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 50105 篇文献，本页显示第 20321 - 20340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 20321 | 2025-12-02 |
Impact of U2-type introns on splice site prediction in A. thaliana species using deep learning
2025-Nov-28, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06315-w
PMID:41316016
|
研究论文 | 本研究利用深度学习模型探讨了U2型内含子对拟南芥物种剪接位点预测的影响 | 首次系统分析了短内含子和多内含子序列对剪接位点预测效果的影响，揭示了内含子长度与剪接位点预测之间的复杂关系 | 研究仅针对拟南芥物种，未扩展到其他植物基因组；模型可能未考虑所有剪接相关信号的空间排列因素 | 探究U2型内含子特征对植物基因组剪接位点预测的影响 | 拟南芥基因组中的剪接位点，特别是U2型内含子相关的供体和受体位点 | 自然语言处理 | NA | 深度学习 | 深度学习模型 | 基因组序列数据 | 供体位点：36,399个单内含子序列和13,987个多内含子序列；受体位点：37,236个单内含子序列和14,112个多内含子序列 | NA | NA | 预测效果 | NA |
| 20322 | 2025-12-02 |
An efficient deep learning-based morphology aware hierarchical mixture of features for tuberculosis screening using segmentation of chest X-ray images
2025-Nov-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-19179-0
PMID:41309684
|
研究论文 | 本文提出了一种基于高效深度学习的层次特征融合方法，用于胸部X光图像的肺部分割和结核病筛查 | 结合了Res-UNet进行肺部分割，并融合了EfficientNetV2、CapsNet和卷积视觉变换器（CViT）进行特征提取，最后使用堆叠自编码器（SAE）进行分类，实现了高精度的结核病筛查 | 未提及模型在外部验证集或临床环境中的泛化能力，也未讨论计算资源需求或处理时间 | 开发一个自动化的深度学习框架，用于精确的肺部分割和结核病筛查，以支持早期诊断和临床决策 | 胸部X光图像 | 计算机视觉 | 结核病 | 胸部X光成像 | 深度学习 | 图像 | 未明确指定，但使用了CXR Masks and Labels数据集 | 未明确指定 | Res-UNet, EfficientNetV2, CapsNet, Convolutional Vision Transformer (CViT), Stacked Autoencoder (SAE) | 准确率 | 未提及 |
| 20323 | 2025-12-02 |
A simple method for rapid reconstruction of 3D animal trajectory from monocular video
2025-Nov-27, Movement ecology
IF:3.4Q2
DOI:10.1186/s40462-025-00608-8
PMID:41310862
|
研究论文 | 本文提出了一种基于单目视频和深度学习工具的三维动物运动轨迹重建方法，用于分析动物运动生态学 | 结合深度学习工具和针孔相机模型，开发了一种低成本、用户友好的三维动物运动轨迹重建方法，无需多摄像头或精确校准 | 方法在空间精度上存在平均偏差（空中运动0.09米，地面运动0.044米），且可能受限于单目视频的固有局限性 | 研究动物运动生态学，量化复杂动物在三维空间中的运动轨迹 | 动物（如蝙蝠）的运动，包括飞行、行走和捕食行为 | 计算机视觉 | NA | 单目视频分析 | 深度学习工具 | 视频 | NA | NA | NA | 平均偏差 | NA |
| 20324 | 2025-12-02 |
Enhanced YOLOv11 framework for high precision defect detection in printed circuit boards
2025-Nov-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-27415-w
PMID:41298795
|
研究论文 | 本文提出了一种专为印刷电路板缺陷检测设计的增强型深度学习框架YOLOv11-PCB | 集成了高效多尺度注意力模块、内容感知特征重组机制和优化的EIoU损失函数，显著提升了检测精度和计算效率 | NA | 实现印刷电路板的高精度自动化缺陷检测 | 印刷电路板 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 两个基准PCB缺陷数据集（北京大学PCB数据集和DeepPCB数据集） | PyTorch | YOLOv11 | mAP@0.5, mAP@0.5:0.95, FPS | NA |
