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 12039 篇文献，本页显示第 2001 - 2020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2001 | 2025-03-08 |
Machine learning for automated classification of lung collagen in a urethane-induced lung injury mouse model
2024-Oct-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.527972
PMID:39421774
|
研究论文 | 本文提出了一种基于机器学习的自动化评分框架，用于评估小鼠肺损伤模型中的肺胶原含量 | 利用预训练的VGG16模型和统计特征结合的方法，以及采用无监督技术进行图像分析，提高了肺胶原含量评估的准确性和效率 | 研究依赖于小鼠模型，可能无法完全反映人类肺疾病的情况 | 开发自动化评分系统以提高肺胶原含量评估的准确性和一致性 | 成年雌性小鼠的肺切片图像 | 数字病理学 | 肺癌 | SHG显微镜 | VGG16, SVM | 图像 | NA | NA | NA | NA | NA |
| 2002 | 2025-03-08 |
DeepEnzyme: a robust deep learning model for improved enzyme turnover number prediction by utilizing features of protein 3D-structures
2024-Jul-25, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae409
PMID:39162313
|
研究论文 | 本文介绍了一种名为DeepEnzyme的深度学习模型，该模型结合了Transformer和图卷积网络（GCN），用于提高酶周转数（kcat）的预测准确性 | DeepEnzyme模型通过整合蛋白质序列和3D结构特征，显著提高了对低序列相似性酶的预测准确性和鲁棒性，并能够评估点突变对酶催化活性的影响 | NA | 提高酶周转数（kcat）的预测准确性和鲁棒性，以促进蛋白质工程和合成生物学领域的研究 | 酶的周转数（kcat） | 机器学习 | NA | 深度学习 | Transformer, GCN | 蛋白质序列和3D结构数据 | NA | NA | NA | NA | NA |
| 2003 | 2025-03-08 |
Deep Learning-Augmented ECG Analysis for Screening and Genotype Prediction of Congenital Long QT Syndrome
2024-Apr-01, JAMA cardiology
IF:14.8Q1
DOI:10.1001/jamacardio.2024.0039
PMID:38446445
|
研究论文 | 本文开发了一种基于深度学习的神经网络，用于通过12导联心电图识别先天性长QT综合征（LQTS）并区分其基因型（LQTS1和LQTS2） | 使用卷积神经网络（CNN）进行LQTS的检测和基因型区分，超越了传统的QTc间期检测方法 | 需要在未选择的普通人群中进行更广泛的验证以支持该模型的应用 | 开发一种深度学习模型，用于从静息心电图中检测先天性长QT综合征并区分其基因型 | 先天性长QT综合征患者及其亲属 | 数字病理学 | 心血管疾病 | 卷积神经网络（CNN） | CNN | 心电图（ECG） | 4521份心电图来自990名患者 | NA | NA | NA | NA |
| 2004 | 2025-10-07 |
COVID-19 Detection From Respiratory Sounds With Hierarchical Spectrogram Transformers
2024-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3339700
PMID:38051612
|
研究论文 | 提出一种基于分层频谱图变换器的深度学习方法，通过咳嗽或呼吸音频检测COVID-19 | 首次将分层频谱图变换器应用于呼吸音分析，通过逐步扩大注意力窗口捕获局部到全局的声学特征 | 依赖众包多国数据集，未说明模型在临床环境中的实际部署效果 | 开发基于呼吸音的非接触式COVID-19早期筛查方法 | COVID-19患者与健康对照组的咳嗽和呼吸音频 | 自然语言处理 | COVID-19 | 音频信号处理 | Transformer | 音频 | 众包多国数据集（未明确具体样本量） | NA | 分层频谱图变换器（HST） | AUC | NA |
