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 36465 篇文献，本页显示第 4821 - 4840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4821 | 2025-10-31 |
End-to-end 2D/3D registration from pre-operative MRI to intra-operative fluoroscopy for orthopedic procedures
2025-Nov, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03426-w
PMID:40445552
|
研究论文 | 开发了一种从术前MRI到术中荧光透视的端到端2D/3D配准框架，用于骨科手术中的图像引导 | 首次提出仅使用MRI无需CT扫描的MRI到荧光透视配准方法，能够可视化传统荧光图像不可见的坏死病灶 | 研究主要针对股骨和骨盆区域的核心减压手术，需要进一步验证在其他骨科手术中的适用性 | 开发骨科手术中增强术中可视化的图像配准框架 | 股骨和骨盆区域，特别是坏死病灶 | 医学影像分析 | 骨科疾病 | 深度学习，图像配准，数字重建放射影像(DRR) | 深度学习模型 | MRI图像，荧光透视图像，合成CT图像 | 尸体研究 | NA | NA | 平移配准精度，旋转配准精度 | NA |
| 4822 | 2025-10-31 |
Efficient needle guidance: multi-camera augmented reality navigation without patient-specific calibration
2025-Nov, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03477-z
PMID:40650802
|
研究论文 | 开发了一种无需患者特定标记的多摄像头增强现实导航系统，用于提高针基手术的导航精度和效率 | 采用天花板安装标记映射到固定医疗成像设备，无需患者特定标记；开发分层优化框架整合标记映射和多摄像头校准；使用基于视觉的位姿补偿方法减轻患者移动引起的误差 | NA | 开发高效、精确的增强现实导航系统，简化手术流程并提高针基手术的导航精度 | 针基手术（如活检和消融）的导航系统 | 计算机视觉 | NA | 增强现实技术，深度学习 | NA | 图像数据 | NA | NA | NA | 穿刺精度，位置误差，角度偏差，针放置时间 | NA |
| 4823 | 2025-10-31 |
Progressive Training for Learning From Label Proportions
2025-Nov, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3590131
PMID:40699973
|
研究论文 | 提出一种用于标签比例学习的渐进式训练方法PT-LLP，通过从袋级到实例级的约束优化提升分类性能 | 首次将渐进式训练策略引入标签比例学习，结合知识蒸馏和最优传输算法实现从袋级比例约束到实例级分类器的过渡 | 方法依赖于初始袋级比例估计的准确性，且需要额外的优化计算步骤 | 改进标签比例学习中的比例约束一致性，提升实例级分类器性能 | 使用比例标签分组数据的分类任务 | 机器学习 | NA | NA | 深度学习 | 分组训练数据 | NA | NA | 师生框架 | 分类性能指标 | NA |
| 4824 | 2025-07-26 |
Are we really ready to use radiomics and deep learning for clinical decision support in radiology?
2025-Nov, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2025.07.004
PMID:40707330
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4825 | 2025-10-31 |
Temporal and Heterogeneous Graph Neural Network for Remaining Useful Life Prediction
2025-Nov, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3592788
PMID:40748812
|
研究论文 | 提出一种结合时间和异构图神经网络的新模型THGNN，用于工业系统传感器数据的剩余使用寿命预测 | 首次在时序传感器图中同时建模时间动态、空间相关性和传感器异质性，采用细粒度方法避免时间信息丢失，并利用FiLM技术处理传感器类型多样性 | 仅在N-CMAPSS数据集上验证，未提及其他工业场景的泛化能力 | 提高工业系统剩余使用寿命预测的准确性 | 工业系统中的多传感器时间序列数据 | 机器学习 | NA | 深度学习 | 图神经网络 | 时间序列传感器数据 | N-CMAPSS数据集 | NA | Temporal and Heterogeneous Graph Neural Network (THGNN) | 两种不同评估指标 | NA |
| 4826 | 2025-10-31 |
DCEM-TCRCN: an innovative approach to depression detection using wearable IoT devices and deep learning
2025-Nov, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03479-x
