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 1401 篇文献，本页显示第 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2025-10-06 |
Cyclic dual latent discovery for improved blood glucose prediction through patient-provider interaction modeling: a prediction study
2025-Apr, Ewha medical journal
IF:0.3Q3
DOI:10.12771/emj.2025.00332
PMID:40703385
|
研究论文 | 提出一种循环双潜在发现(CDLD)深度学习框架，通过建模患者-医护人员交互来改进血糖水平预测 | 首次将患者-医护人员交互建模引入血糖预测框架，采用循环训练机制交替更新患者和医护人员的潜在表示 | 仅使用ICU患者数据，可能限制模型在普通糖尿病患者的泛化能力 | 提高血糖变异性预测准确性以改善糖尿病管理 | ICU患者及其与医护人员的交互记录 | 机器学习 | 糖尿病 | 深度学习 | 深度学习框架 | 电子健康记录，患者-医护人员交互数据 | 来自MIMIC-IV v3.0数据库的约5,014个患者-医护人员交互实例 | NA | 循环双潜在发现(CDLD) | 均方根误差(RMSE) | NA |
| 62 | 2025-10-06 |
SlicesMapi: An Interactive Three-Dimensional Registration Method for Serial Histological Brain Slices
2025-Apr-16, Neuroinformatics
IF:2.7Q3
DOI:10.1007/s12021-025-09724-7
PMID:40240690
|
研究论文 | 提出一种用于序列脑组织切片的三维交互式配准方法SlicesMapi | 通过相邻切片和参考图谱切片的双重约束同时校正3D和2D空间的线性和非线性形变，并采用全分辨率图像配准避免深度学习方法的降采样信息损失 | NA | 解决2D脑切片图像与3D参考脑图谱配准的精度、计算效率和适用性挑战 | 脑组织切片序列 | 数字病理 | NA | 脑切片技术 | NA | 图像 | NA | NA | NA | Dice系数 | NA |
| 63 | 2025-10-06 |
A Non-Invasive Blood Glucose Detection System Based on Photoplethysmogram With Multiple Near-Infrared Sensors
2025-04, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3443317
PMID:39141451
|
研究论文 | 开发了一种结合光电容积脉搏波和多重近红外传感器的无创血糖检测系统 | 首次将光电容积脉搏波与多重近红外传感器相结合，通过轻量级深度学习模型解决单一方法在血糖监测中的局限性 | 样本量较小（仅10名参与者），未考虑更广泛的个体差异和环境因素影响 | 开发高精度的无创血糖检测技术 | 人体血糖水平 | 医疗健康监测 | 糖尿病 | 光电容积脉搏波，多重近红外传感 | 深度学习 | 生理信号数据 | 10名参与者，共约700个数据段（每段约10秒） | NA | 轻量级深度学习模型 | 均方根误差，Parkes误差网格A区准确率 | NA |
| 64 | 2025-10-06 |
Prior Visual-Guided Self-Supervised Learning Enables Color Vignetting Correction for High-Throughput Microscopic Imaging
2025-04, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3471907
PMID:39412976
|
研究论文 | 提出一种自监督深度学习算法VCLUT，用于校正彩色显微图像中的渐晕效应 | 利用显微图像均匀性和渐晕径向衰减特性的先验知识，开发了可同时在单张和多张图像上训练的自监督学习方法 | NA | 开发一种鲁棒高效的彩色显微图像渐晕校正方法 | 彩色显微图像中的渐晕效应 | 数字病理学 | NA | 显微成像 | GAN | 彩色显微图像 | 五种不同生物标本数据 | NA | NA | 定性评估,定量测量 | NA |
| 65 | 2025-10-06 |
ROXSI: Robust Cross-Sequence Semantic Interaction for Brain Tumor Segmentation on Multi-Sequence MR Images
2025-04, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3513479
PMID:40030420
|
研究论文 | 提出一种鲁棒的脑肿瘤分割框架ROXSI，用于处理多序列MR图像中的噪声和伪影问题 | 提出跨序列语义交互模块(CSSI)利用序列间相关性提取抗噪声特征，结合批次级协方差机制和序列级方差正则化机制 | NA | 提高多序列MR图像中脑肿瘤分割的鲁棒性 | 多序列磁共振成像(MRI)中的脑肿瘤 | 计算机视觉 | 脑肿瘤 | 磁共振成像(MRI) | 深度学习 | 医学图像 | 两个基准数据集 | NA | CNN, Transformer | 分割性能评估 | NA |
