，用于提高小鼠爪骨分割的准确性 | 通过引入结构增强、张量投票和输出膨胀技术，结合3D U-Net和ResNet-18架构的深度学习模型，显著提升了关节间隙检测和骨分割的精度 | 在疾病严重程度增加和年龄增长的小鼠中，模型性能有所下降，特别是在关节炎严重的前爪数据集中表现受限 | 开发自动化图像分析技术，以克服手动分割的挑战，提高复杂解剖结构的定量描述准确性 | 小鼠后爪和前爪的微计算机断层扫描数据集，包括野生型和肿瘤坏死因子转基因小鼠 | 计算机视觉 | 关节炎 | 微计算机断层扫描 | CNN | 图像 | 包括野生型和肿瘤坏死因子转基因小鼠的后爪和前爪数据集，测试组涉及52.4%的后爪样本 | NA | 3D U-Net, ResNet-18 | 分割准确率 | NA |
| 8 | 2025-12-17 |
Challenges in AI-driven Biomedical Multimodal Data Fusion and Analysis
2025-05-10, Genomics, proteomics & bioinformatics
DOI:10.1093/gpbjnl/qzaf011
PMID:40036568
|
综述 | 本文综述了人工智能在生物医学多模态数据融合与分析中的应用、挑战及未来方向 | 全面概述了生物医学多模态表示学习方法，并提出了通过模型预训练和知识整合来适应深度学习方法的未来方向 | NA | 探讨人工智能在生物医学数据整合分析中的应用及挑战 | 分子、细胞、图像和电子健康记录等多模态生物医学数据集 | 机器学习 | NA | NA | 深度学习模型 | 多模态数据（包括分子、细胞、图像和电子健康记录） | NA | NA | NA | NA | NA |
| 9 | 2025-12-15 |
scRegulate: Single-Cell Regulatory-Embedded Variational Inference of Transcription Factor Activity from Gene Expression
2025-May-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.17.649372
PMID:40654959
|
研究论文 | 本文提出了一种名为scRegulate的生成式深度学习框架，用于从单细胞RNA测序数据中推断转录因子活性和基因调控网络 | scRegulate结合了变分推断和基因调控网络先验知识，能够捕捉新颖、动态和上下文特异性的调控相互作用，超越了现有方法的确定性假设和静态数据库依赖 | 未在摘要中明确提及 | 开发一个可扩展且具有生物学可解释性的框架，用于从单细胞转录组数据中推断转录因子活性和调控网络 | 单细胞RNA测序数据中的转录因子活性和基因调控网络 | 计算生物学 | NA | 单细胞RNA测序 | 生成式深度学习框架 | 基因表达数据 | 多个公共实验和合成数据集，包括Perturb-seq数据集和PBMC单细胞RNA测序数据 | NA | 变分推断模型 | AUROC, AUPRC, 平均log2倍数变化 | NA |
| 10 | 2025-12-12 |
Cyber-physical security of biochips: A perspective
2025-May, Biomicrofluidics
IF:2.6Q2
DOI:10.1063/5.0252554
PMID:40454326
|
综述 | 本文从视角角度探讨了微流控生物芯片面临的网络安全威胁及相应的多层防护对策 | 系统性地从结构、材料、样本和知识产权四个层面，综述了针对生物芯片的新兴攻击向量与基于深度学习、分子标记等技术的创新防护措施 | NA | 探讨微流控生物芯片的网络安全威胁并提出多层防护框架，以确保其在关键应用中的可靠性、安全性和可信度 | 微流控生物芯片 | 网络安全 | NA | 深度学习异常检测、分子条形码、光谱水印、物理不可克隆功能 | NA | 显微结构图像、光学变化数据、化学光谱数据、DNA序列数据 | NA | NA | NA | NA | NA |
| 11 | 2025-12-10 |
Preoperative Prediction of Microvascular Invasion in Hepatocellular Carcinoma From Multi-Sequence Magnetic Resonance Imaging Based on Deep Fusion Representation Learning
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3451331
PMID:39196745
|
研究论文 | 本研究提出了一种基于深度融合表示学习的新算法，用于从多序列磁共振成像中预测肝细胞癌的微血管侵犯 | 引入了一种基于ResNet的新型多分支深度融合特征算法（DFFResNet），结合不同序列的MRI图像以增强信息互补性和整合性 | 研究样本量相对较小（117名个体），且仅基于单一医院的放射科数据集，可能影响模型的泛化能力 | 预测肝细胞癌术前微血管侵犯，以辅助早期肿瘤复发风险评估 | 肝细胞癌患者的多序列磁共振成像数据 | 数字病理学 | 肝细胞癌 | 磁共振成像 | CNN | 图像 | 117名个体，包含七个MRI序列 | NA | ResNet, DFFResNet | NA | NA |
