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 37282 篇文献，本页显示第 5001 - 5020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5001 | 2025-11-12 |
18F-FDG PET-based ensemble deep learning model for the prediction of lymphovascular invasion in colorectal cancer patients
2025-Nov-11, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05282-3
PMID:41217477
|
研究论文 | 基于18F-FDG PET图像开发2.5维集成深度学习模型预测结直肠癌患者淋巴血管侵犯 | 首次提出基于2.5D集成深度学习的PET图像分析方法，融合多区域图像特征和多种深度学习架构 | 回顾性研究，样本量有限（177例患者），仅使用内部测试队列验证 | 开发预测结直肠癌淋巴血管侵犯的深度学习模型 | 结直肠癌患者 | 医学影像分析 | 结直肠癌 | 18F-FDG PET/CT成像 | 集成深度学习 | PET医学图像 | 177例结直肠癌患者 | NA | VGG16, Googlenet, ResNet50, DenseNet201, Vision Transformer | AUC, 准确率, F1分数, 参数量, 推理时间 | NA |
| 5002 | 2025-11-12 |
Deep learning for automatic detection of hepatocellular carcinoma in dynamic contrast-enhanced MRI
2025-Nov-11, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05249-4
PMID:41217478
|
研究论文 | 开发用于动态对比增强MRI中肝细胞癌自动检测的深度学习模型 | 使用注意力U-Net模型在肝细胞癌检测中显著优于当前最先进的nnU-Netv2模型 | 回顾性研究设计，样本量相对有限 | 开发肝细胞癌自动检测的深度学习模型并分析其在患者和病灶水平的性能 | 肝细胞癌患者和阴性对照患者的动态对比增强MRI图像 | 医学影像分析 | 肝细胞癌 | 动态对比增强MRI，T1加权成像 | 深度学习 | 医学影像 | 363名患者（284名男性，58±11岁），247个病灶 | NA | 注意力U-Net, nnU-Netv2 | 敏感度, 特异度, 平均每患者假阳性数, PPV, NPV, FROC AUC, ROC AUC | NA |
| 5003 | 2025-11-12 |
FunOTTA: On-the-Fly Adaptation on Cross-Domain Fundus Image via Stable Test-time Training
2025-Nov-10, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3631049
PMID:41212692
|
研究论文 | 提出一种新颖的眼底图像在线测试时自适应框架FunOTTA，用于解决跨域眼底图像诊断中的领域偏移问题 | 通过内存库中的动态消歧实现稳定自适应过程，同时最小化有害先验知识偏差，并引入新的训练目标使分类器能够增量适应目标模式 | 仅在两种疾病的跨域眼底图像基准测试上验证，未涉及更多眼科疾病类型 | 开发能够有效泛化到未见环境的眼底图像诊断模型，解决领域偏移挑战 | 跨域眼底图像 | 计算机视觉 | 眼科疾病 | 深度学习 | CNN | 图像 | NA | PyTorch | 多种骨干网络 | NA | NA |
| 5004 | 2025-11-12 |
MoChat: Joints-Grouped Spatio-Temporal Grounding Multimodal Large Language Model for Multi-Turn Motion Comprehension and Description
2025-Nov-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3631045
PMID:41212709
|
