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 1461 - 1480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1461 | 2025-10-05 |
End-to-end deep learning framework for key-free physical-layer security in WDM-RoF
2025-Sep-08, Optics express
IF:3.2Q2
DOI:10.1364/OE.572940
PMID:40984304
|
研究论文 | 提出一种用于WDM-RoF系统的端到端深度学习框架，实现无需密钥的物理层安全 | 通过联合训练的收发神经网络动态互锁机制与波长通道物理特性绑定实现双重安全机制 | 仅通过数值仿真验证，未进行实际硬件实验验证 | 为WDM-RoF系统提供轻量级且鲁棒的物理层安全解决方案 | 波分复用光纤无线电系统 | 机器学习 | NA | 深度学习 | 神经网络 | 数值仿真数据 | 四波长WDM-RoF系统，20公里光纤传输 | NA | TransNN, ReceivNN | 误码率 | NA |
| 1462 | 2025-10-05 |
Evaluation of De Novo Deep Learning Models on the Protein-Sugar Interactome
2025-Sep-06, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.02.673778
PMID:40950156
|
研究论文 | 评估从头深度学习模型在蛋白质-糖相互作用组预测中的性能 | 开发了首个专门用于非共价蛋白质-碳水化合物对接评估的高质量数据集BCAPIN和新型评估指标DockQC | 所有模型的预测能力随碳水化合物聚合物长度的增加而下降 | 评估深度学习模型在蛋白质-糖相互作用组预测中的性能 | 非共价蛋白质-碳水化合物复合物 | 机器学习 | NA | 结构对接 | 深度学习模型 | 实验结构数据 | BCAPIN数据集 | NA | AlphaFold3, Boltz-1, Chai-1, DiffDock, RosettaFold-All Atom | DockQC, 成功率 | NA |
| 1463 | 2025-10-05 |
Convolutional Neural Network-based Framework for Brain Tumor Classification and Segmentation using Magnetic Resonance Images
2025-Sep-05, Journal of visualized experiments : JoVE
DOI:10.3791/68428
PMID:40982373
|
研究论文 | 提出基于卷积神经网络的框架，用于脑肿瘤的MRI图像分类和分割 | 集成U-Net、InceptionV3、DenseNet201和Inception-ResNet-v2的混合模型，并结合GPT-4.0自动生成报告 | NA | 开发自动脑肿瘤识别和分类系统 | 脑肿瘤MRI图像 | 计算机视觉 | 脑肿瘤 | 磁共振成像(MRI) | CNN | 图像 | NA | NA | U-Net, InceptionV3, DenseNet201, Inception-ResNet-v2 | 准确率 | NA |
| 1464 | 2025-10-05 |
Dual Encoder-Decoder-Encoder with Adversarial Training for Unsupervised Traffic Accident Detection in Surveillance Videos
2025-Sep-05, Journal of visualized experiments : JoVE
DOI:10.3791/68731
PMID:40982396
|
研究论文 | 提出一种基于双编码器-解码器-编码器框架和对抗训练的无监督监控视频交通事故检测方法 | 采用双EDE框架双向映射图像分布，结合两阶段训练和对抗机制增强对异常事件的敏感性 | 未明确说明模型在极端天气或低光照条件下的性能表现 | 开发无监督的交通事故自动检测系统以提高道路安全和应急响应效率 | 监控视频中的交通事故和危险驾驶行为 | 计算机视觉 | NA | 深度学习 | 编码器-解码器, GAN | 监控视频 | 真实交通监控数据集 | NA | 双编码器-解码器-编码器(EDE) | 准确率, 鲁棒性 | NA |
| 1465 | 2025-10-05 |
Deep learning-based classification and segmentation of interictal epileptiform discharges using multichannel electroencephalography
2025-Sep, Epilepsia
IF:6.6Q1
DOI:10.1111/epi.18463
PMID:40411529
|
研究论文 | 开发了一种基于深度学习的框架U-IEDNet，用于多通道脑电图记录中发作间期癫痫样放电的分类和分割 | 提出结合卷积层、双向门控循环单元和Transformer网络的U型架构，同时保留空间信息和通道间交互特征，并基于脑网络理论分析注意力权重增强模型可解释性 | NA | 开发高精度的发作间期癫痫样放电自动检测方法 | 多通道脑电图记录中的发作间期癫痫样放电 | 医疗人工智能 | 癫痫 | 脑电图 | CNN, BiGRU, Transformer | 多通道脑电图信号 | 公共数据库370例患者记录和自建数据库43例患者记录 | NA | U-IEDNet（U型架构） | 召回率, 精确率, F1分数, 假阳性率 | NA |
