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 1717 篇文献，本页显示第 281 - 300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2025-10-06 |
An Overview of Autonomous Parking Systems: Strategies, Challenges, and Future Directions
2025-Jul-10, Sensors (Basel, Switzerland)
DOI:10.3390/s25144328
PMID:40732456
|
综述 | 本文系统回顾自动驾驶泊车系统的技术策略、现存挑战与未来发展方向 | 深入分析感知-规划-控制全链路技术整合，揭示非确定性AI组件验证等基础性问题，强调用户信任等社会技术维度 | 当前技术存在实时性能与计算成本平衡难题、动态环境安全验证困难、成本制约系统能力、实际部署鲁棒性不足 | 探讨自动驾驶泊车系统的技术发展路径与跨维度挑战 | 自动驾驶泊车系统（APS） | 机器视觉 | NA | 深度学习，传感器融合 | NA | 传感器数据 | NA | NA | NA | NA | NA |
| 282 | 2025-10-06 |
Circulating tumor cell detection in cancer patients using in-flow deep learning holography
2025-Jul-09, ArXiv
PMID:40671945
|
研究论文 | 开发了一种结合数字全息显微镜和深度学习的循环肿瘤细胞检测系统 | 将惯性微流控预处理与双模态成像相结合，集成全息成像和荧光传感，通过深度学习模型提供细胞形态学置信度 | 仅为初步研究，样本量有限（13名前列腺癌患者和8名健康对照） | 提高循环肿瘤细胞检测的灵敏度和特异性 | 晚期前列腺癌患者和健康对照者的血液样本 | 数字病理 | 前列腺癌 | 数字全息显微镜，微流控富集，免疫荧光分析 | 深度学习模型 | 全息图像，荧光图像 | 13名前列腺癌患者，8名健康对照，健康血样和癌细胞系 | NA | NA | 患者水平假阳性率（1细胞/毫升） | 实时执行 |
| 283 | 2025-10-06 |
DGAT: A Dual-Graph Attention Network for Inferring Spatial Protein Landscapes from Transcriptomics
2025-Jul-09, bioRxiv : the preprint server for biology
DOI:10.1101/2025.07.05.662121
PMID:40672156
|
研究论文 | 提出一种双图注意力网络DGAT，从仅含转录组数据的空间转录组数据中推断空间蛋白质表达 | 首次构建整合转录组、蛋白质组和空间信息的异质图，通过图注意力网络学习RNA-蛋白质关系 | 依赖空间CITE-seq数据集进行训练，在缺乏此类数据的组织中应用受限 | 从仅含转录组数据的空间转录组数据中推断蛋白质空间表达景观 | 扁桃体、乳腺癌、胶质母细胞瘤和恶性间皮瘤组织样本 | 计算生物学 | 癌症 | 空间转录组学，空间CITE-seq | 图注意力网络 | 转录组数据，蛋白质表达数据，空间位置数据 | 公共数据集和内部数据集，包含多种组织类型 | 深度学习框架 | 双图注意力网络，任务特定解码器 | 蛋白质插补准确性 | NA |
| 284 | 2025-10-06 |
A Novel Hybrid Technique for Detecting and Classifying Hyperspectral Images of Tomato Fungal Diseases Based on Deep Feature Extraction and Manhattan Distance
2025-Jul-09, Sensors (Basel, Switzerland)
DOI:10.3390/s25144285
PMID:40732413
|
研究论文 | 提出一种基于深度特征提取和曼哈顿距离的混合技术，用于番茄真菌病害的高光谱图像检测与分类 | 将小样本学习与高光谱成像相结合，在极少量训练样本（每类仅3张图像）下实现早期病害检测，可在视觉症状出现前2天识别感染 | 仅针对四种特定番茄真菌病害进行研究，未验证对其他作物或病害类型的泛化能力 | 开发一种基于小样本学习的高光谱图像分析方法，实现番茄真菌病害的早期准确检测 | 感染四种真菌病害的番茄植株 | 计算机视觉 | 植物病害 | 高光谱成像 | CNN | 高光谱图像 | 接种后第1天至第7天每隔一天采集图像，每类仅使用3张训练图像 | NA | EfficientNet | 准确率 | NA |
| 285 | 2025-10-06 |
Revisiting Centiloids using AI
2025-Jul-08, Research square
DOI:10.21203/rs.3.rs-7015694/v1
PMID:40671806
|
研究论文 | 本研究开发了一种名为DeepSUVR的深度学习方法，用于改进淀粉样蛋白PET定量的Centiloid标准 | 通过在训练过程中惩罚不合理的纵向轨迹，提出了一种新的Centiloid量化校正方法 | NA | 改进淀粉样蛋白PET定量标准，减少示踪剂和扫描仪之间的变异性 | 淀粉样蛋白PET扫描数据 | 医学影像分析 | 阿尔茨海默病 | PET成像 | 深度学习 | 医学影像 | 训练集：2,098名参与者（6,762次PET扫描）；验证集：10,543名参与者（15,806次PET扫描） | NA | NA | 相关性、AUC、纵向一致性、效应大小 | NA |
