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 1985 篇文献，本页显示第 1881 - 1900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1881 | 2025-09-19 |
Response to letter regarding "A deep learning approach for gastroscopic manifestation recognition based on Kyoto Gastritis Score"
2025-Dec, Annals of medicine
IF:4.9Q1
DOI:10.1080/07853890.2025.2561801
PMID:40964794
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1882 | 2025-10-06 |
HCNS:A deep learning model for identifying essential proteins based on hypergraph convolution and sequence features
2025-Dec, Analytical biochemistry
IF:2.6Q2
DOI:10.1016/j.ab.2025.115949
PMID:40783109
|
研究论文 | 提出一种基于超图卷积和序列特征的深度学习模型HCNS，用于准确识别必需蛋白质 | 首次将超图卷积网络与多模态序列特征提取相结合，同时考虑蛋白质相互作用网络的复杂结构关系和蛋白质氨基酸序列信息 | NA | 提高必需蛋白质识别的准确性 | 必需蛋白质 | 生物信息学 | NA | 蛋白质相互作用网络分析，蛋白质序列分析 | HGCN, CNN, Bi-LSTM, Transformer, MLP | 蛋白质相互作用网络数据，蛋白质复合物数据，蛋白质氨基酸序列数据 | NA | NA | 超图卷积网络，卷积神经网络，双向长短期记忆网络，多头自注意力机制，NAG Transformer，多层感知机 | 准确率，AUC，AUPR | NA |
| 1883 | 2025-10-06 |
Deep learning-enabled fluorescence imaging for oral cancer margin classification in preclinical models
2025-Dec, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.30.S3.S34109
PMID:40949530
|
研究论文 | 本研究开发了一种结合深度学习与空间频率域成像的系统，用于口腔癌手术边界的亚表面深度量化评估 | 首次将深度学习与空间频率域成像结合，实现了对荧光标记物亚表面深度的精确量化，突破了传统荧光成像无法量化亚表面结构的限制 | 研究主要基于模拟数据和体外组织验证，尚未进行临床人体试验验证 | 开发一种能够术中评估口腔癌三维手术标本边界的新方法 | 口腔癌肿瘤边界、荧光标记物 | 数字病理 | 口腔癌 | 空间频率域成像、荧光成像 | CNN | 图像 | 模拟数据集、患者来源的舌肿瘤形状模拟数据、体模数据集、离体动物组织 | NA | ResNet, U-Net | 深度预测误差、浓度预测误差 | NA |
| 1884 | 2025-10-06 |
Design of an iterative hybrid multimodal deep learning method for early skin disease detection with cross-attention and graph-based fusions
2025-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103584
PMID:40949827
|
研究论文 | 提出一种用于早期皮肤病检测的迭代混合多模态深度学习框架，融合皮肤镜图像、传感器时序信号和临床文本数据 | 结合多头交叉注意力机制和图注意力网络，同时优化空间细节、时间动态和临床上下文的多模态特征交互 | NA | 早期皮肤病检测 | 皮肤病患者的多模态数据 | 计算机视觉,自然语言处理,机器学习 | 皮肤病 | 皮肤镜检查,传感器监测,临床记录分析 | CNN,BiLSTM,Transformer,GAT | 图像,时间序列信号,文本 | NA | NA | EfficientNet-B4,BiLSTM,ClinicalBERT,Graph Attention Network | 准确率,F1分数 | NA |
| 1885 | 2025-10-06 |
Predictive and early warning analysis of infectious gastroenteritis based on the BiLSTM-BiGRU model
2025-Dec, Infectious Disease Modelling
IF:3.0Q1
DOI:10.1016/j.idm.2025.07.016
PMID:40822277
|
研究论文 | 基于BiLSTM-BiGRU模型结合气象因素对感染性胃肠炎进行预测和预警分析 | 首次将BiLSTM-BiGRU模型与灰狼优化算法结合用于感染性胃肠炎预测，并构建移动百分位数控制图预警模型 | 研究仅针对东京地区，模型在其他地区的适用性需要进一步验证 | 提高感染性胃肠炎的预测精度和预警效率，为相关部门制定防控措施提供参考 | 日本东京地区感染性胃肠炎病例 | 机器学习 | 感染性胃肠炎 | 时间序列分析 | BiLSTM, BiGRU | 时间序列数据 | 808周数据（2008年1月至2023年6月） | NA | BiLSTM-BiGRU | R, RMSE, MAE, MAPE | NA |
