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 33853 篇文献，本页显示第 901 - 920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 901 | 2025-11-08 |
E-RespiNet: An LLM-ELECTRA driven triple-stream CNN with feature fusion for asthma classification
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0334528
PMID:41187139
|
研究论文 | 提出E-RespiNet多模态深度学习架构，通过集成ELECTRA和三流CNN实现哮喘呼吸音自动分类 | 首次将ELECTRA的判别式预训练与三流CNN框架结合，并采用基于对立学习的和声搜索优化 | 跨机构验证准确率为75.7%，存在23.3%的泛化差距 | 开发自动呼吸音分类系统以改善资源受限环境下的呼吸疾病诊断 | 哮喘患者的呼吸音数据 | 数字病理 | 哮喘 | 呼吸音分析 | CNN,ELECTRA | 音频 | 两个临床数据集：哮喘检测数据集V2（1,211条录音，5种条件）和KA大学医院数据集（940个样本，81名受试者，4种条件） | PyTorch,TensorFlow | 三流CNN,ELECTRA | 准确率,AUC | GPU |
| 902 | 2025-11-08 |
Attention to detail: A conditional multi-head transformer for traffic sign recognition
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0335341
PMID:41187177
|
研究论文 | 提出一种条件多头Transformer模型用于交通标志识别，通过动态调整特征提取和注意力机制提升分类性能 | 提出条件视觉Transformer(CViT)，能够根据输入标志类型动态调整特征聚合、Q/K/V投影和注意力机制 | 未明确说明模型在极端天气或严重遮挡条件下的鲁棒性测试 | 提升自动驾驶应用中交通标志识别的准确性和可靠性 | 交通标志 | 计算机视觉 | NA | 深度学习 | Transformer | 图像 | NA | NA | Vision Transformer, 条件视觉Transformer(CViT) | 准确率, 微精确率, 宏召回率, 宏F1分数 | NA |
| 903 | 2025-11-08 |
Application of deep learning in behavior recognition and early warning system for campus safety management
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0335040
PMID:41187211
|
研究论文 | 提出基于深度学习的校园行为识别与预警系统DeepCARE，通过视频分析检测异常行为 | 结合CNN与LSTM的混合模型架构，并集成自编码器异常检测模块以提高准确率并降低误报 | NA | 提升校园安全管理中的行为识别能力与预警响应速度 | 校园监控视频中的异常行为（如攻击行为、未授权进入、禁区滞留） | 计算机视觉 | NA | 实时视频分析 | CNN, LSTM, Autoencoder | 视频 | NA | NA | CNN-LSTM混合架构 | 准确率 | NA |
| 904 | 2025-11-08 |
Meta analysis of the diagnostic efficacy of transformer-based multimodal fusion deep learning models in early Alzheimer's disease
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1641548
PMID:41189652
|
荟萃分析 | 通过荟萃分析系统评估基于Transformer的多模态融合深度学习模型在早期阿尔茨海默病诊断中的效能 | 首次系统评估Transformer多模态融合模型在早期AD诊断中的表现，发现多模态整合、特征级融合和多中心数据应用是关键优势 | 单中心数据比例较高，模型可解释性不足 | 评估Transformer多模态融合深度学习模型在早期阿尔茨海默病诊断中的效能 | 早期阿尔茨海默病患者 | 医学人工智能 | 阿尔茨海默病 | 多模态数据融合 | Transformer, CNN | 多模态医学数据 | 20项临床研究，12,897名参与者 | NA | Transformer, Dual-3DM3AD, 混合Transformer模型(Transformer+CNN) | AUC, 敏感度, 特异度, 准确率 | NA |
| 905 | 2025-11-08 |
Finding differentially expressed genes between cell fates predicted by image-based deep learning
2025, Biophysics and physicobiology
IF:1.6Q4
DOI:10.2142/biophysico.bppb-v22.0022
PMID:41189733
|
