深度学习在生物医药领域中的应用
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，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10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 31626 篇文献，本页显示第 381 - 400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 381 | 2025-09-24 |
Deep Learning-Powered Nanoplasmonic Biosensing Approach Enables Ultrasensitive Extracellular Vesicles Profiling for Cancer Screening
2025-Sep-23, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202511337
PMID:40985328
|
研究论文 | 提出一种基于KAN网络增强的纳米等离子体元表面芯片技术，用于血清中小细胞外囊泡的超灵敏分析以实现癌症筛查 | 首次将Kolmogorov-Arnold网络（KAN）与纳米等离子体元表面芯片结合，实现多维度光谱特征的同时捕获和高效数据处理 | NA | 开发超灵敏的癌症筛查技术 | 胰腺导管腺癌患者和对照组的血清样本 | 生物传感 | 胰腺癌 | 纳米等离子体元表面技术、深度学习 | KAN（Kolmogorov-Arnold网络） | 全光谱数据 | 600例胰腺导管腺癌患者和1200例对照者 |
| 382 | 2025-09-24 |
Federated deep learning model for epilepsy seizure detection using electroencephalogram (EEG) signal
2025-Sep-23, Neurological research
IF:1.7Q4
DOI:10.1080/01616412.2025.2555516
PMID:40985643
|
研究论文 | 提出一种基于联邦学习的统一Transformer模型，用于脑电图信号的癫痫发作检测 | 结合联邦学习与同态加密保护数据隐私，采用混合图注意力框架和统一Transformer模型同时捕捉脑电图信号的时空特征 | NA | 开发隐私保护的癫痫发作检测方法 | 癫痫患者的脑电图信号 | 机器学习 | 癫痫 | 联邦学习、Paillier同态加密、自适应噪声滤波、独立成分分析、多尺度小波系数 | 统一Transformer模型、图卷积网络、图注意力机制 | 脑电图信号 | 三个数据集（具体样本数未提及） |
| 383 | 2025-09-24 |
Radiomics integrated with machine and deep learning analysis of T2-weighted and arterial-phase T1-weighted Magnetic Resonance Imaging for non-invasive detection of metastatic axillary lymph nodes in breast cancer
2025-Sep-23, La Radiologia medica
DOI:10.1007/s11547-025-02090-z
PMID:40986134
|
研究论文 | 比较T2加权和动脉期T1加权MRI影像组学特征结合机器学习和深度学习对乳腺癌腋窝淋巴结转移的无创检测性能 | 首次系统比较不同MRI序列（T2加权 vs 动脉期T1加权）在不同分析方法（单变量 vs 多变量机器学习/深度学习）下的诊断性能差异 | 回顾性研究且样本量有限（100例患者），需要更大规模的前瞻性验证 | 开发无创检测乳腺癌腋窝淋巴结转移的影像组学方法 | 乳腺癌患者的腋窝淋巴结（52个转移性淋巴结和103个非转移性淋巴结） | 医学影像分析 | 乳腺癌 | MRI影像组学分析 | 逻辑回归、梯度提升、随机森林、神经网络 | 医学影像（T2加权和动脉期T1加权MRI图像） | 100例乳腺癌患者的155个淋巴结样本 |
| 384 | 2025-09-24 |
Deep learning-driven knee MRI acceleration: evidence, enhancements, and the path to universal adoption
2025-Sep-23, La Radiologia medica
DOI:10.1007/s11547-025-02092-x
PMID:40986132
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 385 | 2025-09-24 |
Response to the letter: "deep learning-driven knee MRI acceleration: evidence, enhancements, and the path to universal adoption"
2025-Sep-23, La Radiologia medica
DOI:10.1007/s11547-025-02101-z
PMID:40986130
