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 34078 篇文献，本页显示第 17301 - 17320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17301 | 2025-03-09 |
Self-Supervised High-Order Information Bottleneck Learning of Spiking Neural Network for Robust Event-Based Optical Flow Estimation
2025-Apr, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3510627
PMID:40030563
|
研究论文 | 本文提出了一种基于脉冲神经网络（SNN）的自监督高阶信息瓶颈学习算法SeLHIB，用于在噪声环境下鲁棒地估计基于事件的光流 | 首次提出了基于SNN的自监督信息瓶颈学习策略，并开发了非线性和高阶信息瓶颈学习算法，以增强相关信息的提取和消除冗余 | 现有SNN架构在训练过程中存在泛化能力和鲁棒性不足的问题，特别是在噪声场景中 | 提高基于事件的光流估计的泛化能力和鲁棒性，特别是在噪声环境下 | 基于事件的光流估计 | 计算机视觉 | NA | 自监督学习算法 | SNN（脉冲神经网络） | 事件相机输入 | NA | NA | NA | NA | NA |
| 17302 | 2025-03-09 |
Quantum Gated Recurrent Neural Networks
2025-Apr, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3519605
PMID:40030602
|
研究论文 | 本文提出了一种量子门控循环神经网络（QGRNNs）模型，旨在解决传统循环神经网络中的梯度消失和爆炸问题，并展示了其在序列学习任务中的有效性 | 将门控机制自然集成到量子神经网络的变分ansatz电路框架中，解决了传统循环神经网络的梯度消失和爆炸问题，并有效缓解了贫瘠高原现象 | NA | 探索量子神经网络（QNNs）的量子优势，并解决传统循环神经网络中的梯度消失和爆炸问题 | 量子门控循环神经网络（QGRNNs） | 量子机器学习 | NA | 量子计算 | 量子门控循环神经网络（QGRNNs） | 序列数据 | NA | NA | NA | NA | NA |
| 17303 | 2025-03-09 |
Glissando-Net: Deep Single View Category Level Pose Estimation and 3D Reconstruction
2025-Apr, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3519674
PMID:40030789
|
研究论文 | 本文提出了一种名为Glissando-Net的深度学习模型，用于从单个RGB图像中同时估计类别级物体的姿态并重建其3D形状 | Glissando-Net通过两个联合训练的自动编码器（一个用于RGB图像，另一个用于点云）实现了更准确的3D形状和姿态预测，并引入了2D-3D特征交互和直接预测3D形状与姿态的设计 | 在测试阶段，3D点云的编码器被丢弃，可能限制了模型在某些场景下的表现 | 研究目标是从单个RGB图像中同时估计物体的姿态并重建其3D形状 | 研究对象是类别级物体 | 计算机视觉 | NA | 深度学习 | 自动编码器（Auto-encoders） | RGB图像和点云数据 | NA | NA | NA | NA | NA |
| 17304 | 2025-03-09 |
Latent Weight Quantization for Integerized Training of Deep Neural Networks
2025-Apr, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3527498
PMID:40030978
|
研究论文 | 本文提出了一种用于深度神经网络整数化训练的潜在权重量化方案，旨在减少量化对训练过程的扰动 | 首次提出了一种通用的整数化训练潜在权重量化方案，通过残差量化和优化的双量化器最小化量化扰动 | 未明确提及具体限制，但可能涉及硬件实现的复杂性和对不同架构的适应性 | 提高深度神经网络整数化训练的效率和性能 | 深度神经网络，包括ResNets、MobileNetV2和Transformers | 机器学习 | NA | 残差量化和双量化器 | ResNets, MobileNetV2, Transformers | 图像和文本 | 未明确提及具体样本数量，但涉及多种架构和任务 | NA | NA | NA | NA |
| 17305 | 2025-03-09 |
Torsion Graph Neural Networks
2025-Apr, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3528449
PMID:40030998
|
研究论文 | 本文提出了一种新的图神经网络模型TorGNN，通过引入解析扭转来增强图神经网络对非欧几里得数据的分析能力 | TorGNN模型创新性地使用解析扭转作为边权重，以捕捉图局部结构的拓扑信息，从而提升图神经网络的性能 | NA | 提升图神经网络在非欧几里得数据分析中的性能 | 图神经网络模型及其在链接预测和节点分类任务中的应用 | 机器学习 | NA | 解析扭转 | 图神经网络（GNN） | 图数据 | 16种不同类型的网络用于链接预测任务，4种类型的网络用于节点分类任务 | NA | NA | NA | NA |
| 17306 | 2025-03-09 |
