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 36434 篇文献，本页显示第 2301 - 2320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2301 | 2025-11-29 |
Fully Automated AI-Based Digital Workflow for Mirroring of Healthy and Defective Craniofacial Models
2025-Nov-12, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11110407
PMID:41295124
|
研究论文 | 开发并验证了一种基于人工智能的全自动数字工作流程，用于颅面模型的健康解剖结构分割和镜像重建 | 首次将三维nnU-Net分割与PCA-ICP镜像算法集成到全自动数字工作流程中，消除了传统方法对手动操作的依赖 | 研究仅基于388个颅骨CT扫描，需要更大样本量验证泛化能力 | 开发全自动颅面重建数字工作流程，提高重建精度和效率 | 颅面解剖结构，包括颅骨和下颌骨 | 数字病理 | 颅面缺陷 | CT扫描 | CNN | 三维医学图像 | 388个颅骨CT扫描 | NA | nnU-Net | Dice相似系数, 平均表面距离, 豪斯多夫距离, 角度偏差 | NA |
| 2302 | 2025-11-29 |
LatAtk: A Medical Image Attack Method Focused on Lesion Areas with High Transferability
2025-Nov-11, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11110404
PMID:41295121
|
研究论文 | 提出一种针对医学图像病灶区域的高迁移性对抗攻击方法LatAtk | 基于图像分割划分可攻击区域，提出梯度加权类激活映射的类激活损失函数和局部二值模式的纹理特征损失函数 | NA | 研究医学图像的对抗攻击以分析深度神经网络的安全漏洞 | 医学图像和深度神经网络模型 | 计算机视觉 | NA | 图像分割，对抗攻击 | DNN | 医学图像 | NA | NA | NA | 攻击性，迁移性，隐蔽性 | NA |
| 2303 | 2025-11-29 |
Integrating Deep Learning and Radiogenomics: A Novel Approach to Glioblastoma Segmentation and MGMT Methylation Prediction
2025-Nov-11, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11110403
PMID:41295120
|
研究论文 | 本研究开发了一种结合深度学习和放射基因组学的新方法，用于胶质母细胞瘤分割和MGMT甲基化状态预测 | 提出增强型U-Net模型进行肿瘤分割，并利用EfficientNetB0和ResNet50的混合分类器预测MGMT启动子甲基化状态 | NA | 建立影像特征与MGMT启动子甲基化状态的相关性，推进无创诊断模式 | 胶质母细胞瘤患者 | 医学影像分析 | 胶质母细胞瘤 | 放射基因组学 | CNN | 医学影像 | NA | NA | U-Net, EfficientNetB0, ResNet50 | Dice系数, 准确率, AUC | NA |
| 2304 | 2025-11-29 |
A Deep Learning-Based Approach for Explainable Microsatellite Instability Detection in Gastrointestinal Malignancies
2025-Nov-07, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11110398
PMID:41295115
|
研究论文 | 提出一种基于深度学习的可解释性方法，通过组织病理学图像检测胃肠道恶性肿瘤中的微卫星不稳定性 | 结合多种CNN架构和Vision Transformer模型，并引入三种类激活映射技术提供临床可解释性，同时提出量化不同类激活映射方法间一致性的鲁棒性指标 | 基于单一真实世界数据集，未提及外部验证结果 | 开发准确且可解释的微卫星不稳定性检测方法以促进深度学习在临床实践中的应用 | 胃肠道恶性肿瘤的组织病理学图像 | 数字病理学 | 胃肠道癌症 | 组织病理学图像分析 | CNN, Vision Transformer | 图像 | NA | NA | MobileNet, Inception, VGG16, VGG19, Vision Transformer | 准确率 | NA |
| 2305 | 2025-11-29 |
PGRF: Physics-Guided Rectified Flow for Low-Light RAW Image Enhancement
2025-Nov-06, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11110393
PMID:41295110
|
研究论文 | 提出一种物理引导的整流流框架PGRF，用于低光照RAW图像增强 | 提出物理基础复合噪声模型，联合考虑加性和乘性噪声分量，并采用逐像素噪声模拟与校准策略 | NA | 解决低光照条件下RAW图像增强问题 | 低光照RAW图像 | 计算机视觉 | NA | 物理建模噪声模拟 | 整流流生成模型 | RAW图像 | LLID基准数据集（索尼A7S II相机拍摄的室内低光照RAW图像） | NA | 整流流框架 | NA | NA |
| 2306 | 2025-11-29 |
