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 32939 篇文献，本页显示第 9221 - 9240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9221 | 2024-10-02 |
Towards deep learning methods for quantification of the right ventricle using 2D echocardiography
2024, Future cardiology
IF:1.6Q3
DOI:10.1080/14796678.2024.2347125
PMID:39351980
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9222 | 2025-10-06 |
The informativeness of the gradient revisited
2025-Sep, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107517
PMID:40359739
|
研究论文 | 本文重新探讨了梯度信息量的理论边界及其在深度学习中的实际影响 | 提出了一个衡量梯度信息量的通用方差边界，该边界与目标函数类的成对独立性和输入分布的碰撞熵相关 | 理论分析可能无法完全覆盖所有实际深度学习场景的复杂性 | 深入理解基于梯度的深度学习方法的理论局限性 | 梯度信息量、目标函数类、输入分布 | 机器学习 | NA | NA | NA | NA | NA | NA | NA | 方差边界 | NA |
| 9223 | 2025-10-06 |
Pruning the ensemble of convolutional neural networks using second-order cone programming
2025-Sep, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107544
PMID:40367720
|
研究论文 | 提出一种基于二阶锥规划的卷积神经网络集成剪枝方法 | 使用稀疏二阶锥优化模型同时最大化集成模型的准确性和多样性 | 仅在CIFAR-10、CIFAR-100和MNIST数据集上进行了测试 | 解决深度学习模型集成中的计算复杂度问题 | 包含不同深度和层数的卷积神经网络集成 | 机器学习 | NA | 集成剪枝 | CNN | 图像 | CIFAR-10、CIFAR-100和MNIST数据集 | NA | 具有不同深度和层数的CNN | 准确性 | NA |
| 9224 | 2025-10-06 |
SurvGraph: A hybrid-graph attention network for survival prediction using whole slide pathological images in gastric cancer
2025-Sep, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107607
PMID:40375420
|
研究论文 | 提出一种基于混合图注意力网络的SurvGraph模型，用于胃癌患者全切片病理图像的生存预测 | 采用混合图构建方法整合多种特征类型，并利用多头注意力图网络进行生存预测 | NA | 开发基于全切片病理图像的胃癌患者生存预测模型 | 胃癌患者 | 数字病理学 | 胃癌 | 全切片病理图像分析 | 图神经网络,多头注意力网络 | 病理图像 | 708名胃癌患者，来自三个独立队列 | NA | 混合图注意力网络 | 一致性指数(C-index) | NA |
| 9225 | 2025-10-06 |
Enhancing the transferability of adversarial attacks via Scale Enriching
2025-Sep, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107549
PMID:40378598
|
研究论文 | 提出一种通过尺度丰富方法增强对抗样本在黑盒攻击中可迁移性的技术 | 通过特定范围内的输入尺度缩放来丰富代理模型的注意力区域，提高不同模型间的可迁移性，且不引入额外噪声 | 未明确说明在极端尺度变化或非图像数据上的适用性 | 提升对抗攻击在黑盒设置下的可迁移性 | 深度神经网络模型 | 计算机视觉 | NA | 对抗攻击 | 深度神经网络 | 图像 | ImageNet数据集 | NA | NA | 成功率 | NA |
| 9226 | 2025-06-11 |
S2LIC: Learned image compression with the SwinV2 block, Adaptive Channel-wise and Global-inter attention Context
2025-Sep, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107590
PMID:40398182
|
research paper | 提出了一种基于SwinV2块、自适应通道和全局交互注意力上下文的图像压缩方法S2LIC | 设计了自适应通道和全局交互注意力上下文(ACGC)熵模型，实现了切片间和切片内的双特征聚合，并引入残差SwinV2 Transformer模型捕获全局特征信息 | 未明确提及具体限制 | 提高图像压缩的率失真性能和编解码速度 | 图像数据 | computer vision | NA | 深度学习 | SwinV2 Transformer, ACGC | image | 三个不同数据集（Kodak、Tecnick和CLIC Pro） | NA | NA | NA | NA |
