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 1481 - 1500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1481 | 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 |
| 1482 | 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） |
| 1483 | 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 |
| 1484 | 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 |
| 1485 | 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 |
| 1486 | 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 |
| 1487 | 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 |
| 1488 | 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 |
| 1489 | 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 |
| 1490 | 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 |
| 1491 | 2025-10-05 |
RESPAN: A Deep Learning Pipeline for Accurate and Automated Restoration, Segmentation, and Quantification of Dendritic Spines
2025-Feb-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.06.597812
PMID:38895232
|
研究论文 | 开发了一个名为RESPAN的深度学习流程，用于自动化恢复、分割和量化树突棘 | 集成图像恢复、分割和分析的端到端深度学习流程，具有内容感知恢复功能，能增强信号、对比度和各向同性分辨率 | NA | 开发准确自动化的树突棘恢复、分割和量化工具 | 树突棘、树突分支和神经元胞体 | 计算机视觉 | NA | 活体成像、体内双光子显微镜 | 深度学习 | 图像 | NA | NA | NA | 准确性、可重复性 | NA |
| 1492 | 2025-10-05 |
Parametrically guided design of beta barrels and transmembrane nanopores using deep learning
2025-Jan-06, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.22.604663
PMID:39091726
|
研究论文 | 本研究开发了一种结合参数化生成和深度学习的方法来设计β桶蛋白和跨膜纳米孔 | 将参数化表示与基于RoseTTAFold的深度学习方法相结合，实现了对β桶蛋白全局形状的精确控制设计 | 方法依赖于参数化生成的骨架结构，可能对某些非理想几何结构的适应性有限 | 开发一种能够精确控制蛋白质全局形状的设计方法 | β桶蛋白和跨膜纳米孔 | 蛋白质设计 | NA | 深度学习，X射线晶体学 | 深度学习 | 蛋白质结构数据 | 12、14和16链跨膜纳米孔 | RoseTTAFold | RFjoint, RFdiffusion | 计算成功率，实验成功率，原子精度 | NA |
| 1493 | 2025-10-05 |
Multiscale Cell-Cell Interactive Spatial Transcriptomics Analysis
2025-Jan-03, Research square
DOI:10.21203/rs.3.rs-5743704/v1
PMID:39801521
|
研究论文 | 提出多尺度细胞间交互空间转录组学分析方法，整合多尺度拓扑表示与空间深度学习技术 | 首次在空间转录组学分析中考虑多尺度细胞间相互作用，结合多尺度拓扑表示与先进空间深度学习技术 | 未明确说明方法在特定组织类型或实验条件下的适用性限制 | 开发能够捕捉多尺度细胞间相互作用的空间转录组学分析方法 | 空间转录组学数据中的细胞间相互作用模式 | 生物信息学 | NA | 空间转录组学 | 深度学习 | 空间基因表达数据 | 37个基准空间转录组学数据集 | NA | NA | 聚类评分 | NA |
| 1494 | 2025-10-05 |
DWI-based Biologically Interpretable Radiomic Nomogram for Predicting 1-year Biochemical Recurrence after Radical Prostatectomy: A Deep Learning, Multicenter Study
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 开发基于DWI和深度学习的放射组学列线图预测前列腺癌根治术后1年生化复发 | 首次将深度学习提取的放射组学特征与临床参数结合构建预测模型，并探索放射组学评分与肿瘤微环境的关联 | 回顾性研究设计，样本量有限(n=349)，需要更大规模前瞻性验证 | 预测前列腺癌根治术后1年生化复发风险 | 接受根治性前列腺切除术的前列腺癌患者 | 数字病理 | 前列腺癌 | 多参数磁共振成像(mpMRI), 扩散加权成像(DWI), 单细胞RNA测序 | 深度学习 | 医学影像, 临床数据, 基因表达数据 | 349例患者(两个独立队列), 4例前瞻性参与者的单细胞RNA测序数据 | NA | 3D U-Net | AUC, Hosmer-Lemeshow检验, 决策曲线分析 | NA |
| 1495 | 2025-10-05 |
OSFormer: One-Step Transformer for Infrared Video Small Object Detection
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3598426
PMID:40828723
|
