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 32492 篇文献，本页显示第 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2025-10-29 |
Robust Brain Extraction Tool for Non-enhanced CT and CT Angiography: Cta-bet
2025-Oct-28, Radiology. Artificial intelligence
DOI:10.1148/ryai.240847
PMID:41147859
|
研究论文 | 开发并评估用于CT血管造影和非增强CT图像的深度学习脑提取模型CTA-BET | 首个专门针对CTA和NCCT图像的深度学习脑提取工具，在两种图像类型上均优于现有基准工具 | 回顾性研究，样本量有限（CTA训练100例，验证50例；NCCT验证132例） | 开发准确的脑部分割工具以增强临床和研究中的自动化影像分析 | CT血管造影和非增强CT图像中的脑组织 | 医学影像分析 | 脑血管疾病 | 深度学习 | CNN | CT图像 | 训练集100例患者，CTA验证集50例患者，NCCT验证集132例患者 | NA | NA | Dice系数,Hausdorff距离,z-score标准化直方图 | NA |
| 62 | 2025-10-29 |
Accelerating direct material decomposition via diffusion probabilistic model for Sparse-view spectral computed tomography
2025-Oct-28, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.1177/08953996251375815
PMID:41147999
|
研究论文 | 提出一种基于扩散概率模型的无监督深度学习框架，用于稀疏视图能谱CT的直接材料分解 | 引入虚拟单色图像作为多色投影的关键区分增强器，并将概率扩散先验整合到优化过程中 | 仅在临床前数据上进行验证，尚未在临床数据上测试 | 解决稀疏视图能谱CT中材料分解的收敛限制和几何不一致性问题 | 能谱CT的虚拟单色图像和材料特定表示 | 医学影像处理 | NA | 能谱CT，稀疏视图采样 | 扩散概率模型 | CT图像，投影数据 | NA | 深度学习框架 | 扩散概率模型 | 峰值信噪比PSNR，结构相似性SSIM | NA |
| 63 | 2025-10-29 |
ADMGCN: Graph Convolutional Network for Alzheimer's Disease Diagnosis with a Meta-learning Paradigm
2025-Oct-28, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf580
PMID:41148043
|
研究论文 | 提出一种基于元学习范式的图卷积网络ADMGCN，用于阿尔茨海默病的早期诊断 | 将元学习范式与图卷积网络结合，通过采样创建标签平衡任务，提高数据利用率和模型对标签不平衡的鲁棒性 | NA | 开发阿尔茨海默病早期诊断方法 | 阿尔茨海默病患者 | 医学影像分析 | 阿尔茨海默病 | 神经影像分析 | GCN, 元学习 | 神经影像数据 | ADNI数据集 | NA | ADMGCN | 准确率 | NA |
| 64 | 2025-10-29 |
MSInet: A Self-Supervised CNN Framework Integrating Global and Local Context for Robust Mass Spectrometry Imaging Segmentation
2025-Oct-28, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c04885
PMID:41148111
|
研究论文 | 提出一种自监督深度学习框架MSInet，用于实现稳健的质谱成像分割 | 结合全局语义关系和局部空间一致性的双一致性设计，在自监督架构中集成全局和局部上下文建模 | NA | 开发用于质谱成像分割的稳健、无标注深度学习方法 | 小鼠脑组织MALDI-MSI、肾肿瘤DESI-MSI和合成数据集 | 计算机视觉 | 肾肿瘤 | 质谱成像（MSI）、MALDI-MSI、DESI-MSI | CNN | 图像 | NA | NA | 卷积神经网络 | 调整兰德指数（ARI）、标准化互信息（NMI）、轮廓系数 | NA |
| 65 | 2025-10-29 |
Deep Learning Reconstruction for 7T MP2RAGE and SPACE MRI: Improving Image Quality at High Acceleration Factors
2025-Oct-27, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8841
PMID:40393739
|
研究论文 | 本研究评估了基于深度学习的图像重建技术在7T脑部MRI中的性能表现 | 首次将深度学习重建技术应用于7T超高场强MRI的MP2RAGE和SPACE序列，实现了传统方法难以达到的高加速因子 | 回顾性研究设计，样本量相对有限（60例患者），仅评估了脑部MRI | 评估深度学习重建技术在7T超高场强MRI中的图像质量改善效果 | 60例接受7T脑部MRI检查的患者（30例MP2RAGE数据，30例SPACE FLAIR数据） | 医学影像分析 | 神经系统疾病 | MP2RAGE, SPACE FLAIR MRI序列 | 深度学习重建模型 | MRI图像数据 | 60例患者（2024年6月-10月期间） | NA | NA | 图像质量评分, 对比噪声比(CNR), 噪声水平, 伪影评估 | NA |
