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 33366 篇文献，本页显示第 10361 - 10380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10361 | 2025-10-06 |
An adaptive weighted ensemble learning network for diabetic retinopathy classification
2024, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.3233/XST-230252
PMID:38217630
|
研究论文 | 提出一种基于光学相干断层扫描图像的自适应加权集成学习方法用于糖尿病视网膜病变分类 | 基于贝叶斯理论提出新型决策融合方案，动态调整基模型权重分布以缓解数据不平衡问题 | NA | 提升糖尿病视网膜病变自动检测性能 | 糖尿病视网膜病变患者的光学相干断层扫描图像 | 计算机视觉 | 糖尿病视网膜病变 | 光学相干断层扫描 | 集成学习 | 图像 | 两个公共数据集（DRAC2022和APTOS2019） | NA | 三个先进深度学习模型的集成 | 二次加权kappa, 准确率 | NA |
| 10362 | 2025-10-06 |
A dense and U-shaped transformer with dual-domain multi-loss function for sparse-view CT reconstruction
2024, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.3233/XST-230184
PMID:38306086
|
研究论文 | 提出一种密集U型Transformer网络结合双域多损失函数用于稀疏视图CT重建 | 结合DenseNet的局部特征提取能力和Transformer的远程依赖建模，并设计带权重学习的双域多损失函数 | 仅在Mayo Clinic LDCT数据集上验证，未在其他数据集测试泛化能力 | 开发深度学习方法来抑制稀疏视图CT重建中的伪影 | 稀疏视图CT图像 | 计算机视觉 | NA | CT扫描 | Transformer, CNN | 医学图像 | Mayo Clinic LDCT数据集 | NA | DenseNet, Transformer, U-Net | 伪影抑制效果, 图像特征保留度 | NA |
| 10363 | 2025-10-06 |
Severity-stratification of interstitial lung disease by deep learning enabled assessment and quantification of lesion indicators from HRCT images
2024, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.3233/XST-230218
PMID:38306087
|
研究论文 | 提出基于深度学习的HRCT图像病灶指标评估与量化方法，用于间质性肺病的严重程度分层 | 首次开发能够同时分割五种ILD病灶类型（HC、RO、GGO、CONS、EMPH）的卷积神经网络，并结合临床数据建立多变量预测模型 | 研究样本量未明确说明，模型性能在不同病灶类型间存在差异 | 提高间质性肺病严重程度评估的准确性和客观性 | 间质性肺病患者的HRCT图像 | 计算机视觉 | 间质性肺病 | HRCT成像 | CNN | 医学图像 | NA | NA | 卷积神经网络 | AUC, 准确率 | NA |
| 10364 | 2025-06-03 |
Dimensionality Reduction for Improving Out-of-Distribution Detection in Medical Image Segmentation
2023-Oct, Uncertainty for safe utilization of machine learning in medical imaging : 5th international workshop, UNSURE 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 12, 2023, proceedings. UNSURE (Workshop) (5th : 2023...
DOI:10.1007/978-3-031-44336-7_15
PMID:40443712
|
研究论文 | 本文提出了一种通过降维技术改进医学图像分割中分布外检测的方法 | 使用主成分分析对Swin UNETR模型的瓶颈特征进行降维，结合马氏距离实现高效的分布外检测 | 仅针对T1加权磁共振成像中的肝脏分割任务进行了验证 | 提高医学图像分割模型对分布外数据的检测能力 | 肝脏T1加权磁共振图像 | 数字病理 | 肝脏疾病 | 主成分分析(PCA), 马氏距离 | Swin UNETR | 医学图像 | NA | NA | NA | NA | NA |
| 10365 | 2025-06-02 |
TFKT V2: task-focused knowledge transfer from natural images for computed tomography perceptual image quality assessment
2025-Sep, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.5.051805
PMID:40444137
|
research paper | 提出一种基于深度学习的无参考CT图像质量评估方法TFKT，通过从自然图像数据集迁移知识，减少对大型标注数据集的依赖 | 采用混合CNN-Transformer模型，结合自然图像失真和人类标注的平均意见分数进行预训练，并在低剂量CT图像上微调，实现任务特定的适应性 | 需要进一步验证在更广泛临床场景中的泛化能力 | 开发一种无参考、自动化的CT图像质量评估方法，以更准确地反映放射科医生的评估 | CT图像质量评估 | computer vision | NA | 深度学习 | CNN-Transformer混合模型 | 图像 | 约30张CT图像切片/秒的处理能力 | NA | NA | NA | NA |
