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 42795 篇文献，本页显示第 8461 - 8480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8461 | 2025-12-19 |
phyddle: software for exploring phylogenetic models with deep learning
2025-Feb-28, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.06.606717
PMID:39149349
|
研究论文 | 介绍用于通过深度学习探索系统发育模型的软件phyddle | 开发了基于流水线的软件，可在缺乏易处理似然函数的系统发育模型中使用无似然深度学习进行推断 | NA | 开发一种软件工具，使研究人员能够使用深度学习进行系统发育建模和推断 | 系统发育树 | 机器学习 | NA | 深度学习 | 深度学习模型 | 系统发育树数据 | NA | NA | NA | 准确性, 覆盖率测试 | NA |
| 8462 | 2025-12-19 |
RVDLAHA: An RISC-V DLA Hardware Architecture for On-Device Real-Time Seizure Detection and Personalization in Wearable Applications
2025-02, IEEE transactions on biomedical circuits and systems
IF:3.8Q2
DOI:10.1109/TBCAS.2024.3442250
PMID:39137083
|
研究论文 | 本文提出了一种用于可穿戴设备的实时癫痫发作检测与个性化硬件架构及算法 | 提出了支持实时癫痫检测与个性化算法的RISC-V深度学习加速器硬件架构及专用编译器 | 实验仅在实验室大鼠中进行，尚未在人类患者中进行临床验证 | 开发用于可穿戴设备的实时癫痫发作检测与个性化治疗系统 | 癫痫患者的脑电信号（通过动物实验验证） | 机器学习 | 癫痫 | 脑电信号处理，硬件加速 | CNN | 时间序列信号（脑电信号） | 实验室大鼠的脑电数据（具体数量未明确说明） | 自定义硬件架构 | CNN（具体架构未说明） | 准确率 | Xilinx PYNQ-Z2 FPGA平台，运行频率1MHz，功耗0.107W |
| 8463 | 2025-12-19 |
A GAN-Based Approach for enhancing security in satellite based IoT networks using MPI enabled HPC
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0331019
PMID:40997099
|
研究论文 | 本文提出了一种基于GAN的安全框架DLGAN，用于增强卫星物联网网络的安全性，通过结合CNN进行实时异常检测和GAN生成合成攻击数据，并利用MPI在HPC系统上实现可扩展并行处理 | 提出DLGAN框架，首次将CNN与GAN结合用于卫星物联网安全，通过生成合成攻击数据解决网络安全研究中数据集不平衡问题，并利用MPI在HPC系统上实现高效并行处理 | 未明确说明实验数据的具体来源和规模，以及在实际卫星物联网环境中的部署验证情况 | 增强卫星物联网网络的安全性，解决机密信息在卫星链路传输中的安全挑战 | 卫星物联网网络及其安全威胁 | 机器学习 | NA | 深度学习 | CNN, GAN | 网络流量数据 | NA | NA | NA | 检测准确率, 训练时间 | HPC系统, AI-enabled GPUs, MPI并行处理 |
| 8464 | 2025-12-19 |
LPATR-Net: Learnable Piecewise Affine Transformation Regression Assisted Data-Driven Dehazing Framework
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3637687
PMID:41348791
|
研究论文 | 本文提出了一种名为LPATR-Net的新型图像去雾框架，通过可学习的分段仿射变换回归来抑制错误地面真值样本的干扰 | 引入拟合能力抑制机制，结合传统多数决定固定形式回归与现代全自由数据驱动深度学习，以应对图像去雾中固有的错误地面真值样本问题 | 未明确讨论在极端天气或复杂场景下的泛化能力，且未提供计算效率的详细分析 | 开发一种鲁棒的图像去雾框架，以处理训练数据中存在的错误地面真值样本 | 图像去雾任务中的有雾图像及其对应的地面真值清晰图像 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 图像 | 在五个常用公共数据集上进行实验，具体样本数量未明确说明 | 未明确指定，但提及了数据驱动深度学习框架 | LPATR-Net，包含可学习的分段仿射变换回归组件和All-Mattering组件 | 未明确列出，但通过实验验证了有效性 | 未明确指定 |