| 1466 | 2025-10-05 |
Deep learning-driven abbreviated knee MRI protocols: diagnostic accuracy in clinical practice
2025-Sep, La Radiologia medica
DOI:10.1007/s11547-025-02038-3
PMID:40613973
|
研究论文 | 评估深度学习加速膝关节MRI协议在临床实践中的诊断准确性 | 首次系统评估不同加速因子（2倍、4倍、6倍）的深度学习重建膝关节MRI协议对多种病理的诊断性能 | 样本量相对较小（71例患者），DL6协议对细微病变敏感性降低，特别是经验较少的阅片者 | 评估深度学习加速MRI协议在膝关节成像中的诊断性能 | 71例连续接受膝关节MRI检查的患者 | 医学影像 | 膝关节疾病 | 深度学习重建MRI | 深度学习 | MRI图像 | 71例患者 | NA | NA | 敏感性, 特异性, 观察者间一致性 | NA |
| 1467 | 2025-10-05 |
Diurnal variation mapping of urban NO2 concentrations at high spatial resolution using mobile phone signaling data
2025-Sep, Environment international
IF:10.3Q1
DOI:10.1016/j.envint.2025.109758
PMID:40886398
|
研究论文 | 利用手机信令数据开发新型深度学习模型，实现高时空分辨率城市NO₂浓度日变化监测 | 首次实现基于手机信令数据的250米/1小时时空分辨率NO₂浓度连续估算，开发了专门针对环境变量建模的新型深度学习架构 | 研究仅在中国宁波市进行验证，模型在其他城市的适用性有待进一步测试 | 解决高时空分辨率亚日尺度NO₂浓度监测的技术难题 | 城市大气NO₂浓度分布与日变化特征 | 环境信息学 | NA | 手机信令数据分析，深度学习建模 | 深度学习模型 | 手机信令数据，环境监测数据，气象数据 | 宁波市区域数据 | NA | 新型深度学习架构 | R²，5折交叉验证，空间预测验证 | NA |
| 1468 | 2025-10-05 |
An Ensemble Approach to Emergency Medicine Skill Assessment
2025-Sep-01, Military medicine
IF:1.2Q2
DOI:10.1093/milmed/usaf327
PMID:40984092
|
研究论文 | 开发一种集成方法用于急诊医学技能的形成性评估，利用多模态数据和可解释深度学习模型 | 首次将脑成像、眼动追踪和头戴式视频记录相结合，通过集成方法客观评估急诊医学技能 | 研究专注于气管插管技能评估，可能不适用于其他急诊医学程序 | 开发客观的急诊医学技能评估方法，解决当前主观评估的局限性 | 急诊医学培训学员的气管插管技能表现 | 机器学习 | 急诊医学 | 脑成像、眼动追踪、视频记录 | 可解释深度学习模型 | 多模态数据（脑成像、眼动追踪、视频） | NA | NA | NA | 准确率 | NA |
| 1469 | 2025-10-05 |
Machine learning methods for gene regulatory network inference
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf470
PMID:40966655
|
综述 | 本文系统综述了基于机器学习的基因调控网络推断方法及其相关数据集与评估指标 | 重点关注前沿深度学习技术在提升基因调控网络推断性能中的新兴作用 | NA | 支持基因调控研究中GRN推断的应用及新型机器学习方法的开发 | 基因调控网络（GRNs）及其推断方法 | 计算生物学 | NA | 高通量测序技术 | 监督学习, 无监督学习, 半监督学习, 对比学习, 深度学习 | 大规模组学数据 | NA | NA | NA | NA | NA |
| 1470 | 2025-10-05 |
International Validation of Echocardiographic Artificial Intelligence Amyloid Detection Algorithm
2025-Aug-25, JACC. Advances
DOI:10.1016/j.jacadv.2025.102067
PMID:40965401
|
研究论文 | 本研究通过国际多中心回顾性病例对照研究验证了基于计算机视觉的深度学习算法EchoNet-LVH在心脏淀粉样变性检测中的性能 | 开发了首个基于胸骨旁长轴和心尖四腔心切面视频的计算机视觉算法用于心脏淀粉样变性的国际多中心验证 | 研究为回顾性病例对照设计，样本量相对有限（1553例），需要前瞻性研究进一步验证 | 验证人工智能算法在心脏淀粉样变性检测中的诊断性能 | 574名心脏淀粉样变性患者和979名对照患者的超声心动图研究 | 计算机视觉 | 心脏淀粉样变性 | 经胸超声心动图 | 深度学习 | 视频 | 1553例（574例病例+979例对照） | NA | EchoNet-LVH | AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值 | NA |
