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 42805 篇文献，本页显示第 8521 - 8540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8521 | 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 |
| 8522 | 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 |
| 8523 | 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 |
| 8524 | 2025-12-18 |
Integration of radiomics, habitat imaging, and deep learning for MRI-based prediction of parametrial invasion in cervical cancer: A dual-center study
2026-Jan, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2025.110542
PMID:41173217
|
研究论文 | 本研究评估了放射组学、生境成像和2.5D深度学习模型在基于MRI预测宫颈癌宫旁浸润中的诊断性能，并探讨了多模态整合模型的临床效用 | 首次将放射组学、生境成像和2.5D深度学习模型结合，构建多模态整合模型用于预测宫颈癌宫旁浸润，并在双中心数据中验证其优越性能 | 研究为回顾性设计，样本量相对有限（共290例患者），且仅基于MRI数据，未来需前瞻性多中心验证并整合更多模态信息 | 评估多模态模型在预测宫颈癌宫旁浸润中的诊断性能，以优化术前评估和临床决策 | FIGO分期为IB1-IIB的宫颈癌患者 | 医学影像分析 | 宫颈癌 | MRI成像, k-means聚类, 放射组学特征提取 | 深度学习模型, 机器学习模型 | MRI图像 | 290例患者（中心A: 227例，中心B: 63例） | NA | 2.5D深度学习模型 | AUC, 准确率 | NA |
| 8525 | 2025-12-18 |
Dual-channel hierarchical interactive learning for the prediction of Protein-Ligand binding affinity
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107982
PMID:40845562
|
研究论文 | 本文提出了一种名为双通道分层交互学习（DHIL）的新方法，用于更全面地建模蛋白质-配体相互作用，以提高结合亲和力预测的准确性 | 采用双通道编码结构同时学习分子内和分子间相互作用，并设计了分层交互学习范式，在多个层次上促进两类相互作用之间的信息交换，模拟了生物系统从局部到全局的工作机制 | 由于多尺度图构建和跨层消息传递，该框架引入了显著的计算开销；并且对输入3D结合构象的质量敏感，可能影响其在实际应用中的鲁棒性 | 提高蛋白质-配体结合亲和力（PLBA）的预测准确性，以支持药物筛选和发现 | 蛋白质-配体复合物 | 机器学习 | NA | NA | 深度学习 | 3D结构数据 | NA | NA | 双通道分层交互学习（DHIL） | 准确性 | NA |
| 8526 | 2025-12-18 |
ITSEF: Inception-based two-stage ensemble framework for P300 detection
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108014
PMID:40857922
|
研究论文 | 本文提出了一种基于Inception的两阶段集成框架（ITSEF），用于提高P300脑机接口中P300信号的检测准确率 | 设计了一种结合Inception卷积神经网络（ICNN）进行多尺度特征提取和跨通道学习的两阶段集成框架，并采用预训练和微调策略，通过动态加权两个分支的预测结果，使模型学习重点从多数类逐渐转向少数类，从而提升分类性能和泛化能力 | NA | 解决P300脑机接口中信号信噪比低、被试个体差异大以及类别不平衡的问题，以提高P300检测准确率 | P300脑电信号 | 脑机接口 | NA | 脑电图（EEG） | CNN, 集成学习 | 脑电信号数据 | 两个数据集：BCI Competition III的Dataset II和BCIAUT-P300数据集 | NA | Inception-based CNN (ICNN) | 分类准确率 | NA |
| 8527 | 2025-12-18 |
Hypothesis spaces for deep learning
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107995
PMID:40882408
|
研究论文 | 本文为基于深度神经网络（DNNs）的深度学习引入了一个假设空间，通过将DNN视为输入变量和参数变量的函数，构建了一个Banach空间，并证明其为再生核Banach空间（RKBS），进而研究了正则化学习和最小范数插值问题 | 提出将DNN视为双变量函数来构建假设空间，并证明该空间为RKBS，为深度学习提供了新的理论框架 | 未在具体数据集或实际应用中验证理论框架的有效性 | 为深度学习建立理论假设空间并研究学习模型 | 深度神经网络（DNNs）及其参数空间 | 机器学习 | NA | NA | 深度神经网络（DNNs） | NA | NA | NA | NA | NA | NA |
