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 32372 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2025-10-09 |
Large-scale capture of hidden fluorescent labels for training generalizable markerless motion capture models
2023-09-26, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-41565-3
PMID:37752123
|
研究论文 | 开发了一种名为GlowTrack的方法，通过荧光标记生成大量训练数据，用于训练可泛化的无标记运动捕捉模型 | 提出使用荧光标记生成隐藏标签的高通量方法，创建多相机多光照设置模拟多样化视觉条件，并实现并行标记多个关键点的密集追踪技术 | NA | 解决无标记运动捕捉模型泛化能力有限的问题，建立标准化的行为分析流程 | 动物行为研究中的运动追踪 | 计算机视觉 | NA | 荧光标记，多相机多光照设置 | 深度学习模型 | 视频图像数据 | NA | NA | NA | NA | NA |
| 2 | 2025-10-09 |
3D bi-directional transformer U-Net for medical image segmentation
2022, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2022.1080715
PMID:36687770
|
研究论文 | 提出一种名为3DTU的新型三维医学图像分割框架，结合3D Transformer和3D DCNN的优势 | 设计了新颖的3D注意力机制，在编码器端使用3D Transformer、解码器端使用3D DCNN，充分挖掘自注意力能力 | NA | 解决传统深度卷积神经网络在医学图像分割中全局关系处理能力不足的问题 | 三维医学图像分割 | 医学图像分析 | NA | NA | Transformer, CNN | 3D MRI图像, 3D CT图像 | 两个独立数据集 | NA | U-Net, Transformer | 多种评估指标 | NA |
| 3 | 2025-10-09 |
An Artificial Intelligence-Assisted Method for Dementia Detection Using Images from the Clock Drawing Test
2021, Journal of Alzheimer's disease : JAD
DOI:10.3233/JAD-210299
PMID:34334396
|
研究论文 | 开发一种基于钟表绘图测试图像的深度学习方法来检测痴呆症 | 首次将深度学习应用于钟表绘图测试图像进行痴呆症预测，并结合人口统计学特征提升性能 | 需要进一步验证，样本中认知受损患者数量相对较少（160例） | 评估机器学习模型能否利用钟表绘图测试图像预测轻度认知障碍或痴呆症 | 3,263名认知正常和160名认知受损的受试者 | 计算机视觉 | 老年疾病 | 钟表绘图测试 | 深度学习 | 图像 | 3,423名受试者（3,263名认知正常，160名认知受损） | NA | NA | AUC, F1分数 | NA |
| 4 | 2025-05-03 |
Should end-to-end deep learning replace handcrafted radiomics?
2025-Oct, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07314-y
PMID:40314811
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5 | 2025-10-06 |
Investigating the Role of Area Deprivation Index in Observed Differences in CT-Based Body Composition by Race
2025-Oct, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2025.06.016
PMID:40517983
|
研究论文 | 本研究探讨区域剥夺指数能否解释不同种族间CT身体成分测量的差异 | 首次将区域剥夺指数和社会脆弱性指数与基于深度学习的自动化身体成分分析相结合，研究种族差异的社会决定因素 | 回顾性研究设计，仅使用单一机构的患者数据，未分析个体层面的社会经济因素 | 调查社会经济因素在种族间身体成分差异中的作用 | 杜伦县2020年接受首次腹部CT检查的5,311名患者 | 数字病理 | 代谢相关疾病 | CT成像 | 深度学习 | 医学影像 | 5,311名患者（平均年龄57.4岁，55.5%女性，46.5%黑人，39.5%白人，10.3%西班牙裔） | 开源深度学习工作流 | NA | 统计学显著性（P值） | NA |
| 6 | 2025-10-06 |
Construction and preliminary trial test of a decision-making app for pre-hospital damage control resuscitation