| 9227 | 2025-06-11 |
Emergence of human-like attention and distinct head clusters in self-supervised vision transformers: A comparative eye-tracking study
2025-Sep, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107595
PMID:40424761
|
研究论文 | 本研究探讨了自监督视觉变换器（ViTs）在模拟人类注视行为方面的表现，发现其自注意力机制能够形成与人类注视行为高度一致的结构化注意力模式 | 首次展示了自监督DINO训练的ViTs能够自发形成与人类注视行为相似的注意力模式，并识别出三种不同的注意力头集群 | 研究仅基于视频数据，未探讨其他视觉刺激下的表现 | 探索自监督视觉变换器是否能够模拟人类视觉注意力机制 | 自监督DINO训练的视觉变换器（ViTs） | 计算机视觉 | NA | 自监督学习（DINO） | ViT (Vision Transformer) | 视频 | NA | NA | NA | NA | NA |
| 9228 | 2025-06-11 |
VKAD: A novel fault detection and isolation model for uncertainty-aware industrial processes
2025-Sep, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107664
PMID:40435556
|
研究论文 | 提出了一种名为VKAD的新型故障检测与隔离模型，用于处理不确定性感知的工业过程 | 将Koopman算子理论与变分自编码器结合，提出VKAD模型，能够推断动态系统观测值的分布并捕获系统演化的不确定性 | 未明确提及 | 提高工业过程中故障检测与隔离的准确性和可靠性 | 工业过程的动态系统 | 机器学习 | NA | 变分自编码器 | VKAD（Variational Koopman Anomaly Detector） | 时间序列数据 | Tennessee Eastman Process (TEP)数据集和真实卫星在轨遥测数据集(SAT) | NA | NA | NA | NA |
| 9229 | 2025-10-06 |
Deep learning-enhanced hyperspectral imaging for rapid screening of Co-metabolic microplastic-degrading bacteria in environmental samples
2025-Aug-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.138370
PMID:40267710
|
研究论文 | 本研究开发了一种结合高光谱成像和深度学习的新型方法，用于快速筛选环境样品中具有共代谢能力的微塑料降解细菌 | 首次将高光谱成像技术与深度学习算法相结合，直接在共代谢固体培养基上快速识别微塑料降解细菌，显著提高了筛选效率 | 仅成功筛选出一种PBAT降解细菌，方法验证范围有限，需要进一步扩大样本验证 | 开发高效筛选微塑料降解细菌的新方法，解决传统筛选方法耗时且效率低的问题 | 环境样品中的共代谢微塑料降解细菌，特别是PBAT降解细菌 | 计算机视觉 | NA | 高光谱成像技术 | 深度学习算法 | 高光谱图像数据 | NA | NA | NA | 与传统方法验证结果一致 | NA |
| 9230 | 2025-06-11 |
Improving image quality and diagnostic performance using deep learning image reconstruction in 100-kVp CT enterography for patients with wide-range body mass index
2025-Aug, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112167
PMID:40398003
|
research paper | 评估深度学习图像重建（DLIR）算法在100-kVp CT肠造影（CTE）中对不同BMI患者图像质量、诊断信心和肠道病变检测的临床价值 | 比较了DLIR与传统ASiR-V算法在图像质量、诊断信心和肠道病变检测方面的表现，发现DLIR-M在图像质量和诊断信心上表现更优，并可能提高初级读者对炎症性病变的检测敏感性 | 炎症性病变检测的敏感性提升未达到统计学显著性，需要进一步研究 | 评估DLIR算法在100-kVp CTE中的临床价值 | 84名接受100-kVp双期CTE检查的患者 | 数字病理 | 肠道疾病 | CT enterography (CTE) | DLIR (深度学习图像重建) | image | 84名患者 | NA | NA | NA | NA |
| 9231 | 2025-06-11 |
LiDSCUNet++: A lightweight depth separable convolutional UNet++ for vertebral column segmentation and spondylosis detection
2025-Aug, Research in veterinary science
IF:2.2Q1
DOI:10.1016/j.rvsc.2025.105703
