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 38773 篇文献，本页显示第 3261 - 3280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3261 | 2025-09-05 |
From detection to decision: Can deep learning-based CADx meet the challenge of incidental pulmonary nodules?
2026-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11935-0
PMID:40906185
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3262 | 2025-12-18 |
GIMS: Image matching system based on adaptive graph construction and graph neural network
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108030
PMID:40907360
|
研究论文 | 本文提出了一种基于自适应图构建和图神经网络的图像匹配系统，通过结合GNN和Transformer提升匹配性能 | 引入了创新的自适应图构建方法，利用基于距离和动态阈值相似性的过滤机制，并融合GNN的顶点处理能力和Transformer的全局感知能力 | NA | 提升基于特征的图像匹配性能 | 图像中的关键点 | 计算机视觉 | NA | NA | GNN, Transformer | 图像 | 广泛图像数据集 | NA | GNN, Transformer | 整体匹配性能提升倍数 | 多GPU技术 |
| 3263 | 2025-12-18 |
Multimodal self-supervised retinal vessel segmentation
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108011
PMID:40921125
|
研究论文 | 本文提出了一种新颖的自监督预训练框架，利用未标记的多模态眼底图像对来提升视网膜血管分割的准确性 | 提出了一种利用多模态图像互补差异构建血管信息融合图的自监督预训练框架，通过Vision Transformer编码和相关性滤波实现，并在INFOMAX损失指导下学习实例级判别特征 | 未明确说明框架在计算资源需求方面的具体限制，也未讨论在不同临床环境中的泛化能力 | 开发一种减少标注依赖的视网膜血管自动分割方法 | 视网膜眼底图像 | 计算机视觉 | NA | 自监督学习，多模态特征融合 | Vision Transformer | 多模态眼底图像 | 未在摘要中明确说明 | NA | Vision Transformer | NA | NA |
| 3264 | 2025-12-18 |
Dynamic network compression via probabilistic channel pruning
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108080
PMID:40925121
|
研究论文 | 本文提出了一种基于概率通道剪枝的动态网络压缩方法，以减少深度学习模型的参数数量并提升效率 | 开发了概率连接模块，能在训练期间动态激活和停用通道连接，无需对剪枝后模型进行微调，并通过卷积分解有效诱导稀疏性 | 未明确提及具体局限性，但可能包括对特定模型架构的依赖或泛化能力的验证不足 | 解决神经网络压缩问题，以克服计算密集型深度学习模型的限制 | 深度学习模型，特别是ResNet-56和VGG-19架构 | 机器学习 | NA | 网络剪枝 | CNN | NA | NA | NA | ResNet, VGG | 准确率 | NA |
| 3265 | 2025-12-18 |
Learning in PINNs: Phase transition, diffusion equilibrium, and generalization
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107983
PMID:40884895
|
研究论文 | 本文通过神经梯度信噪比研究全连接神经网络的学习动态，识别出扩散平衡相，并提出样本重加权方案以改善泛化能力 | 识别出训练中的扩散平衡相，提出样本重加权方案以提高残差同质性和泛化能力，并发现激活饱和驱动的信息压缩现象 | 研究主要基于物理信息神经网络，可能在其他网络架构或任务中的普适性有待验证 | 研究非凸目标中一阶优化器的行为，探索神经网络学习动态与泛化能力的关系 | 全连接神经网络的学习动态，特别是梯度对齐和残差同质性 | 机器学习 | NA | NA | 全连接神经网络 | NA | NA | NA | NA | NA | NA |
| 3266 | 2025-12-18 |
Integration of radiomics, habitat imaging, and deep learning for MRI-based prediction of parametrial invasion in cervical cancer: A dual-center study