| 2005 | 2025-10-07 |
Exploring the Value of MRI Measurement of Hippocampal Volume for Predicting the Occurrence and Progression of Alzheimer's Disease Based on Artificial Intelligence Deep Learning Technology and Evidence-Based Medicine Meta-Analysis
2024, Journal of Alzheimer's disease : JAD
DOI:10.3233/JAD-230733
PMID:38277290
|
研究论文 | 基于人工智能深度学习技术和循证医学Meta分析，探索MRI海马体体积测量对阿尔茨海默病发生和进展的预测价值 | 结合三种卷积神经网络模型与系统Meta分析，首次在多中心大样本数据中验证MRI海马体体积测量对AD预测的临床价值 | 研究依赖公开数据库数据，未包含所有AD亚型；Meta分析仅纳入23篇文献，可能存在发表偏倚 | 评估基于MRI的海马体体积测量在预测阿尔茨海默病发生和进展中的价值 | 483名AD患者、756名轻度认知障碍患者和968名正常对照者 | 医学影像分析 | 阿尔茨海默病 | 结构磁共振成像 | CNN | 医学影像 | 2207名受试者（483 AD + 756 MCI + 968 NC） | TensorFlow, PyTorch | InceptionResNetv2, Densenet169, SEResNet50 | 准确率, AUC | NA |
| 2006 | 2025-10-07 |
Addressing grading bias in rock climbing: machine and deep learning approaches
2024, Frontiers in sports and active living
IF:2.3Q2
DOI:10.3389/fspor.2024.1512010
PMID:40046938
|
综述 | 本文综述了机器学习和深度学习在解决攀岩路线难度评级主观性问题中的应用 | 首次系统分类并比较了三种不同视角（路线中心、攀登者中心、路径查找与生成）的机器学习方法在攀岩难度评级中的应用 | NA | 通过机器学习和深度学习技术建立标准化的攀岩路线难度确定方法 | 攀岩路线难度评级系统 | 自然语言处理, 机器学习 | NA | 自然语言处理, 深度学习 | 循环神经网络 | NA | NA | NA | NA | NA | NA |
| 2007 | 2025-03-06 |
Evaluating inter- and intra-rater reliability in assessing upper limb compensatory movements post-stroke: creating a ground truth through video analysis?
2024-Dec-20, Journal of neuroengineering and rehabilitation
IF:5.2Q1
DOI:10.1186/s12984-024-01506-7
PMID:39702329
|
研究论文 | 本研究通过视频分析评估职业和物理治疗师在评估中风后上肢补偿运动时的评分者间和评分者内可靠性 | 使用深度学习方法和广义线性混合效应模型评估补偿运动的可靠性，为自动评估补偿运动建立基础 | 研究结果的可信区间较宽，可能影响结果的可靠性，且仅基于治疗师的评分无法推荐建立自动评估补偿运动的基准 | 评估职业和物理治疗师在评估中风后上肢补偿运动时的评分者间和评分者内可靠性 | 七名轻度至中度上肢运动障碍的中风患者 | 数字病理 | 中风 | 视频分析 | 广义线性混合效应模型 | 视频 | 七名中风患者和二十二名治疗师 | NA | NA | NA | NA |
| 2008 | 2025-03-06 |
Lazy Resampling: Fast and information preserving preprocessing for deep learning
2024-Dec, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108422
PMID:39395305
|
研究论文 | 本文介绍了一种名为Lazy Resampling的软件，旨在优化深度学习中的预处理步骤，减少信息损失并简化流程设计 | Lazy Resampling通过将空间预处理操作重新表述为图形管道，减少了管道执行时间和信号退化，使裁剪等操作变为非破坏性 | 尽管Lazy Resampling在减少信息损失和简化流程设计方面表现出色，但其在医学影像等领域的广泛应用仍需进一步验证 | 优化深度学习中的预处理步骤，减少信息损失并简化流程设计 | 医学影像数据 | 计算机视觉 | NA | 深度学习 | UNet | 图像 | Medical Segmentation Decathlon数据集 | NA | NA | NA | NA |