| 66 | 2025-10-29 |
Accelerating battery innovation: AI-powered molecular discovery
2025-Oct-27, Chemical Society reviews
IF:40.4Q1
DOI:10.1039/d5cs00053j
PMID:40980860
|
综述 | 系统探讨人工智能在下一代电池系统分子发现中的集成应用 | 首次系统整合多维分子表征策略与AI算法（包括新兴大语言模型）用于电池材料发现 | 未提供具体实验验证数据，主要基于文献综述和理论分析 | 加速电池材料分子设计以推动可持续能源创新 | 电池相关分子材料 | 机器学习 | NA | 分子工程，高通量虚拟筛选，高通量实验 | 经典机器学习，深度学习，大语言模型 | 分子表征数据，电化学性质数据 | NA | NA | NA | NA | NA |
| 67 | 2025-10-29 |
Magnetic resonance imaging-based artificial intelligence model predicts neoadjuvant therapy response in triple-negative breast cancer
2025-10-27, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2025.253376
PMID:41140117
|
研究论文 | 开发基于深度学习的AI模型，利用治疗前MRI预测三阴性乳腺癌患者对新辅助化疗的病理完全缓解 | 首次使用治疗前多序列MRI数据训练残差卷积神经网络预测TNBC患者对新辅助化疗的响应 | 回顾性研究、样本量较小（43例患者）、需要更大数据集和更多影像模态验证 | 预测三阴性乳腺癌患者对新辅助化疗的病理完全缓解 | 三阴性乳腺癌患者 | 医学影像分析 | 乳腺癌 | 磁共振成像 | CNN | 医学影像 | 43例患者的49个病灶 | NA | 残差卷积神经网络 | 准确率, AUC, Dice相似系数 | NA |
| 68 | 2025-10-29 |
Letter: Predicting Intracranial Pressure Levels: A Deep Learning Approach Using Computed Tomography Brain Scans
2025-Oct-27, Neurosurgery
IF:3.9Q1
DOI:10.1227/neu.0000000000003830
PMID:41143525
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 69 | 2025-10-29 |
ReMLP-NET: A Neural Network Interaction Potential for Molecular Energy Prediction
2025-Oct-27, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c01453
PMID:41143577
|
研究论文 | 提出一种名为ReMLP-NET的神经网络交互势能模型，用于预测分子能量 | 使用遗传算法优化对称函数超参数，相比ReANI-2x模型在分子能量预测上表现更优 | 仅适用于包含H、C、N、O、F、S、Cl元素的分子结构 | 开发计算效率更高的分子能量预测方法以替代量子力学计算 | 来自GDB13和DUD-E数据集的分子结构 | 机器学习 | NA | 量子力学计算 | 多层感知机神经网络 | 分子结构数据 | 来自Retrievium数据库的优化结构和总能量数据 | NA | ReMLP-NET | MAE, RMSE | NA |
| 70 | 2025-10-29 |
MS-CANet: lightweight multi-scale channel attention network with depthwise residual blocks for EEG-based spatial cognition evaluation
2025-Oct-27, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03462-3
PMID:41143908
|
研究论文 | 提出一种轻量级多尺度通道注意力网络，用于基于EEG的空间认知能力评估 | 结合多尺度卷积层、通道注意力机制和新型深度可分离残差块，在保持性能的同时显著降低计算复杂度 | 仅在空间认知EEG数据集上进行评估，需要进一步验证在其他认知障碍中的泛化能力 | 开发轻量级深度学习模型用于EEG信号分析，实现移动医疗设备部署 | 脑电图(EEG)信号 | 机器学习 | 认知障碍 | 脑电图(EEG) | CNN | EEG信号 | NA | NA | 多尺度通道注意力网络,深度可分离残差块 | 准确率 | 移动医疗设备 |
| 71 | 2025-10-29 |
Deep learning-based vessel and nerve recognition model for lateral lymph node dissection: a retrospective feasibility study
