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 1223 篇文献，本页显示第 881 - 900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 881 | 2025-06-06 |
CT-SDM: A Sampling Diffusion Model for Sparse-View CT Reconstruction Across Various Sampling Rates
2025-Jun, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3541491
PMID:40031824
|
research paper | 提出了一种自适应重建方法CT-SDM，用于在不同采样率下实现高性能稀疏视图CT重建 | 设计了新颖的成像退化算子，在采样扩散模型中模拟正弦图域的投影过程，从而通过一个训练模型适应多种采样率 | 未提及具体临床验证结果或实际部署中的计算效率问题 | 解决稀疏视图CT重建中因采样率固定导致的模型泛化能力不足问题 | 稀疏视图CT扫描数据 | digital pathology | NA | deep learning, diffusion model | CT-SDM (采样扩散模型) | CT图像 | 多个数据集（未明确数量） | NA | NA | NA | NA |
| 882 | 2025-06-06 |
Ultra-Sparse-View Cone-Beam CT Reconstruction-Based Strictly Structure-Preserved Deep Neural Network in Image-Guided Radiation Therapy
2025-Jun, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3541242
PMID:40031817
|
研究论文 | 本研究提出了一种基于严格结构保持的深度神经网络（PSSP-NET）用于超稀疏视角锥束CT重建，旨在在图像引导放射治疗中减少额外剂量同时保持图像质量 | 利用计划CT作为先验信息，开发了基于生成对抗网络（GAN）的PSSP-NET模型，用于快速重建高质量CBCT图像 | 研究仅在头颈癌患者中进行了临床性能评估，未涉及其他癌症类型 | 减少图像引导放射治疗中的额外辐射剂量，同时保持CBCT图像质量 | 头颈癌患者 | 数字病理 | 头颈癌 | 锥束CT（CBCT） | GAN | 图像 | 头颈癌患者的临床CBCT投影数据 | NA | NA | NA | NA |
| 883 | 2025-06-06 |
TransMatch: Employing Bridging Strategy to Overcome Large Deformation for Feature Matching in Gastroscopy Scenario
2025-Jun, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3541433
PMID:40031823
|
research paper | 提出了一种名为TransMatch的特征匹配框架，用于解决胃镜场景中特征严重变形和大位移的匹配问题 | 通过Transformer结构利用全局信息匹配特征，并采用双向二次插值网络的桥接策略分解和简化严重变形特征的匹配 | NA | 解决胃镜场景中特征严重变形和大位移的匹配问题 | 胃镜图像中的特征匹配 | computer vision | NA | Transformer, 双向二次插值网络 | Transformer | image | 大规模胃镜数据集 | NA | NA | NA | NA |
| 884 | 2025-06-06 |
Image classification-driven speech disorder detection using deep learning technique
2025-Jun, SLAS technology
IF:2.5Q3
DOI:10.1016/j.slast.2025.100261
PMID:40057233
|
研究论文 | 本研究提出了一种基于图像分类的自动语音障碍检测模型，通过Mel-Spectrogram分类识别多种语音障碍 | 使用增强的LEVIT transformer进行特征提取，并采用包含CatBoost和XGBoost的集成学习方法进行分类，同时利用量化感知训练减少计算资源 | 模型在多语言和方言中的适用性有待进一步验证，且需要更多样化的数据集进行泛化 | 开发一种自动化的语音障碍检测模型，以提高诊断的准确性和效率 | 语音障碍患者 | 自然语言处理 | 语音障碍 | Wavelet Transform (WT), 量化感知训练 (QAT) | LEVIT transformer, CatBoost, XGBoost, Extremely Randomized Tree | Mel-Spectrogram图像 | VOICED和LANNA数据集 | NA | NA | NA | NA |
| 885 | 2025-06-06 |
Advanced NLP-driven predictive modeling for tailored treatment strategies in gastrointestinal cancer
2025-Jun, SLAS technology
IF:2.5Q3
DOI:10.1016/j.slast.2025.100264
PMID:40057234
|
