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 32372 篇文献，本页显示第 6861 - 6880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6861 | 2025-10-06 |
Revisiting One-Stage Deep Uncalibrated Photometric Stereo via Fourier Embedding
2025-Aug, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3557245
PMID:40173071
|
研究论文 | 提出一种基于傅里叶嵌入的单阶段深度无标定光度立体网络（FUPS-Net），用于未知光照方向下的非朗伯体表面重建 | 首次将傅里叶变换嵌入到单阶段无标定光度立体网络中，通过傅里叶域分解隐式学习光照和几何特征，避免了两阶段方法的误差传播问题 | 未明确说明对特定材质或复杂光照条件的适应性限制 | 解决无标定光度立体问题，实现单阶段端到端的表面法向估计 | 非朗伯体物体在未知光照方向下的表面重建 | 计算机视觉 | NA | 光度立体视觉，傅里叶变换 | 深度学习网络 | 图像 | 合成和真实数据集（未指定具体数量） | NA | FUPS-Net，包含傅里叶嵌入提取块（FEE）、傅里叶嵌入聚合块（FEA）和频率-空间加权块（FSW） | NA | NA |
| 6862 | 2025-10-06 |
Revisiting Supervised Learning-Based Photometric Stereo Networks
2025-Aug, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3557498
PMID:40178960
|
研究论文 | 本文通过分析现有光度立体网络的深度特征和架构，提出了一种新的ESSENCE-Net方法 | 提出ESSENCE-Net，采用易优先编码策略有效编码深度阴影特征，通过阴影监督增强阴影特征，并使用空间上下文感知注意力准确解码法向量 | NA | 揭示监督学习光度立体网络如何处理未知反射率和全局光照效应挑战 | 光度立体网络 | 计算机视觉 | NA | 光度立体技术 | 深度学习网络 | 图像 | 三个基准数据集 | NA | ESSENCE-Net | NA | NA |
| 6863 | 2025-10-06 |
Unknown-Aware Bilateral Dependency Optimization for Defending Against Model Inversion Attacks
2025-Aug, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3558267
PMID:40184277
|
研究论文 | 提出一种双边依赖优化策略来防御模型反转攻击，同时保护隐私和提升模型安全性 | 提出双边依赖优化策略，通过最小化输入特征与潜在表示的依赖关系，同时最大化潜在表示与标签的依赖关系，解决了传统单边依赖优化在防御模型反转攻击与分类性能间的矛盾 | 使用BiDO训练的模型在分布外检测方面能力下降，可能带来安全风险 | 防御模型反转攻击，保护训练数据隐私，同时维持模型分类性能 | 深度学习分类器及其训练数据 | 机器学习安全 | NA | 依赖优化，分布外检测 | 分类器 | 训练数据特征和标签 | NA | NA | NA | FPR95, AUCROC | NA |
| 6864 | 2025-10-06 |
Recent Advances in Artificial Intelligence for Precision Diagnosis and Treatment of Bladder Cancer: A Review
2025-Aug, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-025-17228-6
PMID:40221553
|
综述 | 本文全面回顾了人工智能技术在膀胱癌精准诊疗中的最新研究进展与前景 | 系统总结了深度学习等AI技术在膀胱癌肿瘤检测、分子分型识别、分期分级和预后预测等临床任务中的创新应用 | 作为综述文章，未涉及具体实验设计和数据验证 | 探讨人工智能技术在膀胱癌精准诊疗中的应用价值与发展趋势 | 膀胱癌的临床诊断与治疗 | 数字病理 | 膀胱癌 | 深度学习 | NA | 医学影像、病理数据 | NA | NA | NA | NA | NA |
| 6865 | 2025-10-06 |
Hadamard Product in Deep Learning: Introduction, Advances and Challenges
2025-Aug, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3560423
PMID:40232897
|