| 10366 | 2025-06-02 |
DeepCR: predicting cytokine receptor proteins through pretrained language models and deep learning networks
2025-May-31, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2025.2512448
PMID:40448687
|
研究论文 | 本文提出了一种结合预训练语言模型和多窗口卷积神经网络的分类框架，用于快速准确识别细胞因子受体蛋白 | 首次专门针对细胞因子受体蛋白进行分类研究，结合PLMs和mCNN架构，无需手动特征提取 | 未提及模型在更广泛蛋白质数据集上的泛化能力 | 开发高效识别细胞因子受体蛋白的计算方法 | 细胞因子受体蛋白 | 计算生物学 | 自身免疫性疾病 | 预训练语言模型(ProtTrans, ESM), 多窗口CNN | PLMs+mCNN | 蛋白质序列 | NA | NA | NA | NA | NA |
| 10367 | 2025-06-02 |
Relationship between spleen volume and diameter for assessment of response to treatment on CT in patients with hematologic malignancies enrolled in clinical trials
2025-May-31, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05030-7
PMID:40448843
|
research paper | 研究血液恶性肿瘤患者脾脏直径与体积的关系，以确定与治疗反应评估相关的体积阈值 | 首次提出脾脏体积阈值和百分比变化，与Lugano标准的直径阈值相关性最佳 | 研究基于特定临床试验数据，可能不适用于所有血液恶性肿瘤患者 | 评估脾脏体积和直径在血液恶性肿瘤治疗反应中的相关性 | 382名血液恶性肿瘤患者 | digital pathology | hematologic malignancies | deep learning segmentation, random forest model | random forest | CT images | 382 patients with hematologic malignancies | NA | NA | NA | NA |
| 10368 | 2025-06-02 |
Attention-driven deep learning framework for EEG analysis in ADHD detection
2025-May-31, Applied neuropsychology. Child
DOI:10.1080/21622965.2025.2512919
PMID:40449519
|
research paper | 提出一种基于注意力机制的深度学习框架，用于分析EEG信号以检测ADHD | 模型整合注意力机制以选择性关注关键EEG特征，提升分类性能 | NA | 提高ADHD检测的准确性 | 被诊断为ADHD的儿童及对照组儿童的EEG记录 | machine learning | ADHD | EEG | 深度学习框架（含注意力机制） | EEG信号 | 来自IEEE DataPort的EEG记录数据集，包含ADHD儿童和对照组 | NA | NA | NA | NA |
| 10369 | 2025-06-02 |
Unified estimation of rice canopy leaf area index over multiple periods based on UAV multispectral imagery and deep learning
2025-May-30, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-025-01398-1
PMID:40442795
|
研究论文 | 本研究利用无人机多光谱遥感技术和深度学习模型，实现了水稻冠层叶面积指数(LAI)的多时期统一估算 | 结合无人机多光谱遥感和CNN技术，提出了一种高效准确的水稻LAI多时期估算方法，并通过特征筛选提高了模型精度 | 未来可进一步探索更多特征提取和变量筛选方法，通过优化模型结构提高精度和稳定性 | 开发高效准确的水稻生长监测方法 | 水稻冠层叶面积指数(LAI) | 农业遥感 | NA | 无人机多光谱遥感 | MLP, CNN | 多光谱图像 | NA | NA | NA | NA | NA |
| 10370 | 2025-06-02 |
Evaluation of machine learning and deep learning algorithms for fire prediction in Southeast Asia
2025-May-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00628-9
PMID:40442135
|
研究论文 | 评估机器学习和深度学习算法在东南亚火灾预测中的应用 | 比较了六种不同的ML和DL模型在东南亚火灾预测中的表现，并针对不同地区的时空动态特点推荐了最优模型 | 未提及模型在其他地区或不同时间尺度上的泛化能力 | 提高东南亚地区火灾预测的准确性以支持火灾管理决策 | 东南亚地区的植被火灾 | 机器学习 | NA | VIIRS卫星数据 | MLP, CNN, LSTM, CNN-LSTM, ConvLSTM | 卫星图像数据 | 东南亚多国（文莱、印尼、马来西亚等）的火灾数据 | NA | NA | NA | NA |
| 10371 | 2025-06-02 |
An efficient dual-branch framework via implicit self-texture enhancement for arbitrary-scale histopathology image super-resolution
2025-May-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02503-z
PMID:40442141
|
research paper | 提出了一种基于隐式自纹理增强的双分支框架（ISTE），用于任意尺度病理图像超分辨率 | ISTE框架通过特征聚合分支和纹理学习分支，结合两阶段纹理增强策略，有效提升病理图像超分辨率的局部细节和高频纹理细节 | 未明确提及具体局限性 | 解决病理图像任意尺度超分辨率问题，提升图像质量以支持下游病理分析任务 | 病理图像 | digital pathology | lung cancer | deep learning-based single-image super-resolution (SISR), implicit neural representation (INR) | dual-branch framework (ISTE) | image | 公开数据集（TMA、HistoSR和TCGA肺癌数据集） | NA | NA | NA | NA |
| 10372 | 2025-06-02 |
A deep learning model for prediction of lysine crotonylation sites by fusing multi-features based on multi-head self-attention mechanism
2025-May-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04058-5
PMID:40442183
|
研究论文 | 提出了一种基于多头自注意力机制的深度学习模型DeepMM-Kcr，用于预测赖氨酸巴豆酰化位点 | 融合了自然语言处理特征和手工特征，并采用多头自注意力机制进行特征融合，构建了基于CNN、双向GRU和多层感知机的深度学习框架 | NA | 快速准确地识别赖氨酸巴豆酰化修饰位点，以研究其生物学效应 | 赖氨酸巴豆酰化位点 | 机器学习 | NA | 深度学习 | CNN, 双向GRU, 多层感知机 | 蛋白质序列数据 | NA | NA | NA | NA | NA |
| 10373 | 2025-06-02 |
Evaluating statistical consistency for the ocean component of earth system models using physics informed convolutional autoencoder
2025-May-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03092-7
PMID:40442217
|
研究论文 | 本文提出了一种基于物理信息卷积自编码器（PIConvAE）的深度学习方法O-ESM-DCT，用于评估地球系统模型（ESMs）海洋组分的统计一致性 | O-ESM-DCT采用物理信息卷积自编码器模型，在少量模拟数据下实现快速收敛，并通过数据保真度和物理驱动损失作为一致性评估指标 | 传统深度学习方法在小数据环境下缺乏鲁棒性且难以保证收敛 | 开发一种高效评估地球系统模型海洋组分统计一致性的方法 | 地球系统模型（ESMs）的海洋组分 | 机器学习 | NA | 深度学习 | 卷积自编码器（PIConvAE） | 模型模拟数据 | 少量模拟数据 | NA | NA | NA | NA |
| 10374 | 2025-06-02 |
Hierarchical Information-guided robotic grasp detection
2025-May-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03313-z
PMID:40442259
|
研究论文 | 提出了一种名为GraspFormer的新型机器人抓取检测方法，通过独特的编码器-解码器框架和Grasp Transformer Block来解决复杂环境中抓取检测的挑战 | 引入了层次信息引导的自注意力机制(HIGSA)和自适应深度通道调制器(DCM)，以增强特征交互和竞争，同时建模长距离依赖关系 | 未提及具体的实验环境限制或数据集的局限性 | 提高机器人在复杂动态环境中的抓取准确性和效率 | 机器人抓取检测 | 计算机视觉 | NA | 深度学习 | Transformer, CNN | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 10375 | 2025-06-02 |
Gaussian random fields as an abstract representation of patient metadata for multimodal medical image segmentation
2025-May-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03393-x
PMID:40442267
|
research paper | 提出了一种新颖的多模态分割方法，将患者元数据以高斯随机场的形式引入训练流程，用于慢性伤口的检测和监测 | 首次将患者数据整合到慢性伤口分割工作流中，通过高斯随机场表达患者元数据，并使用特定元数据类别训练个体模型后通过距离变换平均合并预测掩码 | 未提及方法在其他类型伤口或医学图像分割任务中的泛化能力 | 开发创新的深度学习方法以减少慢性伤口对患者和临床医生的影响 | 糖尿病患者的慢性伤口 | digital pathology | diabetes | deep learning | multimodal segmentation model | multimodal medical image | Diabetic Foot Ulcer Challenge 2022测试集 | NA | NA | NA | NA |