| 1886 | 2025-10-06 |
VCNet: Optimized Deep Learning framework with deep feature extraction and genetic algorithm for multiclass rice crop disease detection
2025-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103551
PMID:40822541
|
研究论文 | 提出一种名为VCNet的优化深度学习框架，用于水稻作物多类别病害检测 | 结合深度特征提取和遗传算法的浅层模型，采用VGG16层进行初始特征提取并与自定义CNN架构融合，通过两级优化过程提升模型性能 | 未明确说明模型在其他作物病害上的泛化能力，数据集规模和多样性可能有限 | 开发高效准确的水稻作物多类别病害检测方法 | 水稻作物病害图像，特别是难以检测的纹枯病等类别 | 计算机视觉 | 植物病害 | 深度学习，图像处理 | CNN | 图像 | NA | NA | VGG16, 自定义CNN | 训练准确率, 测试准确率 | NA |
| 1887 | 2025-10-06 |
Development of student intent-based educational chatbot system with adaptive and attentive DTCN on symmetric convolution approach
2025-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103542
PMID:40822546
|
研究论文 | 开发基于学生意图的教育聊天机器人系统，采用自适应注意力深度时间卷积网络和对称卷积方法 | 提出新型混合元启发式优化算法ADT-BMO进行特征加权选择和融合，并开发AA-DTCN-SC模型优化意图识别 | NA | 创建智能自动化教育聊天机器人，帮助学生快速获取学术信息 | 学生学术查询和通用聊天机器人数据集 | 自然语言处理 | NA | 深度学习，自然语言处理 | DTCN, RNN, Bi-LSTM, BERT, TransformerNet, Text CNN | 文本 | NA | NA | AA-DTCN-SC, BERT, TransformerNet, Text CNN | 分类准确率 | NA |
| 1888 | 2025-10-06 |
Deep learning-based detection of depression by fusing auditory, visual and textual clues
2025-Dec-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2025.119860
PMID:40675260
|
研究论文 | 提出一种融合听觉、视觉和文本线索的深度学习模型用于抑郁症自动检测 | 首次结合GPT-2.0驱动的聊天机器人进行症状访谈，并采用多头交叉注意力网络融合多模态特征 | 未进行纵向随访研究，对重度抑郁症的适用性需进一步验证 | 开发基于人工智能的抑郁症自动检测方法 | 抑郁症患者和健康对照者 | 自然语言处理,计算机视觉 | 抑郁症 | 多模态特征融合 | 多头交叉注意力网络 | 音频,视频,文本 | 内部验证集：152名抑郁症患者和118名健康对照；外部验证集：55名抑郁症患者和45名健康对照 | NA | 多头交叉注意力网络 | AUC,准确率,特异性 | NA |
| 1889 | 2025-10-06 |
A generalizable diffusion framework for 3D low-dose and few-view cardiac SPECT imaging
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103729
PMID:40752375
|
研究论文 | 提出一种可泛化的三维扩散框架DiffSPECT-3D，用于改善低剂量和少视角心脏SPECT成像质量 | 无需重新训练或微调即可适应不同采集设置的扩散框架，提出一致性策略和2.5D条件策略解决三维内存/计算问题 | 未明确说明框架在极端低剂量条件下的性能边界 | 开发能够泛化到不同低剂量和少视角采集设置的心脏SPECT成像方法 | 心脏SPECT成像数据 | 医学影像处理 | 心血管疾病 | SPECT成像, CT成像 | 扩散模型 | 三维医学影像, 投影数据 | 795名患者的1,325项临床Tc tetrofosmin负荷/静息研究 | NA | DiffSPECT-3D | 心脏导管插入术验证, 核心脏病学家诊断评估 | NA |
| 1890 | 2025-10-06 |
Predictive modeling and cohort data analytics for student success and retention
2025-Dec, Evaluation and program planning
IF:1.5Q2
|
研究论文 | 通过数据驱动分析研究23000余名大一新生的学业表现差异，并开发深度学习模型预测学生学业成果 | 首次结合聚类分析和深度学习模型对大规模学生群体进行学业表现预测和风险识别 | 研究局限于单一美国公立大学数据，可能缺乏普适性 | 提升学生保留率和学业成功率 | 23000余名美国公立大学大一新生 | 机器学习 | NA | 数据分析、聚类分析、深度学习 | 深度学习模型 | 学业数据、人口统计数据 | 23000余名大一新生 | NA | NA | 预测准确率 | NA |
