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 8901 - 8920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8901 | 2025-06-06 |
Advances in Machine Learning-Driven Flexible Strain Sensors: Challenges, Innovations, and Applications
2025-Jun-04, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c06453
PMID:40418062
|
综述 | 本文系统评估了柔性应变传感器的最新进展，重点探讨了机器学习在提升传感器性能中的关键作用 | 强调了机器学习特别是深度学习在提升柔性应变传感器稳定性、灵敏度和适应性方面的创新应用 | 传感器材料优化面临挑战，机器学习算法存在局限性、复杂环境下的噪声容忍度低以及模型可解释性有限 | 探讨机器学习驱动的柔性应变传感器的创新、挑战及应用 | 柔性应变传感器及其在健康监测、人机交互和智能家居中的应用 | 机器学习 | NA | 机器学习和深度学习 | 传统机器学习方法和深度学习 | 传感器数据 | NA | NA | NA | NA | NA |
| 8902 | 2025-06-06 |
GONet: A Generalizable Deep Learning Model for Glaucoma Detection
2025-Jun-04, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3576688
PMID:40465450
|
research paper | 介绍了一种名为GONet的深度学习模型，用于从彩色眼底照片中检测青光眼性视神经病变 | GONet采用DINOv2预训练的自监督视觉变换器，并通过多源域策略进行微调，展现出较高的跨分布泛化能力 | 模型在不同种族、疾病群体和检查环境中的泛化能力仍有待进一步验证 | 开发一种能够自动检测青光眼性视神经病变的深度学习模型 | 青光眼性视神经病变患者 | digital pathology | glaucoma | deep learning | vision transformers | image | 超过119,000张彩色眼底照片，以及一个新的包含747张标记CFPs的数据集 | NA | NA | NA | NA |
| 8903 | 2025-06-06 |
Early diagnosis model of mycosis fungoides and five inflammatory skin diseases based on multi-modal data-based convolutional neural network
2025-Jun-04, The British journal of dermatology
DOI:10.1093/bjd/ljaf212
PMID:40465821
|
research paper | 开发了一种基于多模态数据和卷积神经网络的AI模型，用于早期诊断蕈样肉芽肿和五种炎症性皮肤病 | 首次提出基于多模态信息（临床信息、临床图像和皮肤镜图像）的卷积神经网络模型，用于早期诊断蕈样肉芽肿和炎症性皮肤病 | 单中心回顾性研究，样本来源有限 | 构建AI辅助的早期诊断模型，提高蕈样肉芽肿和炎症性皮肤病的诊断准确性 | 蕈样肉芽肿（MF）和五种炎症性皮肤病患者 | digital pathology | cutaneous T-cell lymphoma | deep learning | CNN (RegNetY-400MF) | multimodal data (clinical information, clinical images, dermoscopic images) | 1157例患者（2452张临床图像和6550张皮肤镜图像） | NA | NA | NA | NA |
| 8904 | 2025-06-06 |
Development and validation of a deep learning-powered system for multi-version global alignment and proportion score to predict mechanical complications after adult degenerative scoliosis surgery
2025-Jun-04, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-025-08995-7
PMID:40468028
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8905 | 2025-06-06 |
Real-time multiple people gait recognition in the edge
2025-Jun-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02351-x
PMID:40456749
|
research paper | 该研究探讨了在边缘设备上部署步态识别模型，以实现实时多目标处理，同时优化延迟和能耗 | 将步态识别模型部署问题视为多目标选择问题，同时优化延迟、能耗和准确性，并利用批处理和并发执行提高吞吐量 | 研究仅在NVIDIA Jetson Orin Nano和Jetson AGX Orin设备上进行实验，可能不适用于其他硬件平台 | 优化边缘设备上的步态识别模型，实现实时多目标处理 | 步态识别模型在边缘设备上的部署与优化 | computer vision | NA | deep learning | CNN | video | 42至188个同时处理的目标 | NA | NA | NA | NA |