| 66 | 2025-10-06 |
Decoding SSVEP Via Calibration-Free TFA-Net: A Novel Network Using Time-Frequency Features
2025-04, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3510740
PMID:40030575
|
研究论文 | 提出一种基于时频特征的校准自由TFA-Net网络用于解码稳态视觉诱发电位信号 | 首次提出结合频率注意力和通道重组模块的CNN模型，无需校准阶段即可实现SSVEP信号解码 | 仅在公开数据集上验证，未提及在其他数据集或实际场景中的泛化能力 | 开发无需校准的脑机接口解码方法，提高SSVEP信号识别性能 | 稳态视觉诱发电位信号 | 脑机接口 | NA | 脑电图信号处理 | CNN | 时频域信号 | 公开数据集（具体数量未说明） | NA | TFA-Net | 准确率, 信息传输率 | NA |
| 67 | 2025-10-06 |
SFM-Net: Semantic Feature-Based Multi-Stage Network for Unsupervised Image Registration
2025-04, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3524361
PMID:40030793
|
研究论文 | 提出一种基于语义特征的无监督多阶段图像配准网络SFM-Net，用于解决复杂解剖结构图像间的精细对应问题 | 提出双阶段训练策略和双流特征提取模块，在单一网络中实现从粗到精的多尺度形变场生成 | NA | 改进复杂解剖结构图像的无监督配准精度 | 3D脑部MRI和肝脏CT图像 | 计算机视觉 | NA | NA | CNN, U-Net | 3D医学图像 | NA | NA | U-Net | NA | NA |
| 68 | 2025-10-06 |
Multi-Sensor Wearable Device With Transformer-Powered Two-Stream Fusion Model for Real-Time Leg Workout Monitoring
2025-04, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3524398
PMID:40030794
|
研究论文 | 开发了一种用于腿部锻炼监测的多传感器可穿戴设备，并提出了基于Transformer的双流融合模型TTSF | 提出了Transformer驱动的双流融合模型TTSF，能够高效提取时空特征；开发了具有实时步态分析能力的多模态可穿戴设备 | NA | 通过多传感器融合和深度学习技术推进步态监测与分析 | 腿部锻炼监测和步态分析 | 医疗物联网 | 神经系统疾病 | 多传感器融合 | Transformer | 传感器数据 | NA | NA | Transformer, TTSF | 精确率, 召回率, F1分数 | NA |
| 69 | 2025-10-06 |
Unsupervised Domain Adaptation for Cross-Modality Cerebrovascular Segmentation
2025-04, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3523103
PMID:40030830
|
研究论文 | 提出无监督域自适应框架CereTS用于跨模态脑血管分割 | 采用多级域对齐模式，包括图像级循环几何一致性约束、块级掩码对比约束和特征级语义感知约束 | NA | 解决跨模态脑血管分割中的域差异问题 | 脑血管分割 | 计算机视觉 | 脑血管疾病 | TOF-MRA, CTA | 深度学习 | 医学影像 | 公共TOF-MRA数据集和私有CTA数据集 | NA | CereTS | NA | NA |
| 70 | 2025-10-06 |
A Hybrid Artificial Intelligence System for Automated EEG Background Analysis and Report Generation
2025-04, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3496996
PMID:40030193
|
研究论文 | 提出一种混合人工智能系统，用于自动分析EEG背景活动并生成报告 | 结合深度学习模型与专家设计的异常检测算法，集成PDR预测、无监督伪影去除和报告生成功能 | 局灶性异常检测的改进未达到统计学显著性 | 开发自动EEG背景分析和报告生成系统，解决资源有限医疗机构的EEG解读困难 | 脑电图信号和神经科医生 | 医疗人工智能 | 神经系统疾病 | 脑电图分析 | 深度学习, 集成模型, 大语言模型 | EEG信号 | 1530个标记EEG，内部数据集和天普大学异常EEG语料库 | NA | 集成模型 | MAE, RMSE, 准确率, F1分数 | NA |
| 71 | 2025-10-06 |