2026-Jan, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2025.110542
PMID:41173217
|
研究论文 | 本研究评估了放射组学、生境成像和2.5D深度学习模型在基于MRI预测宫颈癌宫旁浸润中的诊断性能，并探讨了多模态整合模型的临床效用 | 首次将放射组学、生境成像和2.5D深度学习模型结合，构建多模态整合模型用于预测宫颈癌宫旁浸润，并在双中心数据中验证其优越性能 | 研究为回顾性设计，样本量相对有限（共290例患者），且仅基于MRI数据，未来需前瞻性多中心验证并整合更多模态信息 | 评估多模态模型在预测宫颈癌宫旁浸润中的诊断性能，以优化术前评估和临床决策 | FIGO分期为IB1-IIB的宫颈癌患者 | 医学影像分析 | 宫颈癌 | MRI成像, k-means聚类, 放射组学特征提取 | 深度学习模型, 机器学习模型 | MRI图像 | 290例患者（中心A: 227例，中心B: 63例） | NA | 2.5D深度学习模型 | AUC, 准确率 | NA |
| 3267 | 2025-12-18 |
Economic Value of AI in Radiology: A Systematic Review
2026-Jan, Radiology. Artificial intelligence
DOI:10.1148/ryai.250090
PMID:41258794
|
系统综述 | 本文对2010年至2024年间发表的关于人工智能在放射学工作流程中经济价值的原始研究进行了系统性回顾 | 首次系统性地总结了AI在放射学领域经济价值的证据，明确了其价值实现取决于任务复杂性、检查量和实施模式等具体情境 | 纳入研究数量有限（仅21项），且研究质量参差不齐，可能影响结论的普遍性 | 评估人工智能在放射学工作流程中的经济价值 | 涉及人工智能经济价值的原始研究文章 | 医疗人工智能 | NA | 机器学习、深度学习、计算机辅助诊断、自然语言处理 | NA | NA | 从1879项初始搜索结果中筛选出21项研究 | NA | NA | 成本节约、增量成本效益比 | NA |
| 3268 | 2025-12-18 |
Dual-channel hierarchical interactive learning for the prediction of Protein-Ligand binding affinity
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107982
PMID:40845562
|
研究论文 | 本文提出了一种名为双通道分层交互学习（DHIL）的新方法，用于更全面地建模蛋白质-配体相互作用，以提高结合亲和力预测的准确性 | 采用双通道编码结构同时学习分子内和分子间相互作用，并设计了分层交互学习范式，在多个层次上促进两类相互作用之间的信息交换，模拟了生物系统从局部到全局的工作机制 | 由于多尺度图构建和跨层消息传递，该框架引入了显著的计算开销；并且对输入3D结合构象的质量敏感，可能影响其在实际应用中的鲁棒性 | 提高蛋白质-配体结合亲和力（PLBA）的预测准确性，以支持药物筛选和发现 | 蛋白质-配体复合物 | 机器学习 | NA | NA | 深度学习 | 3D结构数据 | NA | NA | 双通道分层交互学习（DHIL） | 准确性 | NA |
| 3269 | 2025-12-18 |
ITSEF: Inception-based two-stage ensemble framework for P300 detection
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108014
PMID:40857922
|
研究论文 | 本文提出了一种基于Inception的两阶段集成框架（ITSEF），用于提高P300脑机接口中P300信号的检测准确率 | 设计了一种结合Inception卷积神经网络（ICNN）进行多尺度特征提取和跨通道学习的两阶段集成框架，并采用预训练和微调策略，通过动态加权两个分支的预测结果，使模型学习重点从多数类逐渐转向少数类，从而提升分类性能和泛化能力 | NA | 解决P300脑机接口中信号信噪比低、被试个体差异大以及类别不平衡的问题，以提高P300检测准确率 | P300脑电信号 | 脑机接口 | NA | 脑电图（EEG） | CNN, 集成学习 | 脑电信号数据 | 两个数据集：BCI Competition III的Dataset II和BCIAUT-P300数据集 | NA | Inception-based CNN (ICNN) | 分类准确率 | NA |
| 3270 | 2025-12-18 |
Hypothesis spaces for deep learning
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107995
PMID:40882408
|
研究论文 | 本文为基于深度神经网络（DNNs）的深度学习引入了一个假设空间，通过将DNN视为输入变量和参数变量的函数，构建了一个Banach空间，并证明其为再生核Banach空间（RKBS），进而研究了正则化学习和最小范数插值问题 | 提出将DNN视为双变量函数来构建假设空间，并证明该空间为RKBS，为深度学习提供了新的理论框架 | 未在具体数据集或实际应用中验证理论框架的有效性 | 为深度学习建立理论假设空间并研究学习模型 | 深度神经网络（DNNs）及其参数空间 | 机器学习 | NA | NA | 深度神经网络（DNNs） | NA | NA | NA | NA | NA | NA |