| 8465 | 2025-12-19 |
Early Dengue Prediction in Bangladesh: A Comparative Study With Feature Analysis, Explainable Artificial Intelligence, and Model Optimization
2025, Journal of tropical medicine
IF:2.1Q2
DOI:10.1155/jotm/1709439
PMID:41399677
|
研究论文 | 本研究对13种机器学习和深度学习模型进行了全面的比较分析，用于基于症状的登革热早期预测，重点关注孟加拉国人群 | 首次在孟加拉国人群中进行广泛的模型比较，并采用可解释人工智能（SHAP）识别关键预测因子，同时展示了定制化超参数调整人工神经网络在此任务中的优越性 | 研究样本量相对较小（500条患者记录），且仅基于症状特征，未包含临床实验室数据 | 开发可靠的基于症状的登革热早期预测工具，以支持公共卫生干预 | 孟加拉国登革热患者 | 机器学习 | 登革热 | 症状特征分析 | 人工神经网络, 随机森林, 额外树, 装袋法, 逻辑回归, SGD分类器 | 结构化症状数据 | 500条患者记录，包含22个症状特征 | Scikit-learn | 自定义人工神经网络 | 准确率 | NA |
| 8466 | 2025-12-19 |
FusDRM-m5C: a hybrid model for accurate prediction of 5-methylcytosine modification sites based on feature fusion and attention mechanism
2025, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2025.1642286
PMID:41399733
|
研究论文 | 本文提出了一种名为FusDRM-m5C的混合深度学习模型，用于从RNA序列中高精度预测5-甲基胞嘧啶修饰位点 | 该模型采用多分支架构融合了三种不同的特征类型，并结合了扩张卷积神经网络和多头自注意力机制，以捕捉多尺度模式并权衡上下文依赖信息 | NA | 开发一个计算模型来高精度预测RNA序列中的5-甲基胞嘧啶修饰位点 | RNA序列中的5-甲基胞嘧啶修饰位点 | 生物信息学 | NA | RNA序列分析 | 深度学习 | 序列数据 | NA | NA | Dilated Convolutional Neural Network, Multi-Head Self-Attention | 灵敏度, 特异性, 准确率, 马修斯相关系数, AUC | NA |
| 8467 | 2025-12-19 |
Strategies to optimise machine learning classification performance when using biomechanical features
2024-03, Journal of biomechanics
IF:2.4Q3
DOI:10.1016/j.jbiomech.2024.111998
PMID:38377743
|
研究论文 | 本研究探讨了在生物力学特征有限样本量下，利用现代机器学习算法优化分类性能的策略 | 比较了多种机器学习算法（包括传统回归、XGBoost、深度学习时间序列算法）在生物力学数据分类中的表现，并探索了数据增强和迁移学习对样本量限制问题的缓解效果 | 研究基于两个特定生物力学数据集（行走和跳跃），样本量差异较大（2295 vs 31），可能影响结果的普适性 | 优化生物力学特征在有限样本量下的机器学习分类性能 | 行走数据集中的2295名参与者（健康、跟骨、踝、膝、髋疾病分类）和跳跃数据集中的31名参与者（健康 vs 髌股疼痛综合征） | 机器学习 | 骨科疾病 | 三维地面反作用力（GRFs）测量 | 多分类/LASSO回归, XGBoost, 深度学习时间序列算法 | 时间序列生物力学数据 | 行走数据集2295名参与者，跳跃数据集31名参与者 | NA | InceptionTime | 加权多分类AUC | NA |
| 8468 | 2025-12-19 |
A systematic review of artificial intelligence algorithms for predicting acute kidney injury
2023-10, European review for medical and pharmacological sciences
DOI:10.26355/eurrev_202310_34164
PMID:37916354
|
系统综述 | 本文对使用人工智能算法预测住院成人急性肾损伤的研究进行了系统综述 | 系统性地评估了机器学习在急性肾损伤预测中的应用，并比较了不同模型在重症监护和普通住院患者中的表现 | 多数研究为单中心，且部分研究使用相同数据库，人群主要为高加索人种，缺乏多样性，可能影响结果的泛化性 | 分析机器学习在住院成人急性肾损伤预测中的应用效果 | 住院成人患者 | 机器学习 | 急性肾损伤 | 机器学习，深度学习 | 深度学习，逻辑回归，决策树 | 电子健康记录，生物标志物数据 | 涉及242,251名患者 | NA | NA | AUC | NA |
| 8469 | 2025-12-19 |
Image harmonization: A review of statistical and deep learning methods for removing batch effects and evaluation metrics for effective harmonization
2023-07-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2023.120125
PMID:37084926
|
综述 | 本文综述了用于去除医学影像中批次效应的统计和深度学习方法，并评估了有效协调的评价指标 | 提出了一个标准化框架来评估新提出的协调方法，并提供了促进更有效使用现有方法和指导未来发展的建议 | NA | 去除医学影像中的批次效应，提高下游分析结果的泛化性和可重复性 | 磁共振成像和计算机断层扫描影像 | 计算机视觉 | NA | NA | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 8470 | 2025-12-19 |
Semantic similarity metrics for image registration
2023-07, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2023.102830
PMID:37172390
|
研究论文 | 本文提出了一种用于图像配准的语义相似性度量方法，通过关注语义对应而非像素强度来提升配准精度 | 引入了基于语义对应的相似性度量，替代传统的像素强度或相关性对齐方法，能够更好地处理低强度对比、噪声和模糊匹配问题 | 未明确说明方法在极端噪声或大规模数据集上的泛化能力，且依赖于数据集特定特征的学习 | 开发一种新的语义相似性度量，以改进图像配准的准确性和鲁棒性 | 图像配准中的相似性度量方法 | 计算机视觉 | NA | 深度学习，自动编码器，半监督学习 | 自动编码器 | 图像 | NA | NA | 自动编码器 | 配准精度，变换场平滑度 | NA |
| 8471 | 2025-12-19 |
The European Federation of Organisations for Medical Physics (EFOMP) White Paper: Big data and deep learning in medical imaging and in relation to medical physics profession
2018-Dec, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2018.11.005
PMID:30449653
|
白皮书 | 本文探讨了大数据和深度学习在医学影像中的应用及其对医学物理专业的影响 | 提出医学物理师应超越技术质量概念，将方法论和能力扩展到测量和优化诊断价值，并强调数据质量控制与验证在深度学习应用中的关键作用 | 未具体说明实际应用案例或技术实施细节，主要侧重于概念性讨论 | 分析大数据和深度学习如何改变医学影像领域，并探讨医学物理专业在此背景下的角色和发展方向 | 医学影像数据、医学物理专业实践 | 医学影像 | NA | 深度学习、大数据分析 | NA | 医学影像数据 | NA | NA | NA | NA | NA |
| 8472 | 2025-12-18 |
Clinical value of the 70-kVp ultra-low-dose CT pulmonary angiography with deep learning image reconstruction
2026-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11764-1
PMID:40603771
|
研究论文 | 本研究评估了基于深度学习图像重建算法的低辐射剂量和低对比剂剂量的CT肺动脉造影的可行性 | 结合70 kVp超低剂量协议与深度学习图像重建算法，实现了辐射剂量和对比剂剂量的双重降低，同时保持了图像质量并提高了肺动脉远端分支的可视性 | 样本量相对较小（100名患者），且研究为单中心前瞻性设计，可能限制了结果的普遍适用性 | 评估深度学习图像重建算法在低剂量CT肺动脉造影中的临床应用价值 | 连续100名接受CT肺动脉造影的患者 | 数字病理学 | 心血管疾病 | CT肺动脉造影 | 深度学习图像重建算法 | CT图像 | 100名患者（50名常规剂量组，50名低剂量组） | NA | NA | CT值、标准差、信噪比、对比噪声比、图像质量评分 | NA |
