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 12141 - 12160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12141 | 2025-05-04 |
Navigating Through Whole Slide Images With Hierarchy, Multi-Object, and Multi-Scale Data
2025-May, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3532728
PMID:40031287
|
研究论文 | 提出了一种名为Navigator的视觉模型，用于快速分割全切片图像（WSIs），并通过半监督框架S5CL v2处理稀疏标注样本 | 引入Navigator模型，模仿病理学家的多尺度诊断工作流程，通过低尺度搜索感兴趣区域并逐步放大定位更精细的微解剖类别 | 需要进一步验证模型在更多数据集上的泛化能力 | 解决计算病理学中快速分割全切片图像的挑战 | 全切片图像（WSIs）中的组织学结构 | 数字病理学 | 癌症 | 深度学习 | Navigator | 图像 | 包括TCGA-COAD-30CLS和Erlangen队列在内的多个数据集 | NA | NA | NA | NA |
| 12142 | 2025-05-04 |
Artificial intelligence in retinal image analysis for hypertensive retinopathy diagnosis: a comprehensive review and perspective
2025-May-01, Visual computing for industry, biomedicine, and art
DOI:10.1186/s42492-025-00194-x
PMID:40307650
|
review | 本文综述了人工智能在视网膜图像分析中用于高血压视网膜病变诊断的最新进展和前景 | 探讨了最新的机器学习和深度学习技术在高血压视网膜病变诊断中的应用及其在早期诊断和干预中的潜力 | 综述性文章未涉及具体实验数据，可能缺乏对新技术的实际应用效果的详细评估 | 推动高血压视网膜病变诊断领域的发展，探索自动视网膜图像分析的创新方法 | 高血压视网膜病变的视网膜图像 | digital pathology | cardiovascular disease | retinal image analysis (RIA) | machine learning (ML), deep learning | image | NA | NA | NA | NA | NA |
| 12143 | 2025-05-04 |
Rectified Binary Network for Single-Image Super-Resolution
2025-May, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3438432
PMID:39208050
|
research paper | 该研究提出了一种用于单图像超分辨率（SISR）任务的修正二进制网络，通过引入激活修正推理（ARI）模块和自适应近似估计器（AAE）来提高二进制神经网络的表示能力 | 提出了激活修正推理（ARI）模块和自适应近似估计器（AAE），以增强二进制神经网络在SISR任务中的特征表示能力和优化效果 | 未明确提及具体局限性，但二进制神经网络在复杂特征分布下的表现可能仍有提升空间 | 研究二进制神经网络在单图像超分辨率任务中的应用，以提高图像恢复的质量 | 单图像超分辨率（SISR）任务中的高分辨率（HR）图像恢复 | computer vision | NA | 二进制神经网络（BNN） | CNN | image | 多个基准测试数据集（具体数量未明确提及） | NA | NA | NA | NA |
| 12144 | 2025-05-04 |
HoRNS-CNN model: an energy-efficient fully homomorphic residue number system convolutional neural network model for privacy-preserving classification of dyslexia neural-biomarkers
2025-Apr-30, Brain informatics
DOI:10.1186/s40708-025-00256-z
PMID:40304880
|
研究论文 | 介绍了一种名为HoRNS-CNN的能效高、全同态加密的卷积神经网络模型，用于保护隐私的阅读障碍神经生物标志物分类 | 结合了残数系统全同态加密方案(RNS-FHE)的能效特性和预训练深度CNN模型的高准确性，解决了现有FHE CNN模型在准确性、加密/解密延迟、能效、特征提取时间和密文图像扩展方面的问题 | NA | 开发一种能效高、隐私保护的深度学习模型，用于神经影像数据的分类 | 与阅读障碍相关的神经生物标志物 | 数字病理学 | 神经发育障碍 | 全同态加密(FHE), 残数系统(RNS) | CNN | 图像 | NA | NA | NA | NA | NA |
| 12145 | 2025-05-04 |
Automatic melanoma and non-melanoma skin cancer diagnosis using advanced adaptive fine-tuned convolution neural networks
2025-Apr-30, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-02279-8
PMID:40304929
|