| 3271 | 2025-12-18 |
AutoProfile: Automated profiling in deep learning-based side-channel analysis
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108009
PMID:40882410
|
研究论文 | 本文提出了一种名为AutoProfile的新方法，用于增强基于深度学习的侧信道分析中配置攻击的效果 | AutoProfile针对侧信道分析定制了贝叶斯优化的两个核心组件：建模策略和获取函数，从而显著提升了攻击性能 | NA | 提高基于深度学习的侧信道分析在强密码系统中的攻击效率 | 公开可用的真实侧信道测量数据集 | 机器学习 | NA | 深度学习 | NA | 侧信道测量数据 | NA | NA | NA | 攻击所需轨迹数量减少百分比 | NA |
| 3272 | 2025-12-18 |
Spatial-frequency domain aggregation upsampling for pan-sharpening
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108007
PMID:40884893
|
研究论文 | 本文提出了一种新颖的空间-频域聚合上采样方法，用于提升全色锐化的性能 | 提出了空间-频域聚合上采样方法，包含双域非线性融合、区域特定注意力机制和自适应特征融合门三个核心模块，有效平衡空间与光谱信息 | NA | 提升遥感图像全色锐化的质量，生成高分辨率多光谱图像 | 高分辨率全色图像与低分辨率多光谱图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | PyTorch | SFAU | NA | NA |
| 3273 | 2025-12-18 |
Deep learning-based seed variety classification: a case study in maize
2025-Dec-17, BMC plant biology
IF:4.3Q1
DOI:10.1186/s12870-025-07919-3
PMID:41402752
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3274 | 2025-12-18 |
Deep Learning for Coronary Stenosis Detection in Heavily Calcified Plaques at Coronary CT Angiography: A Stepwise, Multicenter Study
2025-Dec-17, Radiology. Artificial intelligence
DOI:10.1148/ryai.250109
PMID:41405428
|
研究论文 | 开发并验证了一种用于在冠状动脉CT血管造影中自动评估重度钙化斑块血管狭窄的深度学习模型 | 提出了一种专门针对重度钙化斑块的深度学习模型，并进行了多中心、分步骤的验证，包括模拟真实世界部署的前瞻性数据集评估 | 研究为回顾性设计，且模型性能在重度钙化（Agatston评分>300）的特定人群中评估 | 开发并验证一个深度学习模型，用于在冠状动脉CT血管造影中自动检测重度钙化斑块引起的冠状动脉狭窄 | 冠状动脉CT血管造影图像，特别是包含重度钙化斑块的血管 | 数字病理学 | 心血管疾病 | 冠状动脉CT血管造影，定量冠状动脉造影 | 深度学习模型 | 医学图像 | 开发集10,101例CCTA，外部测试集1包含442例CCTA，外部测试集2包含120例CCTA，外部测试集3包含150例前瞻性收集的CCTA | NA | NA | 特异性，受试者工作特征曲线下面积，科恩卡帕系数 | NA |
| 3275 | 2025-12-18 |
A deep learning framework to stratify Nottingham histologic grade 2 breast tumors based on dynamic contrast-enhanced MRI
2025-Dec-17, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12208-6
PMID:41405689
|
研究论文 | 本研究开发了一个基于动态对比增强MRI的深度学习框架，用于对诺丁汉组织学分级2级乳腺癌肿瘤进行风险分层 | 首次利用深度学习模型基于常规DCE MRI将NHG2肿瘤重新分类为NHG1样和NHG3样亚组，并证明这种分类与复发风险独立相关 | 研究使用了回顾性数据，且外部验证样本量较小（n=37），需要前瞻性研究进一步验证 | 开发一种基于MRI的深度学习工具，对中间风险（NHG2）乳腺癌进行更精确的风险分层，以指导个体化治疗决策 | 乳腺癌患者，特别是诺丁汉组织学分级2级的肿瘤 | 数字病理学 | 乳腺癌 | 动态对比增强MRI | CNN | MRI图像 | 训练集877例，外部验证集37例，NHG2肿瘤456例 | NA | DeepRadGrade | AUC, C-index, 风险比 | NA |
| 3276 | 2025-12-18 |
