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 32373 篇文献，本页显示第 11841 - 11860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11841 | 2025-05-08 |
WavFace: A Multimodal Transformer-Based Model for Depression Screening
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3529348
PMID:40031033
|
research paper | 提出了一种基于多模态Transformer的模型WavFace，用于通过音频和面部特征进行抑郁症筛查 | WavFace通过编码器-Transformer层改进单模态表示，并应用显式对齐方法和顺序与空间自注意力机制，融合两种模态的嵌入 | 样本量较小 | 开发一种深度学习模型用于抑郁症筛查 | 抑郁症患者 | natural language processing | geriatric disease | deep learning | Transformer | audio, video | NA | NA | NA | NA | NA |
| 11842 | 2025-05-08 |
Multivariate Glucose Forecasting Using Deep Multihead Attention Layers Inside Neural Basis Expansion Networks
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3530461
PMID:40031270
|
研究论文 | 提出一种新型网络架构，结合多头注意力层和神经网络基础扩展层，用于提高葡萄糖预测的准确性和个性化 | 提出了一种结合多头注意力层和神经网络基础扩展层的新型网络架构，提高了预测准确性并部分解决了模型可解释性问题 | 模型仍存在部分非解释性问题，且需要大量训练数据和高性能计算资源 | 提高基于连续葡萄糖监测（CGM）传感器的糖尿病管理系统中葡萄糖预测的准确性和个性化 | 糖尿病患者的葡萄糖水平 | 机器学习 | 糖尿病 | 深度学习 | 多头注意力层与神经网络基础扩展层结合的网络 | 时间序列数据 | 使用OhioT1DM数据库进行验证 | NA | NA | NA | NA |
| 11843 | 2025-05-08 |
Development and application of an intelligent pressure injury assessment system using AI image recognition
2025-May, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329241296350
PMID:40066836
|
研究论文 | 开发并评估了一种基于AI的智能压力性损伤评估系统，旨在提高评估的准确性和效率 | 使用深度学习算法（CNN）构建的AI系统在准确性和效率上优于传统评估方法 | 需要进一步研究以扩展系统对其他类型伤口的应用 | 提高压力性损伤评估的准确性和效率 | 108名ICU患者 | 计算机视觉 | 压力性损伤 | 深度学习 | CNN | 图像 | 108名ICU患者（分为对照组和实验组） | NA | NA | NA | NA |
| 11844 | 2025-05-08 |
A Novel Deep Learning-based Pathomics Score for Prognostic Stratification in Pancreatic Ductal Adenocarcinoma
2025-May-01, Pancreas
IF:1.7Q3
DOI:10.1097/MPA.0000000000002463
PMID:40314741
|
研究论文 | 本研究利用深度学习和病理学特征构建了一种新的胰腺导管腺癌预后分层评分系统 | 开发了一种基于深度学习的病理学评分系统，用于胰腺导管腺癌的预后分层，超越了传统临床模型的预测能力 | 研究为回顾性设计，且仅在两中心进行，可能需要更大规模的前瞻性验证 | 提高胰腺导管腺癌的生存预测准确性，为个性化治疗策略提供依据 | 胰腺导管腺癌患者 | 数字病理学 | 胰腺导管腺癌 | 深度学习，弱监督学习，多实例学习 | 随机生存森林，Cox回归 | 苏木精-伊红染色的全切片图像 | 864名PDAC患者（训练组489人，验证组211人，新辅助治疗组164人） | NA | NA | NA | NA |
| 11845 | 2025-10-07 |
PEARL: Cascaded Self-Supervised Cross-Fusion Learning for Parallel MRI Acceleration
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3347355
PMID:38147421
|
研究论文 | 提出一种名为PEARL的自监督并行MRI加速方法，通过级联交叉融合学习实现压缩采样k空间数据的准确重建 | 提出多流联合深度解码器架构，采用两种交叉融合方案和长程统一跳跃连接，结合双归一化边缘方向相似性正则化 | 未明确说明方法在极端退化条件下的性能表现 | 开发自监督并行MRI加速重建技术 | 压缩采样k空间数据 | 医学影像处理 | NA | 并行磁共振成像 | 深度解码器 | k空间数据，MRI图像 | NA | NA | 级联交叉融合子块网络 | SSIM_ROI, PSNR_ROI, RLNE_ROI | NA |
