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 32371 篇文献，本页显示第 1541 - 1560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1541 | 2025-09-23 |
Deep learning-enhanced holographic wavefront sensor for high-order aberration sensing
2025-Sep-20, Applied optics
IF:1.7Q3
DOI:10.1364/AO.574070
PMID:40981974
|
研究论文 | 提出一种深度学习增强的全息波前传感器，用于高精度波前像差检测 | 首次将深度学习神经网络应用于全息波前传感器，通过CNN和UNet两种架构分别实现模态系数估计和直接相位图重建 | DLHWS-p方法需要较高的计算资源，可能限制其实时应用 | 提高波前传感器的测量精度和高阶像差检测能力 | 光学波前像差，特别是大气湍流引起的高阶像差 | 计算机视觉 | NA | 深度学习，计算机生成全息图 | CNN，UNet | 图像 | NA | NA | NA | NA | NA |
| 1542 | 2025-09-23 |
Full-Spectrum phototherapy in hair loss management: a systematic review of wavelength-dependent mechanisms, clinical efficacy, and future directions
2025-Sep-19, Lasers in medical science
IF:2.1Q2
DOI:10.1007/s10103-025-04616-3
PMID:40968340
|
综述 | 本文系统综述了全光谱光疗在脱发治疗中的波长依赖性机制、临床疗效及未来发展方向 | 提出创新的'波长-穿透深度-靶向机制'模型，阐明全光谱光疗对毛囊再生的多层次调控作用 | 存在治疗窗口窄、患者反应差异大和组织穿透性有限等未解决挑战 | 探讨光疗作为精准无创治疗方式在脱发管理中的应用潜力 | 斑秃(AA)、雄激素性脱发(AGA)和瘢痕性脱发患者 | 医学光疗 | 脱发疾病 | 全光谱光疗（紫外至中红外波长） | 双网络深度学习 | 临床研究数据 | NA | NA | NA | NA | NA |
| 1543 | 2025-09-23 |
MorphoITH: a framework for deconvolving intra-tumor heterogeneity using tissue morphology
2025-Sep-19, Genome medicine
IF:10.4Q1
DOI:10.1186/s13073-025-01504-x
PMID:40968388
|
研究论文 | 提出一种通过组织形态学分析解卷积肿瘤内异质性的计算框架MorphoITH | 首次将任务无关的自监督深度学习相似性度量应用于多维度表型多样性量化，可识别与关键驱动基因亚克隆改变相关的形态学变化 | 方法验证主要基于肾透明细胞癌，在其他癌种中的普适性有待进一步验证 | 开发从常规组织病理切片推断分子水平肿瘤内异质性的可扩展方法 | 肾透明细胞癌（ccRCC）组织样本 | 数字病理 | 肾癌 | 自监督深度学习、多区域测序 | 自监督深度学习模型 | 组织病理切片图像 | 基于多区域测序数据集的肾透明细胞癌样本（具体数量未明确说明） | NA | NA | NA | NA |
| 1544 | 2025-09-23 |
Optimized deep learning-accelerated single-breath-hold abdominal HASTE with and without fat saturation improves and accelerates abdominal imaging at 3 Tesla
2025-Sep-18, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01838-3
PMID:40968371
|
研究论文 | 本研究评估了深度学习加速的单次屏气腹部HASTE序列（含/不含脂肪抑制）在3特斯拉磁共振中的图像质量 | 首次系统比较深度学习加速HASTE序列在不同脂肪抑制参数下的图像质量，并优化扫描参数 | 样本量有限（10名健康志愿者+50名患者），未针对特定疾病进行专项评估 | 评估深度学习加速腹部成像序列的技术可行性和图像质量优化 | 健康志愿者和患者的上腹部磁共振影像 | 医学影像分析 | NA | 深度学习加速磁共振成像（DL-HASTE） | 深度学习（具体网络结构未说明） | 医学影像（磁共振图像） | 60例（10名健康志愿者+50名患者） | NA | NA | NA | NA |
| 1545 | 2025-09-23 |
An Efficient Neuro-framework for Brain Tumor Classification Using a CNN-based Self-supervised Learning Approach with Genetic Optimizations
2025-Sep-18, Current neuropharmacology
IF:4.8Q1
|