研究论文 | 提出一种能够进行人体运动时空定位和多轮对话理解的多模态大语言模型MoChat | 首次实现人体运动细粒度时空定位，通过关节分组骨架编码器和跨注意力回归头模块实现精确的动作时序和身体部位识别 | 未明确说明模型在复杂场景或多人交互运动中的表现 | 解决人体运动理解中动作时序和特定身体部位识别不准确的问题，支持多轮交互 | 人体骨骼运动数据 | 计算机视觉,自然语言处理 | 神经系统疾病 | 骨架序列处理,多模态融合 | 多模态大语言模型 | 骨架序列,文本 | NA | NA | Joints-Grouped Skeleton Encoder,跨注意力回归头模块 | 多种运动理解任务指标 | NA |
| 5005 | 2025-11-12 |
GFANet: Global Feature Attention Network for Polyp Segmentation
2025-Nov-10, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01734-w
PMID:41214244
|
研究论文 | 提出一种用于息肉分割的全局特征注意力网络GFANet | 集成三个创新模块：全局特征方向编码器（GFDE）捕获垂直和水平方向的全局上下文，特征注意力模块（FAM）增强息肉区域特征表示，多尺度信息聚合（MIA）模块提升多尺度特征融合能力 | NA | 解决息肉自动分割中边界模糊、小息肉检测灵敏度低和多尺度信息融合不足的挑战 | 结直肠息肉 | 计算机视觉 | 结直肠癌 | 深度学习 | CNN | 医学图像 | 五个公开数据集（包括CVC-300和ETIS-LaribPolypDB） | NA | GFANet（包含GFDE、FAM、MIA模块） | 平均Dice系数（mDice），平均交并比（mIoU） | NA |
| 5006 | 2025-11-12 |
Illuminating Research Dynamics: Medical Ultrasound and Deep Learning
2025-Nov-10, Journal of clinical ultrasound : JCU
IF:1.2Q3
DOI:10.1002/jcu.70131
PMID:41215539
|
研究论文 | 本研究首次通过文献计量学方法系统分析医学超声与深度学习领域的研究动态和发展趋势 | 首次对医学超声与深度学习研究进行文献计量学概览，揭示了该领域的国际合作模式、核心主题演变和新兴趋势 | 仅基于Web of Science数据库，可能遗漏其他重要文献来源；文献计量学方法主要关注宏观趋势而非具体技术细节 | 通过文献计量学分析医学超声与深度学习领域的研究现状、发展趋势和合作网络 | 2004年至2025年4月期间Web of Science核心合集中收录的3386篇医学超声与深度学习相关出版物 | 医学影像分析 | NA | 文献计量学分析 | CNN, U-Net, 注意力网络, 视觉Transformer | 文献元数据 | 3386篇出版物 | Bibliometrix, VOSviewer, CiteSpace | U-Net, 注意力网络, 视觉Transformer | 出版物数量, 年均增长率, 引用率, 影响因子 | NA |
| 5007 | 2025-11-12 |
Carafe enables high quality in silico spectral library generation for data-independent acquisition proteomics
2025-Nov-06, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-64928-4
PMID:41198693
|
研究论文 | 本研究开发了Carafe工具，通过直接在DIA数据上训练深度学习模型来生成高质量的计算光谱库 | 首次直接在DIA数据上训练深度学习模型生成光谱库，相比基于DDA数据的传统方法具有更好的性能 | NA | 提高数据非依赖性采集蛋白质组学中计算光谱库的生成质量 | 质谱数据中的肽段碎片离子强度预测 | 计算蛋白质组学 | NA | 数据非依赖性采集质谱，数据依赖性采集质谱 | 深度学习 | 质谱数据 | 多种DIA数据集 | NA | NA | 碎片离子强度预测准确度，肽段检测率 | NA |
| 5008 | 2025-11-12 |
AI-Assisted Capsule Endoscopy for Detection of Ulcers and Erosions in Crohn's Disease: A Multicenter Validation Study
2025-Nov-05, Clinical gastroenterology and hepatology : the official clinical practice journal of the American Gastroenterological Association
IF:11.6Q1
DOI:10.1016/j.cgh.2025.09.036
PMID:41076040