| 286 | 2025-10-06 |
Multimodal-Based Non-Contact High Intraocular Pressure Detection Method
2025-Jul-08, Sensors (Basel, Switzerland)
DOI:10.3390/s25144258
PMID:40732386
|
研究论文 | 提出一种基于深度学习的非接触式高眼压检测方法，通过整合Scheimpflug图像与角膜生物力学特征 | 首次将CycleGAN数据增强、Swin Transformer视觉特征提取和KAN网络异质数据融合相结合，在小样本场景下有效处理复杂变量关系 | 使用私有医院数据集，样本规模有限，需进一步验证泛化能力 | 开发高精度非接触式眼压检测方法以改善青光眼早期诊断 | 眼压升高患者，重点关注角膜生物力学特征 | 计算机视觉 | 青光眼 | Scheimpflug成像，角膜生物力学测量 | CycleGAN, Swin Transformer, KAN | 图像，临床参数 | 私有医院数据集（具体数量未明确说明） | NA | CycleGAN, Swin Transformer, Kolmogorov-Arnold Network | 准确率 | NA |
| 287 | 2025-10-06 |
Perception-Based H.264/AVC Video Coding for Resource-Constrained and Low-Bit-Rate Applications
2025-Jul-08, Sensors (Basel, Switzerland)
DOI:10.3390/s25144259
PMID:40732387
|
研究论文 | 提出一种面向资源受限和低比特率应用的感知基H.264/AVC视频编码算法 | 通过结合人脸检测和运动强度分析的动态量化参数调整策略，在保持低计算复杂度的同时提升感知质量 | 未与深度学习模型进行直接对比，主要依赖传统计算机视觉方法 | 开发适用于带宽受限和资源受限环境的高效视频编码方法 | H.264/AVC视频流 | 计算机视觉 | NA | 视频编码，人脸检测，运动分析 | AdaBoost, 级联分类器 | 视频 | NA | Viola-Jones算法 | 级联分类器 | 峰值信噪比(PSNR), 主观视觉质量 | 资源受限的嵌入式系统和边缘计算环境 |
| 288 | 2025-10-06 |
HybridKla: a hybrid deep learning framework for lactylation site prediction
2025-Jul-02, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf375
PMID:40736746
|
研究论文 | 开发了一个名为HybridKla的混合深度学习框架，用于预测蛋白质中的赖氨酸乳酸化位点 | 整合了八种互补的特征编码策略，构建了多特征混合系统，并与深度学习相结合，在Kla位点预测性能上相比现有工具提升了28.90% | 未明确提及具体局限性 | 开发更准确的赖氨酸乳酸化位点预测工具 | 蛋白质中的赖氨酸乳酸化位点 | 生物信息学 | NA | 特征编码，深度学习 | 深度学习 | 蛋白质序列数据 | 23,984个Kla位点，涉及7,297个蛋白质 | NA | 混合深度学习框架 | AUC | NA |
| 289 | 2025-10-06 |
Machine learning-based multimodal radiomics and transcriptomics models for predicting radiotherapy sensitivity and prognosis in esophageal cancer
2025-Jul, The Journal of biological chemistry
IF:4.0Q2
DOI:10.1016/j.jbc.2025.110242
PMID:40381695
|
研究论文 | 本研究整合多模态影像组学和转录组学数据，开发预测食管癌放疗敏感性和预后的机器学习模型 | 首次将SEResNet101深度学习模型应用于食管癌多模态数据整合，发现STUB1通过促进SRC泛素化降解增强放疗敏感性 | 研究数据主要来源于公共数据库，需要进一步临床验证 | 预测食管癌患者放疗敏感性和预后 | 食管癌患者 | 机器学习 | 食管癌 | 放射组学，转录组学 | 深度学习，回归模型 | 影像数据，转录组数据 | 来自UCSC Xena和TCGA数据库的食管癌样本 | NA | SEResNet101 | 生存概率分层准确性 | NA |
| 290 | 2025-10-06 |
Association of Psychological Resilience With Decelerated Brain Aging in Cognitively Healthy World Trade Center Responders
2025-Jul, Biological psychiatry global open science
DOI:10.1016/j.bpsgos.2025.100489
PMID:40487784
|
研究论文 | 本研究探讨了心理韧性对世界贸易中心救援人员大脑衰老速度的影响 | 首次在认知健康的世界贸易中心救援人员中发现心理韧性与减缓大脑衰老的关联 | 样本量相对较小（N=97），且仅针对特定救援人员群体 | 研究心理韧性是否对大脑衰老具有保护作用 | 世界贸易中心救援人员 | 神经影像学 | 创伤后应激障碍 | 结构磁共振成像 | 深度学习 | T1加权MRI图像 | 97名世界贸易中心救援人员（分为三组：PTSD组32人，高韧性组34人，低暴露对照组31人） | NA | BrainStructureAges | p值，Cohen's d效应量 | NA |