| 10376 | 2025-06-02 |
Recent advances in antibody optimization based on deep learning methods
2025-May-28, Journal of Zhejiang University. Science. B
DOI:10.1631/jzus.B2400387
PMID:40436639
|
review | 本文综述了基于深度学习的抗体优化方法的最新进展 | 探讨了人工智能算法，特别是深度学习方法在抗体优化中的应用及其潜在解决方案 | 讨论了当前通用深度学习算法在抗体优化中面临的挑战 | 优化抗体的性质以加速抗体药物的开发 | 抗体 | machine learning | NA | deep learning | NA | NA | NA | NA | NA | NA | NA |
| 10377 | 2025-06-02 |
A hybrid explainable federated-based vision transformer framework for breast cancer prediction via risk factors
2025-May-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96527-0
PMID:40419634
|
research paper | 提出了一种可解释的联邦学习框架，结合Vision Transformer和CNN，用于乳腺癌预测 | 结合了联邦学习、Vision Transformer和CNN的混合模型，并引入可解释AI技术提高模型透明度 | 未提及具体的数据集规模和多样性限制 | 开发一个隐私保护且准确的乳腺癌预测框架 | 乳腺癌预测 | digital pathology | breast cancer | federated learning, XAI | Vision Transformer (ViT), CNN | image, risk factors data | NA | NA | NA | NA | NA |
| 10378 | 2025-06-02 |
Foldclass and Merizo-search: scalable structural similarity search for single- and multi-domain proteins using geometric learning
2025-May-06, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf277
PMID:40326701
|
research paper | 开发了一种基于嵌入的快速结构比较方法Foldclass和结合深度学习自动域分割工具Merizo的Merizo-search，用于检测蛋白质结构间的相似性 | 结合Foldclass嵌入方法和Merizo自动域分割工具，实现了对多域蛋白质结构的快速结构相似性搜索 | 未提及具体性能限制或在不同数据集上的泛化能力 | 解决大规模蛋白质结构存储、搜索和关系检测的挑战，特别是在多域结构方面 | 单域和多域蛋白质结构 | 生物信息学 | NA | 深度学习, 几何学习 | NA | 蛋白质结构数据 | 3.65亿个域来自Encyclopedia of Domains | NA | NA | NA | NA |
| 10379 | 2025-06-02 |
Development of a novel machine learning model to automate vertebral column segmentation utilizing biplanar full-body imaging
2025-May-03, The spine journal : official journal of the North American Spine Society
DOI:10.1016/j.spinee.2025.05.003
PMID:40324481
|
research paper | 开发了一种基于机器学习的模型，用于自动化从双平面全身成像中分割脊柱 | 采用两阶段深度学习模型，结合UNET架构，首次在双平面全身X光图像中实现脊柱的自动分割，包括复杂脊柱病理情况 | 研究为回顾性设计，样本量相对有限（250例），且仅在单一医疗中心进行 | 开发能够自动化从双平面全身放射影像中分割脊柱的人工智能算法 | 退变性脊柱侧弯（DS）患者的脊柱影像 | computer vision | degenerative scoliosis | biplanar full-body imaging | CNN with UNET architecture | X-ray image | 250例患者影像（200训练/50测试） | NA | NA | NA | NA |
| 10380 | 2025-06-02 |
PLM-DBPs: enhancing plant DNA-binding protein prediction by integrating sequence-based and structure-aware protein language models
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf245
PMID:40439671
|
research paper | 提出了一种名为PLM-DBPs的深度学习框架，通过整合基于序列和结构感知的蛋白质语言模型来增强植物DNA结合蛋白的预测 | 整合基于序列和结构感知的蛋白质语言模型，显著提高了植物DNA结合蛋白的预测准确性 | 虽然基于序列的蛋白质语言模型在DNA结合蛋白预测中表现良好，但整合结构信息可以进一步提高预测准确性，但未提及具体的数据集规模或模型泛化能力 | 增强植物DNA结合蛋白的预测准确性 | 植物DNA结合蛋白 | machine learning | NA | 蛋白质语言模型(PLMs), 深度学习 | ANN | 蛋白质序列和结构数据 | NA | NA | NA | NA | NA |