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 1621 - 1640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1621 | 2025-06-09 |
An attention-based approach for Koopman modeling and predictive control of nonlinear systems
2025-Jul, ISA transactions
IF:6.3Q1
DOI:10.1016/j.isatra.2025.04.011
PMID:40295151
|
research paper | 开发了一种基于注意力的深度学习方法，用于构建Koopman特征函数，以解决非线性系统建模的挑战 | 引入了注意力机制和可逆神经网络架构，以更精确地近似非线性系统与其线性化对应物之间的拓扑共轭关系 | NA | 提高非线性系统的建模精度和预测控制能力 | 非线性系统的建模与控制 | machine learning | NA | deep learning, attention mechanism, invertible neural networks | CNN (conditional affine coupling layers) | numerical data | numerical examples and a physical experiment | NA | NA | NA | NA |
| 1622 | 2025-06-09 |
Enhancing forensic shoeprint analysis: Application of the Shoe-MS algorithm to challenging evidence
2025-Jul, Science & justice : journal of the Forensic Science Society
IF:1.9Q3
DOI:10.1016/j.scijus.2025.101255
PMID:40480703
|
研究论文 | 本文探讨了Shoe-MS算法，一种基于深度学习的框架，专为法医鞋印分析设计，输入为两幅配对图像，输出为0到1之间的相似度评分 | 提出Shoe-MS算法，用于法医鞋印分析，能够处理质量较差的犯罪现场图像，并生成可靠的相似度评分 | 算法无法完全替代人工检查，仍需检查员进行概率性、可重复和可再现的评估 | 提高法医鞋印分析的准确性和效率 | 法医鞋印图像 | 计算机视觉 | NA | 深度学习 | Shoe-MS算法 | 图像 | 两个不同的数据库 | NA | NA | NA | NA |
| 1623 | 2025-06-09 |
Visualizing what's missing: Using deep learning and Bow-Tie diagrams to identify and visualize missing leading indicators in industrial construction
2025-Jul, Journal of safety research
IF:3.9Q2
DOI:10.1016/j.jsr.2025.02.007
PMID:40483046
|
研究论文 | 本研究利用深度学习和Bow-Tie图来识别和可视化工业建筑中缺失的安全领先指标 | 结合NLP、文本挖掘和深度学习技术（如SBERT）分析建筑项目中的事故和检查报告，识别未被安全领先指标捕捉到的危险 | 研究仅基于2015年至2018年加拿大一个建筑项目的数据，可能无法完全推广到其他地区或行业 | 识别安全领先指标在检查中未捕捉到的危险，以提升安全管理系统的有效性 | 建筑行业的安全事故和检查报告 | 自然语言处理 | NA | NLP, 文本挖掘, SBERT, N-gram模型, 共现网络 | SBERT | 文本 | 633起事故和9,681份检查描述 | NA | NA | NA | NA |
| 1624 | 2025-06-07 |
Motion-Compensated Multishot Pancreatic Diffusion-Weighted Imaging With Deep Learning-Based Denoising
2025-Jul-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001148
PMID:39823511
|
研究论文 | 本文提出了一种结合运动补偿扩散编码梯度(MCGs)和深度学习去噪的多重扩散加权成像(msDWI)方法，用于改善胰腺DWI的图像质量和定量准确性 | 创新点在于结合了CODE生成的MCGs和深度学习去噪技术，以减少运动伪影并最小化回波时间损失 | 样本量较小(22例患者)，且研究仅在一家机构进行 | 提高胰腺扩散加权成像(DWI)的图像质量和定量准确性 | 胰腺 | 医学影像 | 胰腺疾病 | 多重扩散加权成像(msDWI)、运动补偿扩散编码梯度(MCGs)、深度学习去噪 | 深度学习 | MRI图像 | 22例患者 | NA | NA | NA | NA |
| 1625 | 2025-06-07 |
Learning to Explore Sample Relationships
2025-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3549300
PMID:40063428
|