2025-Oct-27, Langenbeck's archives of surgery
DOI:10.1007/s00423-025-03882-7
PMID:41144024
|
研究论文 | 开发基于深度学习的语义分割模型，用于在腹腔镜侧方淋巴结清扫术中自动识别关键血管和神经结构 | 首次将深度学习语义分割技术应用于腹腔镜侧方淋巴结清扫术中的血管和神经识别，实现近实时术中分析 | 回顾性研究，样本量较小（22例患者），仅评估了三种解剖结构的分割性能 | 提高直肠癌侧方淋巴结清扫术的安全性和效率 | 腹腔镜侧方淋巴结清扫术中的闭孔神经、髂外动脉和髂外静脉 | 计算机视觉 | 直肠癌 | 腹腔镜手术视频分析 | 语义分割模型 | 手术视频图像 | 22例患者的992张图像 | NA | NA | 精确率, 召回率, Dice系数 | NA |
| 72 | 2025-10-29 |
Optimizing flow-diverting stent configurations for aneurysm treatment: a computational approach integrating deep learning and differential evolution optimization
2025-Oct-27, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01662-7
PMID:41144179
|
研究论文 | 本研究结合计算流体动力学模拟、深度神经网络和差分进化优化算法，优化动脉瘤治疗中血流导向支架的配置 | 首次将深度神经网络与差分进化优化相结合，用于支架配置优化，能够准确预测血流动力学参数并自动寻找最优支架设计 | 研究基于2700个模拟数据集，需要进一步实验验证和临床测试 | 优化血流导向支架配置以改善动脉瘤治疗的血液动力学效果 | 动脉瘤和血流导向支架 | 计算流体动力学, 深度学习 | 动脉瘤 | 计算流体动力学模拟, 深度学习 | DNN | 数值模拟数据 | 2700个计算流体动力学模拟 | NA | 深度神经网络 | 速度, 涡量, 壁面剪切应力 | NA |
| 73 | 2025-10-29 |
Comprehensive benchmarking of deep learning approaches for automated astrocyte segmentation in traumatic brain injury
2025-Oct-27, Journal of neuropathology and experimental neurology
IF:3.2Q2
DOI:10.1093/jnen/nlaf114
PMID:41144310
|
研究论文 | 系统评估多种深度学习架构在创伤性脑损伤中星形胶质细胞自动分割的性能 | 首次系统比较六种分割架构与七种骨干网络的组合，并在星形胶质细胞分割任务中验证UNet++/VGG19的最佳性能 | 数据集规模有限（220张图像），且训练数据主要来自单一TBI病例 | 开发自动化的星形胶质细胞分割方法以评估创伤性脑损伤严重程度 | GFAP染色的雪貂脑组织图像中的星形胶质细胞 | 数字病理学 | 创伤性脑损伤 | 免疫组织化学染色（GFAP） | 深度学习分割模型 | 图像 | 220张手动标注的GFAP染色雪貂脑图像（182张训练，38张测试），来自18只雪貂 | NA | U-Net, U-Net++, FPN, MANet, LinkNet, PSPNet, ResNet50, ResNet101, ResNet152, MobileNetV2, VGG16, VGG19, EfficientNet-b4 | Dice系数, IoU, 精确度, 准确率, 特异性, 灵敏度 | NA |
| 74 | 2025-10-29 |
Causality-Driven Convolutional Manifold Attention Network for Electroencephalogram Signal Decoding
2025-Oct-27, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3625631
PMID:41144414
|
研究论文 | 提出一种因果关系驱动的卷积流形注意力网络，用于脑电信号解码以增强分布外泛化能力 | 结合结构因果模型、黎曼几何和深度学习，通过双潜在编码器显式分离语义和变异潜在因子 | NA | 提升脑机接口技术在分布外场景下的泛化性能 | 脑电信号 | 机器学习 | NA | 脑电图 | CNN, 注意力机制 | 脑电信号 | 两个公共数据集 | NA | 因果关系驱动的卷积流形注意力网络 | NA | NA |
| 75 | 2025-10-29 |
ESIP: Explicit Surgical Instrument Prompting for Surgical Workflow Recognition
2025-Oct-27, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3625420
PMID:41144421
|
研究论文 | 提出一种显式手术器械提示方法用于手术工作流识别任务 | 通过手术器械分割生成器械特定的视觉提示，显式引导关键空间特征提取，实现更充分的时空特征提取和聚合 | NA | 改进手术工作流识别任务的性能 | 手术视频中的手术阶段识别 | 计算机视觉 | NA | 手术器械分割 | 深度学习 | 视频 | Cholec80、M2CAI和AutoLaparo三个数据集 | NA | SAM-based segmentation | Precision, Recall, Jaccard | NA |