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 386 | 2025-09-24 |
Comparative Evaluation of Radiomics and Deep Learning Models for Disease Detection in Chest Radiography
2025-Sep-23, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01670-9
PMID:40986191
|
研究论文 | 本研究系统比较了影像组学和深度学习模型在胸部X光疾病检测中的性能差异 | 首次通过统计验证方法系统比较不同样本量下影像组学与深度学习模型的性能差异，为临床AI模型选择提供数据驱动建议 | 研究仅针对胸部X光特定疾病，未涵盖其他影像模态或疾病类型 | 评估人工智能模型在胸部X光疾病检测中的诊断性能 | COVID-19、肺部混浊和病毒性肺炎的胸部X光影像 | 医学影像分析 | 肺部疾病 | 影像组学特征提取、深度学习 | 决策树、梯度提升、随机森林、SVM、MLP、CNN、Vision Transformer、InceptionV3、EfficientNet、ConvNeXt | X光影像 | 从24到4000个样本的不同规模测试 |
| 387 | 2025-09-24 |
Exploiting Cross-modal Collaboration and Discrepancy for Semi-supervised Ischemic Stroke Lesion Segmentation from Multi-sequence MRI Images
2025-Sep-23, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01691-4
PMID:40986192
|
研究论文 | 提出一种利用跨模态协作与差异性的半监督框架，用于多序列MRI图像的缺血性脑卒中病灶分割 | 创新性地采用跨模态双向复制粘贴策略促进模态间信息协作，并提出基于跨模态差异的校正策略有效利用未标注数据 | NA | 通过半监督学习提升多序列MRI图像中缺血性脑卒中病灶分割的准确性 | 多序列MRI图像（包括DWI和ADC序列）中的缺血性脑卒中病灶 | 医学图像分割 | 缺血性脑卒中 | 多序列MRI成像（DWI/ADC） | 深度学习半监督分割框架 | 多序列MRI图像 | ISLES 22数据集（具体样本数未明确说明） |
| 388 | 2025-09-24 |
3D CoAt U SegNet-enhanced deep learning framework for accurate segmentation of acute ischemic stroke lesions from non-contrast CT scans
2025-Sep-23, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01626-x
PMID:40986248
|
研究论文 | 提出一种名为CoAt U SegNet的新型3D深度学习框架，用于从非增强CT扫描中精确分割急性缺血性卒中病灶 | 采用具有1、3、5扩张率的编码器卷积块捕获多尺度特征，并引入增强相似性指数优化病灶分割 | NA | 开发用于急性缺血性卒中病灶自动分割的深度学习模型以辅助临床诊断 | 急性缺血性卒中患者的非增强CT扫描图像 | 医学影像分析 | 缺血性卒中 | 深度学习 | 3D CoAt U SegNet | 3D CT医学影像 | 50例训练集，10例验证集，500例测试集 |
| 389 | 2025-09-24 |
Volume Fusion-based Self-Supervised Pretraining for 3D Medical Image Segmentation
2025-Sep-22, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3610249
PMID:40982499
|
研究论文 | 提出一种基于体素融合的自监督预训练方法VolF，用于提升3D医学图像分割模型在标注数据有限场景下的性能 | 通过引入伪分割前置任务，使用离散化块状融合系数图融合两个子体积，最小化前置任务与下游分割任务之间的差距 | NA | 解决标注数据有限情况下3D医学图像分割模型的性能提升问题 | 3D医学图像分割模型 | 医学图像分析 | NA | 自监督学习 | 3D分割网络 | 3D医学图像（CT扫描） | 腹部CT数据集进行预训练，并使用域内和域外下游数据集验证 |
| 390 | 2025-09-24 |
EGA-Ploc: An Efficient Global-Local Attention Model for Multi-label Protein Subcellular Localization Prediction on the Immunohistochemistry Images
2025-Sep-22, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3613205
PMID:40982491
|
