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 1104 篇文献，本页显示第 321 - 340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 321 | 2025-11-12 |
Imaging through dynamic scattering media with an adapter-enhanced diffusion model
2025-Oct-20, Optics express
IF:3.2Q2
DOI:10.1364/OE.576825
PMID:41215254
|
研究论文 | 提出一种结合扩散模型和测试时适配器的方法，用于在动态散射介质中重建隐藏物体 | 将扩散模型的强大去噪能力与测试时适配器相结合，实现有限训练数据下的跨域鲁棒对齐 | 仅在单一室内散射条件下的100对图像上训练，可能对更广泛散射条件的适应性有待验证 | 解决复杂散射介质后方物体重建的光学成像挑战 | 隐藏在各种散射介质后的物体 | 计算机视觉 | NA | 光学成像 | 扩散模型 | 图像 | 100对配对图像 | NA | 扩散模型, U-Net, SwinUNet | 图像质量 | NA |
| 322 | 2025-11-12 |
Deep learning-optimized bilayer metasurface based on robust magnetic dipole coupling for MRI enhancement at 70mT
2025-Oct-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.570420
PMID:41215099
|
研究论文 | 提出一种基于深度学习的双层超表面结构，通过磁偶极耦合增强70mT场强下的MRI成像性能 | 首次将双层超表面结构与深度学习优化相结合，通过能带简并和层间磁偶极耦合实现稳健的磁场增强 | 研究主要针对70mT场强，在其他场强下的性能表现需要进一步验证 | 开发一种能够在极低场强下有效增强MRI成像性能的超表面结构 | 双层开口环谐振器超表面结构及其在MRI中的应用 | 计算电磁学，医学影像增强 | 神经疾病（通过头部MRI成像） | 磁共振成像，电磁场模拟，深度学习优化 | 深度学习神经网络 | 电磁场模拟数据，结构参数数据 | NA | NA | NA | 磁场增强倍数，共振频率稳定性 | NA |
| 323 | 2025-11-12 |
Stereo matching based on the IC-Stereo network in low-light environments
2025-Oct-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.565995
PMID:41215114
|
研究论文 | 提出一种基于IC-Stereo网络的立体匹配方法，用于解决低光照环境下的图像细节丢失和几何信息缺失问题 | 集成上下文与几何信息融合模块和低光照图像增强模块，通过深度学习方法提升低光照条件下的立体匹配性能 | NA | 提升低光照环境下的立体匹配精度 | 低光照环境下的立体图像 | 计算机视觉 | NA | 图像处理技术 | 深度学习网络 | 立体图像 | 基于KITTI数据集生成的合成低光照数据集和真实低光照双目相机采集的数据集 | NA | IC-Stereo | 精度 | NA |
| 324 | 2025-11-12 |
Under-sampling high quality parallel single-pixel imaging based on vision-transformer
2025-Oct-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.572049
PMID:41215119
|
研究论文 | 提出基于视觉Transformer的并行单像素成像框架，在极低采样率下实现高质量图像重建 | 将Hadamard矩阵重构为4×4阵列光场实现多通道物理层信息压缩，并首次将Vision-Transformer引入单像素成像重建 | 未明确说明在极端噪声环境下的鲁棒性 | 解决单像素成像在低采样率下的高质量成像难题 | 单像素成像系统采集的混叠检测信号 | 计算机视觉 | NA | 单像素成像，阵列空间光场调制 | Vision-Transformer | 图像，光学检测信号 | NA | NA | Vision-Transformer，多头自注意力机制 | 数据处理速度，成像质量 | NA |
| 325 | 2025-11-12 |