Characterizing diverse maize varieties under organic cultivation: phenotypic, yield, and canopy data from VIT Vellore
2025-Apr, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.110367
PMID:40051419
|
研究论文 | 本文介绍了在有机栽培条件下不同玉米品种的表型、产量和冠层数据，旨在评估品种性能并促进作物改良 | 提供了有机栽培条件下八个玉米品种的详细数据集，包括表型、产量、冠层温度和叶绿素读数，为未来育种和深度学习模型构建提供了基础数据 | 研究仅基于单一地点的有机栽培数据，可能无法完全反映其他环境条件下的品种表现 | 评估不同玉米品种在有机栽培条件下的表现，为作物改良和育种提供数据支持 | 八个玉米品种，包括四个来自IIMR的新品种和四个本地栽培品种 | 农业科学 | NA | ANOVA (FRBD) | NA | 表型数据、产量数据、冠层温度数据、叶绿素数据 | 160株玉米植株（每个品种20株，每个重复5株） | NA | NA | NA | NA |
| 17307 | 2025-03-09 |
Generalizable deep learning framework for 3D medical image segmentation using limited training data
2025-Mar-06, 3D printing in medicine
IF:3.2Q1
DOI:10.1186/s41205-025-00254-1
PMID:40045095
|
研究论文 | 本文介绍了一种用于3D医学图像分割的深度学习框架，该框架在有限训练数据下仍能实现高性能 | 该框架克服了对大量数据和强大GPU资源的需求，适用于资源受限的医疗环境 | 尽管在多种临床应用中表现良好，但具体在不同医疗环境中的实际应用效果仍需进一步验证 | 开发一种适用于资源受限环境的3D医学图像分割深度学习框架 | 涉及骨科、眼眶分割、下颌骨CT、心脏CT、胎儿MRI和肺部CT的六种不同临床应用 | 数字病理 | NA | 深度学习 | NA | 3D医学图像 | 少量受试者 | NA | NA | NA | NA |
| 17308 | 2025-03-09 |
Leveraging deep neural network and language models for predicting long-term hospitalization risk in schizophrenia
2025-Mar-05, Schizophrenia (Heidelberg, Germany)
DOI:10.1038/s41537-025-00585-2
PMID:40044707
|
研究论文 | 本研究开发了一种深度学习模型，通过整合入院时的人口统计、行为和血液检测数据，预测精神分裂症患者的长期住院风险 | 利用语言模型高效提取非结构化电子健康记录数据，结合多模态特征显著提高预测性能，并通过综合可解释性分析和消融研究验证关键风险因素 | 研究基于回顾性队列，可能受到数据质量和完整性的限制 | 预测精神分裂症患者的长期住院风险，以优化资源分配和个体治疗计划 | 精神分裂症患者 | 自然语言处理 | 精神分裂症 | 深度学习 | 深度学习模型 | 人口统计、行为、血液检测数据 | 回顾性队列 | NA | NA | NA | NA |
| 17309 | 2025-10-07 |
SP-DTI: subpocket-informed transformer for drug-target interaction prediction
2025-Mar-04, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf011
PMID:39798127
|
研究论文 | 提出一种基于子口袋信息的Transformer模型SP-DTI，用于提升药物-靶点相互作用预测的准确性和泛化能力 | 通过子口袋分析结合预训练语言模型和图神经网络，在全局和局部层面建模相互作用，显著提升对未见蛋白质和跨域设置的泛化性能 | 未明确说明模型在特定药物类别或蛋白质家族上的局限性 | 提高药物-靶点相互作用预测的准确性和泛化能力 | 药物化合物和蛋白质靶点 | 机器学习 | NA | 子口袋分析，Cavity Identification and Analysis Routine | Transformer, 图神经网络 | 分子结构数据，蛋白质序列数据 | NA | NA | Transformer | AUC | NA |
| 17310 | 2025-03-09 |
A visual SLAM loop closure detection method based on lightweight siamese capsule network
2025-Mar-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90511-4
PMID:40038350
|
研究论文 | 本文提出了一种基于轻量级Siamese胶囊网络的视觉SLAM闭环检测方法，旨在解决传统方法在光照和视角变化下的敏感性问题 | 设计了一种新的胶囊网络特征提取器，并通过剪枝进一步减少参数数量，提高了算法的准确性和鲁棒性 | 未提及具体的数据集规模限制或计算资源需求 | 改进视觉SLAM系统中的闭环检测模块，减少机器人运动中的累积误差 | 视觉SLAM系统 | 计算机视觉 | NA | 深度学习 | Siamese胶囊神经网络 | 图像 | CityCentre数据集、New College数据集、KITTI数据集 | NA | NA | NA | NA |
| 17311 | 2025-10-07 |
