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 2681 - 2700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2681 | 2025-11-25 |
Pose estimation of differential drive robots using deep learning and raw sensor inputs
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25207-w
PMID:41271966
|
研究论文 | 提出一种基于深度学习和原始传感器输入的差速驱动机器人位姿估计方法 | 直接使用原始传感器数据而不进行特征提取，在输入数据中融入真实IMU传感器噪声 | 实验数据规模相对较小（仅9条真实实验路径） | 估计移动机器人的位置和方向 | 差速驱动轮式移动机器人 | 机器学习 | NA | 惯性测量单元(IMU)传感，纯追踪算法 | CNN, LSTM, GB, RF | 传感器原始数据 | 2018条路径（2009条仿真，9条真实实验） | NA | 卷积神经网络，长短期记忆网络，梯度提升，随机森林 | 位置和方向估计精度 | NA |
| 2682 | 2025-11-25 |
AI-driven real-time responsive design of urban open spaces based on multi-modal sensing data fusion
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25143-9
PMID:41271992
|
研究论文 | 提出一种基于多模态传感数据融合的AI驱动实时响应式城市开放空间设计方法 | 采用分层数据融合架构处理异构传感器数据，结合深度学习和强化学习实现动态空间优化，达到亚100毫秒响应时间 | 仅在三个代表性城市场地进行实验验证，需要更多实际部署案例证明普适性 | 开发能够持续适应变化条件、优化资源利用并提升用户体验质量的智能城市环境 | 城市开放空间，特别是高密度城市区域的公共交通导向公共空间 | 机器学习 | NA | 多模态传感数据融合 | 深度学习,强化学习 | 视觉数据,声学数据,环境数据 | 三个代表性城市场地，包括上海大都会中央广场2.4公顷公共空间 | NA | NA | 空间利用效率,行人流优化,运营成本,用户满意度,环境质量指标 | 优化计算架构,智能缓存策略 |
| 2683 | 2025-11-25 |
An intelligent fusion-based transfer learning model with artificial protozoa optimiser for enhancing gesture recognition to aid visually impaired people
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25244-5
PMID:41272029
|
研究论文 | 提出一种基于人工原生动物优化器的迁移学习融合模型，用于增强手势识别以帮助视障人士 | 结合VGG16、InceptionV3和ResNet-50三种迁移学习模型进行特征提取，并采用人工原生动物优化器自动调整堆叠稀疏自编码器的超参数 | 仅使用印度手语数据集进行验证，未在其他数据集或实际场景中测试 | 通过深度学习技术提升手势识别准确率，帮助视障人士改善人机交互体验 | 手语手势图像数据 | 计算机视觉 | 视力障碍 | 图像处理、深度学习 | CNN, 自编码器, 优化算法 | 图像 | 印度手语数据集 | TensorFlow, Keras | VGG16, InceptionV3, ResNet-50, 堆叠稀疏自编码器 | 准确率 | NA |
| 2684 | 2025-11-25 |
Leveraging artificial intelligence in antibody-drug conjugate development: from target identification to clinical translation in oncology
2025-Nov-21, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-01159-2
PMID:41272032
|
综述 | 本文综述人工智能在抗体偶联药物开发全流程中的应用与前景 | 系统阐述AI在ADC开发中从靶点识别到临床转化的全流程赋能策略，提出可解释模型架构和闭环实验平台等战略重点 | 依赖高质量多模态数据集，模型可解释性仍需加强，临床转化存在验证挑战 | 探讨人工智能如何优化抗体偶联药物的开发流程并推动肿瘤精准治疗 | 抗体偶联药物的开发流程及肿瘤治疗应用 | 人工智能在药物开发 | 肿瘤学 | 多组学整合、图学习、生成模型、深度学习、Transformer框架 | 图神经网络、生成模型、Transformer、深度学习 | 多组学数据、结构数据、临床数据、真实世界数据 | NA | NA | Transformer, 图神经网络, 生成模型 | 预测准确性, 机制清晰度 | NA |
| 2685 | 2025-11-25 |
Graph-based federated learning approach for intrusion detection in IoT networks
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25175-1
PMID:41272034
|