Dual-constraint reconstruction network with semantic-discriminative consistency for radon single pixel imaging
2025-Oct-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.572566
PMID:41215122
|
研究论文 | 提出一种基于深度学习的Radon单像素成像重建方法，通过双约束机制在低采样率下实现高质量图像重建 | 设计了包含语义潜在向量调制模块的双分支生成对抗网络，引入潜在空间语义一致性和图像判别信息保留的双约束机制 | 仅使用典型运动目标（鸟类）的模拟数据集进行验证，未涉及更复杂的实际场景 | 解决低采样率下Radon单像素成像质量退化问题 | Radon单像素成像中的运动目标重建 | 计算机视觉 | NA | Radon单像素成像 | GAN | 图像 | 包含典型运动目标（鸟类）的模拟数据集 | NA | 双分支生成对抗网络 | 图像重建质量 | NA |
| 326 | 2025-11-12 |
Birefringence microscopy enables rapid, label-free quantification of myelin debris following induced cortical injury
2025-Oct, Neurophotonics
IF:4.8Q1
DOI:10.1117/1.NPh.12.4.045006
PMID:41181030
|
研究论文 | 本研究开发了一种基于双折射显微镜和深度学习的高通量、无标记成像方法，用于定量评估皮质损伤后髓鞘病理变化 | 首次将双折射显微镜与深度学习目标检测网络结合，实现大规模髓鞘结构损伤的快速定量分析 | 研究仅限于食蟹猴模型和胼胝体区域，需要进一步验证在其他疾病模型和脑区的适用性 | 建立双折射显微镜作为高通量无标记成像技术，用于大规模定量评估死后脑组织中的髓鞘病理 | 食蟹猴皮质损伤模型中的胼胝体髓鞘组织 | 数字病理 | 神经退行性疾病 | 双折射显微镜，荧光髓鞘染色，免疫组织化学 | 深度学习目标检测网络 | 显微镜图像 | 食蟹猴皮质损伤模型，包含6周和12周恢复期及年龄匹配对照组 | NA | 目标检测网络 | 统计学显著性(P值) | NA |
| 327 | 2025-11-11 |
An integrated deep learning model accelerates luciferase based high throughput drug screening
2025-Oct-09, European journal of pharmaceutical sciences : official journal of the European Federation for Pharmaceutical Sciences
IF:4.3Q1
DOI:10.1016/j.ejps.2025.107315
PMID:41067316
|
研究论文 | 开发集成深度学习模型加速基于荧光素酶的高通量药物筛选 | 首次将深度学习模型整合到荧光素酶高通量筛选流程中，实现化合物筛选准确率和效率的显著提升 | 研究仅基于五种特定信号通路系统，模型在其他信号通路系统的泛化能力有待验证 | 通过人工智能技术加速药物开发流程，降低研发成本 | 18,840种化合物及其在五种荧光素酶检测系统中的HTS数据 | 机器学习 | 炎症性疾病,肿瘤,代谢综合征 | 荧光素酶检测,HTS | 深度学习 | 化合物结构数据,分子特征数据,HTS数值 | 18,840种化合物，约100,000个HTS数据点 | NA | 集成深度学习模型 | 筛选准确率,筛选效率 | NA |
| 328 | 2025-11-10 |
An interactive and explainable AI approach to improve human-machine teaming in cancer subtyping from digital cytopathology
2025-Oct-31, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103856
PMID:41205246
|
研究论文 | 提出一种交互式可解释AI系统，通过数字细胞病理学图像辅助病理学家进行癌症亚型分类 | 结合可解释规则集和交互式细胞成分检查，在保持高性能的同时增强人机协作透明度 | NA | 改进癌症亚型分类中的人机协作效果 | 数字细胞病理学图像中的细胞 | 数字病理学 | 癌症 | 深度学习 | 深度学习 | 图像 | NA | NA | NA | 准确率 | NA |
| 329 | 2025-11-10 |
