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 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 | 2025-04-27 |
CT-Based Lung Size Matching in Delayed Chest Closure for Systemic Sclerosis Lung Transplantation
2024-Dec, Clinical transplantation
IF:1.9Q3
DOI:10.1111/ctr.70041
PMID:39601250
|
research paper | 本研究探讨了系统性硬化症患者肺移植中延迟胸廓闭合的临床结果、风险因素及基于CT的肺大小匹配参数 | 首次在系统性硬化症患者中研究延迟胸廓闭合的临床结果，并利用深度学习算法自动计算CT影像中的肺和胸腔体积 | 研究为回顾性设计，样本量相对较小（92例患者） | 评估系统性硬化症患者肺移植中延迟胸廓闭合的临床效果和预测因素 | 92例接受双侧肺移植的系统性硬化症患者 | digital pathology | systemic sclerosis | CT成像和深度学习算法 | 深度学习算法（未指定具体模型） | CT影像和临床数据 | 92例系统性硬化症患者（年龄51±10岁，61%为女性） | NA | NA | NA | NA |
| 242 | 2025-04-25 |
A multi-agent reinforcement learning based approach for automatic filter pruning
2024-Dec-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82562-w
PMID:39730902
|
研究论文 | 本文提出了一种基于多智能体强化学习的自动滤波器剪枝方法QMIX_FP，用于深度卷积神经网络的高效部署 | 首次将多智能体强化学习算法QMIX应用于滤波器剪枝，考虑了各卷积层之间的交互作用及其对整体网络的不同敏感性 | 仅在VGG-16和AlexNet两个基准网络上进行了验证，未涉及更复杂的网络结构 | 解决资源受限设备上深度卷积神经网络的高效部署问题 | 深度卷积神经网络(DCNNs)的滤波器剪枝 | 机器学习 | NA | 强化学习(RL)、知识蒸馏 | QMIX、VGG-16、AlexNet | 图像数据 | CIFAR-10和CIFAR-100数据集 | NA | NA | NA | NA |
| 243 | 2025-04-25 |
Deep-DM: Deep-Driven Deformable Model for 3D Image Segmentation Using Limited Data
2024-Dec, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3440171
PMID:39110559
|
研究论文 | 提出了一种名为Deep-DM的深度学习驱动变形模型，用于在有限训练数据下进行3D医学图像分割 | 通过CNN学习能量函数并集成到显式变形模型中，减少了训练数据依赖，提高了小样本下的分割性能 | 需要进一步验证在其他解剖结构和影像模态上的通用性 | 开发一种在有限数据条件下仍能准确分割3D医学图像的方法 | 左心室、胎儿头部（超声）、左心房（MRI）和膀胱（CT） | 数字病理 | NA | 深度学习驱动的变形模型 | CNN | 3D医学图像 | 不同数量的训练体积（具体数量未说明） | NA | NA | NA | NA |
| 244 | 2025-04-25 |
DualStreamFoveaNet: A Dual Stream Fusion Architecture With Anatomical Awareness for Robust Fovea Localization
2024-Dec, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3445112
PMID:39150813
|
研究论文 | 提出一种名为DualStreamFoveaNet的双流融合架构，用于鲁棒的视网膜中央凹定位 | 引入基于transformer的双流编码器，结合空间注意力机制和自学习解剖信息，显著降低计算成本并提高定位鲁棒性 | 未明确提及具体局限性 | 提高视网膜疾病分析中中央凹定位的准确性和鲁棒性 | 视网膜图像（包括正常和病变图像） | 计算机视觉 | 视网膜疾病 | 深度学习 | transformer架构（DualStreamFoveaNet） | 视网膜图像 | 两个公共数据集和一个大规模私有数据集 | NA | NA | NA | NA |
| 245 | 2025-04-25 |
Deep Quasi-Recurrent Self-Attention With Dual Encoder-Decoder in Biomedical CT Image Segmentation
2024-Dec, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3447689
PMID:39172619
|
research paper | 本文提出了一种用于生物医学CT图像分割的深度准循环自注意力与双编码器-解码器结构的新模型 | 首创深度准循环自注意力结构，结合双编码器-解码器，通过参数重用实现学习一致性和快速收敛，并有效处理长距离依赖关系 | 未提及模型在极端噪声或异常解剖结构下的表现，也未讨论计算资源需求 | 提高生物医学CT图像分割的准确性和效率 | 生物医学CT图像 | digital pathology | NA | deep learning | deep quasi-recurrent self-attention with dual encoder-decoder | CT images | 多个公开可用的CT扫描数据集（未提具体数量） | NA | NA | NA | NA |
