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 32373 篇文献，本页显示第 2981 - 3000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2981 | 2025-10-06 |
Automated lensless blood sample identification through scattering media using deep learning architectures
2025-Feb-10, Optics express
IF:3.2Q2
DOI:10.1364/OE.546326
PMID:40797768
|
研究论文 | 提出一种基于深度学习架构的便携式无透镜系统，用于通过散射介质自动识别血液样本 | 首次将无透镜设备与深度学习相结合，实现通过散射介质对血液样本进行非侵入式自动识别 | 在散射层厚度变化时的系统鲁棒性仍需进一步验证 | 开发一种便携式无透镜系统，用于通过散射介质自动识别血液样本 | 全血样本中的红细胞类型 | 计算机视觉 | NA | 局部二值模式变换，无透镜成像 | CNN | 图像 | NA | NA | AlexNet, VGG-16, SqueezeNet | 准确率, 马修斯相关系数 | NA |
| 2982 | 2025-10-06 |
A deep learning and digital archaeology approach for mosquito repellent discovery
2025-Jan-22, Chemical senses
IF:2.8Q2
DOI:10.1093/chemse/bjaf021
PMID:40598906
|
研究论文 | 开发了一种结合深度学习和数字考古学的创新方法，用于发现新型驱蚊分子 | 首次将图神经网络应用于驱蚊剂发现，并通过数字化历史数据集实现了数据驱动的分子筛选 | 需要进一步验证候选分子在真实环境中的长期效果和安全性 | 开发高效、安全的新型驱蚊剂以应对虫媒疾病 | 蚊子驱避分子和多种病原体传播昆虫媒介 | 机器学习 | 虫媒疾病 | 行为测定、触角叶神经记录 | GNN | 分子结构数据、驱避性测量数据 | 约19,000个驱蚊性测量数据，317个候选分子 | NA | 图神经网络 | 命中率、预测准确性 | NA |
| 2983 | 2025-10-06 |
Changes in Self-Directed Learning Among Doctor of Physical Therapy Students Across Didactic Curriculum: A Mixed-Methods Analysis
2025-Jan-07, Journal, physical therapy education
DOI:10.1097/JTE.0000000000000382
PMID:39763033
|
研究论文 | 本研究通过混合方法分析物理治疗博士学生在课程期间自我导向学习能力的变化 | 首次在物理治疗教育中追踪学生自我导向学习能力的纵向变化，并将定量测量与定性主题分析相结合 | 样本量有限（50名定量研究参与者，14名定性研究参与者），仅来自单一中西部DPT项目 | 探究传统物理治疗博士学生在课程期间自我导向学习能力的变化模式 | 物理治疗博士学生 | 教育研究 | NA | 混合研究方法 | NA | 问卷调查数据、焦点小组访谈数据 | 50名学生参与定量研究，14名学生参与定性研究 | NA | NA | MSLQ评分、Grit量表评分、主题分析 | NA |
| 2984 | 2025-10-06 |
ASAS-NANP symposium: mathematical modeling in animal nutrition: synthetic database generation for non-normal multivariate distributions: a rank-based method with application to ruminant methane emissions
2025-Jan-04, Journal of animal science
IF:2.7Q1
DOI:10.1093/jas/skaf136
PMID:40319357
|
研究论文 | 提出一种基于秩次的合成数据库生成方法，用于处理反刍动物甲烷排放等动物科学中的非正态多元分布数据 | 开发了一种新的基于秩次的方法来生成具有相关非正态多元分布的合成数据库，相比copula方法能更好地保持原始分布矩和相关性结构 | 可能在合成数据库的子集中引入人工（未知）关系，随机森林回归对分布类型具有高度特异性 | 解决动物科学中数据有限的问题，提高预测建模工具的准确性和可靠性 | 反刍动物甲烷排放数据 | 机器学习 | NA | 合成数据生成，统计建模 | 随机森林, 多元线性模型 | 多元分布数据 | NA | NA | NA | R2, 标准误差 | NA |
| 2985 | 2025-10-06 |
DeepLigType: Predicting Ligand Types of Protein-Ligand Binding Sites Using a Deep Learning Model
2025 Jan-Feb, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3493820
PMID:39509302
|
