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 32371 篇文献，本页显示第 6481 - 6500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6481 | 2025-07-11 |
Asymmetrical Contrastive Learning Network via Knowledge Distillation for No-Service Rail Surface Defect Detection
2025-Jul, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3479453
PMID:39471124
|
研究论文 | 本文提出了一种基于知识蒸馏的非对称对比学习网络（ACLNet），用于无轨道表面缺陷检测，通过双流教师模型和单流学生模型实现高性能和参数效率的平衡 | 提出ACLNet-T双流教师模型同时提取RGB和深度特征，并设计ACLNet-S单流学生模型通过对比蒸馏损失、多尺度图映射蒸馏损失和基于自适应注意力解码器的注意力蒸馏损失实现知识迁移 | 未明确提及具体局限性，但可能涉及对特定数据集的依赖或计算资源需求 | 提高无轨道表面缺陷检测的性能和参数效率 | 铁路表面缺陷 | 计算机视觉 | NA | 知识蒸馏（KD）、对比学习、多尺度图映射 | ACLNet-T（双流教师模型）、ACLNet-S（单流学生模型） | RGB-D图像 | 工业RGB-D数据集NEU RSDDS-AUG及三个额外公共数据集 | NA | NA | NA | NA |
| 6482 | 2025-07-11 |
Spectral Super-Resolution in Frequency Domain
2025-Jul, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3481060
PMID:39471122
|
研究论文 | 本文提出了一种在频域中进行光谱超分辨率重建的新方法，通过设计一个光谱-空间-频域融合网络（SSFDF）来提升重建效果 | 首次尝试在频域中解决光谱超分辨率问题，并设计了SSFDF网络来融合频域信息 | 未明确提及具体局限性 | 提升从RGB图像重建高光谱图像（HSI）的性能 | 高光谱图像（HSI） | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 多个数据集上的实验 | NA | NA | NA | NA |
| 6483 | 2025-07-11 |
Structure-Preserved Self-Attention for Fusion Image Information in Multiple Color Spaces
2025-Jul, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3490800
PMID:39531572
|
research paper | 提出了一种结构保持自注意力网络（SPSANet），用于高效融合不同颜色空间的图像信息 | 引入了一种新颖的结构保持自注意力（SPSA）模块，采用单头像素级注意力机制，替代传统的多头自注意力（MHSA）方法 | NA | 提高深度学习模型在下游任务中的识别性能 | 图像信息 | computer vision | NA | self-attention mechanism | SPSANet | image | NA | NA | NA | NA | NA |
| 6484 | 2025-07-11 |
CombiANT reader: Deep learning-based automatic image processing tool to robustly quantify antibiotic interactions
2025-Jul, PLOS digital health
DOI:10.1371/journal.pdig.0000669
PMID:40627666
|
研究论文 | 介绍了一种基于深度学习的自动图像处理工具CombiANT reader，用于稳健量化抗生素相互作用 | 开发了一种自动化深度学习方法，能够准确分割细菌生长并测量CombiANT测定中的关键点距离，具有亚毫米精度 | 需要进一步验证在不同环境和设备上的适用性 | 开发一种自动化工具来量化抗生素相互作用，以应对抗生素耐药性问题 | CombiANT测定中的细菌生长图像 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 100个平板，由三位不同用户使用手机相机拍摄 | NA | NA | NA | NA |
| 6485 | 2025-07-11 |
Comparative analysis of deep learning and tree-based models in power demand prediction: Accuracy, interpretability, and computational efficiency
2025-Jul, Journal of building physics
IF:1.8Q3
DOI:10.1177/17442591251333144
PMID:40630870
|
研究论文 | 比较深度学习和基于树的模型在电力需求预测中的准确性、可解释性和计算效率 | 提出了一种多视角评估分析，包括预测准确性、可解释性和计算效率，并比较了六种流行模型在不同电力需求水平下的表现 | 研究仅针对电力需求预测领域，未涉及其他能源预测场景 | 评估不同机器学习模型在电力需求预测中的性能，为模型选择提供指导 | 电力需求预测 | 机器学习 | NA | 机器学习 | RNN, GRU, LSTM, Random Forest, XGBoost, LightGBM | 时间序列数据 | NA | NA | NA | NA | NA |
| 6486 | 2025-07-11 |
From Promise to Practice: Reducing Research Waste in Deep Learning Model Development for Cardiovascular Imaging
2025-Jul, JACC. Cardiovascular imaging
DOI:10.1016/j.jcmg.2025.05.003
PMID:40634020
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6487 | 2025-07-11 |
Challenges and Strategies for Deep Learning in Cardiovascular Imaging: Ejection Fraction and Heart Failure Management
2025-Jul, JACC. Cardiovascular imaging
DOI:10.1016/j.jcmg.2025.02.011
PMID:40634019
|
研究论文 | 本文探讨了深度学习在心血管成像中面临的挑战及应对策略，特别是关于左心室射血分数（LVEF）的自动测量和心力衰竭管理 | 通过分析评估指标、训练数据和模型泛化三大挑战，提出了结合医学影像领域知识以提升深度学习模型性能的方法 | 研究仅基于3,538个样本，可能无法完全代表所有临床场景 | 评估深度学习在心血管成像自动测量中的挑战并探讨改进策略 | 左心室射血分数（LVEF）测量和心力衰竭管理 | 数字病理 | 心血管疾病 | 深度学习（DL） | 监督端到端学习 | 医学影像 | 3,538个样本（来自三个不同人群） | NA | NA | NA | NA |
| 6488 | 2025-07-11 |
Physics informed neural networks simulation of fingering instabilities arising during immiscible and miscible multiphase flow in oil recovery processes
2025-Jul-01, Chaos (Woodbury, N.Y.)