Resformer: Time-token transformer with residual compensation for quality prediction in industrial processes
2025-Oct-31, ISA transactions
IF:6.3Q1
DOI:10.1016/j.isatra.2025.10.048
PMID:41206226
|
研究论文 | 提出一种结合残差补偿的Transformer架构Resformer，用于工业过程质量预测 | 引入残差特征补偿机制和两阶段自编码结构，通过交叉注意力融合主次特征，使用时序令牌捕获过程变量的时空依赖性 | 仅在TE过程和烷基化工业过程数据集上验证，未在其他工业场景测试 | 解决传统自编码器在多元过程数据中欠拟合或过拟合的问题，提升软传感器建模性能 | 工业过程数据和质量变量 | 机器学习 | NA | 深度学习 | Transformer | 时间序列数据 | 田纳西伊士曼过程和工业烷基化过程数据集 | NA | Transformer, 自编码器 | NA | NA |
| 330 | 2025-11-10 |
Leveraging quantum chemical properties in transfer learning for predicting blood-brain barrier permeability of drugs
2025-Oct-29, Drug delivery and translational research
IF:5.7Q1
DOI:10.1007/s13346-025-02005-5
PMID:41160380
|
研究论文 | 本研究探索利用量子化学性质进行迁移学习来预测药物分子的血脑屏障渗透性 | 首次将量子化学性质与迁移学习相结合用于血脑屏障渗透性预测，相比传统分子描述符具有补充预测价值 | 实验验证仅使用了18种化合物，样本量相对较小 | 开发计算模型预测药物分子的血脑屏障渗透性，以加速中枢神经系统药物的研发 | 药物分子，特别是中枢神经系统活性或避让药物 | 机器学习 | 中枢神经系统疾病 | PAMPA-BBB体外测定，量子化学计算 | SVM, DNN, D-MPNN, 迁移学习 | 分子结构数据，量子化学性质 | B3DB数据库约8,000种化合物，EEBL库18种实验验证化合物 | NA | 直接消息传递神经网络，深度神经网络 | 准确率，ROC-AUC | NA |
| 331 | 2025-11-10 |
AdaptiveWordBug: Generating adversarial texts with an adaptive scoring strategy against deep learning classifiers
2025-Oct-29, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108262
PMID:41205356
|
研究论文 | 提出一种基于自适应评分策略的黑盒对抗文本生成方法AdaptiveWordBug，用于攻击深度学习文本分类器 | 提出自适应评分策略(ASS)，结合三种模型依赖评分方法和一种模型独立方法，并为每个方法分配可自动调整的自适应参数 | 仅在中文文本分类数据集上进行实验验证，未涉及其他语言或任务类型 | 提高对抗文本生成方法在文本分类任务中的攻击效果 | 深度学习文本分类模型 | 自然语言处理 | NA | 对抗攻击 | BERT, ChatGPT | 文本 | NA | NA | Transformer | 攻击效果 | NA |
| 332 | 2025-11-10 |
scMapNet: Marker-based cell type annotation of scRNA-seq data via vision transfer learning with tabular-to-image transformations
2025-Oct-27, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2025.10.056
PMID:41161490
|
研究论文 | 提出一种基于视觉迁移学习和表格-图像转换的标记基因细胞类型注释方法scMapNet | 首次将掩码自编码器和视觉Transformer应用于单细胞RNA测序数据，通过树状图转换利用细胞标记基因信息 | NA | 开发能够充分学习细胞标记基因知识和未标记数据信息的深度学习细胞类型注释方法 | 单细胞RNA测序数据 | 生物信息学 | NA | 单细胞RNA测序 | MAE, ViT | 基因表达数据 | NA | PyTorch | 掩码自编码器, 视觉Transformer | 准确率, 批次不敏感性 | NA |