RepSAU-Net: Semantic Segmentation of Barcodes in Complex Backgrounds via Fused Self-Attention and Reparameterization Methods
2025-Nov-06, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11110394
PMID:41295111
|
研究论文 | 提出一种融合自注意力机制和重参数化技术的RepSAU-Net模型，用于复杂背景下条形码的语义分割与信息解码 | 结合自注意力机制和RepVGG重参数化技术，在不显著增加计算负载的情况下提升全局信息捕获和特征提取能力 | NA | 在复杂背景下实现条形码的定位、语义分割、信息解码和恢复 | 宽视场图像中的商品条形码 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 30,000张图像（包含2000张宽视场背景图像和400张信息隐藏条形码图像） | NA | RepSAU-Net, RepVGG | MIoU, Accuracy, 推理速度 | NA |
| 2307 | 2025-11-29 |
Multi-Weather DomainShifter: A Comprehensive Multi-Weather Transfer LLM Agent for Handling Domain Shift in Aerial Image Processing
2025-Nov-06, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11110395
PMID:41295112
|
研究论文 | 提出一种多天气领域转换系统，通过合成数据和风格转换技术解决航空图像分割中的领域偏移问题 | 结合大型语言模型代理协调多天气领域转换，集成潜在空间风格转换模型和多模态雪景扩散模型，无需额外标注即可生成多种天气条件下的图像 | 依赖于合成数据集，真实场景适应性可能有限；未明确说明模型在极端天气条件下的表现 | 解决航空图像处理中因天气变化导致的领域偏移问题，提升模型在不同天气条件下的鲁棒性 | 航空图像，特别是受天气变化影响的遥感图像 | 计算机视觉 | NA | 风格转换，扩散模型，合成数据生成 | LLM, 风格转换模型, 扩散模型 | 图像 | ISPRS Vaihingen和Potsdam数据集 | NA | 潜在空间风格转换模型，多模态扩散模型 | NA | NA |
| 2308 | 2025-11-29 |
Single-cell resolution spatial transcriptomic signature of the retrosplenial cortex during memory consolidation
2025-Nov-04, Molecular psychiatry
IF:9.6Q1
DOI:10.1038/s41380-025-03331-3
PMID:41188622
|
研究论文 | 本研究通过空间转录组学技术揭示了压后皮层在空间记忆巩固过程中的分子特征 | 首次在单细胞分辨率下解析了压后皮层在记忆巩固过程中的转录组特征，并发现了阿尔茨海默病模型中神经元激活的异常 | 研究主要聚焦于早期记忆巩固阶段，未覆盖完整记忆过程；动物模型结果向人类应用的转化需要进一步验证 | 探索压后皮层在空间记忆巩固过程中的分子机制和细胞类型特异性变化 | 小鼠压后皮层神经元，包括正常小鼠和阿尔茨海默病模型小鼠 | 空间转录组学 | 阿尔茨海默病及相关痴呆 | 空间转录组学，Xenium空间转录组学，化学遗传学 | 深度学习 | 空间转录组数据，基因表达数据 | 未明确说明具体样本数量，但包含正常小鼠和ADRD模型小鼠 | NA | NA | NA | NA |
| 2309 | 2025-11-29 |
Next-Generation Advances in Prostate Cancer Imaging and Artificial Intelligence Applications
2025-Nov-03, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11110390
PMID:41295107
|
综述 | 探讨人工智能在前列腺癌影像诊断中的最新应用进展与未来发展方向 | 整合多模态影像数据与人工智能技术，探索影像组学、基因组学和临床数据融合的精准医疗新模式 | 面临数据异质性、算法泛化性、伦理考量和临床实施等挑战 | 提升前列腺癌影像诊断的准确性、效率和一致性 | 前列腺癌患者 | 数字病理 | 前列腺癌 | 多参数MRI、PSMA PET/CT、经直肠超声 | 机器学习,深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 2310 | 2025-11-29 |
Artificial Intelligence in Cardiac Electrophysiology: A Comprehensive Review
2025-Nov-03, Journal of personalized medicine
IF:3.0Q1
DOI:10.3390/jpm15110532
PMID:41295237
|
综述 | 本文全面回顾了人工智能在心脏电生理学领域的模型与应用 | 系统整合了AI在心脏电生理学中的多种临床应用场景并分析其发展潜力 | 存在数据安全、伦理透明度和临床采纳方面的挑战 | 探讨人工智能技术在心脏电生理学领域的应用现状与发展前景 | 心脏电生理学相关的诊断和治疗技术 | 医学人工智能 | 心血管疾病 | 机器学习,深度学习 | NA | 心电图,电生理数据 | NA | NA | NA | 诊断准确率,手术效率 | NA |
| 2311 | 2025-11-29 |