| 246 | 2025-04-25 |
Advancing Bioactivity Prediction Through Molecular Docking and Self-Attention
2024-Dec, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3448455
PMID:39178096
|
研究论文 | 该研究通过分子对接和自注意力机制提升生物活性预测的准确性 | 首次将药物-靶标相互作用整合到生物活性预测中，设计了DTIGN网络，并利用自注意力机制识别分子对接结果中的结合口袋和姿态 | 研究中使用的原生结构数据有限，可能影响模型的泛化能力 | 提升生物活性预测的准确性，以优化药物发现早期阶段的候选分子筛选 | 蛋白质-配体复合物 | 机器学习 | NA | 分子对接，半监督学习 | DTIGN（药物-靶标相互作用图神经网络），多头自注意力机制 | 蛋白质-配体复合物数据，晶体结构数据库数据 | 建立了独特的基准数据集，与9种领先的基于深度学习的生物活性预测方法进行了比较 | NA | NA | NA | NA |
| 247 | 2025-04-25 |
Transfer Contrastive Learning for Raman Spectroscopy Skin Cancer Tissue Classification
2024-Dec, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3451950
PMID:39208055
|
research paper | 本文提出了一种转移对比学习范式（TCLP），用于解决拉曼光谱（RS）信号在皮肤癌组织分类中的稀缺性和噪声问题 | 结合迁移学习和对比学习，利用来自不同RS设备的相似领域数据预训练模型，并通过对比学习增强RS信号以学习可靠的特征表示 | 未提及具体样本量及噪声水平对模型性能的具体影响 | 提高拉曼光谱信号在皮肤癌组织分类中的准确性和可靠性 | 皮肤癌组织 | machine learning | skin cancer | Raman spectroscopy (RS) | deep learning | RS signals | NA | NA | NA | NA | NA |
| 248 | 2025-04-25 |
Geometric Molecular Graph Representation Learning Model for Drug-Drug Interactions Prediction
2024-Dec, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3453956
PMID:39226203
|
研究论文 | 提出了一种基于几何分子图表示学习的模型（Mol-DDI），用于预测药物-药物相互作用 | 仅考虑分子的共价和非共价键信息，利用大规模模型的预训练思想学习药物分子表示，并在微调过程中预测药物相互作用 | 难以发现新药的相互作用 | 预测潜在的药物相互作用，为系统有效的治疗提供药物组合策略 | 药物分子 | 机器学习 | NA | 几何分子图表示学习 | Mol-DDI | 分子图数据 | 三个数据集 | NA | NA | NA | NA |
| 249 | 2025-04-25 |
DS-MS-TCN: Otago Exercises Recognition With a Dual-Scale Multi-Stage Temporal Convolutional Network
2024-Dec, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3455426
PMID:39240747
|
research paper | 该研究提出了一种双尺度多阶段时间卷积网络（DS-MS-TCN），用于识别老年人日常生活中的Otago锻炼项目（OEP），以提高识别准确性和鲁棒性 | 首次提出通过识别活动的每个重复来增强人类活动识别（HAR）系统的新视角，并设计了一种双尺度多阶段时间卷积网络（DS-MS-TCN）进行两级序列到序列分类 | 研究样本量较小，实验室环境与家庭环境的数据可能存在差异 | 提高Otago锻炼项目（OEP）识别的准确性和鲁棒性，以支持老年人的康复训练 | 社区居住的老年人 | human activity recognition | geriatric disease | Inertial Measurement Unit (IMU) | Dual-Scale Multi-Stage Temporal Convolutional Network (DS-MS-TCN) | sensor data | 36名老年人在实验室环境中参与，另有7名老年人在家庭环境中进行评估 | NA | NA | NA | NA |
| 250 | 2025-04-25 |
MLVICX: Multi-Level Variance-Covariance Exploration for Chest X-Ray Self-Supervised Representation Learning
2024-Dec, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3455337
PMID:39240749
|