| 333 | 2025-11-10 |
Deep-learning-based virtual screening of antibacterial compounds
2025-Oct-24, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-025-02814-6
PMID:41136774
|
研究论文 | 本研究结合高通量筛选和深度学习虚拟筛选方法，发现了新型抗菌化合物 | 开发了GNEprop深度学习模型用于预测抗菌活性，实现了对14亿化合物的虚拟筛选，命中率比训练用高通量实验提升90倍 | 研究主要针对大肠杆菌敏感菌株，对其他细菌种类的适用性需要进一步验证 | 发现新型抗菌化合物以应对多重耐药细菌的威胁 | 小分子化合物和细菌菌株 | 机器学习 | 细菌感染 | 高通量筛选，虚拟筛选 | 深度学习 | 化学结构数据，生物活性数据 | 约200万个小分子用于初始筛选，超过14亿个合成可及化合物用于虚拟筛选 | NA | GNEprop | 分布外泛化能力，活性悬崖预测，命中率 | NA |
| 334 | 2025-11-10 |
Performance of Automatic Speech Analysis in Detecting Depression: Systematic Review and Meta-Analysis
2025-Oct-22, JMIR mental health
IF:4.8Q1
DOI:10.2196/67802
PMID:41124683
|
系统综述与荟萃分析 | 通过系统综述和荟萃分析评估自动语音分析在抑郁症检测中的诊断性能 | 首次对自动语音分析检测抑郁症的诊断准确性进行全面的定量综合分析，涵盖机器学习和深度学习方法 | 仅纳入英文发表的研究，临床应用中作为独立工具的适用性仍有限 | 评估自动语音分析在抑郁症检测中的诊断性能 | 抑郁症患者的语音数据 | 自然语言处理 | 抑郁症 | 自动语音分析 | 机器学习,深度学习 | 语音数据 | 105项研究纳入分析 | NA | NA | 准确率,敏感度,特异度,精确率 | NA |
| 335 | 2025-11-08 |
The Role of Artificial Intelligence in Stroke Imaging in Emergency Settings: A Systematic Review
2025-Oct, Cureus
DOI:10.7759/cureus.93941
PMID:41200652
|
系统综述 | 系统回顾人工智能在急诊卒中影像中的应用价值 | 首次系统评估AI在急诊卒中影像中的诊断性能、工作流程可行性和实施情况 | 纳入研究数量有限（9项），需要更多外部验证和临床工作流程无缝集成 | 评估人工智能在急诊卒中影像中的作用 | 急诊卒中患者的神经影像数据 | 医学影像分析 | 卒中 | 非对比计算机断层扫描（NCCT）、磁共振成像（MRI）、计算机断层扫描血管成像（CTA） | CNN, 深度学习 | 医学影像 | NA | NA | 卷积神经网络, 基于变换器的方法 | AUC, 准确率, Kappa值, 平衡准确率 | NA |
| 336 | 2025-11-09 |
AI Applications in Depression Detection and Diagnosis: Bibliometric and Visual Analysis of Trends and Future Directions
2025-Oct-22, JMIR mental health
IF:4.8Q1
DOI:10.2196/79293
PMID:41022381
|
文献计量分析 | 通过文献计量和可视化分析方法，系统梳理2015-2024年人工智能在抑郁症检测与诊断领域的研究趋势和发展方向 | 首次对AI在抑郁症诊断领域的全球研究趋势进行系统性文献计量分析，揭示从传统机器学习向深度学习、多模态融合的关键转变 | 仅基于Web of Science数据库文献，可能存在收录偏差；分析时间范围截止2024年，无法反映最新发展 | 分析人工智能在抑郁症检测与诊断领域的全球研究趋势、知识结构和前沿方向 | 2015-2024年间发表的2304篇相关学术文献 | 自然语言处理, 机器学习 | 抑郁症 | 文献计量分析, 共引分析 | 机器学习, 深度学习 | 文献元数据, 引文数据 | 2304篇学术论文 | CiteSpace | NA | NA | NA |
| 337 | 2025-11-09 |
Shallow and ensemble deep randomized neural network for anomaly detection
