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 1977 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 | 2025-12-04 |
ReCL: A Plug-and-Play Module for Enhancing Generalized Category Discovery Using Transport-Based Method to Uncover the Relationship in Samples
2025-Dec, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3598594
PMID:40853786
|
研究论文 | 本文提出了一种基于关系的对比学习模块（ReCL），用于增强广义类别发现（GCD）任务，通过运输分配方法挖掘未标记样本间的关系 | 提出了一种基于运输的分配方法，为每个未标记数据点寻找合适的样本，并通过原型融合方法创建正锚点，以改进对比学习中未标记样本的特征学习 | 未在极端数据不平衡或噪声标签场景下进行验证，且模块的计算复杂度可能较高 | 解决广义类别发现（GCD）问题，即在部分标记数据中同时分类已标记和未标记类别的样本 | 深度学习模型在开放集环境下的性能提升，特别是针对未标记样本的关系挖掘 | 机器学习 | NA | 对比学习，运输分配方法，原型融合 | 深度学习模型 | 图像数据（基于实验领域推断） | NA | PyTorch, TensorFlow | NA | 准确率，F1分数，AUC | GPU（具体型号未指定），可能使用云平台进行实验 |
| 1622 | 2025-12-04 |
A Bioinspired Deep Learning Framework for Saliency-Based Image Quality Assessment
2025-Dec, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3598716
PMID:40857193
|
研究论文 | 本文提出了一种受生物启发的深度学习框架BioSIQNet，用于基于显著性的无参考图像质量评估 | 通过将显著性分为高低两个焦点注意力水平，并基于多任务学习框架构建网络，模拟大脑视觉皮层的分层处理机制，首次在深度学习中探索了显著性在无参考图像质量评估中的最优利用 | NA | 提升无参考图像质量评估模型在处理复杂多样自然图像时的性能 | 数字图像 | 计算机视觉 | NA | NA | 深度神经网络 | 图像 | NA | NA | BioSIQNet | NA | NA |
| 1623 | 2025-12-04 |
Linking fish activity and turbidity through visual and sensor data fusion and deep learning
2025-Dec-01, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.119070
PMID:41330340
|
研究论文 | 本研究提出了一种融合高分辨率水下成像、高科技水质传感与深度学习模型的新方法，用于检测鱼类、估算浊度并分析其相互作用 | 首次将水下视觉数据与水质传感器数据进行同步融合，并开发了基于CNN的图像浊度估算模型，同时利用无需训练的YOLOWorld模型进行鱼类检测，揭示了鱼类数量与浊度之间的非线性关系 | 收集的图像中有相当一部分由于相机与传感器同步问题而缺乏有效的浊度值 | 通过视觉与传感器数据融合及深度学习，监测水下环境并分析鱼类活动与浊度的关联 | 澳大利亚麦凯港水域的鱼类活动与水质浊度 | 计算机视觉 | NA | 水下成像、水质传感 | CNN, YOLOWorld | 图像、传感器数据 | 在麦凯港部署IP水下相机和两个先进水质传感器收集的同步数据 | NA | 自定义CNN, YOLOWorld-v1 Large | 准确率, 均方根误差, 相关系数R | NA |
| 1624 | 2025-12-04 |
The role of artificial intelligence in enhancing triage decisions in healthcare settings: A systematic review
2025-Dec, Applied nursing research : ANR
IF:2.7Q1
DOI:10.1016/j.apnr.2025.152024
PMID:41330654
|
系统综述 | 本文通过系统综述探讨了人工智能在增强医疗环境中分诊决策过程中的作用 | 系统性地回顾了2020年至2025年间关于AI在分诊中应用的最新研究，并综合评估了其有效性、挑战和伦理考量 | 纳入的研究时间范围有限（2020-2025），且仅包含22项研究，可能无法全面反映AI在分诊中的所有应用和长期效果 | 探索人工智能在增强医疗环境中分诊决策过程中的作用 | 医疗环境中的分诊决策过程 | 自然语言处理, 机器学习 | NA | NA | 机器学习, 深度学习, 自然语言处理 | NA | 211项研究被筛选，其中22项符合纳入标准 | NA | NA | 诊断准确性, 分诊效率, 决策支持 | NA |
| 1625 | 2025-12-04 |
Predicting postrestorative facial appearance in edentulous patients using deep learning: A prospective cohort study
2025-Dec-01, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2025.10.053
PMID:41330832
