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 39696 篇文献，本页显示第 541 - 560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 541 | 2026-02-03 |
A novel deep learning approach for intrusion detection in maritime radar networks
2025-Dec-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34353-0
PMID:41469470
|
研究论文 | 本文提出了一种名为MARINERNet的深度学习入侵检测系统，专门用于海上雷达网络，通过集成1D卷积层、挤压-激励模块和残差连接，自动从原始雷达网络数据中提取特征，以提高检测准确性 | 引入了一种新颖的深度学习架构，结合1D卷积层、挤压-激励模块和残差连接，自动提取特征，无需手动干预，并在多类和二类分类任务中实现了最先进的性能 | 未明确提及具体限制，如数据集的多样性、实际部署中的计算开销或对抗性攻击的鲁棒性 | 开发一个深度学习入侵检测系统，以实时检测海上雷达网络中的网络攻击，确保关键基础设施的安全 | 海上雷达网络及其相关的网络数据 | 机器学习 | NA | 深度学习 | CNN | 原始雷达网络数据 | NA | NA | 1D卷积层、挤压-激励模块、残差连接 | 准确率 | NA |
| 542 | 2026-02-03 |
A multi-objective optimization framework integrating ICSL deep learning for forecasting and scheduling emergency medical supply demand in public health emergencies
2025-Dec-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34300-z
PMID:41476145
|
研究论文 | 本文提出了一种集成ICSL深度学习的多目标优化框架，用于预测和调度公共卫生事件中的应急医疗物资需求 | 结合传染病特征和政府隔离措施影响，通过ICSL深度学习架构预测应急医疗物资最大需求，并构建考虑紧迫性、调度时间和成本的多目标调度分配模型 | NA | 解决重大疫情中后期应急医疗物资的预测与分配挑战 | 公共卫生事件中的应急医疗物资需求与调度 | 机器学习 | NA | 深度学习 | LSTM, BP神经网络 | 疫情控制措施数据 | 武汉疫情防控措施数据 | NA | ICSL深度学习架构 | 预测准确率 | NA |
| 543 | 2026-01-01 |
Prioritizing missense mutations via a deep learning phosphorylation prediction model
2025-Dec-30, Human genomics
IF:3.8Q2
DOI:10.1186/s40246-025-00898-4
PMID:41469746
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 544 | 2026-01-01 |
Artificial intelligence technology for the ethical issues research from a Marxist perspective under deep learning
2025-Dec-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34208-8
PMID:41469803
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 545 | 2025-12-30 |
Evaluation of a YOLOv5x-based deep learning model for interproximal caries segmentation on bitewing radiographs across primary and permanent teeth
2025-Dec-29, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-07570-2
PMID:41457204
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 546 | 2026-02-03 |
Improving sign Language recognition system for assisting deaf and dumb people using pathfinder algorithm with representation learning model
2025-Dec-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34283-x
PMID:41461898
|
研究论文 | 本研究提出了一种基于路径寻找算法和特征提取模型的美国手语识别系统，旨在通过优化策略提升识别准确性和鲁棒性 | 整合路径寻找算法与SE-DenseNet特征提取模型及Elman神经网络分类器，通过参数调优提升手语识别性能 | 仅在美国手语数据集上进行测试，未涉及其他手语变体或真实复杂场景验证 | 提高手语识别系统的准确性和实用性，以辅助聋哑人士沟通 | 美国手语手势图像数据 | 计算机视觉 | NA | 高斯滤波去噪，深度学习特征提取与分类 | Elman神经网络 | 图像 | 未明确指定样本数量，使用美国手语数据集 | 未明确指定，可能涉及自定义实现 | SE-DenseNet, Elman神经网络 | 准确率 | NA |
| 547 | 2026-02-03 |
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 | 本文介绍了首个公开的骨髓巨核细胞亚型分类数据集MK-11，用于自动形态学评估的开发与评估 | 首次提供了高质量、开放许可的骨髓巨核细胞图像数据集，解决了该领域数据稀缺问题，并建立了基于深度学习的分类基准 | 数据集规模相对有限（7,204张图像），可能影响模型泛化能力；且仅基于Wright-Giemsa染色图像，未涵盖其他染色技术 | 开发用于骨髓巨核细胞亚型自动分类的深度学习模型，以辅助血液疾病的诊断与研究 | 骨髓中的巨核细胞亚型，涉及11种临床相关亚型 | 数字病理学 | 骨髓增生异常综合征（MDS）及其他血小板相关疾病 | Wright-Giemsa染色 | CNN, Transformer | 图像 | 7,204张单细胞图像 | NA | 卷积神经网络, Transformer | NA | NA |
| 548 | 2026-02-03 |
A practical guide to the implementation of artificial intelligence in orthopaedic research-Part 3: How orthopaedic research benefits from the implementation of artificial intelligence
2025-Oct, Journal of experimental orthopaedics
IF:2.0Q2
DOI:10.1002/jeo2.70481
PMID:41180563
|
综述 | 本文概述了人工智能在骨科研究中的益处，并讨论了在快速发展领域中开展高质量AI研究的挑战 | 提供了骨科领域AI实施的实用指南，强调了AI在图像评估、手术规划、结果预测等方面的成功应用 | 未具体说明研究中的样本大小或数据细节，主要关注概述性内容 | 概述人工智能在骨科领域的益处，并解决高质量AI研究面临的挑战 | 骨科研究中的AI应用，包括图像评估、手术规划、结果预测等 | 机器学习 | 骨科疾病 | NA | NA | 图像、文本（电子病历） | NA | NA | NA | NA | NA |
| 549 | 2026-02-03 |
Enhancing deep neural networks through complex-valued representations and Kuramoto synchronization dynamics
2025-Aug-04, ArXiv
PMID:40799806
|
研究论文 | 本文研究如何通过结合复数表示和Kuramoto同步动力学来增强深度神经网络在复杂视觉分类任务中的性能 | 受神经科学启发，首次将复数表示与Kuramoto动力学相结合，通过相位对齐机制促进特征分组，以解决深度学习模型中的对象绑定问题 | 未明确说明模型的计算复杂度、训练时间以及在大规模数据集上的可扩展性 | 探索基于同步的机制是否能增强人工模型在视觉分类中的对象编码能力 | 多对象图像，包括重叠手写数字、噪声输入和分布外变换 | 计算机视觉 | NA | NA | 前馈模型, 循环模型 | 图像 | NA | NA | NA | NA | NA |
| 550 | 2026-02-03 |
Advanced Distance-Resolved Evaluation of the Perienhancing Tumor Areas with FLAIR Hyperintensity Indicates Different ADC Profiles by MGMT Promoter Methylation Status in Glioblastoma
2025-Feb-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8493
PMID:39848779
|
研究论文 | 本研究利用一种新颖的距离分辨3D评估方法，分析了胶质母细胞瘤（GBM）强化周围浸润区的ADC值，并探讨其与MGMT启动子甲基化状态的关系 | 首次采用距离分辨的3D体积分析方法，量化了GBM肿瘤核心周围不同距离子体积的ADC值，揭示了传统MRI人眼无法察觉的组织特征差异 | 研究为回顾性分析，样本量相对有限（101例），且仅分析了IDH野生型GBM | 探究MGMT启动子甲基化状态是否反映在GBM的MRI标记物（特别是ADC值）上 | IDH野生型胶质母细胞瘤（GBM）患者 | 数字病理学 | 胶质母细胞瘤 | MRI（包括FLAIR序列和ADC图），深度学习分割 | 深度学习模型（具体类型未在摘要中指定） | 3D MRI图像 | 101名患者（其中MGMT启动子甲基化[mMGMT] 43例，未甲基化[uMGMT] 58例） | NA | NA | Wilcoxon符号秩检验的P值 | NA |
| 551 | 2026-02-03 |
Whole-body low-dose computed tomography in patients with newly diagnosed multiple myeloma predicts cytogenetic risk: a deep learning radiogenomics study
2025-Feb, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-024-04733-0
PMID:38937291
|
研究论文 | 本研究开发了一种基于全身低剂量CT的深度学习模型，用于预测多发性骨髓瘤患者的细胞遗传学异常风险 | 首次利用全身低剂量CT扫描结合深度学习技术预测多发性骨髓瘤的细胞遗传学风险，实现了无创性风险分层 | 样本量相对较小（151例患者），且仅基于单中心数据，可能影响模型的泛化能力 | 开发深度学习模型以通过影像学特征预测多发性骨髓瘤的细胞遗传学异常 | 新诊断的多发性骨髓瘤患者 | 数字病理学 | 多发性骨髓瘤 | 荧光原位杂交（FISH），全身低剂量CT（WBLDCT） | 深度学习模型 | 医学影像（CT扫描） | 151例多发性骨髓瘤患者 | NA | NA | AUROC（受试者工作特征曲线下面积） | NA |