| 8528 | 2025-12-18 |
AutoProfile: Automated profiling in deep learning-based side-channel analysis
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108009
PMID:40882410
|
研究论文 | 本文提出了一种名为AutoProfile的新方法，用于增强基于深度学习的侧信道分析中配置攻击的效果 | AutoProfile针对侧信道分析定制了贝叶斯优化的两个核心组件：建模策略和获取函数，从而显著提升了攻击性能 | NA | 提高基于深度学习的侧信道分析在强密码系统中的攻击效率 | 公开可用的真实侧信道测量数据集 | 机器学习 | NA | 深度学习 | NA | 侧信道测量数据 | NA | NA | NA | 攻击所需轨迹数量减少百分比 | NA |
| 8529 | 2025-12-18 |
Spatial-frequency domain aggregation upsampling for pan-sharpening
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108007
PMID:40884893
|
研究论文 | 本文提出了一种新颖的空间-频域聚合上采样方法，用于提升全色锐化的性能 | 提出了空间-频域聚合上采样方法，包含双域非线性融合、区域特定注意力机制和自适应特征融合门三个核心模块，有效平衡空间与光谱信息 | NA | 提升遥感图像全色锐化的质量，生成高分辨率多光谱图像 | 高分辨率全色图像与低分辨率多光谱图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | PyTorch | SFAU | NA | NA |
| 8530 | 2025-12-18 |
A deep learning framework to stratify Nottingham histologic grade 2 breast tumors based on dynamic contrast-enhanced MRI
2025-Dec-17, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12208-6
PMID:41405689
|
研究论文 | 本研究开发了一个基于动态对比增强MRI的深度学习框架，用于对诺丁汉组织学分级2级乳腺癌肿瘤进行风险分层 | 首次利用深度学习模型基于常规DCE MRI将NHG2肿瘤重新分类为NHG1样和NHG3样亚组，并证明这种分类与复发风险独立相关 | 研究使用了回顾性数据，且外部验证样本量较小（n=37），需要前瞻性研究进一步验证 | 开发一种基于MRI的深度学习工具，对中间风险（NHG2）乳腺癌进行更精确的风险分层，以指导个体化治疗决策 | 乳腺癌患者，特别是诺丁汉组织学分级2级的肿瘤 | 数字病理学 | 乳腺癌 | 动态对比增强MRI | CNN | MRI图像 | 训练集877例，外部验证集37例，NHG2肿瘤456例 | NA | DeepRadGrade | AUC, C-index, 风险比 | NA |
| 8531 | 2025-12-18 |
Deep learning-based assessment of paraspinal muscle degeneration and its relationships to muscle function and disability outcomes in chronic low back pain: a prospective study
2025-Dec-17, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12171-2
PMID:41405693
|
研究论文 | 本研究利用深度学习模型评估慢性腰痛患者脊柱旁肌肉脂肪分数，并探讨肌肉功能在肌肉退化与功能障碍之间的中介作用 | 首次将深度学习与Otsu阈值法结合，从3D T2加权图像中量化肌肉脂肪分数和功能肌肉体积，并与Dixon MRI金标准进行验证 | 样本量相对有限，且为单中心研究，可能影响结果的普适性 | 评估深度学习模型在量化脊柱旁肌肉退化方面的准确性，并探索肌肉功能在肌肉退化与功能障碍关系中的中介作用 | 慢性腰痛患者和健康参与者的脊柱旁肌肉（多裂肌和竖脊肌） | 数字病理学 | 慢性腰痛 | 3T MRI, Dixon MRI, 3D T2加权成像 | 深度学习模型 | 医学图像 | 96名慢性腰痛患者和86名健康参与者 | NA | DL-Otsu阈值模型 | Lin's一致性相关系数, Bland-Altman分析, Passing-Bablok分析 | NA |
| 8532 | 2025-12-18 |
Comparison of deep learning reconstruction algorithms to improve image quality of dual-energy carotid CT angiography under dual-low scan
2025-Dec-17, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03803-x
PMID:41405722
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8533 | 2025-12-18 |
Pixel Tampering: Does Face Redaction Harm Medical AI Performance?