2025-Oct-21, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108240
PMID:41202707
|
研究论文 | 提出一种用于异常检测的单类集成深度随机向量函数链接网络模型 | 融合深度学习和集成学习原理，在OC-RVFL基础上构建多层输出结构的OC-edRVFL模型 | OC-RVFL的单隐藏层结构限制了其捕获复杂模式的能力 | 提升异常检测或单类分类任务的泛化能力和性能 | 异常检测算法模型 | 机器学习 | NA | NA | RVFL, 集成深度学习 | 人工数据集, UCI数据集, NDC数据集, MNIST图像数据 | 最多500万样本的数据集 | NA | 随机向量函数链接网络(RVFL), 集成深度RVFL(edRVFL) | 泛化误差上界 | NA |
| 338 | 2025-11-09 |
Evaluating microplastics and antibiotics induced genotoxicity in marine mussels through deep learning-based processing images of comet assay
2025-Oct-15, Ecotoxicology and environmental safety
IF:6.2Q1
DOI:10.1016/j.ecoenv.2025.119295
PMID:41138450
|
研究论文 | 开发基于深度学习的彗星试验图像分析方法，用于评估微塑料和抗生素对海洋贻贝的基因毒性 | 首次将YOLOv8深度学习模型应用于彗星试验图像分析，实现高通量自动化DNA损伤评估 | 训练数据集规模有限（1453张训练图像），仅针对特定污染物组合进行研究 | 建立自动化高通量彗星试验分析方法，评估新兴污染物基因毒性 | 海洋贻贝鳃组织暴露于聚乙烯微塑料和磺胺甲恶唑的DNA损伤 | 计算机视觉 | NA | 彗星试验 | YOLOv8 | 图像 | 1453张训练图像，364张验证图像，6749个人工标注彗星目标 | NA | YOLOv8 | 准确率 | NA |
| 339 | 2025-11-09 |
Deep learning approach for tooth numbering and restoration detection on pediatric periapical radiographs in mixed dentition
2025-Oct-11, Clinical oral investigations
IF:3.1Q1
DOI:10.1007/s00784-025-06542-8
PMID:41074996
|
研究论文 | 使用YOLOv8深度学习模型在混合牙列期儿童根尖片中实现牙齿编号和修复体检测 | 首次将YOLOv8模型应用于混合牙列期儿童根尖片的牙齿编号和修复体自动检测 | NA | 评估深度学习模型在混合牙列期根尖片中牙齿编号和修复体检测的效率 | 6-12岁混合牙列期儿童的根尖片 | 计算机视觉 | 牙科疾病 | 深度学习 | YOLOv8 | 医学影像 | 1,504张用于牙齿编号的根尖片，1,599张用于修复体检测的根尖片 | Python | YOLOv8 | 准确率, 精确率, F1分数, 召回率, IoU, 混淆矩阵 | NA |
| 340 | 2025-11-09 |
Deciphering the unique autoregulatory mechanisms and substrate specificity of the understudied DCLK3 kinase linked to neurodegenerative diseases
2025-Oct, The Journal of biological chemistry
IF:4.0Q2
DOI:10.1016/j.jbc.2025.110664
PMID:40902973
|
研究论文 | 本研究揭示了与神经退行性疾病相关的未充分研究激酶DCLK3的独特自调控机制和底物特异性 | 首次发现DCLK3通过自磷酸化其截短尾部实现与催化结构域的结合，揭示了不同于其旁系同源物DCLK1的调控机制，并鉴定Tau蛋白为其潜在底物 | 研究主要基于体外实验和计算预测，需要在体内模型中进一步验证DCLK3的功能和调控机制 | 阐明DCLK3激酶的自调控机制和底物特异性，为神经退行性疾病提供潜在治疗靶点 | 双皮质素样激酶3(DCLK3)及其与神经退行性疾病的关联 | 计算生物学 | 神经退行性疾病 | 质谱分析, 肽库筛选, 体外测定 | 深度学习模型 | 肽序列数据, 质谱数据 | NA | NA | NA | NA | NA |