2025-Sep, Chinese journal of traumatology = Zhonghua chuang shang za zhi
DOI:10.1016/j.cjtee.2024.11.001
PMID:40087116
|
研究论文 | 本研究开发了一款用于院前损伤控制复苏的决策应用程序，并通过动物模型试验初步验证其有效性和可用性 | 首次结合三种文本分割算法开发院前损伤控制复苏决策应用，并在动物模型中进行效果验证 | 研究样本量较小（16名医学生和12只小型猪），需要在更大规模人群中进一步验证 | 开发院前损伤控制复苏决策支持系统并验证其效果 | 严重创伤患者的院前复苏决策过程 | 医疗决策支持系统 | 创伤性疾病 | 文本分割算法、血栓弹力图、常规凝血测试、血细胞计数、血气分析 | 字典分割、机器学习、深度学习 | 文本数据、实验室检测数据、生理参数 | 16名五年级医学生和12只巴马小型猪 | Spring Boot, B/S架构 | NA | 决策时间、平均动脉压、氧饱和度、纤维蛋白原浓度、最大振幅、R值、李克特量表评分 | NA |
| 7 | 2025-10-06 |
A medical image classification method based on self-regularized adversarial learning
2024-Nov, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17320
PMID:39078069
|
研究论文 | 提出一种基于自正则化对抗学习的医学图像分类框架GAN-DL，通过对抗网络提供补充正则化来提升分类性能 | 创新性地将GAN模型作为补充正则化项来支持分类任务，无需额外数据标注即可自动生成正则化损失函数 | 未明确说明计算资源需求和模型训练时间，在两个数据集上的验证需要扩展到更多医学影像类型 | 开发一种能够应对医学图像小样本、类别不平衡和质量变异等挑战的分类方法 | COVID-19胸部X光图像和口咽鳞状细胞癌PET图像 | 计算机视觉 | COVID-19, 口咽鳞状细胞癌 | 医学影像分析 | GAN, CNN | 图像 | COVID-19数据集13,958张胸部X光图像，OPSCC数据集3,255张PET图像 | NA | 特征提取网络(F-Net), 分类器, 重建网络(R-Net), 判别器网络(D-Net) | 精确率, 敏感度, 特异度, F1分数 | NA |
| 8 | 2025-10-06 |
Deep social neuroscience: the promise and peril of using artificial neural networks to study the social brain
2024-Feb-21, Social cognitive and affective neuroscience
IF:3.9Q1
DOI:10.1093/scan/nsae014
PMID:38334747
|
综述 | 本文为社交神经科学家提供关于神经网络应用的入门指南，探讨其在社交大脑研究中的潜力与挑战 | 提出'深度社交神经科学'概念，系统阐述神经网络在社交神经科学中的三大应用方向 | 面临实践挑战、理论局限和伦理问题 | 探讨人工神经网络在社交神经科学研究中的应用前景 | 社交神经科学研究方法 | 机器学习 | NA | 深度学习 | 人工神经网络 | 脑活动数据、自然主义刺激、社交互动数据 | NA | NA | NA | NA | NA |
| 9 | 2025-10-05 |
YOLOv5-aided paper-based microfluidic intelligent sensing platform for multiplex sweat biomarker analysis
2025-Dec-15, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2025.117978
PMID:40945114
|
研究论文 | 开发了一种基于YOLOv5的纸基微流体智能传感平台，用于汗液中多种生物标志物的检测 | 结合易制造的纸基微流控芯片、智能手机成像和深度学习框架，实现了99.5%的平均精度 | 未明确说明样本规模和计算资源需求 | 开发一种成本效益高、便携且可重复的汗液生物标志物检测方法 | 汗液中的铁离子、氯离子和葡萄糖 | 计算机视觉 | NA | 比色检测、微流控技术 | CNN | 图像 | NA | PyTorch | YOLOv5 | 平均精度 | NA |
| 10 | 2025-10-05 |
Efficient Visual Transformer by Learnable Token Merging
2025-Nov, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3588186
PMID:40663671
|