| 1891 | 2025-09-12 |
Automated coronary artery segmentation / tissue characterization and detection of lipid-rich plaque: An integrated backscatter intravascular ultrasound study
2025-Dec-15, International journal of cardiology
IF:3.2Q2
DOI:10.1016/j.ijcard.2025.133744
PMID:40784375
|
研究论文 | 本研究开发了一种基于深度学习的自动化冠状动脉分割和组织表征方法，用于检测脂质丰富斑块 | 首次将7层U-Net++深度学习模型应用于IVUS图像的自动冠状动脉分割和组织表征，实现了高精度的斑块成分量化 | LRP检测的敏感性相对较低（62%），样本量有限（67名训练患者，88名验证患者） | 评估深度学习模型在冠状动脉斑块分割、组织表征和脂质丰富斑块识别中的可行性和诊断准确性 | 人类冠状动脉血管和斑块组织 | 医学影像分析 | 心血管疾病 | 集成背向散射血管内超声（IB-IVUS） | U-Net++ | 医学图像（IVUS图像） | 训练组：67名患者的1098张IVUS图像；验证组：88名患者的1100张IVUS图像（来自100条血管） | NA | NA | NA | NA |
| 1892 | 2025-09-12 |
PitVis-2023 challenge: Workflow recognition in videos of endoscopic pituitary surgery
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103716
PMID:40769094
|
研究论文 | 介绍PitVis-2023挑战赛，专注于内窥镜垂体手术视频中的工作流程识别任务 | 首次针对内窥镜垂体手术视频的步骤和器械识别挑战，提出适用于狭小手术空间和频繁步骤切换的时序模型架构 | 仅使用25个视频进行训练和评估，样本规模有限 | 开发自动识别内窥镜垂体手术步骤和手术器械的计算机视觉系统 | 内窥镜垂体手术视频 | 计算机视觉 | 垂体疾病 | 深度学习 | Transformer, 空间编码器+时序编码器 | 视频 | 25个手术视频 | NA | NA | NA | NA |
| 1893 | 2025-09-12 |
SemiSAM+: Rethinking semi-supervised medical image segmentation in the era of foundation models
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103733
PMID:40769095
|
研究论文 | 提出一种基于基础模型的半监督医学图像分割框架SemiSAM+，通过专家-通用模型协作学习提升有限标注数据下的分割性能 | 利用可提示分割基础模型（如SAM）生成位置提示与伪标签，实现专家模型与通用模型的协同学习范式 | NA | 降低医学图像分割对标注数据的依赖，提升半监督学习在临床场景中的适用性 | 医学图像分割任务 | 计算机视觉 | NA | 半监督学习（SSL） | 基础模型（如SAM）与任务特定分割模型 | 医学图像 | 三个公共数据集和一个内部临床数据集（具体数量未明确说明） | NA | NA | NA | NA |
| 1894 | 2025-09-12 |
Attend-and-Refine: Interactive keypoint estimation and quantitative cervical vertebrae analysis for bone age assessment
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103715
PMID:40769097
|
研究论文 | 提出一种基于深度学习的交互式关键点估计方法，用于通过侧位头颅X光片分析颈椎形态以评估骨龄 | 引入Attend-and-Refine Network (ARNet)，结合交互引导的重新校准网络和形态感知损失函数，显著减少手动标注工作量 | NA | 预测儿童正畸中的生长潜力，确定最佳治疗时机 | 儿童颈椎 | 数字病理 | 儿科正畸 | 侧位头颅X光成像 | ARNet (基于CNN的深度学习模型) | 医学影像（X光片） | 多个数据集验证（具体数量未说明） | NA | NA | NA | NA |
| 1895 | 2025-09-12 |
Paired phase and magnitude reconstruction neural network for multi-shot diffusion magnetic resonance imaging
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103771
PMID:40857854
|
研究论文 | 提出一种用于多激发扩散磁共振成像的配对相位和幅度重建神经网络方法 | 结合高信噪比b0图像设计神经网络，实现亚秒级快速重建并提升图像质量评估指标 | NA | 解决多激发扩散加权成像中图像伪影抑制和噪声控制的挑战 | 扩散加权成像数据 | 医学影像处理 | 肿瘤诊断 | 扩散加权成像（DWI），多激发采样 | 神经网络 | 医学影像数据 | 模拟数据和体内数据（具体数量未说明） | NA | NA | NA | NA |
