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 8561 - 8580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8561 | 2025-06-11 |
Optimizing structured surfaces for diffractive waveguides
2025-Jun-06, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-60626-3
PMID:40481002
|
研究论文 | 本文介绍了一种通用的衍射波导设计，通过深度学习优化，能够实现与传统介质波导相当的性能和多种功能 | 提出了可级联的衍射波导设计，能够实现任意长度，并开发了多种波导组件，包括弯曲衍射波导、模式滤波和模式分裂设计以及模式特定的偏振控制 | 实验验证仅在太赫兹频谱中进行，尚未在其他波长（如可见光和红外光谱）中全面验证 | 优化衍射波导设计，以实现低损耗、高模式纯度的波导传播和多功能应用 | 衍射波导及其组件 | 光学工程 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 8562 | 2025-06-11 |
Air quality prediction based on factor analysis combined with Transformer and CNN-BILSTM-ATTENTION models
2025-Jun-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03780-4
PMID:40481069
|
research paper | 提出了一种结合因子分析和深度学习模型的创新空气质量预测框架 | 整合因子分析与Transformer及CNN-BILSTM-ATTENTION模型，显著提升预测精度和稳定性 | 未来计划包括优化因子提取、探索外部数据源和开发更高效的深度学习架构 | 开发高精度的空气质量预测方法 | 北京天坛站的空气质量数据 | machine learning | NA | factor analysis, discrete wavelet transform | Transformer, CNN-BILSTM-ATTENTION | time series data | NA | NA | NA | NA | NA |
| 8563 | 2025-06-11 |
Quantum-enhanced intelligent system for personalized adaptive radiotherapy dose estimation
2025-Jun-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05673-y
PMID:40481168
|
研究论文 | 介绍了一种新型量子增强智能系统，用于个性化自适应放疗剂量估计 | 整合量子算法、深度学习和蒙特卡洛模拟，实现计算速度提升8-15倍，同时保持高精度 | 仅在模拟数据集上验证，尚未在真实临床环境中测试 | 提高个性化自适应放疗剂量估计的精确性和效率 | 放疗剂量估计 | 医疗人工智能 | 癌症 | 量子算法、深度学习、蒙特卡洛模拟 | CNN、RNN | 模拟数据 | NA | NA | NA | NA | NA |
| 8564 | 2025-06-11 |
The outcome prediction method of football matches by the quantum neural network based on deep learning
2025-Jun-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91870-8
PMID:40481179
|
研究论文 | 本研究提出了一种基于深度学习的量子神经网络模型，用于高精度预测足球比赛结果 | 创新性地将量子神经网络应用于足球比赛结果预测，相比传统神经网络和其他先进模型，在预测精度上有显著提升 | 未提及模型在实时预测或小样本数据上的表现，且仅针对欧洲主要联赛数据进行了验证 | 构建和优化基于深度学习的量子神经网络模型，用于足球比赛结果的高精度预测 | 欧洲主要足球联赛2008-2022年的比赛数据 | 机器学习 | NA | 量子神经网络(QNN)、深度学习(DL) | 多层感知机(MLP)与量子神经网络(QNN)结合 | 结构化数据(比赛结果、球队信息、球员统计、比赛场地等) | 2008-2022年欧洲主要足球联赛的详细比赛记录 | NA | NA | NA | NA |
| 8565 | 2025-06-11 |
A versatile CRISPR/Cas9 system off-target prediction tool using language model
2025-Jun-06, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-025-08275-6
PMID:40481308
|
研究论文 | 介绍了一种名为CCLMoff的深度学习框架，用于预测CRISPR/Cas9系统的脱靶效应 | 结合了预训练的RNA语言模型，能够捕获sgRNA与靶位点之间的相互序列信息，并在广泛的NGS检测数据集上表现出强大的泛化能力 | NA | 提高CRISPR/Cas9基因编辑的精确性和效率，减少脱靶效应 | CRISPR/Cas9系统的单导RNA（sgRNA）和靶位点 | 生物信息学 | 单基因遗传病 | NGS | 深度学习框架 | RNA序列数据 | NA | NA | NA | NA | NA |
| 8566 | 2025-06-11 |
Application of Mask R-CNN for automatic recognition of teeth and caries in cone-beam computerized tomography
