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 451 篇文献，本页显示第 101 - 120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 101 | 2025-04-06 |
SIR: Self-Supervised Image Rectification via Seeing the Same Scene From Multiple Different Lenses
2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2022.3231087
PMID:37018554
|
research paper | 提出了一种基于自监督学习的图像矫正方法SIR，通过从不同镜头观察同一场景来实现图像矫正 | 提出了一种新的自监督学习方案，无需真实失真参数或正常图像作为监督信号，通过多镜头一致性实现图像矫正 | 可能对特定失真模型的通用性有限，且缺乏对失真和矫正过程的显式建模 | 提高图像矫正模型在真实世界鱼眼图像上的泛化能力 | 失真图像及其矫正结果 | computer vision | NA | 自监督学习 | 共享编码器和多个预测头的网络架构 | 图像 | 合成数据集和真实世界鱼眼图像 | NA | NA | NA | NA |
| 102 | 2025-04-06 |
TRNR: Task-Driven Image Rain and Noise Removal With a Few Images Based on Patch Analysis
2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2022.3232943
PMID:37018333
|
research paper | 提出了一种基于补丁分析的任务驱动图像去雨和去噪方法（TRNR），以减少对大型标注数据集的依赖 | 引入了补丁分析策略和N-frequency-K-shot学习任务，提高了图像利用率，使神经网络能在少量数据下有效学习 | 未明确提及具体限制，但实验仅基于少量图像（如Rain100H数据集的20%训练集） | 减少深度学习模型对大型标注数据集的依赖，提高图像去雨和去噪的效率 | 图像去雨和去噪 | computer vision | NA | patch analysis策略，N-frequency-K-shot学习任务 | Multi-Scale Residual Network (MSResNet) | image | 少量图像（如Rain100H数据集的20%训练集） | NA | NA | NA | NA |
| 103 | 2025-04-06 |
Detection of Brain Abnormalities in Parkinson's Rats by Combining Deep Learning and Motion Tracking
2023, 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.2023.3237916
PMID:37021880
|
研究论文 | 结合深度学习和运动追踪技术检测帕金森病大鼠的脑部异常 | 提出了一种端到端的CNN-BGRU深度学习模型，用于从3D坐标信息中提取时空信息并进行分类 | 研究仅使用了6-OHDA处理的大鼠模型，未涉及其他帕金森病动物模型或人类患者数据 | 开发一种新的临床检测帕金森综合征的方法 | 6-OHDA处理的帕金森病大鼠模型和健康大鼠 | 计算机视觉 | 帕金森病 | 三维运动捕捉技术 | CNN-BGRU | 3D坐标信息 | 未明确提及样本数量，仅提到病鼠和健康鼠 | NA | NA | NA | NA |
| 104 | 2025-04-06 |
Schizo-Net: A novel Schizophrenia Diagnosis Framework Using Late Fusion Multimodal Deep Learning on Electroencephalogram-Based Brain Connectivity Indices
2023, 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.2023.3237375
PMID:37022027
|
研究论文 | 提出了一种基于多模态深度学习的晚期融合框架Schizo-Net，用于通过脑电图(EEG)的脑连接指数诊断精神分裂症 | 首次考虑大量脑连接指数用于精神分裂症诊断，并采用晚期融合多模态深度学习框架 | NA | 开发高准确度和可靠的精神分裂症诊断模型 | 精神分裂症患者和健康受试者的EEG数据 | 机器学习 | 精神分裂症 | EEG信号处理和深度学习 | 多模态深度学习框架(六种不同架构) | EEG信号 | NA | NA | NA | NA | NA |
| 105 | 2025-04-06 |
Interpretable Multi-Modal Image Registration Network Based on Disentangled Convolutional Sparse Coding
2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2023.3240024
PMID:37022244
|