研究论文 | 提出一种基于高效全局-局部注意力机制的模型，用于免疫组化图像中的多标签蛋白质亚细胞定位预测 | 采用线性注意力机制实现高分辨率图像的无损端到端处理，并提出自适应多标签损失函数解决数据集不平衡问题 | 未明确说明模型在极端长尾分布场景下的具体表现 | 提升蛋白质亚细胞定位预测的准确性和计算效率 | 免疫组化图像中的蛋白质亚细胞定位 | 计算机视觉 | NA | 免疫组化图像分析 | 注意力机制模型 | 图像 | 多个PSL基准数据集（具体数量未明确说明） |
| 391 | 2025-09-24 |
No-Reference Image Quality Assessment Leveraging GenAI Images
2025-Sep-22, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3610238
PMID:40982497
|
研究论文 | 提出一种基于生成式人工智能图像的无参考图像质量评估方法 | 利用生成式AI图像作为参考图像，通过冷扩散模型生成四种失真类型的失真图像，构建大规模预训练数据集 | NA | 解决无参考图像质量评估中标注真实世界训练数据缺乏和泛化能力差的问题 | 图像质量评估 | 计算机视觉 | NA | 冷扩散模型 | 多尺度交叉注意力模块(MCAB)和尺度简单注意力模块(SSAM) | 图像 | 在八个公共数据库上进行广泛实验 |
| 392 | 2025-09-24 |
Vision Mamba: A Comprehensive Survey and Taxonomy
2025-Sep-22, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3610435
PMID:40982514
|
综述 | 本文对视觉领域中的Mamba模型进行全面综述和分类研究 | 首次系统地将Mamba模型从自然语言处理领域扩展到视觉领域，并提出分类框架 | NA | 全面理解Mamba模型在视觉领域的应用潜力 | Mamba模型及其在视觉任务中的应用 | 计算机视觉 | NA | 状态空间模型（SSM） | Mamba | 序列数据（时间序列、视频等） | NA |
| 393 | 2025-09-24 |
AI-empowered human microbiome research
2025-Sep-22, Gut
IF:23.0Q1
DOI:10.1136/gutjnl-2025-335946
PMID:40983504
|
综述 | 系统探讨人工智能在人类微生物组研究中的方法论与应用前景 | 首次从多尺度视角系统评估AI技术（包括新兴大语言模型）在微生物组数据分析中的整合应用 | 未涉及具体实验验证数据，主要基于现有文献的方法论评述 | 推动AI与微生物组研究的跨学科融合，促进个性化医疗创新 | 人类微生物组数据及其与宿主健康的相互作用 | 机器学习 | NA | 高通量微生物组分析技术 | 聚类算法/降维技术/CNN/RNN/大语言模型 | 微生物组测序数据 | NA |
| 394 | 2025-09-24 |
hERG-MFFGNN: An Explainable Deep Learning Model for Predicting Cardiotoxicity Using Multi-feature Fusion and Graph Neural Networks
2025-Sep-22, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00768-6
PMID:40983850
|
研究论文 | 提出一种名为hERG-MFFGNN的可解释深度学习模型，用于预测化合物对hERG钾通道的抑制作用 | 采用多特征融合策略结合图神经网络，通过注意力机制加权融合分子指纹特征和拓扑特征，实现更全面的分子表征 | NA | 开发高效准确的计算方法来预测hERG通道阻滞剂，以替代传统高成本低效率的筛选方法 | 化合物分子及其对hERG钾通道的抑制活性 | 机器学习 | 心血管疾病 | 多特征融合、图神经网络、注意力机制 | GNN（图神经网络） | 分子结构数据 | 基准数据集和外部验证数据集（具体数量未明确说明） |
| 395 | 2025-09-24 |
DeepExpDR: Drug Response Prediction through Molecular Topological Grouping and Substructure-Aware Expert
2025-Sep-22, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01476
PMID:40984005
|
研究论文 | 提出DeepExpDR深度学习专家框架，通过分子拓扑分组和子结构感知专家进行药物反应预测 | 首次考虑分子拓扑性质对药物特征提取和反应预测的影响，采用自监督聚类模型按分子骨架相似性分组药物，并为每个药物组分配专门的子结构感知专家 | NA | 预测抗癌药物的反应，促进精准医疗发展 | 抗癌药物和癌细胞 | 机器学习 | 癌症 | 深度学习 | 自监督聚类模型、子结构感知网络 | 分子结构数据、基因表达数据、药物反应矩阵 | NA |
| 396 | 2025-09-24 |
Objective Assessment of Disorders of Consciousness Based on EEG Temporal and Spectral Features