| 552 | 2026-02-03 |
Comparison of Pathologist and Artificial Intelligence-based Grading for Prediction of Metastatic Outcomes After Radical Prostatectomy
2025-Feb, European urology oncology
IF:8.3Q1
DOI:10.1016/j.euo.2024.08.004
PMID:39232875
|
研究论文 | 本研究比较了基于深度学习的AI分级与病理学家分级在预测前列腺癌根治术后转移结局方面的表现 | 首次直接评估AI分级算法与病理学家分级在预测前列腺癌转移结局方面的临床价值，而非仅关注分级一致性 | 研究样本量相对有限（777例患者），且仅基于单个代表性切片进行评估 | 评估AI分级系统在预测前列腺癌根治术后转移风险方面的临床有效性 | 前列腺癌患者 | 数字病理学 | 前列腺癌 | 苏木精-伊红染色 | 深度学习 | 全切片数字图像 | 777名独特患者 | NA | NA | Harrell's C-index | NA |
| 553 | 2026-02-03 |
Deep Learning-Based Tract Classification of Preoperative DWI Tractography Advances the Prediction of Short-Term Postoperative Language Improvement in Children With Drug-Resistant Epilepsy
2025-02, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3463481
PMID:39292577
|
研究论文 | 本研究开发了一种基于深度卷积神经网络的纤维束分类方法，用于利用术前全脑扩散加权成像连接组中的语言模块网络轴突连接标记，预测儿童耐药性癫痫患者术后短期语言功能改善 | 扩展了先前的DCNN纤维束分类方法，利用高质量开放数据库提高个体患者术前连接组中真实阳性纤维束的分类准确性，并结合心理测量驱动的连接组分析构建核心、表达性和接受性语言模块网络 | 研究样本量相对有限，且仅评估了短期（约两个月）术后语言改善，缺乏长期随访数据 | 提高儿童耐药性癫痫患者术后短期语言功能改善的预测准确性 | 耐药性癫痫儿童患者 | 医学影像分析 | 癫痫 | 扩散加权成像（DWI）、纤维束成像 | 深度卷积神经网络（DCNN） | 医学影像（扩散加权成像连接组） | 未明确说明具体样本数量，但包含独立验证队列 | 未明确说明 | 深度卷积神经网络（DCNN） | F统计量、准确率 | NA |
| 554 | 2026-02-03 |
Improved patient identification by incorporating symptom severity in deep learning using neuroanatomic images in first episode schizophrenia
2025-Feb, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology
IF:6.6Q1
DOI:10.1038/s41386-024-02021-y
PMID:39506100
|
研究论文 | 本研究开发了一种结合精神病症状严重程度的多任务深度学习模型，用于基于神经解剖图像识别首发精神分裂症患者 | 将症状严重程度回归任务整合到标准病例/对照识别中，提高了模型性能并增强了临床相关性 | 样本量相对有限，且主要针对药物初治的首发精神分裂症患者，可能限制了泛化能力 | 通过结合MRI和临床特征，建立影像生物标志物与症状表达之间的联系，以增强对急性精神病的机制理解 | 首发精神分裂症患者和健康对照者 | 医学影像分析 | 精神分裂症 | MRI，基于体素的形态测量法（VBM），基于表面的形态测量法（SBM） | 深度学习模型 | 神经解剖图像（MRI） | 训练集包括286名药物初治首发精神分裂症患者和330名健康对照（来自两个数据集），独立验证集包括40名首发精神分裂症患者 | NA | 多任务深度学习模型 | 平衡准确率，灵敏度，特异性 | NA |
| 555 | 2026-02-03 |
Deep learning based apparent diffusion coefficient map generation from multi-parametric MR images for patients with diffuse gliomas
2025-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17509
PMID:39514841
|
研究论文 | 本研究开发了一种基于深度学习的框架，利用多参数磁共振图像合成表观扩散系数图，用于弥漫性胶质瘤患者 | 提出了多参数残差视觉Transformer模型，结合了视觉Transformer的长距离上下文建模能力和卷积算子的精确性，并通过残差块显著增强了模型的表示能力 | 研究依赖于公开数据集的预处理ADC图作为金标准，模型性能可能受限于数据质量和预处理步骤 | 开发深度学习框架从多参数MRI图像合成ADC图，以克服DWI MRI耗时且易受伪影影响的问题 | 弥漫性胶质瘤患者 | 医学影像分析 | 胶质瘤 | 扩散加权磁共振成像，多参数磁共振成像 | Transformer, CNN | 磁共振图像 | 501例胶质瘤病例（训练集400例，验证集50例，测试集51例） | NA | MPR-ViT, Vision Convolutional Transformer, ResViT | 峰值信噪比, 结构相似性指数, 均方误差 | NA |
| 556 | 2026-02-03 |
Deep learning segmentation-based bone removal from computed tomography of the brain improves subdural hematoma detection