研究论文 | 提出一种名为DeepLigType的深度学习模型，用于预测蛋白质-配体结合位点的配体类型 | 首次将CBAM注意力机制与ResNet结合用于配体类型预测，并创建了新的LigType5数据集 | 仅针对五种特定配体类型进行分类，未涵盖所有可能的配体类型 | 开发计算方法来预测蛋白质-配体结合位点的配体类型，以辅助药物发现 | 蛋白质-配体结合位点及其对应的配体类型 | 生物信息学 | NA | 深度学习 | CNN | 蛋白质结构数据 | 基于PDBbind和scPDB数据集构建的LigType5数据集 | NA | CBAM-ResNet | 准确率,AUC | NA |
| 2986 | 2025-10-06 |
Automatic analysis of three-dimensional cardiac tagged magnetic resonance images using neural networks trained on synthetic data
2025, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2025.101869
PMID:40021091
|
研究论文 | 提出一种基于合成数据训练的神经网络方法，用于自动分析三维心脏标记磁共振图像中的位移 | 首次开发专门针对三维心脏标记MR图像的深度学习分析方法，使用合成数据进行网络训练 | 方法在合成数据上初步验证，需要进一步在更多真实临床数据上验证 | 开发用于三维心脏标记磁共振图像位移分析的深度学习方法 | 左心室运动分析 | 医学图像分析 | 心血管疾病 | 三维标记磁共振成像 | 神经网络 | 三维磁共振图像 | 外部验证人类数据集和猪体内研究数据集 | NA | NA | 位移偏差, 应变测量差异 | NA |
| 2987 | 2025-10-06 |
The Potential Diagnostic Application of Artificial Intelligence in Breast Cancer
2025, Current pharmaceutical design
IF:2.6Q2
|
综述 | 探讨人工智能在乳腺癌病理学中的诊断应用潜力 | AI平台可预测乳腺癌风险并在临床诊断前三年前识别肿瘤，深度学习技术对癌症亚型分类和肿瘤风险分级达到与专业放射科医师相当的准确度 | 需要高质量数据集并面临临床工作流程整合的挑战 | 提升乳腺癌诊断和治疗策略 | 乳腺癌病理学数据 | 数字病理学 | 乳腺癌 | 深度学习 | CNN | 组织病理学数据、乳腺X线摄影数据 | NA | NA | 卷积神经网络 | 准确度 | NA |
| 2988 | 2025-10-06 |
Cine cardiac magnetic resonance segmentation using temporal-spatial adaptation of prompt-enabled segment-anything-model: a feasibility study
2025, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2025.101909
PMID:40350082
|
研究论文 | 本研究提出了一种基于Segment Anything Model的时序空间自适应方法用于心脏电影磁共振图像分割 | 首次将分割基础模型SAM适配于心脏电影磁共振分割，引入时序空间注意力机制并支持文本提示和框提示 | 作为可行性研究，样本量相对有限且主要针对特定病理类型 | 开发具有高泛化能力的心脏电影磁共振自动分割方法 | 心脏电影磁共振图像中的左心室和心肌组织 | 计算机视觉 | 心血管疾病 | 心脏磁共振成像 | 基础模型微调 | 医学图像 | 公共测试数据集136例，内部数据集93例（主动脉狭窄40例，HFpEF 53例） | PyTorch | Segment Anything Model, 时序空间注意力机制 | Dice系数, 相关系数 | NA |
| 2989 | 2025-10-06 |
Decoding the Variable Velocity of Lower-Limb Stepping Movements From EEG
2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2025.3603635
PMID:40875414
|
研究论文 | 本研究通过脑电图解码健康参与者下肢踏步运动的三维速度，比较线性回归和深度学习方法的性能 | 首次使用CNN-LSTM深度学习框架从EEG信号解码下肢踏步运动的三维速度，并在真实步行任务中验证可行性 | 样本量较小（仅9名健康参与者），未在患者群体中验证 | 开发脑机接口控制的外骨骼用于神经康复 | 健康参与者的下肢踏步运动 | 脑机接口 | 神经康复 | 脑电图 | CNN, LSTM | EEG信号 | 9名健康参与者（G1组5人，G2组4人） | 深度学习框架 | CNN-LSTM组合架构 | 解码准确度, R值 | NA |
| 2990 | 2025-10-06 |
Hyperspectral anomaly detection leveraging spatial attention and right-shifted spectral energy
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0330640
PMID:40906778
|
研究论文 | 提出一种基于图注意力网络和β小波图神经网络的高光谱图像异常检测算法 | 结合空间注意力机制和右移光谱能量特性，利用β小波替代拉普拉斯矩阵分解提升计算效率 | NA | 提升高光谱图像异常检测的精度和效率 | 高光谱图像中的异常像素 | 计算机视觉 | NA | 高光谱成像 | 图神经网络,图注意力网络 | 高光谱图像 | 6个真实高光谱数据集和1个模拟数据集 | NA | GAN-BWGNN | AUC,检测时间 | NA |