|
研究论文 | 验证人工智能辅助胶囊内镜在克罗恩病患者中检测溃疡和糜烂的多中心研究 | 首次在多中心研究中验证AI模型在不同胶囊内镜设备上检测溃疡和糜烂的性能 | 研究仅针对两种胶囊内镜设备，样本量相对有限 | 验证AI辅助阅读在胶囊内镜中检测溃疡和糜烂的诊断性能 | 克罗恩病患者的胶囊内镜检查数据 | 医学影像分析 | 克罗恩病 | 胶囊内镜检查 | 深度学习模型 | 内镜图像 | 259例胶囊内镜检查 | NA | NA | 灵敏度, 特异度, 阳性预测值, 阴性预测值, 准确率 | NA |
| 5009 | 2025-11-12 |
Artificial intelligence capabilities in identifying atrial fibrillation using baseline sinus rhythm ECG : a systematic review
2025-Oct-31, Open heart
IF:2.8Q2
DOI:10.1136/openhrt-2025-003657
PMID:41173515
|
系统综述 | 评估人工智能模型利用基线窦性心律心电图识别房颤的有效性及影响因素 | 首次系统评估AI在基线窦性心律心电图中识别房颤的能力，并比较深度学习与传统机器学习模型的性能差异 | 78.6%的研究存在阴性病例误分类问题，64.3%的研究在至少一个领域存在高偏倚风险 | 探索人工智能在房颤早期检测中的应用价值 | 房颤患者（无既往房颤确诊）的基线窦性心律心电图 | 医疗人工智能 | 心血管疾病 | 心电图分析 | 深度学习, 传统机器学习 | 心电图信号 | 13项研究共1,459,653名患者 | NA | NA | 准确率, 敏感度, 特异度, 精确率, AUC | NA |
| 5010 | 2025-11-12 |
MIEF-Net: multimodal image-enhanced fusion network for intelligent fall risk prediction
2025-Oct-30, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108260
PMID:41213202
|
研究论文 | 提出一种多模态图像增强融合网络，通过IMU传感器数据进行步态分析以实现老年人跌倒风险预测 | 创新性地将原始IMU信号转换为GAF、频谱图和MTF三种图像表示，并采用双流深度学习架构结合RNN、CNN和Transformer注意力机制进行多模态融合 | NA | 开发智能跌倒风险预测方法以改善老年预防性护理 | 老年人步态数据 | 机器学习 | 老年疾病 | 惯性测量单元(IMU) | RNN, CNN, Transformer | 时序信号, 图像 | NA | NA | 双流网络, 多头注意力机制 | 准确率, 灵敏度, F1分数 | NA |
| 5011 | 2025-11-12 |
Zero-order diffraction-guided spectral-wise transformer: a lightweight and efficient framework for computed tomography imaging spectrometry
2025-Oct-20, Optics express
IF:3.2Q2
DOI:10.1364/OE.576798
PMID:41215200
|
研究论文 | 提出一种轻量高效的零级衍射引导光谱变换器框架，用于计算断层成像光谱仪的数据重建 | 首次将零级衍射信息与光谱自注意力机制结合，通过三个关键模块有效整合光学标定信息和光谱相似性 | 未明确说明模型在极端条件下的泛化能力 | 解决计算断层成像光谱仪重建数据立方体时的伪影问题 | 计算断层成像光谱仪采集的三维(x, y, λ)数据立方体 | 计算机视觉 | NA | 计算断层成像光谱仪(CTIS) | Transformer | 光谱图像数据 | 使用定制滤光轮系统收集的真实数据集 | NA | Zero-order Diffraction-guided Spectral-wise Transformer (ZDST), 包含FPCR, S-MSA, ZDM模块 | 重建质量评估 | 低计算资源消耗 |
| 5012 | 2025-11-12 |
Imaging through dynamic scattering media with an adapter-enhanced diffusion model
2025-Oct-20, Optics express
IF:3.2Q2
DOI:10.1364/OE.576825
PMID:41215254
|
