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 1267 篇文献，本页显示第 201 - 220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201 | 2025-03-15 |
Magnetic resonance imaging-based machine learning classification of schizophrenia spectrum disorders: a meta-analysis
2024-Dec, Psychiatry and clinical neurosciences
IF:5.0Q1
DOI:10.1111/pcn.13736
PMID:39290174
|
meta-analysis | 本文通过元分析方法评估了基于磁共振成像的多变量模式识别在区分精神分裂症谱系障碍（SSD）患者与健康对照组（HCs）中的可靠性 | 采用多变量模式识别方法克服了传统单变量方法的局限性，并评估了研究特征对分类性能的影响 | 研究存在临床异质性，且分类性能受患者相关和方法学因素的影响 | 评估基于神经影像的生物标志物在区分SSD患者与HCs中的可靠性 | 精神分裂症谱系障碍（SSD）患者和健康对照组（HCs） | machine learning | schizophrenia | magnetic resonance imaging (MRI) | multivariate pattern analysis | neuroimaging data | 12,723 SSD患者和13,196 HCs | NA | NA | NA | NA |
| 202 | 2025-03-15 |
Evaluating the Cumulative Benefit of Inspiratory CT, Expiratory CT, and Clinical Data for COPD Diagnosis and Staging through Deep Learning
2024-Dec, Radiology. Cardiothoracic imaging
DOI:10.1148/ryct.240005
PMID:39665633
|
研究论文 | 本研究通过深度学习评估单相CT、吸气-呼气CT和临床数据在慢性阻塞性肺疾病（COPD）诊断和分期中的累积效益 | 首次结合单相CT、吸气-呼气CT和临床数据，利用卷积神经网络（CNN）进行COPD分期，并评估其诊断准确性 | 研究为回顾性研究，数据来源于特定时间段和人群，可能影响结果的普遍性 | 评估不同CT数据和临床数据在COPD诊断和分期中的效益 | 8893名COPDGene一期队列的参与者 | 数字病理学 | 慢性阻塞性肺疾病 | CT成像 | 卷积神经网络（CNN） | CT图像和临床数据 | 8893名参与者 | NA | NA | NA | NA |
| 203 | 2025-03-15 |
Accelerated Cardiac MRI with Deep Learning-based Image Reconstruction for Cine Imaging
2024-Dec, Radiology. Cardiothoracic imaging
DOI:10.1148/ryct.230419
PMID:39540821
|
研究论文 | 本研究评估了基于深度学习的图像重建对心脏MRI电影序列采集时间、体积结果和图像质量的影响 | 首次在心脏MRI中应用深度学习技术进行图像重建，显著缩短了采集时间，同时保持了图像质量和体积结果的准确性 | 单次心跳的DL电影序列显著低估了射血分数，可能由于乳头肌的分割不同 | 评估深度学习在心脏MRI电影序列中的应用效果 | 55名健康志愿者 | 医学影像 | 心血管疾病 | 深度学习 | NA | 图像 | 55名健康志愿者 | NA | NA | NA | NA |
| 204 | 2025-03-14 |
Hybridization of synergistic swarm and differential evolution with graph convolutional network for distributed denial of service detection and mitigation in IoT environment
2024-Dec-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-81116-4
PMID:39730632
|
研究论文 | 本文提出了一种结合协同群优化、差分进化和图卷积网络的网络攻击检测与缓解技术（SSODE-GCNDM），用于物联网环境中的分布式拒绝服务（DDoS）攻击检测与缓解 | 结合了协同群优化、差分进化和图卷积网络，提出了一种新的DDoS攻击检测与缓解技术，并通过北方苍鹰优化算法对GCN模型的超参数进行微调 | 未提及具体的数据集来源和样本量，可能影响方法的普适性验证 | 检测和缓解物联网环境中的DDoS攻击 | 物联网设备及其网络环境 | 机器学习 | NA | 协同群优化、差分进化、图卷积网络、北方苍鹰优化 | GCN（图卷积网络） | 网络数据 | NA | NA | NA | NA | NA |
| 205 | 2025-03-13 |
Deep Learning Based Shear Wave Detection and Segmentation Tool for Use in Point-of-Care for Chronic Liver Disease Assessments
2024-12, Ultrasound in medicine & biology
|
研究论文 | 本研究开发了一种基于深度学习的剪切波检测和分割工具，用于在慢性肝病评估的即时护理环境中提高肝脏组织的表征准确性 | 该研究创新地使用深度学习算法（U-Net架构）来检测和分割肝脏组织中的剪切波，以提高肝脏硬度和超声衰减测量的准确性 | 研究样本量相对较小，仅包含103名患者的15,045张图像和36名志愿者的4,429张图像，可能影响结果的普遍性 | 开发并测试一种新的软件工具，用于在即时护理环境中更准确地评估代谢功能障碍相关的脂肪性肝病（MASLD）患者的肝脏状况 | 代谢功能障碍相关的脂肪性肝病（MASLD）患者和志愿者 | 数字病理 | 慢性肝病 | 深度学习 | U-Net | 图像 | 103名患者的15,045张图像和36名志愿者的4,429张图像 | NA | NA | NA | NA |
| 206 | 2025-03-13 |
Automated Field of Interest Determination for Quantitative Ultrasound Analyses of Cervical Tissues: Toward Real-time Clinical Translation in Spontaneous Preterm Birth Risk Assessment
2024-12, Ultrasound in medicine & biology
|