| 20325 | 2025-12-02 |
Towards the theory for mitigating gradient issues and dead neurons in deep learning through a modified Gaussian activation function
2025-Nov-24, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108353
PMID:41319404
|
研究论文 | 本文提出了一种改进的高斯激活函数R-Gaussian，用于缓解深度学习中的梯度问题和神经元死亡现象 | 提出了一种动态适应预激活值的R-Gaussian激活函数，其调制参数C直接从输入分布推导，无需额外计算开销，在特定C值范围内能实现梯度稳定性和学习效率的最佳平衡 | 在Dry Bean数据集上的性能未优于Sigmoid函数 | 缓解深度学习中的梯度消失、梯度爆炸和神经元死亡问题 | 深度学习模型的激活函数 | 机器学习 | NA | NA | 深度神经网络,循环神经网络 | 图像数据,传感器数据 | CIFAR数据集,Dry Bean数据集,UCI HAR数据集 | NA | Vanilla RNN | 准确率,梯度范数,收敛时间 | NA |
| 20326 | 2025-12-02 |
Multi-view subspace tensorization with attentive clustering embedding
2025-Nov-22, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108344
PMID:41319403
|
研究论文 | 本文提出了一种名为STANCE的新型深度多视图聚类框架，该框架通过张量建模和注意力机制有效捕获多视图数据中的高阶相关性和一致性信息 | 首次将张量建模整合到深度学习范式中用于多视图聚类，通过构建三阶张量并施加低秩约束来显式捕获视图间的高阶依赖关系，并引入基于注意力的自适应融合模块动态分配样本级权重 | 未明确说明模型的计算复杂度及对大规模数据集的扩展性，也未讨论对视图数量变化的鲁棒性 | 解决现有深度多视图聚类方法在建模视图间高阶相关性方面的不足，提升多视图数据聚类的性能 | 多视图数据 | 机器学习 | NA | NA | 自编码器, 注意力机制 | 多视图数据 | 多个基准数据集（具体数量未说明） | NA | STANCE（包含视图特定自编码器、张量低秩约束模块、注意力融合模块） | NA | NA |
| 20327 | 2025-12-02 |
PL-Seg: Partially labeled abdominal organ segmentation via classwise orthogonal contrastive learning and progressive self-distillation
2025-Nov-21, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103885
PMID:41319623
|
研究论文 | 提出了一种名为PL-Seg的新框架，用于在腹部CT扫描中利用部分标注数据进行多器官分割 | 引入了三种创新方法：基于历史分割难度动态调整权重的硬度感知解耦前景损失、用于减少类间模糊性的类间正交对比损失，以及从深层高分辨率层向浅层低分辨率层蒸馏知识的渐进自蒸馏策略 | NA | 开发一种能够在部分标注数据（即每个体积中仅标注部分目标器官类别）下实现准确腹部多器官分割的方法 | 腹部CT扫描中的器官 | 数字病理 | NA | 计算机断层扫描 | 深度学习 | 医学图像 | NA | NA | NA | NA | NA |
| 20328 | 2025-12-02 |
Application of Deep Learning for Advanced Detection and Quantification of Drusen in Nonexudative AMD From Retinal Multispectral Imaging
2025-Nov-03, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.11.35
PMID:41268988
|
研究论文 | 提出了一种基于深度学习的新方法，利用视网膜多光谱图像进行早期年龄相关性黄斑变性中玻璃膜疣的检测和量化 | 首次将深度学习模型应用于视网膜多光谱图像，利用多个非重叠光谱波段特征进行玻璃膜疣的自动检测和量化 | 样本量较小（170张玻璃膜疣和150张非玻璃膜疣视网膜图像），且仅针对单眼图像进行分析 | 开发一种自动检测和量化早期年龄相关性黄斑变性中玻璃膜疣的方法 | 早期非渗出性年龄相关性黄斑变性患者的视网膜多光谱图像 | 计算机视觉 | 年龄相关性黄斑变性 | 视网膜多光谱成像 | CNN | 图像 | 170张玻璃膜疣和150张非玻璃膜疣视网膜图像（单眼） | NA | UNet++, EfficientNetV2 | Dice系数, 召回率, 精确率, 像素级分割准确率 | NA |
