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 147 篇文献，本页显示第 21 - 40 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2025-10-07 |
Few-shot learning using explainable Siamese twin network for the automated classification of blood cells
2023-Jun, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-023-02804-3
PMID:36800155
|
研究论文 | 提出基于可解释孪生网络的小样本学习方法用于血细胞自动分类 | 使用对比学习的孪生网络在少量图像上训练，并提出新的类别激活映射方案增强模型可解释性 | 仅使用健康外周血细胞图像，未涉及病理状态细胞 | 开发小样本学习方法实现血细胞自动分类 | 健康外周血细胞 | 计算机视觉 | 血液疾病 | 显微成像 | Siamese网络 | 图像 | 17,092张公开细胞组织学图像（6%训练，6%验证，88%测试） | NA | EfficientNet-B3 | 准确率 | NA |
| 22 | 2025-02-21 |
Automatic Detection of Abnormal EEG Signals Using WaveNet and LSTM
2023-Jun-27, Sensors (Basel, Switzerland)
DOI:10.3390/s23135960
PMID:37447810
|
研究论文 | 本文提出了一种结合WaveNet和LSTM的深度学习模型，用于自动检测异常的原始EEG数据 | 提出了一种新颖的深度学习模型，结合WaveNet和LSTM，用于自动检测异常的EEG数据，并通过多个消融实验验证了模型各部分的有效性和重要性 | 未提及具体的研究限制 | 自动化诊断过程，早期准确识别脑电图（EEG）记录中的脑病理特征 | 异常的原始EEG数据 | 机器学习 | 神经系统疾病 | 深度学习 | WaveNet, LSTM | EEG信号 | 使用TUH异常EEG语料库V.2.0.0（TUAB）和另一个独立数据集TUEP进行评估 | NA | NA | NA | NA |
| 23 | 2025-02-21 |
A deep learning network based on CNN and sliding window LSTM for spike sorting
2023-06, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2023.106879
PMID:37080004
|
研究论文 | 本文提出了一种基于CNN和滑动窗口LSTM的深度学习网络，用于神经信号解码中的尖峰排序 | 结合CNN和LSTM进行尖峰排序和分类，提高了模型的准确性和鲁棒性 | 在高噪声水平下，召回率有所下降 | 开发一种准确且具有泛化能力的自动尖峰排序算法 | 神经信号中的尖峰 | 机器学习 | NA | NA | CNN, LSTM | 神经信号数据 | 模拟数据和实验数据 | NA | NA | NA | NA |
| 24 | 2025-10-07 |
Deep learning enables fast, gentle STED microscopy
2023-06-27, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-023-05054-z
PMID:37369761
|
研究论文 | 本研究利用深度学习技术提升STED显微镜成像效率，通过降低像素驻留时间减轻光漂白和光损伤 | 首次将深度学习应用于STED图像恢复，将像素驻留时间降低1-2个数量级 | NA | 开发能够减轻光损伤并实现长时间成像的STED显微镜增强方法 | 亚细胞结构（特别是线粒体动力学） | 计算机视觉 | NA | STED显微镜 | 深度学习 | 2D和3D显微镜图像 | NA | NA | NA | NA | NA |
| 25 | 2025-10-07 |
Deep-learning-assisted reconfigurable metasurface antenna for real-time holographic beam steering
2023-Jun, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2022-0789
PMID:39633750
|
研究论文 | 提出一种基于深度学习的可重构超表面天线，实现实时全息波束控制 | 将自编码器与电磁散射方程结合，替代传统迭代方法，实现实时确定超原子状态 | 需验证玻恩近似在具体应用场景中的有效性 | 开发实时全息波束控制技术 | 可重构偶极子阵列超表面天线 | 机器学习 | NA | 深度学习，电磁散射计算 | 自编码器 | 电磁场模式数据 | NA | NA | 自编码器 | 计算时间（200微秒） | NA |
| 26 | 2025-10-07 |
A deep neural network for general scattering matrix