Deep learning-based volume of interest imaging in helical CT for image quality improvement and radiation dose reduction
2025-Nov-01, The British journal of radiology
DOI:10.1093/bjr/tqaf128
PMID:40971630
|
研究论文 | 开发基于深度学习的螺旋CT感兴趣区域成像技术，用于改善图像质量并降低辐射剂量 | 提出基于残差U-Net架构的VOI-Net深度学习方法来校正螺旋CT中的截断伪影，实现辐射剂量降低或感兴趣区域内图像质量提升 | 仅通过模拟评估了三个患者病例（胸部间质性肺病和肝脏肿瘤），样本量有限 | 开发螺旋CT感兴趣区域成像技术以减少辐射剂量或改善感兴趣区域内图像质量 | 间质性肺病患者的胸部CT和肝脏肿瘤患者的腹盆部CT | 医学影像处理 | 间质性肺病, 肝脏肿瘤 | 螺旋CT成像 | 深度学习 | CT图像 | 3例患者病例（1例胸部CT，2例腹盆部CT） | NA | 残差U-Net | 均方根误差, 辐射剂量减少百分比, 图像质量改善评估 | NA |
| 2312 | 2025-11-29 |
Enhancing lymph node diagnosis: integrating deep learning with endoscopic ultrasonography: a retrospective study in China
2025-Nov, Clinical endoscopy
IF:2.1Q3
DOI:10.5946/ce.2025.113
PMID:41147107
|
研究论文 | 本研究开发了一种结合深度学习和内镜超声的机器学习模型，用于纵隔和腹腔淋巴结的诊断分类 | 首次将U-Net分割与六种深度学习架构结合k近邻算法用于淋巴结分类，并比较了机器学习、专家组和逻辑回归模型的诊断性能 | 回顾性研究设计，样本量相对较小（93例患者），仅基于中国人群数据 | 提高内镜超声对纵隔和腹腔淋巴结的诊断性能并降低医疗成本 | 纵隔和腹腔淋巴结的内镜超声图像 | 医学影像分析 | 淋巴结疾病 | 内镜超声 | U-Net, CNN, k近邻算法, 逻辑回归 | 医学图像 | 93例患者，630张图像 | NA | U-Net, ResNet-50 | F1分数, 敏感性, AUC | NA |
| 2313 | 2025-11-29 |
HSNet: An adaptive fusion network based on laryngoscope-speech multimodal data for laryngeal disease classification
2025 Nov-Dec, American journal of otolaryngology
IF:1.8Q2
DOI:10.1016/j.amjoto.2025.104731
PMID:41151383
|
研究论文 | 提出基于喉镜图像和语音信号的多模态融合网络HSNet，用于喉部疾病分类 | 首次将喉镜图像与语音信号进行自适应融合，提出分层特征整合方法，在喉部疾病分类中表现优于单模态方法和现有多模态框架 | NA | 提高喉部疾病的诊断准确性，为临床提供快速精准的识别支持 | 六种喉部疾病 | 计算机视觉, 自然语言处理 | 喉部疾病 | 深度学习 | 多模态融合网络 | 图像, 语音信号 | NA | NA | HSNet | 准确率, 精确率, 召回率, 特异性, F1分数 | NA |
| 2314 | 2025-11-29 |
DemuxTrans: Transformer and temporal convolution network for accurate barcode demultiplexing in nanopore sequencing
2025-Nov-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf612
PMID:41288610
|
研究论文 | 提出一种结合Transformer和时间卷积网络的混合深度学习框架，用于纳米孔测序中的条形码解复用 | 首次将多层特征融合、Transformer和时间卷积网络结合，平衡局部特征提取、全局上下文建模和长期依赖捕获 | NA | 提高纳米孔直接RNA测序中条形码解复用的准确性和效率 | 纳米孔测序原始信号中的条形码识别 | 生物信息学 | NA | 纳米孔直接RNA测序(dRNA-seq) | Transformer, TCN | 纳米孔原始信号数据 | NA | NA | Transformer, Temporal Convolutional Network | 准确率, 召回率, F1分数 | NA |
| 2315 | 2025-11-29 |
Cross-modality 3D MRI synthesis via cycle-guided denoising diffusion probability model
2025-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.6.064003
PMID:41292517
|
研究论文 | 提出一种基于循环引导去噪扩散概率模型的跨模态MRI合成框架，用于从现有模态生成高质量目标模态的磁共振图像 | 采用两个互连的条件扩散概率模型，并引入循环引导的逆向潜在噪声正则化来增强合成一致性和解剖保真度 | NA | 解决临床实践中MRI序列缺失的挑战，实现跨模态MRI合成 | 三维脑部MRI图像 | 医学影像分析 | 脑部疾病 | 磁共振成像 | 扩散概率模型 | 三维医学图像 | BraTS2020数据集中的脑部MRI图像 | NA | 条件扩散概率模型 | MSSIM, PSNR, MAE | NA |
| 2316 | 2025-11-29 |