PMID:40965800
|
研究论文 | 提出一种基于可穿戴物联网设备和深度学习的抑郁症检测创新方法DCEM-TCRCN | 结合动态卷积与时间循环残差卷积网络，采用MBConv块和动态卷积最大化特征提取能力，通过循环扩张卷积处理长时间序列关系 | NA | 开发有效准确的抑郁症诊断模型 | 抑郁症患者 | 机器学习 | 抑郁症 | 可穿戴物联网传感器技术 | CNN | 生理信号数据 | NA | NA | DCEM-TCRCN, MBConv, DConv, 时间循环残差卷积网络 | 准确率, 精确率, 召回率, Cohen-Kappa分数 | NA |
| 4827 | 2025-10-31 |
Paternal periconceptional exposure to reserpine and antidepressants causes developmental abnormalities and ADHD-like behavior in offspring: A deep learning analysis
2025-Nov, Journal of psychiatric research
IF:3.7Q1
DOI:10.1016/j.jpsychires.2025.09.039
PMID:41033272
|
研究论文 | 通过深度学习分析父代围受孕期暴露于利血平和抗抑郁药对后代发育异常和ADHD样行为的影响 | 首次使用深度学习Twin Network准确分期F1代胚胎发育并量化发育速度，利用EmbryoNet预测与多巴胺通路相关的发育异常信号 | 仅研究了特定抗抑郁药物组合的影响，未涉及其他药物或环境因素 | 评估父代围受孕期暴露于抗抑郁药物对后代发育和行为的影响 | F1代小鼠胚胎及其发育过程 | 深度学习 | ADHD | 深度学习分析 | Twin Network, EmbryoNet | 胚胎发育图像数据 | NA | NA | Twin Network, EmbryoNet | NA | NA |
| 4828 | 2025-10-31 |
Intentional creation of suboptimal, realistic dose distributions
2025-Nov, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70305
PMID:41144809
|
研究论文 | 开发了直接修改高质量放疗剂量分布以创建可控亚优化剂量分布的技术 | 首次提出直接在现有剂量分布上操作生成可控亚优化剂量分布的方法，无需治疗计划系统 | 仅评估了三种特定类型的亚优化剂量分布，临床医生评估样本有限 | 解决放疗肿瘤学住院医师在计划质量评估培训中的不足 | 放疗剂量分布 | 医学教育技术 | 癌症 | 深度学习模型，剂量分布修改技术 | 深度学习模型 | 放疗剂量分布数据 | NA | NA | 预训练深度学习模型 | 剂量-体积直方图指标，统计学显著性(p值)，临床医生真实性评分 | NA |
| 4829 | 2025-10-31 |
Knowledge-Guided Semantic Transfer Network for Few-Shot Image Recognition
2025-Nov, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3240195
PMID:37022403
|
研究论文 | 提出一种知识引导的语义迁移网络（KSTNet），通过引入辅助先验知识解决小样本图像识别问题 | 将视觉推理、知识迁移和分类器学习整合到统一框架中，提出类别引导的视觉学习模块和知识迁移网络 | 仅在Mini-ImageNet和Tiered-ImageNet基准数据集上验证，未在其他领域测试 | 解决小样本图像识别问题，使机器能够从极有限的标注样本中学习 | 图像数据中的新颖类别识别 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 使用Mini-ImageNet和Tiered-ImageNet基准数据集 | NA | KSTNet, 知识引导的语义迁移网络 | 准确率 | NA |
| 4830 | 2025-10-31 |
SimAD: A Simple Dissimilarity-Based Approach for Time-Series Anomaly Detection
2025-Nov, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3590220
PMID:40729708
|
研究论文 | 提出一种基于差异性的简单时间序列异常检测方法SimAD | 引入基于分块的特征提取器处理扩展时间窗口、设计对比融合模块增强异常检测鲁棒性、提出两种改进评估指标UAff和NAff | NA | 解决时间序列异常检测中时间上下文有限、正常模式表示不足和评估指标缺陷等问题 | 时间序列数据 | 机器学习 | NA | NA | 深度学习 | 时间序列数据 | 7个不同的时间序列数据集 | NA | EmbedPatch编码器, ContrastFusion模块 | F1分数, Aff-F1, NAff-F1, AUC | NA |
| 4831 | 2025-10-31 |
Learning a Better SPD Network for Signal Classification: A Riemannian Batch Normalization Method
2025-Nov, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3589362
PMID:40824982
|
