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 1660 篇文献，本页显示第 661 - 680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 661 | 2025-10-05 |
Learning-based multi-material CBCT image reconstruction with ultra-slow kV switching
2025-Sep, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.1177/08953996251331790
PMID:40350700
|
研究论文 | 本研究开发了一种名为SkV-Net的深度学习网络，用于基于超慢kV切换技术的能谱锥束CT多材料分解成像 | 提出结合U-Net主干结构和多头轴向注意力模块的SkV-Net网络，能够从超稀疏能谱投影数据中重建四种不同材料的密度图像 | NA | 开发能谱锥束CT的多材料分解方法 | 脂肪、肌肉、骨骼和碘四种生物材料 | 医学影像 | NA | 能谱锥束CT、超慢kV切换技术 | 深度学习 | CT图像 | NA | NA | U-Net, 多头轴向注意力模块 | 分解误差 | NA |
| 662 | 2025-10-05 |
MHASegNet: A multi-scale hybrid aggregation network of segmenting coronary artery from CCTA images
2025-Sep, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.1177/08953996251346484
PMID:40485350
|
研究论文 | 提出一种用于冠状动脉CTA图像分割的多尺度混合注意力网络MHASegNet及定制优化方法 | 采用多尺度混合注意力机制捕获全局和局部特征，集成3D上下文锚点注意力模块聚焦关键结构，结合基于区域生长的迭代优化方法 | 需要进一步验证以确认在CAD诊断和量化中的有效性 | 改进冠状动脉CTA图像中的冠状动脉分割精度 | 冠状动脉CTA图像中的冠状动脉结构 | 计算机视觉 | 心血管疾病 | 冠状动脉计算机断层扫描血管成像(CCTA) | CNN | 医学图像 | 90例内部数据集和1060例两个公共数据集 | NA | MHASegNet | Dice相似系数(DSC) | NA |
| 663 | 2025-10-05 |
Multi-domain information fusion diffusion model (MDIF-DM) for limited-angle computed tomography
2025-Sep, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.1177/08953996251339368
PMID:40534498
|
研究论文 | 提出一种融合多领域信息的扩散模型用于有限角度CT重建，通过傅里叶域重加权和小波域增强提升重建图像质量 | 首次将傅里叶域重加权与小波域增强相结合，通过多领域信息融合改进有限角度CT重建 | NA | 提升有限角度CT重建图像的对比度，增强重建方法的鲁棒性 | 有限角度计算机断层扫描重建图像 | 计算机视觉 | NA | 计算机断层扫描 | 扩散模型 | 医学图像 | NA | NA | MDIF-DM | NA | NA |
| 664 | 2025-10-05 |
A multi-stage training and deep supervision based segmentation approach for 3D abdominal multi-organ segmentation
2025-Sep, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.1177/08953996251355806
PMID:40671620
|
研究论文 | 提出一种基于多阶段训练和深度监督的3D腹部多器官分割方法 | 集成多阶段训练策略、伪标签技术和带注意力机制的深度监督模型(DLAU-Net)，专门针对3D腹部多器官分割设计 | NA | 解决3D CT图像腹部多器官分割中器官分布复杂、标注数据稀缺和器官结构多样性等挑战 | 腹部器官（肝脏、脾脏、肾脏等） | 计算机视觉 | 腹部疾病 | CT成像 | 深度学习 | 3D CT图像 | FLARE 2023挑战赛提供的大规模数据集 | NA | DLAU-Net | 平均器官准确率,Dice相似系数 | NA |
| 665 | 2025-10-05 |
Magnetic Resonance Imaging-Based 3-Dimensional Models of the Pelvis and Hip Using Machine Learning for Automatic Bone Segmentation in a Dynamic Hip Impingement Simulation
2025-Sep, Orthopaedic journal of sports medicine
IF:2.4Q2
DOI:10.1177/23259671251334138
PMID:40980558
|
研究论文 | 本研究使用机器学习方法自动分割基于MRI的骨盆和髋部3D骨骼模型，用于动态髋部撞击模拟 | 首次将卷积神经网络应用于基于MRI的3D骨骼模型自动分割，并在动态髋部撞击模拟中验证其准确性 | 研究样本量相对有限（98个髋部），且仅针对特定年龄段的FAI患者 | 比较手动与自动分割在MRI-based 3D骨骼模型中的差异，验证自动分割在髋部撞击模拟中的可行性 | FAI患者（30例，60个髋部）和无症状参与者（19例，38个髋部） | 医学影像分析 | 髋部撞击综合征 | MRI，3D T1-weighted VIBE Dixon序列 | CNN | 医学影像 | 98个髋部（60个FAI患者髋部，38个无症状髋部） | NA | 卷积神经网络 | Dice相似系数，平均差异测量 | NA |
| 666 | 2025-10-05 |
Riverine heat waves on the rise, outpacing air heat waves
2025-Sep-30, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2503160122
PMID:40982675
|
研究论文 | 本研究通过深度学习模型重建美国本土1471个站点1980-2022年的连续水温数据，首次系统分析河流热浪事件特征及其变化趋势 | 首次使用单一LSTM模型重建大规模连续水温数据集，系统比较河流热浪与大气热浪的差异，揭示河流热浪增长速率远超大气热浪的新现象 | 研究区域仅限于美国本土，未涵盖全球其他地区；人类活动对热浪影响的分析相对简化 | 量化分析河流热浪的发生频率、强度和持续时间，比较其与大气热浪的差异，探究驱动因素 | 美国本土1471个站点的河流水温数据 | 环境科学, 机器学习 | NA | 深度学习, 传感器监测, 卫星遥感 | LSTM | 时间序列水温数据 | 1471个监测站点，1980-2022年每日数据 | NA | 长短期记忆网络 | NA | NA |
| 667 | 2025-10-05 |
De novo design of potent inhibitors of clostridial family toxins
2025-Sep-30, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2509329122
PMID:40982695
|
研究论文 | 通过从头设计小蛋白微型结合剂直接中和艰难梭菌毒素B和TcsL毒素 | 结合深度学习和Rosetta方法从头设计高亲和力微型结合剂，首次实现直接阻止毒素进入宿主细胞的中和作用 | 未明确说明临床前研究的样本规模及人体试验数据 | 开发针对艰难梭菌毒素B和TcsL毒素的高效抑制剂 | 艰难梭菌毒素B(TcdB)和TcsL毒素 | 计算生物学 | 艰难梭菌感染 | 深度学习, Rosetta蛋白质设计 | 深度学习模型 | 蛋白质结构数据 | 初始设计48个，优化设计48个 | Rosetta, 深度学习框架 | NA | 皮摩尔级效力，存活率 | NA |
| 668 | 2025-10-05 |
FetalDenseNet: multi-scale deep learning for enhanced early detection of fetal anatomical planes in prenatal ultrasound
2025-Sep-24, Journal of perinatal medicine
IF:1.7Q2
DOI:10.1515/jpm-2025-0249
PMID:40983600
|
研究论文 | 本研究通过评估多种深度学习架构，开发了FetalDenseNet模型以提升产前超声中胎儿解剖平面的分类准确率 | 首次在大规模临床验证数据集上系统比较五种CNN架构在胎儿超声图像分类中的性能，并证明DenseNet169的优越性 | 研究仅基于单一医疗机构的数据集，未进行外部验证 | 通过深度学习方法提高胎儿超声图像中解剖平面分类的准确性 | 胎儿解剖平面 | 计算机视觉 | 产前检查 | 超声成像 | CNN | 图像 | 12,400张超声图像，来自1,792名患者 | NA | VGG16, ResNet50, InceptionV3, DenseNet169, MobileNetV2 | 准确率 | NA |
| 669 | 2025-10-05 |
NVNMD-v2: Scalable and Accurate Deep Learning Molecular Dynamics Model Based on Non-Von Neumann Architectures
2025-Sep-23, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c01050
PMID:40902087
|
研究论文 | 提出NVNMD-v2算法-硬件协同设计架构，通过集成广义深度神经网络势能与存内计算加速器，实现可扩展且精确的深度学习分子动力学模拟 | 采用优化的类型嵌入描述符支持多达32种元素的多元素系统，消除物种依赖参数缩放；在单个FPGA上实现DFT级精度与平坦的单原子计算成本 | 未明确说明模型在极端温度或压力条件下的性能表现 | 解决机器学习分子动力学框架在精度、可扩展性和能效方面的三重困境 | 多元素材料系统（包括高熵合金、多铁性钙钛矿、半导体异质结构和生物分子组装体） | 机器学习 | NA | 分子动力学模拟 | 深度神经网络 | 原子相互作用数据 | 支持2000万原子规模的系统模拟 | NA | 广义深度神经网络势能(GDNNP) | 计算精度(DFT级)、计算成本(10秒/步/原子)、能效(120倍能耗降低) | FPGA, NVIDIA V100 GPU（对比基准） |
| 670 | 2025-10-05 |
GSH and Halides Directed Controllable Synthesis of Chiral Gold Nanostars for Sensitive Diagnosis of Nephritis Types Using SERS and Transformer Neural Network
2025-Sep-23, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c01908
PMID:40925611
|
研究论文 | 通过GSH和卤化物调控合成手性金纳米星用于肾炎类型的SERS检测和Transformer神经网络诊断 | 实现了手性金纳米星分支尺寸、数量和锐度的精确可控合成，并结合Transformer神经网络达到99.94%的肾炎诊断准确率 | 未提及样本规模的详细统计信息和模型泛化能力验证 | 开发基于表面增强拉曼光谱和深度学习的肾炎类型敏感诊断方法 | 健康个体和急性/非急性间质性肾炎患者的尿液样本 | 机器学习 | 肾炎 | 表面增强拉曼光谱(SERS), 有限时域差分(FDTD)计算 | Transformer | 拉曼光谱数据 | NA | NA | Transformer | 诊断准确率 | NA |
| 671 | 2025-10-05 |
Graph Learning-Based Scoring of RNA-Protein Complex Structures
2025-Sep-23, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c00831
PMID:40882035
|
研究论文 | 提出基于图学习的评分方法EGARPS+，用于评估RNA-蛋白质复合物结构 | 首次将图学习理论应用于RNA-蛋白质复合物结构评估，采用等变图神经网络和专门设计的注意力机制 | NA | 开发更准确的RNA-蛋白质复合物结构评分函数 | RNA-蛋白质复合物结构 | 机器学习 | NA | 图深度学习 | 图神经网络 | 序列数据、结构数据、相互作用特征 | NA | NA | 等变图神经网络 | NA | NA |
| 672 | 2025-10-05 |
Magnetic Microrobot With Drilling-Sensing Dual Functionality for Targeted Biopsy of Deep-Seated Tracheal Microlesions
2025-Sep-23, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202514664
PMID:40984789
|
研究论文 | 开发了一种具有钻孔-传感双重功能的磁性微机器人平台，用于深部气管微病变的靶向活检 | 集成了钻孔组织采样和表面增强拉曼散射生物传感的双重功能，采用实时气管镜和荧光镜引导实现精准导航 | 仅在离体猪肺模型和活体兔试验中验证了可行性，尚未进行大规模临床试验 | 开发用于早期肺癌诊断的微创精准活检技术 | 深部气管微病变、肺癌组织 | 医疗机器人 | 肺癌 | 表面增强拉曼散射光谱、磁性驱动、实时气管镜和荧光镜引导 | CNN | 光谱数据、组织样本 | 离体猪肺模型、活体兔试验、临床患者组织样本 | NA | 卷积神经网络 | 识别准确率 | NA |
| 673 | 2025-10-05 |
High-Asymmetry Metasurface: A New Solution for Terahertz Resonance via Active Learning-Augmented Diffusion Model
2025-Sep-23, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202508610
PMID:40985172
|
研究论文 | 提出一种基于主动学习增强扩散模型的高不对称超表面设计方法，用于实现高性能太赫兹共振 | 结合先验知识引导的生成模型与物理约束的主动学习机制，仅需少量经典结构数据即可生成高性能高不对称超材料 | 初始训练数据集仅包含68个经典结构，可能限制模型在更广泛结构空间中的探索能力 | 开发高效的高不对称太赫兹超材料设计方法 | 高不对称太赫兹超表面结构 | 机器学习 | NA | 扩散模型，主动学习 | 扩散模型 | 几何结构数据 | 68个经典结构作为初始训练集 | NA | 扩散模型 | 共振性能指标（提升超过30%） | NA |
| 674 | 2025-10-05 |
Deep Learning-Powered Nanoplasmonic Biosensing Approach Enables Ultrasensitive Extracellular Vesicles Profiling for Cancer Screening
2025-Sep-23, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202511337
PMID:40985328
|
研究论文 | 提出一种基于Kolmogorov-Arnold网络增强的纳米等离子体生物传感策略，用于超灵敏细胞外囊泡分析以实现癌症筛查 | 首次将Kolmogorov-Arnold网络与纳米等离子体超表面芯片结合，实现多维光谱特征的同时捕获和高效数据处理 | NA | 开发超灵敏的细胞外囊泡分析技术用于癌症筛查 | 胰腺导管腺癌患者和对照组的血清样本中的小细胞外囊泡 | 生物传感 | 胰腺癌 | 纳米等离子体超表面技术 | KAN, 深度学习 | 全光谱数据 | 600例胰腺导管腺癌患者和1200例对照组 | NA | Kolmogorov-Arnold网络 | AUC | NA |
| 675 | 2025-10-05 |
Federated deep learning model for epilepsy seizure detection using electroencephalogram (EEG) signal
2025-Sep-23, Neurological research
IF:1.7Q4
DOI:10.1080/01616412.2025.2555516
PMID:40985643
|
研究论文 | 提出一种基于联邦学习和统一Transformer的癫痫发作检测模型，用于脑电图信号分析 | 结合联邦学习与Paillier同态加密保护数据隐私，采用混合图注意力框架和多尺度小波系数进行特征提取，首次将统一Transformer模型应用于癫痫检测 | 仅在三个数据集上进行验证，需要更多临床数据测试泛化能力 | 开发隐私保护的癫痫发作检测方法 | 癫痫患者的脑电图信号 | 机器学习 | 癫痫 | 脑电图信号处理，自适应噪声滤波，独立成分分析，多尺度小波系数分解 | Transformer, 图卷积网络 | 脑电图信号 | 三个数据集（未指定具体样本数量） | 联邦学习框架 | 统一Transformer, 边缘增强图卷积网络, 谱图注意力 | 准确率, 安全性, 精确率 | NA |
| 676 | 2025-10-05 |
Radiomics integrated with machine and deep learning analysis of T2-weighted and arterial-phase T1-weighted Magnetic Resonance Imaging for non-invasive detection of metastatic axillary lymph nodes in breast cancer
2025-Sep-23, La Radiologia medica
DOI:10.1007/s11547-025-02090-z
PMID:40986134
|
研究论文 | 本研究比较了基于T2加权和动脉期T1加权MRI影像组学特征在预测乳腺癌腋窝淋巴结转移中的诊断性能 | 首次系统比较了T2加权和动脉期T1加权MRI序列的影像组学特征在单变量、机器学习和深度学习分析中的表现差异 | 回顾性研究设计，样本量相对有限（100例患者），缺乏外部验证 | 开发非侵入性方法预测乳腺癌患者腋窝淋巴结转移状态 | 乳腺癌患者的腋窝淋巴结（52个转移性和103个非转移性淋巴结） | 医学影像分析 | 乳腺癌 | MRI成像，影像组学分析 | 逻辑回归，梯度提升，随机森林，神经网络 | 医学影像（T2加权和动脉期T1加权MRI） | 100例乳腺癌患者，共155个淋巴结（52个转移性，103个非转移性） | NA | 神经网络 | AUC，敏感性，特异性，准确率 | NA |
| 677 | 2025-09-24 |
Deep learning-driven knee MRI acceleration: evidence, enhancements, and the path to universal adoption
2025-Sep-23, La Radiologia medica
DOI:10.1007/s11547-025-02092-x
PMID:40986132
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 678 | 2025-09-24 |
Response to the letter: "deep learning-driven knee MRI acceleration: evidence, enhancements, and the path to universal adoption"
2025-Sep-23, La Radiologia medica
DOI:10.1007/s11547-025-02101-z
PMID:40986130
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 679 | 2025-10-05 |
Comparative Evaluation of Radiomics and Deep Learning Models for Disease Detection in Chest Radiography
2025-Sep-23, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01670-9
PMID:40986191
|
研究论文 | 本研究系统比较了基于放射组学和深度学习的模型在胸部X射线疾病检测中的性能表现 | 首次在多种样本量条件下对放射组学与深度学习模型进行系统性比较，并通过统计检验验证模型类型和样本量对性能的显著影响 | 研究仅针对胸部X射线和特定疾病类型，结果可能无法推广到其他影像模态或疾病 | 评估不同AI模型在胸部X射线疾病检测中的诊断性能，为临床环境中的模型选择提供数据驱动建议 | COVID-19、肺部混浊和病毒性肺炎的胸部X射线影像 | 计算机视觉 | 肺部疾病 | 放射组学特征提取，深度学习 | CNN, Vision Transformer, Decision Tree, Gradient Boosting, Random Forest, SVM, MLP | 医学影像 | 从24到4000个样本的多组实验 | NA | InceptionV3, EfficientNetL, ConvNeXtXLarge | AUC | NA |
| 680 | 2025-10-05 |
Exploiting Cross-modal Collaboration and Discrepancy for Semi-supervised Ischemic Stroke Lesion Segmentation from Multi-sequence MRI Images
2025-Sep-23, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01691-4
PMID:40986192
|
研究论文 | 提出一种利用跨模态协作和差异性的半监督方法，用于多序列MRI图像的缺血性脑卒中病灶分割 | 提出跨模态双向复制粘贴策略实现模态间信息协作，以及跨模态差异感知校正策略有效利用未标注数据 | 需要多序列MRI数据，在单模态情况下性能可能受限 | 开发半监督学习方法以解决多序列MRI图像中缺血性脑卒中病灶分割的标注数据稀缺问题 | 缺血性脑卒中患者的MRI图像数据 | 医学图像分割 | 缺血性脑卒中 | 多序列MRI成像（DWI, ADC） | 深度学习分割模型 | 多序列MRI图像 | ISLES 22数据集 | NA | NA | DSC（Dice相似系数） | NA |