| 1896 | 2025-09-12 |
Unsupervised 4D-flow MRI reconstruction based on partially-independent generative modeling and complex-difference sparsity constraint
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103769
PMID:40865329
|
研究论文 | 提出一种基于部分独立生成建模和复数差稀疏约束的无监督4D流MRI重建方法 | 结合深度图像先验框架，设计部分独立网络提升参数效率，引入复数差稀疏约束改善相位恢复精度，并提出联合优化算法 | NA | 开发无需全采样训练数据的无监督4D流MRI重建算法以提升泛化能力 | 主动脉和脑血管的4D流MRI数据 | 医学影像重建 | 血管疾病 | 4D-flow MRI | CNN（基于深度图像先验框架） | 4D MRI影像数据（时空血流速度） | 两个内部采集数据集（主动脉数据集和脑血管数据集） | NA | NA | NA | NA |
| 1897 | 2025-09-12 |
MSARAE: Multiscale adversarial regularized autoencoders for cortical network classification
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103775
PMID:40865328
|
研究论文 | 提出一种多尺度对抗正则化自编码器（MSARAE），用于大脑皮层结构连接网络的增强和分类 | 结合拉普拉斯特征向量增强拓扑信息，采用多尺度图卷积层作为编码器，并引入对抗正则化机制减小潜在空间分布差异 | NA | 从数据增强角度解决大脑皮层研究中的样本量限制问题，提升深度学习模型的泛化能力 | 大脑皮层结构连接网络 | 机器学习 | 抑郁症和阿尔茨海默病 | 图卷积网络，变分自编码器，对抗训练 | MSARAE（多尺度对抗正则化自编码器） | 图数据（结构连接网络） | 基于MDD、HCP和ADNI三个数据集进行实验 | NA | NA | NA | NA |
| 1898 | 2025-09-12 |
Supervised white matter bundle segmentation in glioma patients with transfer learning
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103766
PMID:40876100
|
研究论文 | 本研究探索利用迁移学习将基于健康人群训练的深度学习模型应用于胶质瘤患者的白质束分割 | 首次研究迁移学习在胶质瘤患者白质束分割中的有效性，并系统区分了领域偏移中的系统性和肿瘤特异性成分 | 学习模型微调无法适应肿瘤引起的大范围白质变形 | 提升临床人群中白质束自动分割的准确性和应用性 | 胶质瘤患者 | 医学影像分析 | 胶质瘤 | 迁移学习 | 深度学习 | 影像数据 | 涉及五个白质束和三种输入模态的测试 | NA | NA | NA | NA |
| 1899 | 2025-09-12 |
HarmonicEchoNet: Leveraging harmonic convolutions for automated standard plane detection in fetal heart ultrasound videos
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103758
PMID:40876099
|
研究论文 | 提出轻量级深度学习模型HarmonicEchoNet，用于胎儿心脏超声视频中标准切面的自动检测 | 引入谐波卷积块(HCBs)和空间通道压缩激励模块(hscSE)，结合离散余弦变换进行特征分解，提升模型效率和准确性 | 使用两个私有数据集(PULSE和CAIFE)，可能限制模型泛化能力 | 实现胎儿心脏超声标准切面的自动化检测 | 胎儿心脏超声视频 | 计算机视觉 | 心血管疾病 | 超声成像，离散余弦变换(DCT) | CNN（谐波卷积网络） | 视频（超声图像序列） | 四个数据集（来自PULSE和CAIFE两个研究） | NA | NA | NA | NA |
| 1900 | 2025-09-12 |
Completing spatial transcriptomics data for gene expression prediction benchmarking
2025-Dec, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103754
PMID:40885036
|
研究论文 | 本文介绍了一个用于基因表达预测基准测试的系统性数据库SpaRED和一个基于Transformer的基因表达补全模型SpaCKLE | 提出了首个系统性整理的26个公共数据集标准化资源，并开发了基于Transformer的先进补全模型，将均方误差降低82.5% | NA | 解决空间转录组学数据获取成本高、技术门槛高和数据丢失问题，建立标准化基准测试平台 | 空间转录组学数据，特别是Visium技术产生的组织学图像和基因表达数据 | 数字病理学 | NA | 空间转录组学，Visium技术，深度学习 | Transformer | 图像，基因表达数据 | 26个公共数据集 | NA | NA | NA | NA |