| 11846 | 2025-10-07 |
Adaptive Cross-Feature Fusion Network With Inconsistency Guidance for Multi-Modal Brain Tumor Segmentation
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3347556
PMID:38150339
|
研究论文 | 提出一种用于多模态脑肿瘤分割的自适应跨特征融合网络ACFNet | 设计了并行三流编码器-解码器结构，提出自适应跨特征融合模块和预测不一致性引导模块来弥合模态间差异 | NA | 提高多模态MRI脑肿瘤分割的准确性 | 脑肿瘤 | 计算机视觉 | 脑肿瘤 | 多模态MRI | 深度学习 | 医学图像 | BraTS 2020数据集 | NA | 编码器-解码器 | NA | NA |
| 11847 | 2025-10-07 |
MACTFusion: Lightweight Cross Transformer for Adaptive Multimodal Medical Image Fusion
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3391620
PMID:38640042
|
研究论文 | 提出一种基于轻量级交叉Transformer的自适应多模态医学图像融合方法 | 提出基于交叉多轴注意力机制的新型轻量级交叉Transformer，包含交叉窗口注意力和交叉网格注意力，能够挖掘和整合多模态特征的局部与全局交互 | NA | 开发无监督多模态医学图像融合的自适应跨模态融合策略 | 多模态医学图像 | 计算机视觉 | 脑肿瘤 | 医学图像融合 | Transformer | 医学图像 | NA | NA | 交叉Transformer, 多梯度残差密集卷积 | 纹理清晰度, 视觉质量 | 轻量级计算 |
| 11848 | 2025-05-08 |
Advancing brain tumor detection and classification in Low-Dose CT images using the innovative multi-layered deep neural network model
2025-May, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329241302558
PMID:40331540
|
研究论文 | 本研究提出了一种名为MLCED-Net的多层深度神经网络模型，用于提高低剂量CT图像中脑肿瘤检测和分类的准确性 | 提出了一种结合多层自动编码器、基于颜色的操作和边缘检测技术的MLCED-Net框架，显著提高了脑肿瘤诊断的准确率 | 未提及模型在更大规模或多样化数据集上的泛化能力 | 提高低剂量CT图像中脑肿瘤诊断的准确性 | 低剂量CT图像中的脑肿瘤 | 数字病理学 | 脑肿瘤 | Lucy-Richardson技术、自适应直方图均衡化、像素归一化 | MLCED-Net（15层深度学习架构） | 图像 | NA | NA | NA | NA | NA |
| 11849 | 2025-05-08 |
Variability analysis of soil organic carbon content across land use types and its digital mapping using machine learning and deep learning algorithms
2025-Apr-10, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-13972-0
PMID:40210813
|
研究论文 | 分析法国普罗旺斯矿区11种不同土地利用类型下土壤有机碳含量的变异性，并利用机器学习和深度学习算法进行空间建模 | 首次在该地区综合使用多种机器学习和深度学习算法（RF、SVM、XGBoost、DNN）对土壤有机碳含量进行空间变异性建模，并比较其性能 | 样本量有限（162个土壤样本），且仅针对法国普罗旺斯矿区，结果可能无法推广到其他地区 | 研究土壤有机碳含量的空间变异性及其影响因素，为可持续土壤资源管理和气候变化减缓提供支持 | 法国普罗旺斯矿区11种不同土地利用类型下的土壤有机碳含量 | 机器学习 | NA | 机器学习和深度学习回归算法（RF、SVM、XGBoost、DNN） | 随机森林（RF）、支持向量机（SVM）、极端梯度提升（XGBoost）、深度神经网络（DNN） | 土壤样本数据、环境协变量（气候参数、岩性、地形特征、土地覆盖、遥感数据、土壤理化参数） | 162个土壤样本 | NA | NA | NA | NA |
| 11850 | 2025-05-08 |
A method for delineating traffic low emission control zone based on deep learning and multi-objective optimization
2025-Apr-08, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-13949-z
PMID:40199777
|