|
研究论文 | 本研究开发了名为FacePointNet的双向深度学习模型，用于预测无牙颌患者在接受牙齿修复后的面部外观变化 | 提出了一个基于点集神经网络的双向深度学习模型，通过复合损失函数学习几何变换，首次在无牙颌患者中实现术后面部外观的定量预测 | 样本量较小（仅16名患者），未整合生物力学数据，动态建模能力有待提升 | 开发一种深度学习模型，以预测无牙颌患者牙齿修复后的面部外观变化，改善修复前治疗规划 | 无牙颌患者 | 计算机视觉 | NA | 3D面部扫描 | 点集神经网络 | 3D图像 | 16名无牙颌患者 | NA | FacePointNet | Chamfer距离, 欧几里得距离, 视觉相似度评分 | NA |
| 1626 | 2025-12-03 |
Letter re: A deep learning model for preoperative risk stratification of pancreatic ductal adenocarcinoma based on genomic predictors of liver metastasis
2025-Dec-09, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2025.116046
PMID:41326211
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1627 | 2025-10-30 |
AI-Enabled Echocardiography Interpretation With Multitask Deep Learning
2025-Dec-02, JAMA
DOI:10.1001/jama.2025.16625
PMID:41160021
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1628 | 2025-10-30 |
AI-Enabled Echocardiography Interpretation With Multitask Deep Learning-Reply
2025-Dec-02, JAMA
DOI:10.1001/jama.2025.16627
PMID:41160035
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1629 | 2025-10-30 |
AI-Enabled Echocardiography Interpretation With Multitask Deep Learning
2025-Dec-02, JAMA
DOI:10.1001/jama.2025.16623
PMID:41160046
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1630 | 2025-12-03 |
MSformer: A Meta-Structure Based Interpretable Framework for Representation Learning of Natural Products
2025-Dec-02, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c03958
PMID:41201272
|
研究论文 | 本文提出了一种基于元结构的可解释框架MSformer，用于自然产物的表示学习，以解决其结构复杂性和数据稀缺性问题 | MSformer通过质谱启发的元结构碎片化算法，在有限自然产物数据集上进行预训练，实现了对自然产物结构丰富性和药物相关性的高效捕获，并提供了层次化可解释性 | 预训练仅基于40万个自然产物数据，可能无法覆盖所有自然产物结构多样性 | 开发一种用于自然产物表示学习的深度学习框架，以促进药物发现 | 自然产物及其化学结构 | 自然语言处理 | NA | 质谱启发的碎片化算法 | Transformer | 化学结构数据 | 40万个自然产物，生成2.34亿个元结构 | NA | Transformer | NA | NA |
| 1631 | 2025-12-03 |
Neural network-driven direct CBCT-based dose calculation for head-and-neck proton treatment planning
2025-Dec-02, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae222a
PMID:41265034
|
研究论文 | 本研究开发并验证了一种基于扩展长短期记忆（xLSTM）神经网络的深度学习方法，用于直接从锥形束计算机断层扫描（CBCT）图像进行质子剂量计算 | 首次将xLSTM神经网络应用于直接CBCT质子剂量计算，通过能量令牌编码和射束视角序列建模捕捉质子剂量沉积模式的空间依赖性，消除了传统校正工作流程 | 研究为回顾性分析，样本量有限（40例患者），且仅针对头颈部癌症进行了验证 | 开发一种准确且高效的直接CBCT质子剂量计算方法，以支持自适应质子治疗计划 | 头颈部癌症患者的配对计划CT图像和治疗CBCT图像 | 医学影像分析 | 头颈部癌症 | 锥形束计算机断层扫描（CBCT），蒙特卡洛（MC）模拟 | xLSTM | 医学影像（CT，CBCT） | 40例头颈部癌症患者的回顾性数据集，包含配对计划CT和治疗CBCT图像；训练使用82,500个配对的质子笔形束配置 | NA | xLSTM | 伽马通过率，平均百分比剂量误差，剂量体积直方图比较，临床靶区V95%差异，危及器官平均剂量差异 | NA |
| 1632 | 2025-12-03 |