| 291 | 2025-10-06 |
DrugTar improves druggability prediction by integrating large language models and gene ontologies
2025-Jul-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf360
PMID:40581797
|
研究论文 | 开发了一种整合大型语言模型和基因本体的深度学习算法DrugTar，用于预测药物靶点的可成药性 | 首次将ESM-2预训练蛋白质语言模型的序列嵌入与基因本体整合，揭示了蛋白质序列比结构更具信息价值 | 未完全探索原始序列和蛋白质结构的潜力 | 开发高性能计算方法来预测药物靶点的可成药性 | 蛋白质靶点 | 机器学习 | 慢性复杂疾病 | 深度学习，高通量技术 | 深度学习算法 | 蛋白质序列，蛋白质结构，基因本体数据 | NA | NA | ESM-2 | AUC，精确召回曲线 | NA |
| 292 | 2025-10-06 |
Left ventricular wall thickness heterogeneity improves cardiovascular disease diagnosis and prognosis: a UK Biobank cardiovascular magnetic resonance cohort study
2025-Jul, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyaf092
PMID:40740418
|
研究论文 | 本研究通过深度学习分析心脏磁共振图像，开发了一种新的左心室壁厚度异质性生物标志物MadWT，用于改善心血管疾病的诊断和预后预测 | 首次提出最大节段壁厚度平均绝对偏差(MadWT)作为左心室壁厚度异质性的新型生物标志物，并在大规模队列中验证其诊断和预后价值 | 研究结果需要在运动员和疾病队列中进一步确认，且随访时间有限(中位5.7年) | 比较MadWT与传统左心室质量指数和壁厚度指标在预测心血管疾病和区分生理性与病理性左心室肥厚方面的性能 | 英国生物银行中的44,930例心血管磁共振扫描数据 | 数字病理 | 心血管疾病 | 心血管磁共振成像 | 深度学习 | 医学图像 | 44,930例心血管磁共振扫描 | NA | NA | 风险比, P值 | NA |
| 293 | 2025-10-06 |
A Meta-Learning Approach for Multicenter and Small-Data Single-Cell Image Analysis
2025-Jul-31, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c01810
PMID:40742562
|
研究论文 | 提出一种用于多中心和小数据的单细胞图像分析的元学习方法 | 通过元学习方法减少单细胞图像标注工作量，并在数据量减少至5%时仍能超越传统深度学习的准确率 | NA | 开发能够减少单细胞图像标注工作量的多中心分析平台 | 单细胞图像 | 计算机视觉 | NA | 自动宽场荧光显微镜 | 元学习 | 单细胞图像 | NA | NA | NA | 分类准确率 | NA |
| 294 | 2025-10-06 |
Artificial intelligence in hepatopancreatobiliary surgery for clinical outcome prediction: current perspective and future direction
2025-Jul-31, Journal of robotic surgery
IF:2.2Q2
DOI:10.1007/s11701-025-02617-6
PMID:40742577
|
综述 | 本文探讨人工智能在肝胆胰外科手术中通过深度学习模型预测临床结局的现状与未来发展方向 | 提出将机器人辅助手术作为AI技术集成平台，并前瞻性探讨实时术中引导、联邦学习和可解释AI框架等创新方向 | 面临数据质量、模型泛化能力和伦理实施等挑战 | 研究人工智能在肝胆胰外科临床结局预测中的应用价值与发展前景 | 肝胆胰外科手术患者 | 医疗人工智能 | 肝胆胰疾病 | 深度学习 | 深度学习模型 | 临床数据 | NA | NA | NA | 预测准确率 | NA |
| 295 | 2025-10-06 |
Reconstructing Super-Resolution Raman Spectral Image Using a Generative Adversarial Network-Based Algorithm
2025-Jul-30, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c02934
PMID:40735851
|
研究论文 | 提出基于生成对抗网络的算法，用于重建超分辨率拉曼光谱图像 | 首次将生成对抗网络应用于拉曼光谱图像的超分辨率重建，显著提升成像速度和空间分辨率 | 模型在未标记细胞数据集上训练，可能对其他类型样本的适用性需要进一步验证 | 提升拉曼光谱成像的速度和空间分辨率 | 未标记细胞的拉曼光谱数据 | 计算机视觉 | NA | 拉曼光谱成像 | GAN | 高光谱拉曼数据 | 186个高光谱拉曼数据集 | NA | 生成对抗网络 | PSNR, SSIM, RMSE | NA |