研究论文 | 开发了一种整合基于图像的深度学习细胞命运预测与单细胞转录组分析的方法，用于发现不同预测命运间的差异表达基因 | 首次将基于图像的细胞命运深度学习预测与单细胞全转录组分析相结合，在转录组谱未显示明显聚类时仍能检测差异表达基因 | 仅作为原理验证应用于热应激诱导的细胞死亡模型，尚未在其他细胞命运决定过程中验证 | 发现细胞命运决定过程中的早期触发基因 | 哺乳动物细胞系中经历热应激后命运不同的细胞 | 计算生物学 | NA | 单细胞RNA测序(scRNA-seq), 延时成像 | 深度学习模型 | 细胞图像, 转录组数据 | 经历热应激的哺乳动物细胞系细胞 | NA | NA | 差异表达基因检测 | NA |
| 906 | 2025-11-08 |
FROG: a new people detection dataset for knee-high 2D range finders
2025, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2025.1671673
PMID:41189740
|
研究论文 | 提出名为FROG的新型膝高2D测距仪人员检测数据集及端到端深度学习检测方法 | 创建了激光分辨率更高、扫描频率更快、标注更完整的膝高2D测距仪数据集，并提出无需手工特征处理的端到端深度学习检测方法 | 未明确说明数据集的采集环境多样性及模型在极端场景下的泛化能力 | 提升移动机器人使用膝高2D测距仪进行人员检测的性能 | 移动机器人膝高2D测距仪采集的激光扫描数据 | 计算机视觉 | NA | 2D激光测距技术 | 深度学习 | 激光扫描数据 | 17倍于DROW数据集的标注扫描数，100倍的人员标注数 | ROS | 端到端深度学习架构 | 检测频率（Hz） | 未明确说明 |
| 907 | 2025-11-08 |
Exploring the ethical issues posed by AI and big data technologies in drug development
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1585180
PMID:41189967
|
综述 | 系统分析人工智能与大数据技术在药物开发中的技术突破、潜在风险与治理路径 | 首次系统探讨AI与大数据在药物研发效率革命中的伦理底线与责任创新生态系统构建 | 未涉及具体技术实施方案的伦理验证 | 探索AI与大数据技术在药物开发中引发的伦理问题及治理方案 | 药物开发过程中的人工智能与大数据技术应用 | 生物医学信息学 | NA | 大数据分析, 深度学习 | 深度学习 | 生物医学大数据 | NA | NA | NA | NA | NA |
| 908 | 2025-11-08 |
WOAENet: a whale optimization-guided ensemble deep learning with soft voting for uterine cancer diagnosis based on MRI images
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1664201
PMID:41190038
|
研究论文 | 提出一种基于鲸鱼优化算法引导的集成深度学习框架WOAENet，用于子宫癌MRI图像的自动诊断 | 首次将鲸鱼优化算法应用于深度学习模型超参数调优，并构建软投票集成框架用于子宫癌诊断 | 研究基于单一医疗机构的数据集，需要更多外部验证 | 开发准确高效的子宫癌自动诊断方法 | 子宫MRI图像 | 计算机视觉 | 子宫癌 | MRI成像 | CNN,集成学习 | 医学图像 | 来自King Abdullah University Hospital的子宫癌MRI数据集 | TensorFlow, PyTorch | MobileNetV2, DenseNet121, LVM | 准确率,特异性,F1分数 | NA |
| 909 | 2025-11-08 |
ConoDL: a deep learning framework for rapid generation and prediction of conotoxins
2024-Dec-26, Journal of computer-aided molecular design
IF:3.0Q2
DOI:10.1007/s10822-024-00582-0
PMID:39724258
|
研究论文 | 提出一个名为ConoDL的深度学习框架，用于快速生成和预测芋螺毒素 | 结合迁移学习和大语言模型解决芋螺毒素生成中的数据限制问题，并生成具有新型半胱氨酸支架的人工芋螺毒素 | 芋螺毒素数据有限且结构复杂，限制了深度学习模型的应用 | 开发新型方法探索芋螺毒素的分子空间 | 芋螺毒素（小型二硫键丰富的生物活性肽） | 机器学习 | NA | 深度学习 | LLM | 序列数据 | NA | NA | ConoGen, ConoPred | 序列和结构水平的肽特性评估 | NA |
| 910 | 2025-11-08 |
Liquid Biopsy-Based Detection and Response Prediction for Depression
2024-11-26, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.4c08233
PMID:39501510
|
研究论文 | 通过基于深度学习的血浆细胞外囊泡光谱分析开发抑郁症检测和治疗反应预测方法 | 首次将深度学习和拉曼光谱技术结合应用于细胞外囊泡分析，实现抑郁症的客观诊断和抗抑郁药物反应预测 | 样本来源仅限于血浆细胞外囊泡，需要进一步验证在其他人群和临床环境中的适用性 | 开发基于液体活检的抑郁症客观诊断和治疗反应预测方法 | 抑郁症患者、健康个体和恐慌障碍患者的血浆细胞外囊泡 | 机器学习 | 抑郁症 | 拉曼光谱分析，细胞外囊泡分离 | 深度学习 | 光谱信号数据 | 未具体说明样本数量，包括抑郁症患者、健康个体和恐慌障碍患者 | NA | NA | AUC | NA |