研究论文 | 提出了一种基于解缠卷积稀疏编码的可解释多模态图像配准网络（InMIR-Net），用于解决多模态图像配准问题 | 首次将多模态图像配准问题建模为解缠卷积稀疏编码（DCSC）模型，并设计了一个伴随指导网络（AG-Net）来监督RA特征的提取 | 未提及具体的数据集规模限制或计算资源需求 | 提高多模态图像配准的准确性和效率，同时增强模型的可解释性 | 多模态图像，包括RGB/深度图像、RGB/近红外（NIR）图像、RGB/多光谱图像、T1/T2加权磁共振（MR）图像和CT/MR图像 | 计算机视觉 | NA | 解缠卷积稀疏编码（DCSC） | InMIR-Net, AG-Net | 多模态图像 | NA | NA | NA | NA | NA |
| 106 | 2025-04-06 |
Deep Face Video Inpainting via UV Mapping
2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2023.3240835
PMID:37022429
|
research paper | 提出了一种基于UV映射的两阶段深度学习方法，用于面部视频修复 | 利用3DMM作为3D面部先验，在UV空间进行面部修复，减少姿势和表情变化的影响，并引入帧间注意力模块利用相邻帧的对应关系 | 未明确提及具体局限性 | 解决面部视频修复问题，特别是在大姿态和表情变化下的修复效果 | 面部视频 | computer vision | NA | deep learning | CNN | video | 未明确提及样本数量 | NA | NA | NA | NA |
| 107 | 2025-04-06 |
Self-Supervised Learning for Label- Efficient Sleep Stage Classification: A Comprehensive Evaluation
2023, 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.2023.3245285
PMID:37022869
|
研究论文 | 本文评估了自监督学习在少量标签情况下提升睡眠阶段分类模型性能的效果 | 利用自监督学习解决睡眠阶段分类中标签稀缺问题，仅需5%的标签数据即可达到与全标签监督训练相当的性能 | 研究仅基于三个睡眠阶段分类数据集，可能无法覆盖所有实际应用场景 | 探索自监督学习在脑电信号睡眠阶段分类中的应用效果 | 脑电信号(EEG)睡眠阶段分类模型 | 机器学习 | 睡眠障碍 | 自监督学习(SSL) | 深度学习模型 | EEG信号 | 三个SSC数据集 | NA | NA | NA | NA |
| 108 | 2025-04-06 |
A Model Combining Multi Branch Spectral-Temporal CNN, Efficient Channel Attention, and LightGBM for MI-BCI Classification
2023, 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.2023.3243992
PMID:37022898
|
研究论文 | 提出了一种结合多分支谱时CNN、高效通道注意力和LightGBM的模型，用于解码运动想象脑机接口任务 | 提出了一种新的端到端深度学习模型MBSTCNN-ECA-LightGBM，结合多分支CNN、高效通道注意力机制和LightGBM，显著提高了MI-BCI任务的解码准确率 | 未提及模型在不同噪声水平或不同受试者群体中的泛化能力 | 提高运动想象脑机接口任务的解码准确率 | 运动想象脑电图信号 | 脑机接口 | NA | EEG信号处理 | MBSTCNN-ECA-LightGBM（多分支谱时CNN、高效通道注意力机制、LightGBM） | 脑电图信号 | 未明确提及具体样本数量，但使用了受试者内跨会话训练策略 | NA | NA | NA | NA |
| 109 | 2025-04-06 |
MRCPs-and-ERS/D-Oscillations-Driven Deep Learning Models for Decoding Unimanual and Bimanual Movements
2023, 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.2023.3245617
PMID:37027527
|
研究论文 | 提出了一种基于运动相关皮层电位（MRCPs）和事件相关同步/去同步（ERS/D）振荡的深度学习模型，用于解码单侧和双侧手部运动意图 | 首次将MRCPs和ERS/D振荡融合到深度学习中，以提高多类别单侧和双侧手部运动解码的性能 | 未提及具体样本量或数据集的局限性 | 提高脑机接口（BCI）中单侧和双侧手部运动意图的解码性能 | 脑电图（EEG）信号中的单侧和双侧手部运动意图 | 脑机接口 | 神经系统疾病 | EEG信号分析 | CNN | EEG信号 | NA | NA | NA | NA | NA |
| 110 | 2025-04-06 |
Toward Adversarial Robustness in Unlabeled Target Domains
2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2023.3242141
PMID:37022907
|
研究论文 | 本文提出了一种名为无监督跨域对抗训练（UCAT）的新框架，用于解决在未标记目标域中进行对抗训练的问题 | UCAT框架通过利用标记源域的知识，结合自动选择的高质量伪标签和源域数据的判别性锚表示，有效防止对抗样本误导训练过程 | 未明确提及具体限制，但可能包括对源域和目标域之间分布差异的敏感性 | 提高深度学习模型在未标记目标域中对对抗攻击的鲁棒性 | 深度学习模型在跨域环境中的对抗训练 | 机器学习 | NA | 对抗训练（AT） | 深度学习模型 | 未标记目标域数据和标记源域数据 | 四个公共基准数据集 | NA | NA | NA | NA |