2023-Jun, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2022-0770
PMID:39633768
|
研究论文 | 开发了一种深度神经网络用于快速计算任意散射体的散射矩阵 | 首次使用深度神经网络计算非对称散射体的散射矩阵，速度比有限元求解器快数千倍，且自动满足能量守恒、时间反演和互易性等基本物理原理 | NA | 解决散射矩阵计算的高计算成本问题 | 任意形状的散射体 | 机器学习 | NA | 深度神经网络 | DNN | 数值模拟数据 | NA | NA | 深度神经网络 | 计算速度比较 | NA |
| 27 | 2025-10-07 |
Digital labeling for 3D histology: segmenting blood vessels without a vascular contrast agent using deep learning
2023-Jun-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.480230
PMID:37342724
|
研究论文 | 提出一种基于深度学习的数字标记方法，可在无需血管造影剂的情况下对3D组织中的血管进行分割 | 使用回归损失而非传统分割损失训练U-net架构，仅依赖自发荧光信号和DAPI核染色实现血管分割 | 方法目前仅验证于血管结构，未来需扩展至其他生物结构 | 开发无需血管造影剂的3D组织血管分割方法 | 完整组织样本中的血管结构 | 数字病理学 | NA | 光学组织透明化，3D荧光显微镜，自发荧光成像 | CNN | 3D荧光显微镜图像 | NA | NA | U-net | 血管检测准确率，血管长度密度，血管方向准确性 | NA |
| 28 | 2024-12-12 |
Geometric Deep Learning for Unsupervised Registration of Diffusion Magnetic Resonance Images
2023-Jun, Information processing in medical imaging : proceedings of the ... conference
DOI:10.1007/978-3-031-34048-2_43
PMID:38205236
|
研究论文 | 本文提出了首个端到端的基于几何深度学习的非刚性配准模型，用于扩散磁共振图像（dMRI）中的纤维方向分布场（fODF） | 首次提出了一种基于几何深度学习的非刚性配准模型，能够对扩散MRI中的fODF进行无监督配准，并引入了新的可微分层用于局部雅可比估计和重定向 | NA | 开发一种快速且准确的非刚性配准算法，用于扩散磁共振图像 | 扩散磁共振图像中的纤维方向分布场（fODF） | 计算机视觉 | NA | 扩散磁共振成像（dMRI） | 几何深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 29 | 2024-12-11 |
Label- and slide-free tissue histology using 3D epi-mode quantitative phase imaging and virtual H&E staining
2023-Jun-01, ArXiv
PMID:37396611
|
研究论文 | 本文提出了一种结合3D定量相位成像技术和无监督生成对抗网络的方法，将未染色厚组织的相位图像转换为虚拟H&E染色图像 | 首次将3D定量相位成像技术与无监督生成对抗网络结合，实现了无需染色和载玻片的组织病理学分析 | 需要进一步验证该方法在不同类型组织和疾病中的适用性 | 开发一种无需染色和载玻片的组织病理学分析方法，以提高诊断效率和降低成本 | 小鼠肝脏、大鼠胶质肉瘤和人类胶质瘤的新鲜组织样本 | 数字病理学 | NA | 3D定量相位成像技术（qOBM） | 生成对抗网络（GAN） | 图像 | 小鼠肝脏、大鼠胶质肉瘤和人类胶质瘤的新鲜组织样本 | NA | NA | NA | NA |
| 30 | 2024-11-14 |
Thyroid Cytopathology Cancer Diagnosis from Smartphone Images Using Machine Learning
2023-06, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2023.100129
PMID:36931041
|
研究论文 | 研究使用智能手机图像进行甲状腺细胞病理学癌症诊断的深度学习模型性能 | 通过颜色增强训练减少了模型对手机和扫描仪图像颜色差异的敏感性，提高了智能手机图像的诊断性能 | 研究仅限于甲状腺细胞病理学，且样本量较小 | 评估深度学习模型在智能手机图像上进行甲状腺细胞病理学癌症诊断的性能 | 甲状腺细针穿刺活检图像 | 机器学习 | 甲状腺癌 | 深度学习 | NA | 图像 | 训练集包含964张高分辨率扫描图像，测试集包含100张幻灯片，每张幻灯片20个感兴趣区域 | NA | NA | NA | NA |
| 31 | 2024-10-30 |