综述 | 本文系统调查了深度学习中哈达玛乘积的基本原理、应用进展与挑战 | 首次对哈达玛乘积在深度学习中的应用进行系统分类，提出四大主要应用领域，并揭示其作为核心架构原语的潜力 | 作为综述论文，主要整合现有知识而非提出新方法，缺乏实证性能比较 | 系统分析哈达玛乘积在深度学习中的理论基础、应用场景和发展前景 | 深度学习中的哈达玛乘积运算及其架构应用 | 机器学习 | NA | NA | NA | 多模态数据 | NA | NA | NA | NA | 资源受限部署、边缘计算场景 |
| 6866 | 2025-10-06 |
Constraint Boundary Wandering Framework: Enhancing Constrained Optimization With Deep Neural Networks
2025-Aug, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3560762
PMID:40232899
|
研究论文 | 提出一种基于深度神经网络的约束边界游走框架，用于解决约束优化问题 | 引入受主动集方法启发的边界游走策略，将Lipschitz常数作为可学习参数，并证明L2范数正则化项的优越性 | NA | 提升约束优化问题的求解效率和可扩展性 | 约束优化问题 | 机器学习 | NA | 深度学习 | 深度神经网络 | 合成数据集和ACOPT数据集 | NA | NA | NA | 目标损失, 约束损失 | NA |
| 6867 | 2025-10-06 |
PointNorm-Net: Self-Supervised Normal Prediction of 3D Point Clouds via Multi-Modal Distribution Estimation
2025-Aug, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3562051
PMID:40238601
|
研究论文 | 提出首个自监督深度学习框架PointNorm-Net，用于解决3D点云法向量预测在真实场景中的泛化问题 | 提出三阶段多模态法向量分布估计范式，可集成到深度学习和传统优化方法中，是首个自监督3D点云法向量预测框架 | 未明确说明在极端复杂场景下的性能表现和处理效率 | 解决合成数据与真实数据之间的领域差距问题，提升3D点云法向量预测在真实场景的泛化能力 | 3D点云数据 | 计算机视觉 | NA | 自监督学习 | 深度学习框架 | 3D点云 | 三个真实世界数据集 | NA | PointNorm-Net | 泛化性能，与最先进方法的比较 | NA |
| 6868 | 2025-10-06 |
Graph Anomaly Detection in Time Series: A Survey
2025-Aug, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3566620
PMID:40315075
|
综述 | 对基于图的时间序列异常检测方法进行全面调研和系统综述 | 首次系统性地综述图方法在时间序列异常检测中的应用，分析图表示对时间序列数据的潜力及其对异常检测的贡献 | 作为综述性文章，不包含原始实验验证，主要依赖现有文献分析 | 探索图异常检测技术在时间序列数据分析中的应用和发展 | 时间序列数据中的异常检测方法 | 机器学习 | NA | 图表示学习 | 深度学习架构 | 时间序列数据 | NA | NA | NA | NA | NA |
| 6869 | 2025-10-06 |
Plexus and Peripheral Nerve MR Imaging: Advances and Applications: MR Neurography: Sequence Possibilities and Recent Advances
2025-Aug, Magnetic resonance imaging clinics of North America
IF:1.5Q3
DOI:10.1016/j.mric.2025.03.001
PMID:40610154
|
综述 | 本文探讨磁共振神经成像在诊断和管理神经丛及周围神经疾病方面的最新进展与技术应用 | 重点关注3T成像技术、深度学习重建方法、脂肪与血管抑制策略，并展望7T磁共振和定量扩散成像的未来发展 | NA | 总结磁共振神经成像技术的最新进展及其临床应用 | 臂丛神经、腰骶丛神经和四肢周围神经 | 医学影像 | 周围神经疾病 | 磁共振神经成像（MRN）、3T/7T磁共振成像、扩散成像 | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 6870 | 2025-10-06 |
X-ArecaNet: Dataset of arecanut X-ray images for deep learning applications
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111721
PMID:40612478
|