研究论文 | 本研究开发了一种自动确定宫颈感兴趣区域（Auto FOI）的方法，以替代手动绘制感兴趣区域（Manual FOI），用于宫颈定量超声（QUS）分析，以评估自发性早产风险 | 开发了一种基于深度学习的自动确定宫颈感兴趣区域的方法，减少了手动操作的需求，提高了临床应用的可行性 | 研究仅基于527名孕妇的宫颈超声数据，样本量相对较小，且未涉及其他潜在影响因素的分析 | 评估自动确定宫颈感兴趣区域（Auto FOI）与手动绘制感兴趣区域（Manual FOI）在定量超声分析中的一致性，并探讨Auto FOI替代Manual FOI的可行性 | 527名孕妇的宫颈超声数据 | 数字病理 | 早产 | 定量超声（QUS） | 深度学习模型 | 图像 | 527名孕妇的宫颈超声数据 | NA | NA | NA | NA |
| 207 | 2025-03-13 |
Enhancing Multi-Object Detection in Ultrasound Images Through Semi-Supervised Learning, Focal Loss and Relation of Frame
2024-12, Ultrasound in medicine & biology
|
研究论文 | 本文提出了一种基于深度学习的自动化注释系统，用于实时识别肌肉骨骼解剖结构，并通过半监督学习和焦点损失方法提高检测精度 | 引入了半监督学习（SSL）方法显著减少注释时间，采用焦点损失（FL）方法提高困难结构的检测精度，并在推理阶段利用视频帧的时间连续性提高检测效果 | 未提及具体的数据集规模或模型泛化能力的验证 | 通过深度学习技术实时识别肌肉骨骼解剖结构，提高检测精度和效率 | 肌肉骨骼解剖结构 | 计算机视觉 | 肌肉骨骼疾病 | 深度学习 | 深度学习神经网络 | 超声图像 | 仅使用30%的训练数据实现了与监督学习相当的性能 | NA | NA | NA | NA |
| 208 | 2025-10-07 |
SELFNet: Denoising Shear Wave Elastography Using Spatial-temporal Fourier Feature Networks
2024-12, Ultrasound in medicine & biology
|
研究论文 | 提出一种基于物理信息神经网络的空间-时间傅里叶特征网络SELFNet，用于剪切波弹性成像的去噪和位移信号估计 | 首次将空间-时间随机傅里叶特征与物理信息神经网络结合，通过稀疏映射增强鲁棒性，同时学习剪切模量映射 | 仅在组织模拟体模和离体组织数据集上验证，尚未进行临床人体试验 | 开发一种能够有效去除剪切波弹性成像噪声并提高组织刚度估计准确性的方法 | 组织模拟体模中的病变和离体组织 | 医学影像处理 | 癌症, 肝脏疾病 | 剪切波弹性成像 | 物理信息神经网络 | 粒子位移信号, 空间-时间数据 | 组织模拟体模和离体组织数据集 | 物理信息神经网络框架 | SELFNet, 傅里叶特征网络 | 相对ℓ2误差, 重建均方根误差 | NA |
| 209 | 2025-03-12 |
Artificial Intelligence in Histopathology
2024-Dec, Journal of pharmacy & bioallied sciences
DOI:10.4103/jpbs.jpbs_727_24
PMID:40061791
|
综述 | 本文探讨了人工智能在数字病理学中的应用，特别是如何通过深度学习和机器学习技术提高病理切片的成像质量，并帮助医生更快做出诊断 | 本文强调了人工智能在减少病理学家工作量、提高病理报告公正性和一致性方面的潜力，以及通过从易获取数据中识别隐藏信息来影响治疗决策的能力 | 本文未具体提及人工智能在数字病理学中应用的具体技术限制或挑战 | 探讨人工智能在数字病理学中的应用及其对病理诊断和治疗决策的影响 | 数字病理学中的全切片病理图像 | 数字病理学 | NA | 深度学习和机器学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 210 | 2025-03-12 |
A Protocol for Body MRI/CT and Extraction of Imaging-Derived Phenotypes (IDPs) from the China Phenobank Project
2024-Dec, Phenomics (Cham, Switzerland)
DOI:10.1007/s43657-023-00141-x
PMID:40061820
|
研究论文 | 本文描述了中国表型库项目中的全身成像协议及图像处理流程，旨在促进基于该平台的研究规划 | 提出了一个适用于多器官的全身成像协议，并利用深度学习分割模型处理大量数据 | 未提及具体的研究结果或数据验证 | 为基于中国表型库项目平台的研究提供参考 | 心脏、肝脏、脾脏、胰腺、肾脏、肺、前列腺和子宫等多器官 | 数字病理 | NA | MRI, CT | 深度学习分割模型 | 图像 | NA | NA | NA | NA | NA |
| 211 | 2025-10-07 |
Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning
2024-Dec-09, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.05.592587
PMID:38979147
|
研究论文 | 提出基于深度学习的ICoN模型，用于采样高度动态蛋白质的构象集合 | 首次开发能够从分子动力学模拟数据中学习构象变化物理原理的生成式深度学习模型，并能在潜在空间中快速识别具有复杂侧链和骨架排列的新构象 | 模型训练依赖于可用的分子动力学模拟数据，未明确说明计算资源需求 | 研究高度动态蛋白质的构象集合采样方法，理解蛋白质结构-功能关系 | 内在无序蛋白质（IDPs），特别是淀粉样β蛋白（Aβ42）单体 | 机器学习 | 神经退行性疾病 | 分子动力学模拟，生成式深度学习，EPR光谱，氨基酸取代研究 | 生成模型 | 分子动力学模拟轨迹数据 | NA | NA | Internal Coordinate Net (ICoN) | 构象聚类分析，实验验证（EPR和氨基酸取代研究） | NA |
| 212 | 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 |
| 213 | 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 |
| 214 | 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 |
| 215 | 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 |
| 216 | 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 |
| 217 | 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 |
| 218 | 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 |
| 219 | 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 |
| 220 | 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 |