| 111 | 2025-04-06 |
Connections Between Deep Equilibrium and Sparse Representation Models With Application to Hyperspectral Image Denoising
2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2023.3245323
PMID:37027683
|
研究论文 | 本研究探讨了多维视觉数据的稀疏表示问题，提出了一种新的计算高效稀疏编码优化方法，并应用于高光谱图像去噪 | 结合可学习正则化技术与神经网络作为结构先验，开发了基于深度展开和深度均衡的算法，在稀疏表示理论与深度学习建模之间建立了桥梁 | 未明确提及具体的数据集规模限制或计算资源需求 | 解决多维视觉数据（如高光谱图像）的稀疏表示与去噪问题 | 多维视觉数据（高光谱图像、彩色图像或视频数据） | 计算机视觉 | NA | 稀疏编码优化、深度学习建模 | 深度展开算法、深度均衡算法 | 图像（高光谱图像、彩色图像、视频数据） | 未明确提及具体样本量 | NA | NA | NA | NA |
| 112 | 2025-04-06 |
Integrated Multiscale Domain Adaptive YOLO
2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2023.3255106
PMID:37028346
|
研究论文 | 本文提出了一种新颖的多尺度域自适应YOLO框架（MS-DAYOLO），用于解决深度学习应用中的域偏移问题 | 引入了三种新颖的深度学习架构用于域适应网络（DAN），包括渐进特征缩减（PFR）、统一分类器（UC）和集成架构 | NA | 解决深度学习中的域偏移问题，提升目标检测性能 | YOLOv4目标检测器 | 计算机视觉 | NA | 深度学习 | YOLOv4, Faster R-CNN | 图像 | 流行数据集（未具体说明数量） | NA | NA | NA | NA |
| 113 | 2025-04-06 |
MDTL: A Novel and Model-Agnostic Transfer Learning Strategy for Cross-Subject Motor Imagery BCI
2023, 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.2023.3259730
PMID:37030758
|
研究论文 | 提出了一种新颖且模型无关的迁移学习策略MDTL，用于跨被试运动想象脑机接口 | MDTL策略利用多源域数据到目标域以及多源域之间的迁移，具有模型无关性，能快速部署于现有模型 | 未明确提及具体局限性 | 提升跨被试运动想象脑机接口的性能并减少准备时间 | 运动想象脑机接口系统 | 机器学习 | NA | 迁移学习 | DeepConvNet, ShallowConvNet, EEGNet | EEG信号 | 两个公开的运动想象数据集（BCIC IV dataset 2a和Lee2019） | NA | NA | NA | NA |
| 114 | 2025-04-06 |
Tolerating Annotation Displacement in Dense Object Counting via Point Annotation Probability Map
2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2023.3331908
PMID:37971907
|
研究论文 | 本文提出了一种通过点标注概率图（PAPM）来容忍密集物体计数中标注位移的方法 | 利用广义高斯分布（GGD）函数构建学习目标点标注概率图（PAPM），以提高对标注位移的鲁棒性 | 手设计的PAPM方法可能对特定网络和数据集不是最优的 | 提高密集物体计数中对标注位移的鲁棒性 | 拥挤场景中的物体计数 | 计算机视觉 | NA | 广义高斯分布（GGD） | P2PNet | 图像 | NA | NA | NA | NA | NA |
| 115 | 2025-10-07 |
Neurodegeneration: 2023 update
2023-Jan, Free neuropathology
|
综述 | 本文回顾了2023年神经退行性神经病理学领域十项具有高度影响力的研究 | 整合了蛋白质组学与转录组学研究、提出新的神经病理学诊断标准、揭示TDP-43抑制隐蔽外显子包含的新致病机制、通过冷冻电镜发现TDP-43阳性包涵体核心结构 | 研究选择基于作者主观判断，可能未涵盖所有重要进展；聚焦人类组织研究，可能忽略其他模型系统的发现 | 总结神经退行性疾病领域最新研究进展 | 人类神经退行性疾病组织样本 | 数字病理学 | 老年性疾病 | 蛋白质组学, 转录组学, 冷冻电镜, 功能基因组学, 深度学习 | 多示例学习 | 组织样本, 蛋白质数据, 基因表达数据, 图像数据 | NA | NA | NA | NA | NA |
| 116 | 2025-10-07 |
Artificial intelligence-based locoregional markers of brain peritumoral microenvironment
2023-01-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-26448-9