| 1471 | 2025-10-05 |
Self-supervised physics-informed generative networks for phase retrieval from a single X-ray hologram
2025-Aug-25, Optics express
IF:3.2Q2
DOI:10.1364/OE.569216
PMID:40984363
|
研究论文 | 提出一种自监督物理信息生成网络，从单张X射线全息图中同时重建相位和吸收信息 | 无需配对、非配对或模拟训练数据，通过物理信息生成对抗网络实现单张全息图的相位恢复 | 未明确说明计算资源需求和算法在极端成像条件下的表现 | 解决X射线相位衬度成像中的相位恢复逆问题 | X射线全息图和未传播波场的相位与吸收信息 | 计算机视觉 | NA | X射线相位衬度成像，Fresnel近场理论 | GAN | X射线全息图（强度测量） | 模拟数据和PETRA III P05束线实验数据集 | NA | 物理信息生成对抗网络 | 定量重建质量 | NA |
| 1472 | 2025-10-05 |
All-optical color image encryption using multimode fiber speckles and diffractive deep neural networks
2025-Aug-25, Optics express
IF:3.2Q2
DOI:10.1364/OE.571745
PMID:40984386
|
研究论文 | 提出一种集成轨道角动量编码、多模光纤散斑加密和衍射深度神经网络解码的全光学彩色图像加密系统 | 将图像像素的灰度值和颜色通道分别映射到OAM光束的拓扑电荷和空间位置，利用环境干扰生成散斑密文，并通过预训练D2NN实现光学端到端解密 | 需在长期噪声干扰下收集散斑样本进行训练，系统性能可能受环境扰动特性影响 | 实现无需深度学习计算负担的高速安全彩色图像传输 | 彩色图像像素的加密与解密 | 计算机视觉 | NA | 轨道角动量编码、多模光纤传输、衍射神经网络 | 衍射深度神经网络 | 光学图像、散斑图案 | 512×512彩色图像 | NA | D2NN | 准确率, SSIM | 全光学系统（无传统计算资源） |
| 1473 | 2025-10-05 |
Trace gas sensor based on photoacoustic spectroscopy and deep learning nested U-shaped network (U-Net++)
2025-Aug-25, Optics express
IF:3.2Q2
DOI:10.1364/OE.569183
PMID:40984421
|
研究论文 | 提出一种结合滚筒型谐振器光声光谱系统和嵌套U型深度学习网络(U-Net++)的新型痕量气体传感器 | 首次将优化的滚筒型声学谐振器与U-Net++深度学习架构相结合，实现噪声抑制和长期稳定性提升 | NA | 开发高灵敏度、强噪声抑制能力和长期稳定性的痕量气体检测传感器 | 甲烷(CH)气体 | 传感器技术 | NA | 光声光谱技术(PAS) | 深度学习 | 光谱数据 | 不同甲烷浓度(5-30 ppm)的实验验证 | NA | U-Net++ | 标准偏差, Allan方差, 最小可检测浓度(MDC), 信噪比(SNR) | NA |
| 1474 | 2025-10-05 |
Accurate prediction approach for the center position of a future light spot under atmospheric turbulence
2025-Aug-25, Optics express
IF:3.2Q2
DOI:10.1364/OE.568684
PMID:40984412
|
研究论文 | 提出一种名为特征匹配循环预测(FMRP)的混合方法，用于预测大气湍流下光斑中心位置 | 仅需处理实时接收的光斑图像即可实现精确位置预测，无需离线训练和大规模数据集 | NA | 提高卫星对地激光通信中指向、捕获和跟踪系统的精度和稳定性 | 大气湍流环境下的光斑中心位置 | 计算机视觉 | NA | NA | RNN | 图像 | NA | NA | 循环神经网络 | 预测精度, 稳定性 | NA |
| 1475 | 2025-10-05 |
Statistical analysis and prediction of dynamic UAV-based entanglement distribution channel through deep learning
2025-Aug-11, Optics express
IF:3.2Q2
DOI:10.1364/OE.565103
PMID:40984598
|
研究论文 | 提出基于PatchTST深度学习模型的无人机量子纠缠分布信道动态预测框架 | 首次将PatchTST Transformer模型应用于无人机量子信道动态透射率预测，相比传统静态统计模型能更准确捕捉实时信道变化 | 基于仿真数据验证，尚未在真实物理系统中进行测试 | 提升无人机量子纠缠分布系统的自适应优化能力和鲁棒性 | 无人机对地量子信道透射率动态变化 | 机器学习 | NA | 深度学习 | Transformer | 时间序列数据 | NA | NA | PatchTST | BBM92安全密钥率 | NA |