研究论文 | 本研究提出了一种基于深度学习和多目标优化的交通低排放控制区划分方法 | 结合CNN、LSTM和注意力机制的深度学习模型捕捉PM浓度的时空变化，并采用NSGA-II算法进行多目标优化 | 未明确说明模型在不同城市规模或地理条件下的泛化能力 | 优化交通低排放控制区的划分，平衡环境效益与社会影响 | 城市PM浓度数据与交通排放控制区 | 机器学习 | NA | 深度学习、多目标优化算法 | CNN、LSTM、Attention Mechanism | PM浓度数据（静态路网特征+动态时间序列） | 出租车队采集的PM数据（未明确数量） | NA | NA | NA | NA |
| 11851 | 2025-05-08 |
A Multi-Task Self-Supervised Strategy for Predicting Molecular Properties and FGFR1 Inhibitors
2025-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202412987
PMID:39921455
|
研究论文 | 提出了一种多任务自监督深度学习框架MTSSMol，用于预测分子性质和识别FGFR1抑制剂 | 提出了一种多任务自监督预训练策略，利用约1000万个未标记的药物样分子进行预训练，以识别潜在的FGFR1抑制剂 | 未明确提及具体限制，但可能涉及预训练数据的多样性和模型的泛化能力 | 增强分子表示学习并识别潜在药物候选物，以加速药物发现过程 | 药物样分子及其与FGFR1的相互作用 | 计算机辅助药物发现 | NA | 分子对接（RoseTTAFold All-Atom）和分子动力学模拟 | 图神经网络（GNNs） | 分子数据 | 约1000万个未标记的药物样分子 | NA | NA | NA | NA |
| 11852 | 2025-05-08 |
Deep Learning Combined with Quantitative Structure‒Activity Relationship Accelerates De Novo Design of Antifungal Peptides
2025-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202412488
PMID:39921483
|
研究论文 | 开发了一种结合深度学习和定量结构-活性关系的抗真菌肽从头设计方法DL-QSARES | 整合深度学习和定量结构-活性关系经验筛选，开发了抗真菌肽从头设计方法DL-QSARES | NA | 加速抗真菌肽的从头设计，以应对念珠菌感染 | 抗真菌肽（AFPs） | 机器学习 | 念珠菌感染 | 定量结构-活性关系（QSAR） | 自然语言处理模型 | 氨基酸序列数据 | 49个候选抗真菌肽（c_AFPs） | NA | NA | NA | NA |
| 11853 | 2025-05-08 |
DLPVI: Deep learning framework integrating projection, view-by-view backprojection, and image domains for high- and ultra-sparse-view CBCT reconstruction
2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
research paper | 提出了一种名为DLPVI的深度学习框架，用于提高高稀疏视图和超稀疏视图锥束计算机断层扫描（CBCT）图像的质量 | DLPVI框架首次将投影域、逐视图反投影域和图像域集成在一起，并采用基于Transformer的图像域模型 | NA | 提高高稀疏视图和超稀疏视图CBCT图像的重建质量 | 锥束计算机断层扫描（CBCT）图像 | computer vision | NA | 深度学习 | Transformer | image | 163名真实患者用于训练，30名用于验证，30名用于测试 | NA | NA | NA | NA |
| 11854 | 2025-05-08 |
CGNet: Few-shot learning for Intracranial Hemorrhage Segmentation
2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
research paper | 提出了一种名为CGNet的新型分割模型，用于在少量标注数据下进行颅内出血（ICH）区域的精确分割 | 设计了跨特征模块（CFM）和支持引导查询（SGQ）机制，通过增强查询和支持集特征间的交互以及多尺度特征整合，提升了对病变细节的理解和分割精度 | 未明确说明模型在更广泛数据集上的泛化能力或计算效率 | 解决医学影像中颅内出血分割任务对大量标注数据的依赖问题 | 颅内出血（ICH）区域 | digital pathology | intracranial hemorrhage | few-shot learning | CGNet（含CFM和SGQ模块） | 医学影像（CT/MRI等） | 公开数据集BHSD和私有数据集IHSAH（具体数量未说明） | NA | NA | NA | NA |
| 11855 | 2025-05-08 |
Simulation-based inference of single-molecule experiments
2025-Apr, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.102988
PMID:39921963
|
