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 2152 篇文献，本页显示第 1761 - 1780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1761 | 2025-12-04 |
Geometric Deep Learning for the Rubik's Cube Group
2025-Dec, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3599009
PMID:40839500
|
研究论文 | 本文提出了一种基于几何深度学习的新型神经网络架构，用于解决魔方问题，该架构通过利用魔方领域的对称性来提升性能 | 首次在魔方问题中引入几何深度学习原则，设计了一个显式利用对称性的神经网络架构，并基于严格的群论分析进行验证 | 未明确说明模型在更复杂或更大规模组合问题上的泛化能力，以及计算资源的具体需求 | 开发一种能够有效利用对称性来提升魔方问题求解效率和泛化能力的神经网络模型 | 魔方（Rubik's Cube）及其状态空间 | 机器学习 | NA | 几何深度学习，群论分析 | 神经网络 | 组合状态数据 | NA | NA | 对称不变模型 | 泛化能力，问题解决效率 | NA |
| 1762 | 2025-12-04 |
IRPruneDeXt: Efficient Infrared Small Target Detection via Musical Wavelet-Regularized Channel Pruning
2025-Dec, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3594958
PMID:40844941
|
研究论文 | 本文提出了一种基于小波结构正则化和多维音乐尺度软通道剪枝的高效红外小目标检测模型IRPruneDeXt | 首次将网络剪枝概念引入红外小目标检测领域，并创新性地提出小波结构正则化多维音乐尺度软通道剪枝方法，通过小波域权重表示和音乐尺度反馈效应实现高效剪枝 | 未明确说明模型在极端低信噪比环境下的鲁棒性，且剪枝过程可能对特定目标形态敏感 | 提升红外小目标检测模型的效率与精度，解决现有深度学习模型参数冗余和计算成本高的问题 | 红外图像中的微弱小目标 | 计算机视觉 | NA | 红外成像 | 深度学习 | 红外图像 | 多个广泛使用的基准数据集（未指定具体数量） | NA | U-net | IoU, nIoU, 参数量, FLOPs | NA |
| 1763 | 2025-12-04 |
Extrapolation Convolution for Data Prediction on a 2-D Grid: Bridging Spatial and Frequency Domains With Applications in Image Outpainting and Compressed Sensing
2025-Dec, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3598745
PMID:40844942
|
研究论文 | 本文提出了一种外推卷积框架，用于解决图像修复和压缩感知任务中传统卷积神经网络在外推能力上的局限性 | 提出了外推卷积框架，将缺失数据预测建模为深度学习架构内的线性预测问题，并应用于图像外绘和傅里叶域压缩感知MRI重建 | 未明确说明模型的计算复杂度和训练时间，也未讨论在更广泛数据集或不同模态图像上的泛化能力 | 提升卷积神经网络在图像外推任务中的性能，特别是在图像外绘和压缩感知MRI重建中的应用 | 二维网格数据，具体为图像数据和MRI频率域信号 | 计算机视觉 | NA | 深度学习，压缩感知MRI | CNN，编码器-解码器网络 | 图像，频率域信号 | NA | NA | EC-DecNet, FDRN | 峰值信噪比, 结构相似性指数, 核初始距离/弗雷歇初始距离 | NA |
| 1764 | 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 |
| 1765 | 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 |
| 1766 | 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 |
| 1767 | 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 |
| 1768 | 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 |
| 1769 | 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 |
| 1770 | 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 |
| 1771 | 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 |
| 1772 | 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 |
| 1773 | 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 |
| 1774 | 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 |
| 1775 | 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 |
