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 43005 篇文献，本页显示第 23421 - 23440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 23421 | 2025-10-07 |
EEGminer: discovering interpretable features of brain activity with learnable filters
2024-05-13, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad44d7
PMID:38684154
|
研究论文 | 提出一种名为EEGminer的新型可微分解码流程，用于从多通道脑电图记录中学习信息丰富的潜在表征 | 引入由广义高斯函数参数化的可学习滤波器，提供平滑导数以实现稳定的端到端模型训练，并允许学习可解释的特征 | NA | 设计一个系统用于从持续脑电图活动中学习信息丰富的潜在表征 | 脑活动模式、脑状态识别、行为预测 | 机器学习 | NA | 脑电图(EEG) | 深度学习 | 脑电图信号 | 721名受试者 | NA | 可学习滤波器+预定义特征提取模块 | 准确率 | NA |
| 23422 | 2025-05-08 |
Automated Detection of Abnormal Optical Coherence Tomography B-scans Using a Deep Learning Artificial Intelligence Neural Network Platform
2024-Jan-01, International ophthalmology clinics
DOI:10.1097/IIO.0000000000000519
PMID:38146885
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 23423 | 2025-10-07 |
Genome-wide association analysis of left ventricular imaging-derived phenotypes identifies 72 risk loci and yields genetic insights into hypertrophic cardiomyopathy
2023-11-30, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43771-5
PMID:38036550
|
研究论文 | 通过深度学习算法分析心脏磁共振图像，识别左心室区域壁厚度的遗传决定因素及其与肥厚型心肌病的关联 | 开发新型深度学习算法精确计算12个左心室区域壁厚度，首次在42,194人群体中发现72个与左心室壁厚度相关的遗传位点 | 研究样本仅来自UK Biobank数据库，需要其他人群验证 | 探索左心室区域壁厚度的遗传基础及其与肥厚型心肌病的因果关系 | UK Biobank数据库中的42,194名个体的心脏磁共振图像 | 医学影像分析 | 心血管疾病 | 心脏磁共振成像, 全基因组关联分析, 孟德尔随机化分析 | 深度学习 | 医学影像 | 42,194名UK Biobank参与者 | NA | NA | P值, 遗传相关性, 多基因风险评分 | NA |
| 23424 | 2025-10-07 |
TransformEHR: transformer-based encoder-decoder generative model to enhance prediction of disease outcomes using electronic health records
2023-11-29, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43715-z
PMID:38030638
|
研究论文 | 提出基于Transformer的编码器-解码器生成模型TransformEHR，通过新型预训练目标提升电子健康记录疾病预测性能 | 采用预测患者未来就诊时所有疾病和结果的创新预训练目标，结合编码器-解码器框架实现最先进性能 | 未明确说明模型在更广泛疾病预测任务中的泛化能力限制 | 开发能够准确预测临床疾病结果的深度学习模型 | 电子健康记录中的患者纵向医疗数据 | 自然语言处理 | 胰腺癌、创伤后应激障碍 | 电子健康记录分析 | Transformer | 电子健康记录文本数据 | NA | NA | Transformer编码器-解码器 | 精确召回曲线下面积 | NA |
| 23425 | 2025-10-07 |
Label-free identification of protein aggregates using deep learning
2023-11-28, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43440-7
PMID:38016971
|
研究论文 | 提出一种基于深度学习的无标记蛋白质聚集体识别方法LINA | 无需荧光标记即可在活细胞中识别未标记的Httex1蛋白质聚集体 | NA | 开发无标记识别神经退行性疾病相关蛋白质聚集体的方法 | 亨廷顿蛋白Httex1在活细胞中形成的蛋白质聚集体 | 计算机视觉 | 神经退行性疾病 | 透射光成像 | 深度学习 | 图像 | NA | NA | NA | 特异性 | NA |
| 23426 | 2025-10-07 |
Coding infant engagement in the Face-to-Face Still-Face paradigm using deep neural networks
2023-05, Infant behavior & development
IF:1.9Q3
DOI:10.1016/j.infbeh.2023.101827
PMID:36806017
|
研究论文 | 本研究使用深度神经网络对面对面静止面孔范式中的婴儿参与度进行自动编码 | 首次将深度神经网络应用于FFSF任务中婴儿参与度的自动编码，实现了高达99.5%的分类准确率 | 继承了原始研究的采样和实验限制，样本量相对较小且主要为白人群体 | 测试深度神经网络在FFSF任务中编码婴儿参与度的准确性 | 68对母婴组合在三个时间点完成的FFSF任务视频 | 计算机视觉 | NA | 视频分析 | DNN | 图像 | 68对母婴组合，40,000张图像 | NA | 四种不同的深度神经网络图像分类模型 | 准确率, Cohen's κ值 | NA |
| 23427 | 2025-10-07 |
Cross-convolutional transformer for automated multi-organs segmentation in a variety of medical images
2023-01-23, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/acb19a
PMID:36623323
|
研究论文 | 提出基于交叉卷积变换器的深度学习网络，用于多种医学图像中的多器官自动分割 | 设计新型交叉卷积自注意力机制，整合局部和全局上下文，建模长短距离依赖关系；提出多尺度特征边缘融合模块 | 仅在三个数据集上验证，尚未在更广泛的医学图像数据上进行测试 | 开发具有更好泛化能力和准确性的多器官自动分割算法 | 医学图像中的多器官分割 | 计算机视觉 | 多种疾病（腹部器官、心脏结构、皮肤癌） | 医学影像分析 | Transformer, CNN | 医学图像（CT、MRI、皮肤图像） | 三个数据集：Synapse（腹部CT）、ACDC（心脏MRI）、ISIC 2017（皮肤癌图像） | NA | CFormer（交叉卷积变换器网络） | Dice相似系数, 95% Hausdorff距离 | NA |
| 23428 | 2025-10-07 |
Artificial intelligence in kidney transplantation: a 30-year bibliometric analysis of research trends, innovations, and future directions
2025-Dec, Renal failure
IF:3.0Q1
DOI:10.1080/0886022X.2025.2458754
PMID:39910843
|
文献计量分析 | 通过文献计量分析评估1993-2023年间人工智能在肾移植领域的研究趋势、创新点和未来方向 | 首次对人工智能在肾移植领域30年研究历程进行系统性文献计量分析，识别关键研究主题和新兴趋势 | 基于文献计量分析，缺乏对具体AI技术临床效果的实证评估 | 分析人工智能在肾移植领域的研究趋势和发展方向 | 890篇相关学术出版物 | 机器学习 | 终末期肾病 | 文献计量分析 | 深度学习,机器学习算法 | 文献数据 | 890篇出版物 | CiteSpace,VOSviewer | NA | NA | NA |
| 23429 | 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 |
| 23430 | 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 |
| 23431 | 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 |
| 23432 | 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 |
| 23433 | 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 |
| 23434 | 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 |
| 23435 | 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 |
| 23436 | 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 |
| 23437 | 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 |
| 23438 | 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 |
| 23439 | 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 |
| 23440 | 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 |