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 23 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-04-11 |
DeepLSR: a deep learning approach for laser speckle reduction
2019-Jun-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.10.002869
PMID:31259057
|
研究论文 | 提出了一种名为DeepLSR的对抗性深度学习框架，用于减少激光散斑噪声，将相干照明图像转换为无散斑的非相干照明图像 | 采用对抗性深度学习框架进行激光散斑减少，相比传统方法（如优化非局部均值处理、BM3D和光学散斑减少器）能显著降低噪声（6.4 dB），并可结合光学方法进一步减少至9.4 dB | 未明确提及具体局限性，如泛化能力、计算成本或对不同成像模态的适应性 | 减少激光散斑噪声，提高相干光源成像质量，以支持医疗内窥镜等需要小型照明源和高品质成像的应用 | 使用多波长激光照明的物体和组织宽场图像，以LED照明图像作为真实参考 | 计算机视觉 | NA | 激光照明成像，宽场成像 | GAN | 图像 | 未明确提及具体样本数量，但涉及胃肠道组织图像 | 未明确指定，但基于对抗性深度学习框架 | 未明确指定具体架构，但为对抗性框架 | 散斑噪声减少（dB） | NA |
| 2 | 2026-04-01 |
Computer aided quantification of intratumoral stroma yields an independent prognosticator in rectal cancer
2019-Jun, Cellular oncology (Dordrecht, Netherlands)
DOI:10.1007/s13402-019-00429-z
PMID:30825182
|
研究论文 | 本研究开发了一种基于深度学习的半自动方法，用于量化直肠癌全切片图像中的肿瘤内间质比例，并验证了其作为独立预后因素的价值 | 首次在直肠癌中应用基于深度学习的自动化肿瘤-间质比例分析，相比传统视觉评估，自动化方法在多元分析中显示出独立的预后预测能力 | 研究样本量相对较小（129例），且依赖于专家提供的间质热点区域，可能引入选择偏差 | 评估计算机辅助量化肿瘤内间质在直肠癌预后预测中的潜力 | 129例直肠腺癌患者的组织学切片 | 数字病理学 | 直肠癌 | 深度学习 | 深度学习模型 | 全切片图像 | 129例直肠腺癌患者 | 未明确指定 | 未明确指定 | 风险比, 疾病特异性生存期, 无病生存期 | NA |
| 3 | 2026-03-15 |
A deep learning approach for real-time detection of sleep spindles
2019-06, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ab0933
PMID:30790769
|
研究论文 | 本文提出了一种基于深度学习的实时睡眠纺锤波检测方法SpindleNet，用于单通道EEG信号分析 | SpindleNet是一种新颖的深度学习策略，专为在线应用设计，相比现有方法具有更高的检测精度和速度，并能在低采样频率和低信噪比条件下保持优异性能 | NA | 开发一种适用于实时应用的睡眠纺锤波自动检测方法 | 睡眠纺锤波 | 机器学习 | NA | EEG信号分析 | 深度学习 | EEG信号 | 两个公开的专家验证EEG睡眠纺锤波数据集，涵盖不同年龄和物种的受试群体 | NA | SpindleNet | 检测精度, 检测延迟 | NA |
| 4 | 2026-03-15 |
Regression convolutional neural network for improved simultaneous EMG control
2019-06, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ab0e2e
PMID:30849774
|
研究论文 | 本文提出了一种基于回归卷积神经网络的肌电控制方案，用于改进同时手腕运动的控制性能 | 首次验证了回归CNN模型在在线Fitts定律测试中的可用性，并展示了其在同时控制多个自由度任务中的优势 | NA | 开发一种无需特征工程的深度学习模型，以替代传统的基于特征提取的回归模型，用于肌电信号控制 | 肌电信号，特别是手腕运动的肌电信号 | 机器学习 | NA | 肌电图 | CNN | 肌电信号 | NA | NA | 回归卷积神经网络 | 吞吐量，回归准确率 | NA |
| 5 | 2026-03-15 |
Deep-learning for seizure forecasting in canines with epilepsy
2019-06, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ab172d
PMID:30959492
|