| 12 | 2025-12-10 |
SWMA-UNet: Multi-Path Attention Network for Improved Medical Image Segmentation
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3523492
PMID:40030824
|
研究论文 | 本文提出了一种用于医学图像分割的并行多路径注意力网络SWMA-UNet，旨在同时捕获局部细节和全局上下文信息 | 提出了一种并行（而非串行）集成Transformer和CNN的多路径注意力架构，以同时处理全局和局部信息 | 未在摘要中明确说明 | 提高医学图像分割的准确性 | 医学图像 | 计算机视觉 | NA | 深度学习 | CNN, Transformer | 图像 | 在Synapse、ACDC、ISIC 2018和MoNuSeg数据集上进行了实验 | NA | SWMA-UNet (基于U-Net的变体) | NA | NA |
| 13 | 2025-12-10 |
FlexibleSleepNet:A Model for Automatic Sleep Stage Classification Based on Multi-Channel Polysomnography
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3525626
PMID:40030855
|
研究论文 | 本文提出了一种名为FlexibleSleepNet的轻量级卷积神经网络架构，用于基于多通道多导睡眠图数据的自动睡眠阶段分类 | 引入了自适应特征提取模块和尺度变化压缩模块，以平衡时空特征提取与计算复杂度，有效捕获通道间的时空依赖关系 | 未明确提及模型在更广泛或多样化数据集上的泛化能力，以及可能存在的过拟合风险 | 开发一种高效的自动睡眠阶段分类模型，以提升分类性能并降低计算复杂度 | 多通道多导睡眠图数据 | 机器学习 | NA | 多导睡眠图 | CNN | 多通道生理信号数据 | 三个数据库：SleepEDF-20、SleepEDF-78和SHHS，具体样本数量未明确 | NA | FlexibleSleepNet | 分类准确率 | NA |
| 14 | 2025-12-10 |
Conditional Contrastive Predictive Coding for Assessment of Fetal Health From the Cardiotocogram
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3530610
PMID:40030899
|
研究论文 | 本文提出了一种基于条件对比预测编码的模型，用于从胎心宫缩图自动评估胎儿健康状况 | 将对比预测编码扩展为随机、循环且以子宫活动为条件的未来预测器，并引入了更适合异常检测的新训练目标 | 未明确说明模型在临床环境中的泛化能力或计算效率 | 开发一种自动化方法，通过胎心宫缩图评估胎儿健康状况，以减少人工解读的变异性 | 胎心宫缩图数据，包括胎儿心率和子宫活动记录 | 机器学习 | 胎儿健康 | 对比预测编码 | 深度学习模型 | 时间序列数据 | NA | NA | 对比预测编码扩展模型 | NA | NA |
| 15 | 2025-12-10 |
MACTFusion: Lightweight Cross Transformer for Adaptive Multimodal Medical Image Fusion
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3391620
PMID:38640042
|
研究论文 | 本文提出了一种基于轻量级交叉Transformer的自适应多模态医学图像融合方法 | 提出了基于交叉多轴注意力机制的轻量级交叉Transformer，结合交叉窗口注意力和交叉网格注意力来挖掘和整合多模态特征的局部与全局交互，并设计了空间自适应融合模块引导模型关注最相关信息 | 未明确说明模型在计算资源受限环境下的实际部署效果，也未讨论对其他医学图像模态（如超声、内镜图像）的泛化能力 | 开发一种计算效率高且性能优越的无监督多模态医学图像融合方法 | 多模态医学图像（特别是临床脑肿瘤图像） | 计算机视觉 | 脑肿瘤 | 医学图像融合技术 | Transformer | 医学图像 | 未明确说明具体样本数量，仅提及包含临床脑肿瘤图像 | 未明确说明 | 交叉Transformer（含交叉窗口注意力和交叉网格注意力），梯度残差密集卷积层 | 纹理清晰度，视觉质量（未明确量化指标） | 未明确说明 |
| 16 | 2025-12-06 |
Foundation model embeddings for quantitative tumor imaging biomarkers
