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 1387 篇文献，本页显示第 1121 - 1140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1121 | 2025-05-08 |
Physiological Information Preserving Video Compression for rPPG
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3526837
PMID:40030966
|
research paper | 提出了一种专为rPPG应用设计的视频压缩方案，以保留生理信息 | 提出了一种专门针对rPPG应用的视频压缩方案，包含面部ROI计算资源重分配、rPPG信号保留比特资源重分配和时域上下采样编码三种策略 | 未提及具体局限性 | 解决rPPG视频压缩过程中生理信息丢失的问题 | rPPG视频数据 | computer vision | NA | 视频压缩算法 | NA | 视频 | UBFC-rPPG、ECG-Fitness数据集和自采集数据集 | NA | NA | NA | NA |
| 1122 | 2025-05-08 |
WavFace: A Multimodal Transformer-Based Model for Depression Screening
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3529348
PMID:40031033
|
research paper | 提出了一种基于多模态Transformer的模型WavFace，用于通过音频和面部特征进行抑郁症筛查 | WavFace通过编码器-Transformer层改进单模态表示，并应用显式对齐方法和顺序与空间自注意力机制，融合两种模态的嵌入 | 样本量较小 | 开发一种深度学习模型用于抑郁症筛查 | 抑郁症患者 | natural language processing | geriatric disease | deep learning | Transformer | audio, video | NA | NA | NA | NA | NA |
| 1123 | 2025-05-08 |
Multivariate Glucose Forecasting Using Deep Multihead Attention Layers Inside Neural Basis Expansion Networks
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3530461
PMID:40031270
|
研究论文 | 提出一种新型网络架构，结合多头注意力层和神经网络基础扩展层，用于提高葡萄糖预测的准确性和个性化 | 提出了一种结合多头注意力层和神经网络基础扩展层的新型网络架构，提高了预测准确性并部分解决了模型可解释性问题 | 模型仍存在部分非解释性问题，且需要大量训练数据和高性能计算资源 | 提高基于连续葡萄糖监测（CGM）传感器的糖尿病管理系统中葡萄糖预测的准确性和个性化 | 糖尿病患者的葡萄糖水平 | 机器学习 | 糖尿病 | 深度学习 | 多头注意力层与神经网络基础扩展层结合的网络 | 时间序列数据 | 使用OhioT1DM数据库进行验证 | NA | NA | NA | NA |
| 1124 | 2025-05-08 |
Development and application of an intelligent pressure injury assessment system using AI image recognition
2025-May, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329241296350
PMID:40066836
|
研究论文 | 开发并评估了一种基于AI的智能压力性损伤评估系统，旨在提高评估的准确性和效率 | 使用深度学习算法（CNN）构建的AI系统在准确性和效率上优于传统评估方法 | 需要进一步研究以扩展系统对其他类型伤口的应用 | 提高压力性损伤评估的准确性和效率 | 108名ICU患者 | 计算机视觉 | 压力性损伤 | 深度学习 | CNN | 图像 | 108名ICU患者（分为对照组和实验组） | NA | NA | NA | NA |
| 1125 | 2025-05-08 |
A Novel Deep Learning-based Pathomics Score for Prognostic Stratification in Pancreatic Ductal Adenocarcinoma
2025-May-01, Pancreas
IF:1.7Q3
DOI:10.1097/MPA.0000000000002463
PMID:40314741
|
研究论文 | 本研究利用深度学习和病理学特征构建了一种新的胰腺导管腺癌预后分层评分系统 | 开发了一种基于深度学习的病理学评分系统，用于胰腺导管腺癌的预后分层，超越了传统临床模型的预测能力 | 研究为回顾性设计，且仅在两中心进行，可能需要更大规模的前瞻性验证 | 提高胰腺导管腺癌的生存预测准确性，为个性化治疗策略提供依据 | 胰腺导管腺癌患者 | 数字病理学 | 胰腺导管腺癌 | 深度学习，弱监督学习，多实例学习 | 随机生存森林，Cox回归 | 苏木精-伊红染色的全切片图像 | 864名PDAC患者（训练组489人，验证组211人，新辅助治疗组164人） | NA | NA | NA | NA |