研究论文 | 提出一种基于图联邦学习的物联网入侵检测方法FedGATSage，解决现有方法在结构和时序模式捕获上的不足 | 集成客户端图注意力网络与服务器端GraphSAGE，通过社区抽象同时保留结构关系和时序模式 | 未明确说明模型在更大规模物联网网络中的扩展性 | 开发能够检测协同攻击的物联网入侵检测系统 | 物联网网络中的网络入侵行为，特别是DDoS等协同攻击 | 机器学习 | NA | 图神经网络，联邦学习 | GAT, GraphSAGE | 网络图数据，时序数据 | NF-ToN-IoT和CIC-ToN-IoT数据集 | NA | Graph Attention Networks, GraphSAGE | 检测准确率，通信开销 | NA |
| 2686 | 2025-11-25 |
OCRNet a robust deep learning framework for alphanumeric character recognition to assist the visually impaired
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25278-9
PMID:41272045
|
研究论文 | 提出一种用于字母数字字符识别的鲁棒深度学习框架OCRNet，旨在辅助视觉障碍人士 | 设计43层优化神经网络结合门控循环单元(GRU)的混合模型，在动态环境中实现字符识别，并在树莓派平台上实现便携部署 | NA | 开发实时文本识别系统以辅助视觉障碍人士与环境交互 | 62个字母数字字符（包括大小写字母和数字） | 计算机视觉 | 视觉障碍 | 光学字符识别(OCR) | CNN, GRU | 图像 | NA | NA | 自定义43层神经网络, GRU | 准确率, 精确率, 召回率, F1分数 | 树莓派平台 |
| 2687 | 2025-11-25 |
Enhanced YOLOv7 with CDP-ELAN and gather-distribute mechanism for robust smoke and flame detection
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25306-8
PMID:41272099
|
研究论文 | 提出一种增强型YOLOv7模型CGDS-YOLO，用于鲁棒的烟雾和火焰检测 | 引入CDP-ELAN模块融合坐标卷积、多样化分支块和部分卷积，采用聚集-分发机制改进多尺度信息融合，使用SlimNeck结构减少参数并保留细节，采用归一化Wasserstein距离增强小目标检测 | NA | 改进基于深度学习的火灾检测方法，解决特征感知弱、信息丢失、计算成本高和小目标检测性能差等问题 | 烟雾和火焰检测 | 计算机视觉 | NA | NA | YOLO | 图像 | 自制烟雾火焰数据集和公开Visdrone数据集 | NA | YOLOv7, CDP-ELAN, SlimNeck | mAP | NA |
| 2688 | 2025-11-25 |
Explainable AI for intelligent green energy forecasting: deep learning with iHow optimization algorithm (iHOW)
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-26167-x
PMID:41272235
|
研究论文 | 本研究提出了一种结合动态时间卷积网络、特征选择方法和iHow优化算法的可解释人工智能方法，用于绿色能源预测 | 整合了动态时间卷积网络(DTCNs)、特征选择方法和新型元启发式优化算法iHow，显著提高了绿色能源预测精度 | NA | 提高绿色能源预测精度，支持有效的能源管理和电网可靠性 | 太阳能和风能等可再生能源的发电量预测 | 机器学习 | NA | 深度学习，元启发式优化算法 | 动态时间卷积网络(DTCNs) | 时间序列数据 | NA | NA | 动态时间卷积网络(DTCNs) | 均方误差(MSE), R平方值(R²) | NA |
| 2689 | 2025-11-25 |
Research on the prediction of slow blood flow in pPCI of STEMI patients based on CatBoost
2025-Nov-21, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-03406-5
PMID:41272650
|
研究论文 | 本研究基于CatBoost算法预测STEMI患者直接经皮冠状动脉介入治疗后的慢血流现象 | 结合36种数据填补与平衡方法的组合，并集成8种机器学习方法，最终使用贝叶斯优化的CatBoost模型进行预测 | 数据仅来自南宁市四家三甲医院，样本来源相对局限 | 预测STEMI患者pPCI术后慢血流风险，为早期干预提供依据 | 接受直接经皮冠状动脉介入治疗的STEMI患者 | 机器学习 | 心血管疾病 | GAN数据填补，贝叶斯超参数优化 | CatBoost, 集成机器学习 | 临床数据 | 来自四家三甲医院的pPCI患者数据 | CatBoost, Optuna | CatBoost | AUC, F1-score, ROC曲线 | NA |
| 2690 | 2025-11-25 |
Computational Approaches to Neurological Disorder Diagnosis: An In-Depth Review of Current Methods and Future Prospects
2025-Nov-21, Current medical imaging
IF:1.1Q3
|
综述 | 本文对五种主要神经系统疾病（阿尔茨海默病、帕金森病、癫痫、亨廷顿病和肌萎缩侧索硬化）的计算诊断方法进行了全面分析 | 系统评估了140项同行评审研究，整合了多模态数据并探讨了深度学习等新兴技术在神经诊断中的潜力 | 临床实施仍面临挑战，诊断精度和患者预后有待进一步改善 | 改善神经系统疾病的诊断精度和患者预后 | 阿尔茨海默病、帕金森病、癫痫、亨廷顿病和肌萎缩侧索硬化五种神经系统疾病 | 机器学习 | 神经系统疾病 | 机器学习算法、神经影像技术、电生理信号分析 | 深度学习 | 多模态数据 | 基于140项同行评审研究的综合分析 | NA | NA | 有效性、准确性 | NA |