2025-Feb, Journal of neuroradiology = Journal de neuroradiologie
DOI:10.1016/j.neurad.2024.101231
PMID:39521273
|
研究论文 | 本文探讨了基于深度学习分割的脑部CT骨去除算法在提高硬膜下血肿检测中的应用 | 开发了一种深度学习分割算法用于脑部非对比CT的骨去除，并证明其能显著提高放射科实习生的硬膜下血肿检测能力 | 研究样本量有限，仅使用了137例NCCTH，且主要评估对象为初级放射科实习生，未涵盖更广泛的经验水平 | 提高硬膜下血肿在脑部非对比CT中的检测准确性和效率 | 脑部非对比CT图像中的硬膜下血肿 | 数字病理学 | 脑部疾病 | CT成像 | 深度学习分割算法 | 图像 | 137例NCCTH（100例用于训练，15例内部测试，22例外部测试） | NA | NA | Dice系数 | NA |
| 557 | 2026-02-03 |
Spatial Architecture of Single-Cell and Vasculature in Tumor Microenvironment Predicts Clinical Outcomes in Triple-Negative Breast Cancer
2025-Feb, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2024.100652
PMID:39522644
|
研究论文 | 本研究利用成像质谱流式技术分析三阴性乳腺癌肿瘤微环境的单细胞空间结构，并开发深度学习模型预测患者治疗反应 | 首次在单细胞分辨率上系统量化三阴性乳腺癌肿瘤微环境的异质性，识别出10种可复现的细胞邻域，并发现B细胞、成纤维细胞与肿瘤细胞的相对空间共定位与良好临床结局显著相关 | 样本量相对有限（71例），深度学习模型的预测性能（平均AUC=0.71）仍有提升空间，且结论需在更大独立队列中验证 | 揭示三阴性乳腺癌肿瘤微环境的空间结构与临床结局的关联，并开发基于基线肿瘤微环境特征的疗效预测模型 | 三阴性乳腺癌患者的肿瘤组织样本 | 数字病理学 | 乳腺癌 | 成像质谱流式技术 | 深度学习模型 | 图像 | 71例三阴性乳腺癌患者标本 | NA | NA | 受试者工作特征曲线下面积 | NA |
| 558 | 2026-02-03 |
Multi-task magnetic resonance imaging reconstruction using meta-learning
2025-Feb, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2024.110278
PMID:39580007
|
研究论文 | 提出一种基于元学习的多任务学习方法，用于同时重建不同成像序列采集的MRI图像 | 首次将元学习（学习如何学习）框架引入多任务MRI重建，并开发了跨图像域和k空间域的近端梯度下降优化方法 | 未明确说明方法在临床环境中的实时性能或计算效率 | 提高多序列MRI图像重建的泛化性和性能 | 多对比度磁共振成像数据 | 医学影像重建 | NA | 磁共振成像（MRI） | 深度学习 | k空间数据，图像数据 | NA | NA | NA | 像素级误差，定性性能 | NA |
| 559 | 2026-02-03 |
Tumor aware recurrent inter-patient deformable image registration of computed tomography scans with lung cancer
2025-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17536
PMID:39589333
|
研究论文 | 本文提出了一种肿瘤感知的循环配准（TRACER）深度学习方法，用于肺癌患者间CT扫描的可变形图像配准，以支持基于体素的分析 | 开发了结合3D卷积长短期记忆网络（3D-CLSTM）的肿瘤感知循环配准方法，通过输入条件化（包括肿瘤分割）和双向肿瘤刚性、图像相似性及变形平滑度损失进行无监督优化 | 研究主要针对肺癌患者，未涉及其他癌症类型；样本量相对有限（训练集204对，测试集最多765对） | 开发一种适用于基于体素分析的、能保持肿瘤拓扑结构的患者间可变形图像配准方法 | 肺癌患者的3D计算机断层扫描（CT）图像 | 计算机视觉 | 肺癌 | CT扫描 | 深度学习 | 3D图像 | 训练集：204对3D CT图像；测试集：数据集I（308对）、数据集II（765对）、数据集III（42名患者） | NA | 3D卷积长短期记忆网络（3D-CLSTM） | 肿瘤体积差异百分比、CT强度均方误差、计划放疗肿瘤剂量差异 | NA |
| 560 | 2026-02-03 |
Cross-shaped windows transformer with self-supervised pretraining for clinically significant prostate cancer detection in bi-parametric MRI
2025-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17546
PMID:39589390
|
研究论文 | 本研究提出了一种基于自监督预训练的CSwin UNet模型，用于双参数MRI中临床显著前列腺癌的检测 | 引入了新颖的端到端交叉窗口（CSwin）变换器UNet模型，并结合多任务自监督学习框架以利用未标记数据提升网络泛化能力 | NA | 增强前列腺癌在双参数MRI中的检测性能 | 临床显著前列腺癌（csPCa） | 计算机视觉 | 前列腺癌 | 双参数磁共振成像（bpMRI） | Transformer | 图像 | PI-CAI数据集（1476名患者）和Prostate158数据集（158名患者） | NA | CSwin UNet | AUC, Average Precision | NA |