2025-Dec-16, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01776-0
PMID:41402615
|
研究论文 | 本研究评估了面部脱敏工具对深度学习模型在医学影像中性能的影响，并通过Kaggle竞赛验证了其有效性 | 开发了一个开源的面部脱敏工具，旨在增强数据共享安全性同时保持深度学习性能，并通过大规模竞赛验证了其在年龄预测任务中的效果 | 研究仅基于头部CT影像和年龄预测任务，可能无法推广到其他医学影像类型或临床任务 | 评估面部脱敏处理是否会影响深度学习模型在医学影像分析中的性能 | 头部CT影像及其对应的年龄预测任务 | 医学影像分析 | NA | 深度学习 | 深度学习模型 | 医学影像（头部CT） | 训练集2377例，测试集148例，来自多个机构 | NA | NA | 平均绝对误差（MAE） | NA |
| 8534 | 2025-12-18 |
Advanced Multi-architecture Deep Learning Framework for BIRADS-Based Mammographic Image Retrieval: Comprehensive Performance Analysis with Super-Ensemble Optimization
2025-Dec-16, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01770-6
PMID:41402617
|
研究论文 | 本文开发了一个用于基于内容的乳腺X线图像检索的综合评估框架，通过比较不同CNN架构在高级训练策略下的性能，旨在提升BIRADS分类的精确匹配能力 | 提出了一个系统性的评估框架，首次在BIRADS五分类检索任务中综合比较了多种CNN架构（DenseNet121、ResNet50、VGG16）在高级微调、度量学习和超级集成优化策略下的性能，并采用严格的病人分层划分和统计验证方法 | 研究样本量相对有限（1003名患者），且仅针对乳腺X线图像，未扩展到其他医学影像模态 | 提升基于内容的乳腺X线图像检索在BIRADS五分类任务中的准确性和临床实用性 | 乳腺X线图像及其对应的BIRADS分类 | 计算机视觉 | 乳腺癌 | 乳腺X线摄影 | CNN | 图像 | 1003名患者（每人两张图像），共602个测试查询 | 未明确指定，但可能涉及TensorFlow或PyTorch | DenseNet121, ResNet50, VGG16 | precision@10, 准确率, 统计显著性检验（t检验, Cohen's d） | 未明确指定，但提及了计算成本降低 |
| 8535 | 2025-12-18 |
A Timeseries-based Multimodal Deep Learning Approach for Lung Nodule Growth Prediction
2025-Dec-16, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01788-w
PMID:41402619
|
研究论文 | 本研究提出了一种基于时间序列的多模态深度学习框架，用于预测肺结节的生长，通过整合CT图像序列、人口统计学和结节特异性特征来提高预测准确性 | 采用时间序列CT图像数据与多模态特征（人口统计学和结节特异性特征）相结合的多模态深度学习框架，显著提升了肺结节生长预测的准确性 | 数据来源于单一医疗机构（台湾远东纪念医院），可能限制了模型的泛化能力 | 开发一个多模态深度学习模型，以准确预测肺结节的生长，辅助临床决策 | 肺结节患者，包括其CT图像序列、人口统计学信息和结节特异性特征 | 计算机视觉 | 肺癌 | CT成像 | 深度学习模型 | 图像, 结构化数据 | 来自台湾远东纪念医院的数据集，具体样本数量未明确说明 | NA | 多模态深度学习框架 | 准确率, 精确率, 灵敏度, F1分数, AUC | NA |
| 8536 | 2025-12-18 |
Editorial for "Deep Learning for Differentiating Benign From Malignant Bile Duct Dilation on MRCP: Development and Prospective Evaluation of an Xception-Logistic Regression Ensemble Model"
2025-Dec-16, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70208
