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 2292 篇文献，本页显示第 461 - 480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 461 | 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 |
| 462 | 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 |
| 463 | 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 |
| 464 | 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 |
| 465 | 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 |
| 466 | 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 |
| 467 | 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 |
| 468 | 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 |
| 469 | 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 |
| 470 | 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 |
| 471 | 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 |
| 472 | 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 |
| 473 | 2025-04-04 |
Accurate prediction of protein tertiary structural changes induced by single-site mutations with equivariant graph neural networks
2023-Oct-13, bioRxiv : the preprint server for biology
DOI:10.1101/2023.10.03.560758
PMID:37873289
|
research paper | 开发了一种基于等变图神经网络（EGNN）的深度学习方法，用于直接预测单点突变引起的蛋白质三级结构变化 | 首次使用等变图神经网络（EGNN）直接预测单点突变引起的蛋白质三级结构变化，并显著优于广泛使用的蛋白质结构预测方法AlphaFold | 未提及该方法在复杂突变或多点突变情况下的表现 | 研究蛋白质单点突变引起的三级结构变化 | 蛋白质及其单点突变体 | machine learning | NA | equivariant graph neural networks (EGNN) | EGNN | protein tertiary structure data | NA | NA | NA | NA | NA |
| 474 | 2025-04-04 |
Rapid 3D T1 mapping using deep learning-assisted Look-Locker inversion recovery MRI
2023-08, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.29672
PMID:37125662
|
研究论文 | 提出了一种基于深度学习的快速3D T1映射方法，无需延迟时间即可进行MRI成像 | 利用深度学习学习T1*到T1的转换，消除了传统方法中需要的延迟时间，从而缩短了扫描时间 | 训练数据仅包含39个GraspT1-TD6数据集和14个GraspT1-TD0数据集，样本量相对较小 | 开发一种更高效和稳健的3D LLIR T1映射方法 | MRI成像中的T1映射 | 医学影像分析 | NA | 深度学习辅助的Look-Locker反转恢复MRI | 深度学习模型 | MRI图像 | 39个GraspT1-TD6数据集和14个GraspT1-TD0数据集 | NA | NA | NA | NA |
| 475 | 2025-04-04 |
Machine Learning for Adrenal Gland Segmentation and Classification of Normal and Adrenal Masses at CT
2023-Feb, Radiology
IF:12.1Q1
DOI:10.1148/radiol.220101
PMID:36125375
|
研究论文 | 本研究开发了一种机器学习算法，用于在增强CT图像上分割肾上腺并分类正常和含肿块的肾上腺 | 提出了一种两阶段的机器学习流程，能够自动分割肾上腺并区分正常肾上腺和含肿块的肾上腺 | 在二次测试集上的分类敏感性较低（69%） | 开发一种用于肾上腺分割和分类的机器学习算法 | 增强CT图像中的肾上腺 | 计算机视觉 | 肾上腺疾病 | 深度学习 | 深度学习分割和分类模型 | CT图像 | 开发数据集包含274例CT检查（251名患者），二次测试集包含991例CT检查（991名患者） | NA | NA | NA | NA |
| 476 | 2024-08-07 |
Correlating Deep Learning-Based Automated Reference Kidney Histomorphometry with Patient Demographics and Creatinine
2023-12-01, Kidney360
IF:3.2Q1
DOI:10.34067/KID.0000000000000299
PMID:37966063
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 477 | 2025-10-07 |
Deep learning approximation of attenuation maps for myocardial perfusion SPECT with an IQ
⋅
⋅
SPECT collimator
2023-08-28, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-023-00568-1
PMID:37639082
|
研究论文 | 本研究使用深度学习技术从非衰减校正的SPECT重建图像中近似估计衰减图 | 首次证明了在配备IQ SPECT准直器的SPECT扫描仪上使用深度学习近似衰减图的可行性 | 研究为回顾性研究，样本量相对有限 | 研究是否可以从非衰减校正的SPECT重建图像中近似估计衰减图 | 心肌灌注SPECT成像 | 医学影像分析 | 心血管疾病 | SPECT成像，深度学习 | U-Net, GAN | 医学影像 | 150项研究 | 条件生成对抗网络框架 | U-Net | 归一化平均绝对误差，绝对百分比误差 | NA |
| 478 | 2025-10-07 |
Integrative dissection of gene regulatory elements at base resolution
2023-Jun-14, Cell genomics
IF:11.1Q1
DOI:10.1016/j.xgen.2023.100318
PMID:37388913
|
研究论文 | 本研究结合表观遗传扰动、碱基编辑和深度学习技术，在CD69免疫基因座中解析关键调控元件 | 首次将表观遗传扰动、碱基编辑和深度学习相结合，在天然染色质环境中系统解析调控元件的功能基础 | 研究主要聚焦于Jurkat T细胞中的CD69基因座，尚未在其他细胞类型或基因座中验证 | 解析基因调控元件的序列基序和单个碱基功能 | CD69免疫基因座的调控序列 | 机器学习 | NA | 表观遗传扰动, 碱基编辑, 深度学习 | 深度学习 | 表观遗传数据, 基因表达数据 | Jurkat T细胞系 | NA | NA | NA | NA |
| 479 | 2025-10-07 |
Machine learning applications for early detection of esophageal cancer: a systematic review
2023-07-17, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-023-02235-y
PMID:37460991
|
系统综述 | 系统综述了机器学习在食管癌早期检测中的应用现状 | 首次系统评估机器学习特别是卷积神经网络在食管癌早期检测中的性能表现 | 现有文献有限，存在类别不平衡和偏差问题，需要跨机构验证 | 总结和讨论基于机器学习的食管癌早期检测方法研究现状 | 食管癌早期检测相关研究文献 | 计算机视觉 | 食管癌 | 内窥镜成像，计算机断层扫描 | CNN | 医学图像 | 31篇研究文章 | NA | 卷积神经网络 | 准确率，灵敏度 | NA |
| 480 | 2025-10-07 |
Deep learning in digital pathology for personalized treatment plans of cancer patients
2023-Mar, Seminars in diagnostic pathology
IF:2.9Q2
DOI:10.1053/j.semdp.2023.02.003
PMID:36890029
|
综述 | 本文综述了基于数字病理学中深度学习技术通过H&E染色病理图像进行生物标志物量化与治疗反应预测的研究进展 | 利用人工智能方法实现病理图像中生物标志物的自动量化，为癌症患者提供更高效客观的个性化治疗计划制定方案 | NA | 改善癌症患者个性化治疗方案的选择 | 癌症患者的H&E染色病理图像 | 数字病理学 | 癌症 | H&E染色 | 深度学习 | 病理图像 | NA | NA | NA | NA | NA |