Employing Deep Learning Model to Evaluate Speech Information in Acoustic Simulations of Auditory Implants
2023-Jun-29, Research square
DOI:10.21203/rs.3.rs-3085032/v1
PMID:37461629
|
研究论文 | 本文提出了一种利用深度学习模型评估听觉植入设备声学模拟中语音信息的新方法 | 本文创新性地使用深度学习语音识别模型替代实际人类参与者进行听觉植入设备的声学模拟，显著提高了模拟效率并降低了成本 | 本文未详细讨论深度学习模型在极端条件下的表现，以及模型与真实人类感知之间的细微差异 | 旨在开发一种高效且准确的听觉植入设备声学模拟评估方法 | 听觉植入设备的声学模拟及其对语音感知的影响 | 机器学习 | NA | 深度学习 | 深度学习模型 | 语音 | NA | NA | NA | NA | NA |
| 32 | 2024-10-20 |
MCP-Net: Introducing Patlak Loss Optimization to Whole-body Dynamic PET Inter-frame Motion Correction
2023-Jun-27, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3290003
PMID:37368811
|
研究论文 | 提出了一种集成Patlak损失优化的神经网络框架MCP-Net，用于全身动态PET图像的帧间运动校正 | 直接减少Patlak拟合误差，并结合了功能信息，提高了模型的性能和泛化能力 | NA | 改进全身动态PET图像的帧间运动校正，提高参数成像的准确性 | 全身动态PET图像的帧间运动校正 | 计算机视觉 | NA | 动态正电子发射断层扫描（PET） | 神经网络 | 图像 | NA | NA | NA | NA | NA |
| 33 | 2024-10-15 |
A bibliometric analysis of worldwide cancer research using machine learning methods
2023-Jun, Cancer innovation
DOI:10.1002/cai2.68
PMID:38089405
|
研究论文 | 本文通过文献计量分析方法，研究了2011年至2021年间使用机器学习方法进行癌症研究的全球趋势和热点 | 本文首次对全球范围内使用机器学习方法进行癌症研究的文献进行了全面的文献计量分析，揭示了该领域的研究热点和发展趋势 | 本文仅基于PubMed数据库中的6206篇文献进行分析，可能未能涵盖所有相关研究 | 分析全球范围内使用机器学习方法进行癌症研究的最新研究现状、主要研究主题、主题演变、研究合作和潜在研究方向 | 2011年至2021年间PubMed数据库中收集的6206篇关于使用机器学习方法进行癌症研究的文献 | 机器学习 | 癌症 | 文献计量分析 | Latent Dirichlet Allocation | 文本 | 6206篇文献 | NA | NA | NA | NA |
| 34 | 2024-10-08 |
DrugEx: Deep Learning Models and Tools for Exploration of Drug-Like Chemical Space
2023-06-26, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c00434
PMID:37272707
|
研究论文 | 介绍了一个名为DrugEx的开源软件包，用于多目标强化学习，以探索药物样化学空间 | 整合并重新设计了先前DrugEx论文中的脚本，包括多种生成器架构、多种评分工具和多目标优化方法，提供了一个灵活的应用编程接口和图形用户界面GenUI | NA | 开发一个用户友好且易于定制的药物设计工具 | 药物样化学空间中的新分子发现 | 机器学习 | NA | 多目标强化学习 | 多种生成器架构 | NA | NA | NA | NA | NA | NA |
| 35 | 2024-10-02 |
Real-time face mask position recognition system based on MobileNet model
2023-Jun, Smart health (Amsterdam, Netherlands)
DOI:10.1016/j.smhl.2023.100382
PMID:36743719
|
研究论文 | 本文开发并评估了一个基于MobileNet模型的实时口罩佩戴位置识别系统 | 提出了通过微调预训练的MobileNet模型来实现高精度的口罩佩戴位置识别，并开发了一个实时系统 | 未提及 | 开发一个能够自动识别口罩佩戴位置的系统，以确保人们在公共场所正确佩戴口罩 | 口罩佩戴位置的识别 | 计算机视觉 | NA | 深度学习 | MobileNet | 图像 | 391名不同年龄和性别的个体 | NA | NA | NA | NA |
| 36 | 2024-10-01 |
Deep learning for deterioration prediction of COVID-19 patients based on time-series of three vital signs