| 2009 | 2025-03-06 |
Fully Automated Region-Specific Human-Perceptive-Equivalent Image Quality Assessment: Application to 18 F-FDG PET Scans
2024-Dec-01, Clinical nuclear medicine
IF:9.6Q1
DOI:10.1097/RLU.0000000000005526
PMID:39466652
|
研究论文 | 本文提出了一种全自动框架，用于对全身18 F-FDG PET扫描进行区域图像质量评估（IQA） | 该框架能够在日常临床图像采集过程中即时识别低质量扫描，并在人工智能驱动的18 F-FDG PET分析模型开发中通过拒绝低质量图像和带有伪影的图像来构建干净的数据集 | 研究样本量相对较小，且未对不同模型之间的性能差异进行深入分析 | 开发一种全自动且与人类感知等效的模型，用于对18 F-FDG PET图像进行区域图像质量评估 | 87名患者的174张18 F-FDG PET图像 | 数字病理学 | NA | 深度学习（DL）和放射组学机器学习（radiomics-ML） | 深度学习模型和机器学习模型 | 图像 | 87名患者的174张18 F-FDG PET图像 | NA | NA | NA | NA |
| 2010 | 2025-03-06 |
Lightweight Transformer exhibits comparable performance to LLMs for Seizure Prediction: A case for light-weight models for EEG data
2024-Dec, Proceedings : ... IEEE International Conference on Big Data. IEEE International Conference on Big Data
|
研究论文 | 本文提出了一种轻量级Transformer架构，用于实时EEG数据的癫痫发作预测，并与多种深度学习模型进行了性能比较 | 提出了一种轻量级Transformer架构，具有更小的模型尺寸和更低的计算负载，能够在实时推理中表现优异 | EEG传感器数据质量的可变性、不同癫痫和发作特征、缺乏标注数据集和ML-ready基准 | 开发一种能够在有限硬件计算能力下实时推理的轻量级模型，用于癫痫发作预测 | 癫痫患者的EEG数据 | 机器学习 | 癫痫 | 深度学习 | Transformer, ResNet, ViT, LLM | EEG数据 | MLSPred-Bench数据集，包含12个基准测试 | NA | NA | NA | NA |
| 2011 | 2025-03-06 |
PTransIPs: Identification of Phosphorylation Sites Enhanced by Protein PLM Embeddings
2024-06, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3377362
PMID:38483806
|
研究论文 | 本研究开发了一个名为PTransIPs的深度学习框架，用于识别磷酸化位点，该框架在独立测试中表现优于现有最先进方法 | PTransIPs首次将蛋白质预训练语言模型（PLM）嵌入应用于此任务，结合了Transformer架构和卷积神经网络，并采用了TIM损失函数进行优化 | NA | 开发一个深度学习框架以准确识别磷酸化位点，从而揭示细胞内的分子机制和病毒感染过程中的关键点 | 磷酸化位点 | 生物信息学 | NA | 深度学习 | Transformer, CNN | 蛋白质序列和结构数据 | NA | NA | NA | NA | NA |
| 2012 | 2025-03-06 |
Preliminary Results: Comparison of Convolutional Neural Network Architectures as an Auxiliary Clinical Tool Applied to Screening Mammography in Mexican Women
2024-Jun, Journal of medical and biological engineering
IF:1.6Q4
DOI:10.1007/s40846-024-00868-6
PMID:40027073
|