| 296 | 2025-10-06 |
Automatic Couinaud segmentation using AI and pictorial representation landmarking
2025-Jul-30, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05123-3
PMID:40736570
|
研究论文 | 提出结合深度学习分割与辅助标志点识别的框架，用于自动划分肝脏Couinaud分段 | 通过个性化图示模型实现精确Couinaud标志点定位，无需重新训练即可整合新数据 | 仅基于225例非增强T1加权MRI数据验证，需进一步多中心验证 | 提高肝脏Couinaud分段划分的准确性和临床工作效率 | 肝脏Couinaud分段 | 医学影像分析 | 肝脏疾病 | MRI成像 | 深度学习 | 医学影像 | 225例非增强T1加权MRI，来自4项不同研究 | NA | NA | 标志点定位准确度，分段体积估计准确度 | NA |
| 297 | 2025-10-06 |
An optimized multi-scale dilated attention layer for keratoconus disease classification
2025-Jul-30, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-025-03688-y
PMID:40736610
|
研究论文 | 提出一种用于圆锥角膜疾病分类的优化多尺度扩张注意力层深度学习模型 | 集成多尺度扩张注意力层(MSDAL)捕获不同空间分辨率的角膜特征，并采用北极海鹦优化(APO)算法进行训练优化 | 数据集规模有限且缺乏多模态输入 | 开发自动化的圆锥角膜检测方法 | 圆锥角膜疾病分类 | 计算机视觉 | 圆锥角膜 | 角膜地形图成像 | 深度学习 | 图像 | 超过1,100张标记的角膜地形图图像，分为正常、疑似和圆锥角膜三类 | NA | Optimized MSDALNet, CNN, ViT, Swin Transformer | 准确率, 精确率, 召回率, 特异性, FNR, MCC, AUC | 计算成本1.2 GFLOPs，推理速度8.4 ms/图像 |
| 298 | 2025-07-30 |
Response by Hijazi et al to Letter Regarding Article, "Deep Learning-Derived Cardiac Chamber Volumes and Mass From PET/CT Attenuation Scans: Associations With Myocardial Flow Reserve and Heart Failure"
2025-Jul-29, Circulation. Cardiovascular imaging
DOI:10.1161/CIRCIMAGING.125.018683
PMID:40726395
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 299 | 2025-10-06 |
Development and validation of a cranial ultrasound imaging-based deep learning model for periventricular-intraventricular haemorrhage detection and grading: a two-centre study
2025-Jul-29, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06327-x
PMID:40728538
|
研究论文 | 开发并验证基于颅脑超声图像的深度学习模型，用于检测和分级脑室周围-脑室内出血 | 首次将卷积块注意力模块机制整合到深度学习模型中，用于婴儿脑室周围-脑室内出血的检测和分级 | 研究仅纳入两个医疗中心的数据，样本来源相对有限 | 探索基于颅脑超声图像的深度学习分析能否检测和分级脑室周围-脑室内出血 | 婴儿颅脑超声图像 | 计算机视觉 | 新生儿颅内出血 | 颅脑超声成像 | 深度学习模型 | 医学图像 | 1060例（773例回顾性数据，287例前瞻性验证数据） | NA | 卷积块注意力模块机制 | 召回率, 精确率, 准确率, F1分数, AUC | NA |
| 300 | 2025-10-06 |
PDSNet: Patient-Disease Dual Spatial Similarity Neural Networks for Predicting Heart Failure Risk Using Short Electronic Health Records
2025-Jul-28, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3593388
PMID:40720268
|
研究论文 | 提出一种基于患者-疾病双重空间相似性的神经网络PDSNet，用于利用短期电子健康记录预测心力衰竭风险 | 引入患者-疾病双重空间相似性策略，结合本体图、二分图模型和Transformer架构来整合时空动态特征 | 仅使用MIMIC-III数据集中的7,346名患者数据，未在其他数据集上验证 | 提高心力衰竭风险预测的准确性和鲁棒性 | 心力衰竭患者 | 医疗人工智能 | 心血管疾病 | 电子健康记录分析 | 深度学习神经网络 | 电子健康记录 | 7,346名患者来自MIMIC-III数据集 | NA | Transformer | AUC, F1分数 | NA |