research paper | 提出了一种使用自适应微调卷积神经网络（CNN）的智能计算机辅助系统，用于自动诊断黑色素瘤和非黑色素瘤皮肤癌 | 采用两阶段迁移学习方法和预训练CNN，通过PCA替换全连接层以挖掘皮肤癌图像的判别性特征，有效缓解过拟合问题 | 训练数据有限，可能存在过拟合风险，且传统方法存在高计算成本和缺乏可解释性的问题 | 开发一种高效、准确的自动皮肤癌诊断系统，以辅助医疗专业人员进行早期筛查 | 皮肤癌图像 | computer vision | skin cancer | deep learning, transfer learning, principal component analysis (PCA) | CNN | image | NA | NA | NA | NA | NA |
| 12146 | 2025-05-04 |
Self-supervised learning for label-free segmentation in cardiac ultrasound
2025-Apr-30, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-59451-5
PMID:40307208
|
研究论文 | 本文提出了一种结合计算机视觉、临床知识和深度学习的自监督学习流程，用于心脏超声的无标签分割 | 开发了一种无需手动标注的自监督分割方法，其性能与监督学习相当，且具有临床有效性 | 虽然在大规模数据集上进行了测试，但部分结果的置信区间较宽，可能需要进一步验证 | 开发一种无需手动标注的心脏超声分割方法，提高分割效率和可重复性 | 心脏超声图像 | 计算机视觉 | 心血管疾病 | 深度学习 | 自监督学习 | 超声图像 | 450例超声心动图用于训练，18,423例用于测试（包括外部数据），其中553例有对应的心脏MRI | NA | NA | NA | NA |
| 12147 | 2025-05-04 |
Blockchain based solid waste classification with AI powered tracking and IoT integration
2025-Apr-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97030-2
PMID:40307309
|
研究论文 | 本研究提出了一种结合AI、物联网和区块链技术的智能垃圾分类模型，旨在优化垃圾收集和回收过程 | 整合了AI、物联网和区块链技术，实现了实时垃圾分类和安全透明的数据存储 | 未提及具体性能评估结果和系统实际部署的可行性 | 通过智能决策和安全数据处理改善垃圾管理和可持续性 | 智能城市中的垃圾管理系统 | 机器学习 | NA | 机器学习和深度学习 | ML和DL模型 | 物联网传感器数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 12148 | 2025-05-04 |
A hybrid deep learning framework for early detection of diabetic retinopathy using retinal fundus images
2025-Apr-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99309-w
PMID:40307328
|
研究论文 | 提出了一种结合CNN和RNN的混合深度学习框架，用于通过视网膜眼底图像早期检测糖尿病视网膜病变 | 结合CNN和RNN，利用多时间点视网膜扫描的时间信息提高检测准确性，并引入注意力机制捕捉最相关的数据特征 | 未提及模型在临床环境中的实际应用效果验证 | 开发自动化的糖尿病视网膜病变早期检测系统 | 糖尿病视网膜病变患者 | 数字病理学 | 糖尿病视网膜病变 | 深度学习 | CNN+RNN混合模型 | 视网膜眼底图像 | 使用了DRIVE、Kaggle和Eyepacs三个公开数据集 | NA | NA | NA | NA |
| 12149 | 2025-05-04 |
Selective laser cleaning of microbeads using deep learning
2025-Apr-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99646-w
PMID:40307358
|
研究论文 | 本文提出了一种结合深度学习和飞秒激光技术的选择性激光清洁方法，用于高效、精确地去除表面污染物 | 通过集成神经网络预测每次激光脉冲后的样本外观，实现了自适应、实时的清洁过程，显著提高了清洁效率和精度 | 研究仅使用了直径为15微米的聚苯乙烯微珠作为污染物模型，可能无法完全代表所有实际应用场景中的污染物类型 | 开发一种高效、精确的选择性激光清洁方法，以减少能源消耗和基材损伤 | 聚苯乙烯微珠（直径15微米）作为表面污染物模型 | 机器视觉 | NA | 飞秒激光脉冲技术 | 神经网络 | 图像 | 使用聚苯乙烯微珠作为污染物模型，具体样本数量未提及 | NA | NA | NA | NA |
| 12150 | 2025-05-04 |
A deep learning based framework for enhanced reference evapotranspiration estimation: evaluating accuracy and forecasting strategies
2025-Apr-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99713-2
PMID:40307385
|
研究论文 | 本文评估了三种深度学习序列模型（LSTM、N-BEATS和TCN）在预测日参考蒸散发（ET）中的性能，并进一步利用表现最佳的TCN模型评估了两种ET预测策略 | 首次比较了LSTM、N-BEATS和TCN三种深度学习模型在ET预测中的性能，并提出了递归策略以提高数据稀缺情况下的预测准确性 | 研究仅针对特定数据集进行评估，未考虑不同地理区域和气候条件下的模型泛化能力 | 开发高效准确的参考蒸散发预测方法以优化农业水资源管理 | 参考蒸散发（ET）的时间序列数据 | 机器学习 | NA | 深度学习时间序列预测 | LSTM, N-BEATS, TCN | 时间序列数据 | 未明确说明样本数量 | NA | NA | NA | NA |
| 12151 | 2025-05-04 |
Targeted molecular generation with latent reinforcement learning