研究论文 | 本文介绍了一种基于深度学习的卷积神经网络系统，用于预测犬类癫痫发作，该系统在手持设备上实现，并通过伪前瞻性模式在四只自然发生癫痫的犬类上进行了测试 | 开发了一种全自动、个体化的深度学习CNN系统，用于癫痫发作预测，并在手持设备上部署，实现了实时分析流式颅内脑电图数据，性能优于传统机器学习方法 | 研究仅基于四只犬类的数据，样本量较小，且未在人类患者中进行验证 | 开发并评估一种基于深度学习的癫痫发作预测系统，以提高预测准确性和实时性 | 四只自然发生癫痫的犬类 | 机器学习 | 癫痫 | 颅内脑电图 | CNN | 脑电图信号 | 75次癫痫发作，收集自四只犬类，历时1608天 | NA | 卷积神经网络 | 敏感性, 警告时间百分比 | 手持平板电脑（Mayo癫痫辅助设备） |
| 6 | 2026-03-10 |
AutoCryoPicker: an unsupervised learning approach for fully automated single particle picking in Cryo-EM images
2019-Jun-13, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-019-2926-y
PMID:31195977
|
研究论文 | 本文提出了一种名为AutoCryoPicker的全自动、无监督学习方法，用于在冷冻电镜图像中自动识别单颗粒 | 开发了一种无需标记训练数据或人工干预的全自动、无偏框架，结合图像预处理、基于强度分布模型的粒子聚类以及改进的圆形霍夫变换算法进行粒子拾取 | 未在摘要中明确提及 | 开发一种全自动、无监督的单颗粒拾取方法，以解决当前技术中人工参与耗时、产生假阳性和假阴性以及依赖训练数据或模板的问题 | 冷冻电镜图像中的单颗粒 | 计算机视觉 | NA | 冷冻电镜 | 无监督学习 | 图像 | NA | NA | NA | NA | NA |
| 7 | 2026-03-01 |
Ventricular ectopic beat detection using a wavelet transform and a convolutional neural network
2019-06-04, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ab17f0
PMID:30970338
|
研究论文 | 本研究提出了一种结合小波变换和卷积神经网络的方法，用于自动检测心电图中的室性早搏 | 创新点在于将三种小波变换应用于单通道心电图信号，生成二维时频图像，并利用卷积神经网络进行优化分类，实现了跨数据库的优异迁移性和泛化能力 | NA | 开发一种自动识别室性早搏的方法，以解决心电图分析中因室性早搏导致的心率变异性分析不准确问题 | 心电图信号中的室性早搏 | 机器学习 | 心血管疾病 | 小波变换 | CNN | 图像 | MIT-BIH心律失常数据库和AHA数据库 | NA | CNN | F1分数, 准确率 | NA |
| 8 | 2026-02-08 |
Incorporating dosimetric features into the prediction of 3D VMAT dose distributions using deep convolutional neural network
2019-06-20, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ab2146
PMID:31082805
|
研究论文 | 本研究提出了一种结合剂量学特征和轮廓信息，利用深度卷积神经网络预测3D VMAT剂量分布的方法 | 在现有基于轮廓信息的剂量预测模型中，首次引入了仅PTV计划的剂量分布作为输入特征，以增强模型的可靠性和准确性 | 研究样本量较小（60例训练，10例测试），且仅针对前列腺癌患者，可能限制模型的泛化能力 | 提高IMRT/VMAT计划中剂量分布的预测精度，以优化放疗计划的效率和质量 | 前列腺癌患者的VMAT放疗计划 | 数字病理 | 前列腺癌 | VMAT（容积旋转调强放疗） | CNN | 图像（CT轮廓和剂量分布图） | 60例前列腺癌患者的VMAT计划用于训练，10例用于测试 | NA | 深度卷积神经网络 | 剂量差异图、DVH、剂量学终点、绝对残差和（SARs）的统计分析 | NA |
| 9 | 2025-10-07 |
Decoding Movements from Cortical Ensemble Activity Using a Long Short-Term Memory Recurrent Network
2019-06, Neural computation
IF:2.7Q3
DOI:10.1162/neco_a_01189
PMID:30979355
|
研究论文 | 开发基于长短期记忆循环网络的解码器，从猕猴多个皮层区域的神经元群体活动中提取运动学信息 | 首次将LSTM网络应用于大规模神经元群体活动的实时解码，在多种运动任务中显著优于传统方法 | 研究仅限于猕猴模型，尚未在人类患者中进行验证 | 改进脑机接口解码算法，为严重残疾患者的运动功能恢复提供新策略 | 猕猴在执行运动任务时多个皮层区域的神经元群体活动 | 机器学习 | 运动功能障碍 | 神经元群体记录技术 | LSTM | 神经电生理信号 | 134-402个神经元同时记录 | NA | LSTM | 解码准确率 | NA |
| 10 | 2024-10-02 |
Comment on: "Deep learning for pharmacovigilance: recurrent neural network architectures for labeling adverse drug reactions in Twitter posts"