2025-Jun-06, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-06293-8
PMID:40481434
|
research paper | 本研究评估了使用Mask R-CNN架构在锥形束计算机断层扫描(CBCT)中自动识别牙齿和龋齿的深度学习算法的效果 | 比较了不同预训练模型（COCO和ImageNet）在牙齿和龋齿识别中的性能，发现COCO预训练的模型表现更优 | 研究仅基于CBCT图像，未考虑其他影像学方法 | 评估深度学习算法在牙齿和龋齿自动识别中的效果 | 牙齿和龋齿 | computer vision | dental caries | CBCT | Mask R-CNN, ResNet-50 | image | 2128张CBCT图像 | NA | NA | NA | NA |
| 8567 | 2025-06-11 |
Mandibular condyle detection using deep learning and double attractor-based energy valley optimizer algorithm
2025-Jun-06, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-05725-9
PMID:40481531
|
研究论文 | 本研究提出了一种结合深度学习和特征选择模型的下颌髁突检测技术 | 创新点包括使用YOLOv8识别感兴趣区域，结合改进的Energy Valley Optimizer (EVO) 进行特征选择 | NA | 更好地理解和准确表征颞下颌关节的多样化和可变形态特征 | 颞下颌关节的下颌髁突 | 计算机视觉 | 颞下颌关节疾病 | 深度学习，特征选择 | YOLOv8 | 全景图像 | 3000张全景图像，由两名经验丰富的颌面放射科医生分类为四种类型：平坦型、尖型、角型和圆型 | NA | NA | NA | NA |
| 8568 | 2025-06-11 |
Histopathologic deep learning model for predicting tumor response to hepatic arterial infusion chemotherapy plus TKIs and ICIs in large hepatocellular carcinoma
2025-Jun-06, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00885-x
PMID:40481560
|
研究论文 | 本研究开发了一种基于深度学习的模型HAIM，用于预测大型肝细胞癌（HCC）患者对三联疗法（HTI）的治疗反应 | 首次开发了基于病理切片的深度学习模型HAIM，用于预测HTI治疗反应，为HCC的个性化管理提供了新工具 | 研究样本量有限，且仅基于两个中心的数据，可能需要更多外部验证 | 评估三联疗法（HTI）在大型HCC治疗中的效果，并开发预测治疗反应的深度学习模型 | 大型肝细胞癌（HCC）患者 | 数字病理学 | 肝细胞癌 | 深度学习 | HAIM（Hepatocellular Carcinoma Artificial Intelligence Prediction Model） | 病理切片图像 | HTI组281例患者，HAIC组97例患者，其中194例HTI治疗患者的病理切片用于模型开发 | NA | NA | NA | NA |
| 8569 | 2025-06-11 |
PhenoDP: leveraging deep learning for phenotype-based case reporting, disease ranking, and symptom recommendation
2025-Jun-06, Genome medicine
IF:10.4Q1
DOI:10.1186/s13073-025-01496-8
PMID:40481598
|
research paper | 介绍了一种名为PhenoDP的深度学习工具包，用于基于表型的病例报告、疾病排名和症状推荐 | PhenoDP结合了蒸馏大型语言模型和对比学习，提供临床总结、疾病优先级排序和症状推荐功能 | 未提及具体的数据局限性或模型适用范围 | 提高孟德尔遗传病的诊断准确性和效率 | 患者的Human Phenotype Ontology (HPO)术语 | natural language processing | 孟德尔遗传病 | 深度学习 | 蒸馏大型语言模型, 对比学习 | HPO术语 | 模拟和真实世界数据集 | NA | NA | NA | NA |
| 8570 | 2025-06-11 |
Direct detection of 8-oxo-dG using nanopore sequencing
2025-Jun-05, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-60391-3
PMID:40473638
|
研究论文 | 本文开发了一种利用纳米孔测序直接检测8-oxo-dG的策略，通过合成寡核苷酸生成长链DNA分子用于深度学习模型训练 | 首次提出使用合成DNA和纳米孔测序直接检测8-oxo-dG的方法，解决了现有间接检测方法的局限性 | 需要依赖合成DNA生成训练数据，可能无法完全模拟真实生物样本中的复杂情况 | 开发直接检测DNA氧化损伤标记物8-oxo-dG的新方法 | 8-oxo-7,8-dihydro-2'-deoxyguanosine (8-oxo-dG) DNA损伤标记物 | 基因组学 | NA | 纳米孔测序 | 深度学习 | DNA序列数据 | 合成寡核苷酸生成的DNA分子 | NA | NA | NA | NA |
| 8571 | 2025-06-11 |