| 2691 | 2025-07-24 |
Integrating radiology and histology via co-attention deep learning for predicting progression-free survival in patients with metastatic prostate cancer
2025-Nov-20, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000003697
PMID:40693634
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2692 | 2025-11-25 |
Comparative Evaluation of Deep Learning Models for 3D Segmentation and Volumetry of Vestibular Schwannomas Using Large Heterogeneous Datasets with External Validation
2025-Nov-19, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9112
PMID:41260669
|
研究论文 | 本研究比较了五种深度学习模型在听神经瘤3D分割和体积测量中的性能，并评估了其对数据异质性的鲁棒性和外部验证的泛化能力 | 首次在大规模异质性数据集上系统比较了包括CNN、Transformer和基础模型在内的五种深度学习模型在听神经瘤3D分割中的表现，并进行了外部验证 | 对小肿瘤(<200mm³)的分割性能相对较低(Dice评分0.848-0.854)，模型性能受肿瘤体积大小影响 | 评估和比较深度学习模型在听神经瘤3D分割和体积测量中的性能 | 听神经瘤患者 | 医学图像分析 | 听神经瘤 | T1对比增强MRI成像 | 深度学习分割模型 | 3D医学图像 | 内部数据集：2,692个扫描(383名患者)用于训练，277个扫描(97名患者)用于测试；外部测试集：241个扫描 | nnUNet, U-Mamba, UNETR, MedSAM | nnUNet(base, ResEncL), U-Mamba, UNETR, MedSAM | Dice相似系数, Hausdorff距离, 表面到表面距离, 相对体积误差 | NA |
| 2693 | 2025-11-25 |
Personalized real-time inference of momentary excitability from human EEG
2025-Nov-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121547
PMID:41135744
|
研究论文 | 提出PRIME深度学习框架，通过原始EEG信号实时预测皮层兴奋性 | 首次直接从原始EEG信号预测TMS诱发电位幅度，结合迁移学习和持续自适应技术实现个性化生物标志物识别 | 目前仅验证于运动皮层，其他皮层区域的适用性尚未建立 | 开发实时脑皮层兴奋性推断方法以改进经颅磁刺激治疗效果 | 人类脑电图信号和皮层兴奋性 | 机器学习 | 神经系统疾病 | 脑电图, 经颅磁刺激 | 深度学习 | 脑电图信号 | NA | NA | NA | 预测精度, 延迟时间 | NA |
| 2694 | 2025-11-25 |
Real-time deep learning for tumor segmentation and tool tracking: development and validation of an AI navigation system in vacuum-assisted breast biopsy
2025-Nov-13, World journal of surgical oncology
IF:2.5Q1
DOI:10.1186/s12957-025-04087-4
PMID:41225484
|
研究论文 | 开发并验证了一种基于YOLOv11深度学习架构的实时AI导航系统，用于真空辅助乳腺活检中的肿瘤分割和工具追踪 | 首个专门为真空辅助乳腺活检设计的实时AI导航系统，采用两阶段深度学习架构实现肿瘤定位和工具实时追踪 | 研究样本仅来自单一医疗中心，需要多中心验证来确认泛化能力 | 开发实时AI导航系统以辅助缺乏放射学经验的年轻医生在真空辅助乳腺活检中准确定位病灶和活检针 | 乳腺病灶和活检工具 | 计算机视觉 | 乳腺疾病 | 超声成像 | YOLO | 超声图像 | 来自167例真空辅助乳腺活检的22,278张标注超声图像 | NA | YOLOv11 | mAP50, 处理速度 | GPU和CPU平台 |
| 2695 | 2025-11-25 |
Motion-Informed 3D Deep Learning Reconstruction in Patients with Cognitive Impairment
2025-Nov-13, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8977
PMID:41062184
|
研究论文 | 开发并验证一种集成运动校正的深度学习重建方法，用于改善认知障碍患者3D T1加权脑MRI的图像质量 | 将回顾性运动校正整合到深度学习重建流程中，专门针对3D脑MRI采集中的运动伪影问题 | 样本量相对较小（41名参与者），研究时间范围有限（2022年10月至2023年8月） | 验证集成运动校正的深度学习重建方法在3D脑MRI中的效果 | 健康志愿者和记忆丧失评估患者 | 医学影像分析 | 认知障碍 | 3D MPRAGE序列，SAMER采集技术 | 深度学习 | 3D脑MRI图像 | 41名参与者（15名女性，37%），154个图像体积 | NA | NA | 分割误差，Likert量表评分，Wilcoxon检验，组内相关系数 | NA |