2025-Sep-22, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065725500674
PMID:40985067
|
研究论文 | 基于听觉oddball范式的脑电图数据，通过多维度特征和机器学习方法对意识障碍患者进行客观评估 | 首次系统比较多种机器学习和深度学习分类器在任务态脑电图意识评估中的性能，并提出集成投票模型 | NA | 开发基于任务态脑电图的意识障碍客观评估方法 | 最小意识状态患者、植物状态患者和健康对照组 | 脑机接口 | 意识障碍 | 听觉oddball范式、事件相关电位分析、频谱分析 | SVM、LDA、RF、XGBoost、DT、EEGNet、ShallowConvNet、集成投票模型 | 脑电图信号 | 三类受试者（具体数量未明确说明） |
| 397 | 2025-09-24 |
A comprehensive landscape of AI applications in broad-spectrum drug interaction prediction: a systematic review
2025-Sep-19, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-01093-2
PMID:40973960
|
系统综述 | 本文首次全面梳理了人工智能在广谱药物相互作用预测中的应用现状 | 首次系统绘制AI在不同主要相互作用类型中的应用图谱，强调大语言模型和知识图谱在克服关键限制中的作用 | 存在数据不平衡、噪声源、可解释性有限以及某些相互作用类型代表性不足等挑战 | 推进药物相互作用预测领域更稳健、可解释和个性化模型的发展 | 药物-药物、药物-疾病、药物-营养素相互作用 | 自然语言处理 | NA | 机器学习、深度学习、图模型 | 大语言模型、知识图谱 | 结构化数据库（DrugBank、TWOSIDES、SIDER） | 147项研究（2018-2024年） |
| 398 | 2025-09-20 |
Continuous Reaching and Grasping with a BCI Controlled Robotic Arm in Healthy and Stroke-Affected Individuals
2025-Sep-18, 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.2025.3611821
PMID:40966144
|
研究论文 | 提出一种基于运动想象的脑机接口范式，通过添加‘点击’信号增强对机械臂的连续抓取控制能力 | 引入类似计算机鼠标的点击机制，在二维运动控制基础上增加额外自由度，实现连续抓取而非离散动作选择 | 脑电信号信噪比和空间分辨率较低，可能限制系统性能 | 开发能够同时控制运动和点击的脑机接口系统，用于复杂连续抓取任务 | 健康受试者和中风幸存者 | 脑机接口 | 中风 | EEG信号处理，深度学习 | DL | EEG信号 | 健康受试者和中风患者（具体数量未明确说明） |
| 399 | 2025-09-24 |
A deep learning pipeline for accurate and automated restoration, segmentation, and quantification of dendritic spines
2025-Sep-18, Cell reports methods
IF:4.3Q2
DOI:10.1016/j.crmeth.2025.101179
PMID:40972567
|
研究论文 | 提出一种名为RESPAN的开源深度学习流程，用于自动化修复、分割和量化树突棘 | 集成最先进的深度学习技术，通过内容感知修复增强信号，实现跨多种样本类型的鲁棒检测 | NA | 开发自动化树突棘量化工具以研究突触连接性 | 树突棘、树突分支和神经元胞体 | 数字病理学 | NA | 深度学习、内容感知图像修复 | 深度学习模型 | 显微镜图像 | 经过专家标注和多模态成像数据验证 |
| 400 | 2025-09-24 |
Single-nucleus transcriptome atlas of orbitofrontal cortex in ALS with a deep learning-based decoding of alternative polyadenylation mechanisms
2025-Sep-17, Cell genomics
IF:11.1Q1
DOI:10.1016/j.xgen.2025.101007
PMID:40967225
|
研究论文 | 通过单核转录组测序构建ALS患者眶额皮质的转录组图谱，并利用深度学习模型研究选择性多聚腺苷酸化机制 | 开发了多模态深度学习模型APA-Net，首次整合转录序列和RNA结合蛋白表达谱预测APA；揭示了细胞类型特异性的APA调控模式 | 研究样本局限于C9orf72相关ALS和散发性ALS，未涵盖所有ALS亚型 | 解析ALS/FTLD神经退行性疾病的分子病理机制，特别是选择性多聚腺苷酸化调控 | ALS患者（C9orf72相关和散发性）的眶额皮质组织 | 生物信息学 | 神经退行性疾病 | 单核RNA测序，深度学习 | 多模态深度学习模型（APA-Net） | 转录组测序数据 | 包含C9orf72相关ALS（伴/不伴FTLD）和散发性ALS的额皮质样本 |