EEGDfus: A Conditional Diffusion Model for Fine-Grained EEG Denoising
2025-04, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3504716
PMID:40030273
|
研究论文 | 提出一种用于脑电图精细去噪的条件扩散模型EEGDfus | 将标准扩散模型改进为条件扩散模型，用含噪EEG信息作为条件指导生成干净EEG信号，并设计双分支网络结合CNN和Transformer的优势 | 未明确说明模型计算复杂度及实时处理能力 | 开发更精确的EEG信号去噪方法以提高脑电数据分析质量 | 脑电图信号 | 生物医学信号处理 | NA | 脑电图信号处理 | 条件扩散模型,CNN,Transformer | 脑电图信号数据 | 两个公开数据集EEGdenoiseNet和SSED | NA | 双分支网络架构 | 相关系数 | NA |
| 72 | 2025-10-06 |
From Micro to Meso: A Data-Driven Mesoscopic Region Division Method Based on Functional Connectivity for EEG-Based Driver Fatigue Detection
2025-04, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3504847
PMID:40030270
|
研究论文 | 提出一种基于功能连接性的数据驱动中观区域划分方法，用于EEG脑电信号的驾驶员疲劳检测 | 首次提出基于数据特征和功能连接性的中观区域划分方法，无需依赖任务特定先验知识 | 方法在多样化任务中的泛化能力仍需进一步验证 | 开发更有效的EEG信号处理方法以提升驾驶员疲劳检测性能 | EEG脑电信号和驾驶员疲劳状态 | 脑机接口, 深度学习 | 疲劳状态检测 | EEG脑电信号分析, 功能连接性分析 | GNN | EEG脑电信号 | 公共驾驶员疲劳检测数据集 | NA | 基于功能连接性的图神经网络 | 分类准确率 | NA |
| 73 | 2025-10-06 |
C2BNet: A Deep Learning Architecture With Coupled Composite Backbone for Parasitic Egg Detection in Microscopic Images
2025-04, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3318604
PMID:37747862
|
研究论文 | 提出一种用于显微图像中寄生虫卵检测的深度学习架构C2BNet | 采用双路径结构的耦合复合主干网络，通过模型异质性从不同视角学习目标特征，并提出新颖的特征组合方式实现路径间特征表示能力的相互增强 | NA | 改进显微图像中寄生虫卵检测的模型性能 | 显微图像中的寄生虫卵 | 计算机视觉 | 肠道寄生虫感染 | 显微成像 | 深度学习 | 2D显微图像 | Chula-ParasiteEgg-11数据集 | NA | C2BNet | 检测精度 | NA |
| 74 | 2025-10-06 |
SeqNovo: De Novo Peptide Sequencing Prediction in IoMT via Seq2Seq
2025-04, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3321780
PMID:37792659
|
研究论文 | 提出一种名为SeqNovo的新模型，用于IoMT中的从头肽段测序预测 | 结合Seq2Seq编码-解码结构、多层感知机的高度非线性特性以及注意力机制捕获长程依赖的能力 | NA | 解决现有深度学习模型在肽段测序预测中可解释性差和长程依赖捕获能力不足的问题 | 肽段测序预测 | 自然语言处理 | NA | 从头肽段测序 | Seq2Seq, MLP, 注意力机制 | 序列数据 | NA | NA | Seq2Seq, MLP, 注意力机制 | 准确率 | NA |
| 75 | 2025-10-06 |
Label-Aware Dual Graph Neural Networks for Multi-Label Fundus Image Classification
2025-04, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3457232
PMID:39255075
|
研究论文 | 提出一种用于多标签眼底图像分类的标签感知双图神经网络方法 | 首次将基于人群的图表示学习和基于病理的图表示学习相结合，同时考虑受试者间关联和病理标签共现关系 | 未明确说明模型在临床环境中的泛化能力和计算效率 | 开发更准确的眼底疾病多标签分类方法 | 眼底图像及其相关的多病理标签 | 计算机视觉 | 眼底疾病 | 深度学习 | 图神经网络 | 眼底图像 | NA | NA | 双图神经网络 | NA | NA |
| 76 | 2025-10-06 |
Deep Learning for Predicting Difficulty in Radical Prostatectomy: A Novel Evaluation Scheme
2025-04, Urology