2025-Apr-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99785-0
PMID:40307420
|
research paper | 提出了一种利用强化学习在预训练生成模型的潜在空间中优化分子的新方法 | 采用近端策略优化（PPO）在生成模型的潜在空间中导航，无需显式定义化学规则，且方法对底层架构不可知 | NA | 开发计算方法来生成具有特定理化性质或生物活性的分子，以辅助药物发现 | 分子生成与优化 | machine learning | NA | reinforcement learning, proximal policy optimization (PPO) | autoencoder | molecular data | NA | NA | NA | NA | NA |
| 12152 | 2025-05-04 |
Deep learning-based classification of coronary arteries and left ventricle using multimodal data for autonomous protocol selection or adjustment in angiography
2025-Apr-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99651-z
PMID:40307429
|
研究论文 | 该研究提出了一种基于深度学习的算法，用于自主检测冠状动脉和左心室，并调整血管造影中的成像参数 | 开发了一种多模态深度学习模型，能够在无血管结构的单X射线帧上准确分类心脏解剖结构，实现成像参数的自动选择和调整 | 研究仅使用了275个放射序列进行训练和验证，可能限制了模型的泛化能力 | 优化血管造影中的X射线成像参数选择，以提高图像质量并减少辐射暴露 | 左冠状动脉（LCA）、右冠状动脉（RCA）和左心室（LV） | 计算机视觉 | 心血管疾病 | 深度学习 | ResNet-50, MLP, 多模态模型 | X射线图像和C臂角度数据 | 275个放射序列用于训练和验证，146个独立测试序列用于评估 | NA | NA | NA | NA |
| 12153 | 2025-05-04 |
Evaluation of deliverable artificial intelligence-based automated volumetric arc radiation therapy planning for whole pelvic radiation in gynecologic cancer
2025-Apr-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99717-y
PMID:40307456
|
research paper | 本研究旨在开发一种基于深度学习的可交付全盆腔容积弧形放射治疗（VMAT）计划，用于妇科癌症患者，并评估其临床有效性 | 使用名为RatoGuide的原型深度学习自动计划支持系统，预测并生成可交付的VMAT计划，减少医院间计划质量的差异 | 样本量较小（测试数据n=10），且仅在一家医院进行验证 | 开发并验证基于深度学习的自动化放射治疗计划系统在妇科癌症全盆腔VMAT中的临床适用性 | 妇科癌症患者 | 数字病理 | 妇科癌症 | 深度学习 | DL-based三维剂量预测模型 | 剂量分布和结构数据 | 110名妇科癌症患者（训练数据n=100，测试数据n=10） | NA | NA | NA | NA |
| 12154 | 2025-05-04 |
Improving the accuracy of prediction models for small datasets of Cytochrome P450 inhibition with deep learning
2025-Apr-30, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-01015-2
PMID:40307863
|
研究论文 | 本研究探讨了深度学习技术在预测细胞色素P450（CYP）抑制中的应用，特别是在CYP2B6和CYP2C8亚型数据有限的情况下 | 利用多任务深度学习和数据填补技术显著提高了CYP抑制预测的准确性，尤其是在小数据集条件下 | 研究主要针对CYP2B6和CYP2C8亚型，可能不适用于所有CYP亚型 | 提高CYP抑制预测模型的准确性，特别是在小数据集条件下 | 细胞色素P450（CYP）抑制，特别是CYP2B6和CYP2C8亚型 | 机器学习 | NA | 深度学习，数据填补 | 图卷积网络（GCN），多任务学习模型 | 化合物IC50值 | 12,369种针对7种CYP亚型的化合物，1,808种已批准药物 | NA | NA | NA | NA |
| 12155 | 2025-05-04 |
MSRP-TODNet: a multi-scale reinforced region wise analyser for tiny object detection
2025-Apr-30, BMC research notes
IF:1.6Q2
DOI:10.1186/s13104-025-07263-7
PMID:40307915
|
研究论文 | 提出了一种名为MSRP-TODNet的多尺度强化区域分析器，用于微小物体检测 | 结合了多智能体强化学习算法和生成对抗网络，通过改进的特征金字塔网络整合特征图，提高了微小物体检测的准确性和实时性 | 仅在特定数据集（VisDrone VID 2019和MS-COCO）上进行了训练和测试，可能在其他场景下的泛化能力有限 | 解决实时监控中小型远距离物体检测的挑战，提高检测性能 | 无人机监控和航空影像中的微小物体 | 计算机视觉 | NA | 多智能体强化学习(MARL)、生成对抗网络(GAN) | MSRP-TODNet（基于GAN和EFPN） | 图像 | VisDrone VID 2019和MS-COCO数据集 | NA | NA | NA | NA |
| 12156 | 2025-05-04 |