研究论文 | 提出一种基于对数-乔列斯基度量的黎曼批量归一化方法，用于改进SPD网络的信号分类性能 | 首次将log-Cholesky度量应用于SPD网络的批量归一化，相比传统基于仿射不变黎曼度量的方法具有更好的数值稳定性和计算效率 | 论文未明确说明方法在极端病态条件下的性能表现，且实验仅限于四个基准数据集 | 开发更稳定高效的SPD网络批量归一化方法以提升信号分类性能 | 对称正定矩阵和基于黎曼流形的神经网络 | 机器学习 | NA | 黎曼几何方法，Cholesky分解 | SPD神经网络 | 信号数据，矩阵数据 | 四个基准数据集 | NA | SPD网络，黎曼批量归一化 | 分类准确率，计算效率，数值稳定性 | NA |
| 4832 | 2025-10-31 |
Gen-GraphEx: Generative In-Distribution Graph Explanations for Time-Efficient Model-Level Interpretability of GNNs
2025-Nov, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3589330
PMID:40824981
|
研究论文 | 提出了一种名为Gen-GraphEx的模型无关、模型级图神经网络解释方法，通过生成符合原始数据分布的图结构来解释GNN的决策过程 | 无需访问GNN隐藏层即可生成解释图；能够通过插值两个目标类的图生成模型生成决策边界附近的实例；不依赖后续深度学习模块生成解释；支持多种节点和边特征的图生成；计算效率更高 | NA | 提高图神经网络的可解释性和可信度 | 图神经网络模型 | 图神经网络 | NA | 图生成模型 | 图生成模型 | 图数据 | 多个真实和合成数据集 | NA | 图生成模型 | NA | NA |
| 4833 | 2025-10-31 |
Egg Freshness Safety and Detection Techniques: A Comprehensive Review and Future Perspective
2025-Nov, Comprehensive reviews in food science and food safety
IF:12.0Q1
DOI:10.1111/1541-4337.70317
PMID:41164900
|
综述 | 系统综述鸡蛋新鲜度安全与检测技术，重点分析传统与新型检测方法在带壳鸡蛋和液态蛋中的适用性 | 首次系统比较传统与新型检测技术在带壳鸡蛋和液态蛋中的适用性，并提出在食品工业4.0背景下整合多元模型与前沿技术的前瞻性观点 | 当前新鲜度评估体系主要针对带壳鸡蛋，液态蛋几乎无全球统一标准 | 为建立液态蛋新鲜度全球标准提供关键参考，推动检测技术向在线化、连续化和自动化发展 | 带壳鸡蛋和液态蛋的新鲜度检测技术 | 食品检测技术 | NA | 拉曼光谱、电化学化学计量检测、低场核磁共振、嗅觉传感器、机器视觉、微波近场成像、高光谱成像、介电谱 | 深度学习、机器学习、堆叠集成策略 | 光谱数据、电化学数据、图像数据、传感器数据 | NA | NA | NA | 准确率 | NA |
| 4834 | 2025-10-31 |
CS-Net: convolutional spider neural network for surface-EMG-based hybrid gesture recognition
2025-Oct-30, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ae0c38
PMID:41005324
|
研究论文 | 提出一种新颖的卷积蜘蛛神经网络(CS-Net)结合迁移学习策略，用于基于表面肌电信号的混合手势识别 | 设计了多流信息融合机制的CS-Net架构，结合迁移学习策略利用复合手势与组成动作之间的内在关系提升分类性能 | 仅使用6名受试者的数据进行离线实验，样本规模有限 | 开发基于表面肌电信号的混合手势识别系统 | 结合手腕姿势和手部动作的混合手势 | 机器学习 | NA | 表面肌电信号(sEMG)采集，快速傅里叶变换(FFT) | CNN | 肌电信号，频域特征 | 6名受试者的12种混合手势数据，Ninapro公共数据库(DB1,DB4,DB5) | NA | CS-Net(卷积蜘蛛神经网络) | 准确率 | NA |
| 4835 | 2025-10-31 |
Super Time-Resolved Tomography
2025-Oct-30, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202511933
PMID:41164925
|
研究论文 | 提出了一种名为超时间分辨断层扫描的新方法，通过深度学习算法显著提升断层扫描的时间分辨率 | 引入4D深度学习重建算法，在保持空间分辨率的同时将时间分辨率提高至少一个数量级 | 需要验证在实际应用中的稳定性和普适性 | 提升X射线时间分辨断层扫描的时间分辨率 | 液滴碰撞模拟和增材制造过程 | 计算机视觉 | NA | X射线时间分辨断层扫描 | 深度学习 | 4D断层扫描数据 | 模拟和实验数据 | NA | 4D深度学习重建算法 | 时间分辨率提升倍数，空间分辨率保持 | NA |
| 4836 | 2025-10-31 |
An optimized, high-throughput workflow for the collection, processing, and visualization of histology data in comparative vertebrate morphogenesis
2025-Oct-30, Developmental dynamics : an official publication of the American Association of Anatomists
IF:2.0Q3
