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 772 篇文献，本页显示第 501 - 520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 501 | 2025-12-18 |
Dynamic network compression via probabilistic channel pruning
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108080
PMID:40925121
|
研究论文 | 本文提出了一种基于概率通道剪枝的动态网络压缩方法，以减少深度学习模型的参数数量并提升效率 | 开发了概率连接模块，能在训练期间动态激活和停用通道连接，无需对剪枝后模型进行微调，并通过卷积分解有效诱导稀疏性 | 未明确提及具体局限性，但可能包括对特定模型架构的依赖或泛化能力的验证不足 | 解决神经网络压缩问题，以克服计算密集型深度学习模型的限制 | 深度学习模型，特别是ResNet-56和VGG-19架构 | 机器学习 | NA | 网络剪枝 | CNN | NA | NA | NA | ResNet, VGG | 准确率 | NA |
| 502 | 2025-12-18 |
Learning in PINNs: Phase transition, diffusion equilibrium, and generalization
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107983
PMID:40884895
|
研究论文 | 本文通过神经梯度信噪比研究全连接神经网络的学习动态，识别出扩散平衡相，并提出样本重加权方案以改善泛化能力 | 识别出训练中的扩散平衡相，提出样本重加权方案以提高残差同质性和泛化能力，并发现激活饱和驱动的信息压缩现象 | 研究主要基于物理信息神经网络，可能在其他网络架构或任务中的普适性有待验证 | 研究非凸目标中一阶优化器的行为，探索神经网络学习动态与泛化能力的关系 | 全连接神经网络的学习动态，特别是梯度对齐和残差同质性 | 机器学习 | NA | NA | 全连接神经网络 | NA | NA | NA | NA | NA | NA |
| 503 | 2025-12-18 |
Integration of radiomics, habitat imaging, and deep learning for MRI-based prediction of parametrial invasion in cervical cancer: A dual-center study
2026-Jan, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2025.110542
PMID:41173217
|
研究论文 | 本研究评估了放射组学、生境成像和2.5D深度学习模型在基于MRI预测宫颈癌宫旁浸润中的诊断性能，并探讨了多模态整合模型的临床效用 | 首次将放射组学、生境成像和2.5D深度学习模型结合，构建多模态整合模型用于预测宫颈癌宫旁浸润，并在双中心数据中验证其优越性能 | 研究为回顾性设计，样本量相对有限（共290例患者），且仅基于MRI数据，未来需前瞻性多中心验证并整合更多模态信息 | 评估多模态模型在预测宫颈癌宫旁浸润中的诊断性能，以优化术前评估和临床决策 | FIGO分期为IB1-IIB的宫颈癌患者 | 医学影像分析 | 宫颈癌 | MRI成像, k-means聚类, 放射组学特征提取 | 深度学习模型, 机器学习模型 | MRI图像 | 290例患者（中心A: 227例，中心B: 63例） | NA | 2.5D深度学习模型 | AUC, 准确率 | NA |
| 504 | 2025-12-18 |
Economic Value of AI in Radiology: A Systematic Review
2026-Jan, Radiology. Artificial intelligence
DOI:10.1148/ryai.250090
PMID:41258794
|
系统综述 | 本文对2010年至2024年间发表的关于人工智能在放射学工作流程中经济价值的原始研究进行了系统性回顾 | 首次系统性地总结了AI在放射学领域经济价值的证据，明确了其价值实现取决于任务复杂性、检查量和实施模式等具体情境 | 纳入研究数量有限（仅21项），且研究质量参差不齐，可能影响结论的普遍性 | 评估人工智能在放射学工作流程中的经济价值 | 涉及人工智能经济价值的原始研究文章 | 医疗人工智能 | NA | 机器学习、深度学习、计算机辅助诊断、自然语言处理 | NA | NA | 从1879项初始搜索结果中筛选出21项研究 | NA | NA | 成本节约、增量成本效益比 | NA |
| 505 | 2025-12-18 |
Dual-channel hierarchical interactive learning for the prediction of Protein-Ligand binding affinity
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107982
PMID:40845562
|