IF:2.1Q2
DOI:10.1016/j.urology.2025.01.028
PMID:39814211
|
研究论文 | 通过两阶段深度学习方法从术前磁共振成像预测根治性前列腺切除术难度 | 提出基于高斯热图的改进PointNet网络间接回归解剖标志点，并创新性地定义了描述前列腺与骨盆空间关系的新评估指标 | 研究样本量相对有限（290例患者），且仅针对两种手术方式（腹腔镜和机器人辅助）进行验证 | 探索评估根治性前列腺切除术难度的新指标 | 接受根治性前列腺切除术的患者 | 医学影像分析 | 前列腺癌 | 磁共振成像 | 深度学习 | 医学影像 | 290例患者（来自两个真实队列） | nnUNet_v2 | nnUNet, PointNet | Dice系数, 毫米级精度 | NA |
| 77 | 2025-10-06 |
A Multi-Model Machine Learning Framework for Identifying Raloxifene as a Novel RNA Polymerase Inhibitor from FDA-Approved Drugs
2025-Apr-28, Current issues in molecular biology
IF:2.8Q3
DOI:10.3390/cimb47050315
PMID:40699714
|
研究论文 | 开发多模型机器学习框架从FDA批准药物中识别RNA聚合酶抑制剂 | 结合五种传统机器学习算法与CNN深度学习模型的集成框架，首次发现雷洛昔芬具有RNA聚合酶抑制潜力 | 需要实验验证预测结果，研究基于计算机模拟和现有数据集 | 从已批准药物中识别新型RNA依赖性RNA聚合酶抑制剂 | FDA批准药物和RNA依赖性RNA聚合酶 | 机器学习 | 病毒性疾病 | 分子对接，分子动力学模拟 | CNN, ExtraTreesClassifier, RandomForestClassifier, LGBMClassifier, BernoulliNB, BaggingClassifier | 化学结构数据 | PubChem数据集AID 588519 | Scikit-learn | CNN, 集成学习架构 | 准确率, ROC-AUC, F1分数, 特异性 | NA |
| 78 | 2025-07-25 |
Recent advances in pulmonary tuberculosis, the application of deep learning to medical topics, and highlights from this issue of Ewha Medical Journal
2025-Apr, Ewha medical journal
IF:0.3Q3
DOI:10.12771/emj.2025.00395
PMID:40703376
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 79 | 2025-10-06 |
Feature-based ensemble modeling for addressing diabetes data imbalance using the SMOTE, RUS, and random forest methods: a prediction study
2025-Apr, Ewha medical journal
IF:0.3Q3
DOI:10.12771/emj.2025.00353
PMID:40703379
|
研究论文 | 本研究开发了一种基于特征的集成模型，结合SMOTE、RUS和随机森林方法来解决糖尿病数据不平衡问题 | 提出将SMOTE和RUS重采样技术与基于特征的集成随机森林相结合的新方法，专门针对医学数据中的类别不平衡问题 | 仅使用单一数据集（442个样本），样本量相对较小；仅针对糖尿病预测任务进行验证 | 解决机器学习中类别不平衡问题，提高早期糖尿病检测的预测性能 | 糖尿病数据集中的患者样本 | 机器学习 | 糖尿病 | SMOTE（合成少数类过采样技术），RUS（随机欠采样） | 随机森林，k近邻，全连接神经网络 | 结构化医疗数据 | 442个样本，10个特征 | Scikit-learn | 随机森林集成模型 | 准确率，AUC（曲线下面积） | NA |
| 80 | 2025-10-06 |
MSP-tracker: A versatile vesicle tracking software tool used to reveal the spatial control of polarized secretion in Drosophila epithelial cells
2025-04, PLoS biology
IF:7.8Q1
DOI:10.1371/journal.pbio.3003099
PMID:40208901
|
研究论文 | 开发了一种名为MSP-tracker的囊泡追踪软件工具，用于研究果蝇上皮细胞中极化分泌的空间调控机制 | 开发了新型交互式囊泡追踪框架，结合计算机视觉和深度学习技术，无需大量训练数据即可在嘈杂环境中准确追踪囊泡轨迹 | NA | 研究上皮细胞中特定分泌货物如何靶向质膜不同区域的机制 | 果蝇上皮细胞中的高尔基体后囊泡 | 计算机视觉 | NA | RUSH系统，囊泡追踪 | 深度学习 | 图像 | NA | NA | NA | 追踪准确度 | NA |