Impact of image preprocessing on dermatological OCTA vessel segmentation: a DERMA-OCTA study
2025-Nov, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.30.11.116005
PMID:41293065
|
研究论文 | 评估不同图像预处理方法对皮肤OCTA血管分割精度的影响 | 首次系统评估多种OCTA预处理步骤对深度学习血管分割的影响，并引入拓扑感知的评估指标 | 模型对不同病理血管模式的泛化能力存在挑战，数据集规模有限 | 评估OCTA预处理步骤对血管分割精度的影响，确定最适合皮肤OCTA数据的网络设计和评估指标 | 皮肤微血管系统 | 数字病理 | 皮肤病 | 光学相干断层扫描血管成像(OCTA) | CNN | 3D体积图像 | 330个来自不同皮肤状况的体积数据 | NA | 2D CNN, 3D CNN | 准确率, 连通性-面积-长度指数 | NA |
| 2317 | 2025-11-29 |
Fourier ptychographic enhancement of iterative pathways: autonomous 3D momentum coordination in hybrid ML-PIE architectures
2025-Nov-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.577400
PMID:41293679
|
研究论文 | 提出一种结合傅里叶叠层衍射成像与机器学习的混合架构，通过三维自主迭代路径设计解决传统优化稳定性问题 | 将重建阶段视为第三空间维度，将传统二维定点调优问题转化为系统参数空间规划问题，提出仅需单个超参数的Adam-DPIE方法 | 未明确说明计算资源需求和具体应用场景的局限性 | 解决混合ML-PIE架构中优化与稳定性之间的根本冲突，实现高性能生物医学成像系统 | 傅里叶叠层衍射显微镜成像重建过程 | 计算成像 | NA | 傅里叶叠层衍射显微术 | 混合物理-机器学习模型 | 显微成像数据 | NA | 自适应矩估计算法框架 | Adam-DPIE（动态PIE与自适应矩估计集成） | 优化稳定性, 收敛性能, 超参数敏感性 | NA |
| 2318 | 2025-11-29 |
Time-step encoded high-frequency enhanced diffusion model for OCT retinal image denoising
2025-Nov-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.575221
PMID:41293688
|
研究论文 | 提出一种基于时间步编码的高频增强扩散模型用于OCT视网膜图像去噪 | 采用冷扩散框架，通过频域信息解耦与分处理及跨域连接保留高频细节，并设计时间步感知注意力模块指导重建 | NA | 解决OCT图像散斑噪声导致图像质量下降的问题，同时避免过度平滑和保留高频细节 | OCT视网膜图像 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描 | 扩散模型 | 图像 | 两个公共OCT视网膜去噪数据集和一个私有数据集 | NA | THFN-OCT | NA | NA |
| 2319 | 2025-11-29 |
MediONN: an integrated photonic chip optical neural network for deep learning-based semantic segmentation in early detection of pancreatic cancer
2025-Nov-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.574635
PMID:41293690
|
研究论文 | 提出一种用于胰腺癌早期检测的集成光子芯片光学神经网络系统MediONN，专门针对3D医学图像分割任务 | 首个将光学神经网络直接应用于3D分割任务的系统，采用分层3D光学计算框架和分割专用高斯权重初始化策略 | 在NIH胰腺CT数据集上的平均Dice相似系数相对较低（2D: 0.5215, 3D: 0.5302） | 开发高效的光学神经网络系统用于胰腺癌早期检测中的医学图像分割 | 胰腺CT医学图像 | 医学图像分析 | 胰腺癌 | 光学神经网络，3D医学图像分割 | 光学神经网络 | 3D医学图像 | NIH胰腺CT数据集 | NA | 分层3D光学计算框架，4×4光子神经处理器，3D光学卷积层 | Dice相似系数 | 集成光子芯片 |
| 2320 | 2025-11-29 |
Deep learning optimized dual-analyte detection-based biosensor for monitoring pregnancy stage using a urine sample
2025-Nov-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.580226
PMID:41293703
|
研究论文 | 本研究提出了一种混合深度学习方法，用于设计和优化基于光子晶体光纤的表面等离子体共振多分析物生物传感器 | 开发了混合RNN-LSTM模型预测限制损耗，在传感器性能预测方面优于其他深度学习和机器学习模型 | 基于有限元方法的仿真数据，需要实际实验验证 | 改进多分析物生物传感器的设计和性能预测 | 光子晶体光纤表面等离子体共振生物传感器 | 机器学习 | 妊娠监测 | 表面等离子体共振，光子晶体光纤 | RNN,LSTM | 仿真数据 | 包含各种传感器参数和折射率值的综合数据集 | NA | RNN-LSTM混合模型 | MSE,MAE,R,振幅灵敏度,波长灵敏度,传感器分辨率 | NA |