研究论文 | 本研究开发了一种新型卷积神经网络（CNN）用于乳腺X光片的良恶性分类，并与使用迁移学习的预训练CNN模型进行比较 | 开发了一种新型CNN模型，并在墨西哥女性乳腺X光片数据集上进行了训练和验证，填补了该领域的数据和工具空白 | 研究样本量相对较小，且仅使用了两个数据库的数据 | 开发并验证一种新型CNN模型，用于乳腺X光片的良恶性分类 | 乳腺X光片 | 计算机视觉 | 乳腺癌 | 卷积神经网络（CNN） | CNN, DenseNet121, MobileNetV2, ResNet50, VGG16 | 图像 | 1,070张乳腺X光片（来自235名墨西哥患者）和MIAS数据库中的乳腺X光片 | NA | NA | NA | NA |
| 2013 | 2025-03-06 |
From Basic to Extra Features: Hypergraph Transformer Pretrain-then-Finetuning for Balanced Clinical Predictions on EHR
2024-Jun, Proceedings of machine learning research
PMID:40041452
|
研究论文 | 本文提出了一种名为HTP-Star的模型，利用超图结构和预训练-微调框架来建模电子健康记录（EHR）数据，并设计了两种技术以增强模型在微调过程中的鲁棒性 | HTP-Star模型通过超图结构和预训练-微调框架，实现了对EHR数据的建模，并能够无缝整合额外特征，同时在微调过程中增强了模型的鲁棒性 | 未明确提及具体限制 | 研究目的是通过深度学习模型改进对电子健康记录（EHR）数据的处理，以实现更平衡的临床预测 | 电子健康记录（EHR）数据 | 机器学习 | NA | 超图结构、预训练-微调框架 | HTP-Star | 电子健康记录（EHR）数据 | 两个真实的EHR数据集 | NA | NA | NA | NA |
| 2014 | 2025-10-07 |
Automatic segmentation and labelling of wrist bones in four-dimensional computed tomography datasets via deep learning
2024-04, The Journal of hand surgery, European volume
DOI:10.1177/17531934231209876
PMID:37882645
|
研究论文 | 本研究开发了一种深度学习模型，用于从四维计算机断层扫描数据中实现腕骨的自动分割和标记 | 首次将深度学习应用于四维CT数据的腕骨自动分割和标记，为腕韧带损伤诊断提供关键技术支持 | NA | 开发自动分割和标记腕骨的深度学习模型，以支持腕韧带病变的诊断 | 腕骨 | 计算机视觉 | 腕部疾病 | 四维计算机断层扫描 | 深度学习 | 四维CT图像 | NA | NA | NA | NA | NA |
| 2015 | 2025-03-05 |
Decoding Gestures in Electromyography: Spatiotemporal Graph Neural Networks for Generalizable and Interpretable Classification
2024-Dec-30, 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.2024.3523943
PMID:40030831
|
研究论文 | 本文提出了一种基于图卷积网络（GCN）的肌电图（EMG）手势识别方法，旨在解决现有方法在多通道EMG信号处理中的局限性 | 引入了新颖的图结构，以捕捉分布式EMG传感器的空间邻近性和EMG信号的时间邻接性，从而提高了模型的性能、泛化能力和可解释性 | 尽管在五个公开数据集上取得了最先进的性能，但该方法在实际应用中的效果仍需进一步验证 | 提升基于EMG的上肢手势识别系统的性能、泛化能力和可解释性 | 多通道EMG信号 | 机器学习 | NA | 图卷积网络（GCN） | GCN | EMG信号 | 五个公开数据集 | NA | NA | NA | NA |
| 2016 | 2025-03-05 |
A Review of Deep Learning for Video Captioning
2024-Dec-26, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3522295
PMID:40030799
|
综述 | 本文对基于深度学习的视频字幕生成方法进行了全面回顾 | 提供了视频字幕生成领域的详细分类，包括基于注意力的架构、图网络、强化学习、对抗网络和密集视频字幕生成，并讨论了现有数据集和研究空白 | 未提出新的方法或模型，仅对现有研究进行总结和分类 | 回顾和分类视频字幕生成领域的深度学习方法 | 视频字幕生成方法 | 自然语言处理 | NA | 深度学习 | 基于注意力的架构、图网络、强化学习、对抗网络 | 视频 | NA | NA | NA | NA | NA |