DOI:10.1063/5.0273935
PMID:40637571
|
研究论文 | 本文提出了一种基于物理信息神经网络（PINNs）的深度学习框架，用于模拟石油开采过程中多相流的不稳定性（指进现象） | 利用PINNs将物理定律（偏微分方程）编码为神经网络的先验信息，有效解决了流体动力学问题中的强非线性和高维度挑战 | 未明确提及具体的数据集或实验验证规模，可能缺乏实际应用的广泛验证 | 解决石油开采过程中多相流的不稳定性模拟问题 | 石油开采过程中的多相流（包括不可混溶和可混溶流体） | 流体动力学 | NA | 物理信息神经网络（PINNs） | PINNs | 数值模拟数据 | NA | NA | NA | NA | NA |
| 6489 | 2025-07-11 |
Domain-generalized Deep Learning for Improved Subject-independent Emotion Recognition Based on Electroencephalography
2025-Jun-30, Experimental neurobiology
IF:1.8Q4
DOI:10.5607/en25011
PMID:40364497
|
研究论文 | 本研究评估了结合四种领域泛化技术和三种深度学习架构的方法，以提高基于脑电图(EEG)的独立于受试者的情绪识别的性能 | 系统地评估了十二种结合领域泛化技术和深度学习架构的方法，以解决跨受试者变异性问题，并提高了情绪识别的分类准确率 | 研究仅使用了两个情绪EEG数据集，可能无法涵盖所有可能的情绪状态和受试者变异性 | 提高独立于受试者的基于EEG的情绪识别的模型泛化能力 | 情绪识别 | 机器学习 | NA | 领域泛化技术(Deep CORAL, GroupDRO, VREx, DANN) | ShallowFBCSPNet, EEGNet, TSception | 脑电图(EEG)数据 | 两个情绪EEG数据集，采用十折交叉验证策略 | NA | NA | NA | NA |
| 6490 | 2025-07-11 |
[Advances in low-dose cone-beam computed tomography image reconstruction methods based on deep learning]
2025-Jun-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202409021
PMID:40566788
|
综述 | 本文系统回顾了基于深度学习的低剂量锥形束计算机断层扫描（CBCT）图像重建方法 | 比较了不同网络架构在降噪、伪影去除、细节保留和计算效率方面的表现，并探讨了多模态融合和自监督学习等新兴技术的应用潜力 | 未提及具体临床验证结果或实际应用效果 | 优化低剂量CBCT算法并支持其临床应用 | 低剂量CBCT图像重建技术 | 医学影像处理 | NA | 深度学习 | 多种网络架构（未具体说明） | 医学影像（CBCT扫描数据） | NA | NA | NA | NA | NA |
| 6491 | 2025-07-11 |
AI in Medical Questionnaires: Innovations, Diagnosis, and Implications
2025-Jun-23, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/72398
PMID:40549427
|
系统综述 | 本文系统综述了人工智能在医学问卷中的应用、潜在益处及问题，重点关注其在评估、开发和预测三个主要功能中的作用 | 揭示了AI技术在医学问卷中的综合应用潜力，包括提高诊断准确性、辅助临床决策及简化问卷开发和数据分析 | 大多数研究仍处于探索阶段，方法学质量中等，主要限制包括缺乏对照组、随访数据不完整和验证系统不足 | 系统评估AI在医学问卷中的价值，探索其在改善诊断效率、加速量表开发和促进早期干预方面的潜力 | 医学问卷，特别是与心理健康相关的问卷 | 自然语言处理 | 精神健康障碍 | 自然语言处理，生成模型如ChatGPT | 随机森林、支持向量机、k近邻、CNN、BERT、ChatGPT | 文本 | 从49,091篇文献中筛选出14篇符合纳入标准的研究 | NA | NA | NA | NA |
| 6492 | 2025-07-11 |
Quantum-inspired computational drug design for phytopharmaceuticals: a herbal holography analysis
2025-Jun-13, Journal of molecular modeling
IF:2.1Q3
DOI:10.1007/s00894-025-06412-w
PMID:40512383
|