研究论文 | 提出一种结合扩散模型和测试时适配器的方法，用于在动态散射介质中重建隐藏物体 | 将扩散模型的强大去噪能力与测试时适配器相结合，实现有限训练数据下的跨域鲁棒对齐 | 仅在单一室内散射条件下的100对图像上训练，可能对更广泛散射条件的适应性有待验证 | 解决复杂散射介质后方物体重建的光学成像挑战 | 隐藏在各种散射介质后的物体 | 计算机视觉 | NA | 光学成像 | 扩散模型 | 图像 | 100对配对图像 | NA | 扩散模型, U-Net, SwinUNet | 图像质量 | NA |
| 5013 | 2025-11-12 |
Deep learning-optimized bilayer metasurface based on robust magnetic dipole coupling for MRI enhancement at 70mT
2025-Oct-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.570420
PMID:41215099
|
研究论文 | 提出一种基于深度学习的双层超表面结构，通过磁偶极耦合增强70mT场强下的MRI成像性能 | 首次将双层超表面结构与深度学习优化相结合，通过能带简并和层间磁偶极耦合实现稳健的磁场增强 | 研究主要针对70mT场强，在其他场强下的性能表现需要进一步验证 | 开发一种能够在极低场强下有效增强MRI成像性能的超表面结构 | 双层开口环谐振器超表面结构及其在MRI中的应用 | 计算电磁学，医学影像增强 | 神经疾病（通过头部MRI成像） | 磁共振成像，电磁场模拟，深度学习优化 | 深度学习神经网络 | 电磁场模拟数据，结构参数数据 | NA | NA | NA | 磁场增强倍数，共振频率稳定性 | NA |
| 5014 | 2025-11-12 |
Stereo matching based on the IC-Stereo network in low-light environments
2025-Oct-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.565995
PMID:41215114
|
研究论文 | 提出一种基于IC-Stereo网络的立体匹配方法，用于解决低光照环境下的图像细节丢失和几何信息缺失问题 | 集成上下文与几何信息融合模块和低光照图像增强模块，通过深度学习方法提升低光照条件下的立体匹配性能 | NA | 提升低光照环境下的立体匹配精度 | 低光照环境下的立体图像 | 计算机视觉 | NA | 图像处理技术 | 深度学习网络 | 立体图像 | 基于KITTI数据集生成的合成低光照数据集和真实低光照双目相机采集的数据集 | NA | IC-Stereo | 精度 | NA |
| 5015 | 2025-11-12 |
Under-sampling high quality parallel single-pixel imaging based on vision-transformer
2025-Oct-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.572049
PMID:41215119
|
研究论文 | 提出基于视觉Transformer的并行单像素成像框架，在极低采样率下实现高质量图像重建 | 将Hadamard矩阵重构为4×4阵列光场实现多通道物理层信息压缩，并首次将Vision-Transformer引入单像素成像重建 | 未明确说明在极端噪声环境下的鲁棒性 | 解决单像素成像在低采样率下的高质量成像难题 | 单像素成像系统采集的混叠检测信号 | 计算机视觉 | NA | 单像素成像，阵列空间光场调制 | Vision-Transformer | 图像，光学检测信号 | NA | NA | Vision-Transformer，多头自注意力机制 | 数据处理速度，成像质量 | NA |
| 5016 | 2025-11-12 |
Dual-constraint reconstruction network with semantic-discriminative consistency for radon single pixel imaging
2025-Oct-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.572566
PMID:41215122
|
研究论文 | 提出一种基于深度学习的Radon单像素成像重建方法，通过双约束机制在低采样率下实现高质量图像重建 | 设计了包含语义潜在向量调制模块的双分支生成对抗网络，引入潜在空间语义一致性和图像判别信息保留的双约束机制 | 仅使用典型运动目标（鸟类）的模拟数据集进行验证，未涉及更复杂的实际场景 | 解决低采样率下Radon单像素成像质量退化问题 | Radon单像素成像中的运动目标重建 | 计算机视觉 | NA | Radon单像素成像 | GAN | 图像 | 包含典型运动目标（鸟类）的模拟数据集 | NA | 双分支生成对抗网络 | 图像重建质量 | NA |