PMID:36653382
|
研究论文 | 开发基于人工智能的脑肿瘤周围微环境标记物，用于评估肿瘤浸润异质性并预测患者生存和分子特征 | 首次提出基于深度学习的肿瘤周围微环境指数(PMI)，通过DTI自由水体积分数图量化肿瘤浸润异质性 | 研究样本量有限(275例)，需要进一步验证在更大多中心队列中的适用性 | 开发定量评估脑肿瘤周围区域浸润异质性的AI标记物，用于临床决策支持 | 275例成人型弥漫性胶质瘤(CNS WHO 4级)患者 | 医学影像分析 | 脑肿瘤 | 弥散张量成像(DTI), 自由水体积分数图谱 | 深度学习 | 医学影像 | 275例成人弥漫性胶质瘤患者 | NA | NA | t检验, Wilcoxon秩和检验, 线性回归, logrank检验, Cox风险比 | NA |
| 117 | 2025-10-07 |
Discovery of a cryptic pocket in the AI-predicted structure of PPM1D phosphatase explains the binding site and potency of its allosteric inhibitors
2023, Frontiers in molecular biosciences
IF:3.9Q2
DOI:10.3389/fmolb.2023.1171143
PMID:37143823
|
研究论文 | 本研究通过分子动力学模拟和深度学习方法，在AlphaFold预测的PPM1D磷酸酶结构中发现了隐式结合口袋，解释了其变构抑制剂的结合位点和效力机制 | 结合AlphaFold预测结构、分子动力学模拟和深度学习，首次揭示了PPM1D磷酸酶中隐式结合口袋的存在及其与变构抑制剂的作用机制 | 研究基于计算预测和模拟，缺乏实验结构验证；仅针对PPM1D特定蛋白进行研究 | 提高虚拟筛选在有限结构数据情况下的预测能力，探索蛋白质动力学在药物发现中的应用 | PPM1D/Wip1磷酸酶及其变构抑制剂 | 计算生物学 | 癌症 | 分子动力学模拟, 虚拟筛选, 深度学习 | 马尔可夫状态模型, 深度学习模型 | 蛋白质结构数据, 分子对接数据 | 多个PPM1D变构抑制剂化合物 | NA | NA | Kendall τ相关系数 | NA |
| 118 | 2025-10-07 |
SHINE: protein language model-based pathogenicity prediction for short inframe insertion and deletion variants
2023-01-19, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbac584
PMID:36575831
|
研究论文 | 开发基于蛋白质语言模型的短框内插入缺失变异致病性预测工具SHINE | 首次将预训练蛋白质语言模型应用于框内插入缺失变异的致病性预测，通过蛋白质序列和多序列比对构建潜在特征表示 | 训练数据中已知致病性变异数量有限 | 提高短框内插入缺失变异致病性预测的准确性 | 蛋白质序列中的短框内插入缺失变异 | 自然语言处理 | NA | 蛋白质语言模型，多序列比对 | 监督机器学习模型 | 蛋白质序列数据 | 来自ClinVar和gnomAD的培训数据，两个不同来源的测试数据集 | NA | 蛋白质语言模型 | 预测性能 | NA |
| 119 | 2025-10-07 |
An improved beluga whale optimizer-Derived Adaptive multi-channel DeepLabv3+ for semantic segmentation of aerial images
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0290624
PMID:37903154
|
研究论文 | 提出一种基于改进白鲸优化算法的自适应多通道DeepLabv3+模型，用于航空图像的语义分割 | 结合改进白鲸优化算法(IBWO)优化多通道DeepLabv3+的超参数，提高分割精度 | 未明确说明模型在复杂场景下的泛化能力及计算资源需求 | 提升航空遥感图像语义分割的准确性和效率 | 航空遥感图像 | 计算机视觉 | NA | 深度学习 | DeepLabv3+ | 图像 | 两个数据集（未明确具体样本数量） | NA | DeepLabv3+, 自适应多通道架构 | 准确率, Dice系数 | 计算时间113.0123秒（未明确硬件配置） |
| 120 | 2025-10-07 |
Federated learning for diagnosis of age-related macular degeneration
2023, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2023.1259017
PMID:37901412
|
研究论文 | 本文提出了一种联邦学习方法，用于训练深度学习模型对年龄相关性黄斑变性进行光学相干断层扫描图像分类 | 结合四种独特的域适应技术解决多机构数据分布不均导致的域偏移问题，并比较了残差网络和视觉变换器编码器在联邦学习中的表现 | 仅使用二元分类任务，未探索更深层模型和其他联邦学习策略 | 开发保护数据隐私的分布式深度学习模型用于AMD诊断 | 年龄相关性黄斑变性患者的眼科光学相干断层扫描图像 | 计算机视觉 | 年龄相关性黄斑变性 | 光学相干断层扫描 | 深度学习 | 图像 | NA | NA | ResNet, Vision Transformer | NA | NA |