Real-time morphological and dosimetric adaptation in nasopharyngeal carcinoma radiotherapy: insights from autosegmented fractional fan-beam CT
2025-Apr-30, Radiation oncology (London, England)
DOI:10.1186/s13014-025-02643-6
PMID:40307931
|
research paper | 该研究通过自动分割的扇形束CT量化鼻咽癌放疗中的形态和剂量变化，为自适应放疗的决策提供依据 | 开发了四种基于深度学习的自动分割模型，用于评估高风险器官和目标体积的每周体积、Dice相似系数和剂量变化 | 研究为回顾性分析，样本量相对较小（23名患者） | 量化鼻咽癌放疗中的形态和剂量变化，优化自适应放疗的时机 | 23名鼻咽癌患者的681次FBCT扫描 | digital pathology | nasopharyngeal carcinoma | fan-beam computed tomography (FBCT) | deep learning-based autosegmentation models | CT图像 | 23名患者的681次FBCT扫描 | NA | NA | NA | NA |
| 12157 | 2025-05-04 |
Evaluation of precipitation forecasting base on GraphCast over mainland China
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98944-7
PMID:40295583
|
research paper | 评估基于GraphCast的中国大陆降水预报性能 | 结合深度学习和大气科学大数据，验证了GraphCast模型在降水预报中的性能，并与ECMWF进行了比较 | 当前大模型仍缺乏实地数据验证，且随着预报时间延长，预报能力下降 | 评估GraphCast模型在中国大陆地区的降水预报性能 | 中国大陆地区1-3天累积降水数据 | machine learning | NA | 深度学习 | GraphCast | 气象数据 | 2393个观测站2020-2021年的数据 | NA | NA | NA | NA |
| 12158 | 2025-05-04 |
Canopy height and biomass distribution across the forests of Iberian Peninsula
2025-Apr-22, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05021-9
PMID:40263468
|
research paper | 该研究通过高分辨率遥感数据和深度学习框架，绘制了伊比利亚半岛森林的冠层高度和地上生物量分布图 | 结合Sentinel-1、Sentinel-2和LiDAR数据，开发了两种UNET模型，用于高分辨率冠层高度和生物量估算 | 冠层高度估算在树木覆盖区域的MAE为2-3米，生物量估算的MAE约为29 Mg/ha，可能存在一定误差 | 为森林监测、气候变化缓解和可持续林业提供高分辨率的植被冠层高度和生物量分布图 | 伊比利亚半岛的森林 | remote sensing | NA | Sentinel-1、Sentinel-2、LiDAR、Airborne Laser Scanning (ALS)、Global Ecosystem Dynamics Investigation (GEDI) | UNET、Random Forest | 遥感数据 | 6,308个西班牙国家森林调查(NFI)样地(2017-2019) | NA | NA | NA | NA |
| 12159 | 2025-05-04 |
Machine Learning and Deep Learning for Healthcare Data Processing and Analyzing: Towards Data-Driven Decision-Making and Precise Medicine
2025-Apr-21, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15081051
PMID:40310409
|
review | 探讨机器学习和深度学习在医疗数据处理和分析中的应用，以实现数据驱动的决策和精准医疗 | 综述了AI在医疗数据处理中的最新进展，强调了数据驱动决策和精准医疗的重要性 | 未提及具体的技术实现细节或实验验证 | 探索AI技术在医疗数据处理和分析中的应用 | 医疗数据 | machine learning | NA | NA | NA | 医疗数据 | NA | NA | NA | NA | NA |
| 12160 | 2025-05-04 |
Fractal-Based Architectures with Skip Connections and Attention Mechanism for Improved Segmentation of MS Lesions in Cervical Spinal Cord
2025-Apr-19, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15081041
PMID:40310404
|
research paper | 提出两种基于分形架构的深度学习模型，用于自动检测和分割颈椎脊髓中的多发性硬化病变 | 在FractalSpiNet架构中引入注意力机制以改进对小结构和图像细节的检测，并在U-Net的跳跃连接结构中整合分形卷积块 | 未提及具体的数据集规模或外部验证结果 | 改进颈椎脊髓中多发性硬化病变的自动检测和分割 | 颈椎脊髓中的多发性硬化病变 | digital pathology | multiple sclerosis | deep learning | U-Net, FractalSpiNet, Con-FractalU-Net, Att-FractalSpiNet | image | NA | NA | NA | NA | NA |