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 32373 篇文献，本页显示第 5141 - 5160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5141 | 2025-10-06 |
SleepECG-Net: Explainable Deep Learning Approach With ECG for Pediatric Sleep Apnea Diagnosis
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3495975
PMID:39527413
|
研究论文 | 提出一种基于心电信号的可解释深度学习模型SleepECG-Net，用于儿童阻塞性睡眠呼吸暂停的严重程度评估 | 结合CNN-RNN网络结构，并首次在儿科OSA诊断中应用Grad-CAM可解释性算法识别与疾病相关的ECG模式 | 模型在不同数据集上的性能存在差异（Cohen's Kappa从0.249到0.410），且样本来源有限 | 开发可解释的深度学习方法来简化儿童阻塞性睡眠呼吸暂停的诊断过程 | 具有阻塞性睡眠呼吸暂停风险的儿童患者 | 数字病理学 | 呼吸系统疾病 | 心电图信号分析 | CNN, RNN | ECG信号 | 总计2655例（CHAT数据集1610例，CFS数据集64例，UofC数据集981例） | NA | CNN-RNN混合架构 | Cohen's Kappa | NA |
| 5142 | 2025-10-06 |
Advancing Sleep Disorder Diagnostics: A Transformer-Based EEG Model for Sleep Stage Classification and OSA Prediction
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3512616
PMID:40030422
|
研究论文 | 开发了一种结合自注意力机制和条件随机场的深度学习模型，用于睡眠阶段分类和阻塞性睡眠呼吸暂停预测 | 将自注意力机制和条件随机场整合到多核CNN和Transformer编码器中，增强对单通道脑电图特征提取和时间依赖关系建模 | NA | 提高睡眠障碍诊断的准确性和自动化水平 | 睡眠阶段分类和阻塞性睡眠呼吸暂停预测 | 机器学习 | 睡眠障碍 | 脑电图(EEG) | CNN, Transformer | 单通道脑电图记录 | NA | NA | 多核CNN, Transformer编码器 | 准确率 | NA |
| 5143 | 2025-10-06 |
Clinical Features and Physiological Signals Fusion Network for Mechanical Circulatory Support Need Prediction in Pediatric Cardiac Intensive Care Unit
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3510217
PMID:40030552
|
研究论文 | 本研究通过融合临床特征和生理信号，开发了一种机器学习/深度学习集成方法，用于预测儿科心脏重症监护病房中机械循环支持的需求 | 首次将正性肌力药物的血流动力学反应与机械循环支持需求相关联，并采用多模态波形分析处理分钟级多传感器数据 | 研究基于单一四级医院的儿科心脏重症监护病房数据，临床决策不明确病例的适用性需进一步验证 | 预测急性失代偿性心力衰竭患儿对机械循环支持的需求 | 儿科心脏重症监护病房中因急性失代偿性心力衰竭入院的患者 | 机器学习 | 心血管疾病 | 血流动力学监测，心电图，动脉血压信号分析 | 机器学习/深度学习集成方法 | 表格临床特征，时间序列，原始波形数据 | NA | NA | NA | AUC | NA |
| 5144 | 2025-10-06 |
Autoencoder-Based Detection of Insulin Pump Faults in Type 1 Diabetes Treatment
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3518233
PMID:40030700
|
研究论文 | 提出一种基于LSTM自编码器和随机森林的胰岛素泵故障检测新方法 | 首次将LSTM自编码器的特征提取能力与随机森林的异常模式识别能力相结合用于胰岛素泵故障检测 | 使用模拟数据而非真实临床数据，故障发生频率较低 | 开发准确的胰岛素泵故障检测算法以提高1型糖尿病治疗安全性 | 1型糖尿病患者的胰岛素泵系统 | 机器学习 | 1型糖尿病 | 连续血糖监测，自动胰岛素输送系统 | LSTM, 随机森林 | 时间序列数据 | 100名受试者，模拟90天数据 | NA | LSTM自编码器 | 故障检测率，误报率 | UVa/Padova T1D模拟器 |
| 5145 | 2025-10-06 |
Scaling Synthetic Brain Data Generation