| 1126 | 2025-10-07 |
PEARL: Cascaded Self-Supervised Cross-Fusion Learning for Parallel MRI Acceleration
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3347355
PMID:38147421
|
研究论文 | 提出一种名为PEARL的自监督并行MRI加速方法，通过级联交叉融合学习实现压缩采样k空间数据的准确重建 | 提出多流联合深度解码器架构，采用两种交叉融合方案和长程统一跳跃连接，结合双归一化边缘方向相似性正则化 | 未明确说明方法在极端退化条件下的性能表现 | 开发自监督并行MRI加速重建技术 | 压缩采样k空间数据 | 医学影像处理 | NA | 并行磁共振成像 | 深度解码器 | k空间数据，MRI图像 | NA | NA | 级联交叉融合子块网络 | SSIM_ROI, PSNR_ROI, RLNE_ROI | NA |
| 1127 | 2025-10-07 |
Adaptive Cross-Feature Fusion Network With Inconsistency Guidance for Multi-Modal Brain Tumor Segmentation
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3347556
PMID:38150339
|
研究论文 | 提出一种用于多模态脑肿瘤分割的自适应跨特征融合网络ACFNet | 设计了并行三流编码器-解码器结构，提出自适应跨特征融合模块和预测不一致性引导模块来弥合模态间差异 | NA | 提高多模态MRI脑肿瘤分割的准确性 | 脑肿瘤 | 计算机视觉 | 脑肿瘤 | 多模态MRI | 深度学习 | 医学图像 | BraTS 2020数据集 | NA | 编码器-解码器 | NA | NA |
| 1128 | 2025-05-08 |
Advancing brain tumor detection and classification in Low-Dose CT images using the innovative multi-layered deep neural network model
2025-May, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329241302558
PMID:40331540
|
研究论文 | 本研究提出了一种名为MLCED-Net的多层深度神经网络模型，用于提高低剂量CT图像中脑肿瘤检测和分类的准确性 | 提出了一种结合多层自动编码器、基于颜色的操作和边缘检测技术的MLCED-Net框架，显著提高了脑肿瘤诊断的准确率 | 未提及模型在更大规模或多样化数据集上的泛化能力 | 提高低剂量CT图像中脑肿瘤诊断的准确性 | 低剂量CT图像中的脑肿瘤 | 数字病理学 | 脑肿瘤 | Lucy-Richardson技术、自适应直方图均衡化、像素归一化 | MLCED-Net（15层深度学习架构） | 图像 | NA | NA | NA | NA | NA |
| 1129 | 2025-10-07 |
Quantitative determination of acid value in palm oil during thermal oxidation using Raman spectroscopy combined with deep learning models
2025-May-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143107
PMID:39893723
|
研究论文 | 本研究结合拉曼光谱与深度学习模型定量测定棕榈油热氧化过程中的酸值 | 首次将CNN、LSTM和Transformer三种深度学习模型与拉曼光谱结合用于食用油脂酸值监测 | 需要更多样化的指标数据集进行进一步验证 | 提高食用油脂质量控制中酸值定量测定的准确性和效率 | 热氧化过程中的棕榈油 | 机器学习 | NA | 拉曼光谱 | CNN, LSTM, Transformer | 光谱数据 | NA | NA | CNN-LSTM | 决定系数(R), 均方根误差(RMSEP), 残差预测偏差(RPD) | NA |
| 1130 | 2025-05-07 |
Universal semantic feature extraction from EEG signals: a task-independent framework
2025-May-06, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/add08f
PMID:40273947
|
研究论文 | 开发了一个无监督框架，用于从EEG信号中提取任务无关的语义特征 | 提出了一个结合CNN、AutoEncoders和Transformers的新框架，用于提取EEG信号的低级时空模式和高级语义特征 | NA | 开发一个通用的、任务无关的EEG信号语义特征提取框架 | EEG信号 | 机器学习 | NA | EEG信号处理 | CNN, AutoEncoders, Transformers | EEG信号 | 多个EEG数据集（BCICIV_2a、BCICIV_2b、Lee2019-SSVEP、Nakanishi2015等） | NA | NA | NA | NA |
| 1131 | 2025-05-07 |