research paper | 本文提出了一种名为BatchFormerV1和BatchFormerV2的模块，用于增强深度神经网络在学习样本关系方面的能力 | 提出了BatchFormer模块，使深度神经网络能够以可学习的方式探索样本关系，并进一步扩展到像素/补丁级别的密集表示 | 探索实例级关系对密集预测的影响有限，且训练和测试阶段存在不一致性 | 解决深度学习在数据稀缺情况下的样本关系探索问题 | 深度神经网络中的样本关系 | computer vision | NA | deep learning | BatchFormerV1, BatchFormerV2 | image | 超过十个流行数据集 | NA | NA | NA | NA |
| 1626 | 2025-06-07 |
Hard-Aware Instance Adaptive Self-Training for Unsupervised Cross-Domain Semantic Segmentation
2025-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3552484
PMID:40100655
|
research paper | 提出了一种用于无监督跨域语义分割的硬感知实例自适应自训练框架 | 开发了一种新颖的伪标签生成策略，包含实例自适应选择器和硬感知伪标签增强，以及区域自适应正则化 | 未明确提及具体限制 | 解决标记训练数据与未标记测试数据之间的差异问题，提升无监督域适应（UDA）在语义分割任务中的性能 | 语义分割任务中的跨域数据 | computer vision | NA | self-training, unsupervised domain adaptation (UDA) | NA | image | GTA5 → Cityscapes, SYNTHIA → Cityscapes, Cityscapes → Oxford RobotCar 数据集 | NA | NA | NA | NA |
| 1627 | 2025-06-07 |
GDRNPP: A Geometry-Guided and Fully Learning-Based Object Pose Estimator
2025-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3553485
PMID:40117145
|
research paper | 介绍了一种完全基于学习的物体姿态估计器GDRNPP，通过几何引导的直接回归网络和姿态细化模块，实现了端到端的6D姿态估计 | 提出了一个完全基于学习的物体姿态估计器GDRNPP，无需依赖传统技术，实现了端到端的训练，并在精度和速度上超越了现有方法 | NA | 解决计算机视觉中刚性物体6D姿态估计的挑战，提高姿态估计的精度和速度 | 刚性物体的6D姿态 | computer vision | NA | CNN | GDRN, GDRNPP | image | NA | NA | NA | NA | NA |
| 1628 | 2025-06-07 |
ONNXPruner: ONNX-Based General Model Pruning Adapter
2025-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3554560
PMID:40131753
|
research paper | 提出了一种名为ONNXPruner的通用模型剪枝适配器，用于简化ONNX格式模型在不同深度学习框架和硬件平台上的剪枝过程 | ONNXPruner通过节点关联树自动适应各种模型架构，并引入树级评估方法，提升了剪枝性能 | 未提及具体剪枝算法在不同模型上的性能对比 | 推动模型剪枝的实际应用 | ONNX格式的深度学习模型 | machine learning | NA | 模型剪枝 | ONNX格式模型 | NA | 多个模型和数据集 | NA | NA | NA | NA |
| 1629 | 2025-06-07 |
Towards Unified Deep Image Deraining: A Survey and a New Benchmark
2025-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3556133
PMID:40153286
|
综述 | 本文全面回顾了现有的图像去雨方法，并提供了一个统一的评估设置来评估它们的性能 | 构建了一个新的高质量基准HQ-RAIN，并建立了一个在线平台以促进去雨技术的复现和追踪 | 未提及具体方法的局限性 | 统一评估图像去雨方法的性能并推动该领域的发展 | 图像去雨方法及其评估 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 5,000对高分辨率合成图像 | NA | NA | NA | NA |
| 1630 | 2025-06-06 |
Deep Ensemble for Central Serous Microscopic Retinopathy Detection in Retinal Optical Coherence Tomographic Images
2025-Jul, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24836
PMID:40014549
|
research paper | 该研究提出了一种基于卷积神经网络的框架，结合分割和后处理技术，用于视网膜光学相干断层扫描图像中的中央浆液性视网膜病变检测 | 采用三种网络（ResNet-18、GoogleNet和VGG-19）的融合方法进行图像分类，实现了高准确率（99.6%）和高特异性（100%） | 研究仅使用了公开数据集OCTID，样本量相对较小（207张正常图像和102张CSR图像） | 开发一种自动检测中央浆液性视网膜病变的方法，以减少视力丧失的风险 | 视网膜光学相干断层扫描图像 | digital pathology | retinal disorder | 光学相干断层扫描（OCT） | CNN（ResNet-18、GoogleNet、VGG-19） | image | 309张图像（207张正常，102张CSR） | NA | NA | NA | NA |