2023-06-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-37013-3
PMID:37339986
|
研究论文 | 研究开发并比较了两种预测COVID-19患者恶化的模型，基于时间序列的三种生命体征数据 | 提出了基于最少数据（如生命体征）的恶化预测模型，适用于远程医疗解决方案 | 研究仅限于特定数据集和特定时间段内的恶化预测 | 开发和评估基于最少数据的COVID-19患者恶化预测模型 | COVID-19患者的生命体征数据和基本患者信息 | 机器学习 | COVID-19 | NA | LSTM和TCN | 时间序列数据 | 37,006名COVID-19患者 | NA | NA | NA | NA |
| 37 | 2024-10-01 |
Developing an Artificial Intelligence-Based Representation of a Virtual Patient Model for Real-Time Diagnosis of Acute Respiratory Distress Syndrome
2023-Jun-17, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics13122098
PMID:37370993
|
研究论文 | 本文开发了一种基于深度学习的虚拟患者模型，用于实时诊断急性呼吸窘迫综合征 | 利用深度学习技术开发了一个轻量级的虚拟患者模型，与原始模拟器相比具有相当的准确性 | NA | 开发一种基于人工智能的虚拟患者模型，用于实时诊断急性呼吸窘迫综合征 | 急性呼吸窘迫综合征的诊断和治疗 | 机器学习 | 急性呼吸窘迫综合征 | 深度学习 | 深度学习模型 | 虚拟患者数据 | NA | NA | NA | NA | NA |
| 38 | 2024-10-01 |
Ensemble Deep Learning Derived from Transfer Learning for Classification of COVID-19 Patients on Hybrid Deep-Learning-Based Lung Segmentation: A Data Augmentation and Balancing Framework
2023-Jun-02, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics13111954
PMID:37296806
|
研究论文 | 本文研究了基于迁移学习的集成深度学习在混合深度学习肺部分割框架下对COVID-19患者分类的应用 | 本文提出了一种集成深度学习方法，通过数据增强和平衡框架，验证了其在COVID-19分类中的优越性 | NA | 验证集成深度学习在COVID-19分类中的优越性 | COVID-19患者的肺部CT图像分类 | 计算机视觉 | COVID-19 | 深度学习 | ResNet-UNet | 图像 | 12,000张CT切片，来自克罗地亚和意大利的多中心数据集 | NA | NA | NA | NA |
| 39 | 2024-10-01 |
Brain Tumor Classification based on Improved Stacked Ensemble Deep Learning Methods
2023-Jun-01, Asian Pacific journal of cancer prevention : APJCP
DOI:10.31557/APJCP.2023.24.6.2141
PMID:37378946
|
研究论文 | 本文研究了基于改进的堆叠集成深度学习方法的脑肿瘤分类 | 提出了改进的堆叠集成深度学习模型，结合了VGG19、Inception v3和Resnet 10三种模型，提高了分类准确率 | NA | 提高脑肿瘤分类的准确性，辅助放射科医生和其他医疗专业人员进行脑肿瘤的识别和分类 | 脑肿瘤的分类 | 机器学习 | 脑肿瘤 | 堆叠集成深度学习技术 | CNN | 图像 | 数据集来自Kaggle，包含异常和正常脑部的两类数据 | NA | NA | NA | NA |
| 40 | 2024-09-30 |
PPAD: a deep learning architecture to predict progression of Alzheimer's disease
2023-06-30, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btad249
PMID:37387135
|
研究论文 | 本文提出了一种基于深度学习的架构，用于预测阿尔茨海默病的进展 | 本文提出了两种基于RNN的深度学习架构，即PPAD和PPAD-Autoencoder，用于早期预测从轻度认知障碍到阿尔茨海默病的转换，并解决了电子健康记录数据中时间间隔不规则的问题 | NA | 开发早期预测轻度认知障碍患者转换为阿尔茨海默病的方法 | 轻度认知障碍患者和阿尔茨海默病 | 机器学习 | 阿尔茨海默病 | RNN | RNN | 电子健康记录 | 使用了阿尔茨海默病神经影像学倡议和国家阿尔茨海默病协调中心的数据集 | NA | NA | NA | NA |