Progressive plug and play full waveform inversion with multitask learning
2025-Jun-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04506-2
PMID:40473696
|
研究论文 | 本文提出了一种名为MP-FWI的两阶段框架，通过多任务学习和即插即用方法同时提高地震全波形反演（FWI）的低频数据质量和初始模型准确性 | 提出了一种结合多任务学习框架（MCNN）和即插即用方法（PnPFWI）的两阶段框架，同时优化低频数据外推和初始速度模型预测，并引入MLRealv2方法增强合成数据的监督训练 | 未明确提及具体局限性 | 提高地震全波形反演（FWI）的准确性和鲁棒性 | 地震全波形反演（FWI）的低频数据和初始模型 | 地球物理信号处理 | NA | 多任务学习、即插即用方法、MLRealv2 | MCNN、PnPFWI | 地震波形数据 | 基准模型和Mobile AVO数据 | NA | NA | NA | NA |
| 8572 | 2025-06-11 |
Applications and Prospects of Artificial Intelligence in Proteomics Via Mass Spectrometry: A Review
2025-Jun-05, Current protein & peptide science
IF:1.9Q4
|
review | 本文综述了人工智能在质谱蛋白质组学中的应用和前景 | 详细比较了不同AI算法在蛋白质组学任务中的表现，并讨论了其优缺点 | 讨论了AI在质谱蛋白质组学研究中的局限性和未来发展方向 | 探索人工智能在质谱蛋白质组学中的应用潜力 | 质谱蛋白质组学数据 | machine learning | NA | mass spectrometry (MS) | deep learning | protein spectra, retention times, peptide sequences, protein structures | NA | NA | NA | NA | NA |
| 8573 | 2025-06-11 |
Improving AlphaFold2- and AlphaFold3-Based Protein Complex Structure Prediction With MULTICOM4 in CASP16
2025-Jun-02, Proteins
IF:3.2Q2
DOI:10.1002/prot.26850
PMID:40452318
|
research paper | 本文介绍了MULTICOM4系统，通过整合AlphaFold2、AlphaFold3及内部技术，提升蛋白质复合物结构预测的准确性 | 整合了基于transformer的AlphaFold2和基于扩散模型的AlphaFold3，结合内部技术如蛋白质复合物化学计量预测、多样化的多序列比对生成等 | 未明确提及具体限制，但可能依赖于AlphaFold系列模型的固有局限 | 提升多链蛋白质复合物（多聚体）结构的预测准确性 | 蛋白质复合物结构 | 生物信息学 | NA | 多序列比对(MSA)、深度学习模型质量评估 | AlphaFold2, AlphaFold3, MULTICOM4 | 蛋白质序列和结构数据 | 在CASP16评估中进行了测试，具体样本数量未明确 | NA | NA | NA | NA |
| 8574 | 2025-10-06 |
Glioma Identification Based on Digital Multimodal Spectra Integrated with Deep Learning Feature Fusion Using a Miniature Raman Spectrometer
2025-Jun, Applied spectroscopy
IF:2.2Q2
DOI:10.1177/00037028241276013
PMID:39252509
|
研究论文 | 提出一种基于数字多模态光谱与深度学习特征融合的胶质瘤识别方法，使用微型拉曼光谱仪提高脑胶质瘤检测准确率 | 通过数学分解原始光谱为拉曼和荧光光谱增强生物光谱信息，在特征层面实现数字多模态光谱融合，并构建基于集成策略的双层模式识别模型 | 样本量相对有限（胶质瘤260个光谱，正常脑组织151个光谱），未明确说明模型泛化能力验证 | 开发高精度的脑胶质瘤识别方法，辅助医生制定精确手术计划 | 脑胶质瘤组织和正常脑组织 | 医学光谱分析 | 脑胶质瘤 | 微型光纤拉曼光谱检测技术 | 深度学习特征提取，集成分类模型 | 拉曼光谱数据 | 260个胶质瘤拉曼光谱和151个正常脑组织拉曼光谱 | NA | NA | 准确率，灵敏度，特异性 | NA |
| 8575 | 2025-10-06 |
A novel cross-modal data augmentation method based on contrastive unpaired translation network for kidney segmentation in ultrasound imaging
2025-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17663
PMID:39904615
|
研究论文 | 提出一种基于对比非配对翻译网络的跨模态数据增强方法，用于肾脏超声图像分割 | 采用对比非配对翻译网络从标注的腹部CT数据生成模拟的肾脏超声图像，并提出实例加权训练策略 | 仅使用有限数量的真实标注肾脏超声图像（100张训练，169张测试） | 提升在有限标注数据条件下基于深度学习的肾脏超声图像分割性能 | 肾脏超声图像和腹部CT图像 | 计算机视觉 | 肾脏疾病 | 超声成像，计算机断层扫描 | 生成对抗网络，卷积神经网络 | 医学图像 | 4418张标注CT切片，4594张未标注超声图像，100张真实标注超声图像（训练），169张真实标注超声图像（测试） | NA | 对比非配对翻译网络，U-Net | Fréchet inception distance，Dice相似系数 | NA |