| 5017 | 2025-11-12 |
Birefringence microscopy enables rapid, label-free quantification of myelin debris following induced cortical injury
2025-Oct, Neurophotonics
IF:4.8Q1
DOI:10.1117/1.NPh.12.4.045006
PMID:41181030
|
研究论文 | 本研究开发了一种基于双折射显微镜和深度学习的高通量、无标记成像方法，用于定量评估皮质损伤后髓鞘病理变化 | 首次将双折射显微镜与深度学习目标检测网络结合，实现大规模髓鞘结构损伤的快速定量分析 | 研究仅限于食蟹猴模型和胼胝体区域，需要进一步验证在其他疾病模型和脑区的适用性 | 建立双折射显微镜作为高通量无标记成像技术，用于大规模定量评估死后脑组织中的髓鞘病理 | 食蟹猴皮质损伤模型中的胼胝体髓鞘组织 | 数字病理 | 神经退行性疾病 | 双折射显微镜，荧光髓鞘染色，免疫组织化学 | 深度学习目标检测网络 | 显微镜图像 | 食蟹猴皮质损伤模型，包含6周和12周恢复期及年龄匹配对照组 | NA | 目标检测网络 | 统计学显著性(P值) | NA |
| 5018 | 2025-11-12 |
NeuHolo: non-interferometric quantitative single-shot holographic imaging for 3D metrology using neural fields
2025-Sep-22, Optics express
IF:3.2Q2
DOI:10.1364/OE.567074
PMID:41215303
|
研究论文 | 提出一种基于神经场网络和随机相位调制的非干涉定量单次全息成像框架NeuHolo | 首次将神经场网络与随机相位调制结合，无需物体支撑即可通过无监督深度学习从单次测量中定量估计振幅和相位 | 未明确说明计算资源需求和算法处理时间 | 开发无需干涉的非干涉定量全息成像技术 | 光场的复振幅重建 | 计算机视觉 | NA | 全息成像，随机相位调制 | 神经网络 | 强度测量数据 | NA | 深度学习框架 | 神经场网络 | 精度，视场大小 | NA |
| 5019 | 2025-11-12 |
Supercell-based metasurfaces for arbitrary polarization beam splitting: physics-informed U-Net design with high extinction ratio
2025-Sep-22, Optics express
IF:3.2Q2
DOI:10.1364/OE.561950
PMID:41215359
|
研究论文 | 提出一种基于物理信息驱动深度学习的方法，用于设计任意偏振分束的超表面结构 | 将物理信息嵌入改进的U-Net架构，通过分解目标远场图案到正交圆偏振分量来高效恢复相位分布 | NA | 开发高效偏振控制器件设计方法 | 硅纳米柱超表面结构 | 计算光子学 | NA | FDTD模拟 | U-Net | 相位分布数据，远场图案 | NA | NA | 改进的U-Net | MSE, 偏振消光比, 传输效率 | NA |
| 5020 | 2025-11-12 |
Dual deep learning network enables data-efficient two-color single-molecule localization microscopy with colorimetry camera
2025-Sep-22, Optics express
IF:3.2Q2
DOI:10.1364/OE.574460
PMID:41215365
|
研究论文 | 开发了一种结合双深度学习网络的CC-DeepSTORM框架，用于提升双色单分子定位显微镜的数据效率 | 提出CC-DeepLoc定位网络和CC-DeepSeparator颜色分离网络的双深度学习框架，显著提升定位精度并大幅降低数据拒绝率 | 研究主要基于模拟和单色实验数据验证，双色实验的全面性能评估有待进一步扩展 | 解决多色单分子定位显微镜技术复杂性和数据效率低下的问题 | 单分子定位显微镜图像数据 | 计算显微镜 | NA | 单分子定位显微镜(SMLM) | 深度学习网络 | 显微镜图像 | NA | 深度学习框架 | CC-DeepLoc, CC-DeepSeparator | Jaccard指数, 定位精度, 串扰率, 数据拒绝率 | NA |