研究论文 | 提出一个用于槟榔分级的新型X射线图像数据集X-ArecaNet | 首次通过X射线内部检测方法创建槟榔分级数据集，填补了无损检测槟榔质量的研究空白 | 数据集未进行图像增强，样本量相对有限（共900张图像） | 为槟榔产业建立基于深度学习的质量分级标准 | 槟榔果实 | 计算机视觉 | NA | X射线成像 | 深度学习 | X射线图像 | 900张X射线图像（3个等级各300张） | YOLOv5 | NA | NA | NA |
| 6871 | 2025-10-06 |
Urban tree species benchmark dataset for time series classification
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111777
PMID:40612477
|
研究论文 | 本文提出了一个用于城市树种分类的基准数据集，包含多源光学卫星图像时间序列数据 | 提供了首个专门针对城市树种的卫星图像时间序列分类基准数据集，并开发了基于InceptionTime的多源数据融合模型 | 数据集仅覆盖法国斯特拉斯堡市的20个常见树种，可能无法代表其他地区的树种多样性 | 开发城市树种分类的基准数据集和深度学习模型，支持城市森林管理和生态监测 | 城市树种，特别是法国斯特拉斯堡市的公共树木 | 计算机视觉 | NA | 多源光学卫星遥感（Sentinel-2和PlanetScope） | 深度学习 | 卫星图像时间序列 | 45,084棵树木，涵盖20个最常见树种 | 深度学习框架 | InceptionTime, Dual-InceptionTime | 置信度得分，正确性标志，t-SNE可视化分析 | NA |
| 6872 | 2025-10-06 |
Super-resolution tactile sensor arrays with sparse units enabled by deep learning
2025-Jul-04, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adv2124
PMID:40601743
|
研究论文 | 提出一种基于深度学习的超分辨率触觉传感器阵列，通过稀疏分布的物理传感器单元实现高密度压力刺激感知 | 开发了通用智能框架，包含传感器布局拓扑优化策略和自注意力辅助触觉超分辨率深度学习模型，仅用23个物理传感器生成2700个虚拟传感器 | NA | 为人形机器人提供高分辨率触觉感知能力，实现接触式交互任务 | 触觉传感器阵列系统 | 机器感知 | NA | 深度学习 | 自注意力机制 | 触觉压力数据 | NA | NA | 自注意力辅助触觉超分辨率模型 | 超分辨率比例因子, 平均定位误差 | NA |
| 6873 | 2025-10-06 |
Deep learning-based CNN model for multiclass classification of fingerprint patterns
2025-Jul-04, Medicine, science, and the law
DOI:10.1177/00258024251355042
PMID:40611678
|
研究论文 | 提出基于卷积神经网络的指纹图案多分类模型，用于自动分类指纹类型 | 开发专门用于指纹多分类的CNN模型，采用亨利分类系统对四种指纹图案进行自动分类 | 样本量相对较小（2000个指纹图案），模型准确率有待进一步提升 | 开发自动指纹分类系统以提高指纹识别效率 | 指纹图案（拱形、环形、螺旋形和复合形） | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 2000个指纹图案，来自200名参与者 | NA | CNN | 准确率，混淆矩阵 | NA |
| 6874 | 2025-10-06 |
Element Optimization in NASICON Phosphates Enhances Sodium Storage Performance
2025-Jul-04, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202502098
PMID:40613249
|
综述 | 本文综述了NASICON磷酸盐材料中元素优化策略对钠存储性能的提升作用 | 系统提出多元素优化、高熵材料、梯度掺杂和AI驱动等未来研究方向 | 存在合成不一致性、电化学分析技术有限和掺杂机制不明确等挑战 | 推动NASICON材料在钠离子电池中的广泛应用 | NASICON磷酸盐材料 | 材料科学 | NA | 元素掺杂优化 | 机器学习,深度学习 | 材料性能数据 | NA | NA | NA | 容量,低温性能,成本效益 | NA |
| 6875 | 2025-10-06 |
Quantitative CT Imaging in Chronic Obstructive Pulmonary Disease
2025-Jul-04, The British journal of radiology
DOI:10.1093/bjr/tqaf105
PMID:40613687
|
