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 461 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 | 2025-10-07 |
Spikebench: An open benchmark for spike train time-series classification
2023-01, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1010792
PMID:36626366
|
研究论文 | 提出一个用于脉冲序列时间序列分类的开放基准测试Spikebench | 基于开放获取神经活动数据集构建首个脉冲序列分类基准，包含多种学习任务，并证明基于手工特征工程的方法与最先进深度学习模型性能相当 | NA | 为神经解码领域提供多样化和具有挑战性的基准测试 | 神经脉冲序列数据 | 机器学习 | NA | 神经信号记录 | 决策树集成, 深度神经网络 | 时间序列数据 | NA | NA | NA | NA | NA |
| 102 | 2025-10-07 |
Exploration of the intelligent-auxiliary design of architectural space using artificial intelligence model
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0282158
PMID:36867635
|
研究论文 | 探索基于人工智能模型的建筑空间智能辅助设计方法 | 将AI辅助模型与建筑空间智能深度融合，通过深度学习实现建筑空间的智能设计 | NA | 提高建筑设计行业的效率，促进建筑空间设计的智能化和数字化转型 | 建筑空间设计，三维建筑模型 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 三维模型数据 | UrbanScene3D数据集中的3D模型 | NA | NA | 模型拟合度，智能评分 | NA |
| 103 | 2025-10-07 |
Development and Validation of a Deep Learning Algorithm to Differentiate Colon Carcinoma From Acute Diverticulitis in Computed Tomography Images
2023-01-03, JAMA network open
IF:10.5Q1
|
研究论文 | 开发并验证一种深度学习算法，用于在CT图像中区分结肠癌和急性憩室炎 | 首次开发专门用于区分结肠癌与急性憩室炎的3D卷积神经网络，并通过多经验水平放射科医生的阅读研究验证AI辅助系统的临床价值 | 研究为单中心回顾性研究，样本量相对有限（585例患者），需要进一步多中心前瞻性验证 | 开发AI辅助诊断系统以提高CT图像中结肠病变的鉴别诊断准确性 | 接受手术治疗的结肠癌和急性憩室炎患者 | 计算机视觉 | 结肠癌 | CT成像 | CNN | 3D CT图像 | 585例患者（267例急性憩室炎，318例结肠癌） | NA | 3D卷积神经网络 | 敏感度, 特异度, 阳性预测值, 阴性预测值 | NA |
| 104 | 2025-10-07 |
Quality assessment of VHH models
2023, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2023.2172613
PMID:36752327
|
研究论文 | 评估不同建模方法对单域重链抗体(VHH)结构预测的质量 | 首次系统比较传统同源建模与深度学习建模方法在VHH结构预测中的性能，并引入分子动力学模拟分析结构动态特性 | 仅针对特定类型的抗体结构进行评估，样本数量有限 | 评估和比较不同VHH结构建模方法的预测质量 | 单域重链抗体(VHH/nanobody) | 计算生物学 | NA | 结构建模、分子动力学模拟 | 深度学习、同源建模 | 蛋白质序列和结构数据 | 约一千个VHH实验结构 | Modeller, SwissModel, RoseTTAfold, AlphaFold 2, NanoNet | NA | RMSD, TM-score, GDT-TS, GDT-HA, Protein Blocks距离度量 | NA |
| 105 | 2025-10-07 |
Harnessing the power of AI: Advanced deep learning models optimization for accurate SARS-CoV-2 forecasting
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0287755
PMID:37471397
|
研究论文 | 本研究利用先进深度学习模型预测马来西亚的SARS-CoV-2病例 | 系统比较七种深度学习模型在疫情预测中的表现，并针对马来西亚特定情况优化模型选择 | 研究仅限于马来西亚地区，模型在其他地区的适用性需要进一步验证 | 开发准确可靠的SARS-CoV-2病例预测工具以支持公共卫生决策 | 马来西亚SARS-CoV-2确诊病例及相关影响因素 | 机器学习 | 传染病 | 深度学习 | LSTM, Bi-directional LSTM, CNN, CNN-LSTM, Multilayer Perceptron, GRU, RNN | 确诊病例数据、人口统计数据、社会经济因素数据 | NA | NA | LSTM, Bi-LSTM, CNN, CNN-LSTM, MLP, GRU, RNN | 准确率, 精确度 | NA |