Characterizing the Immune Response in Pig-to-Human Heart Xenografts Using a Multimodal Diagnostic System
2025-Dec-02, Circulation
IF:35.5Q1
|
研究论文 | 本研究通过多模态诊断系统，对猪到人心脏异种移植物的免疫反应进行了精确表征 | 首次结合形态学评估、免疫表型分析、超微结构评估、自动定量多重免疫荧光染色和基因表达谱分析，对猪到人心脏异种移植物的异种免疫反应进行多模态表型分析 | 研究仅基于两个异种移植物样本，样本量较小，且仅在再灌注后66小时进行分析，可能未捕捉到免疫反应的长期动态 | 精确表征猪到人心脏异种移植物中的异种免疫反应和损伤 | 从10基因编辑猪移植到脑死亡人类受体的两个心脏异种移植物 | 数字病理学 | 心血管疾病 | 多重免疫荧光染色, 基因表达谱分析 | 深度学习 | 图像, 基因表达数据 | 两个心脏异种移植物样本，以及作为对照的植入前异种移植物和野生型猪心脏（包括有/无缺血/再灌注损伤和脑死亡） | NA | NA | NA | NA |
| 1633 | 2025-12-03 |
CNN-Powered Dual-Path Network with Adaptive Attention for Red Blood Cell Classification
2025-Dec-02, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01759-1
PMID:41329245
|
研究论文 | 提出一种结合EfficientNetB3和DenseNet201的双路径卷积神经网络架构，并集成CBAM注意力机制，用于红细胞形态亚型的准确分类 | 设计了一种新颖的CNN-DP-Att架构，通过双路径（高分辨率细节路径和上下文特征路径）结合双主干网络（EfficientNetB3和DenseNet201）以及CBAM注意力机制，有效提取红细胞形态的细微特征 | 未明确说明模型在外部验证集上的泛化能力、计算效率或临床部署的可行性 | 开发一种基于深度学习的自动化系统，以准确分类红细胞形态亚型，辅助血液学疾病的诊断和监测 | 红细胞（RBC）的形态亚型，包括多种红细胞异常 | 计算机视觉 | 血液学疾病 | 医学成像 | CNN | 图像 | NA | NA | EfficientNetB3, DenseNet201 | 精度 | NA |
| 1634 | 2025-12-03 |
Bioinformatics Portal for Predicting Binding Regions and Modes in Protein-Nucleic Acid Interactions
2025-Dec-02, Genomics, proteomics & bioinformatics
DOI:10.1093/gpbjnl/qzaf114
PMID:41329480
|
研究论文 | 本文介绍了一个用于预测蛋白质-核酸相互作用（PNIs）结合区域和模式的生物信息学门户网站，该门户整合了数据库、机器学习/深度学习预测工具及潜在应用分析 | 开发了一个集成的在线生物信息学门户，系统整合了PNIs数据库、多种ML/DL预测算法，并提供了用户友好的交互界面 | 未在摘要中明确说明具体的技术局限性 | 通过计算建模预测PNIs的结合位点和构象动力学，以理解其分子机制并促进核酸药物设计 | 蛋白质-核酸相互作用（PNIs） | 生物信息学 | NA | 机器学习（ML）、深度学习（DL） | NA | 蛋白质-核酸相互作用数据 | NA | NA | NA | NA | 在线平台（http://rv.agroda.cn/pni_portal） |
| 1635 | 2025-12-03 |
HGCPep: Hypergraph Deep Learning Identifies Cancer-associated Non-coding Peptides
2025-Dec-02, Genomics, proteomics & bioinformatics
DOI:10.1093/gpbjnl/qzaf093
PMID:41329495
|
研究论文 | 本研究开发了一个名为HGCPep的深度学习框架，利用超图建模非编码RNA与其编码的多肽之间的内在关系，以更准确地识别癌症相关的非编码多肽 | 首次提出利用超图神经网络建模非编码RNA转录本与其编码的多肽群体之间的关系，将转录背景信息融入多肽特征表示，突破了传统仅基于序列分析方法的局限 | 未明确说明模型在跨癌症类型泛化能力、实验验证规模以及计算复杂度方面的具体限制 | 开发一种能够系统识别癌症相关非编码多肽的计算方法，为癌症免疫治疗发现新的治疗靶点 | 非编码RNA编码的小肽 | 生物信息学, 机器学习 | 癌症 | 深度学习, 超图神经网络 | 超图神经网络, 卷积神经网络 | 序列数据, 图结构数据 | NA | NA | 超图神经网络与卷积神经网络的集成架构 | NA | NA |
| 1636 | 2025-12-03 |
Profiling Cell-state Fingerprints Based on Deep Learning Model with Meta-programs of Pan-cancer
2025-Dec-02, Genomics, proteomics & bioinformatics
DOI:10.1093/gpbjnl/qzaf123
PMID:41329499
|
研究论文 | 本研究基于深度学习模型StateNet，利用泛癌元程序生成细胞状态指纹，以揭示癌症细胞的共同特征和个体差异 | 开发了深度学习模型StateNet，首次基于泛癌元程序生成细胞状态指纹，用于分析癌症细胞的共享机制和个体特性 | 未明确说明模型在独立验证集上的泛化能力或计算效率的具体限制 | 研究泛癌中细胞状态的共享机制和个体差异，以开发癌症分析工具 | 159,372个细胞，来自245个细胞系，覆盖14种组织类型 | 机器学习 | 泛癌 | 单细胞RNA测序 | 深度学习模型 | 单细胞RNA测序数据 | 159,372个细胞，245个细胞系，14种组织类型 | NA | StateNet | NA | NA |
