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 1266 篇文献，本页显示第 241 - 260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 241 | 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 |
| 242 | 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 |
| 243 | 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 |
| 244 | 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 |
| 245 | 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 |
| 246 | 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 |
| 247 | 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 |
| 248 | 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 |
| 249 | 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 |
| 250 | 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 |
| 251 | 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 |
| 252 | 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 |
| 253 | 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 |
| 254 | 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 |
| 255 | 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 |
| 256 | 2025-03-05 |
Diffusion Models as Strong Adversaries
2024-Dec-16, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3514361
PMID:40030592
|
研究论文 | 本文探讨了扩散模型作为强对抗者的能力，特别是在无盒对抗攻击中的应用 | 首次利用扩散模型生成的数据进行无盒对抗攻击，无需访问训练数据集或目标模型 | 研究仅限于ImageNet数据集，未在其他数据集上验证 | 研究扩散模型在对抗攻击中的潜力 | 扩散模型生成的合成数据集 | 计算机视觉 | NA | 扩散模型 | 扩散模型 | 图像 | ImageNet数据集 | NA | NA | NA | NA |
| 257 | 2025-03-05 |
Transformer-Based Approach for Predicting Transactive Energy in Neurorehabilitation
2024-Dec-11, 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.2024.3515175
PMID:40030465
|
研究论文 | 本文提出了一种基于Transformer的模型，用于预测神经康复中的交易能量，以增强人机交互的安全性和个性化 | 引入了交易能量的概念，并开发了基于Transformer的模型来预测交易势能，为个性化机器人控制提供了新的方法 | 模型仅在踝关节康复机器人上进行了实验，样本量较小，且仅涉及中风患者 | 增强物理人机交互（pHRI）的安全性和个性化 | 中风患者和踝关节康复机器人 | 机器学习 | 中风 | 深度学习 | Transformer | 实验数据 | 5名中风患者 | NA | NA | NA | NA |
| 258 | 2025-03-05 |
DREAM-PCD: Deep Reconstruction and Enhancement of mmWave Radar Pointcloud
2024-Dec-11, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3512356
PMID:40030488
|
研究论文 | 本文提出了一种名为DREAM-PCD的新框架，用于实时3D环境感知，结合信号处理和深度学习方法，解决了毫米波雷达点云重建中的三大挑战 | DREAM-PCD框架通过非相干累积、合成孔径累积和实时去噪多帧网络，解决了毫米波雷达点云重建中的镜面信息丢失、低角分辨率和严重干扰问题，显著提高了泛化性能和实时能力 | NA | 提高毫米波雷达点云的重建质量和实时能力，以应对复杂环境下的3D感知需求 | 毫米波雷达点云 | 计算机视觉 | NA | 信号处理和深度学习方法 | NA | 毫米波雷达点云数据 | 超过1,000,000帧的毫米波室内数据集RadarEyes | NA | NA | NA | NA |
| 259 | 2025-03-05 |
Continuous Estimation of Hand Kinematics from Electromyographic Signals based on Power-and Time-Efficient Transformer Deep Learning Network
2024-Dec-10, 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.2024.3514938
PMID:40030573
|
研究论文 | 本文提出了一种基于Transformer深度学习网络的高效方法，用于从表面肌电信号中连续估计手部运动学，旨在提高模型效率和准确性 | 采用EMSA（高效多重自注意力）和剪枝机制，同时提高效率和准确性，适用于可穿戴设备的实时应用 | 研究主要基于Ninapro DB2数据集，可能在其他数据集上的泛化能力有待验证 | 提高从表面肌电信号中估计手指关节角度的模型效率和准确性，以满足可穿戴设备的实时应用需求 | 表面肌电信号（sEMG） | 机器学习 | NA | 深度学习 | Transformer | 信号数据 | 38名受试者的Ninapro DB2数据集 | NA | NA | NA | NA |
| 260 | 2025-03-05 |
"Understanding Robustness Lottery": A Geometric Visual Comparative Analysis of Neural Network Pruning Approaches
2024-Dec-09, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2024.3514996
PMID:40030441
|
研究论文 | 本文通过几何视觉比较分析，探讨了神经网络剪枝方法对模型内部特征表示和性能的影响 | 引入了一种高维模型特征空间的视觉几何分析工具，用于比较和突出剪枝对模型性能和特征表示的影响 | 由于神经网络的‘黑箱’性质，对剪枝过程的理解仍然有限 | 揭示不同剪枝方法如何改变网络的内部特征表示及其对模型性能的影响 | 神经网络模型 | 机器学习 | NA | NA | 神经网络 | NA | NA | NA | NA | NA | NA |