| 106 | 2025-10-07 |
ConceptExplainer: Interactive Explanation for Deep Neural Networks from a Concept Perspective
2023-Jan, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2022.3209384
PMID:36155466
|
研究论文 | 开发了一个名为ConceptExplainer的可视化分析系统，用于从概念角度交互式解释深度神经网络的行为 | 提出了一个交互式概念空间探索系统，能够在实例/类别/全局层面提供细粒度解释，解决了传统方法在全局解释和灵活性方面的不足 | NA | 解决深度神经网络的可解释性问题，帮助模型用户理解模型行为 | 深度神经网络的概念空间和模型行为 | 机器学习 | NA | 可视化分析 | 深度神经网络 | NA | NA | NA | NA | 用户研究验证 | NA |
| 107 | 2025-04-06 |
A Kalman Variational Autoencoder Model Assisted by Odometric Clustering for Video Frame Prediction and Anomaly Detection
2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2022.3229620
PMID:37015405
|
研究论文 | 本文提出了一种结合里程计数据的视频帧预测方法，用于异常检测 | 提出了一种结合里程计聚类和卡尔曼变分自编码器的模型，用于动态任务相关的特征学习 | 实验数据仅限于封闭环境和特定道路场景，可能影响模型的泛化能力 | 开发一种多模态信息融合的视频帧预测方法，用于自动驾驶车辆的异常检测 | 自动驾驶车辆的多模态传感器数据 | 计算机视觉 | NA | 动态贝叶斯网络框架，深度学习 | 卡尔曼变分自编码器，马尔可夫跳跃粒子滤波器 | 视频，里程计数据 | 使用来自封闭环境车辆和University of Alcalá DriveSet数据集的部分数据 | NA | NA | NA | NA |
| 108 | 2025-04-06 |
Unrolled Variational Bayesian Algorithm for Image Blind Deconvolution
2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2022.3224322
PMID:37015435
|
研究论文 | 本文介绍了一种用于图像盲去卷积的变分贝叶斯算法（VBA） | 提出了一种结合平滑先验和仿射约束的VBA通用框架，并将其整合到神经网络范式中，采用展开方法进行训练 | NA | 开发一种高效的图像盲去卷积方法 | 灰度/彩色图像和多种核形状 | 计算机视觉 | NA | 变分贝叶斯算法（VBA） | 神经网络 | 图像 | 涉及多种灰度/彩色图像和核形状的实验 | NA | NA | NA | NA |
| 109 | 2025-04-06 |
Consensus Sparsity: Multi-Context Sparse Image Representation via L∞-Induced Matrix Variate
2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2022.3231083
PMID:37015496
|
研究论文 | 提出了一种基于L∞诱导矩阵变量的共识稀疏性概念，并构建了一个多上下文稀疏图像表示框架 | 首次提出共识稀疏性（Con-sparsity）概念，并通过L∞诱导矩阵变量实现多上下文稀疏性的一致学习 | 未明确说明计算复杂度或实时性能方面的限制 | 改进稀疏表示在图像处理中的应用，实现多上下文稀疏性的一致学习 | 图像数据 | 计算机视觉 | NA | L∞-induced matrix variate, Bayesian inference | MCSIR框架 | 图像 | NA | NA | NA | NA | NA |
| 110 | 2025-04-06 |
Transition Is a Process: Pair-to-Video Change Detection Networks for Very High Resolution Remote Sensing Images
2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2022.3226418
PMID:37015527
|
研究论文 | 本文提出了一种针对高分辨率遥感图像的成对到视频变化检测（P2V-CD）框架，通过构建伪过渡视频来丰富时间信息，并将变化检测视为视频理解问题 | 提出了一个更明确和复杂的时间建模方法，通过构建伪过渡视频来丰富时间信息，并将变化检测问题转化为视频理解问题，同时采用解耦的编码器进行空间和时间识别 | 未提及具体的样本量或数据集的详细描述，可能影响方法的泛化性评估 | 解决现有深度学习变化检测方法中的时间建模不完整和时空耦合问题 | 高分辨率遥感图像 | 计算机视觉 | NA | 深度学习 | P2V-CD框架 | 图像 | NA | NA | NA | NA | NA |
| 111 | 2025-04-06 |
Channel Contribution in Deep Learning Based Automatic Sleep Scoring-How Many Channels Do We Need?