| 1631 | 2025-06-06 |
Estimating canopy leaf angle from leaf to ecosystem scale: a novel deep learning approach using unmanned aerial vehicle imagery
2025-Jul, The New phytologist
DOI:10.1111/nph.70197
PMID:40346911
|
研究论文 | 提出一种基于无人机影像和深度学习的创新方法，用于从叶片到生态系统尺度高效估算冠层叶片角度 | 相比传统方法，该方法更经济、高效、自动化且劳动强度低，能够跨尺度估算叶片角度分布 | 目前仅在三种植物物种上进行了单叶尺度的验证，需要更多物种和生态系统验证其普适性 | 开发高效估算植被冠层叶片角度分布的方法，以支持生态系统建模 | 植物冠层叶片角度 | 计算机视觉 | NA | 无人机影像、运动结构点云算法 | Mask R-CNN | 图像 | 57,032片叶片（来自30m×30m样地内的四种代表性树种） | NA | NA | NA | NA |
| 1632 | 2025-10-06 |
Video-Based Lifting Action Recognition Using Rank-Altered Kinematic Feature Pairs
2025-Jul, Human factors
IF:2.9Q2
DOI:10.1177/00187208241309748
PMID:39723832
|
研究论文 | 提出基于视频的举重动作识别方法，通过等级变化运动学特征对实现实时监测 | 使用等级变化运动学特征对构建集成分类器，比基线分类器快12.5倍以上 | 未明确说明样本多样性和环境适应性限制 | 实时监测举重任务以预防工作相关的下背部损伤 | 视频中的人体举重动作 | 计算机视觉 | 下背部损伤 | BlazePose姿态估计 | 集成分类器 | 视频 | NA | NA | BlazePose | 准确率,精确率,召回率,F1分数 | 移动设备,嵌入式系统 |
| 1633 | 2025-10-06 |
Enhancing Functional Protein Design Using Heuristic Optimization and Deep Learning for Anti-Inflammatory and Gene Therapy Applications
2025-Jul, Proteins
IF:3.2Q2
DOI:10.1002/prot.26810
PMID:39985803
|
研究论文 | 本研究开发了一种结合启发式优化和深度学习的蛋白质序列设计方法，用于增强蛋白质功能特性 | 提出启发式优化方法增强蛋白质关键功能特性（溶解度、柔韧性、稳定性），同时保持结构完整性 | 未明确说明方法在特定蛋白质类型或规模上的局限性 | 开发功能更优且易于实验室生产的蛋白质设计方法 | 具有抗炎特性和基因治疗应用潜力的合成蛋白质 | 机器学习 | 炎症性疾病 | 蛋白质序列设计 | 深度学习 | 蛋白质序列数据 | NA | NA | NA | 恢复率, 置信度, AlphaFold评估 | NA |
| 1634 | 2025-10-06 |
A Deep Learning Survival Model for Evaluating the Survival Prognosis of Papillary Thyroid Cancer: A Population-Based Cohort Study
2025-Jul, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-025-17290-0
PMID:40254654
|
研究论文 | 本研究开发了一种基于深度学习技术的生存模型，用于评估甲状腺乳头状癌患者的生存预后 | 首次将DeepSurv深度学习生存模型应用于甲状腺乳头状癌的预后预测，并在多个外部数据集上进行了验证 | 研究基于回顾性数据，可能存在选择偏倚，且模型性能需要在更多前瞻性研究中验证 | 构建基于临床风险因素的深度学习模型来预测甲状腺乳头状癌患者的生存预后 | 甲状腺乳头状癌患者 | 机器学习 | 甲状腺癌 | 深度学习生存分析 | 深度神经网络 | 临床数据 | 来自美国17个SEER癌症登记处（2000-2020年）的连续患者数据，以及MDACC和TCGA两个外部测试数据集 | DeepSurv | Cox比例风险深度神经网络 | 一致性指数, 整体生存率 | NA |
| 1635 | 2025-06-03 |
Simpler Protein Domain Identification Using Spectral Clustering
2025-Jul, Proteins
IF:3.2Q2
DOI:10.1002/prot.26808
PMID:39945423
|
research paper | 该论文介绍了SPECTRALDOM，一种改进的蛋白质域识别方法，基于SPECTRUS算法，通过谱聚类技术简化了蛋白质域的分割过程 | SPECTRALDOM在SPECTRUS算法基础上增加了三项改进：直接从成对相互作用中获取高质量分割、引入多序列比对模式以及使用家族匹配算法处理碎片问题 | 未明确提及具体局限性 | 改进蛋白质域识别方法，提高分割质量 | 蛋白质结构域 | 结构生物信息学 | NA | 谱聚类，弹性网络模型，多序列比对 | SPECTRALDOM | 蛋白质结构数据 | 使用了两个复杂案例进行验证 | NA | NA | NA | NA |
| 1636 | 2025-06-03 |