研究论文 | 提出一种结合自监督学习、深度聚类、集成建模和遗传优化的高效深度学习框架用于脑胶质瘤MRI图像分类 | 首次将SimCLR自监督学习、深度嵌入聚类、加权集成模型与差分进化遗传算法优化相结合，显著提升分类精度和训练效率 | 需要大量计算资源且缺乏临床验证 | 开发鲁棒高效的深度学习框架以改进脑胶质瘤MRI图像分类 | 脑胶质瘤MRI图像 | 计算机视觉 | 脑肿瘤 | MRI成像、深度学习 | CNN（EfficientNet-B7、ResNet-50、DenseNet-121）、自监督学习（SimCLR）、深度嵌入聚类、集成学习、遗传算法 | 医学图像（MRI） | NA | NA | NA | NA | NA |
| 1546 | 2025-09-23 |
Multi-filter stacking in inception V3 for enhanced Alzheimer's severity classification
2025-Sep-16, Neuroscience
IF:2.9Q2
|
研究论文 | 提出一种基于Inception V3架构的多滤波器堆叠方法，用于提升阿尔茨海默病严重程度的分类性能 | 将多滤波器堆叠技术与Inception V3架构相结合，通过多尺度卷积滤波器捕获细微结构变化 | NA | 开发更准确高效的阿尔茨海默病严重程度自动分类技术 | 阿尔茨海默病患者 | 计算机视觉 | 阿尔茨海默病 | 深度学习 | Inception V3 | MRI图像 | NA | NA | NA | NA | NA |
| 1547 | 2025-09-23 |
Estimation of variable optical feedback coupling factor for self-mixing interferometry by signal-to-image translation
2025-Sep-10, Applied optics
IF:1.7Q3
DOI:10.1364/AO.567935
PMID:40981854
|
研究论文 | 提出一种基于深度学习的新方法，通过将一维自混合干涉信号转换为二维图像来估计时变光学反馈耦合因子 | 首次将信号到图像转换的概念应用于传感器参数推断，利用CNN从二维图像表示中提取丰富特征 | NA | 提高激光自混合干涉传感器在可变反馈条件下光学反馈耦合因子的估计精度 | 自混合干涉信号 | 机器学习 | NA | 深度学习 | CNN | 信号数据 | NA | NA | NA | NA | NA |
| 1548 | 2025-09-23 |
Deep learning-enhanced spectral ghost imaging with accelerated and high-fidelity reconstruction
2025-Sep-10, Applied optics
IF:1.7Q3
DOI:10.1364/AO.573030
PMID:40981855
|
研究论文 | 提出结合深度学习框架的计算光谱鬼成像方法SGICNN，显著提升重建保真度并减少测量时间 | 首次将卷积神经网络编码器-解码器模型应用于光谱鬼成像领域，仅需8000次测量即可实现超越10万次测量的重建精度 | 模型训练完全基于模拟数据，尚未在真实复杂场景中验证 | 开发加速高保真光谱鬼成像重建的新方法 | 宽带光的光谱分量及其空间色散特性 | 计算成像 | NA | 光谱鬼成像、深度学习 | CNN编码器-解码器 | 光谱测量数据 | 8000-100000次测量实现 | NA | NA | NA | NA |
| 1549 | 2025-09-23 |
Predicting emergent phenotypes from single cell populations using CELLECTION
2025-Sep-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.02.673886
PMID:40950226
|
研究论文 | 提出名为CELLECTION的深度学习框架，用于从单细胞群体数据预测涌现表型 | 开发能够关联实例子群与不同涌现表型的可解释预测框架，适用于多种异质性任务 | NA | 建立可扩展的框架来识别发育、疾病和进化中复杂性状的关键细胞或遗传特征 | 单细胞群体、细胞亚型、发育阶段、鸟类谱系 | 机器学习 | NA | 深度学习 | 深度学习框架 | 单细胞数据 | NA | NA | NA | NA | NA |
| 1550 | 2025-09-23 |
Systematic Review and Meta-analysis of AI-driven MRI Motion Artifact Detection and Correction
2025-Sep-05, ArXiv
PMID:40949764
|
系统综述与荟萃分析 | 对人工智能驱动的MRI运动伪影检测与校正方法进行系统评估和定量分析 | 首次系统评估深度学习生成模型在MRI运动伪影处理中的应用效果与挑战 | 方法泛化能力有限、依赖配对训练数据、存在视觉失真风险 | 评估AI方法在MRI运动伪影检测与校正中的有效性及未来发展方向 | 磁共振成像中的运动伪影 | 医学影像分析 | NA | 深度学习 | 生成模型 | 医学影像 | 基于多研究数据集汇总的荟萃分析 | NA | NA | NA | NA |
| 1551 | 2025-09-23 |
Evolutionary Tree in Chemical Space of Natural Products
2025-Sep-04, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.31.673394
PMID:40950011
|