Deep learning-based assessment of paraspinal muscle degeneration and its relationships to muscle function and disability outcomes in chronic low back pain: a prospective study
2025-Dec-17, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12171-2
PMID:41405693
|
研究论文 | 本研究利用深度学习模型评估慢性腰痛患者脊柱旁肌肉脂肪分数，并探讨肌肉功能在肌肉退化与功能障碍之间的中介作用 | 首次将深度学习与Otsu阈值法结合，从3D T2加权图像中量化肌肉脂肪分数和功能肌肉体积，并与Dixon MRI金标准进行验证 | 样本量相对有限，且为单中心研究，可能影响结果的普适性 | 评估深度学习模型在量化脊柱旁肌肉退化方面的准确性，并探索肌肉功能在肌肉退化与功能障碍关系中的中介作用 | 慢性腰痛患者和健康参与者的脊柱旁肌肉（多裂肌和竖脊肌） | 数字病理学 | 慢性腰痛 | 3T MRI, Dixon MRI, 3D T2加权成像 | 深度学习模型 | 医学图像 | 96名慢性腰痛患者和86名健康参与者 | NA | DL-Otsu阈值模型 | Lin's一致性相关系数, Bland-Altman分析, Passing-Bablok分析 | NA |
| 3277 | 2025-12-18 |
Comparison of deep learning reconstruction algorithms to improve image quality of dual-energy carotid CT angiography under dual-low scan
2025-Dec-17, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03803-x
PMID:41405722
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3278 | 2025-12-18 |
An open bone marrow megakaryocyte dataset for automated morphologic studies
2025-Dec-16, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06450-2
PMID:41402328
|
研究论文 | 本文介绍了MK-11数据集，这是一个用于自动形态学研究的公开骨髓巨核细胞图像数据集，包含11个临床相关亚型的标注图像 | 首次提供了公开的巨核细胞亚型分类数据集，填补了高质量、开放许可数据在巨核细胞分类领域的空白 | 数据集规模相对有限（7,204张图像），且仅基于Wright-Giemsa染色图像，可能无法覆盖所有形态变异 | 开发并评估用于骨髓巨核细胞亚型自动形态学分类的深度学习模型 | 骨髓中的巨核细胞，特别是11个临床相关亚型 | 数字病理学 | 血液系统疾病 | Wright-Giemsa染色 | CNN, Transformer | 图像 | 7,204张单细胞图像 | NA | 卷积神经网络, 基于Transformer的模型 | NA | NA |
| 3279 | 2025-12-18 |
Research on engine power-loss fault diagnosis method based on time-series data mining
2025-Dec-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-32777-2
PMID:41402412
|
研究论文 | 本研究提出了一种基于时间序列数据挖掘的商用车发动机动力损失故障智能诊断方法 | 提出了一种结合时间序列数据挖掘的双框架诊断策略，根据油门开度变化率将数据分类，并针对不同意图分别采用机器学习和深度学习模型进行故障诊断 | NA | 解决商用车发动机动力损失故障诊断中传统方法依赖现场路试、人力和物力消耗高的问题 | 商用车发动机动力损失故障 | 机器学习 | NA | 时间序列数据挖掘 | 机器学习算法, 深度学习模型 | 时间序列数据 | NA | NA | NA | 准确性, 特异性 | NA |
| 3280 | 2025-12-18 |
Patch-sampled contrastive learning for dense prediction pretraining in metallographic images
2025-Dec-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-32855-5
PMID:41402416
|
研究论文 | 提出一种用于金相图像密集预测预训练的新型补丁采样对比学习方法，以解决标注成本高的问题 | 设计了结合图像级和补丁级对比学习的多尺度框架，并引入基于特征相似性的采样方法以捕获不同类别微结构的可区分特征 | 仅使用一张标注图像进行微调，可能限制了模型在更广泛数据上的泛化能力验证 | 开发适用于金相图像微结构分割的自监督预训练框架 | 金相图像中的微结构（形状、尺寸和分布） | 计算机视觉 | NA | 自监督学习 | 对比学习 | 图像 | 未明确说明，但实验中仅使用一张标注图像进行微调 | 未明确说明 | 未明确说明具体架构，但提及与现有自监督学习方法使用相同的模型结构 | Dice系数 | NA |