研究论文 | 本研究旨在开发一种基于自然语言处理（NLP）的预测建模框架，用于胃肠道癌症的个性化治疗策略 | 提出了Resilient Adam Algorithm驱动的Versatile Long-Short Term Memory (RAA-VLSTM)模型，用于分析临床数据，并通过RAA优化算法显著提高了训练效率 | 未提及具体的数据集规模限制或模型在其他癌症类型中的泛化能力 | 开发一种先进的NLP驱动预测建模框架，以改善胃肠道癌症的个性化治疗策略 | 胃肠道癌症患者的电子健康记录（EHRs） | 自然语言处理 | 胃肠道癌症 | NLP, 深度学习 | RAA-VLSTM | 文本（电子健康记录） | 来自多个医疗中心的广泛电子健康记录（具体数量未提及） | NA | NA | NA | NA |
| 886 | 2025-06-06 |
Advancing Intracranial Aneurysm Detection: A Comprehensive Systematic Review and Meta-analysis of Deep Learning Models Performance, Clinical Integration, and Future Directions
2025-Jun, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia
IF:1.9Q4
DOI:10.1016/j.jocn.2025.111243
PMID:40306254
|
meta-analysis | 本文通过系统综述和荟萃分析评估了深度学习模型在颅内动脉瘤检测中的性能及其对临床诊断的辅助作用 | 深度学习模型在颅内动脉瘤检测中展现出超越传统临床诊断的敏感性和特异性，并能显著提升临床医生的诊断一致性和准确性 | 需要在更多样化的临床环境中进行进一步验证，并实现与标准工作流程的无缝集成 | 评估深度学习模型在颅内动脉瘤检测中的性能及其临床应用价值 | 颅内动脉瘤的检测和预测 | digital pathology | cardiovascular disease | CT angiography (CTA), digital subtraction angiography (DSA), time-of-flight MR angiography (TOF-MRA) | DL (Deep Learning) | image | NA | NA | NA | NA | NA |
| 887 | 2025-06-06 |
Glycosyltransferases in human milk oligosaccharide synthesis: structural mechanisms and rational design
2025-Jun, Current opinion in biotechnology
IF:7.1Q1
DOI:10.1016/j.copbio.2025.103315
PMID:40347686
|
review | 本文系统分析了糖基转移酶在人类母乳寡糖合成中的结构机制和理性设计 | 综述了糖基转移酶的结构生物学，通过晶体学研究阐明了保守域和催化机制，并总结了当代优化策略，包括溶解度增强、催化效率提升和底物特异性工程 | 未提及具体实验数据或样本量，可能缺乏实证支持 | 探讨糖基转移酶在人类母乳寡糖合成中的结构机制和理性设计 | 糖基转移酶和人类母乳寡糖 | 合成生物学 | NA | 晶体学研究和深度学习算法 | NA | 结构生物学数据 | NA | NA | NA | NA | NA |
| 888 | 2025-06-06 |
CirnetamorNet: An ultrasonic temperature measurement network for microwave hyperthermia based on deep learning
2025-Jun, SLAS technology
IF:2.5Q3
DOI:10.1016/j.slast.2025.100297
PMID:40350037
|
研究论文 | 提出了一种基于深度学习的超声波温度测量网络CirnetamorNet，用于微波热疗中的非侵入性温度监测 | 通过多头注意力机制高效整合多特征数据，提高了非侵入性测温技术的准确性和可靠性 | 实验数据采集系统使用模拟人体组织特性的材料构建，可能与真实人体组织存在差异 | 实现微波热疗过程中准确的非侵入性温度预测 | 微波热疗中的温度监测 | 数字病理 | 癌症 | 超声波成像 | RNN, 多头注意力机制 | 图像 | NA | NA | NA | NA | NA |
| 889 | 2025-06-06 |
Prediction of pathological grade of oral squamous cell carcinoma and construction of prognostic model based on deep learning algorithm
2025-Jun-01, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-02144-8
PMID:40450613
|
研究论文 | 本研究旨在基于全切片图像(WSIs)建立深度学习模型，用于预测口腔鳞状细胞癌(OSCC)的病理分级 | 使用CLAM算法构建的深度学习模型在训练集和外部验证集中表现出良好的预测效率和泛化能力，并结合转录组数据构建了OSCC的预后风险模型 | 外部验证集的AUC(0.71)低于训练集(0.86)，表明模型在外部数据上的性能有待提高 | 预测口腔鳞状细胞癌的病理分级并构建预后模型 | 口腔鳞状细胞癌(OSCC)患者 | 数字病理学 | 口腔鳞状细胞癌 | 深度学习算法 | CLAM算法 | 全切片图像(WSIs)和转录组数据 | 257例OSCC患者的组织病理学图像(来自TCGA数据库)和165例OSCC病理切片(来自CPTAC数据库) | NA | NA | NA | NA |
| 890 | 2025-06-06 |
