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 38849 篇文献，本页显示第 2261 - 2280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2261 | 2026-01-01 |
A deep learning based automated maxillary sinus segmentation and bone grafts analysis in CBCT images
2025-Dec-31, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02275-w
PMID:41469515
|
研究论文 | 本研究开发并验证了一种名为SA-ai的深度学习系统，用于自动分割上颌窦并分析CBCT图像中的骨移植体积 | 提出了一种结合2D U-Net和3D V-Net的全自动深度学习系统，用于量化上颌窦骨增量，实现了超过20倍的工作流效率提升 | 研究仅基于85名患者的配对CBCT数据集，样本量相对有限，且未明确提及外部验证 | 优化种植体治疗，通过自动化系统精确评估上颌窦骨增量后的骨获得情况 | 上颌窦骨增量患者的CBCT图像 | 数字病理学 | NA | CBCT成像 | CNN | 图像 | 85名患者的配对CBCT数据集 | NA | 2D U-Net, 3D V-Net | Dice系数, 配准RMSE, ICC | NA |
| 2262 | 2026-01-01 |
Editorial for "Deep Learning-Based Brainstem Segmentation and Multi-Class Classification for Parkinsonian Syndrome"
2025-Dec-31, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70210
PMID:41473963
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2263 | 2026-01-01 |
Test-Time Adaptation for Detecting Image Inpainting Forgeries
2025-Dec-30, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2025.3647640
PMID:41468337
|
研究论文 | 提出一种用于检测图像修复伪造的测试时自适应检测框架 | 提出基于图像梯度的模型不确定性度量指标来协调整个自适应过程，并引入跨注意力模块作为侧调模块，使模型能在不改变主干网络的情况下动态适应可靠的测试样本 | NA | 解决图像修复伪造检测模型在测试样本与训练数据存在差异时性能显著下降的问题 | 深度学习生成的图像修复伪造图像 | 计算机视觉 | NA | NA | CNN | 图像 | 包含多种修复方法生成的合成图像数据集 | PyTorch | ResNet | 准确率 | NA |
| 2264 | 2026-01-01 |
Improvements to Casanovo, a Deep Learning De Novo Peptide Sequencer
2025-Dec-30, Journal of proteome research
IF:3.8Q1
DOI:10.1021/acs.jproteome.5c00706
PMID:41468557
|
研究论文 | 本文介绍了对Casanovo这一深度学习从头肽段测序器的系列改进，旨在提升其评分可解释性、通用性、运行效率及用户体验 | 通过增强评分可解释性、扩展软件至数据库搜索应用、加速训练与预测过程，并引入工作流和可视化工具，提升了Casanovo的实用性和易用性 | 未明确提及具体性能提升的量化数据或与其他工具的对比分析 | 改进Casanovo深度学习模型，使其在蛋白质组学应用中更准确、易用 | 质谱和蛋白质组学数据中的肽段序列 | 机器学习 | NA | 质谱分析 | 深度学习模型 | 质谱数据 | NA | NA | Casanovo | NA | NA |
| 2265 | 2026-01-01 |
Development and Validation of a Multimodal Deep Learning Model for Early Esophageal Squamous Neoplasia Detection and Invasion Depth Prediction
2025-Dec-30, Endoscopy
IF:11.5Q1
DOI:10.1055/a-2780-0974
PMID:41468904
|
研究论文 | 开发并验证了一种基于多模态深度学习的模型MUMA-EDx，用于早期食管鳞状细胞癌的检测和浸润深度预测 | 首次将放大内镜和超声内镜成像通过深度学习进行特征级融合，显著提升了早期食管鳞癌的识别和浸润深度评估性能 | 模型在外部验证队列中对于多类浸润深度分类的AUC有所下降，表明可能存在泛化性限制 | 提高早期食管鳞状细胞癌的诊断准确性和浸润深度预测能力 | 食管鳞状细胞癌患者的内镜图像数据 | 数字病理学 | 食管癌 | 放大内镜，超声内镜 | 深度学习 | 图像 | 回顾性数据集460名患者（20,889张图像），前瞻性队列131名患者（9,124张图像） | NA | TResNet_m | AUC-ROC，准确率，灵敏度，特异性，阳性预测值，阴性预测值 | NA |