Monitoring Amphetamine and Methamphetamine Mixtures Based on Deep Learning Involves Colorimetric Sensing
2025-May-06, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c00915
PMID:40279188
|
研究论文 | 本文提出了一种基于深度学习的比色传感策略，用于精确识别和区分安非他命（AMP）和甲基安非他命（MA）混合物 | 通过调节探针结构影响反应产物的聚集行为，首次实现了AMP和MA混合物的掺杂比例判断，并结合自研的Drugs Analyst和深度学习算法 | NA | 开发一种高精度识别和区分结构相似的分析物的方法，应用于毒品缉查、食品添加剂检测和环境监测等领域 | 安非他命（AMP）和甲基安非他命（MA） | 机器学习和光学传感 | NA | 比色传感和深度学习算法 | 深度学习 | 光学信号 | NA | NA | NA | NA | NA |
| 1132 | 2025-05-07 |
A Comprehensive Survey of Foundation Models in Medicine
2025-May-06, IEEE reviews in biomedical engineering
IF:17.2Q1
DOI:10.1109/RBME.2025.3531360
PMID:40031197
|
综述 | 本文全面综述了医学领域中的基础模型（FMs），包括其演变、学习策略、标志性模型、应用及挑战 | 全面覆盖了基础模型在医学各领域的应用，提供了详细的分类法，并探讨了相关挑战和开放性问题 | 未提及具体样本量或实验数据，主要基于现有文献综述 | 探讨基础模型在医学和健康领域的应用及其潜力 | 基础模型（如BERT和GPT系列）及其在医疗领域的应用 | 自然语言处理, 计算机视觉, 机器学习 | NA | 自监督学习 | BERT, GPT | 文本, 图像, 组学数据 | NA | NA | NA | NA | NA |
| 1133 | 2025-05-07 |
A fully automatic Cobb angle measurement framework of full-spine DR images based on deep learning
2025-May-06, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-025-08895-w
PMID:40327070
|
research paper | 提出了一种基于深度学习的全自动Cobb角测量框架，用于全脊柱DR图像的脊柱侧弯评估 | 开发了一个全自动的深度学习框架，能够从全脊柱DR图像中自动测量Cobb角，解决了传统手动测量耗时且存在观察者差异的问题 | 未提及对不同年龄段或严重程度脊柱侧弯患者的适用性 | 提高脊柱侧弯诊断中Cobb角测量的准确性和效率 | 全脊柱数字放射摄影（DR）图像 | digital pathology | scoliosis | deep learning | YOLOv8 with CBAM module | image | 1,163张AP视图和1,378张LAT视图的DR图像 | NA | NA | NA | NA |
| 1134 | 2025-05-07 |
Contactless Estimation of Respiratory Frequency Using 3D-CNN on Thermal Images
2025-May-05, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3567141
PMID:40323749
|
研究论文 | 本文提出了一种基于深度学习的无接触呼吸频率估计方法，使用3D-CNN处理热成像视频数据 | 无需复杂预处理和手动ROI跟踪，直接从原始热成像视频估计呼吸频率 | 在小型数据集上训练，验证R2分数约为0.61，仍有提升空间 | 开发一种无接触的呼吸频率监测方法，提高热成像在实际应用中的可行性 | 热成像视频数据 | 计算机视觉 | NA | 热成像技术 | 3D-CNN | 视频 | 未明确说明样本数量，使用了数据增强和合成数据集进行训练 | NA | NA | NA | NA |
| 1135 | 2025-10-07 |
Have We Solved Glottis Segmentation? Review and Commentary
2025-May, Journal of voice : official journal of the Voice Foundation
IF:2.5Q1
DOI:10.1016/j.jvoice.2024.11.037
PMID:39645484
|
评论 | 对声门分割研究现状进行回顾与评论，探讨深度学习时代该领域是否已完全解决 | 批判性评估当前声门分割研究的进展，指出尚未解决的关键问题 | NA | 评估声门分割领域的研究现状和未来发展方向 | 声门分割方法和相关研究 | 医学图像分析 | 嗓音疾病 | 深度学习 | NA | 医学图像 | NA | NA | NA | NA | NA |
| 1136 | 2025-10-07 |
Deep Learning for Predicting Acute Exacerbation and Mortality of Interstitial Lung Disease
2025-May, Annals of the American Thoracic Society
IF:6.8Q1