| 1476 | 2025-10-05 |
Deep-learning-based single-pixel telescope for simultaneous visible and near-infrared imaging with robustness to atmospheric seeing
2025-Aug-11, Optics express
IF:3.2Q2
DOI:10.1364/OE.566490
PMID:40984610
|
研究论文 | 本研究开发了一种基于深度学习的单像素望远镜系统，用于在模拟大气湍流条件下实现可见光和近红外的同步成像 | 将深度学习技术与具有多波长成像能力的单像素成像系统相结合，开发了能够同时进行可见光和近红外观测的单像素望远镜系统 | 在模拟湍流条件下，时间分割模式学习网络对简单目标（如MNIST图像）的精度低于U-Net，需要进一步改进 | 开发能够在大气湍流等动态随机介质中实现高质量成像的望远镜系统 | 单像素望远镜系统在模拟大气湍流条件下的成像性能 | 计算机视觉 | NA | 单像素成像，深度学习成像 | CNN | 图像 | NA | NA | U-Net, TDPL | 精度 | NA |
| 1477 | 2025-10-05 |
Transformer-inspired training principles based breast cancer prediction: combining EfficientNetB0 and ResNet50
2025-Apr-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98523-w
PMID:40251247
|
研究论文 | 提出结合EfficientNetB0和ResNet50的集成模型用于乳腺癌组织病理学图像分类 | 结合EfficientNetB0的高效性能和ResNet50的深度残差连接，并融入Transformer训练原则 | 未提及模型在更大规模数据集上的泛化能力验证 | 提高乳腺癌组织病理学图像分类的准确性和效率 | 乳腺癌组织病理学图像（IDC与非IDC类别） | 计算机视觉 | 乳腺癌 | 组织病理学成像 | CNN, 集成学习 | 图像 | NA | NA | EfficientNetB0, ResNet50 | 准确率, 平均绝对误差, 马修斯相关系数 | NA |
| 1478 | 2025-10-05 |
MRS-Sim: Open-Source Framework for Simulating In Vivo-like Magnetic Resonance Spectra
2025-Apr-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.20.629645
PMID:40291707
|
研究论文 | 介绍MRS-Sim开源框架，用于模拟体内磁共振波谱数据 | 包含两种新型组件：3D磁场图模拟器和半参数生成器，能够模拟从原始多线圈瞬态数据到预处理数据的多种场景 | NA | 开发用于磁共振波谱研究的合成数据模拟框架 | 磁共振波谱数据 | 医学影像分析 | NA | 磁共振波谱(MRS) | NA | 光谱数据 | NA | NA | NA | NA | NA |
| 1479 | 2025-10-05 |
Transitions in dynamical regime and neural mode underlie perceptual decision-making
2025-Apr-07, bioRxiv : the preprint server for biology
DOI:10.1101/2023.10.15.562427
PMID:37904994
|
研究论文 | 通过无监督深度学习方法研究大鼠感知决策过程中前额叶皮层和纹状体的神经动力学机制 | 发现决策过程包含两个连续动态机制转换，并提出神经推断承诺时间(nTc)概念 | 研究局限于啮齿类动物模型，人类决策机制可能有所不同 | 揭示感知决策过程中神经动力学机制和决策承诺时刻的神经基础 | 大鼠前额叶皮层和纹状体的神经元活动 | 计算神经科学 | NA | 大规模神经元同步记录，脉冲听觉证据累积任务 | 深度学习，简化动力学模型 | 神经电生理信号 | 数百个神经元的同时记录 | NA | NA | 神经动力学轨迹分析，行为验证 | NA |
| 1480 | 2025-10-05 |
Artificial intelligence predicts multiclass molecular signatures and subtypes directly from breast cancer histology: a multicenter retrospective study
2025-Apr-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002220
PMID:39764584
|
研究论文 | 开发基于深度学习的算法BBMIL，直接从乳腺癌组织病理图像预测分子标志物和亚型 | 首次直接从H&E染色组织病理图像预测多种分子标志物、免疫治疗相关基因特征和预后相关亚型 | 回顾性研究，需进一步前瞻性验证 | 通过人工智能降低乳腺癌生物标志物检测的成本和组织负担 | 乳腺癌组织病理图像 | 数字病理 | 乳腺癌 | H&E染色组织病理学 | 深度学习 | 图像 | 多中心回顾性研究 | NA | BBMIL | NA | NA |