2025-May-29, Research square
DOI:10.21203/rs.3.rs-6630446/v1
PMID:40502795
|
研究论文 | 本研究系统评估了十种医学影像基础模型在提取定量肿瘤影像生物标志物方面的性能，并发布了基准测试平台TumorImagingBench | 首次系统性地比较了不同架构和预训练策略的医学影像基础模型在定量肿瘤成像任务中的表现，并分析了其鲁棒性和可解释性 | 研究仅基于公开数据集（3,244次扫描），可能无法完全代表临床实践中的多样性 | 评估医学影像基础模型在提取可靠定量放射组学表型方面的能力 | 肿瘤影像数据 | 医学影像分析 | 肿瘤 | 深度学习 | 基础模型 | 医学影像扫描 | 3,244次扫描（来自六个公共数据集） | 未明确指定 | 多种架构（具体未列明） | 终点预测性能、鲁棒性、基于显著性的可解释性 | NA |
| 17 | 2025-12-04 |
Depth Perception Based on the Interaction of Binocular Disparity and Motion Parallax Cues in Three-Dimensional Space
2025-05-17, Sensors (Basel, Switzerland)
DOI:10.3390/s25103171
PMID:40431963
|
综述 | 本文系统总结了基于双眼视差和运动视差线索的三维空间深度感知研究 | 从单一线索研究转向两种线索交互的定量研究，并总结和比较了多种深度感知模型 | 未提出新的实验数据或模型，主要基于现有文献的总结和分析 | 总结双眼视差和运动视差线索在三维空间深度感知中的研究进展 | 人类视觉系统的深度感知机制 | 计算机视觉 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 18 | 2025-12-03 |
Boltz-1 Democratizing Biomolecular Interaction Modeling
2025-May-06, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.19.624167
PMID:39605745
|
研究论文 | 本文介绍了开源深度学习模型Boltz-1，该模型在预测生物分子复合物3D结构方面达到了AlphaFold3级别的精度，并提出了新的推理时间引导技术Boltz-steering | 提出了创新的模型架构、速度优化和数据处理方法，实现了与最先进商业模型相当的预测精度，并开发了能修正模型幻觉和非物理预测的Boltz-steering技术 | 未在摘要中明确说明 | 推动生物分子相互作用建模的民主化，为药物发现和蛋白质设计等领域提供强大工具 | 生物分子复合物的3D结构 | 结构生物学 | NA | 深度学习 | 深度学习模型 | 生物分子结构数据 | 未在摘要中明确说明 | 未在摘要中明确说明 | Boltz-1 | 结构预测精度 | 未在摘要中明确说明 |
| 19 | 2025-11-21 |
Near-zero photon bioimaging by fusing deep learning and ultralow-light microscopy
2025-May-27, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2412261122
PMID:40388622
|
研究论文 | 提出一种结合深度学习和超低光显微镜的近零光子生物成像方法，可在极低光照条件下实现高质量生物图像重建 | 首次实现kHz速率和比标准显微镜低10000倍辐照度的近零光子生物成像，能够从每个像素仅0.01光子的极低信号中重建生物图像 | 未明确说明方法在特定生物样本类型或复杂组织中的适用性限制 | 开发在极低光照条件下实现可靠和可重复光学显微镜成像的新方法 | 多细胞和亚细胞生物结构特征 | 生物医学成像 | NA | 超低光显微镜，深度学习图像重建 | 深度学习 | 光子稀疏图像 | NA | NA | NA | 成像保真度 | NA |
| 20 | 2025-11-19 |
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 | 提出一种从静息态功能磁共振成像生成未采集任务对比图的深度学习方法 | 首次实现从静息态fMRI生成任意功能认知任务的合成对比图，保留个体间变异 | 依赖于特定数据集（HCP和UK Biobank），任务生成范围受训练数据限制 | 解决任务功能磁共振成像在群体神经科学研究中的扩展难题 | 人类连接组计划寿命数据和英国生物银行超过20,000名个体 | 医学影像分析 | 神经科学相关疾病 | 功能磁共振成像（fMRI），包括任务fMRI和静息态fMRI | 深度学习 | 脑功能影像数据 | 超过20,000名个体 | NA | DeepTaskGen | 重建性能，个体间变异保留，人口统计学、认知和临床变量预测性能 | NA |