2019-06-01, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocz013
PMID:31087070
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11 | 2024-08-07 |
Characterization of Industry 4.0 Lean Management Problem-Solving Behavioral Patterns Using EEG Sensors and Deep Learning
2019-Jun-26, Sensors (Basel, Switzerland)
DOI:10.3390/s19132841
PMID:31247966
|
研究论文 | 本文通过结合脑电图非侵入式传感器和深度学习架构，研究了工业4.0中精益管理问题解决行为模式的神经特征 | 首次使用脑电图传感器和深度学习技术来分析和表征工业4.0中的问题解决行为模式 | NA | 旨在发现问题解决行为模式的神经特征，并利用深度学习架构进行行为模式表征 | 工业4.0中的精益管理问题解决行为模式 | 机器学习 | NA | 脑电图(EEG) | 深度学习架构 | 脑活动信号 | 案例研究数据集 | NA | NA | NA | NA |
| 12 | 2024-08-07 |
A Literature Review: Geometric Methods and Their Applications in Human-Related Analysis
2019-Jun-23, Sensors (Basel, Switzerland)
DOI:10.3390/s19122809
PMID:31234601
|
综述 | 本文综述了几何方法及其在人类相关分析中的应用 | 提出了基于提取几何属性范围的几何方法分类：面向对象的几何方法、面向特征的几何方法和基于流程的几何方法 | NA | 探讨几何概念、几何方法及其在人类相关分析中的应用 | 人类形状分析、人类姿态分析和人类动作分析 | 计算机视觉 | NA | 几何深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 13 | 2024-08-07 |
A Deep Learning-Based Automatic Mosquito Sensing and Control System for Urban Mosquito Habitats
2019-Jun-21, Sensors (Basel, Switzerland)
DOI:10.3390/s19122785
PMID:31234294
|
研究论文 | 本文介绍了一种基于深度学习的自动蚊子检测与控制系统，用于城市蚊子栖息地 | 该系统使用全卷积网络（FCN）和基于神经网络的回归方法进行图像处理，提高了检测准确性和处理速度 | 单图像分类器的准确率较低，仅为52% | 开发一种高效的自动蚊子检测与控制系统，以控制蚊子传播的传染病 | 蚊子及其栖息地 | 机器学习 | NA | 深度学习网络 | 全卷积网络（FCN） | 图像 | NA | NA | NA | NA | NA |
| 14 | 2024-08-07 |
2019-Jun, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2019.05.010
PMID:31101593
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15 | 2024-08-07 |
Improvement diagnostic accuracy of sinusitis recognition in paranasal sinus X-ray using multiple deep learning models
2019-Jun, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims.2019.05.15
PMID:31367548
|
研究论文 | 本研究探讨了使用多深度学习模型通过鼻窦X光片识别上颌窦炎特征的可行性，并提出了一种通过多数决策算法确定合理共识的方法 | 本研究采用了多数决策算法，通过多个卷积神经网络模型（VGG-16、VGG-19和ResNet-101）来提高鼻窦炎检测的准确性 | NA | 研究目的是探讨通过鼻窦X光片识别上颌窦炎特征的可行性，并提出最有效的确定合理共识的方法 | 上颌窦炎的识别 | 机器学习 | NA | 卷积神经网络（CNN） | CNN | 图像 | 共4,860名患者，包括2,430名正常和上颌窦炎患者 | NA | NA | NA | NA |
| 16 | 2024-08-07 |
Combining learning and constraints for genome-wide protein annotation
2019-Jun-17, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-019-2875-5
PMID:31208327
|