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.2022.3227040
PMID:37015588
|
研究论文 | 本文探讨了基于深度学习的自动睡眠评分中不同通道的贡献，以及多通道多模态模型在睡眠评分中的表现 | 研究了单通道EEG模型的特征是否可提升多通道多模态模型的性能，并利用可解释性方法评估不同通道的贡献 | 未明确提及具体的数据集规模或实验范围的局限性 | 研究多通道多模态模型在睡眠评分中的性能提升及通道贡献 | 多通道多模态睡眠信号数据 | 机器学习 | NA | 深度学习 | CNN, 通道注意力网络 | 多模态睡眠信号数据 | NA | NA | NA | NA | NA |
| 112 | 2025-04-06 |
Physics-Informed Deep Learning for Musculoskeletal Modeling: Predicting Muscle Forces and Joint Kinematics From Surface EMG
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.2022.3226860
PMID:37015568
|
研究论文 | 本文提出了一种基于物理信息的深度学习框架，用于肌肉骨骼建模，通过将物理知识作为软约束引入数据驱动模型，预测肌肉力和关节运动学 | 结合物理知识与深度学习，提出了一种新的肌肉骨骼建模框架，解决了传统物理模型速度慢和数据驱动模型无法反映神经力学过程的局限性 | 实验验证仅基于健康受试者的数据，未涉及功能受损患者 | 开发一种能够实时预测肌肉力和关节运动学的肌肉骨骼建模方法 | 肌肉力和关节运动学的预测 | 机器学习 | NA | 表面肌电图(sEMG) | CNN | 生物信号数据 | 一个基准数据集和六名健康受试者的自收集数据集 | NA | NA | NA | NA |
| 113 | 2025-04-06 |
Multiscale Convolutional Transformer for EEG Classification of Mental Imagery in Different Modalities
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.2022.3229330
PMID:37015688
|
研究论文 | 提出了一种多尺度卷积Transformer模型，用于解码不同模态下的心理想象任务中的EEG信号分类 | 在空间、频谱和时间域上应用多头注意力机制，克服了现有EEG-based transformer模型仅关注时间域的局限性，并能够学习多种类型的神经表征 | 未明确提及具体局限性，但暗示现有BCI系统存在类别数量有限和分类性能低的问题 | 开发一个通用模型来学习各种类型的神经表征，提高脑机接口系统中EEG信号分类的准确性和多样性 | 基于运动想象、视觉想象和言语想象任务的EEG信号 | 脑机接口 | NA | EEG源定位，多尺度卷积Transformer | Transformer，CNN | EEG信号 | 私有EEG数据集、BCI competition IV 2a数据集和亚利桑那州立大学数据集 | NA | NA | NA | NA |
| 114 | 2025-04-06 |
Time-Division Multiplexing Light Field Display With Learned Coded Aperture
2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2022.3203210
PMID:37015682
|
研究论文 | 本文提出了一种新颖的编码时分复用技术，用于解决传统立体显示中的视觉疲劳问题，并通过深度学习优化光场显示流程 | 首次使用深度学习优化光场显示流程，提出编码时分复用技术以解决传统立体显示的视觉疲劳问题 | 未提及具体样本量或实验规模，可能影响结果的普遍性 | 解决传统立体显示中的视觉疲劳问题，提高光场显示的质量 | 光场显示技术及其在立体显示中的应用 | 计算机视觉 | NA | 深度学习，傅里叶光学 | 深度学习模型（未具体说明） | 光场数据 | NA | NA | NA | NA | NA |
| 115 | 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 |
| 116 | 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 |
| 117 | 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 |
| 118 | 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 |
| 119 | 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 |
| 120 | 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 |