| 2991 | 2025-10-06 |
HWANet: A Haar Wavelet-based Attention Network for remote sensing object detection
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0330759
PMID:40906788
|
研究论文 | 提出一种基于Haar小波的注意力网络HWANet，用于解决遥感目标检测中的多尺度变化挑战 | 提出结合Haar小波变换与注意力机制的新型网络架构，通过低频增强下采样和频域自注意力模块减少信息损失并提升空间结构捕获能力 | 未提及模型在更复杂场景或更大规模数据集上的泛化能力 | 提升遥感图像中多尺度目标检测的精度和效率 | 遥感图像中的各类目标 | 计算机视觉 | NA | Haar小波变换 | CNN,注意力网络 | 遥感图像 | NWPU VHR-10数据集和SAR-Airport-1.0数据集 | NA | HWANet（包含LEM、HFDSA、SIIM模块） | mAP50 | NA |
| 2992 | 2025-10-06 |
Unlocking the power of L1 regularization: A novel approach to taming overfitting in CNN for image classification
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0327985
PMID:40911635
|
研究论文 | 提出一种通过L1正则化抑制CNN过拟合的新方法，并在多个图像分类数据集上验证其有效性 | 首次系统研究不同L1正则化系数对CNN各层的影响，提出针对卷积层和全连接层的差异化正则化策略 | 仅在三类特定数据集上进行验证，未涉及更复杂的图像分类任务 | 解决CNN在图像分类任务中的过拟合问题，提升模型泛化能力 | 图像分类任务中的卷积神经网络模型 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 三个数据集：MNIST手写数字、芒果树叶数据集、Quick Draw手绘草图数据集 | NA | 基础CNN架构 | 准确率 | NA |
| 2993 | 2025-10-06 |
Machine Learning and Deep Learning for Diagnosis of Lumbar Spinal Stenosis: Systematic Review and Meta-Analysis
2024-12-23, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/54676
PMID:39715552
|
系统综述与荟萃分析 | 通过系统综述和荟萃分析评估传统机器学习和深度学习模型在腰椎管狭窄症诊断中的性能 | 首次对机器学习和深度学习在腰椎管狭窄症诊断中的研究进行系统评价和荟萃分析 | 纳入研究数量有限（12项），部分研究存在偏倚风险，模型在真实临床环境中的可靠性不足 | 评估传统机器学习或深度学习模型在诊断腰椎管狭窄症中的性能表现 | 15,044名腰椎管狭窄症患者 | 机器学习 | 腰椎管狭窄症 | NA | 传统机器学习,深度学习 | NA | 15,044名患者 | NA | NA | 灵敏度,特异度,诊断比值比,阳性似然比,阴性似然比,受试者工作特征曲线下面积 | NA |
| 2994 | 2025-10-06 |
Implications of Big Data Analytics, AI, Machine Learning, and Deep Learning in the Health Care System of Bangladesh: Scoping Review
2024-10-28, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/54710
PMID:39466315
|
综述 | 本文通过范围综述方法，系统梳理了孟加拉国医疗保健系统中大数据分析、人工智能、机器学习和深度学习技术的应用现状与研究进展 | 首次对孟加拉国医疗系统中BDA、AI、ML和DL技术的应用进行全面范围综述，揭示了该国在数字健康技术整合方面的独特进展模式 | 仅纳入英文文献和同行评审出版物，可能遗漏本地语言文献；时间范围限定可能排除早期重要研究 | 系统梳理孟加拉国医疗系统中数字技术应用的研究现状、监管挑战和实际用例 | 孟加拉国医疗保健系统中的数字技术应用研究 | 医疗健康信息学 | 多种疾病（传染病、非传染性疾病、儿童健康、心理健康） | 大数据分析、人工智能、机器学习、深度学习 | 机器学习模型为主 | 主要数据（52%）和次要数据（48%） | 77项符合条件的研究（从1653项研究中筛选） | NA | NA | NA | NA |
| 2995 | 2025-10-06 |
Artificial intelligence for surgical safety during laparoscopic gastrectomy for gastric cancer: Indication of anatomical landmarks related to postoperative pancreatic fistula using deep learning
2024-10, Surgical endoscopy
DOI:10.1007/s00464-024-11117-x