| 911 | 2025-11-08 |
Classification of Multi-Parametric Body MRI Series Using Deep Learning
2024-11, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3448373
PMID:39178097
|
研究论文 | 开发基于深度学习的多参数体部MRI序列分类模型，用于准确识别8种不同的MRI序列类型 | 首次针对多参数体部MRI序列开发深度学习分类模型，比较多种网络架构性能，并系统评估不同训练数据量和外部数据集的表现 | 仅针对8种特定MRI序列类型，模型在外部数据集上性能有所下降 | 解决DICOM头文件信息错误问题，提高放射科医生阅片效率 | 多参数体部MRI序列 | 计算机视觉 | NA | 多参数磁共振成像(mpMRI) | CNN | 医学影像 | 超过729项研究的多机构mpMRI数据，包含DLDS和CPTAC-UCEC外部数据集 | NA | ResNet, EfficientNet, DenseNet-121 | F1-score, 准确率 | NA |
| 912 | 2025-11-08 |
Vector field attention for deformable image registration
2024-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.6.064001
PMID:39513093
|
研究论文 | 提出一种用于可变形图像配准的向量场注意力框架，通过直接检索特征图中的位置对应关系来提高配准效率 | 引入无需可学习参数的注意力模块，能够直接从特征图中检索像素级对应关系，改进了现有网络设计 | NA | 开发更高效的可变形图像配准方法 | 固定图像和移动图像之间的空间对应关系 | 医学图像处理 | NA | 深度学习 | 注意力机制 | 医学图像 | 公共数据集和Learn2Reg挑战赛数据 | NA | 向量场注意力(VFA) | 配准精度 | NA |
| 913 | 2025-11-08 |
A 3D-2D Hybrid U-Net Convolutional Neural Network Approach to Prostate Organ Segmentation of Multiparametric MRI
2021-01, AJR. American journal of roentgenology
DOI:10.2214/AJR.19.22168
PMID:32812797
|
研究论文 | 本研究开发了一种混合3D-2D U-Net卷积神经网络方法，用于多参数MRI中前列腺器官的自动分割 | 提出了一种定制的混合3D-2D U-Net架构，结合了三维和二维卷积神经网络的优点 | 研究为回顾性设计，需要进一步研究开发病变定位和量化的模式识别方法 | 开发自动前列腺器官分割的深度学习方法 | 多参数MRI中的前列腺器官 | 数字病理 | 前列腺癌 | 多参数MRI | CNN | 医学图像 | 287名患者的299次MRI检查（共7774张MR图像） | NA | 混合3D-2D U-Net | Dice分数, Pearson相关系数 | NA |
| 914 | 2025-11-07 |
Deep learning method for semi-automated segmentation of optic nerve head tissues in optical coherence tomography images
2025-Dec, Experimental eye research
IF:3.0Q1
DOI:10.1016/j.exer.2025.110678
PMID:41038371
|
研究论文 | 提出基于深度学习的半自动分割方法，用于光学相干断层扫描图像中视神经头组织的分割 | 开发了结合用户交互的深度学习模型更新机制，允许用户修正预测结果并实时优化后续预测 | 测试数据集较小（仅6个视神经头图像体积），需要更大样本量来全面评估模型更新效果 | 实现视神经头组织的半自动精确分割，提高分割效率 | 视神经头组织的前部筛板表面、布鲁赫膜和脉络膜-巩膜界面 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描 | CNN | 图像 | 46个预处理的视神经头图像体积（每个包含24个径向扫描） | NA | NA | 均方根误差 | NA |
| 915 | 2025-11-07 |
Real-World Adversarial Defense Against Patch Attacks Based on Diffusion Model
2025-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3596462
PMID:40768456
|
研究论文 | 提出基于扩散模型的对抗性补丁防御框架DIFFender，通过文本引导扩散模型检测和修复对抗补丁攻击 | 发现对抗性异常感知现象，首次将扩散模型统一应用于补丁定位和修复任务，并提出高效少样本提示调优算法 | NA | 开发有效的对抗性补丁防御方法，提升深度学习模型在真实场景中的鲁棒性 | 对抗性补丁攻击 | 计算机视觉 | NA | 扩散模型 | 扩散模型 | 图像 | NA | NA | 扩散模型 | NA | NA |