PMID:41403056
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8537 | 2025-12-18 |
Explore antibody repertoire in the era of AI
2025-Dec-16, Acta biochimica et biophysica Sinica
IF:3.3Q1
DOI:10.3724/abbs.2025230
PMID:41403245
|
综述 | 本文综述了抗体库在人工智能时代的研究进展，重点介绍了抗体克隆型的定义、功能特征、进化以及深度学习在抗体结合预测、特异性抗体生成和免疫诊断中的应用 | 系统性地将深度学习等人工智能方法应用于高维抗体库数据的分析和理解，探讨了抗体库指导的疫苗接种新策略 | 文章指出目前对抗体库数据的理解仍处于早期阶段，深度学习模型的应用潜力虽大但实际转化仍需进一步探索 | 探讨人工智能（特别是深度学习）在理解和分析抗体库数据中的应用，以深化对抗体多样性和适应性免疫的认识 | 抗体库（抗体克隆型集合）、适应性免疫系统 | 自然语言处理, 机器学习 | NA | 高通量测序 | 深度学习模型 | 序列数据（抗体库测序数据） | NA | NA | NA | NA | NA |
| 8538 | 2025-12-18 |
Letter to the editor--Deep learning-driven multi-hierarchical granularity integration for surgical scene understanding: experimental study
2025-Dec-16, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004506
PMID:41405271
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8539 | 2025-12-18 |
Revolutionizing thyroid nodule diagnosis in Hashimoto's thyroiditis: AI-driven radiomics and deep learning model
2025-Dec-16, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004546
PMID:41405348
|
研究论文 | 本研究旨在探索利用从桥本甲状腺炎患者甲状腺结节超声图像中提取的放射组学和深度学习特征构建的人工智能模型，以区分良恶性结节，并与细针穿刺细胞学结合基因突变检测进行比较 | 结合放射组学与深度学习特征构建DLR模型，并整合SHAP和Grad-CAM方法提供可视化解释，以提升桥本甲状腺炎背景下甲状腺结节的诊断性能 | 研究基于回顾性数据，且样本来自特定时间段和医院，可能存在选择偏倚；模型在外部测试队列中的性能略低于验证队列 | 提高桥本甲状腺炎背景下甲状腺结节良恶性鉴别的准确性 | 桥本甲状腺炎患者的甲状腺结节 | 计算机视觉 | 甲状腺疾病 | 超声成像 | CNN | 图像 | 1585名患者 | NA | ResNet152 | AUC, 准确率, 灵敏度, 特异性 | NA |
| 8540 | 2025-12-18 |
Path2Omics Enhances Transcriptomic and Methylation Prediction Accuracy from Tumor Histopathology
2025-Dec-15, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-25-4350
PMID:41166699
|
研究论文 | 本研究开发了Path2Omics深度学习框架，用于从肿瘤组织病理学图像中预测基因表达和甲基化数据 | 提出了首个能够从组织病理学图像独立预测基因表达和甲基化的深度学习框架，并在30种癌症类型上验证了其有效性 | 未明确说明模型在特定癌症类型或数据质量较差情况下的性能限制 | 开发一种从常规组织病理学切片预测分子组学数据的方法，以降低精准肿瘤学的成本和耗时 | 30种癌症基因组图谱（TCGA）中的癌症类型，包括FFPE和新鲜冷冻组织切片 | 数字病理学 | 多种癌症 | 组织病理学成像，基因表达分析，甲基化分析 | 深度学习框架 | 组织病理学图像，基因表达数据，甲基化数据 | 30种TCGA癌症类型的数据集，以及7个外部验证数据集 | NA | NA | 预测准确性，患者生存预测匹配度，治疗反应预测匹配度 | NA |