研究论文 | 本文提出了一种名为双通道分层交互学习（DHIL）的新方法，用于更全面地建模蛋白质-配体相互作用，以提高结合亲和力预测的准确性 | 采用双通道编码结构同时学习分子内和分子间相互作用，并设计了分层交互学习范式，在多个层次上促进两类相互作用之间的信息交换，模拟了生物系统从局部到全局的工作机制 | 由于多尺度图构建和跨层消息传递，该框架引入了显著的计算开销；并且对输入3D结合构象的质量敏感，可能影响其在实际应用中的鲁棒性 | 提高蛋白质-配体结合亲和力（PLBA）的预测准确性，以支持药物筛选和发现 | 蛋白质-配体复合物 | 机器学习 | NA | NA | 深度学习 | 3D结构数据 | NA | NA | 双通道分层交互学习（DHIL） | 准确性 | NA |
| 506 | 2025-12-18 |
ITSEF: Inception-based two-stage ensemble framework for P300 detection
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108014
PMID:40857922
|
研究论文 | 本文提出了一种基于Inception的两阶段集成框架（ITSEF），用于提高P300脑机接口中P300信号的检测准确率 | 设计了一种结合Inception卷积神经网络（ICNN）进行多尺度特征提取和跨通道学习的两阶段集成框架，并采用预训练和微调策略，通过动态加权两个分支的预测结果，使模型学习重点从多数类逐渐转向少数类，从而提升分类性能和泛化能力 | NA | 解决P300脑机接口中信号信噪比低、被试个体差异大以及类别不平衡的问题，以提高P300检测准确率 | P300脑电信号 | 脑机接口 | NA | 脑电图（EEG） | CNN, 集成学习 | 脑电信号数据 | 两个数据集：BCI Competition III的Dataset II和BCIAUT-P300数据集 | NA | Inception-based CNN (ICNN) | 分类准确率 | NA |
| 507 | 2025-12-18 |
Hypothesis spaces for deep learning
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107995
PMID:40882408
|
研究论文 | 本文为基于深度神经网络（DNNs）的深度学习引入了一个假设空间，通过将DNN视为输入变量和参数变量的函数，构建了一个Banach空间，并证明其为再生核Banach空间（RKBS），进而研究了正则化学习和最小范数插值问题 | 提出将DNN视为双变量函数来构建假设空间，并证明该空间为RKBS，为深度学习提供了新的理论框架 | 未在具体数据集或实际应用中验证理论框架的有效性 | 为深度学习建立理论假设空间并研究学习模型 | 深度神经网络（DNNs）及其参数空间 | 机器学习 | NA | NA | 深度神经网络（DNNs） | NA | NA | NA | NA | NA | NA |
| 508 | 2025-12-18 |
AutoProfile: Automated profiling in deep learning-based side-channel analysis
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108009
PMID:40882410
|
研究论文 | 本文提出了一种名为AutoProfile的新方法，用于增强基于深度学习的侧信道分析中配置攻击的效果 | AutoProfile针对侧信道分析定制了贝叶斯优化的两个核心组件：建模策略和获取函数，从而显著提升了攻击性能 | NA | 提高基于深度学习的侧信道分析在强密码系统中的攻击效率 | 公开可用的真实侧信道测量数据集 | 机器学习 | NA | 深度学习 | NA | 侧信道测量数据 | NA | NA | NA | 攻击所需轨迹数量减少百分比 | NA |
| 509 | 2025-12-18 |
Spatial-frequency domain aggregation upsampling for pan-sharpening
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108007
PMID:40884893
|
研究论文 | 本文提出了一种新颖的空间-频域聚合上采样方法，用于提升全色锐化的性能 | 提出了空间-频域聚合上采样方法，包含双域非线性融合、区域特定注意力机制和自适应特征融合门三个核心模块，有效平衡空间与光谱信息 | NA | 提升遥感图像全色锐化的质量，生成高分辨率多光谱图像 | 高分辨率全色图像与低分辨率多光谱图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | PyTorch | SFAU | NA | NA |
| 510 | 2025-12-17 |
Rethinking active learning in medical education: a comparative study of inquiry-based and team-based learning on student performance and satisfaction
2026-Mar-01, Advances in physiology education
IF:1.7Q4
DOI:10.1152/advan.00199.2025
PMID:41196126
|