| 2266 | 2026-01-01 |
A PIKAN-based model for the prediction of the temperature fields of castings
2025-Dec-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-32973-0
PMID:41469430
|
研究论文 | 本研究提出了一种基于PIKAN的深度学习模型，用于预测铸造过程中二维温度场的演化 | 提出了一种结合物理损失与数据损失的损失函数，并通过贝叶斯优化确定最优权重参数，同时采用多铸造几何形状进行预训练以提高预测效率 | NA | 优化铸造工艺，通过深度学习预测铸造凝固过程中的温度场 | 铸造过程中的温度场 | 机器学习 | NA | 深度学习 | MLP | 时空参数数据 | NA | NA | PIKAN | 绝对误差, 平均温度误差, 平均准确率 | NA |
| 2267 | 2026-01-01 |
DCPR: a deep learning framework for circadian phase reconstruction
2025-Dec-30, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06363-2
PMID:41469552
|
研究论文 | 本文开发了一种名为DCPR的无监督深度学习框架，用于从非定时转录组数据中准确重建昼夜节律相位 | 提出了一种新的无监督深度学习框架DCPR，在昼夜节律相位估计方面优于现有方法，并通过模拟数据、真实数据、知识库挖掘和离体实验数据进行了全面验证 | 未明确提及具体局限性 | 开发一个深度学习框架，用于从非定时转录组数据中重建昼夜节律相位，以促进昼夜节律相关疾病治疗方法的发现 | 昼夜节律系统及其基因表达振荡模式 | 机器学习 | 昼夜节律相关行为与病理障碍 | 转录组学 | 深度学习 | 转录组数据 | NA | NA | NA | NA | NA |
| 2268 | 2026-01-01 |
Prioritizing missense mutations via a deep learning phosphorylation prediction model
2025-Dec-30, Human genomics
IF:3.8Q2
DOI:10.1186/s40246-025-00898-4
PMID:41469746
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2269 | 2026-01-01 |
GLANCE: continuous global-local exchange with consensus fusion for robust nodule segmentation
2025-Dec-30, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02251-4
PMID:41469800
|
研究论文 | 本文提出了一种名为GLANCE的新型双流架构，用于从CT扫描中准确分割和检测肺结节，以克服现有深度学习模型的局限性 | GLANCE通过跨尺度共识融合机制，持续整合全局上下文变换器和多感受野分组空洞混合器的互补特征流，防止表示冲突并促进协同学习 | NA | 提高肺结节的准确分割和检测，以支持早期肺癌诊断 | 肺结节 | 计算机视觉 | 肺癌 | CT扫描 | Transformer, CNN | 图像 | 四个公共基准数据集（LIDC-IDRI, LNDb, LUNA16, Tianchi） | NA | GLANCE, 全局上下文变换器, 多感受野分组空洞混合器, 双头金字塔细化解码器 | NA | NA |
| 2270 | 2026-01-01 |
Artificial intelligence technology for the ethical issues research from a Marxist perspective under deep learning
2025-Dec-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34208-8
PMID:41469803
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2271 | 2026-01-01 |
Enhancing crayfish sex identification with Kolmogorov-Arnold networks and stacked autoencoders
2025-Dec-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34095-z
PMID:41469793
|
研究论文 | 本研究利用Kolmogorov-Arnold网络和堆叠自编码器，结合传统机器学习和深度学习模型，对小龙虾的性别进行二元分类，旨在提升分类性能 | 提出了一种基于堆叠自编码器的新型架构，并首次将Kolmogorov-Arnold网络应用于小龙虾性别分类任务，展示了混合人工智能模型的有效性 | 数据集中存在类别不平衡问题，且部分模型在性能提升方面表现不一致 | 提升小龙虾性别分类的准确性和效率，以支持淡水生态系统的人口结构分析 | 小龙虾的性别分类 | 机器学习 | NA | NA | Kolmogorov-Arnold网络, 自编码器, 支持向量机, 多层感知器, 朴素贝叶斯 | 表格数据, 图像数据 | NA | NA | 堆叠自编码器 | 准确率 | NA |