| 8473 | 2025-12-18 |
Super-resolution deep learning in pediatric CTA for congenital heart disease: enhancing intracardiac visualization under free-breathing conditions
2026-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11800-0
PMID:40670764
|
研究论文 | 本研究评估了超分辨率深度学习重建（SR-DLR）、传统深度学习重建（C-DLR）和混合迭代重建（HIR）在自由呼吸条件下增强儿科先天性心脏病（CHD）CT血管造影（CCTA）图像质量和诊断性能的效果 | 在儿科自由呼吸CCTA中应用超分辨率深度学习重建（SR-DLR），显著提升了图像质量和对小病灶（如多孔房间隔缺损和室间隔缺损）的检测灵敏度，诊断准确率接近超声水平 | 研究样本量相对较小（91例），且仅针对1-10岁疑似先天性心脏病的儿科患者，未涵盖更广泛的年龄组或疾病类型 | 评估和比较不同图像重建算法在儿科先天性心脏病CT血管造影中的图像质量和诊断性能 | 91名1-10岁疑似先天性心脏病的儿科患者，在自由呼吸条件下接受心脏CT血管造影检查 | 医学影像分析 | 先天性心脏病 | CT血管造影（CCTA），超分辨率深度学习重建（SR-DLR），传统深度学习重建（C-DLR），混合迭代重建（HIR） | 深度学习模型（具体架构未明确说明） | 医学影像（CT图像） | 91名儿科患者 | NA | NA | 准确率, 灵敏度, 阴性预测值, 标准差（SD）, 信噪比（SNR）, 对比噪声比（CNR） | NA |
| 8474 | 2025-12-18 |
Diagnostic interchangeability of deep-learning based Synth-STIR images generated from T1 and T2 weighted spine images
2026-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11827-3
PMID:40681776
|
研究论文 | 本研究评估了通过深度学习从T1和T2加权脊柱图像生成的合成短时反转恢复（Synth-STIR）图像的质量和诊断可互换性 | 利用深度学习从T1和T2加权图像生成Synth-STIR，显著减少扫描时间约180秒，同时提高信噪比和对比噪声比 | 研究为前瞻性单中心设计，样本量有限（199名参与者），且未明确说明深度学习模型的具体架构和训练细节 | 评估深度学习生成的Synth-STIR图像在脊柱MRI中的图像质量和诊断可互换性，以提高临床效率 | 脊柱MRI图像，包括标准STIR和从T1/T2加权图像生成的Synth-STIR | 医学影像分析 | 脊柱异常 | 深度学习，MRI成像（T1WI, T2WI, STIR） | 深度学习模型 | 医学图像（MRI） | 199名参与者（106名男性，平均年龄46.8±16.9岁） | NA | NA | 信噪比（SNR），对比噪声比（CNR），主观图像质量评估，个体等效指数（IEI），Kappa系数，Kendall一致性系数，McNemar检验 | NA |
| 8475 | 2025-12-18 |
Deep learning reconstruction of zero echo time magnetic resonance imaging: diagnostic performance in axial spondyloarthritis
2026-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11843-3
PMID:40707731
|
研究论文 | 本研究比较了深度学习重建的零回波时间MRI在诊断中轴型脊柱关节炎患者结构病变方面的诊断性能，以CT为参考标准 | 首次将深度学习重建技术应用于零回波时间MRI，以增强对骶髂关节骨硬化和骨侵蚀等微小结构病变的检测能力 | 样本量较小（仅26名患者），且研究为单中心设计，可能限制结果的普遍性 | 评估深度学习重建的零回波时间MRI在中轴型脊柱关节炎结构病变诊断中的性能 | 中轴型脊柱关节炎患者的骶髂关节（包括52个关节和104个象限） | 医学影像分析 | 中轴型脊柱关节炎 | 零回波时间磁共振成像，深度学习重建 | 深度学习模型 | MRI图像 | 26名患者（52个骶髂关节，104个象限） | NA | NA | 诊断性能（敏感性、特异性等），加权Kappa系数（用于评估读者间一致性） | NA |
| 8476 | 2025-09-05 |
From detection to decision: Can deep learning-based CADx meet the challenge of incidental pulmonary nodules?