研究论文 | 本研究通过深度学习技术验证了自然产物化学相似性与物种分类距离之间的相关性 | 首次在大规模分类尺度上系统验证进化树在自然产物化学空间的可恢复性，并建立了新的计算框架 | 真菌和动物界数据存在复杂性，可能受水平基因转移、趋同进化或数据集覆盖不全的影响 | 探究物种进化距离与自然产物化学相似性之间的关联性 | 自然产物（NPs）和不同生物分类群（开花植物、针叶树、真菌、后生动物） | 机器学习 | NA | 深度学习编码器（Chemformer、SMILES Transformer等五种） | Transformer架构深度学习模型 | 化学结构数据（SMILES表示） | Lotus自然产物数据库的大规模数据 | NA | NA | NA | NA |
| 1552 | 2025-09-23 |
Relations Between Pulsatility in the Optic Nerve Head or Peripapillary Retinal Vessels and the Rate of Progression in Glaucoma
2025-Sep-02, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.66.12.34
PMID:40956022
|
研究论文 | 本研究通过多模态成像技术量化青光眼患者视神经头及周围视网膜血管的搏动性，并探讨其与疾病进展速度的关系 | 首次同时量化视神经头和视网膜周围多个位置的血管搏动性，并发现视网膜周围动脉搏动性增强与青光眼进展加速的关联 | 样本量有限（181只眼），观察性研究无法确定因果关系 | 探究青光眼病理生理过程中血管搏动性变化与疾病进展速率的关系 | 139名参与者的181只青光眼患眼 | 数字病理 | 青光眼 | 光学相干断层扫描血管成像、激光散斑血流成像、深度学习模型 | 深度学习 | 医学影像 | 139名参与者的181只眼，每半年检测一次，至少六次随访 | NA | NA | NA | NA |
| 1553 | 2025-09-23 |
Reconstruction of total-body multi parametric images with shortened-duration dynamic [68Ga]Ga-PSMA-11 and [68Ga]Ga-FAPI-04 PET scans
2025-Sep-02, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adfe33
PMID:40840511
|
研究论文 | 本研究通过深度学习技术实现20分钟动态PET扫描重建全身多参数图像 | 首次将动态PET帧预测、参数线性拟合和生成对抗网络结合，实现从20分钟扫描数据重建传统需1小时扫描的多参数图像 | 研究样本量有限（49例），需进一步验证临床适用性 | 缩短动态PET扫描时间同时保持多参数图像质量 | 49名接受[68Ga]Ga-PSMA-11和[68Ga]Ga-FAPI-04 PET扫描的患者 | 医学影像分析 | 前列腺癌 | 动态PET扫描、深度学习 | 生成对抗网络(GAN) | PET影像数据 | 49例患者（18例FAPI-04，31例PSMA-11） | NA | NA | NA | NA |
| 1554 | 2025-09-23 |
A deep learning-based prediction model for prognosis of cervical spine injury: a Japanese multicenter survey
2025-Sep, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-025-08708-0
PMID:39930051
|
研究论文 | 开发基于深度学习的预测模型用于老年颈椎损伤患者的预后评估 | 首次将深度学习技术应用于老年颈椎损伤预后预测，相比传统统计方法能识别更多显著预测因子 | NA | 建立颈椎损伤后预后的深度学习预测模型 | 1512名65岁及以上老年颈椎损伤患者 | 机器学习 | 颈椎损伤 | 深度学习 | 深度学习模型 | 临床数据 | 1512名患者（2010-2020年日本多中心数据） | NA | NA | NA | NA |
| 1555 | 2025-09-23 |
Development of a deep learning model for predicting skeletal muscle density from ultrasound data: a proof-of-concept study
2025-Sep, La Radiologia medica
DOI:10.1007/s11547-025-02047-2
PMID:40627283
|
研究论文 | 本研究开发了一种深度学习模型，能够通过超声数据预测骨骼肌密度 | 首次提出基于超声影像自动评估肌肉营养状况的创新方法，利用深度学习模型建立超声特征与CT测量肌肉密度之间的关联 | 单中心观察性研究，样本来源单一，需要未来在不同人群和临床环境中进行外部验证 | 开发一种能够从超声数据预测肌肉密度的深度学习模型，探索超声在肌肉营养评估中的新应用 | 551名在急诊科接受CT检查的成年参与者（平均年龄67±17岁，323名男性）的腹直肌 | 医学影像分析 | 肌肉减少症 | 超声成像、CT扫描、深度学习 | 深度学习模型 | 超声图像、CT图像 | 551名参与者，共1090张超声图像 | NA | NA | NA | NA |
| 1556 | 2025-09-23 |
DeepMVP: deep learning models trained on high-quality data accurately predict PTM sites and variant-induced alterations