| 2272 | 2026-01-01 |
Computer vision in aquaculture: transforming fish freshness monitoring
2025-Dec-30, Critical reviews in food science and nutrition
IF:7.3Q1
DOI:10.1080/10408398.2025.2607533
PMID:41472339
|
综述 | 本文综述了计算机视觉技术在鱼类新鲜度评估中的应用，重点关注过去十年的进展，包括传统方法和深度学习方法，并探讨了高级成像技术的整合及面临的挑战 | 系统地将鱼类新鲜度评估任务分为新鲜度指标、纹理特征和生化变化三个关键方面，并全面介绍了常用算法模型，同时强调了高级成像技术（如高光谱和热成像）的整合，以检测传统成像技术无法捕捉的生化与微生物变化 | 未具体说明模型性能的量化比较或实际应用中的可扩展性限制 | 探讨计算机视觉技术在鱼类新鲜度监测中的应用，以提升鱼类产品的新鲜度和安全性，优化供应链管理 | 鱼类新鲜度评估，包括新鲜度指标、纹理特征和生化变化 | 计算机视觉 | NA | 计算机视觉、图像处理、高光谱成像、热成像 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 2273 | 2026-01-01 |
Real-time cognitive workload assessment using non-intrusive methods: a systematic review
2025-Dec-30, Ergonomics
IF:2.0Q3
DOI:10.1080/00140139.2025.2606779
PMID:41472475
|
综述 | 本文系统综述了实时认知负荷评估的非侵入性方法，总结了50项研究中的实践、方法趋势和技术进展 | 通过任务分类揭示生理测量与任务需求之间的对应关系，并指出混合方法在现实世界应用中的适应性框架发展趋势 | NA | 评估实时认知负荷以提升人类表现和安全性 | 认知负荷监测的生理和行为数据 | 机器学习 | NA | 心电图（ECG）、光电容积脉搏波（PPG）、皮肤电活动（EDA）、眼动追踪、脑电图（EEG）、皮肤温度（SKT） | 传统机器学习、统计模型、深度学习模型 | 生理和行为数据 | 50项研究 | NA | NA | NA | NA |
| 2274 | 2026-01-01 |
La-Doped Mullite Bi2Fe4O9 Chemiresistive Gas Sensor for Ultra-Highly Selective Detection of Ethylene Glycol
2025-Dec-30, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202517585
PMID:41472488
|
研究论文 | 本文报道了一种镧掺杂莫来石型铁酸铋（La-BiFeO）化学电阻式气体传感器的合成及其对乙二醇蒸气的高选择性检测性能 | 首次报道了镧掺杂莫来石型铁酸铋材料，通过原子级掺杂调控氧空位浓度，结合原位红外光谱与DFT计算阐明乙二醇表面氧化反应机制，并集成了可穿戴实时监测平台与深度学习算法 | 未明确说明传感器在极端温湿度环境下的性能表现，也未涉及与其他类型传感器的对比研究 | 开发高选择性、高稳定性的乙二醇蒸气检测传感器，用于工业安全与环境监测 | 乙二醇蒸气 | 化学传感器 | NA | 原子分辨率成像、微化学分析、原位红外光谱、密度泛函理论计算 | 深度学习算法 | 气体传感信号数据 | 未明确说明 | 未明确说明 | 未明确说明 | 选择性、重现性、长期稳定性、检测限 | 未明确说明 |
| 2275 | 2026-01-01 |
Learning Protein Structure Representation with Orientation-Aware Networks
2025-Dec-29, Journal of computational biology : a journal of computational molecular cell biology
IF:1.4Q2
DOI:10.1177/15578666251406300
PMID:41468157
|
研究论文 | 提出了一种新颖的深度学习框架——方向感知图神经网络（OA-GNNs），用于更准确地表示蛋白质三维结构中的精细方向关系 | 通过将神经网络权重从标量扩展到3D定向权重，并实现确保SO(3)等变性的等变消息传递范式，首次明确建模了局部和全局几何特征（包括残基内扭转角和残基间方向） | 未在摘要中明确说明 | 开发能够准确捕捉蛋白质结构中氨基酸间精细方向关系的表示学习方法，以促进对蛋白质机制的理解和计算蛋白质分析 | 蛋白质三维结构 | 计算生物学 | NA | 深度学习 | 图神经网络（GNN） | 蛋白质结构数据 | 未在摘要中明确说明 | 未在摘要中明确说明 | 方向感知图神经网络（OA-GNNs） | 未在摘要中明确说明具体指标，但提及在多个任务上达到最先进性能 | 未在摘要中明确说明 |
| 2276 | 2026-01-01 |
Interpretable deep learning for dynamic rainfall-runoff prediction: Integrating adaptive signal decomposition and spatiotemporal feature extraction