PMID:39093411
|
研究论文 | 本研究开发了一种基于深度学习的人工智能导航系统，用于在胃癌腹腔镜胃切除术中实时指示与术后胰瘘相关的解剖标志 | 首次定义了与术后胰瘘相关的凹陷线作为解剖标志，并开发了实时AI导航系统用于术中指示 | 样本量较小（50例用于系统开发，10例用于验证），需要进一步大样本验证 | 识别胃癌腹腔镜胃切除术中与术后胰瘘相关的解剖标志，并开发AI导航系统 | 胃癌患者接受腹腔镜胃切除术的手术视频 | 计算机视觉 | 胃癌 | 深度学习 | 语义分割模型 | 手术视频图像 | 50例腹腔镜胃切除术病例（45例训练，5例超参数调整），10例前瞻性注册病例用于验证 | NA | 语义分割模型 | Dice系数, Likert量表评分 | NA |
| 2996 | 2024-08-13 |
Correction: Artificial intelligence for surgical safety during laparoscopic gastrectomy for gastric cancer: Indication of anatomical landmarks related to postoperative pancreatic fistula using deep learning
2024-Oct, Surgical endoscopy
DOI:10.1007/s00464-024-11160-8
PMID:39133331
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2997 | 2025-10-06 |
An artificial intelligence-based nerve recognition model is useful as surgical support technology and as an educational tool in laparoscopic and robot-assisted rectal cancer surgery
2024-09, Surgical endoscopy
DOI:10.1007/s00464-024-10939-z
PMID:39073558
|
研究论文 | 开发基于U-Net的深度学习模型用于直肠癌手术中神经自动分割，评估其作为手术支持技术和教育工具的效果 | 首次将AI神经识别模型同时应用于直肠癌手术支持和医学教育两个领域 | 测试样本量较小（60帧），模型性能有待进一步提升 | 开发AI神经识别模型以支持直肠癌手术并评估其教育价值 | 直肠癌手术中的神经结构 | 计算机视觉 | 直肠癌 | 深度学习 | CNN | 手术视频图像 | 60个随机选择的视频帧 | NA | U-Net | Dice系数,IoU | NA |
| 2998 | 2025-10-06 |
Opportunistic Screening for Osteoporosis Using Hand Radiographs - A Feature Augmentation Study Technique (FAST)
2024-08-22, Studies in health technology and informatics
DOI:10.3233/SHTI240411
PMID:39176740
|
研究论文 | 本研究开发了一种利用手部X光片进行骨质疏松机会性筛查的深度学习方法 | 提出特征增强研究技术(FAST)，首次将手部X光片纹理分析与DXA测量相关联用于骨质疏松筛查 | 回顾性研究，样本量相对有限(422例)，仅包含50岁以上患者 | 开发基于手部X光片的骨质疏松机会性筛查方法 | 50岁及以上接受DXA和手部X光检查的患者 | 计算机视觉 | 骨质疏松症 | 数字X射线，双能X线吸收测定法(DXA) | 深度学习模型 | 手部X光图像 | 422名患者(训练/验证集338例，测试集84例) | NA | NA | 准确率，敏感度，特异度，AUC | NA |
| 2999 | 2025-10-06 |
Adversarial Information Bottleneck
2024-Jan, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2022.3172986
PMID:35594234
|
研究论文 | 提出一种对抗性信息瓶颈方法，通过解决最小-最大优化问题学习更具不变性的表示并减轻对抗性扰动 | 无需对表示的基础分布进行显式假设，通过对抗训练优化信息瓶颈原理，在对抗鲁棒性方面优于现有方法 | NA | 优化信息瓶颈原理以提高模型鲁棒性，研究压缩与预测之间的权衡关系 | 信息瓶颈方法在对抗扰动下的表现 | 机器学习 | NA | 对抗训练 | 信息瓶颈模型 | 合成数据集和真实世界数据集 | NA | NA | 对抗信息瓶颈(AIB) | 对抗鲁棒性，IB曲线分析 | NA |
| 3000 | 2025-09-09 |
Deep learning in endoscopy: the importance of standardisation
2023-12, Acta otorhinolaryngologica Italica : organo ufficiale della Societa italiana di otorinolaringologia e chirurgia cervico-facciale
IF:2.1Q2
DOI:10.14639/0392-100X-N2580
PMID:37814976
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |