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 11661 - 11680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11661 | 2025-10-07 |
Deep learning model for the detection of prostate cancer and classification of clinically significant disease using multiparametric MRI in comparison to PI-RADs score
2024-05, Urologic oncology
DOI:10.1016/j.urolonc.2024.01.021
PMID:38388243
|
研究论文 | 开发基于深度学习的多参数MRI模型用于前列腺癌检测和临床显著性前列腺癌分类，并与PI-RADS评分系统进行性能比较 | 首次将深度学习模型与PI-RADS分类系统在前列腺癌检测和临床显著性前列腺癌分类方面进行直接比较，并展示了在PSA分层条件下的优越性能 | 研究基于单中心数据，外部验证队列样本量相对较小(315例患者) | 开发自动化前列腺癌检测和分类系统，提高临床显著性前列腺癌的诊断准确性 | 接受根治性前列腺切除术或活检的前列腺疾病患者 | 医学影像分析 | 前列腺癌 | 多参数磁共振成像(mpMRI) | 深度学习 | 医学影像 | 总样本1729例患者(训练队列1285例，外部测试队列315例) | NA | 集成模型 | AUC, 敏感度, 特异度 | NA |
| 11662 | 2025-10-07 |
ViNe-Seg: deep-learning-assisted segmentation of visible neurons and subsequent analysis embedded in a graphical user interface
2024-03-29, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae177
PMID:38569889
|
研究论文 | 开发了一种基于深度学习的半自动神经元分割工具ViNe-Seg，包含图形用户界面和后续分析功能 | 提供半自动分割方法，支持实验过程中实时分割，允许用户训练自定义模型并共享，集成后续分析步骤 | 在低信噪比数据集中的分割准确性仍面临挑战 | 改进神经元胞体的分割速度和一致性，减少人工分割带来的变异性 | 可见神经元（无论其活动状态） | 数字病理 | NA | 光学功能成像 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 11663 | 2025-10-07 |
SPACEL: deep learning-based characterization of spatial transcriptome architectures
2023-11-22, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43220-3
PMID:37990022
|
研究论文 | 提出基于深度学习的空间转录组架构表征工具SPACEL，用于分析空间转录组数据 | 开发了首个集成细胞类型反卷积、空间域识别和3D对齐的深度学习工具包 | 未明确说明方法在特定组织类型或技术平台上的局限性 | 解决多个空间转录组切片的联合分析和3D组织架构重建的挑战 | 空间转录组数据 | 生物信息学 | NA | 空间转录组技术 | 多层感知机, 图卷积网络, 对抗学习 | 空间转录组数据 | 模拟和真实ST数据集，涉及多种组织和ST技术 | NA | 多层感知机, 图卷积网络 | 细胞类型反卷积性能, 空间域识别性能, 3D对齐性能 | NA |
| 11664 | 2025-10-07 |
PET/CT based cross-modal deep learning signature to predict occult nodal metastasis in lung cancer
2023-11-18, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-42811-4
PMID:37980411
|
研究论文 | 基于PET/CT的跨模态深度学习特征预测肺癌隐匿性淋巴结转移 | 开发了基于PET/CT的跨模态深度学习特征，在预测隐匿性淋巴结转移方面显著优于单模态模型、临床模型和医生判断 | NA | 预测临床分期N0非小细胞肺癌的隐匿性淋巴结转移 | 非小细胞肺癌患者 | 数字病理 | 肺癌 | PET/CT成像 | 深度学习 | 医学影像 | 内部队列1911例，外部队列355例，前瞻性队列999例 | NA | 跨模态深度学习 | AUC | NA |
| 11665 | 2025-10-07 |
Deep learning of human polyadenylation sites at nucleotide resolution reveals molecular determinants of site usage and relevance in disease
2023-11-15, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43266-3
PMID:37968271
|
研究论文 | 开发深度学习模型在核苷酸分辨率下识别人类基因组中的多聚腺苷酸化位点并分析其分子决定因素 | 首次在核苷酸级别分辨率下识别全基因组多聚腺苷酸化位点，并定量测量位置特异性基序重要性及其相互作用 | NA | 解析人类基因组中多聚腺苷酸化位点优化的分子机制及其在疾病中的作用 | 人类基因组中的多聚腺苷酸化位点 | 机器学习 | 人类疾病 | 深度学习，机器学习 | 深度学习模型 | 基因组数据 | NA | NA | NA | NA | NA |
| 11666 | 2025-05-10 |
CROSS-DOMAIN DIFFUSION BASED SPEECH ENHANCEMENT FOR VERY NOISY SPEECH
2023-Jun, Proceedings of the ... IEEE International Conference on Acoustics, Speech, and Signal Processing. ICASSP (Conference)
|
研究论文 | 本文提出了一种基于跨域扩散的语音增强方法，用于极低信噪比条件下的非平稳噪声场景 | 将基于扩散的学习方法引入增强模型，提高了在极低信噪比条件下的鲁棒性 | 实验仅在TIMIT数据集上进行，未在其他数据集上验证 | 提高极低信噪比条件下的语音增强性能 | 语音信号 | 语音处理 | NA | 扩散模型 | 扩散模型 | 语音信号 | TIMIT数据集 | NA | NA | NA | NA |
| 11667 | 2025-10-07 |
Artificial Intelligence-based Tumor Segmentation in Mouse Models of Lung Adenocarcinoma
2022, Journal of pathology informatics
DOI:10.1016/j.jpi.2022.100007
PMID:35242446
|
研究论文 | 开发了一种基于深度学习的人工智能算法，用于在小鼠肺腺癌模型的H&E组织切片上自动分割肿瘤病灶 | 首次将DeepLabV3+和UNet架构应用于小鼠肺腺癌模型的肿瘤分割，并通过面积阈值化方法将假阳性降低了10倍 | 不同染色标准化策略未显示出对基线模型的改进效果 | 开发自动化肿瘤分割方法以减少人工测量误差和时间消耗 | 小鼠肺腺癌模型的H&E组织学切片 | 数字病理学 | 肺腺癌 | H&E染色，数字切片扫描 | 深度学习 | 图像 | 239只小鼠（训练集137只，验证集37只，测试集65只） | NA | DeepLabV3+, UNet, ResNet-50 | Dice系数，灵敏度，阳性预测值 | NA |
| 11668 | 2025-05-09 |
A review of denoising methods in single-particle cryo-EM
2025-Jul, Micron (Oxford, England : 1993)
DOI:10.1016/j.micron.2025.103817
PMID:40164016
|
review | 本文全面回顾了单粒子冷冻电镜图像去噪方法的最新进展，涵盖了从传统滤波方法到最新的基于深度学习的策略 | 通过分析和比较主流去噪方法，推动单粒子冷冻电镜去噪领域的发展，促进获取更高质量的图像 | 未提及具体方法的局限性 | 提高冷冻电镜图像的信噪比，使下游分析更准确可靠 | 冷冻电镜图像 | digital pathology | NA | 冷冻电镜 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 11669 | 2025-05-09 |
Beyond Batch Learning: Global Awareness Enhanced Domain Adaptation
2025-Jun, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3541207
PMID:40036452
|
research paper | 提出了一种名为GAN-DA的新型域适应方法，通过全局统计和几何特征增强，克服了传统批量学习的限制 | 引入了预定义特征表示（PFR）以对齐跨域分布，创新性地扩展了正交和共同特征方面，增强了全局流形结构的统一和决策边界的优化 | NA | 改进域适应（DA）方法，提升跨域图像分类任务的性能 | 跨域图像分类任务 | machine learning | NA | domain adaptation | GAN-DA | image | 27个不同的跨域图像分类任务 | NA | NA | NA | NA |
| 11670 | 2025-05-09 |
A Lightweight Deep Exclusion Unfolding Network for Single Image Reflection Removal
2025-Jun, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3548148
PMID:40048344
|
research paper | 本文提出了一种轻量级的深度排除展开网络（DExNet），用于单图像反射去除（SIRR） | DExNet通过展开和参数化一种新的基于模型的SIRR优化公式，结合通用的排除先验，提高了反射去除的准确性和可解释性 | 未提及具体限制 | 解决单图像反射去除问题，提高图像分离的准确性 | 反射污染的图像 | computer vision | NA | 深度学习 | DExNet | image | 四个基准数据集 | NA | NA | NA | NA |
| 11671 | 2025-05-09 |
Graph Foundation Models: Concepts, Opportunities and Challenges
2025-Jun, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3548729
PMID:40048343
|
综述 | 本文介绍了图基础模型（GFMs）的概念，并详细解释了其关键特征和基础技术 | 提出了图基础模型（GFMs）的新概念，并对其进行了系统分类和分析 | 缺乏对图基础模型（GFMs）的明确定义和系统分析 | 探讨图基础模型（GFMs）在图形机器学习中的潜力和发展方向 | 图基础模型（GFMs）及其相关技术 | 机器学习 | NA | NA | 图神经网络（GNNs）、大语言模型（LLMs） | 图数据 | NA | NA | NA | NA | NA |
| 11672 | 2025-05-09 |
On the Upper Bounds of Number of Linear Regions and Generalization Error of Deep Convolutional Neural Networks
2025-Jun, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3548620
PMID:40042958
|
research paper | 本文研究了卷积神经网络（CNNs）的超参数对性能的影响，基于CNNs的分段线性（PWL）函数特性，提出了线性区域数量的紧界和泛化误差的上界 | 通过将卷积、ReLU和最大池化操作表示为矩阵乘法，提供了CNNs的代数表达式，并首次提出了考虑网络层数、池化维度和宽度等因素的线性区域数量紧界和泛化误差上界 | 矩阵表示方法具有较高的时间复杂度 | 研究CNN网络结构超参数对性能的影响 | 卷积神经网络（CNNs） | machine learning | NA | NA | CNN | NA | NA | NA | NA | NA | NA |
| 11673 | 2025-05-09 |
Reconstruction of highly and extremely aberrated wavefront for ocular Shack-Hartmann sensor using multi-task Attention-UNet
2025-Jun, Experimental eye research
IF:3.0Q1
DOI:10.1016/j.exer.2025.110394
PMID:40254120
|
研究论文 | 本研究提出了一种多任务注意力UNet（HR-HDR-SHUNet）用于高分辨率和宽动态范围的Shack-Hartmann波前重建，以解决高度和极度像差眼睛中的波前记录问题 | 首次将多任务学习方案应用于高分辨率和宽动态范围的Shack-Hartmann波前重建，同时输出波前图和Zernike系数 | 未明确提及具体局限性 | 提高高度和极度像差眼睛中Shack-Hartmann波前重建的准确性和计算效率 | 具有不同高阶像差水平（正常、高度和极度像差）的眼睛 | 计算机视觉 | 眼科疾病（圆锥角膜和角膜激光手术后） | 深度学习 | 改进的注意力UNet（HR-HDR-SHUNet） | 波前图像数据 | 三个大型数据集（包含不同像差水平的样本） | NA | NA | NA | NA |
| 11674 | 2025-05-09 |
Incremental capacity analysis of battery under dynamic load conditions
2025-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103331
PMID:40337556
|
研究论文 | 本文提出了一种基于增量容量分析（ICA）的方法，用于在动态负载条件下评估电动汽车电池的容量和健康状态（SOH） | 该方法不仅提供了标记的SOH值，还提取了可用于数据驱动的容量或SOH预测的健康特征 | NA | 开发一种在动态负载条件下准确评估电动汽车电池容量和健康状态的方法 | 电动汽车电池 | 机器学习 | NA | 增量容量分析（ICA） | 机器学习或深度学习模型 | 电池数据 | NA | NA | NA | NA | NA |
| 11675 | 2025-05-09 |
A CVAE-based generative model for generalized B1 inhomogeneity corrected chemical exchange saturation transfer MRI at 5 T
2025-May-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121202
PMID:40268259
|
research paper | 提出一种基于条件变分自编码器（CVAE）的生成模型，用于在5T磁场下生成广义B1不均匀性校正的化学交换饱和转移（CEST）MRI图像 | 使用CVAE模型从单次CEST采集生成B1不均匀性校正的Z谱，克服了传统方法需要多B1水平采集数据的问题，并提高了对其他B1水平的泛化能力 | 研究仅在5T磁场下进行数值模拟和健康人脑成像验证，未在其他场强下验证模型的普适性 | 开发一种能够进行广义B1不均匀性校正的CEST MRI方法 | 化学交换饱和转移（CEST）磁共振成像 | 医学影像处理 | NA | 化学交换饱和转移（CEST）磁共振成像 | CVAE（条件变分自编码器） | MRI图像数据 | 数值模拟和健康人脑成像数据 | NA | NA | NA | NA |