研究论文 | 本文提出了一种基于量子理论启发的计算药物设计方法，用于植物药物的全息分析 | 引入了植物全息学这一新范式，将植物分子视为多维系统，并应用全息和量子理论进行理解 | 量子驱动方法在植物医学中的实际应用效果尚待验证 | 探索量子驱动方法是否能在植物药物领域带来真正的革命 | 植物化合物 | 计算药物设计 | NA | 混合量子-经典模拟、深度学习模型、量子力学 | 深度学习模型 | NA | NA | NA | NA | NA | NA |
| 6493 | 2025-07-11 |
Ultra-fast single-sequence magnetic resonance imaging (MRI) for lower back pain: diagnostic performance of a deep learning T2-Dixon pprotocol
2025-Jun-11, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2025.106987
PMID:40633138
|
research paper | 评估深度学习加速的T2w Dixon单序列MRI协议在诊断下腰痛中的性能 | 提出了一种深度学习加速的T2w Dixon单序列MRI协议，显著缩短了扫描时间 | 单中心研究，样本量较小（30例患者） | 评估缩短版MRI协议在下腰痛诊断中的性能 | 下腰痛患者 | digital pathology | lower back pain | MRI, deep learning | NA | image | 30例下腰痛患者 | NA | NA | NA | NA |
| 6494 | 2025-07-11 |
Feasibility Study of Triple-low CCTA for Coronary Artery Disease Screening Combining Contrast Enhancement Boost and Deep Learning Reconstruction
2025-Jun, Reviews in cardiovascular medicine
IF:1.9Q3
DOI:10.31083/RCM31334
PMID:40630453
|
研究论文 | 本研究比较了使用对比增强提升(CE-boost)技术和深度学习重建技术的低剂量、低对比剂流速/剂量的冠状动脉CT血管成像(CCTA)与传统CCTA的图像质量，并探讨了该技术在冠状动脉疾病早期筛查中的潜在应用 | 结合CE-Boost技术和深度学习重建技术，实现了辐射剂量和对比剂用量的显著降低，同时保持了诊断图像质量 | 样本量较小(46例患者)，且研究时间较短(2024年3月至9月) | 探索低剂量、低对比剂用量的CCTA技术在冠状动脉疾病筛查中的临床应用价值 | 疑似冠状动脉狭窄的患者 | 数字病理 | 心血管疾病 | CT血管成像(CCTA)、对比增强提升(CE-Boost)、深度学习重建 | 深度学习 | 医学影像 | 46例疑似冠状动脉狭窄患者 | NA | NA | NA | NA |
| 6495 | 2025-07-11 |
Identifying Asthma-Related Symptoms From Electronic Health Records Using a Hybrid Natural Language Processing Approach Within a Large Integrated Health Care System: Retrospective Study
2025-May-02, JMIR AI
DOI:10.2196/69132
PMID:40611521
|
研究论文 | 本研究开发了一种混合自然语言处理（NLP）算法，用于从大型综合医疗系统的临床记录中识别与哮喘相关的症状 | 结合基于规则和基于transformer的深度学习算法，开发了一种混合NLP方法，有效提高了从非结构化临床记录中识别哮喘相关症状的准确性 | 研究仅针对特定时间段内的临床记录进行分析，可能无法涵盖所有哮喘症状的表达方式 | 开发有效的NLP算法以识别哮喘相关症状，促进早期哮喘检测和恶化风险预测 | 大型综合医疗系统中的非结构化临床记录 | 自然语言处理 | 哮喘 | NLP, 深度学习 | 基于规则的算法, transformer-based算法 | 文本 | 11,374,552份临床记录，包含128,211,793个句子 | NA | NA | NA | NA |
| 6496 | 2025-07-11 |
Learning-based early detection of post-hepatectomy liver failure using temporal perioperative data: a nationwide multicenter retrospective study in China
2025-May, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2025.103220
PMID:40630620
|