research paper | 提出了一种名为MLVICX的自监督学习方法，用于从胸部X光图像中学习丰富的表示 | 引入了一种新颖的多级方差和协方差探索策略，能够有效检测具有诊断意义的模式并减少冗余 | NA | 提升胸部X光图像的自监督表示学习性能，以支持精准医疗诊断和全面图像分析 | 胸部X光图像 | digital pathology | lung cancer | self-supervised learning (SSL) | NA | image | NIH-Chest X-ray, Vinbig-CXR, RSNA pneumonia, SIIM-ACR Pneumothorax datasets | NA | NA | NA | NA |
| 251 | 2025-04-25 |
DPFNet: Fast Reconstruction of Multi-Coil MRI Based on Dual Domain Parallel Fusion Network
2024-Dec, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3446839
PMID:39298305
|
研究论文 | 本文提出了一种新的双域并行融合重建网络（DPFNet），用于快速重建多线圈MRI图像，解决了现有方法在重建细节不足和训练内存占用高等方面的问题 | 提出了一种新的双域并行融合重建网络（DPFNet），包括线圈敏感度图估计模块、双域特征提取模块、双域动态误差校正模块和双域动态融合模块，并引入了新的双域一致性损失函数 | 未明确提及具体局限性 | 提高多线圈MRI图像的重建质量和速度 | 多线圈MRI图像的重建 | 医学影像处理 | 脑部疾病 | MRI | U-Net | MRI图像和K空间数据 | Calgary-Campinas-359脑部MRI数据集 | NA | NA | NA | NA |
| 252 | 2025-04-24 |
Mitigating Aberration-Induced Noise: A Deep Learning-Based Aberration-to- Aberration Approach
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3422027
PMID:38959140
|
研究论文 | 本文提出了一种基于深度学习的无需真实数据的相位像差校正方法 | 首次提出无需真实数据即可校正相位像差的深度学习方法，并设计了自适应混合损失函数以提高性能 | 未明确说明方法在复杂临床环境中的泛化能力 | 解决超声成像中相位像差导致的图像质量下降问题 | 超声成像中的相位像差 | 医学影像处理 | NA | 深度学习 | CNN | 超声射频数据(RF data)和B模式图像 | 超过180,000张带有相位像差的单平面波图像(RF数据) | NA | NA | NA | NA |
| 253 | 2025-04-24 |
PolarFormer: A Transformer-Based Method for Multi-Lesion Segmentation in Intravascular OCT
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3417007
PMID:38900618
|
研究论文 | 提出了一种基于Transformer的多病灶分割方法PolarFormer，用于血管内OCT图像中的多类别易损斑块分割 | 引入了Polar Attention模块，模拟易损斑块在径向的空间关系，并整合了斑块的空间分布先验知识 | 研究受限于公开的大规模多类别易损斑块标注的血管内OCT数据集的缺乏 | 解决血管内OCT图像中多类别易损斑块分割的挑战 | 血管内OCT图像中的多类别易损斑块 | 计算机视觉 | 心血管疾病 | 深度学习 | Transformer | 图像 | 70个回拉数据 | NA | NA | NA | NA |
| 254 | 2025-04-24 |
Uni4Eye++: A General Masked Image Modeling Multi-Modal Pre-Training Framework for Ophthalmic Image Classification and Segmentation
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3422102
PMID:38954581
|
研究论文 | 提出了一种名为Uni4Eye++的通用自监督Transformer框架，用于眼科图像的分类和分割任务 | 采用图像熵引导的掩码策略重建更具信息量的图像块，并引入动态头部生成器模块减轻模态混淆 | 未明确提及具体局限性 | 开发一种能够利用大量未标记眼科图像的自监督学习框架 | 眼科图像（包括2D和3D图像） | 计算机视觉 | 眼科疾病 | 自监督学习（SSL） | Transformer | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 255 | 2025-04-24 |
Multi-Label Chest X-Ray Image Classification With Single Positive Labels
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3421644
PMID:38949934
|
研究论文 | 提出一种名为多级伪标签一致性（MPC）的框架，用于解决胸部X光图像多标签分类中单阳性标签学习（SPML-CXR）的问题 | 引入单阳性多标签学习（SPML）问题到胸部X光图像分类中，并提出MPC框架，结合图像级、特征级和批次级的扰动一致性正则化来恢复潜在的错误标注阳性标签 | 需要进一步验证在更大规模数据集上的泛化能力，以及在实际临床环境中的应用效果 | 解决胸部X光图像多标签分类中标注成本高和噪声标签问题 | 胸部X光图像 | 计算机视觉 | 肺部疾病 | 深度学习 | Transformer | 图像 | CheXpert和MIMIC-CXR数据集 | NA | NA | NA | NA |