Deep learning driven interpretable and informed decision making model for brain tumour prediction using explainable AI
2025-Jun-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03358-0
PMID:40451921
|
研究论文 | 本研究提出了一种结合深度学习和可解释AI（XAI）的模型，用于准确且可解释的脑肿瘤预测 | 结合深度学习和XAI，提供模型预测的可解释性，帮助临床医生理解决策过程 | 模型可能仍存在某些复杂病例的预测困难，且依赖于大量影像和临床数据 | 开发一个可解释的脑肿瘤预测模型，以提高诊断准确性和临床信任度 | 脑肿瘤患者 | 数字病理学 | 脑肿瘤 | MRI和CT扫描 | 深度学习模型 | 影像和临床数据 | 广泛的数据集（具体数量未提及） | NA | NA | NA | NA |
| 891 | 2025-06-06 |
Extracerebral Normalization of 18F-FDG PET Imaging Combined with Behavioral CRS-R Scores Predict Recovery from Disorders of Consciousness
2025-Jun, Neurocritical care
IF:3.1Q2
DOI:10.1007/s12028-024-02142-8
PMID:39532777
|
研究论文 | 本研究开发了一种基于18F-FDG PET和行为CRS-R评分的预后模型，用于预测长期意识障碍患者的1年恢复情况 | 结合18F-FDG PET的脑外组织标准化和行为CRS-R评分，开发了多模态预后模型，提高了预测意识恢复的准确性 | 样本量较小（87例患者），且测试集结果显示差异无统计学意义（P=0.73） | 开发预测长期意识障碍患者恢复情况的预后模型 | 87例新诊断为长期意识障碍的患者 | 数字病理 | 神经系统疾病 | 18F-FDG PET/CT扫描 | DenseNet121 | 图像和表格数据 | 87例意识障碍患者（52例恢复意识，35例未恢复） | NA | NA | NA | NA |
| 892 | 2025-06-06 |
Underwater 3D measurement based on improved YOLOv8n and laser scanning imaging device
2025-Jun-01, The Review of scientific instruments
DOI:10.1063/5.0256098
PMID:40471019
|
研究论文 | 本文提出了一种名为YOLOv8-FWR的深度学习算法，结合激光扫描成像设备，有效提高了水下激光成像的效率和质量 | 引入了Focal_SPPF池化模块以减少背景噪声影响，提出了加权特征Concat模块以增强边缘小目标光条的检测，并通过结构重参数化技术优化了C2f模块，降低了模型参数数量同时提高了准确性 | NA | 提高水下激光成像的目标检测效率和准确性 | 水下激光扫描成像中的目标光条 | 计算机视觉 | NA | 激光扫描成像 | YOLOv8-FWR | 图像 | 通过模拟水下激光扫描成像过程构建的包含大量背景噪声的数据集，并在VOC2012和Underwater Detection Dataset (UDD)上进行了验证 | NA | NA | NA | NA |
| 893 | 2025-06-05 |
NMR Pure Shift Spectroscopy and Its Potential Applications in the Pharmaceutical Industry
2025-Jun-03, Chembiochem : a European journal of chemical biology
IF:2.6Q3
DOI:10.1002/cbic.202401012
PMID:40263759
|
review | 本文综述了纯位移NMR技术及其在制药行业中的潜在应用 | 介绍了纯位移技术抑制标量耦合以提高光谱分辨率的方法，并探讨了深度学习辅助获取最优纯位移光谱的方法 | NA | 促进纯位移NMR技术在制药行业的发展和实际应用 | 纯位移NMR技术及其在制药行业的应用 | NA | NA | NMR纯位移技术、深度学习 | NA | 光谱数据 | NA | NA | NA | NA | NA |
| 894 | 2025-06-05 |
A Novel Deep Learning Framework for Nipple Segmentation in Digital Mammography
2025-Jun-03, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01567-7
PMID:40461663
|
研究论文 | 提出了一种新的深度学习框架，用于数字乳腺X线摄影中的乳头分割，以提高医学分析和计算机辅助检测系统的准确性 | 该方法在乳头分割方面显著优于基线方法，特别是在基线方法完全失败的挑战性案例中，实现了在所有案例中的成功检测，并在重叠度量上取得了持续提升 | NA | 提高数字乳腺X线摄影中乳头分割的准确性，以支持多视角和多模态乳腺图像配准 | 数字乳腺X线摄影图像中的乳头区域 | 数字病理学 | 乳腺癌 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 895 | 2025-10-06 |
RS-MAE: Region-State Masked Autoencoder for Neuropsychiatric Disorder Classifications Based on Resting-State fMRI
2025-Jun, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3449949