| 20329 | 2025-12-02 |
Generative Artificial Intelligence for Retinal Image Translation to Improve Glaucoma Screening With Deep Learning
2025-Nov-03, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.11.36
PMID:41268987
|
研究论文 | 本研究利用生成对抗网络将扫描激光检眼镜图像转换为合成彩色眼底照片，以提升深度学习模型在青光眼筛查中的检测性能 | 首次应用CycleGAN将SLO眼底图像转换为合成CF照片，以解决数据域偏移问题并扩大训练数据集，从而优化青光眼自动检测 | 研究仅使用单一类型的SLO图像进行转换，未探索其他成像模态；合成图像的质量对模型性能的影响需进一步验证 | 通过图像转换技术改善青光眼的自动化筛查准确率 | 扫描激光检眼镜（SLO）图像和彩色眼底（CF）照片 | 计算机视觉 | 青光眼 | 扫描激光检眼镜成像 | GAN | 图像 | 16,936张SLO眼底照片 | NA | CycleGAN | AUC, 灵敏度 | NA |
| 20330 | 2025-12-02 |
DLMUSE: Robust Brain Segmentation in Seconds Using Deep Learning
2025-Nov, Radiology. Artificial intelligence
DOI:10.1148/ryai.240299
PMID:40960397
|
研究论文 | 介绍一种开源深度学习脑部分割模型DLMUSE，用于全自动脑部MRI分割，实现快速分割并促进大规模神经影像研究 | 开发了一个开源深度学习模型，分割速度比参考方法快10,000倍以上，性能与最先进方法相当，并提供了用户友好的Web界面 | 研究为回顾性，训练数据主要基于多图谱分割方法生成，可能存在标签偏差 | 实现快速、准确的脑部MRI全自动分割，以支持大规模神经影像研究 | 脑部MRI扫描图像 | 医学影像分析 | 阿尔茨海默病 | MRI | CNN | 图像 | 训练集1900个MRI扫描，验证集71,391个扫描来自14项研究 | NA | NA | Dice相似系数, Pearson相关系数, 平均绝对误差, 准确率, F1分数 | NA |
| 20331 | 2025-10-31 |
Correspondence on 'Deep learning-based quantification of tumor-infiltrating lymphocytes as a prognostic indicator in nasopharyngeal carcinoma: multicohort findings'
2025-Nov, ESMO open
IF:7.1Q1
DOI:10.1016/j.esmoop.2025.105880
PMID:41161129
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 20332 | 2025-12-02 |
Progression and prospects of machine learning techniques in nanotoxicology: riding the AI-driven wave
2025-Nov, Toxicology mechanisms and methods
IF:2.8Q2
DOI:10.1080/15376516.2025.2536659
PMID:40717503
|
综述 | 本文系统总结了机器学习在纳米毒理学中的应用、挑战及未来前景 | 探讨了机器学习，特别是深度学习网络，在预测纳米颗粒毒性方面的潜力，并提出了整合其他计算方法以改进毒性评估的可能性 | 机器学习面临训练数据有限、模型可解释性问题以及纳米材料-生物相互作用复杂性等挑战 | 评估机器学习技术在纳米毒理学领域的应用，以改进纳米颗粒毒性评估方法 | 纳米颗粒及其在生态环境中的分布与毒性 | 机器学习 | NA | 机器学习，深度学习 | 深度学习网络 | 数据集 | NA | NA | NA | NA | NA |
| 20333 | 2025-12-02 |
Advanced deep learning for automatic classification of fired bullets from standard-issue firearms
2025-Nov, Science & justice : journal of the Forensic Science Society
IF:1.9Q3
DOI:10.1016/j.scijus.2025.101335
PMID:41320451
|