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3520156
PMID:40030742
|
研究论文 | 介绍Wirehead——一种可扩展的内存数据管道，显著提升神经影像学中深度学习实时合成数据生成的性能 | 通过独立并行进程运行多个生成器，将数据生成与训练解耦，实现近乎线性的性能提升 | 在优化生成-训练平衡和资源分配方面存在未来研究机会 | 解决神经影像学研究中高质量数据集有限的问题，加速深度学习实验周期 | 合成脑部数据生成 | 神经影像学 | NA | 合成数据生成 | NA | 脑部影像数据 | 可高效处理TB级数据 | NA | NA | 吞吐量提升倍数 | MongoDB数据库，并行生成器架构 |
| 5146 | 2025-10-06 |
DSANIB: Drug-Target Interaction Predictions With Dual-View Synergistic Attention Network and Information Bottleneck Strategy
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3497591
PMID:40030194
|
研究论文 | 提出一种名为DSANIB的新方法，通过双视图协同注意力网络和信息瓶颈策略预测药物-靶点相互作用 | 结合双视图注意力网络显式学习药物-靶点对的局部相互作用，并采用信息瓶颈策略过滤冗余信息 | NA | 改进药物-靶点相互作用预测的准确性和可解释性 | 药物和靶点分子 | 机器学习 | NA | 深度学习 | 注意力网络 | 分子结构数据 | NA | NA | 双视图协同注意力网络 | NA | NA |
| 5147 | 2025-10-06 |
PFPRNet: A Phase-Wise Feature Pyramid With Retention Network for Polyp Segmentation
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3500026
PMID:40030242
|
研究论文 | 提出一种用于息肉分割的相位特征金字塔保留网络PFPRNet | 设计了相位特征金字塔保留解码器、增强感知模块和低层保留模块，能更有效地整合全局特征与局部特征 | 未明确说明 | 提升结肠息肉分割的准确性和泛化能力 | 结肠息肉图像 | 计算机视觉 | 结直肠癌 | 深度学习 | Transformer, CNN | 医学图像 | 多个广泛使用的息肉分割数据集 | NA | PFPRNet, Phase-wise Feature Pyramid with Retention Network | NA | NA |
| 5148 | 2025-10-06 |
CT-Less Whole-Body Bone Segmentation of PET Images Using a Multimodal Deep Learning Network
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3501386
PMID:40030243
|
研究论文 | 提出一种无需CT的多模态深度学习网络，用于PET图像的全身体骨分割 | 首次提出无需CT图像的多模态融合网络，通过引入示踪剂活性图、衰减图和合成衰减图三种PET模态图像，设计多编码器结构和融合模块实现全身体骨分割 | 研究仅基于130个全身PET数据集，样本规模有限 | 开发无需CT图像的PET全身体骨分割方法 | 骨癌患者的全身PET图像 | 医学影像分析 | 骨癌 | PET成像，深度学习 | 多模态融合网络 | PET图像（示踪剂活性图、衰减图、合成衰减图） | 130个全身PET图像数据集 | NA | 多编码器结构，多模态融合模块，SE Normalization | NA | NA |
| 5149 | 2025-10-06 |
EDSRNet: An Enhanced Decoder Semantic Recovery Network for 2D Medical Image Segmentation
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3504829
PMID:40030272
|
研究论文 | 提出一种增强解码器语义恢复网络(EDSRNet)用于2D医学图像分割 | 提出多级语义融合模块、多尺度空间注意力和交叉卷积通道注意力模块，以及全局-局部语义恢复模块来解决语义信息差距和语义恢复问题 | NA | 改进2D医学图像分割性能 | 医学图像分割 | 计算机视觉 | NA | 深度学习 | CNN | 2D医学图像 | 公共数据集BUSI、CVC-ClinicDB和Kvasir-SEG | NA | 编码器-解码器架构 | IoU | NA |
| 5150 | 2025-10-06 |
WaveSleepNet: An Interpretable Network for Expert-Like Sleep Staging
