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 12186 篇文献，本页显示第 2601 - 2620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2601 | 2025-10-07 |
Evaluation of preoperative difficult airway prediction methods for adult patients without obvious airway abnormalities: a systematic review and meta-analysis
2024-07-17, BMC anesthesiology
IF:2.3Q2
DOI:10.1186/s12871-024-02627-1
PMID:39020308
|
系统评价与荟萃分析 | 评估成人无显著气道异常患者术前困难气道预测方法的系统评价与荟萃分析 | 首次系统比较11种困难气管插管预测方法，涵盖体格检查、多变量评分系统和影像学检查三大类别 | 研究间存在显著异质性，受样本量和研究设计等因素影响 | 为临床决策选择合适术前困难气管插管预测方法提供循证依据 | 接受各类手术的成人患者（无显著气道异常） | 医学临床研究 | 麻醉相关并发症 | 系统评价、荟萃分析、超声检查 | NA | 临床研究数据 | 686,089例患者（来自227篇文章） | Meta-Disc软件 | NA | 敏感度, 特异度, 阳性似然比, 阴性似然比, 诊断比值比 | NA |
| 2602 | 2025-10-07 |
Data-driven fine-grained region discovery in the mouse brain with transformers
2024-Jun-13, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.05.592608
PMID:38766132
|
研究论文 | 开发了一种基于Transformer的无监督深度学习架构，用于从空间转录组数据中发现小鼠大脑中的精细空间区域 | 提出了无监督训练方案和新型Transformer架构，能够从粗粒度到细粒度识别大脑空间区域，并能发现其他方法无法检测的未编目亚区 | NA | 定义小鼠大脑的空间组织结构 | 小鼠大脑 | 计算生物学 | NA | 空间转录组学 | Transformer | 空间转录组数据 | 多个动物的全脑空间转录组数据集 | NA | Transformer | 与Allen小鼠大脑通用坐标框架版本3(CCFv3)的一致性，视觉可解释性 | NA |
| 2603 | 2025-10-07 |
The human hypothalamus coordinates switching between different survival actions
2024-Jun, PLoS biology
IF:7.8Q1
DOI:10.1371/journal.pbio.3002624
PMID:38941452
|
研究论文 | 本研究首次揭示了人类下丘脑在生存行为切换和动作组织中的关键作用 | 首次在人类中证明下丘脑协调不同生存行为之间的切换，并开发了结合虚拟现实和深度学习分割的独特研究范式 | 下丘脑体积小且组织对比度低，需要特殊成像序列和分割技术，样本量可能有限 | 研究人类下丘脑在生存行为切换中的作用机制 | 人类志愿者在虚拟环境中对捕食者或猎物的行为反应 | 计算神经科学 | NA | 功能磁共振成像，深度学习分割，多体素模式分析 | 计算模型，深度学习 | 脑成像数据，行为数据 | 2个实验中的志愿者（具体数量未明确说明） | NA | NA | 行为解码准确性，模式分析效果 | NA |
| 2604 | 2025-10-07 |
Adaptive Tensor-Based Feature Extraction for Pupil Segmentation in Cataract Surgery
2024-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3345837
PMID:38127596
|
研究论文 | 提出一种自适应小波张量特征提取方法，用于提高白内障手术视频中瞳孔分割的准确性 | 首次构建三阶张量来表示空间信息、颜色通道和小波子带之间的相关性，并采用高阶奇异值分解自适应消除冗余信息 | 方法在白内障手术特定场景下开发，在其他眼科手术或医学图像分割任务中的泛化能力需要进一步验证 | 提高白内障手术视频中瞳孔分割的准确性和鲁棒性 | 白内障手术视频中的瞳孔区域 | 计算机视觉 | 白内障 | 小波变换，张量分析 | 深度学习分割模型 | 手术视频图像 | BigCat数据集：190例白内障手术的5,700张标注图像；公共CaDIS数据集 | NA | NA | Dice系数，统计显著性检验 | NA |
| 2605 | 2025-10-07 |
Synthesizing 3D Multi-Contrast Brain Tumor MRIs Using Tumor Mask Conditioning
2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3009331
PMID:38715792
|
研究论文 | 本研究开发了一种基于肿瘤掩码条件的3D多对比度脑肿瘤MRI生成方法 | 将2D潜在扩散模型适配用于生成3D多对比度脑肿瘤MRI数据，并在DPM的UNet骨干中集成条件模块以捕获语义类别依赖的数据分布 | NA | 解决脑肿瘤MRI数据稀缺和数据不平衡问题，增强训练数据可用性 | 脑肿瘤MRI数据 | 医学影像生成 | 脑肿瘤 | 扩散概率模型，生成式人工智能 | 扩散模型，自编码器 | 3D多对比度脑肿瘤MRI图像 | TCGA公共数据集和德克萨斯大学西南医学中心内部数据集 | NA | UNet，3D自编码器，3D扩散概率模型 | Fréchet Inception Distance (FID) | NA |
| 2606 | 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 |
| 2607 | 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 |
| 2608 | 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 |
| 2609 | 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 |
| 2610 | 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 |
| 2611 | 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 |
| 2612 | 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 |
| 2613 | 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 |
| 2614 | 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 |
| 2615 | 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 |
| 2616 | 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 |
| 2617 | 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 |
| 2618 | 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 |
| 2619 | 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 |
| 2620 | 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 |