| 256 | 2025-04-24 |
STAR-RL: Spatial-Temporal Hierarchical Reinforcement Learning for Interpretable Pathology Image Super-Resolution
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3419809
PMID:38935476
|
研究论文 | 提出了一种名为STAR-RL的空间-时间分层强化学习框架，用于解决病理图像超分辨率问题中的黑盒恢复和资源分配不均问题 | 首次将分层强化学习应用于病理图像超分辨率，提出了空间和时间管理器来指导像素级可解释操作，避免了次优恢复和过度处理问题 | 实验仅在特定退化核下的医学图像上进行验证，未涉及所有可能的临床场景 | 开发可解释的病理图像超分辨率方法以提高诊断准确性 | 病理图像 | 数字病理 | 肿瘤 | 强化学习 | STAR-RL（分层强化学习框架） | 图像 | NA | NA | NA | NA | NA |
| 257 | 2025-04-24 |
Accurate Airway Tree Segmentation in CT Scans via Anatomy-Aware Multi-Class Segmentation and Topology-Guided Iterative Learning
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3419707
PMID:38923479
|
research paper | 提出了一种基于解剖学感知的多类别分割和拓扑引导迭代学习的方法，用于精确分割CT扫描中的气道树 | 结合解剖学感知的多类别分割任务和拓扑引导的迭代自学习方案，有效解决了气道树分割中的类内不平衡和标注不完整问题 | 需要依赖初始伪标签的质量，且计算成本较高 | 提高CT扫描中气道树分割的准确性和完整性，以支持呼吸系统疾病分析 | 胸腔内气道树 | digital pathology | lung cancer | CT扫描 | deep learning | image | 四个数据集（包括两个公共挑战数据集） | NA | NA | NA | NA |
| 258 | 2025-04-24 |
Video-Based Soft Tissue Deformation Tracking for Laparoscopic Augmented Reality-Based Navigation in Kidney Surgery
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3413537
PMID:38865220
|
研究论文 | 本研究提出了一种基于视频的软组织变形追踪增强现实导航系统，用于肾脏腹腔镜手术 | 提出了一种基于深度学习的特征点选择策略，用于提高位移矢量场的准确性，并介绍了一种用于内部结构误差评估的体外实验方法 | NA | 提高腹腔镜肾脏手术中隐藏关键结构的追踪准确性 | 肾脏手术中的软组织变形 | 增强现实 | 肾脏疾病 | 深度学习 | NA | 视频 | 体外和体内实验数据 | NA | NA | NA | NA |
| 259 | 2025-04-24 |
Constraint-Aware Learning for Fractional Flow Reserve Pullback Curve Estimation From Invasive Coronary Imaging
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3412935
PMID:38861432
|
research paper | 提出了一种约束感知学习框架，用于从侵入性冠状动脉成像中估计分数流储备（FFR）回拉曲线 | 结合了几何和物理约束来近似冠状动脉中心线几何结构与FFR值之间的关系，并利用合成数据进行模型训练以减少临床数据收集成本 | 需要进一步验证在更大规模和多中心数据集上的泛化能力 | 提高从侵入性冠状动脉成像中估计FFR回拉曲线的准确性 | 冠状动脉成像数据和FFR回拉曲线 | machine learning | cardiovascular disease | diffusion-driven test-time data adaptation method | deep learning | image | 382名患者的数据集，涵盖三种成像模式 | NA | NA | NA | NA |
| 260 | 2025-04-24 |
SSL-CPCD: Self-Supervised Learning With Composite Pretext-Class Discrimination for Improved Generalisability in Endoscopic Image Analysis
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3411933
PMID:38857149
|
研究论文 | 提出一种结合复合前置任务与类别判别的自监督学习方法，用于提升内窥镜图像分析的泛化能力 | 通过斑块级实例组判别和余弦相似度度量中添加角度间隔惩罚来减少类间差异，创新性地提升模型对相似表征的聚类能力 | 未明确说明方法在计算资源消耗或实时性方面的表现 | 解决内窥镜图像分析中监督学习方法泛化性不足的问题 | 内窥镜图像数据 | 计算机视觉 | 溃疡性结肠炎 | 自监督学习 | SSL-CPCD（提出的新型架构） | 图像 | 未明确说明具体样本量，但提及公开数据集和医院内部数据集 | NA | NA | NA | NA |