| 2696 | 2025-11-25 |
The Ongoing Evolution of AI in Craniofacial Surgery: From Theory to Reality and Beyond
2025-Nov-10, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000012123
PMID:41213058
|
综述 | 概述人工智能在颅面外科领域的理论发展、当前应用及未来方向 | 系统梳理AI在颅面外科围手术期各阶段的应用场景，并提出联邦学习、生成设计和可解释AI等未来发展方向 | 数据集有限、技术准确性存疑、临床接受度不足、缺乏外部验证和通用性、透明度与伦理问题 | 探讨人工智能在颅面外科领域的应用演进与发展前景 | 颅面外科相关疾病与手术流程 | 数字病理 | 颅面畸形 | 机器学习,深度学习 | NA | CT扫描,影像数据 | NA | NA | NA | NA | NA |
| 2697 | 2025-11-25 |
Predicting intracranial aneurysm rupture risk and intervention outcomes using denoising-enhanced CT Angiography
2025-Nov-10, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9093
PMID:41213812
|
研究论文 | 开发了一种结合去噪技术的多模态框架，用于评估颅内动脉瘤破裂风险和预测介入治疗结果 | 提出新型去噪算法增强CTA图像质量，并整合临床变量、影像组学特征和深度学习形态学数据的多模态框架 | 回顾性多中心研究，样本量相对有限（352例患者） | 评估颅内动脉瘤破裂风险并预测介入治疗结果 | 颅内动脉瘤患者 | 医学影像分析 | 颅内动脉瘤 | CT血管成像（CTA），去噪算法 | 深度学习模型 | 医学影像（CTA图像），临床数据 | 352例接受CTA检查的颅内动脉瘤患者 | NA | NA | AUC（曲线下面积），Hunt-Hess评分，WFNS评分，改良Rankin量表 | NA |
| 2698 | 2025-11-25 |
Deep-Learning Accelerated Vessel Wall Imaging Using T1-SPACE at Ultra-High Field Strength MRI
2025-Nov-10, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9097
PMID:41213815
|
研究论文 | 评估基于深度学习的图像重建技术在7T超高场强MRI中对颅内血管壁成像的可行性和技术性能 | 首次在7T超高场强MRI中应用深度学习加速的T1-SPACE序列进行颅内血管壁成像，显著缩短采集时间并提升图像质量 | 单中心回顾性研究，样本量较小（36例患者） | 评估深度学习加速血管壁成像技术在超高场强MRI中的临床应用价值 | 颅内血管壁 | 医学影像分析 | 脑血管疾病 | 7T MRI, T1-SPACE序列, 深度学习图像重建 | 深度学习 | MRI图像 | 36例患者（21名女性，平均年龄53.3±16.2岁） | NA | NA | 图像质量评分, 信噪比, 对比噪声比, Bland-Altman分析, 组内相关系数 | NA |
| 2699 | 2025-11-25 |
ModeTv2: GPU-accelerated motion decomposition transformer for pairwise optimization in medical image registration
2025-Nov-10, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103862
PMID:41275578
|
研究论文 | 提出一种GPU加速的运动分解Transformer网络用于医学图像配准中的成对优化 | 引入增强版运动分解Transformer算子(ModeTv2)，通过CUDA扩展提升计算效率，并提出RegHead模块优化形变场 | NA | 开发高效精确的医学图像配准方法 | 脑部MRI和腹部CT图像 | 医学图像处理 | NA | 医学图像配准 | Transformer, 金字塔网络 | 医学图像(MRI, CT) | 三个公共脑部MRI数据集和一个腹部CT数据集 | PyTorch, CUDA | ModeTv2, 金字塔网络 | 精度, 效率, 泛化性 | GPU加速, CUDA扩展 |
| 2700 | 2025-11-25 |
Artificial intelligence-based lesion characterization and outcome prediction of prostate cancer on [18F]DCFPyL PSMA imaging
2025-Nov-05, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.111265
PMID:41202884
|
研究论文 | 开发基于人工智能的模型用于前列腺癌病灶特征描述和预后预测 | 首次结合[18F]DCFPyL PET/CT多模态成像开发深度学习模型，同时实现PSMA-RADS评分、恶性分类、治疗反应预测和生存预测四项任务 | 样本量相对有限，生存预测的C指数较低(0.58-0.60)，模型性能有待进一步提升 | 开发人工智能工具辅助前列腺癌临床决策 | 接受[18F]DCFPyL PET/CT成像的前列腺癌患者 | 数字病理 | 前列腺癌 | [18F]DCFPyL PET/CT成像，PSMA-Reporting and Data System (RADS) | 深度学习 | 医学影像(PET和CT) | 训练和内部测试集238例，前瞻性测试集36例 | NA | 输入串联模型(单模态和多模态) | AUROC, C-index | NA |