Precise Sizing and Collision Detection of Functional Nanoparticles by Deep Learning Empowered Plasmonic Microscopy
2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202407432
PMID:39792780
|
研究论文 | 本文开发了一种深度学习增强的等离子体显微镜技术，用于实现功能纳米颗粒的精确尺寸测量和碰撞检测 | 利用深度学习增强等离子体显微镜，通过挖掘图像序列中的时空相关性来增强信号检测并抑制噪声 | NA | 开发能够精确分析弱散射纳米颗粒的新方法 | 化学和生物纳米颗粒，包括小至10纳米的生物纳米颗粒和金属纳米颗粒 | 计算机视觉 | NA | 等离子体显微镜 | 深度学习 | 图像序列 | NA | NA | NA | 信号增强，噪声抑制 | NA |
| 17312 | 2025-10-07 |
MMFuncPhos: A Multi-Modal Learning Framework for Identifying Functional Phosphorylation Sites and Their Regulatory Types
2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202410981
PMID:39804866
|
研究论文 | 开发了一个多模态深度学习框架MMFuncPhos用于预测功能性磷酸化位点及其调控类型 | 首次开发了基于迁移学习的EFuncType模型来预测磷酸化残基对酶活性的上调或下调调控作用 | NA | 预测功能性磷酸化位点及其调控类型，理解磷酸化的功能调控机制 | 蛋白质磷酸化位点 | 机器学习 | NA | 深度学习，多模态学习，迁移学习 | 深度学习模型 | 蛋白质序列数据 | NA | NA | 多模态深度学习框架 | NA | NA |
| 17313 | 2025-10-07 |
De novo designed proteins neutralize lethal snake venom toxins
2025-Mar, Nature
IF:50.5Q1
DOI:10.1038/s41586-024-08393-x
PMID:39814879
|
研究论文 | 本研究利用深度学习设计新型蛋白质来中和蛇毒中的三指毒素 | 首次使用深度学习方法从头设计能够结合蛇毒三指毒素的蛋白质 | 仅通过有限实验筛选验证，需进一步临床研究 | 开发新一代抗蛇毒治疗方法 | 蛇毒三指毒素（短链和长链α-神经毒素及细胞毒素） | 机器学习 | 热带病 | 深度学习 | NA | 蛋白质结构数据 | 小鼠实验 | NA | NA | 结合亲和力、热稳定性、体外中和效果、动物保护效果 | NA |
| 17314 | 2025-10-07 |
Scanner-based real-time three-dimensional brain + body slice-to-volume reconstruction for T2-weighted 0.55-T low-field fetal magnetic resonance imaging
2025-Mar, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06165-x
PMID:39853394
|
研究论文 | 开发了一种基于深度学习的实时三维胎儿脑部和身体重建管道，并集成到0.55-T低场强MRI扫描仪中 | 首次实现了低场强0.55-T MRI的实时切片到体积重建，通过Gadgetron框架直接集成到扫描过程中 | 研究样本量相对有限（12例前瞻性测试），图像质量评级为良好至可接受而非优秀 | 开发适用于低场强0.55-T胎儿MRI的自动化三维运动校正方法 | 胎儿脑部和身体的磁共振成像 | 医学影像分析 | 胎儿发育 | T2加权磁共振成像，切片到体积配准 | 深度学习 | 医学影像 | 12例前瞻性测试（22-40孕周），83例0.55-T数据集回顾性测试 | Gadgetron | NA | 重建时间（6:42±3:13分钟），图像质量评级 | 集成到0.55-T低场强MRI扫描仪环境 |
| 17315 | 2025-10-07 |
Response surface methodology for predicting optimal conditions in very low-dose chest CT imaging
2025-Mar, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.104916
PMID:39923359
|
研究论文 | 本研究探索使用实验设计方法优化超低剂量胸部CT成像参数，通过响应面方法预测最佳扫描条件 | 首次将Doehlert矩阵实验设计应用于CT协议优化，结合深度学习和迭代重建技术，建立了噪声指数与ASIR-V百分比对剂量和病灶检测性能的综合影响模型 | 研究仅使用单一型号128层CT扫描仪和胸部体模，未在真实患者群体中验证 | 优化超低剂量胸部CT成像协议，在保证诊断质量的同时最大化降低辐射剂量 | 胸部体模（含5mm直径、-800HU病灶） | 医学影像 | 胸部疾病 | CT成像，迭代重建，深度学习重建 | 自监督学习模型观察者 | CT图像 | 6名人类观察者，2个模型观察者 | NA | NA | 相关系数，Bland-Altman检验 | NA |
| 17316 | 2025-03-09 |
Enhancement of phonocardiogram segmentation using convolutional neural networks with Fourier transform module
2025-Mar, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-025-00458-8