Interstitial-guided automatic clinical tumor volume segmentation network for cervical cancer brachytherapy
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
research paper | 提出了一种新型的间隙引导分割网络（ARGNet），用于宫颈癌间隙近距离放射治疗中的临床肿瘤体积自动分割 | 通过多任务交叉缝合方式将间隙针的位置信息整合到深度学习框架中，并引入空间反向注意力机制以减少针对于肿瘤分割的干扰，同时嵌入不确定性区域模块以增强模型在肿瘤与周围组织模糊边界处的辨别能力 | 研究仅基于回顾性数据，且样本量有限（191例CT扫描） | 提高宫颈癌间隙近距离放射治疗中临床肿瘤体积（CTV）的自动分割精度 | 宫颈癌患者的CT扫描图像 | digital pathology | cervical cancer | deep learning-based segmentation | ARGNet (advance reverse guided network) | CT scans | 191例多疗程间隙近距离放射治疗的CT扫描 | NA | NA | NA | NA |
| 1637 | 2025-06-03 |
Multi-modal MRI synthesis with conditional latent diffusion models for data augmentation in tumor segmentation
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出了一种基于条件潜在扩散模型的多模态MRI合成方法，用于肿瘤分割任务的数据增强 | 创新的切片级潜在扩散架构，能够同时生成3D多模态图像及其对应的多标签掩码，通过位置编码和潜在聚合模块保持空间一致性和切片序列性 | 方法主要针对肿瘤分割，虽然可以适应其他模态，但尚未在其他领域验证 | 解决医学影像中多模态数据标注不足的问题，提升肿瘤分割性能 | 多模态MRI图像及其对应的肿瘤分割掩码 | 数字病理 | 肿瘤 | 潜在扩散模型 | 条件潜在扩散模型 | 3D MRI图像 | BRATS2021数据集 | NA | NA | NA | NA |
| 1638 | 2025-06-03 |
TCDE-Net: An unsupervised dual-encoder network for 3D brain medical image registration
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出了一种基于双编码器架构的无监督医学图像配准网络TCDE-Net，用于3D脑部医学图像配准 | 双编码器互补特征提取，增强模型处理大规模非线性变形和捕捉复杂局部细节的能力，并引入细节增强注意力模块恢复细粒度特征 | 未提及具体计算资源需求或处理速度，也未讨论在其他器官医学图像上的泛化能力 | 提高高分辨率医学图像配准的精度，特别是处理具有复杂结构的医学图像 | 3D脑部MRI图像 | 数字病理 | 脑部疾病 | 深度学习 | 双编码器网络（TCDE-Net） | 3D医学图像 | OASIS、IXI和Hammers-n30r95 3D脑部MR数据集 | NA | NA | NA | NA |
| 1639 | 2025-06-03 |
Uncertainty-aware deep learning for segmentation of primary tumor and pathologic lymph nodes in oropharyngeal cancer: Insights from a multi-center cohort
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
research paper | 本研究开发了一种不确定性感知的深度学习模型，用于口咽癌原发肿瘤和病理淋巴结的分割，并在多中心队列中验证了其性能 | 扩展了现有网络以同时生成原发肿瘤和病理淋巴结的预测概率图，并探索了结构级不确定性是否能够预测分割模型的准确性 | 研究依赖于回顾性数据，且外部测试集仅来自HECKTOR 2022挑战赛数据集 | 开发并验证一种能够量化分割不确定性的深度学习模型，以提高口咽癌原发肿瘤和病理淋巴结分割的准确性 | 口咽癌患者的PET/CT图像及其原发肿瘤和病理淋巴结的手动勾画 | digital pathology | oropharyngeal cancer | deep learning, PET/CT imaging | CNN | image | 407名口咽癌患者的PET/CT图像和手动勾画数据，以及HECKTOR 2022挑战赛数据集作为外部测试集 | NA | NA | NA | NA |
| 1640 | 2025-06-03 |
Retinal OCT image segmentation with deep learning: A review of advances, datasets, and evaluation metrics
2025-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
review | 本文综述了深度学习在视网膜OCT图像分割中的最新进展、数据集和评估指标 | 全面概述了基于深度学习的视网膜OCT图像分割方法的最新发展，并总结了该领域的医学意义、公开数据集和常用评估指标 | 讨论了当前研究面临的挑战，但未提出具体的解决方案 | 探讨深度学习在视网膜OCT图像分割中的应用及其对临床决策的影响 | 视网膜OCT图像中的解剖结构和病理病变 | digital pathology | 眼科疾病 | OCT成像技术 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |