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 1467 篇文献，本页显示第 1441 - 1460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1441 | 2025-06-13 |
Effect of Faricimab versus Aflibercept on Hyperreflective Foci in Patients with Diabetic Macular Edema from the YOSEMITE/RHINE Trials
2025 Sep-Oct, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100798
PMID:40496217
|
研究论文 | 比较faricimab与aflibercept对糖尿病黄斑水肿患者高反射灶的影响 | 使用深度学习算法自动量化高反射灶，并比较两种药物在抑制疾病活动方面的效果 | 研究为事后分析，可能存在选择偏差 | 比较faricimab与aflibercept在治疗糖尿病黄斑水肿中的效果 | 糖尿病黄斑水肿患者 | 数字病理 | 糖尿病黄斑水肿 | 深度学习算法 | NA | OCT体积扫描图像 | 1545名患者（faricimab Q8W组519人，faricimab T&E组524人，aflibercept组502人） | NA | NA | NA | NA |
| 1442 | 2025-10-06 |
The informativeness of the gradient revisited
2025-Sep, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107517
PMID:40359739
|
研究论文 | 本文重新探讨了梯度信息量的理论边界及其在深度学习中的实际影响 | 提出了一个衡量梯度信息量的通用方差边界，该边界与目标函数类的成对独立性和输入分布的碰撞熵相关 | 理论分析可能无法完全覆盖所有实际深度学习场景的复杂性 | 深入理解基于梯度的深度学习方法的理论局限性 | 梯度信息量、目标函数类、输入分布 | 机器学习 | NA | NA | NA | NA | NA | NA | NA | 方差边界 | NA |
| 1443 | 2025-10-06 |
Pruning the ensemble of convolutional neural networks using second-order cone programming
2025-Sep, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107544
PMID:40367720
|
研究论文 | 提出一种基于二阶锥规划的卷积神经网络集成剪枝方法 | 使用稀疏二阶锥优化模型同时最大化集成模型的准确性和多样性 | 仅在CIFAR-10、CIFAR-100和MNIST数据集上进行了测试 | 解决深度学习模型集成中的计算复杂度问题 | 包含不同深度和层数的卷积神经网络集成 | 机器学习 | NA | 集成剪枝 | CNN | 图像 | CIFAR-10、CIFAR-100和MNIST数据集 | NA | 具有不同深度和层数的CNN | 准确性 | NA |
| 1444 | 2025-10-06 |
SurvGraph: A hybrid-graph attention network for survival prediction using whole slide pathological images in gastric cancer
2025-Sep, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107607
PMID:40375420
|
研究论文 | 提出一种基于混合图注意力网络的SurvGraph模型，用于胃癌患者全切片病理图像的生存预测 | 采用混合图构建方法整合多种特征类型，并利用多头注意力图网络进行生存预测 | NA | 开发基于全切片病理图像的胃癌患者生存预测模型 | 胃癌患者 | 数字病理学 | 胃癌 | 全切片病理图像分析 | 图神经网络,多头注意力网络 | 病理图像 | 708名胃癌患者，来自三个独立队列 | NA | 混合图注意力网络 | 一致性指数(C-index) | NA |
| 1445 | 2025-10-06 |
Enhancing the transferability of adversarial attacks via Scale Enriching
2025-Sep, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107549
PMID:40378598
|
研究论文 | 提出一种通过尺度丰富方法增强对抗样本在黑盒攻击中可迁移性的技术 | 通过特定范围内的输入尺度缩放来丰富代理模型的注意力区域，提高不同模型间的可迁移性，且不引入额外噪声 | 未明确说明在极端尺度变化或非图像数据上的适用性 | 提升对抗攻击在黑盒设置下的可迁移性 | 深度神经网络模型 | 计算机视觉 | NA | 对抗攻击 | 深度神经网络 | 图像 | ImageNet数据集 | NA | NA | 成功率 | NA |
| 1446 | 2025-06-11 |
S2LIC: Learned image compression with the SwinV2 block, Adaptive Channel-wise and Global-inter attention Context
2025-Sep, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107590
PMID:40398182
|
research paper | 提出了一种基于SwinV2块、自适应通道和全局交互注意力上下文的图像压缩方法S2LIC | 设计了自适应通道和全局交互注意力上下文(ACGC)熵模型，实现了切片间和切片内的双特征聚合，并引入残差SwinV2 Transformer模型捕获全局特征信息 | 未明确提及具体限制 | 提高图像压缩的率失真性能和编解码速度 | 图像数据 | computer vision | NA | 深度学习 | SwinV2 Transformer, ACGC | image | 三个不同数据集（Kodak、Tecnick和CLIC Pro） | NA | NA | NA | NA |
| 1447 | 2025-06-11 |
Emergence of human-like attention and distinct head clusters in self-supervised vision transformers: A comparative eye-tracking study
2025-Sep, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107595
PMID:40424761
|
研究论文 | 本研究探讨了自监督视觉变换器（ViTs）在模拟人类注视行为方面的表现，发现其自注意力机制能够形成与人类注视行为高度一致的结构化注意力模式 | 首次展示了自监督DINO训练的ViTs能够自发形成与人类注视行为相似的注意力模式，并识别出三种不同的注意力头集群 | 研究仅基于视频数据，未探讨其他视觉刺激下的表现 | 探索自监督视觉变换器是否能够模拟人类视觉注意力机制 | 自监督DINO训练的视觉变换器（ViTs） | 计算机视觉 | NA | 自监督学习（DINO） | ViT (Vision Transformer) | 视频 | NA | NA | NA | NA | NA |
| 1448 | 2025-06-11 |
VKAD: A novel fault detection and isolation model for uncertainty-aware industrial processes
2025-Sep, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107664
PMID:40435556
|
研究论文 | 提出了一种名为VKAD的新型故障检测与隔离模型，用于处理不确定性感知的工业过程 | 将Koopman算子理论与变分自编码器结合，提出VKAD模型，能够推断动态系统观测值的分布并捕获系统演化的不确定性 | 未明确提及 | 提高工业过程中故障检测与隔离的准确性和可靠性 | 工业过程的动态系统 | 机器学习 | NA | 变分自编码器 | VKAD（Variational Koopman Anomaly Detector） | 时间序列数据 | Tennessee Eastman Process (TEP)数据集和真实卫星在轨遥测数据集(SAT) | NA | NA | NA | NA |
| 1449 | 2025-10-06 |
Decision support system based on ensemble models in distinguishing epilepsy types
2025-Sep, Epilepsy & behavior : E&B
IF:2.3Q2
DOI:10.1016/j.yebeh.2025.110470
PMID:40382997
|
研究论文 | 基于集成人工智能模型开发癫痫类型分类决策支持系统 | 结合多种AI模型构建集成学习系统，并采用SMOTE数据增强和Optuna超参数优化技术 | 回顾性研究，样本量相对有限（575例患者） | 基于EEG结果区分不同类型的癫痫活动 | 575名癫痫患者的脑电图数据和临床特征 | 机器学习 | 癫痫 | 脑电图(EEG) | MLP, Random Forest, SVM, XGBoost | 临床数据和EEG信号 | 575名患者 | Optuna | 多层感知器(MLP), 随机森林, 支持向量机, XGBoost | 准确率, 召回率, F1分数 | NA |
| 1450 | 2025-06-09 |
HBUED: An EEG dataset for emotion recognition
2025-Sep-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2025.119397
PMID:40368143
|
research paper | 该研究提出了一个大规模EEG数据集HBUED，并开发了一种深度学习方法来提高基于EEG的情绪识别性能 | 提出了一个大规模EEG数据集HBUED，并设计了一种双输入网络架构和平行特征提取模块来提升情绪识别性能 | 未提及具体的数据集样本多样性或模型在其他数据集上的泛化能力 | 提高基于EEG的情绪识别性能 | EEG信号和人类情绪识别 | machine learning | NA | 深度学习 | 双输入网络架构 | EEG信号 | 大规模EEG数据集HBUED和公开DEAP数据集 | NA | NA | NA | NA |
| 1451 | 2025-06-08 |
Longitudinal Comparison of Geographic Atrophy Enlargement Using Manual, Semiautomated, and Deep Learning Approaches
2025 Sep-Oct, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100787
PMID:40469899
|
research paper | 比较了全自动AI模型、半自动化方法和手动平面测量在纵向评估地理萎缩（GA）中的表现 | 首次比较了全自动AI模型、半自动化方法和手动平面测量在GA评估中的一致性，并评估了AI模型的性能 | 研究为回顾性分析，样本量有限（108名患者，185只眼），且AI模型在15%的情况下需要人工干预 | 评估不同方法在GA纵向评估中的一致性和准确性 | 地理萎缩（GA）患者 | digital pathology | geriatric disease | fundus autofluorescence imaging | AI (deep learning) | image | 108名患者（185只眼） | NA | NA | NA | NA |
| 1452 | 2025-06-07 |
Advanced data-driven interpretable analysis for predicting resistant starch content in rice using NIR spectroscopy
2025-Sep-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.144311
PMID:40334489
|
研究论文 | 本研究提出了一种结合近红外光谱(NIR)和卷积神经网络(CNN)的创新数据驱动框架，用于快速、经济高效地预测大米中的抗性淀粉(RS)含量 | 创新性地将CNN与数据增强技术结合，并利用SHAP方法解释模型，显著提高了预测精度并缩小了关键波长范围 | 深度学习模型的'黑箱'特性虽然通过SHAP得到部分解释，但可能仍存在其他未被发现的局限性 | 开发一种快速、经济高效的大米抗性淀粉含量预测方法 | 大米中的抗性淀粉(RS) | 机器学习 | NA | 近红外光谱(NIR) | CNN | 光谱数据 | NA | NA | NA | NA | NA |
| 1453 | 2025-06-07 |
Intelligent transformation of ultrasound-assisted novel solvent extraction plant active ingredients: Tools for machine learning and deep learning
2025-Sep-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.144649
PMID:40349518
|
综述 | 本文综述了机器学习和深度学习模型在超声波辅助新型溶剂提取植物活性成分中的应用进展 | 利用机器学习和深度学习模型解决超声波辅助提取中的挑战，包括加速新型溶剂筛选、促进活性成分发现、优化复杂提取过程、深入分析提取机制以及实时监控超声波设备 | 模型可解释性、数据集标准化和工业可扩展性等挑战 | 推动超声波辅助提取技术的智能化转型 | 植物活性成分 | 机器学习 | NA | 超声波辅助提取(UAE) | 机器学习和深度学习模型 | NA | NA | NA | NA | NA | NA |
| 1454 | 2025-06-07 |
Smartphone-integrated Nanozyme approaches for rapid and on-site detection: Empowering smart food safety
2025-Sep-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.144678
PMID:40359792
|
review | 本文综述了智能手机集成的纳米酶技术在食品安全快速现场检测中的应用及其进展 | 探讨了智能手机与纳米酶技术结合用于实时生物传感的创新点，以及与AI、ML、DL和3D打印技术结合的潜力 | 讨论了提高灵敏度、实现多重检测和现场应用验证等关键挑战 | 旨在推动智能食品安全系统的发展，实现实时现场检测以确保食品质量和公共健康 | 食源性病原体、污染物、食品添加剂、营养素及有害残留物（如农药和兽药） | 食品安全 | NA | 纳米酶技术、AI、ML、DL、3D打印 | NA | 实时生物传感数据 | NA | NA | NA | NA | NA |
| 1455 | 2025-06-07 |
Digital image-based chemometrics for food analysis: a practical tutorial and roadmap
2025-Sep-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.144531
PMID:40367821
|
综述 | 本文综述了数字图像在食品分析中的应用，提供了从单变量方法到多变量分类/校准方法的路线图，并通过三个案例研究展示了其在食品安全和质量方面的潜力 | 介绍了混合颜色描述符、色度图、深度学习架构和时间分辨RGB成像等最新进展，提高了这些技术在食品科学中的稳健性和适用性 | 该领域面临关键挑战，特别是缺乏方法学标准化，文献中多样化的应用证明了这一点 | 开发食品质量控制中的分析方法 | 食品 | 化学计量学 | NA | 数字图像处理 | 深度学习架构 | 图像 | NA | NA | NA | NA | NA |
| 1456 | 2025-06-06 |
End-to-End Deep Learning-Based Motion Correction and Reconstruction for Accelerated Whole-Heart Joint T1/T2 Mapping
2025-Sep, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2025.110396
PMID:40268172
|
研究论文 | 提出一种端到端深度学习算法，用于加速3D全心联合T1/T2映射，通过联合运动估计和基于模型的运动校正重建多对比度欠采样数据 | 采用端到端非刚性运动校正重建网络，显著减少重建时间（从2.5小时缩短至24秒），同时保持T1和T2值的良好一致性 | 未提及具体样本量或临床验证范围 | 加速全心心肌组织表征的3D联合T1/T2映射 | 多对比度欠采样MRI数据 | 医学影像分析 | 心血管疾病 | 深度学习算法、MRI多对比度成像 | 端到端非刚性运动校正重建网络 | 3D MRI影像 | NA | NA | NA | NA | NA |
| 1457 | 2025-06-06 |
Self-supervised learning for MRI reconstruction through mapping resampled k-space data to resampled k-space data
2025-Sep, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2025.110404
PMID:40324545
|
研究论文 | 本文提出了一种自监督深度学习方法RSSDU，用于从欠采样的MRI数据中高效准确地重建图像，无需完全采样数据集作为参考 | 提出了一种新的自监督学习方法RSSDU，通过两次重采样k空间数据并训练网络从一个子集映射到另一个子集，无需完全采样数据 | 未提及具体在哪些临床场景下该方法可能表现不佳 | 开发一种无需完全采样数据的MRI图像重建方法 | 欠采样的MRI数据 | 医学影像处理 | NA | 深度学习 | DL | MRI k空间数据 | 未提及具体样本量 | NA | NA | NA | NA |
| 1458 | 2025-06-06 |
Accelerating prostate rs-EPI DWI with deep learning: Halving scan time, enhancing image quality, and validating in vivo
2025-Sep, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2025.110418
PMID:40368253
|
研究论文 | 本研究评估了基于深度学习的超分辨率技术在减少前列腺扩散加权成像（DWI）扫描时间的同时保持图像质量的可行性和有效性 | 使用多尺度自相似网络（MSSNet）进行图像重建，显著减少扫描时间并提升图像质量 | 研究未提及对大规模临床数据集的验证，可能影响结果的普适性 | 评估深度学习超分辨率技术在前列腺DWI中的应用效果 | 前列腺扩散加权成像（DWI）数据 | 数字病理 | 前列腺癌 | readout-segmented echo-planar imaging (rs-EPI) | MSSNet | 医学影像 | 未明确提及样本数量 | NA | NA | NA | NA |
| 1459 | 2025-06-06 |
A Multihead Attention Deep Learning Algorithm to Detect Amblyopia Using Fixation Eye Movements
2025 Sep-Oct, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100775
PMID:40458668
|
研究论文 | 开发了一种基于多注意力头的深度学习模型，通过简单的视觉注视任务中的眼动数据来检测不同类型和严重程度的弱视患者 | 使用多注意力头的transformer编码器模型，首次利用眼动数据进行弱视的客观分类 | 样本量相对较小（135名受试者），且仅在单一医疗中心进行 | 开发客观检测弱视的深度学习模型 | 40名对照组和95名弱视患者（包括不同类型和严重程度） | 计算机视觉 | 弱视 | 红外视频眼动追踪技术 | 多注意力头transformer编码器 | 眼动位置数据 | 135名受试者（40名对照，95名弱视患者） | NA | NA | NA | NA |
| 1460 | 2025-06-02 |
TFKT V2: task-focused knowledge transfer from natural images for computed tomography perceptual image quality assessment
2025-Sep, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.5.051805
PMID:40444137
|
research paper | 提出一种基于深度学习的无参考CT图像质量评估方法TFKT，通过从自然图像数据集迁移知识，减少对大型标注数据集的依赖 | 采用混合CNN-Transformer模型，结合自然图像失真和人类标注的平均意见分数进行预训练，并在低剂量CT图像上微调，实现任务特定的适应性 | 需要进一步验证在更广泛临床场景中的泛化能力 | 开发一种无参考、自动化的CT图像质量评估方法，以更准确地反映放射科医生的评估 | CT图像质量评估 | computer vision | NA | 深度学习 | CNN-Transformer混合模型 | 图像 | 约30张CT图像切片/秒的处理能力 | NA | NA | NA | NA |