PMID:40460622
|
research paper | 提出了一种轻量级深度学习框架LiDSCUNet++，用于脊柱分割和脊椎病检测 | 结合深度可分离卷积和点卷积的轻量级UNet++框架，显著减少可训练参数、内存使用、能耗和计算时间 | 性能受限于数据不足和现有解决方案的高计算复杂度 | 开发高效的计算机辅助诊断系统，帮助医生诊断脊柱疾病 | 狗脊柱X光片中的椎骨异常 | digital pathology | spondylosis | deep learning | LiDSCUNet++, UNet++, YOLOv8 | image | NA | NA | NA | NA | NA |
| 9232 | 2025-10-06 |
Intraindividual Comparison of Image Quality Between Low-Dose and Ultra-Low-Dose Abdominal CT With Deep Learning Reconstruction and Standard-Dose Abdominal CT Using Dual-Split Scan
2025-Jul-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001151
PMID:39874436
|
研究论文 | 通过双源CT扫描在肝转移患者中比较低剂量/超低剂量CT（采用深度学习重建）与标准剂量CT（采用模型迭代重建）对局灶性肝病灶显示效果的非劣效性研究 | 首次在单个CT检查中采用双源分割扫描技术，实现同一患者不同剂量水平CT图像的个体内比较，并评估深度学习重建在低剂量CT中的临床应用价值 | 对肝转移的敏感性可能有所降低，需要在临床应用时保持谨慎 | 评估低剂量和超低剂量腹部CT结合深度学习重建在局灶性肝病灶显示方面是否不劣于标准剂量CT | 疑似或已知肝转移的患者 | 医学影像 | 肝转移癌 | 双源CT扫描，深度学习重建，模型迭代重建 | 深度学习重建 | CT影像 | 133名参与者（男性58名，平均BMI 23.0±3.4 kg/m²） | NA | NA | 病灶显示清晰度评分，病灶检测率，敏感性，特异性，信噪比，对比噪声比 | NA |
| 9233 | 2025-10-06 |
Impact of Noisy Supervision in Foundation Model Learning
2025-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3552309
PMID:40117144
|
研究论文 | 本文首次全面分析预训练数据中噪声的本质并提出NMTune方法来缓解其对下游任务的负面影响 | 首次系统研究预训练数据噪声对基础模型泛化能力的影响，并提出适用于参数高效和黑盒调优的噪声缓解方法 | 实验主要基于合成噪声数据集，在真实噪声场景下的验证仍需进一步加强 | 研究预训练数据噪声对基础模型泛化能力的影响及其缓解方法 | 基础模型在预训练和下游任务中的表现 | 机器学习 | NA | 全监督预训练、图像-文本对比预训练 | 基础模型 | 图像、文本 | ImageNet-1K、YFCC15M、CC12M数据集 | NA | 流行的视觉和语言模型架构 | 域内性能、域外性能 | NA |
| 9234 | 2025-06-11 |
Artificial intelligence for optimal in vitro fertilization morphokinetics
2025-Jul, European journal of obstetrics, gynecology, and reproductive biology
DOI:10.1016/j.ejogrb.2025.114039
PMID:40398145
|
research paper | 该研究开发了一个基于人工智能的模型，用于通过延时成像视频确定胚胎的形态动力学阶段 | 首次使用公开的体外受精数据集，结合CNN和EfficientNetB4深度学习模型，对胚胎形态动力学阶段进行分类 | 模型的整体准确率为0.71，灵敏度为0.59，仍有提升空间 | 开发人工智能模型以优化体外受精胚胎的形态动力学分析 | 人类胚胎的延时成像视频 | digital pathology | infertility | time-lapse imaging (TLI) | CNN, EfficientNetB4 | video | 704个视频，来自716对不孕夫妇，共240万张图像 | NA | NA | NA | NA |
| 9235 | 2025-10-06 |
Development of an Interpretable Machine Learning Model for Neurotoxicity Prediction of Environmentally Related Compounds
2025-Jun-10, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.5c03311
PMID:40307185
|
研究论文 | 开发了一种可解释的机器学习模型，用于预测环境相关化合物的神经毒性 | 结合三种分子表示方法和多种机器学习算法，开发出高性能且可解释的神经毒性预测模型 | 在已知神经毒性数据的89种化合物上准确率为0.74，仍有提升空间 | 预测环境相关化合物的神经毒性，填补神经毒性数据空白 | 环境相关化合物，特别是人体血液中检测到的1170种化合物 | 机器学习 | 神经系统疾病 | 分子指纹、分子描述符、分子图 | XGBoost, 传统机器学习算法, 深度学习方法 | 分子结构数据 | 1170种人体血液中检测到的化合物，其中89种有已知神经毒性数据 | XGBoost | NA | 准确率, AUC | NA |