综述 | 本文综述了慢性阻塞性肺疾病定量CT成像技术的最新研究进展、技术应用及临床挑战 | 系统总结了深度学习技术在COPD定量CT分析中的自动化应用，并探讨了图像标准化等创新方法提升临床适用性的潜力 | 指出定量CT技术在常规临床实践中的应用仍存在障碍 | 探讨COPD定量CT成像技术的进展及其在疾病评估和管理中的应用 | 慢性阻塞性肺疾病（COPD）患者 | 医学影像分析 | 慢性阻塞性肺疾病 | CT成像 | 深度学习 | CT图像 | NA | NA | NA | NA | NA |
| 6876 | 2025-10-06 |
Enhancing Prostate Cancer Classification: A Comprehensive Review of Multiparametric MRI and Deep Learning Integration
2025-Jul-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70004
PMID:40613800
|
综述 | 本文综述了多参数MRI与深度学习分类网络在前列腺癌评估中的整合应用 | 系统探讨了深度学习模型与PI-RADS诊断标准的比较、领域知识和临床信息融入MRI深度学习分类器的价值，以及提升模型可解释性的方法 | 未进行原始实验验证，主要基于现有文献分析；缺乏具体性能指标的定量比较 | 评估深度学习与多参数MRI在前列腺癌分类中的整合应用前景 | 前列腺癌MRI图像数据及深度学习分类模型 | 数字病理 | 前列腺癌 | 多参数MRI | 深度学习分类网络 | 医学影像 | NA | NA | NA | NA | NA |
| 6877 | 2025-07-05 |
Editorial for "A Deep Learning-Based De-Artifact Diffusion Model for Removing Motion Artifacts in Knee MRI"
2025-Jul-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70030
PMID:40613856
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6878 | 2025-10-06 |
iACP-DPNet: a dual-pooling causal dilated convolutional network for interpretable anticancer peptide identification
2025-Jul-04, Functional & integrative genomics
IF:3.9Q1
DOI:10.1007/s10142-025-01641-x
PMID:40613943
|
研究论文 | 提出了一种名为iACP-DPNet的可解释抗癌肽识别深度学习模型 | 采用双池化因果扩张卷积网络架构，结合全局平均池化和注意力池化机制，增强了局部关键残基和全局序列上下文的协同建模能力 | NA | 开发高性能且可解释的抗癌肽识别计算方法 | 抗癌肽(ACPs) | 生物信息学 | 癌症 | 蛋白质语言模型ProtBert，特征选择方法LightGBM和MIC | 因果扩张卷积网络 | 蛋白质序列数据 | NA | NA | 双池化因果扩张卷积网络，GlobalAveragePooling，注意力池化 | 特异性(Sp)，敏感性(Sn)，准确率(Acc)，马修斯相关系数(MCC) | NA |
| 6879 | 2025-10-06 |
From gas sensing to AI-gas sensing
2025-Jul-03, Chemical communications (Cambridge, England)
DOI:10.1039/d5cc01291k
PMID:40521933
|
综述 | 本文综述了人工智能技术在气体传感领域的应用进展与发展潜力 | 系统阐述了AI技术如何通过深度学习特征提取、模式识别、漂移补偿和边缘设备部署等创新方法推动气体传感技术发展 | NA | 探讨人工智能技术如何推动人工嗅觉系统的发展 | 气体传感技术与人工智能的融合应用 | 机器嗅觉 | NA | 气体传感技术 | 深度学习 | 化学信号 | NA | NA | NA | NA | 边缘设备、嗅觉芯片、神经形态处理器、感存算一体化系统 |
| 6880 | 2025-10-06 |
Artificial Intelligence in Rhinology
2025-Jul-03, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000011654
PMID:40608779
|
综述 | 本文综述了人工智能在鼻科学领域的应用现状与发展前景 | 系统总结了人工智能技术在鼻科疾病诊断、手术规划和新器械开发中的创新应用 | 许多AI应用需要设备完善的医疗中心环境，在资源匮乏地区实施存在挑战 | 探讨人工智能技术在鼻科学领域的应用潜力与发展方向 | 鼻科疾病诊断与治疗相关研究 | 医疗人工智能 | 鼻科疾病 | 机器学习,深度学习 | 分类算法,深度学习算法 | 放射影像数据,临床数据 | NA | NA | NA | NA | NA |