研究论文 | 本研究比较了医学教育中基于探究的学习（IBL）与基于团队的学习（TBL）的教学效果，重点关注学生表现和满意度 | 设计并实施了一个基于5E教学模型的创新IBL框架，结合了交互式临床案例、条件性解决方案揭示机制和游戏化综合活动 | 准实验设计可能限制了因果推断的强度，样本仅来自一年级医学生，可能影响结果的普适性 | 比较IBL与TBL在医学教育中的教学有效性，包括学术表现、学习者参与度、自主性和满意度 | 548名一年级医学生 | 医学教育 | NA | 5E教学模型、交互式临床案例、条件性解决方案揭示机制（scratch film）、游戏化综合（填字游戏） | NA | 定量表现指标、行为观察数据、学生问卷数据 | 548名一年级医学生 | NA | NA | 关键学习概念保留率、扩展概念获取率、参与度、自主性、满意度、作弊倾向 | NA |
| 511 | 2025-12-17 |
Multi-view learning meets state-space model: A dynamical system perspective
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108088
PMID:40966932
|
研究论文 | 本文提出了一种基于连续时间动态系统视角的多视图状态空间模型（MvSSM），用于多视图表示学习 | 将多视图表示学习形式化为受控制理论启发的连续时间动态系统，将视图特定特征视为外部输入，共享潜在表示作为内部系统状态演化，统一了特征集成和标签预测，并支持系统稳定性和表示转换的理论分析 | 未明确说明模型的计算复杂度或在大规模数据集上的可扩展性限制 | 通过动态系统视角改进多视图学习的表示能力和理论可解释性 | 多模态数据的特征表示与动态演化 | 机器学习 | NA | NA | 状态空间模型 | 多视图数据（多模态） | NA | NA | MvSSM-Lap, MvSSM-iLap | 准确率, F1分数 | NA |
| 512 | 2025-12-17 |
A unified gradient regularization method for heterogeneous graph neural networks
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108104
PMID:40974991
|
研究论文 | 本文提出了一种名为Grug的统一梯度正则化方法，用于解决异构图神经网络中的过平滑和非鲁棒性问题 | 提出了一种在消息传递过程中迭代应用于节点类型和消息矩阵梯度的正则化方法，并提供了一个统一框架整合现有丢弃和对抗训练方法 | NA | 解决异构图神经网络中的过平滑和非鲁棒性问题，提高模型性能 | 异构图神经网络 | 机器学习 | NA | NA | 异构图神经网络 | 图数据 | 六个公共数据集 | NA | NA | NA | NA |
| 513 | 2025-12-17 |
Deceiving question-answering models: A hybrid word-level adversarial approach
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108105
PMID:40987134
|
研究论文 | 本文提出了一种名为QA-Attack的单词级对抗策略，用于欺骗问答模型 | 利用基于注意力的攻击机制和删除排序策略，识别并针对上下文段落中的特定单词，通过同义词替换创建欺骗性输入，在保持语法完整性的同时误导模型产生错误响应 | NA | 探索问答模型对抗攻击的鲁棒性 | 问答模型 | 自然语言处理 | NA | NA | NA | 文本 | NA | NA | NA | 成功率, 语义变化, BLEU分数, 流畅度, 语法错误率 | NA |
| 514 | 2025-12-17 |
Spiking neural networks for EEG signal analysis: From theory to practice
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108127
PMID:41004906
|
综述 | 本文综述了脉冲神经网络在脑电图信号分析中的理论进展与实际应用，旨在弥合理论与实践之间的差距 | 系统性地将脉冲神经网络应用于脑电图信号分析，强调其相较于传统深度学习方法的时序信息处理优势和计算效率，并提供实践指导与开源代码 | 综述性质文章，未进行原创性实验验证，且基于现有方法总结，可能未涵盖所有最新进展 | 探讨脉冲神经网络在脑电图信号分析中的应用潜力，推动脑机接口和神经反馈系统的发展 | 脑电图信号 | 机器学习 | NA | NA | SNN | 脑电图信号 | NA | NA | NA | NA | NA |
| 515 | 2025-12-17 |
MSA-LR: Enhancing multi-scale temporal dynamics in multivariate time series forecasting with low-rank self-attention
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108150
PMID:41032938
|
研究论文 | 本文提出了一种名为MSA-LR的新型架构，旨在通过可学习的尺度权重矩阵和低秩近似来增强多变量时间序列预测中的多尺度时间动态建模能力 | 引入了可学习的尺度权重矩阵和低秩近似方法，能够直接建模不同时间粒度（如小时、日、周）的影响，实现对多尺度交互的细粒度控制，同时显著降低了计算复杂度 | 未明确说明模型在极端事件或非平稳时间序列上的表现，也未讨论模型对超参数选择的敏感性 | 提升多变量时间序列预测的准确性，特别是长期预测场景下的性能 | 多变量时间序列数据 | 机器学习 | NA | NA | Transformer | 时间序列数据 | NA | NA | MSA-LR（多尺度自注意力低秩近似架构） | 预测准确率 | NA |