| 1776 | 2025-12-03 |
JASPAR 2026: expansion of transcription factor binding profiles and integration of deep learning models
2025-Dec-02, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkaf1209
PMID:41325984
|
研究论文 | 本文介绍了JASPAR数据库2026版本的更新内容，包括扩展转录因子结合谱、整合深度学习模型以及提供新的注释工具 | 首次在JASPAR数据库中整合深度学习模型集合，包含1259个基于ENCODE ChIP-seq数据训练的BPNet模型，实现了从传统位置频率矩阵向深度学习建模的范式转变 | 深度学习模型目前仅基于人类ENCODE ChIP-seq数据集训练，尚未扩展到其他物种 | 扩展和更新转录因子结合谱数据库，整合深度学习模型以改进TF-DNA相互作用的建模与表征 | 转录因子DNA结合谱、深度学习模型、调控序列模拟 | 生物信息学 | NA | ChIP-seq、深度学习建模 | BPNet | DNA序列数据、ChIP-seq数据 | 240个人类转录因子的ENCODE ChIP-seq数据集 | NA | BPNet | NA | NA |
| 1777 | 2025-12-03 |
3D Automated Segmentation of Bronchial Abnormalities on Ultrashort Echo Time MRI: A Quantitative MR Outcome in Cystic Fibrosis
2025-Dec-02, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70196
PMID:41328895
|
研究论文 | 开发了一种基于深度学习的系统，用于在超短回波时间MRI上自动分割囊性纤维化支气管异常，并评估其在临床治疗监测中的相关性 | 首次将深度学习应用于超短回波时间MRI上囊性纤维化支气管异常的自动分割，并验证了其在CFTR调节剂治疗监测中的临床价值 | 研究为回顾性设计，样本量有限，且依赖于专家精修分割作为金标准 | 开发一个深度学习系统，用于在超短回波时间MRI上分割囊性纤维化支气管异常，并评估其临床相关性 | 囊性纤维化患者的支气管异常，包括支气管扩张、管壁增厚和黏液 | 数字病理学 | 囊性纤维化 | 超短回波时间MRI | CNN | 3D MRI图像 | 166名囊性纤维化患者，包括训练集97例、测试集25例和独立临床验证队列44例 | NA | RiSeNet | 归一化表面Dice, 中心线Dice | NA |
| 1778 | 2025-12-03 |
Non-invasive hemoglobin estimation with outcome prediction via deep learning analysis of ECG-derived cardiac micro-dynamics
2025-Dec-02, Internal and emergency medicine
IF:3.2Q1
DOI:10.1007/s11739-025-04209-6
PMID:41329232
|
研究论文 | 本研究开发了一种基于心电图和深度学习的非侵入性血红蛋白估计模型，用于贫血检测并评估其对全因死亡率和新发心力衰竭的预测能力 | 首次利用深度学习分析心电图衍生的心脏微动力学特征来非侵入性估计血红蛋白水平，并验证其在心血管风险预测中的预后价值 | 研究为回顾性设计，可能受到选择偏倚的影响；模型性能在轻度贫血检测中相对较低；外部验证仅来自两家医院 | 开发一种非侵入性、低成本的贫血筛查工具，并评估其与心血管结局的关联 | 心电图信号与对应的血红蛋白水平数据 | 数字病理学 | 心血管疾病 | 心电图分析 | 深度学习模型 | 心电图信号 | 训练集：187,202名患者的388,166份心电图；内部测试集：24,279名患者；外部测试集：29,247名患者 | NA | NA | AUC, 敏感性, 特异性, Pearson相关系数, 风险比 | NA |
| 1779 | 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 |
| 1780 | 2025-12-03 |
A deep learning model to reduce agent dose for contrast-enhanced MRI of the cerebellopontine angle cistern
2025-Dec-02, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12187-8
PMID:41329327
|
研究论文 | 本研究评估了一种深度学习模型，用于减少桥小脑角池对比增强T1加权MRI的造影剂剂量 | 首次在桥小脑角池MRI中广泛评估了用于减少造影剂剂量的深度学习模型，并证明了该模型能使低剂量图像恢复至足以用于前庭神经鞘瘤诊断和管理的质量 | 这是一项多中心回顾性研究，样本量相对有限（72名患者，203项MRI研究），且仅针对前庭神经鞘瘤患者 | 评估深度学习模型在减少桥小脑角池对比增强MRI造影剂剂量方面的效果 | 前庭神经鞘瘤患者的MRI图像 | 数字病理学 | 前庭神经鞘瘤 | 对比增强T1加权MRI | 深度学习模型 | MRI图像 | 72名前庭神经鞘瘤患者，共203项MRI研究 | NA | NA | 结构相似性指数，峰值信噪比，Dice系数，95% Hausdorff距离，平均表面距离 | NA |