研究论文 | 提出一种用于红外视频小目标检测的单步Transformer方法OSFormer | 首次将小目标友好的Transformer与单步检测范式相结合，提出可变尺寸补丁注意力模块和多普勒自适应滤波器 | NA | 改进红外视频中小目标检测的性能和效率 | 红外视频序列中的小目标 | 计算机视觉 | NA | 红外视频分析 | Transformer | 红外视频序列 | AntiUAV和InfraredUAV数据集 | NA | OSFormer, Transformer | mAP50, mAP50-95, Params, FLOPs | NA |
| 1496 | 2025-10-05 |
Analysis of Freezing of Gait in Parkinson's Disease Detection Using a Multimodal Prototype Learning Framework
2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2025.3605204
PMID:40892658
|
研究论文 | 提出一种名为CSE-ProtoNet的多模态原型学习框架，用于检测帕金森病患者的步态冻结现象 | 结合CondenseNet与SEBlock的原型学习框架，首次应用于多模态数据（EEG和步态数据）的FOG检测 | 医学数据样本量有限，特别是EEG数据稀缺 | 提高帕金森病患者步态冻结检测的准确性和鲁棒性 | 帕金森病患者 | 机器学习 | 帕金森病 | 脑电图, 步态分析 | 深度学习, 原型学习 | 多模态数据（EEG和步态数据） | 有限样本（具体数量未明确说明） | 深度学习框架 | CondenseNet, SEBlock, CSE-ProtoNet | 准确率, F-score, 召回率, 特异性, 精确率, AUC | NA |
| 1497 | 2025-10-05 |
Single-nucleus transcriptome atlas of orbitofrontal cortex in amyotrophic lateral sclerosis with a deep learning-based decoding of alternative polyadenylation mechanisms
2024-Dec-16, bioRxiv : the preprint server for biology
DOI:10.1101/2023.12.22.573083
PMID:38187588
|
研究论文 | 通过单核转录组测序和深度学习模型研究肌萎缩侧索硬化症中眶额皮质的细胞类型特异性转录特征和选择性多聚腺苷酸化机制 | 开发了APA-Net深度学习模型整合转录序列和RNA结合蛋白表达谱，首次在ALS/FTLD中系统解析细胞类型特异性APA调控模式 | 样本量相对有限，仅针对特定脑区（眶额皮质）进行分析 | 揭示ALS和FTLD神经退行性疾病的细胞类型特异性病理机制 | C9orf72相关ALS（伴或不伴FTLD）和散发性ALS患者的眶额皮质组织 | 生物信息学, 深度学习 | 肌萎缩侧索硬化症, 额颞叶变性 | 单核RNA测序, 深度学习 | 深度学习模型 | 单核转录组数据, RNA序列数据, 蛋白质表达数据 | C9orf72相关ALS和散发性ALS病例的眶额皮质样本 | NA | APA-Net | NA | NA |
| 1498 | 2025-10-05 |
International Validation of Echocardiographic AI Amyloid Detection Algorithm
2024-Dec-16, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.12.14.24319049
PMID:39763545
|
研究论文 | 本研究通过国际多中心验证了一种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，并在多国际中心验证其检测心脏淀粉样变性的能力 | 回顾性病例对照研究设计，罕见疾病样本可能有限 | 验证人工智能算法在心脏淀粉样变性检测中的诊断性能 | 心脏淀粉样变性患者和对照组的超声心动图研究 | 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 | 多国际中心回顾性病例对照研究，具体样本数未明确说明 | NA | EchoNet-LVH | AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值 | NA |
| 1499 | 2025-10-05 |
Discovering New Metallo-Deubiquitinase CSN5 Inhibitors by a Non-Catalytic Activity Assay Platform
2024-08-22, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.4c01514
PMID:39129245
|
研究论文 | 本研究建立了一个非催化活性检测平台用于发现新型CSN5抑制剂 | 开发了基于新型荧光探针的非催化活性检测平台，结合深度学习虚拟筛选和分子动力学模拟发现新型CSN5抑制剂 | 部分抑制剂在癌细胞中仅轻微下调PD-L1表达 | 发现新型金属去泛素化酶CSN5抑制剂 | COP9信号体催化亚基CSN5 | 计算生物学 | 癌症 | 荧光偏振检测、分子动力学模拟、深度学习虚拟筛选 | 深度学习 | 化学结构数据、荧光数据 | NA | NA | NA | NA | 微秒级分子动力学模拟 |
| 1500 | 2025-10-05 |
Single-sequence protein-RNA complex structure prediction by geometric attention-enabled pairing of biological language models
2024-Jul-28, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.27.605468
PMID:39091736
|
研究论文 | 提出一种仅需单序列输入即可预测蛋白质-RNA复合物结构的深度学习框架ProRNA3D-single | 首次通过几何注意力机制配对生物语言模型，实现仅凭单序列信息预测蛋白质-RNA相互作用 | 未明确说明模型在处理超大规模复合物时的计算效率限制 | 开发不依赖进化信息的蛋白质-RNA复合物结构预测方法 | 蛋白质-RNA复合物三维结构 | 计算生物学 | NA | 深度学习 | 几何注意力网络 | 蛋白质和RNA序列数据 | NA | PyTorch | 生物语言模型配对架构 | 结构预测准确度 | NA |