PMID:39325609
|
研究论文 | 提出一种基于静息态fMRI的区域状态掩码自编码器用于神经精神疾病分类 | 引入掩码自编码器减少DFC矩阵冗余，提出区域状态块嵌入适应连接性数据，采用随机状态拼接缓解训练样本不足问题 | 未明确说明模型在小样本情况下的泛化能力及计算复杂度 | 基于静息态功能磁共振成像的神经精神疾病分类 | 注意力缺陷多动障碍、自闭症谱系障碍、阿尔茨海默病和精神分裂症患者 | 医学影像分析 | 神经精神疾病 | 静息态功能磁共振成像 | 掩码自编码器 | 动态功能连接矩阵 | 四个公开数据集（具体样本数未明确说明） | NA | RS-MAE | 准确率 | NA |
| 896 | 2025-10-06 |
Hyperparameter Recommendation Integrated With Convolutional Neural Network
2025-Jun, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3476439
PMID:39423079
|
研究论文 | 提出一种集成卷积神经网络的超参数推荐方法 | 首次将CNN应用于超参数推荐领域，开发了具有特征选择能力的CNN回归器和卷积去噪自编码器，能够深度挖掘数据特征和超参数性能的空间结构 | 仅针对SVM分类器进行验证，未扩展到其他机器学习模型 | 开发基于深度学习的超参数推荐系统 | 分类问题的超参数优化 | 机器学习 | NA | 元学习 | CNN, ConvDAE | 数据集特征，超参数性能数据 | 400个真实分类问题 | NA | 卷积神经网络，卷积去噪自编码器，双分支CNN | NA | NA |
| 897 | 2025-10-06 |
Spike-and-Slab Shrinkage Priors for Structurally Sparse Bayesian Neural Networks
2025-Jun, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3485529
PMID:39480710
|
研究论文 | 本文提出两种基于尖峰-平板先验的结构化稀疏贝叶斯神经网络，用于模型压缩和计算效率提升 | 首次将尖峰-平板群组Lasso和尖峰-平板群组Horseshoe先验应用于贝叶斯神经网络的结构化稀疏化 | 未明确说明具体数据集规模和实验设置的局限性 | 开发结构化稀疏的贝叶斯神经网络以实现模型压缩和计算效率优化 | 贝叶斯神经网络的结构化稀疏化 | 机器学习 | NA | 变分推断，连续松弛技术 | 贝叶斯神经网络 | NA | NA | NA | 结构化稀疏神经网络 | 预测准确率，模型压缩率，推理延迟 | NA |
| 898 | 2025-06-05 |
The Pivotal Role of Baseline LDCT for Lung Cancer Screening in the Era of Artificial Intelligence
2025-Jun, Archivos de bronconeumologia
IF:8.7Q1
DOI:10.1016/j.arbres.2024.11.001
PMID:39643515
|
综述 | 本文探讨了在人工智能时代，基线低剂量计算机断层扫描（LDCT）在肺癌筛查中的关键作用及其面临的挑战 | 探讨了人工智能如何通过分析LDCT的放射组学特征来区分良恶性结节，并预测肺癌和心血管疾病的风险，实现个性化筛查 | 人工智能在LDCT筛查路径中的主要障碍是性能的普适性和可解释性 | 评估基线LDCT检查在肺癌筛查中的重要性，并探索人工智能在克服筛查挑战中的作用 | 肺癌筛查参与者及其基线LDCT检查结果 | 数字病理学 | 肺癌 | LDCT, 深度学习 | DL | 图像 | NA | NA | NA | NA | NA |
| 899 | 2025-10-06 |
G-Diff: A Graph-Based Decoding Network for Diffusion Recommender Model
2025-Jun, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3491827
PMID:39531577
|
研究论文 | 本文提出一种基于图的解码网络G-Diff来改进扩散推荐模型，通过引入物品关系图提升推荐性能 | 在扩散模型的反向过程中引入精心设计的基于图的解码网络，利用物品间关系提升推荐效果，同时通过跳跃连接和归一化层保留低阶邻居信息 | NA | 改进扩散推荐模型的性能，更好地利用推荐系统中物品的集体信号 | 推荐系统中的用户偏好预测 | 机器学习 | NA | 扩散模型 | 图神经网络,扩散模型 | 推荐系统数据 | 三个真实世界数据集 | NA | G-Diff,基于图的解码网络 | 推荐性能指标 | NA |
| 900 | 2025-06-05 |
Learning topological horseshoes in time series via deep neural networks
2025-Jun-01, Chaos (Woodbury, N.Y.)
DOI:10.1063/5.0270132
PMID:40465250
|
research paper | 提出了一种基于深度学习的几何方法，用于识别时间序列中的混沌动力学 | 结合拓扑马蹄理论和深度神经网络，为复杂非线性系统中混沌行为的检测提供了新工具 | NA | 识别时间序列中的混沌动力学 | 时间序列数据 | machine learning | NA | deep learning | deep neural networks | time series | Hénon map, Lorenz system, Duffing system | NA | NA | NA | NA |