2026-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11935-0
PMID:40906185
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8477 | 2025-12-18 |
GIMS: Image matching system based on adaptive graph construction and graph neural network
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108030
PMID:40907360
|
研究论文 | 本文提出了一种基于自适应图构建和图神经网络的图像匹配系统，通过结合GNN和Transformer提升匹配性能 | 引入了创新的自适应图构建方法，利用基于距离和动态阈值相似性的过滤机制，并融合GNN的顶点处理能力和Transformer的全局感知能力 | NA | 提升基于特征的图像匹配性能 | 图像中的关键点 | 计算机视觉 | NA | NA | GNN, Transformer | 图像 | 广泛图像数据集 | NA | GNN, Transformer | 整体匹配性能提升倍数 | 多GPU技术 |
| 8478 | 2025-12-18 |
Multimodal self-supervised retinal vessel segmentation
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108011
PMID:40921125
|
研究论文 | 本文提出了一种新颖的自监督预训练框架，利用未标记的多模态眼底图像对来提升视网膜血管分割的准确性 | 提出了一种利用多模态图像互补差异构建血管信息融合图的自监督预训练框架，通过Vision Transformer编码和相关性滤波实现，并在INFOMAX损失指导下学习实例级判别特征 | 未明确说明框架在计算资源需求方面的具体限制，也未讨论在不同临床环境中的泛化能力 | 开发一种减少标注依赖的视网膜血管自动分割方法 | 视网膜眼底图像 | 计算机视觉 | NA | 自监督学习，多模态特征融合 | Vision Transformer | 多模态眼底图像 | 未在摘要中明确说明 | NA | Vision Transformer | NA | NA |
| 8479 | 2025-12-18 |
Dynamic network compression via probabilistic channel pruning
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108080
PMID:40925121
|
研究论文 | 本文提出了一种基于概率通道剪枝的动态网络压缩方法，以减少深度学习模型的参数数量并提升效率 | 开发了概率连接模块，能在训练期间动态激活和停用通道连接，无需对剪枝后模型进行微调，并通过卷积分解有效诱导稀疏性 | 未明确提及具体局限性，但可能包括对特定模型架构的依赖或泛化能力的验证不足 | 解决神经网络压缩问题，以克服计算密集型深度学习模型的限制 | 深度学习模型，特别是ResNet-56和VGG-19架构 | 机器学习 | NA | 网络剪枝 | CNN | NA | NA | NA | ResNet, VGG | 准确率 | NA |
| 8480 | 2025-12-18 |
Learning in PINNs: Phase transition, diffusion equilibrium, and generalization
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107983
PMID:40884895
|
研究论文 | 本文通过神经梯度信噪比研究全连接神经网络的学习动态，识别出扩散平衡相，并提出样本重加权方案以改善泛化能力 | 识别出训练中的扩散平衡相，提出样本重加权方案以提高残差同质性和泛化能力，并发现激活饱和驱动的信息压缩现象 | 研究主要基于物理信息神经网络，可能在其他网络架构或任务中的普适性有待验证 | 研究非凸目标中一阶优化器的行为，探索神经网络学习动态与泛化能力的关系 | 全连接神经网络的学习动态，特别是梯度对齐和残差同质性 | 机器学习 | NA | NA | 全连接神经网络 | NA | NA | NA | NA | NA | NA |