PMID:40026887
|
研究论文 | 本研究提出了一种基于卷积傅里叶变换模块的深度学习分割方法，用于增强心音图（PCG）信号中第一和第二心音（S1和S2）的自动识别 | 引入了卷积傅里叶变换（CF）模块，能够区分心音和背景噪声，提高了心音分割的准确性和鲁棒性 | 未提及具体局限性 | 提高心音图信号中S1和S2心音的自动识别准确性，以支持心脏瓣膜疾病的检测 | 心音图（PCG）信号 | 数字病理学 | 心血管疾病 | 卷积傅里叶变换（CF）模块 | CNN | 信号数据 | 内部数据集、PhysioNet 2016数据集、PhysioNet 2022数据集和Asan Medical Center（AMC）数据集 | NA | NA | NA | NA |
| 17317 | 2025-03-09 |
Pathways to chronic disease detection and prediction: Mapping the potential of machine learning to the pathophysiological processes while navigating ethical challenges
2025-Mar, Chronic diseases and translational medicine
DOI:10.1002/cdt3.137
PMID:40051825
|
综述 | 本文综述了机器学习在慢性疾病检测和预测中的最新应用，涵盖了从传统技术到现代深度学习神经网络架构的主要方法 | 本文综合了机器学习在慢性疾病预测中的最新趋势和轨迹，为未来研究和临床转化提供了信息 | 本文指出了在实现可扩展、公平和临床可实施的机器学习解决方案方面仍需解决的关键挑战和限制 | 探索机器学习在慢性疾病早期检测和预测中的潜力 | 慢性疾病（如心脏病、癌症和糖尿病） | 机器学习 | 慢性疾病 | 基因组学、转录组学、蛋白质组学、糖组学和脂质组学 | 逻辑回归、随机森林、深度学习神经网络 | 医学影像、基因组数据、可穿戴设备数据、电子健康记录 | NA | NA | NA | NA | NA |
| 17318 | 2025-10-07 |
Signature-based intrusion detection using machine learning and deep learning approaches empowered with fuzzy clustering
2025-Jan-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85866-7
PMID:39799225
|
研究论文 | 本研究通过结合机器学习和深度学习方法，利用模糊聚类增强签名式入侵检测系统以提高网络安全 | 将模糊聚类与多种机器学习和深度学习模型结合用于入侵检测，并比较不同模型在识别网络攻击中的性能表现 | NA | 提高网络安全，通过入侵检测系统识别和预防网络攻击 | 网络流量数据和入侵行为 | 机器学习 | NA | 模糊聚类 | SVM,KNN,RF,DT,LSTM,ANN | 网络流量数据 | NA | NA | NA | 精确度,准确率,召回率 | NA |
| 17319 | 2025-10-07 |
Mapping the scientific landscape and evolution of the International Journal of Surgery : a scientometric analysis (2004-2024)
2025-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002107
PMID:39576039
|
研究论文 | 对《国际外科学杂志》2004-2024年间发表的科学文献进行科学计量学分析 | 首次对该期刊20年发展历程进行系统性科学计量分析，识别研究趋势和未来方向 | 仅分析单一期刊数据，可能无法代表整个外科学领域 | 分析期刊出版特征和发展轨迹，识别研究热点和演变趋势 | 《国际外科学杂志》2004-2024年间发表的6320篇文献 | 科学计量学 | 外科疾病 | 科学计量分析，文献计量学 | NA | 文献元数据，引文数据 | 6320篇出版物（2004-2023年5964篇，2024年356篇） | Citespace, VOS viewer, Bibliometrix (R软件) | NA | 发文量统计，引用分析，研究主题识别 | NA |
| 17320 | 2025-10-07 |
Elastography-based AI model can predict axillary status after neoadjuvant chemotherapy in breast cancer with nodal involvement: a prospective, multicenter, diagnostic study
2025-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002105
PMID:39724577
|
研究论文 | 开发基于弹性成像和深度学习的组合模型预测乳腺癌患者新辅助化疗后腋窝淋巴结状态 | 首次将剪切波弹性成像与深度学习放射组学相结合，构建预测腋窝淋巴结病理完全缓解的组合模型 | 研究为前瞻性多中心设计但需进一步外部验证，样本量相对有限 | 准确预测乳腺癌患者新辅助化疗后腋窝淋巴结状态 | 671例经活检证实淋巴结转移并接受新辅助化疗的乳腺癌患者 | 数字病理 | 乳腺癌 | 超声成像, 剪切波弹性成像 | 深度学习 | 医学图像 | 671例患者（训练集与测试集按8:2随机分配） | NA | 深度学习放射组学模型 | 准确率, AUC, 假阴性率, 校准曲线, 决策曲线 | NA |