| 76 | 2025-10-29 |
Enabling Weather-Independent Gas Detection through Deep Learning on Light-Activated Sensors
2025-Oct-27, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c10308
PMID:41144602
|
研究论文 | 本文开发了一种基于铋掺杂氧化铟纳米纤维、微发光二极管和深度学习分析的气体传感系统，用于实时环境监测 | 将铋掺杂氧化铟纳米纤维直接集成到μLED平台上，结合CNN算法分析瞬态传感信号，实现天气无关的气体检测 | NA | 开发能够在变化的环境条件下进行实时NO和湿度监测的气体传感系统 | 一氧化氮(NO)和湿度(HO)气体检测 | 机器学习 | NA | 光激活气体传感 | CNN | 瞬态传感信号 | NA | NA | 卷积神经网络 | 分类准确率99%，回归误差10% | NA |
| 77 | 2025-10-29 |
VDLIN: A Deep Learning-Based Platform for Methylcobalamin-Inspired Immunomodulatory Compound Screening
2025-Oct-27, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202413775
PMID:41144841
|
研究论文 | 开发基于深度学习的平台VDLIN，用于筛选既能抑制炎症又能增强先天免疫的甲基钴胺素衍生物 | 首次结合多组学数据（RNA-seq、ATAC-seq、CUT&Tag）揭示MCB通过染色质可及性调控免疫的机制，并开发深度学习模型筛选新型免疫调节化合物 | 未提及模型验证的样本规模及临床前研究数据 | 开发能平衡抗炎和免疫激活功能的化合物筛选平台 | 甲基钴胺素（MCB）及其衍生物 | 机器学习 | COVID-19/炎症性疾病 | RNA-seq, ATAC-seq, CUT&Tag, 深度学习 | 深度学习 | 多组学数据（转录组、表观基因组） | NA | NA | VDLIN（专用架构） | NA | NA |
| 78 | 2025-10-29 |
Data Fusion of Deep Learned Molecular Embeddings for Property Prediction
2025-Oct-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01728
PMID:41144852
|
研究论文 | 提出一种融合深度学习分子嵌入的多任务属性预测方法，解决稀疏数据下的性能提升问题 | 通过融合预训练单任务模型生成的深度嵌入，构建优于标准多任务模型的新型多任务预测框架 | 方法性能依赖于预训练单任务模型的质量和嵌入表示的有效性 | 提升稀疏数据条件下材料属性预测的准确性和适用性 | 小分子量子化学数据和实验数据 | 机器学习 | NA | 深度学习，量子化学计算，热化学计算 | 多任务学习模型 | 量子化学数据，实验数据 | 广泛使用的基准数据集和新编译的稀疏数据集 | NA | 深度嵌入融合架构 | 预测准确性 | NA |
| 79 | 2025-10-29 |
Foundation models for EEG decoding: current progress and prospective research
2025-Oct-27, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ae17e9
PMID:41145005
|
综述 | 本文综述了脑电图基础模型的当前进展与未来研究方向 | 首次系统分析EEG基础模型在下游任务、基准数据集、模型架构和预训练技术方面的最新进展 | EEG基础模型在复杂场景如运动想象解码中的性能仍然有限 | 分析EEG基础模型的发展趋势并为未来研究提供建议 | 脑电图基础模型相关研究 | 机器学习 | 神经系统疾病 | 脑电图记录 | Transformer | 脑电信号 | 最多14,987名受试者，总时长27,062小时 | NA | 基于Transformer的高效架构 | NA | NA |
| 80 | 2025-10-29 |
Angle-resolved scatterometry combined with deep learning assisted in-situ monitoring of nanowire doping in molecular beam epitaxy process
2025-Oct-27, Microsystems & nanoengineering
IF:7.3Q1
DOI:10.1038/s41378-025-00990-8
PMID:41145417
|
研究论文 | 提出结合角分辨散射测量与深度学习的纳米线掺杂浓度原位监测方法 | 首次将角分辨散射测量技术与深度学习相结合，实现分子束外延过程中纳米线掺杂浓度的原位高精度监测 | 方法在特定温度范围内验证，尚未扩展到更广泛的工艺条件 | 开发纳米线掺杂过程的原位监测技术以提高掺杂控制精度 | 硅掺杂的GaN纳米线和AlN薄膜 | 机器学习 | NA | 角分辨散射测量，分子束外延 | 深度学习 | 角分辨反射率数据 | 不同掺杂温度下的Si掺杂GaN纳米线和AlN薄膜样品 | NA | 神经网络 | 测量误差，掺杂浓度分辨率 | NA |