| 8576 | 2025-10-06 |
Self-supervised adversarial diffusion models for fast MRI reconstruction
2025-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17675
PMID:39924867
|
研究论文 | 提出一种基于自监督对抗扩散模型的快速MRI重建方法SSAD-MRI，无需全采样数据集即可加速MRI数据采集 | 首次将自监督学习与对抗扩散模型结合用于MRI重建，无需全采样训练数据，通过随机采样模式分区确保数据一致性 | 仅在脑部MRI数据集上进行验证，未涉及其他器官或病理类型 | 开发无需全采样数据的快速MRI重建方法，缩短采集时间并减少运动伪影 | 脑部MRI图像，包括多线圈T2加权图像和单线圈T1定量图 | 医学影像重建 | 神经系统疾病 | MRI, 压缩感知 | 扩散模型, 对抗网络 | 医学影像 | 1376例多线圈脑部T2加权数据，318例单线圈T1定量图数据，外加100例分布外测试数据 | NA | 自监督对抗扩散模型 | NMSE, PSNR, SSIM | NA |
| 8577 | 2025-10-06 |
Boosting 2D brain image registration via priors from large model
2025-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17696
PMID:39976314
|
研究论文 | 本研究探索利用基础模型DINOv2的先验知识来提升二维脑图像配准性能 | 首次将基础模型DINOv2应用于医学图像配准任务，提出三种DINOv2辅助配准模式 | 仅在IXI和OASIS公开数据集上进行验证，需要更多临床数据验证泛化能力 | 克服深度学习配准方法在有限医学数据集上的过拟合问题，提高配准精度和泛化能力 | 二维脑部医学图像 | 医学图像处理 | 脑部疾病 | 深度学习 | 无监督学习网络 | 医学图像 | IXI和OASIS公开数据集 | NA | DINOv2 | 配准精度 | NA |
| 8578 | 2025-10-06 |
Attentive feature interaction based persistent homology-augmented network for esophageal cancer lesion detection
2025-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17707
PMID:40012097
|
研究论文 | 提出一种结合持续同调和特征交互的注意力网络用于食管癌病灶检测 | 首次将持续同调与特征交互机制结合，通过PDCAE和RGM模块有效整合拓扑特征与图像特征 | 尚未探索拓扑关系在其他下游任务中的潜在应用 | 提升食管癌病灶检测的预测能力 | 食管癌病灶 | 医学影像分析 | 食管癌 | 3D CT成像 | CNN, ViT | 3D CT图像 | NA | NA | 持续同调增强网络, PDCAE, RGM | NA | NA |
| 8579 | 2025-10-06 |
CBCT projection domain metal segmentation for metal artifact reduction using hessian-inspired dual-encoding network with guidance from segment anything model
2025-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17716
PMID:40017345
|
研究论文 | 提出一种基于Hessian启发双编码网络和Segment Anything模型引导的CBCT投影域金属分割方法 | 首次将Segment Anything模型用于自动生成训练标签，设计Hessian特征模块融入人类知识，采用双编码器更好提取边缘信息 | 需要依赖SAM模型生成训练标签，在临床数据上的泛化能力需进一步验证 | 开发无需人工标注的深度学习金属痕迹分割方法以减少CBCT金属伪影 | 锥束CT投影域中的金属痕迹 | 医学影像分析 | NA | 锥束CT成像 | CNN | 医学影像 | 数字体模数据和临床CBCT数据 | NA | HIDE-Net, 双编码网络 | Dice指数, RMSE | NA |
| 8580 | 2025-10-06 |
An MR-only deep learning inference model-based dose estimation algorithm for MR-guided adaptive radiation therapy
2025-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17759
PMID:40089982
|
研究论文 | 开发了一种基于深度学习的仅使用MR图像的剂量计算算法，用于MR引导的自适应放射治疗 | 首次提出仅使用MR图像的深度学习剂量计算引擎，无需CT图像和复杂射线追踪过程 | 研究仅针对前列腺癌患者，样本量相对有限（30例患者） | 开发用于MR引导自适应放射治疗的快速准确剂量计算算法 | 前列腺癌患者 | 医学影像分析 | 前列腺癌 | 磁共振成像，强度调制放射治疗 | 深度学习 | MR图像 | 30例前列腺癌患者，120个在线治疗计划，1080个独立射束 | NA | U-Net启发的深度残差网络 | 平均绝对误差，3D伽马分析，剂量体积直方图，剂量学指数，等剂量线相似性，Dice相似系数 | NA |