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3498871
PMID:40030379
|
研究论文 | 提出一种可解释的神经网络WaveSleepNet，用于模拟临床专家进行睡眠分期 | 通过潜在空间表示识别不同睡眠阶段的特征波原型，提供透明的决策过程 | NA | 开发可解释的自动睡眠分期方法 | 睡眠信号数据 | 机器学习 | 睡眠障碍 | 神经网络 | CNN | 生理信号 | 三个公共数据集 | NA | WaveSleepNet | 准确率 | NA |
| 5151 | 2025-10-06 |
Artificial Intelligence in Cancer Diagnosis: A Game-changer in Healthcare
2025, Current pharmaceutical biotechnology
IF:2.2Q3
|
综述 | 本文综述了人工智能在癌症早期检测中的潜在应用、技术方法和实施挑战 | 系统整合了AI在癌症筛查、风险分层和诊断复发的多场景应用，并强调深度学习处理复杂医学数据的优势 | 存在数据质量、算法偏见、资源需求和实施标准化等挑战 | 探讨人工智能在癌症早期诊断中的临床应用价值 | 无症状高危人群、有症状患者和癌症复发监测群体 | 医疗人工智能 | 癌症 | CT、乳腺X线摄影、病理切片分析、外周血分析 | 逻辑回归, 神经网络, 深度学习 | 医学影像、病理数据、血液检测数据 | NA | NA | NA | NA | NA |
| 5152 | 2025-10-06 |
Prognostic Value Of Deep Learning Based RCA PCAT and Plaque Volume Beyond CT-FFR In Patients With Stent Implantation
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究探讨基于深度学习的右冠状动脉周脂肪组织衰减和斑块体积对经皮冠状动脉介入治疗患者预后的预测价值 | 首次证明基于深度学习的右冠状动脉周脂肪组织衰减和斑块体积比CT-FFR更能预测主要不良心血管事件 | 回顾性研究设计，样本量相对较小（183例患者） | 评估深度学习提取的影像特征对冠心病患者预后的预测能力 | 接受经皮冠状动脉介入治疗和冠状动脉CTA检查的患者 | 医学影像分析 | 心血管疾病 | 冠状动脉计算机断层扫描血管成像 | 深度学习 | 医学影像 | 183例接受PCI治疗的患者 | NA | NA | 风险比, 95%置信区间, p值 | 人工智能辅助工作站 |
| 5153 | 2025-10-06 |
Hybrid deep learning optimization for smart agriculture: Dipper throated optimization and polar rose search applied to water quality prediction
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0327230
PMID:40690512
|
研究论文 | 提出一种结合Dipper Throated优化和Polar Rose搜索的混合元启发式框架，用于智能农业中的水质预测 | 首次将DTO生物启发算法与PRS搜索相结合，通过二元特征选择和元启发式优化的统一流程增强深度学习模型性能 | NA | 开发精准的水质预测模型以支持智能农业灌溉决策 | 马铃薯等需高质量灌溉的农作物 | 机器学习 | NA | 水质预测 | RBFN | 水质数据 | NA | NA | 径向基函数网络 | 分类准确率, ANOVA检验, Wilcoxon检验 | NA |
| 5154 | 2025-10-06 |
Evolution from the physical process-based approaches to machine learning approaches to predicting urban floods: a literature review
2025, Environmental systems research
DOI:10.1186/s40068-025-00409-3
PMID:40692624
|
文献综述 | 本文综述了过去二十年来从物理过程模型到机器学习方法的城市洪水预测研究演变 | 重点关注AI驱动、实时和社区集成方法在城市洪水预测中的最新进展，并系统比较了不同方法的优劣 | 许多城市缺乏应用这些先进工具所需的数据、传感器或系统，且许多模型独立运行，未与城市规划或社区工作有效整合 | 分析城市洪水预测方法从传统物理过程模型到机器学习方法的发展历程 | 城市洪水预测模型和方法 | 机器学习 | NA | GIS, LiDAR, 卫星影像, 物联网, 深度学习 | 混合模型, 深度学习 | 气象数据, 传感器数据, 社交媒体数据, 卫星图像 | NA | NA | NA | NA | NA |
| 5155 | 2025-10-06 |