| 516 | 2025-12-17 |
AI for colon cancer: A focus on classification, detection, and predictive modeling
2026-Feb, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.106115
PMID:41075424
|
综述 | 本文系统评估了人工智能在结肠癌检测、分类、预测和分割方面的应用现状及其对诊断准确性、治疗规划和患者结局的影响 | 通过系统综述和元分析，评估了AI在结肠癌研究中的最新进展，特别关注了可解释AI和生成AI技术的应用，并进行了基于AI技术类型和应用的亚组分析 | 临床整合仍面临数据和验证方面的挑战，且研究质量依赖于纳入文献的完整性和可靠性 | 评估人工智能在结肠癌研究中的应用现状及其对诊断准确性、治疗规划和患者结局的影响 | 2020年至2024年间发表的关于人工智能在结肠癌中应用的研究文章 | 数字病理学 | 结肠癌 | NA | 深度学习, 机器学习 | NA | 80篇文章 | NA | NA | 诊断准确性 | NA |
| 517 | 2025-12-17 |
Towards out-of-distribution detection using gradient vectors
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108142
PMID:41046618
|
研究论文 | 本文提出了一种名为GradVec的新方法，利用梯度向量进行分布外检测，以区分未知样本与已知类别样本 | 首次将梯度空间作为输入表示用于OOD检测，通过模型梯度更信息性地表达样本属于已知类别的知识，无需改变训练过程或额外数据 | 未明确讨论计算复杂度或梯度计算可能带来的额外开销 | 开发一种基于梯度向量的分布外检测方法，以提高模型在真实世界场景中对未知样本的识别能力 | 深度学习模型在图像分类和文本分类任务中的分布外样本检测 | 机器学习 | NA | NA | 深度学习模型 | 图像, 文本 | NA | NA | NA | FPR95 | NA |
| 518 | 2025-12-17 |
Graph-patchformer: Patch interaction transformer with adaptive graph learning for multivariate time series forecasting
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108140
PMID:41046616
|
研究论文 | 提出了一种名为Graph-Patchformer的新型深度学习框架，用于多变量时间序列预测，通过结构编码和自适应图学习捕获序列内依赖和序列间局部动态依赖 | 结合结构编码反映MTS内部结构信息，并利用提出的Patch Interaction Blocks同时捕获序列内依赖和序列间局部动态依赖，无需额外的多尺度特征融合模块 | 未在摘要中明确说明 | 提升多变量时间序列预测的准确性和性能 | 多变量时间序列数据 | 机器学习 | NA | NA | Transformer, 自适应图学习 | 多变量时间序列数据 | NA | NA | Graph-Patchformer, Patch Interaction Blocks | NA | NA |
| 519 | 2025-12-17 |
A multi-level teacher assistant-based knowledge distillation framework with dynamic feedback for motor imagery EEG decoding
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108180
PMID:41072285
|
研究论文 | 本文提出了一种基于多级教师助理知识蒸馏的动态反馈框架，用于压缩运动想象脑电信号解码的深度学习模型 | 提出了一个新颖的知识蒸馏框架MIKD，包含多级教师助理知识蒸馏模块和动态反馈模块，能在高压缩比下有效提取和传递MI-EEG信号的多层次知识 | NA | 压缩用于运动想象脑电信号分类的深度学习模型，同时保持高性能，以适用于实际脑机接口应用 | 运动想象脑电信号 | 机器学习 | NA | 脑电图 | 深度学习模型 | 脑电信号 | 三个公共脑电数据集 | NA | NA | 准确率 | NA |
| 520 | 2025-12-17 |
Elevating adversarial robustness by contrastive multitasking defence in medical image segmentation
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108182
PMID:41075318
|
研究论文 | 本文提出了一种名为CEASE的新型防御方法，通过结合对比学习和多任务学习，显著提升医学图像分割模型对抗对抗性攻击的鲁棒性 | 首次将对比学习与多任务学习整合，针对医学图像分割任务设计防御机制，有效降低对抗性攻击成功率至0% | 未明确说明方法在更广泛医学图像数据集或不同攻击类型下的泛化能力 | 增强基于深度学习的医学图像分割模型对抗对抗性攻击的鲁棒性 | 医学图像分割模型 | 计算机视觉 | NA | 深度学习 | CNN | 医学图像 | 公开可用数据集 | NA | NA | 攻击成功率 | NA |