研究论文 | 利用基于学习的方法和围手术期时间数据，实现肝切除术后肝功能衰竭的早期检测 | 采用前沿AI技术进行广泛的时间特征分析，将PHLF的检测提前至术后24小时内，并展示了在西方人群中的泛化潜力 | 在MIMIC-IV队列中，由于EHR数据不完整，模型性能有所下降 | 提高肝切除术后肝功能衰竭的早期检测能力 | 肝切除术后患者 | 数字病理 | 肝功能衰竭 | 深度学习 | Bio-Clinical Bidirectional Encoder Representation from Transformers | 电子健康记录（EHR） | 中国队列1832例患者（训练681例，验证1151例），MIMIC-IV队列242例患者 | NA | NA | NA | NA |
| 6497 | 2025-07-11 |
TOWARDS PATIENT-SPECIFIC SURGICAL PLANNING FOR BICUSPID AORTIC VALVE REPAIR: FULLY AUTOMATED SEGMENTATION OF THE AORTIC VALVE IN 4D CT
2025-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/ISBI60581.2025.10981269
PMID:40630832
|
研究论文 | 本文开发了一种基于nnU-Net的全自动多标签二叶式主动脉瓣分割流程，用于手术规划 | 首次提出针对二叶式主动脉瓣的全自动分割方法，并评估了分割结果的临床可用性 | 分割结果的时间一致性需要改进 | 开发患者特异性手术规划工具，用于二叶式主动脉瓣修复 | 二叶式主动脉瓣 | 数字病理学 | 心血管疾病 | 4D CT | nnU-Net | 4D CT图像 | 未明确说明样本数量 | NA | NA | NA | NA |
| 6498 | 2025-07-11 |
Building a Synthetic Vascular Model: Evaluation in an Intracranial Aneurysms Detection Scenario
2025-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3492313
PMID:39504285
|
研究论文 | 本文提出了一种能够模拟脑部血管树的全合成模型，用于颅内动脉瘤检测 | 开发了一个全合成的3D模型，能够模拟脑部血管树的几何结构、动脉瘤形状和背景噪声，为3D卷积神经网络提供大量数据集 | 模型虽然能够模拟血管树和噪声，但可能无法完全复现真实患者数据的复杂性 | 构建一个合成血管模型，用于提高颅内动脉瘤的检测效率 | 脑部血管树，特别是Willis环上的颅内动脉瘤 | 数字病理学 | 颅内动脉瘤 | 磁共振血管造影（MRA），飞行时间（TOF）原理 | 3D CNN | 3D图像 | NA | NA | NA | NA | NA |
| 6499 | 2025-07-11 |
CellBinDB: a large-scale multimodal annotated dataset for cell segmentation with benchmarking of universal models
2025-Jan-06, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giaf069
PMID:40552981
|
研究论文 | 介绍了一个名为CellBinDB的大规模多模态标注数据集，用于细胞分割，并评估了通用模型的性能 | 提出了一个包含多种染色方式和组织类型的大规模数据集，并评估了多种细胞分割技术的性能 | 数据集虽然多样，但可能仍无法涵盖所有可能的细胞形态和成像条件 | 促进通用细胞分割模型的发展，提高细胞分割技术的泛化能力 | 人类和小鼠的正常及病变组织中的细胞和细胞核 | 数字病理学 | 多种疾病（未具体说明） | 多种染色技术（如DAPI、ssDNA、H&E、多重免疫荧光染色） | 多种深度学习模型（未具体说明） | 图像 | 超过1000张标注图像，涵盖30多种正常和病变组织类型 | NA | NA | NA | NA |
| 6500 | 2025-07-11 |
Machine Learning in Enhancing Protein Binding Sites Predictions - What Has Changed Since Then?
2025, Combinatorial chemistry & high throughput screening
IF:1.6Q3
|
综述 | 本文综述了蛋白质结合位点预测领域的挑战与最新进展，重点介绍了分子动力学模拟、机器学习和深度学习技术的整合应用 | 整合分子动力学模拟、机器学习和深度学习技术，以捕捉蛋白质-配体相互作用的动态和复杂性 | 未提及具体的技术实施细节或算法的局限性 | 提高蛋白质结合位点预测的准确性和可靠性，以促进药物发现 | 蛋白质结合位点及其与配体的相互作用 | 机器学习 | NA | 分子动力学模拟、机器学习、深度学习 | NA | 结构信息、生化测定数据 | NA | NA | NA | NA | NA |