| 8906 | 2025-06-06 |
Single-molecule direct RNA sequencing reveals the shaping of epitranscriptome across multiple species
2025-Jun-02, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-60447-4
PMID:40456740
|
研究论文 | 本研究开发了一种名为SingleMod的深度学习模型，用于从直接RNA测序数据中精确检测单个RNA分子上的m6A修饰 | 创新性地采用了多实例回归框架，利用定量NGS方法提供的广泛甲基化率标签，实现了对单个RNA分子m6A修饰的高精度预测 | NA | 全面表征m6A在转录组范围内的分布格局和生物发生机制 | 人类细胞系和八个不同物种的RNA分子 | 生物信息学 | NA | 直接RNA测序(DRS), 下一代测序(NGS) | 深度学习模型(SingleMod), 多实例回归(MIR) | RNA测序数据 | 人类细胞系和八个不同物种的RNA分子 | NA | NA | NA | NA |
| 8907 | 2025-06-06 |
A deep learning and IoT-driven framework for real-time adaptive resource allocation and grid optimization in smart energy systems
2025-Jun-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02649-w
PMID:40456783
|
研究论文 | 提出了一种结合深度学习和物联网的智能能源系统实时自适应资源分配与电网优化框架 | 开发了ORA-DL框架，整合深度学习、物联网传感和实时自适应控制，显著提升电网能源管理效率 | 未提及框架在极端电网条件下的表现或潜在网络安全风险 | 优化智能电网能源管理，提高资源分配效率和电网稳定性 | 智能电网系统 | 机器学习 | NA | 深度学习、强化学习、多智能体决策 | 深度神经网络、强化学习 | 历史和实时能源数据 | 实验验证数据（具体样本量未明确说明） | NA | NA | NA | NA |
| 8908 | 2025-06-06 |
A sequence to formula tree model for solving electrical text problems
2025-Jun-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04392-8
PMID:40456791
|
research paper | 提出了一种序列到公式树模型，用于解决电气文本问题 | 使用深度学习网络将问题文本解析为带有数值和电气定理的公式树，并结合图卷积神经网络提取隐含的电气定理 | NA | 开发一个能够理解复杂多样的电气问题文本并应用相关电气定理的通用电气问题求解器 | 电气文本问题 | natural language processing | NA | deep learning, Graph Convolutional Neural Network | Gate Recurrent Unit, Graph Convolutional Neural Network | text | 3027个电气文本问题 | NA | NA | NA | NA |
| 8909 | 2025-06-06 |
Diagnosis and classification of neuromuscular disorders using Bi-LSTM optimized with grey Wolf optimizer for EMG signals
2025-Jun-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03766-2
PMID:40456840
|
研究论文 | 该研究提出了一种使用灰狼优化器（GWO）优化Bi-LSTM超参数的方法，以提高EMG信号分类的准确性 | 首次将灰狼优化器（GWO）应用于Bi-LSTM模型的超参数优化，以提高EMG信号分类的准确性 | 模型的性能可能受限于EMG信号的质量和样本量 | 提高EMG信号分类的准确性，以更准确地诊断和跟踪神经肌肉疾病的康复效果 | EMG信号 | 生物医学工程与计算智能 | 神经肌肉疾病 | EMG信号分析 | Bi-LSTM | EMG信号 | NA | NA | NA | NA | NA |
| 8910 | 2025-06-06 |
Randomized comparison of AI enhanced 3D printing and traditional simulations in hepatobiliary surgery
2025-Jun-02, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01571-9
PMID:40457016
|
research paper | 比较AI增强的3D打印和传统模拟在肝胆手术中的效果 | 结合深度学习和3D打印技术优化肝胆手术规划，提高效率和准确性 | 样本量较小（64例患者），可能影响结果的普遍性 | 评估3D打印肝脏模型在肝胆手术规划中的效果 | 肝胆手术患者 | digital pathology | 肝胆疾病 | 3D打印，深度学习 | deep learning | 医学影像 | 64例患者 | NA | NA | NA | NA |
| 8911 | 2025-06-06 |
SC2Spa: a deep learning based approach to map transcriptome to spatial origins at cellular resolution
2025-Jun-02, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06173-6
PMID:40457183
|
研究论文 | SC2Spa是一种基于深度学习的工具，用于将转录组数据映射到细胞分辨率的空间位置 | SC2Spa通过学习空间转录组数据中的复杂空间关系，能够准确地将单细胞RNA测序数据映射到空间位置，并识别空间可变基因 | NA | 开发一种能够准确映射细胞到其空间坐标的工具，以理解组织内的细胞异质性 | 空间转录组数据和单细胞RNA测序数据 | 数字病理学 | NA | 空间转录组学(ST)、单细胞RNA测序(scRNA-seq) | 深度学习 | 转录组数据 | NA | NA | NA | NA | NA |
| 8912 | 2025-06-06 |
ScreenDx, an artificial intelligence-based algorithm for the incidental detection of pulmonary fibrosis
2025-Jun, The American journal of the medical sciences
DOI:10.1016/j.amjms.2025.02.011
PMID:40020875
|
研究论文 | 开发并验证了一种基于深度学习的卷积神经网络算法ScreenDx，用于筛查计算机断层扫描图像并识别偶然发现的肺纤维化病例 | 开发了ScreenDx算法，能够在不同CT制造商和切片厚度条件下高效识别肺纤维化，表现出较高的敏感性和特异性 | 研究未涉及所有可能的CT设备类型和临床环境，算法的普适性仍需进一步验证 | 开发一种机器学习算法以提高肺纤维化的早期诊断率 | 肺纤维化患者的CT影像 | 数字病理 | 肺纤维化 | 深度学习 | CNN | 图像 | 总样本量4,722例（包括3,658例训练集、381例调优集和683例外部验证集） | NA | NA | NA | NA |
| 8913 | 2025-06-06 |
FedBCD: Federated Ultrasound Video and Image Joint Learning for Breast Cancer Diagnosis
2025-Jun, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3532474
PMID:40031191
|
research paper | 该研究提出了一种名为FedBCD的去中心化学习方法，用于联合学习乳腺超声视频和图像，以改善乳腺癌诊断 | 首次提出针对乳腺超声视频和图像的联合去中心化学习解决方案，设计了JUVIL模型以弥合视频和图像数据的维度差距，并提出了FILA层间聚合方法以提高联邦训练的稳定性 | 实验仅在三个图像客户端和一个视频客户端上进行，可能需要更多样化的数据验证其泛化能力 | 开发一种高效的联合学习方法，用于乳腺癌的超声诊断 | 乳腺超声视频和图像 | digital pathology | breast cancer | federated learning | JUVIL (Joint Ultrasound Video and Image Learning) | image, video | 三个图像客户端和一个视频客户端 | NA | NA | NA | NA |
| 8914 | 2025-06-06 |
Score-Based Diffusion Models With Self-Supervised Learning for Accelerated 3D Multi-Contrast Cardiac MR Imaging
2025-Jun, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3534206
PMID:40031249
|
research paper | 本研究提出了一种基于分数扩散模型与自监督学习的新型方法，用于加速三维多对比心脏磁共振成像 | 结合自监督贝叶斯重建网络与联合分数扩散模型，无需全采样训练数据即可实现高质量图像重建 | 仅在特定3D联合心肌T1和T1ρ映射序列数据集上进行了验证 | 加速三维多对比心脏磁共振成像采集过程 | 三维多对比心脏磁共振图像 | 医学影像分析 | 心血管疾病 | 分数扩散模型、自监督学习、Langenvin Markov chain Monte Carlo采样 | 贝叶斯重建网络、联合分数扩散模型 | 3D多对比心脏磁共振图像 | 使用3D联合心肌T1和T1ρ映射序列采集的数据集 | NA | NA | NA | NA |
| 8915 | 2025-06-06 |
Cardiac Phase Estimation Using Deep Learning Analysis of Pulsed-Mode Projections: Toward Autonomous Cardiac CT Imaging
2025-Jun, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3536160
PMID:40031322
|
研究论文 | 本文提出了一种基于深度学习的脉冲模式投影分析方法，用于心脏CT成像中的心脏相位估计，旨在实现自主心脏CT扫描 | 首次在投影域进行前瞻性心脏相位估计，提出了一种新的投影域心脏相位估计网络（PhaseNet）和不确定性驱动的Viterbi（UDV）正则化器 | 研究使用了基于物理的模拟数据进行性能评估，尚未在真实临床数据上进行验证 | 开发一种无需心电图设备和专家干预的自主心脏CT扫描方法 | 心脏CT成像中的心脏相位估计 | 医学影像分析 | 心血管疾病 | 深度学习分析 | LSTM, CNN | 脉冲模式投影（PMPs） | 基于物理的模拟数据 | NA | NA | NA | NA |
| 8916 | 2025-06-06 |