| 916 | 2025-11-07 |
FaceTracer: Unveiling Source Identities From Swapped Face Images and Videos for Fraud Prevention
2025-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3601141
PMID:40833901
|
研究论文 | 提出首个非侵入式框架FaceTracer，用于从换脸图像和视频中追溯源人物身份以预防欺诈 | 首个专门设计用于从换脸内容中追溯源人物身份的非侵入式框架，通过解缠模块有效抑制目标人物身份信息并分离源人物身份特征 | 未明确说明对极端质量退化或高度复杂混合身份场景的处理能力 | 开发能够追溯换脸内容中源人物身份的技术，用于欺诈预防和恶意行为者追踪 | 换脸图像和视频中的源人物身份特征 | 计算机视觉 | NA | 深度学习 | 深度学习框架 | 图像, 视频 | NA | NA | 解缠模块 | 身份识别准确率, 迁移性, 鲁棒性 | NA |
| 917 | 2025-11-07 |
LBONet: Supervised Spectral Descriptors for Shape Analysis
2025-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3600873
PMID:40833902
|
研究论文 | 提出LBONet方法，通过监督学习优化拉普拉斯-贝尔特拉米算子的特征基，提升形状分析任务的性能 | 首次提出监督学习方式优化LBO特征基，使其更适应特定任务需求 | NA | 改进非刚性形状分析中拉普拉斯-贝尔特拉米算子的性能 | 流形上的算子学习 | 计算机视觉 | NA | 深度学习 | 监督学习 | 形状数据 | NA | NA | LBONet | 检索准确率, 分类准确率, 分割精度, 对应关系准确率 | NA |
| 918 | 2025-11-07 |
Deep Learning R-Wave Detection for Electrocardiographic Gating in Cardiac MRI
2025-Dec, Radiology. Cardiothoracic imaging
DOI:10.1148/ryct.250104
PMID:41196189
|
研究论文 | 本研究开发卷积神经网络用于心电图R波检测，以减少心脏MRI中的心电门控误差 | 首次将CNN应用于心脏MRI环境下的ECG R波检测，特别针对3.0 T磁场下的MRI伪影问题 | 样本量相对有限（共167名患者），且为回顾性研究 | 评估ECG门控误差频率并开发基于深度学习的R波检测方法以改善心脏MRI质量 | 接受心脏MRI检查的患者心电图信号 | 医学影像分析 | 心血管疾病 | 心脏MRI, 心电图 | CNN | 心电图信号 | 167名患者（120名内部数据集，47名外部数据集） | NA | 卷积神经网络 | F1分数, 假阳性率 | NA |
| 919 | 2025-11-07 |
Foundation Model for Predicting Prognosis and Adjuvant Therapy Benefit From Digital Pathology in GI Cancers
2025-Nov-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology
IF:42.1Q1
DOI:10.1200/JCO-24-01501
PMID:40168636
|
研究论文 | 开发基于数字病理图像的人工智能基础模型，用于预测胃肠道癌症患者的预后和辅助化疗获益 | 使用自监督学习训练包含1.3亿个图像块的大规模基础模型，并在多国队列中验证其预测预后和辅助治疗获益的能力 | 需要前瞻性验证，模型性能有待进一步临床确认 | 利用数字病理图像预测胃肠道癌症患者的生存结局和辅助化疗获益 | 胃癌、食管癌和结直肠癌患者 | 数字病理 | 胃肠道癌症 | 苏木精-伊红染色组织病理学 | 深度学习 | 病理图像 | 104,876张全切片图像，包含1,619例胃食管癌患者和2,594例结直肠癌患者 | NA | 基础模型+微调模型 | 一致性指数, 5年生存率, 多变量分析P值 | NA |
| 920 | 2025-11-07 |
Deep Learning Model for Breast Shear Wave Elastography to Improve Breast Cancer Diagnosis (INSPiRED 006): An International, Multicenter Analysis
2025-Nov-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology
IF:42.1Q1
DOI:10.1200/JCO-24-02681
PMID:40834300
|
研究论文 | 开发并验证基于剪切波弹性成像的深度学习模型用于乳腺癌诊断 | 首次在国际多中心研究中开发基于EfficientNetB1的AI-SWE模型，显著降低假阳性率 | 需要未来研究探索多模态整合，验证集样本量相对有限 | 提高BI-RADS 3和4类乳腺肿块的诊断准确性 | 乳腺剪切波弹性成像图像 | 医学影像分析 | 乳腺癌 | 剪切波弹性成像 | 深度学习 | 医学图像 | 开发集924名患者(4,026张图像)，外部验证集370名患者(750张图像) | NA | EfficientNetB1 | 灵敏度, 特异性, 假阳性率, AUROC | NA |