DOI:10.1002/dvdy.70092
PMID:41165208
|
研究论文 | 提出针对脊椎动物胚胎薄层组织学的高通量优化工作流程，涵盖样本收集、处理和玻片制备 | 整合了常被胚胎组织研究忽略的分散方法学文献，并对脱水、二甲苯渗透和切片等常见技术提出优化调整 | 主要针对脊椎动物胚胎组织，可能不适用于其他类型样本 | 建立高质量组织学数据制备流程以支持现代发育生物学研究 | 脊椎动物胚胎组织 | 数字病理学 | NA | 薄层组织学技术 | 深度学习算法 | 2D组织学切片图像 | NA | NA | NA | NA | NA |
| 4837 | 2025-10-31 |
Integrated multi-task learning framework for hepatocellular carcinoma segmentation and histological grading using fused multi-phase MRI
2025-Oct-29, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05266-3
PMID:41160193
|
研究论文 | 开发并验证了一个集成多任务学习框架，通过融合多期相MRI实现肝细胞癌分割和组织学分级 | 提出结合深度学习分割和放射组学特征的多任务学习框架，采用融合多期相MRI数据和Transformer-RFE-Fused模型 | 回顾性研究设计，样本来源单一 | 提高肝细胞癌肿瘤分割和分级的准确性 | 经病理证实的肝细胞癌患者 | 计算机视觉 | 肝细胞癌 | 多期相MRI成像 | Vision Transformer, nnU-Net, U-Net, DeepLabV3+, Swin Transformer, SegNet, TabTransformer, TabNet, XGBoost, CatBoost | MRI图像 | 1673例患者（875例高级别，798例低级别） | NA | Vision Transformer, nnU-Net, U-Net, DeepLabV3+, Swin Transformer, SegNet, TabTransformer, TabNet, XGBoost, CatBoost | DSC, 准确率, AUC | NA |
| 4838 | 2025-10-31 |
Development and validation of a deep learning-based algorithm for quantifying bronchiolitis obliterans in pediatric computed tomography
2025-Oct-29, The British journal of radiology
DOI:10.1093/bjr/tqaf268
PMID:41160488
|
研究论文 | 开发并验证基于深度学习的算法，用于在儿科胸部CT上量化闭塞性细支气管炎 | 首次使用3D nnU-Net开发专门针对儿科患者的BO量化算法，并在不同重建方法、内核类型和层厚条件下验证了其鲁棒性 | 样本量相对较小（86名儿童），且为回顾性研究 | 开发用于儿科CT中闭塞性细支气管炎量化的深度学习算法 | 被诊断为闭塞性细支气管炎的儿科患者 | 医学影像分析 | 闭塞性细支气管炎 | CT扫描 | 深度学习 | 3D CT图像 | 86名儿童（39名男性，中位年龄10岁），包含26个训练CT扫描，4个内部测试CT扫描，6个外部测试CT扫描 | NA | 3D nnU-Net | Dice相似系数, 敏感度, 精确度 | NA |
| 4839 | 2025-10-31 |
A neural network model with filtering-based time-domain data augmentation method for predicting vibration discomfort
2025-Oct-29, Ergonomics
IF:2.0Q3
DOI:10.1080/00140139.2025.2578206
PMID:41161794
|
研究论文 | 本研究通过深度学习模型预测多用途车辆第二排座椅的振动不适感 | 提出基于滤波的时域数据增强方法，通过白噪声信号匹配实测加速度频谱特性来增加样本量 | 扩展输入特征包含其他座椅部件振动时会导致性能下降 | 建立座椅振动与乘员不适感关系的预测模型 | 多用途车辆第二排座椅的振动数据 | 机器学习 | NA | 四柱试验台测试，时域加速度采集 | LSTM | 时域加速度数据 | 在不同座椅减震器设计和车辆运行条件下收集的三向加速度数据 | NA | LSTM | 预测准确度 | NA |
| 4840 | 2025-10-31 |
New Advances in Imaging-Based Preoperative Prediction of STAS in Lung Adenocarcinoma: From CT and PET/CT to Radiomics and Deep Learning
2025-Oct-28, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.10.009
PMID:41162298
|
综述 | 本文系统回顾了基于CT、PET/CT影像结合人工智能技术术前预测肺腺癌气腔播散的研究进展 | 首次系统总结影像学结合人工智能在STAS术前预测中的最新进展，并探讨其在个性化治疗评估中的价值 | STAS诊断金标准仍依赖术后病理，存在诊断延迟问题 | 术前无创预测肺腺癌气腔播散状态 | 肺腺癌患者 | 医学影像分析 | 肺癌 | CT, PET/CT, 影像组学, 深度学习 | 机器学习, 深度学习 | 医学影像 | NA | NA | NA | NA | NA |