研究论文 | 提出一种可学习令牌合并的紧凑型视觉Transformer块LTM-Transformer，用于提升视觉任务的效率 | 通过可学习的令牌合并方案减少计算量，并基于信息瓶颈理论推导出可分离的变分上界来指导模型设计 | NA | 开发高效的视觉Transformer模型以降低计算成本同时保持或提升预测精度 | 视觉Transformer模型 | 计算机视觉 | NA | 深度学习 | Transformer | 图像 | NA | NA | LTM-Transformer, MobileViT, EfficientViT, ViT, Swin | FLOPs, 推理时间, 预测准确率 | NA |
| 11 | 2025-10-05 |
Re-Boosting Self-Collaboration Parallel Prompt GAN for Unsupervised Image Restoration
2025-Nov, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3589606
PMID:40668718
|
研究论文 | 提出一种用于无监督图像恢复的自协作并行提示生成对抗网络框架 | 引入自协作策略，通过迭代增强修复器和提示学习模块，在不增加推理复杂度的情况下显著提升性能；提出再增强模块将自集成策略融入自协作框架 | 未明确说明具体数据集规模和应用场景限制 | 提升无监督图像恢复方法的性能 | 退化图像 | 计算机视觉 | NA | 生成对抗网络 | GAN | 图像 | NA | NA | 并行生成对抗分支架构 | PSNR（峰值信噪比） | NA |
| 12 | 2025-10-05 |
NUPES: Non-Uniform Post-Training Quantization via Power Exponent Search
2025-Nov, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3593987
PMID:40758517
|
研究论文 | 提出一种通过幂指数搜索的非均匀后训练量化方法NUPES，用于深度神经网络特别是大语言模型的压缩部署 | 利用自同构保持标量乘法，通过幂函数变换实现非均匀量化，并提出在完整量化空间中学习新权重的优化范式 | 论文未明确说明具体计算资源需求和最大可处理模型规模 | 降低深度神经网络特别是大语言模型的内存占用和推理延迟 | 深度神经网络权重和激活值，特别关注大语言模型中的异常值 | 机器学习 | NA | 后训练量化 | Transformer | 神经网络权重和激活值 | NA | NA | Transformer, 大语言模型 | 压缩率，推理延迟，内存占用 | NA |
| 13 | 2025-10-05 |
Protecting Feature Privacy in Person Re-Identification
2025-Nov, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3590979
PMID:40758524
|
研究论文 | 提出一种基于GAN的特征隐私保护行人重识别模型，通过双重对抗目标和两步训练策略平衡隐私保护与识别性能 | 引入GAN强制重建图像遵循原始图像分布，提出效用-可逆比(URR)评估指标，设计两步训练和惰性更新策略解决双重对抗优化难题 | 在保护隐私的同时仍会带来微小的识别精度损失 | 保护行人重识别中深度特征的隐私安全，防止特征被逆向还原为原始图像 | 行人重识别系统中的深度特征表示 | 计算机视觉 | NA | 生成对抗网络(GAN) | GAN, CNN | 图像 | NA | NA | GAN | 效用-可逆比(URR), 识别准确率 | NA |
| 14 | 2025-10-05 |
EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monocular Object Pose Estimation
2025-Nov, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3354997
PMID:38227417
|
研究论文 | 提出一种广义端到端概率性PnP方法EPro-PnP，用于单目物体姿态估计 | 将PnP构建为可输出SE(3)流形上姿态分布的概率层，通过最小化预测与目标姿态分布的KL散度来学习2D-3D对应关系 | 未明确说明方法在极端遮挡或光照条件下的鲁棒性 | 解决单目RGB图像中3D物体姿态估计问题 | 3D物体姿态 | 计算机视觉 | NA | 深度学习 | 神经网络 | RGB图像 | NA | NA | 可变形对应网络 | 姿态精度 | NA |
| 15 | 2025-10-05 |
Deep Learning-Based Point Cloud Compression: An In-Depth Survey and Benchmark
2025-Nov, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3594355
PMID:40742848
|
综述 | 本文系统综述了基于深度学习的点云压缩方法，包括数据集介绍、算法演进、基准测试分析和未来趋势展望 | 首次对深度学习点云压缩领域进行全面系统综述，并进行了广泛的基准测试比较分析 | 作为综述性文章，主要依赖现有文献分析，缺乏原创性算法提出 | 总结深度学习点云压缩的研究进展并指明未来研究方向 | 点云压缩算法、数据集和国际标准 | 计算机视觉 | NA | 深度学习 | NA | 点云数据 | 多个点云数据集 | NA | NA | 基准测试比较 | NA |