Information Geometric Approaches for Patient-Specific Test-Time Adaptation of Deep Learning Models for Semantic Segmentation
2025-Jun, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3540546
PMID:40031589
|
研究论文 | 本研究提出了一种基于信息几何原理的新框架，用于在测试时对深度学习语义分割模型进行患者特异性适应 | 提出了一种基于信息几何原理的通用、即插即用、正则化的患者特异性适应框架，无需额外的神经网络或解剖先验信息 | NA | 解决深度学习语义分割模型在测试时的患者特异性适应问题 | COVID-19异常的CT图像、跨机构脑肿瘤MR图像、视网膜层OCT图像 | 计算机视觉 | COVID-19、脑肿瘤、视网膜疾病 | 深度学习 | 语义分割模型 | CT图像、MR图像、OCT图像 | NA | NA | NA | NA | NA |
| 8917 | 2025-06-06 |
CT-SDM: A Sampling Diffusion Model for Sparse-View CT Reconstruction Across Various Sampling Rates
2025-Jun, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3541491
PMID:40031824
|
research paper | 提出了一种自适应重建方法CT-SDM，用于在不同采样率下实现高性能稀疏视图CT重建 | 设计了新颖的成像退化算子，在采样扩散模型中模拟正弦图域的投影过程，从而通过一个训练模型适应多种采样率 | 未提及具体临床验证结果或实际部署中的计算效率问题 | 解决稀疏视图CT重建中因采样率固定导致的模型泛化能力不足问题 | 稀疏视图CT扫描数据 | digital pathology | NA | deep learning, diffusion model | CT-SDM (采样扩散模型) | CT图像 | 多个数据集（未明确数量） | NA | NA | NA | NA |
| 8918 | 2025-06-06 |
Ultra-Sparse-View Cone-Beam CT Reconstruction-Based Strictly Structure-Preserved Deep Neural Network in Image-Guided Radiation Therapy
2025-Jun, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3541242
PMID:40031817
|
研究论文 | 本研究提出了一种基于严格结构保持的深度神经网络（PSSP-NET）用于超稀疏视角锥束CT重建，旨在在图像引导放射治疗中减少额外剂量同时保持图像质量 | 利用计划CT作为先验信息，开发了基于生成对抗网络（GAN）的PSSP-NET模型，用于快速重建高质量CBCT图像 | 研究仅在头颈癌患者中进行了临床性能评估，未涉及其他癌症类型 | 减少图像引导放射治疗中的额外辐射剂量，同时保持CBCT图像质量 | 头颈癌患者 | 数字病理 | 头颈癌 | 锥束CT（CBCT） | GAN | 图像 | 头颈癌患者的临床CBCT投影数据 | NA | NA | NA | NA |
| 8919 | 2025-06-06 |
TransMatch: Employing Bridging Strategy to Overcome Large Deformation for Feature Matching in Gastroscopy Scenario
2025-Jun, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3541433
PMID:40031823
|
research paper | 提出了一种名为TransMatch的特征匹配框架，用于解决胃镜场景中特征严重变形和大位移的匹配问题 | 通过Transformer结构利用全局信息匹配特征，并采用双向二次插值网络的桥接策略分解和简化严重变形特征的匹配 | NA | 解决胃镜场景中特征严重变形和大位移的匹配问题 | 胃镜图像中的特征匹配 | computer vision | NA | Transformer, 双向二次插值网络 | Transformer | image | 大规模胃镜数据集 | NA | NA | NA | NA |
| 8920 | 2025-06-06 |
Image classification-driven speech disorder detection using deep learning technique
2025-Jun, SLAS technology
IF:2.5Q3
DOI:10.1016/j.slast.2025.100261
PMID:40057233
|
研究论文 | 本研究提出了一种基于图像分类的自动语音障碍检测模型，通过Mel-Spectrogram分类识别多种语音障碍 | 使用增强的LEVIT transformer进行特征提取，并采用包含CatBoost和XGBoost的集成学习方法进行分类，同时利用量化感知训练减少计算资源 | 模型在多语言和方言中的适用性有待进一步验证，且需要更多样化的数据集进行泛化 | 开发一种自动化的语音障碍检测模型，以提高诊断的准确性和效率 | 语音障碍患者 | 自然语言处理 | 语音障碍 | Wavelet Transform (WT), 量化感知训练 (QAT) | LEVIT transformer, CatBoost, XGBoost, Extremely Randomized Tree | Mel-Spectrogram图像 | VOICED和LANNA数据集 | NA | NA | NA | NA |