研究论文 | 本文介绍了OCELOT系统，该系统通过结合序列预测器和模糊逻辑规则的一致性层，用于全基因组蛋白质的功能和相互作用注释 | OCELOT系统通过整合先验知识，显著提高了预测质量，并在实验中表现优于其他方法 | NA | 开发一种能够考虑现有知识约束的预测框架，以提高机器生成注释的质量 | 全基因组蛋白质的功能和相互作用注释 | 机器学习 | NA | NA | NA | 序列 | 酵母基因组 | NA | NA | NA | NA |
| 17 | 2024-08-07 |
Deep convolutional neural networks for mammography: advances, challenges and applications
2019-Jun-06, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-019-2823-4
PMID:31167642
|
综述 | 本文详细回顾了深度卷积神经网络（CNNs）在乳腺X线摄影图像分析中的应用，包括其优势、局限性和性能 | 总结了83项研究中应用CNNs在乳腺摄影中的最佳实践，以提高诊断准确性，并深入探讨了用于各种任务的CNNs架构 | 指出了当前研究中存在的挑战和需要进一步探索的方向 | 旨在为乳腺摄影研究社区提供当前和未来研究的基石，并指导选择最适合的数据库 | 乳腺X线摄影图像分析 | 计算机视觉 | 乳腺癌 | 深度学习（DL），卷积神经网络（CNN） | CNN | 图像 | 涉及83项研究 | NA | NA | NA | NA |
| 18 | 2024-08-07 |
Deep learning as a predictive tool for fetal heart pregnancy following time-lapse incubation and blastocyst transfer
2019-06-04, Human reproduction (Oxford, England)
DOI:10.1093/humrep/dez064
PMID:31111884
|
研究论文 | 本研究开发了一种名为IVY的深度学习模型，能够从原始时间流逝视频中直接预测胎儿心脏妊娠的概率，无需任何手动形态动力学注释或囊胚形态评估。 | 该模型提供了一个客观且完全自动化的系统，用于从时间流逝视频中预测妊娠概率，避免了传统方法中的人为主观性和变异性。 | 本研究为回顾性分析，显示了深度学习模型的高预测能力，但其临床影响尚不确定，需要进一步的前瞻性随机对照试验来评估其临床意义。此外，模型目前仅适用于第5天的胚胎，对于第3天移植的情况需要额外调整。 | 开发一种深度学习模型，用于从时间流逝视频中预测胎儿心脏妊娠的概率。 | 时间流逝视频和临床结果。 | 机器学习 | NA | 深度学习 | 深度学习模型 | 视频 | 10,638个胚胎 | NA | NA | NA | NA |
| 19 | 2024-08-07 |
Biomedical Image Processing with Containers and Deep Learning: An Automated Analysis Pipeline: Data architecture, artificial intelligence, automated processing, containerization, and clusters orchestration ease the transition from data acquisition to insights in medium-to-large datasets
2019-06, BioEssays : news and reviews in molecular, cellular and developmental biology
IF:3.2Q1
DOI:10.1002/bies.201900004
PMID:31094000
|
研究论文 | 本文介绍了一种结合数据管理、人工智能、容器化、集群编排和质量控制的统一分析管道，用于处理中型到大型生物医学图像数据集 | 提出了一个结合多种技术的新型分析方法，能够加速研究进程 | NA | 开发一种自动化的分析管道，以简化从数据采集到洞察的过程 | 中型到大型生物医学图像数据集 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 20 | 2024-08-07 |
DeepConv-DTI: Prediction of drug-target interactions via deep learning with convolution on protein sequences
2019-06, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1007129
PMID:31199797
|
研究论文 | 本文提出了一种基于深度学习的药物-靶点相互作用预测模型DeepConv-DTI，通过在蛋白质序列上进行卷积操作来捕捉参与药物-靶点相互作用的蛋白质局部残基模式 | 该模型在原始蛋白质序列上执行卷积操作，能够捕捉到更广泛的蛋白质类别中的局部残基模式，并且在预测性能上优于以往基于蛋白质描述符的模型和近期开发的深度学习模型 | NA | 开发一种新的计算模型，用于提高药物-靶点相互作用的预测准确性 | 药物-靶点相互作用 | 机器学习 | NA | 卷积神经网络(CNN) | CNN | 蛋白质序列 | 大规模的药物-靶点相互作用信息 | NA | NA | NA | NA |