DOI:10.1513/AnnalsATS.202403-284OC
PMID:39680875
|
研究论文 | 开发深度学习模型利用纵向数据预测间质性肺病急性加重和死亡率 | 首次使用纵向临床和环境数据开发深度学习模型预测ILD患者复合结局 | 回顾性研究设计，数据来源于两个专科中心 | 预测间质性肺病患者的急性加重和死亡风险 | 间质性肺病患者 | 机器学习 | 间质性肺病 | 纵向数据分析 | 深度学习 | 临床数据, 环境数据 | 1,175名患者（来自两个医疗中心） | NA | NA | C-index | NA |
| 1137 | 2025-10-07 |
Robust graph structure learning under heterophily
2025-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107206
PMID:39893803
|
研究论文 | 提出一种针对异质性图的鲁棒图结构学习方法，通过高通滤波和自适应范数优化图结构 | 首次针对异质性图设计结构学习方法，通过高通滤波增强节点区分度，并引入自适应范数处理不同级别噪声 | 方法主要针对异质性图场景，在高度同质性图上的性能未经验证 | 从噪声稀疏的异质性数据中学习高质量图结构以提升下游任务性能 | 异质性图数据，其中连接节点大多属于不同类别 | 图表示学习 | NA | 图结构学习 | 图神经网络 | 图数据 | NA | NA | NA | 准确率 | NA |
| 1138 | 2025-10-07 |
Attention-based deep learning models for predicting anomalous shock of wastewater treatment plants
2025-May-01, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2025.123192
PMID:39893907
|
研究论文 | 本研究利用注意力机制增强深度学习模型预测污水处理厂异常水质波动的能力 | 首次将注意力机制应用于污水处理异常水质预测，通过局部和全局敏感性分析提升模型可解释性 | 缺乏极端波动数据用于模型训练 | 预测污水处理厂进水水质的异常波动 | 污水处理厂进水水质指标（总氮、总磷、化学需氧量） | 机器学习 | NA | 深度学习，注意力机制 | A-MLP, Transformer, FTA-LSTM | 时间序列数据 | NA | NA | 多层感知机，Transformer，长短期记忆神经网络 | R, F1-score, F2-score | NA |
| 1139 | 2025-05-07 |
Measurement of differential activation by heart-rate-variability for youth MDD discrimination
2025-May-01, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2025.02.006
PMID:39914751
|
research paper | 该研究通过心率变异性（HRV）数据，结合机器学习与深度学习模型，探索了差异激活（DA）理论在青年重度抑郁症（MDD）识别中的应用 | 首次将差异激活（DA）理论与HRV记录结合，提出了一种新的青年MDD识别方法，并验证了其高效性 | 样本量较小（50名MDD患者和53名健康对照），可能影响模型的泛化能力 | 探索差异激活（DA）导向的识别器是否能有效识别青年MDD患者 | 青年重度抑郁症（MDD）患者和健康对照参与者 | machine learning | major depression disorder | HRV数据分析 | LSTM | 生理信号数据（HRV）和人口统计信息 | 103名参与者（50名MDD患者和53名健康对照） | NA | NA | NA | NA |
| 1140 | 2025-05-07 |
Efficacy of a deep learning system for automatic analysis of the comprehensive spatial relationship between the mandibular third molar and inferior alveolar canal on panoramic radiographs
2025-May, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2024.12.020
PMID:39915134
|
research paper | 开发并评估一种深度学习系统，用于预测下颌第三磨牙与下牙槽神经管在全景X光片上的接触和相对位置关系，以用于术前评估 | 首次使用深度学习系统自动分析下颌第三磨牙与下牙槽神经管的全景X光片空间关系，并展示优于经验丰富的牙医的诊断效果 | 样本量相对较小（279例全景X光片），且年龄范围有限（18-32岁） | 开发一种深度学习系统，用于术前评估下颌第三磨牙手术中与下牙槽神经管的空间关系 | 下颌第三磨牙（M3）与下牙槽神经管（IAC）的空间关系 | digital pathology | dental disease | deep learning, panoramic radiographs, cone beam computed tomography (CBCT) | ResNet50 | image | 279张全景X光片，包含441颗下颌第三磨牙 | NA | NA | NA | NA |