研究论文 | 本研究探索深度学习用于自动分类标准制式枪支发射的子弹标记，以提高法医枪支检验的准确性和减少主观性 | 采用三种不同的图像预处理策略（全景成像、LEA分割和线条分割）并结合预训练的ResNet50网络，实现了对高度相似子弹膛线标记的高精度分类，其中LEA分割策略表现最佳 | 研究仅基于中国执法机构常用的六种标准制式枪支的6000枚子弹数据集，可能未涵盖所有枪支类型或变异情况 | 通过AI驱动的解决方案提高法医枪支检验的效率和准确性，减少主观判断不一致的问题 | 从六种标准制式枪支发射的6000枚子弹 | 计算机视觉 | NA | BalScan系统全景成像 | CNN | 图像 | 6000枚子弹 | TensorFlow, PyTorch, Keras | ResNet50 | 分类准确率 | NA |
| 20334 | 2025-12-02 |
Ark+: Supervised training a single high-performance AI foundation model from many differently labeled datasets-no label consolidation required
2025-Oct-29, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103828
PMID:41319624
|
研究论文 | 本文提出了一种名为Ark的监督学习框架，能够在不进行标签统一的情况下，利用多个异构标注的公开数据集训练单一高性能AI基础模型 | 提出Ark框架，首次实现了无需人工标签统一即可聚合多个异构标注数据集进行监督训练，突破了跨数据集标签异质性的长期障碍 | NA | 开发一种能够利用多个公开异构标注数据集训练单一高性能AI基础模型的方法 | 胸部X光片（CXRs）和眼底摄影图像 | 医学影像分析 | 肺部疾病（包括肺炎等） | 深度学习 | 基础模型 | 图像 | Ark5使用335,484张CXRs，Ark6使用704,363张CXRs | PyTorch | 多种架构（具体未指定） | 分类、分割、定位任务的性能评估，性别偏差分析 | NA |
| 20335 | 2025-12-02 |
High-Risk Carotid Lesion Segmentation: Advancing Stroke Risk Detection With Deep Learning
2025-Oct-14, Journal of endovascular therapy : an official journal of the International Society of Endovascular Specialists
IF:1.7Q2
DOI:10.1177/15266028251381672
PMID:41321026
|
研究论文 | 本研究探讨了使用人工智能软件PRAEVAorta2在CT血管造影上自动分割颈动脉斑块的可行性，并比较了有症状与无症状患者斑块成分的差异 | 引入了AI工具PRAEVAorta2来自动分割和量化颈动脉斑块成分，超越传统狭窄分级，提供更细致的斑块易损性评估 | 血栓分割的Dice相似系数较低（0.33），表明该成分的自动分割性能有待提升 | 评估AI在颈动脉病变分割中的可行性，并比较有症状与无症状患者斑块成分的差异 | 颈动脉斑块 | 数字病理 | 心血管疾病 | CT血管造影 | 深度学习 | 图像 | 156名患者（81个有症状病变，75个无症状病变） | NA | NA | 敏感性, 特异性, Dice相似系数, 体积相似性 | NA |
| 20336 | 2025-12-02 |
Diffusion model-based contrast-enhanced CT synthesis for breast cancer radiotherapy: Pursuing contrast-free imaging
2025 Oct-Dec, Science progress
IF:2.6Q2
DOI:10.1177/00368504251399577
PMID:41308043
|
研究论文 | 本研究开发了一种基于扩散模型的深度学习框架，用于从非对比增强CT合成对比增强CT图像，以探索其在乳腺癌放疗中的应用效果 | 提出了一种新颖的基于扩散模型的图像到图像转换方法（SynDiff），在乳腺癌放疗中实现从非对比增强CT到对比增强CT的合成，相比传统生成对抗网络模型（如Pix2Pix、CycleGAN、RegGAN）表现出更优性能 | 样本量相对有限（共194例患者），且外部验证队列仅包含18例患者，可能影响模型的泛化能力评估 | 开发并评估深度学习模型在乳腺癌放疗中从非对比增强CT合成对比增强CT图像的应用效果，以追求无对比剂成像 | 乳腺癌患者的非对比增强CT和对比增强CT图像对 | 计算机视觉 | 乳腺癌 | CT成像 | 扩散模型, GAN | 医学图像（CT） | 194例患者（176例来自医院一，18例来自医院二），分为训练队列（122例）、内部测试队列（54例）和外部验证队列（18例） | NA | SynDiff, Pix2Pix, CycleGAN, RegGAN | PSNR, SSIM, NMAE | NA |
| 20337 | 2025-12-02 |
Artificial intelligence-augmented ultrasound diagnosis of follicular-patterned thyroid neoplasms: a multicenter retrospective study