2025-Dec-29, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.128444
PMID:41468612
|
研究论文 | 本研究提出了一种结合自适应信号分解和时空特征提取的降雨径流预测模型，以提高预测精度和可解释性 | 创新点包括应用自适应粒子群优化变分模态分解算法进行多尺度分解和去噪，以及采用时空注意力机制动态探索降雨径流数据的时空依赖关系，并通过注意力权重可视化增强模型可解释性 | 未明确提及具体局限性，如模型泛化能力或计算复杂度 | 提高降雨径流预测的准确性，并增强模型对复杂非线性时空数据的建模和预测能力 | 降雨径流数据，特别是具有非线性和非平稳特性的时间序列 | 机器学习 | NA | 自适应粒子群优化变分模态分解算法，时空注意力机制 | 门控循环单元 | 时间序列数据 | NA | NA | NA | 纳什效率系数, 均方根误差, 平均绝对误差, 相关系数 | NA |
| 2277 | 2026-01-01 |
[Image classification of osteoarthritis based on improved shifted windows transformer and graph convolutional networks]
2025-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202504039
PMID:41448761
|
研究论文 | 本文提出了一种基于改进的Swin Transformer和图卷积网络的骨关节炎自动诊断方法 | 设计了移位窗口水平注意力机制以增强水平方向特征提取能力，并引入了中心注意力图SAGE模块通过动态注意力机制对病灶区域特征信息进行加权聚合，同时利用跨层连接技术实现多层特征的高效融合 | NA | 提高骨关节炎早期诊断的准确性 | 骨关节炎的X射线图像 | 计算机视觉 | 骨关节炎 | X射线成像 | Transformer, 图卷积网络 | 图像 | NA | NA | 改进的Swin Transformer, 图SAGE | 准确率, 召回率, 精确率, F1分数, AUC | NA |
| 2278 | 2026-01-01 |
[Research progress on quantitative magnetic susceptibility imaging reconstruction method based on improved U-network model]
2025-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202412074
PMID:41448772
|
综述 | 本文总结了2020年至今基于改进U-Net架构在定量磁化率成像（QSM）偶极子反演中的应用进展 | 将基于U-Net架构的改进模型系统分为三类：基于结构优化、物理约束和泛化能力提升的改进U-Net，并梳理了其设计出发点 | NA | 通过总结和比较不同改进U-Net模型，解决偶极子反演的困难与挑战，提高QSM图像准确性，为疾病辅助诊断提供支持 | 定量磁化率成像（QSM）的偶极子反演过程 | 计算机视觉 | NA | 磁共振成像（MRI）相位信号处理与反演 | U-Net | 图像 | NA | NA | U-Net | NA | NA |
| 2279 | 2026-01-01 |
[Review of application of U-Net and Transformer in colon polyp image segmentation]
2025-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202405039
PMID:41448773
|
综述 | 本文综述了U-Net和Transformer在结肠息肉图像分割中的应用，包括常用评估指标、数据集、模型改进方法及未来研究方向 | 系统性地回顾了基于U-Net、Transformer及其混合方法在结肠息肉分割领域的应用，并总结了算法的改进方法、优势与局限性 | NA | 探讨深度学习技术在结肠息肉图像分割中的应用，以辅助临床诊断 | 结肠息肉图像 | 计算机视觉 | 结直肠癌 | 深度学习 | CNN, Transformer | 图像 | NA | NA | U-Net, Transformer | NA | NA |
| 2280 | 2026-01-01 |
Learning to learn ecosystems from limited data
2025-Dec-23, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2525347122
PMID:41405860
|
研究论文 | 本文提出了一种基于元学习的框架，利用时间延迟前馈神经网络从有限数据中预测生态系统的长期行为 | 通过元学习框架，结合非生态非线性动力系统的合成数据，显著减少对生态系统观测数据的需求，提高预测准确性和鲁棒性 | 未明确说明框架在极端或高度非线性生态系统中的泛化能力，且对真实世界数据的适用性仍需进一步验证 | 开发数据驱动方法，解决生态系统状态估计和预测中数据稀缺的挑战 | 生态系统，包括基准种群模型（如Hastings-Powell模型、Lotka-Volterra系统）和真实世界生态数据集（微生物时间序列数据集、全球种群动态数据库） | 机器学习 | NA | 元学习、时间延迟前馈神经网络 | 神经网络 | 时间序列数据 | 未明确具体样本数量，但涉及三个基准种群模型和两个真实世界数据集 | 未指定 | 时间延迟前馈神经网络 | 准确性、鲁棒性 | NA |