| 2017 | 2025-03-05 |
mm-HrtEMO: Non-Invasive Emotion Recognition via Heart Rate Using mm-Wave Sensing in Diverse Scenarios
2024-Dec-26, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3522316
PMID:40030825
|
研究论文 | 本文提出了一种基于毫米波雷达和深度学习的非接触式、保护隐私的情绪识别框架 | 该框架通过毫米波雷达在动态场景中隔离心率信号，并采用混合1D-CNN和Bi-LSTM模型进行特征提取和时序分析，确保实时性，且不受环境因素如光照或衣物的影响 | NA | 开发一种非侵入式情绪识别系统，适用于医疗、人机交互和教育等多种场景 | 通过毫米波雷达捕捉的心率信号 | 机器学习 | NA | 毫米波雷达 | 1D-CNN, Bi-LSTM | 雷达信号 | NA | NA | NA | NA | NA |
| 2018 | 2025-03-05 |
Deep Learning Based Post-stroke Myoelectric Gesture Recognition: From Feature Construction to Network Design
2024-Dec-23, 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.2024.3521583
PMID:40030685
|
研究论文 | 本文探讨了深度学习在脑卒中后手势识别中的应用，通过收集八名慢性脑卒中患者的表面肌电信号，研究了特征域、数据结构和神经网络架构对识别效果的影响 | 本研究首次全面评估了18种深度学习模型在脑卒中后手势识别中的表现，并分析了两种后处理算法对识别准确率的提升效果 | 研究样本量较小，仅涉及八名慢性脑卒中患者，可能影响结果的普适性 | 探索深度学习在脑卒中后手势识别中的应用，以提高机器人辅助康复的效果 | 八名慢性脑卒中患者的表面肌电信号 | 机器学习 | 脑卒中 | 表面肌电信号(sEMG) | CNN, CNN-LSTM, CNN-LSTM-Attention | 一维和二维图像数据 | 八名慢性脑卒中患者 | NA | NA | NA | NA |
| 2019 | 2025-03-05 |
Naturalistic multimodal emotion data with deep learning can advance the theoretical understanding of emotion
2024-Dec-21, Psychological research
DOI:10.1007/s00426-024-02068-y
PMID:39708231
|
研究论文 | 本文探讨了如何利用深度学习和多模态情感数据来推进情感理论的理解 | 通过整合多模态情感标记数据，包括主观体验、情境因素、脑-身体生理信号和表达行为，深度学习算法能够在多维空间中揭示和映射它们之间的复杂关系，从而提供对情感类别是先天还是后天习得以及情感是否表现出一致性或退化等长期问题的新的、细致入微的见解 | 获取全面的自然主义多模态情感数据仍面临重大挑战，特别是在自然主义多模态情感的同步测量方面需要进一步的技术进步 | 探讨如何利用人工智能，特别是深度学习和多模态情感数据，来克服传统研究方法的局限性，从而推进情感理论的理解 | 情感的多模态标记数据，包括主观体验、情境因素、脑-身体生理信号和表达行为 | 自然语言处理 | NA | 深度学习 | NA | 多模态数据（包括主观体验、情境因素、脑-身体生理信号和表达行为） | NA | NA | NA | NA | NA |
| 2020 | 2025-03-05 |
End-to-End Mandarin Speech Reconstruction Based on Ultrasound Tongue Images Using Deep Learning
2024-Dec-20, 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.2024.3520498
PMID:40030663
|
研究论文 | 本研究提出了一种基于深度学习的端到端方法，利用超声舌图像重建普通话语音 | 使用对抗神经网络构建语音重建模型，包括预训练的特征提取器、上采样块和判别器，以生成高保真度的重建语音 | 未来研究需要集中在喉切除患者的特定条件上，通过扩大训练数据集、研究超声舌成像参数的影响以及进一步优化方法来增强模型性能 | 通过利用发音运动信息有效恢复语音功能，进行语音康复研究 | 喉切除患者 | 自然语言处理 | 喉癌 | 深度学习 | 对抗神经网络 | 超声舌图像和语音数据 | NA | NA | NA | NA | NA |