2025-Aug, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2025.103351
PMID:40697959
|
研究论文 | 本研究开发并验证了一种基于深度学习（OverLoCK模型）的超声诊断系统，用于术前区分良恶性滤泡型甲状腺肿瘤 | 开发了新颖的OverLoCK（Overview-first-Look-Closely-next ConvNet with Context-Mixing Dynamic Kernels）模型，并首次在多中心、大规模回顾性研究中验证了深度学习系统在滤泡型甲状腺肿瘤术前诊断中的应用价值 | 研究为回顾性设计，需要在真实世界临床环境中进行前瞻性研究以进一步验证 | 开发并验证一种基于深度学习的超声诊断系统，以提高滤泡型甲状腺肿瘤的术前诊断准确性，减少不必要的手术干预 | 滤泡型甲状腺肿瘤患者，包括甲状腺滤泡腺瘤、滤泡癌和滤泡亚型乳头状甲状腺癌 | 数字病理 | 甲状腺癌 | 超声成像 | CNN | 图像 | 3817名患者（9393张超声图像），来自中国11个中心 | NA | OverLoCK | AUC, 准确率, 灵敏度, 特异度, 阳性预测值, 阴性预测值, F1分数 | NA |
| 20338 | 2025-12-02 |
Mapping the Evolution of Thyroid Ultrasound Research: A 30-year Bibliometric Analysis
2025, Current medical imaging
IF:1.1Q3
|
综述 | 本文通过文献计量学方法，系统梳理了甲状腺超声研究30年的发展历程，识别了发展趋势、研究热点和新兴前沿 | 首次对甲状腺超声研究领域进行了长达30年的系统性文献计量分析，并利用VOSviewer和CiteSpace工具揭示了合作网络、参考文献时间线及关键词突现 | 分析仅基于Web of Science核心合集中的英文文献，可能遗漏其他语言或数据库的重要研究 | 通过文献计量分析，绘制甲状腺超声研究的演变图谱，识别发展趋势、研究热点和新兴前沿 | 1994年至2023年间Web of Science核心合集收录的甲状腺超声相关英文文章和综述 | 医学影像分析 | 甲状腺疾病 | 文献计量分析 | NA | 文献元数据 | 8,489篇文献 | VOSviewer, CiteSpace | NA | NA | NA |
| 20339 | 2025-12-02 |
Enhancing Bangla handwritten character recognition using Vision Transformers, VGG-16, and ResNet-50: a performance analysis
2025, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2025.1682984
PMID:41322980
|
研究论文 | 本文通过比较Vision Transformer、VGG-16和ResNet-50在孟加拉语手写字符识别任务上的性能，展示了ViT在捕获全局上下文和长距离依赖方面的优势 | 首次在孟加拉语手写字符识别任务中应用Vision Transformer，并实现了98.26%的当前最佳准确率，超越了传统CNN架构 | 研究仅使用了CMATERdb 3.1.2数据集，未在其他数据集上验证模型的泛化能力；未讨论计算资源消耗和模型推理速度 | 比较不同深度学习架构在孟加拉语手写字符识别任务上的性能，探索Transformer架构在该领域的应用潜力 | 孟加拉语手写字符图像 | 计算机视觉 | NA | NA | Vision Transformer, CNN | 图像 | 24,000张图像，涵盖50个基本孟加拉语字符 | NA | Vision Transformer, VGG-16, ResNet-50 | 准确率 | NA |
| 20340 | 2025-12-02 |
Advances in artificial intelligence-based technologies for increasing the quality of medical products
2024-Nov-30, Daru : journal of Faculty of Pharmacy, Tehran University of Medical Sciences
IF:2.5Q3
DOI:10.1007/s40199-024-00548-5
PMID:39613923
|
综述 | 本文综述了人工智能技术在提高医疗产品质量方面的最新进展和应用 | 整合了AI在药物靶点预测、产品开发加速及医疗质量提升中的综合应用视角 | 作为综述文章，未涉及具体实验数据或模型性能的深入分析 | 探讨AI技术如何优化医疗产品的开发流程、质量与成本效益 | 医疗产品（如药物）的开发与制造过程 | 机器学习 | NA | 机器学习、深度学习 | NA | 生物医学数据（如蛋白质结构、健康统计数据） | NA | NA | NA | NA | NA |