2025-Sep, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-025-02797-x
PMID:40859022
|
研究论文 | 本研究开发了基于高质量PTM图谱的深度学习框架DeepMVP，用于精准预测蛋白质翻译后修饰位点及变异诱导的修饰改变 | 构建了目前最大规模的高质量PTM图谱PTMAtlas，并开发了支持六种主要PTM类型预测的多功能深度学习框架 | 未明确说明模型对未知PTM类型的泛化能力及计算资源需求 | 通过深度学习准确预测蛋白质翻译后修饰位点及其受基因变异影响的变化 | 蛋白质翻译后修饰位点（磷酸化、乙酰化、甲基化、类泛素化、泛素化和N-糖基化） | 生物信息学 | 癌症 | 质谱分析、深度学习 | 深度学习框架 | 质谱数据、蛋白质序列数据 | 基于241个公共质谱数据集整理的397,524个PTM位点 | NA | NA | NA | NA |
| 1557 | 2025-09-23 |
DiCARN-DNase: enhancing cell-to-cell Hi-C resolution using dilated cascading ResNet with self-attention and DNase-seq chromatin accessibility data
2025-Sep-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf452
PMID:40802526
|
研究论文 | 提出一种结合扩张卷积、级联残差和自注意力机制的DiCARN模型，利用DNase-seq染色质可及性数据提升Hi-C数据的细胞间分辨率 | 首次将DNase-seq染色质可及性数据集成到Hi-C分辨率增强模型中，通过扩张卷积和级联残差结构同时捕获广泛上下文信息和精细基因组相互作用 | 未明确说明模型在跨细胞系泛化性能的具体量化指标 | 开发能够跨细胞系泛化的高分辨率Hi-C数据预测方法 | 染色质三维空间结构数据（Hi-C数据）和染色质可及性数据（DNase-seq） | 计算生物学 | NA | Hi-C技术、DNase-seq技术、深度学习 | Dilated CNN、ResNet、自注意力机制 | 基因组三维结构数据、染色质可及性数据 | 未明确说明具体样本数量，涉及多细胞系数据 | NA | NA | NA | NA |
| 1558 | 2025-09-23 |
Neural-network-based multi-spectral thermometry and emissivity reconstruction in cavity high-temperature environments
2025-Sep-01, Applied optics
IF:1.7Q3
DOI:10.1364/AO.567549
PMID:40981777
|
研究论文 | 提出一种基于神经网络的高温腔体多光谱辐射测温与发射率重建框架 | 结合蒙特卡洛光线追迹与深度学习，通过交替神经网络实现温度/发射率解耦预测，并完整建模多重反射效应 | 在1273-1673K温度范围和2-16µm光谱范围内验证，尚未测试更极端条件 | 解决高温腔体环境中因未知发射率和多重反射效应导致的辐射测温精度问题 | 氧化锆材料在石墨腔体中的高温辐射特性 | 机器学习 | NA | 蒙特卡洛光线追迹、多光谱辐射测温 | 神经网络 | 光谱数据 | 在1273-1673K温度范围和2-16µm光谱范围内验证 | NA | NA | NA | NA |
| 1559 | 2025-09-23 |
CSA-ASPP-Net: end-to-end laser stripe centerline extraction with joint channel-spatial attention and atrous spatial pyramid convolution
2025-Sep-01, Applied optics
IF:1.7Q3
DOI:10.1364/AO.570244
PMID:40981791
|
研究论文 | 提出一种端到端的激光条纹中心线提取模型CSA-ASPP-Net，通过集成空洞空间金字塔池化和通道-空间注意力机制实现从原始图像到亚像素中心线的直接映射 | 创新性地将注意力引导的特征增强和多尺度上下文感知模块集成到编码器-解码器架构中，实现单阶段完成条纹定位和细化 | NA | 开发高精度、高效率的激光条纹中心线提取方法 | 激光条纹图像 | 计算机视觉 | NA | 结构化光测量系统 | CSA-ASPP-Net（基于编码器-解码器架构的深度学习模型） | 图像 | NA | NA | NA | NA | NA |
| 1560 | 2025-09-23 |
Ultra-broadband metamaterial absorber for near-infrared and mid-infrared applications optimized via deep learning
2025-Sep-01, Applied optics
IF:1.7Q3
DOI:10.1364/AO.573376
PMID:40981800
|
研究论文 | 本研究通过深度学习优化设计了一种新型七层超材料吸收器，实现了近红外至中红外波段的超宽带高效吸收 | 首次结合深度学习神经网络优化超材料结构参数，实现2.3-7.5µm超宽带吸收（平均吸收率97.8%） | NA | 开发适用于近红外和中红外应用的超宽带高效超材料吸收器 | 钛和砷化镓交替层构成的七层超材料结构 | 机器学习 | NA | 深度学习神经网络（DNN）、电磁场分布分析 | DNN | 电磁仿真数据 | NA | NA | NA | NA | NA |