| 1637 | 2025-12-03 |
Deep-ELA: Deep Exploratory Landscape Analysis with Self-Supervised Pretrained Transformers for Single- and Multiobjective Continuous Optimization Problems
2025-Dec-01, Evolutionary computation
IF:4.6Q1
DOI:10.1162/evco_a_00367
PMID:39903851
|
研究论文 | 本文提出了一种名为Deep-ELA的混合方法，结合深度学习和探索性景观分析特征，用于单目标和多目标连续优化问题的表征 | 通过自监督预训练Transformer模型，在数百万随机生成的优化问题上学习深度表示，解决了传统ELA特征的相关性限制并扩展至多目标问题 | 未明确提及具体性能限制或数据偏差问题 | 开发一种能有效表征连续优化问题景观的混合框架，以支持算法选择、配置及问题理解等任务 | 单目标和多目标连续优化问题 | 机器学习 | NA | 探索性景观分析（ELA）、深度学习 | Transformer | 数值特征、点云数据 | 数百万随机生成的优化问题 | NA | Transformer | NA | NA |
| 1638 | 2025-12-03 |
Advancing Optical Coherence Tomography Diagnostic Capabilities: Machine Learning Approaches to Detect Autoimmune Inflammatory Diseases
2025-12-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society
IF:2.0Q2
DOI:10.1097/WNO.0000000000002322
PMID:39910704
|
研究论文 | 本研究利用机器学习方法分析光学相干断层扫描（OCT）图像，以区分自身免疫性炎症疾病、其他眼病及健康对照 | 首次应用支持向量机（SVM）模型基于OCT测量的pRNFL、GCIPL和INL层厚度，区分多种自身免疫性炎症疾病（如NMOSD、MOGAD、MS）及其他眼病与健康对照 | 样本量相对有限，特别是其他眼病组（n=16）；MS与NMOSD比较的准确率较低（0.53），模型泛化能力需进一步验证 | 评估机器学习分析OCT测量数据以区分不同自身免疫性炎症疾病、其他眼病及健康对照的可行性 | 来自Mangalore脱髓鞘疾病登记库的MS（99例患者）、NMOSD（40例）、MOGAD（74例）、其他眼病（16例）及健康对照（54例）的眼部OCT图像 | 机器学习 | 自身免疫性炎症疾病 | 光学相干断层扫描（OCT） | SVM | 图像 | MS（99例患者）、NMOSD（40例）、MOGAD（74例）、其他眼病（16例）、健康对照（54例） | NA | 支持向量机（SVM） | 准确率, AUROC | NA |
| 1639 | 2025-12-03 |
DSMR: Dual-Stream Networks with Refinement Module for Unsupervised Multi-modal Image Registration
2025-Dec, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00707-5
PMID:40252168
|
研究论文 | 提出一种新颖的无监督双流多模态图像配准框架DSMR，结合双流配准网络与细化模块，以提升多模态医学图像配准性能 | 首次提出结合双流配准网络与细化模块的无监督多模态配准框架，利用移动图像、固定图像和转换图像生成两个形变场，并通过伪真值细化机制缓解翻译网络引入的人工特征问题 | 未明确讨论算法对极端模态差异或噪声数据的鲁棒性，也未与其他最新无监督多模态配准方法进行系统性比较 | 解决无监督多模态医学图像配准中因缺乏显式参考关系而导致的挑战 | 多模态医学图像（如不同成像设备获取的医学影像） | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | PyTorch | 双流网络 | 配准误差 | NA |
| 1640 | 2025-12-03 |
Semantic Consistency Network with Edge Learner and Connectivity Enhancer for Cervical Tumor Segmentation from Histopathology Images
2025-Dec, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00691-w
PMID:40268829
|
研究论文 | 提出一种用于宫颈肿瘤组织病理学图像分割的端到端语义一致性网络ERNet，包含边缘学习器和连通性增强器 | 提出结合边缘学习器和连通性增强器的语义一致性网络，通过自适应耦合边缘特征与像素级特征，并利用肿瘤分类任务优化分割结果 | 未明确说明模型在更大规模数据集上的泛化能力，且仅额外在喉部肿瘤图像上进行了泛化实验 | 提高宫颈肿瘤组织病理学图像分割的准确性和边缘相似度 | 宫颈肿瘤组织病理学图像 | 数字病理学 | 宫颈癌 | 组织病理学成像 | CNN | 图像 | NA | NA | ERNet（包含堆叠的浅层卷积神经网络） | 结构相似性，平均交并比 | NA |