综述 | 本文综述了基于模拟的推理（SBI）在单分子实验分析中的应用 | 介绍了深度学习在SBI中的最新进展，以及SBI在单分子力谱和冷冻电镜实验中的首次应用 | 讨论了参数化贝叶斯推理的局限性 | 分析单分子实验数据，重建分子细节 | 生物分子的结构动力学 | 机器学习 | NA | 单分子力谱、冷冻电镜 | 深度学习 | 实验数据 | NA | NA | NA | NA | NA |
| 11856 | 2025-05-08 |
Nonlinear ageing gero-marker dynamics of transcriptomic profile during calcific aortic valve mouse modeling
2025-Apr, Archives of gerontology and geriatrics
IF:3.5Q2
DOI:10.1016/j.archger.2025.105777
PMID:39922128
|
研究论文 | 通过构建不同年龄点的钙化主动脉瓣小鼠模型，研究转录组谱的非线性衰老动态及其与瓣膜功能退化和钙化的关系 | 发现了线性和非线性衰老标志物，并揭示了小鼠在48周龄时衰老加速的特定时期 | 研究仅基于小鼠模型，结果可能无法直接推广到人类 | 理解衰老生物标志物动态以改善退行性心脏病的预防和管理 | 钙化主动脉瓣小鼠模型 | 数字病理 | 心血管疾病 | RNA测序 | 深度学习模型 | 测序数据 | C57BL/6 N小鼠模型，包括6周龄、48周龄和72周龄的小鼠 | NA | NA | NA | NA |
| 11857 | 2025-05-08 |
Assessing multiple MRI sequences in deep learning-based synthetic CT generation for MR-only radiation therapy of head and neck cancers
2025-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.110782
PMID:39929288
|
研究论文 | 本研究探讨了多种MRI序列对头颈部癌症MR-only放射治疗中基于深度学习的合成CT生成质量的影响 | 研究了多种MRI序列组合对合成CT质量的影响，并提出了最佳的多通道MR-sCT模型 | 增加通道数会导致人工组织增加，从而降低自动轮廓勾画和剂量测定精度 | 评估不同MRI序列组合对深度学习生成合成CT质量的影响 | 头颈部癌症患者 | 数字病理学 | 头颈部癌症 | MRI | U-Net | 医学影像 | 26名头颈部癌症患者的12个MR系列（每个患者包含T1pre、T1post-contrast、T2各4个Dixon图像） | NA | NA | NA | NA |
| 11858 | 2025-05-08 |
Deep learning for RNA structure prediction
2025-Apr, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.102991
PMID:39933218
|
综述 | 本文综述了AI特别是深度学习在RNA结构预测中的应用及其方法论进展 | 总结了近年来AI在RNA结构预测领域的革命性进展，强调了方法论的进步 | 未提及具体模型的局限性，仅概述了该领域的挑战与机遇 | 总结AI在RNA结构预测中的应用及其方法论进展 | RNA结构预测 | 自然语言处理 | NA | 深度学习 | NA | 序列数据 | NA | NA | NA | NA | NA |
| 11859 | 2025-05-08 |
Importance of dataset design in developing robust U-Net models for label-free cell morphology evaluation
2025-Apr, Journal of bioscience and bioengineering
IF:2.3Q3
DOI:10.1016/j.jbiosc.2025.01.004
PMID:39933975
|
研究论文 | 本研究探讨了训练数据集设计对U-Net模型在无标记细胞形态评估中稳健性的影响 | 揭示了仅需约10张4×物镜拍摄的原始图像即可开发稳健分割模型，远少于通常假设的数据量，并强调了训练数据集内容的重要性 | 研究仅基于四种细胞类型的数据，可能无法涵盖所有细胞形态变化 | 探索训练数据集设计如何影响深度学习细胞分割模型的稳健性 | 四种代表关键形态类别的细胞类型 | 数字病理学 | NA | 图像分析 | U-Net | 图像 | 2592对图像（来自四种细胞类型） | NA | NA | NA | NA |
| 11860 | 2025-05-08 |
Hybrid-noise generative diffusion probabilistic model for cervical spine MRI image generation
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108639
PMID:39938251
|
research paper | 提出了一种高质量宫颈MRI图像生成方法CSM-DPM，通过混合噪声和余弦噪声调度提高生成图像的质量 | 使用混合高斯噪声和点噪声近似真实图像数据分布，设计Asa-ResUNet模块增强噪声预测能力 | 未提及具体样本量限制或生成图像的临床应用验证 | 解决从有限样本学习解剖特征的挑战，生成高质量医学影像 | 颈椎MRI图像 | digital pathology | NA | 扩散模型 | CSM-DPM, Asa-ResUNet | MRI图像 | NA | NA | NA | NA | NA |