| 11676 | 2025-05-09 |
Unveiling fullerene formation and interconversion through molecular dynamics simulations with deep neural network potentials
2025-May-08, Physical chemistry chemical physics : PCCP
IF:2.9Q1
DOI:10.1039/d5cp00837a
PMID:40264288
|
研究论文 | 通过结合深度神经网络势能的分子动力学模拟，研究揭示了富勒烯形成和相互转化的机制，特别是在退火过程的冷却阶段 | 采用深度神经网络势能增强分子动力学模拟，有效模拟了碳蒸气中富勒烯的形成过程，并揭示了碳密度在结构形成中的关键作用 | 研究主要关注铁-碳初级系统，可能不适用于其他金属-碳系统 | 探究富勒烯形成和相互转化的分子机制 | 富勒烯分子及其形成过程 | 计算化学 | NA | 分子动力学模拟结合深度神经网络势能 | 深度神经网络 | 模拟数据 | NA | NA | NA | NA | NA |
| 11677 | 2025-05-09 |
Disentangling Morphology and Conductance in Amorphous Graphene
2025-May-08, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c00458
PMID:40298244
|
研究论文 | 本文结合深度学习增强的模拟技术和渗透理论，分析了三种形态不同的非晶石墨烯薄膜的电子传导特性 | 避免了周期性边界条件在这些非周期性系统中的错误应用，并探索了部分形态描述符在观察传导特性方面的局限性 | 部分形态描述符在观察传导特性方面存在局限性 | 研究非晶石墨烯薄膜的电子传导特性与形态的关系 | 三种形态不同的非晶石墨烯薄膜 | 材料科学 | NA | 深度学习增强的模拟技术、渗透理论 | NA | 模拟数据 | 三种形态不同的非晶石墨烯薄膜 | NA | NA | NA | NA |
| 11678 | 2025-05-09 |
A Flexible and Adhesive Strain Sensor Based on Deep Eutectic Solvents for Deep Learning-Assisted Signal Recognition
2025-May-07, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c20392
PMID:40274546
|
研究论文 | 本文报道了一种基于聚丙烯酸的自粘超拉伸DGel的制备策略，及其在深度学习辅助信号识别中的应用 | 开发了一种具有超高拉伸性和高信号识别能力的自粘DGel，并通过与深度学习结合实现了高达99.33%的识别准确率 | NA | 设计新型凝胶用于可穿戴电子设备和传感应用 | 基于聚丙烯酸的DGel及其作为应变传感器的性能 | 可穿戴电子设备 | NA | 深度学习 | NA | 应变信号 | NA | NA | NA | NA | NA |
| 11679 | 2025-05-09 |
Multistage Diffusion Model With Phase Error Correction for Fast PET Imaging
2025-May-07, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3567645
PMID:40333105
|
research paper | 提出了一种针对快速PET成像的新型多阶段扩散框架，通过相位误差校正网络减少迭代次数并提高成像质量 | 设计了一个多阶段结构来近似PET降解过程，并引入相位误差校正网络（PECNet）确保阶段间一致性，同时采用确定性冷扩散机制显著减少重建迭代次数 | 未提及具体的数据集规模或多样性限制 | 解决快速PET成像中的运动伪影和患者舒适度问题 | PET成像 | 医学影像处理 | NA | 扩散模型 | PECNet | PET图像 | 使用[Ga]FAPI和[F]FDG PET数据集进行评估 | NA | NA | NA | NA |
| 11680 | 2025-05-09 |
Radiological evaluation and clinical implications of deep learning- and MRI-based synthetic CT for the assessment of cervical spine injuries
2025-May-07, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11644-8
PMID:40335658
|
研究论文 | 评估基于深度学习和MRI的合成CT（sCT）在颈椎损伤诊断中的有效性 | sCT作为一种无辐射成像技术，在颈椎损伤诊断中表现出与传统CT相似的准确性 | 样本量较小（37名患者），且研究局限于颈椎损伤 | 评估MRI-based sCT在颈椎损伤诊断中的有效性 | 颈椎损伤患者 | 数字病理学 | 颈椎损伤 | MRI-based synthetic CT (sCT) | 深度学习 | 图像 | 37名患者（44处颈椎骨折） | NA | NA | NA | NA |