| 16 | 2025-10-05 |
SEMI-CAVA: A Causal Variational Approach to Semi-Supervised Learning
2025-Nov, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3594360
PMID:40742852
|
研究论文 | 提出一种结合因果推理和变分推断的半监督学习方法SEMI-CAVA | 将Mixup策略解释为随机干预并引入一致性损失以促进潜在表示的一致性，为学习到的潜在表示与真实因果因子对齐提供理论保证 | NA | 开发用于半监督学习的因果生成模型 | 医学数据集和标准基准数据集(CIFAR10, CIFAR100, SVHN) | 机器学习 | NA | 变分推断 | 生成模型 | 多模态医学数据，图像数据 | NA | NA | NA | NA | NA |
| 17 | 2025-10-05 |
VLPose: Bridging the Domain Gap in Pose Estimation With Language-Vision Tuning
2025-Nov, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3594097
PMID:40788797
|
研究论文 | 提出了一种名为VLPose的新框架，通过语言-视觉调优来解决姿态估计中的领域差距问题 | 利用语言模型的潜力增强传统姿态估计模型的适应性，通过语言和视觉的协同作用扩展姿态估计模型的泛化能力和鲁棒性 | NA | 通过高效的调优策略弥合自然场景和人工场景之间的领域差距 | 人体姿态估计 | 计算机视觉 | NA | 语言-视觉调优 | NA | 图像 | HumanArt和MSCOCO数据集 | NA | VLPose | 准确率提升百分比 | NA |
| 18 | 2025-10-05 |
Research hotspots and trends of pediatric bone age: A bibliometric and visualization analysis
2025-Oct-04, Lasers in medical science
IF:2.1Q2
DOI:10.1007/s10103-025-04643-0
PMID:41044432
|
文献计量分析 | 通过文献计量和可视化分析方法探讨儿科骨龄研究的热点与趋势 | 首次系统分析儿科骨龄研究领域的发展脉络，识别新兴研究方向如深度学习和人工智能 | 仅基于Web of Science数据库，可能遗漏其他数据库的重要文献 | 识别儿科骨龄评估领域的研究热点并预测未来发展趋势 | 1965-2024年间发表的4652篇儿科骨龄相关文献 | 文献计量学 | 儿科发育疾病 | 文献计量分析，可视化分析 | NA | 文献数据 | 4652篇出版物 | VOSviewer, CiteSpace, bibliometrix | NA | NA | NA |
| 19 | 2025-10-05 |
Current trends and future artificial intelligence applications in transfusion medicine: a bibliometric analysis
2025-Oct-04, Expert review of hematology
IF:2.3Q2
DOI:10.1080/17474086.2025.2570336
PMID:41045021
|
文献计量分析 | 通过文献计量分析探讨人工智能在输血医学领域的当前趋势和未来应用前景 | 首次对人工智能在输血医学领域的文献进行系统性计量分析，识别研究热点和发展趋势 | 仅基于Web of Science数据库，时间范围截至2025年8月，可能存在文献收录不全的局限 | 分析人工智能在输血医学领域的研究现状和未来发展方向 | 2000-2025年间发表的159篇相关学术文献 | 医疗信息学 | 输血医学 | 文献计量分析 | NA | 文献数据 | 159篇出版物 | VOSviewer, CiteSpace, Excel | NA | NA | NA |
| 20 | 2025-10-05 |
Genomic Identification and Validation of Candidate Genes Associated with Alkalinity Tolerance in Exopalaemon carinicauda
2025-Oct-04, Marine biotechnology (New York, N.Y.)
DOI:10.1007/s10126-025-10524-y
PMID:41045383
|
研究论文 | 本研究通过基因组分析方法鉴定与脊尾白虾碱度耐受性相关的候选基因 | 首次结合BSA测序、深度学习方法和比较转录组分析系统鉴定脊尾白虾碱度耐受性相关基因 | 研究仅聚焦于极端表型个体，样本代表性可能存在局限 | 探究甲壳类动物盐碱适应的分子机制 | 脊尾白虾(Exopalaemon carinicauda) | 基因组学 | NA | 下一代测序,BSA分析,转录组分析,PCR测序 | 深度学习 | 基因组数据,转录组数据 | 极端表型个体DNA混合样本 | NA | NA | 欧几里得距离,ΔSNP-index | NA |