| 9236 | 2025-06-11 |
High-Output Droplet Electricity Generator for Intelligent Self-Powered Biochemical Analysis
2025-Jun-10, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c02079
PMID:40491299
|
研究论文 | 提出了一种微型智能自供电电子舌（MISET），用于化学和生物物质的高灵敏度、可靠性和实时检测 | MISET引入了封闭式液体传感环境和液滴能量生成机制，显著提高了信号稳定性和电荷转移效率，并通过深度学习辅助分析优化信号处理和模式识别 | NA | 克服传统分析方法在灵敏度、可靠性、便携性和实时检测方面的挑战 | 化学和生物物质 | 生物传感 | NA | 液滴能量生成（DEG）机制和深度学习辅助分析 | 深度学习 | 液体传感信号 | NA | NA | NA | NA | NA |
| 9237 | 2025-06-11 |
Artificial intelligence-powered microscopy: Transforming the landscape of parasitology
2025-Jun-10, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.13433
PMID:40492595
|
综述 | 本文探讨了人工智能在寄生虫学领域的应用及其潜力 | 综述了人工智能、机器学习和深度学习在寄生虫学中的应用，特别是针对Apicomplexan、Diplomonad和Kinetoplastid类群的研究 | 讨论了在生物医学领域中实施和扩展人工智能应用所面临的挑战和限制 | 探索人工智能如何填补寄生虫学研究和诊断中的空白 | Apicomplexan、Diplomonad和Kinetoplastid类群的寄生虫 | 数字病理学 | 寄生虫病 | 显微镜和图像分析 | 机器学习和深度学习 | 图像 | NA | NA | NA | NA | NA |
| 9238 | 2025-06-11 |
Genome-resolved metagenomics from short-read sequencing data in the era of artificial intelligence
2025-Jun-10, Functional & integrative genomics
IF:3.9Q1
DOI:10.1007/s10142-025-01625-x
PMID:40493087
|
综述 | 本文综述了基于人工智能的短读长宏基因组数据分析工具及其在基因组解析宏基因组学中的应用 | 整合人工智能技术于宏基因组数据分析的不同阶段，提升了处理复杂多维数据的准确性、可扩展性和效率 | 早期机器学习与深度学习模型因测序技术进步而效率降低，当前AI工具的局限性未明确说明 | 探讨人工智能在基因组解析宏基因组学中的应用及其工具性能 | 短读长宏基因组数据 | 机器学习 | NA | 短读长测序 | 机器学习和深度学习 | 基因组数据 | NA | NA | NA | NA | NA |
| 9239 | 2025-06-11 |
Multiproperty Deep Learning of the Correlation Energy of Electrons and the Physicochemical Properties of Molecules
2025-Jun-10, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c00414
PMID:40493380
|
研究论文 | 本文利用基于信息理论方法(ITA)的密度描述符作为多属性深度学习(DL)的特征，预测分子的相关能量和物理化学性质 | 首次将ITA密度描述符用于多属性深度学习，预测电子相关能量和多种物理化学性质，并在准确性和效率上优于传统的TD-DFT方法 | 未明确提及具体局限性 | 开发一种基于ITA-DL的通用框架，用于准确、低成本预测分子的多种性质 | 分子的电子相关能量和物理化学性质(如分子极化率、NMR屏蔽常数、氧化还原电位等) | 机器学习 | NA | 深度学习(DL), 信息理论方法(ITA) | DL | 分子描述符数据 | 未明确提及具体样本数量，但包含小发色团和大分子测试集 | NA | NA | NA | NA |
| 9240 | 2025-06-11 |
Deep learning without borders: recent advances in ultrasound image classification for liver diseases diagnosis
2025-Jun-09, Expert review of medical devices
IF:2.9Q3
DOI:10.1080/17434440.2025.2514764
PMID:40445166
|
review | 本文综述了深度学习技术在利用超声影像进行肝脏疾病分类方面的最新进展 | 探讨了从CNN到其混合版本（如CNN-Transformer）等多种模型在脂肪肝、纤维化和肝癌等疾病检测中的应用 | 讨论了在不同临床环境中数据和模型泛化面临的挑战 | 提升肝脏疾病的自动诊断水平 | 肝脏疾病（如脂肪肝、纤维化和肝癌） | digital pathology | liver disease | ultrasound imaging | CNN, CNN-Transformer | image | NA | NA | NA | NA | NA |