High-throughput end-to-end aphid honeydew excretion behavior recognition method based on rapid adaptive motion-feature fusion
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1609222
PMID:40692669
|
研究论文 | 提出一种基于快速自适应运动特征融合的端到端蚜虫蜜露排泄行为识别方法 | 开发了首个包含蚜虫细粒度行为的数据集，提出快速自适应运动特征融合算法，并在RT-DETR检测模型中引入样条自适应非线性激活函数和Kolmogorov-Arnold网络 | NA | 开发高效实时的蚜虫蜜露排泄行为自动识别方法 | 蚜虫的爬行运动、腿部弹动和蜜露排泄行为 | 计算机视觉 | NA | 深度学习 | RT-DETR | 视频图像 | NA | PyTorch | RT-DETR, ResNet50, RK50模块 | 平均精度, mAP50 | NA |
| 5156 | 2025-10-06 |
Classifying office workers with and without cervicogenic headache or neck and shoulder pain using posture-based deep learning models: a multicenter retrospective study
2025, Frontiers in pain research (Lausanne, Switzerland)
DOI:10.3389/fpain.2025.1614143
PMID:40692757
|
研究论文 | 基于习惯性坐姿图像开发深度学习模型，用于分类有无颈源性头痛或颈肩痛的办公室工作人员 | 首次使用深度学习模型从习惯性坐姿图像中自动识别颈源性头痛和颈肩痛，并利用类激活映射可视化模型关注区域 | 静态姿势与肌肉骨骼疼痛之间的复杂关系需要临床实践中采用多模式评估方法 | 开发用于分类办公室工作人员有无颈源性头痛和颈肩痛的深度学习模型 | 531名办公室工作人员（135名颈源性头痛，365名颈肩痛，108名同时患有两种病症，139名对照组） | 计算机视觉 | 肌肉骨骼疾病 | 数字图像分析 | CNN | 图像 | 904张习惯性坐姿图像，来自531名办公室工作人员 | NA | VGG19, ResNet50, EfficientNet B5 | AUC, 准确率, 灵敏度, 特异性, F1分数 | NA |
| 5157 | 2025-10-06 |
Deep learning for enhancement of low-resolution and noisy scanning probe microscopy images
2025, Beilstein journal of nanotechnology
IF:2.6Q2
DOI:10.3762/bjnano.16.83
PMID:40692894
|
研究论文 | 本研究使用深度学习方法提升低分辨率和噪声扫描探针显微镜图像的质量与分辨率 | 首次系统比较传统方法与深度学习模型在AFM图像增强中的表现，并证明深度学习能完全消除常见伪影 | 未详细说明具体使用的深度学习模型架构和训练数据规模 | 提升原子力显微镜图像的分辨率和质量，减少测量时间 | 低分辨率AFM图像 | 计算机视觉 | NA | 原子力显微镜 | 深度学习模型 | 图像 | NA | NA | NA | 保真度, 图像质量, 专家评估 | NA |
| 5158 | 2025-10-06 |
Multidisciplinary Evaluation of an AI-Based Pneumothorax Detection Model: Clinical Comparison with Physicians in Edge and Cloud Environments
2025, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S535405
PMID:40693169
|
研究论文 | 评估基于Google Cloud Vertex AI开发的气胸检测深度学习模型在云环境和边缘环境中的诊断性能，并与多专科医师进行临床对比 | 首次在云环境和边缘环境中同时评估AI气胸检测模型性能，并与不同经验水平的医师进行多学科比较，特别关注微小气胸病例的检测能力 | 单中心回顾性研究，样本量有限(152例)，缺乏外部验证 | 评估AI模型在气胸检测中的诊断准确性及其临床适用性 | 152例匿名胸部X光片(76例气胸，76例正常)，15名来自4个专科的医师 | 计算机视觉 | 肺疾病 | 胸部X光成像，计算机断层扫描(CT) | 深度学习 | 医学图像 | 152例胸部X光片，患者年龄中位数50岁(范围18-95)，67.1%为男性 | Google Cloud Vertex AI, AutoML Vision | AutoML Vision自动生成的深度学习架构 | 敏感度，特异度，F1分数，诊断准确度 | Google Cloud Vertex AI平台，云环境和边缘环境部署 |
| 5159 | 2025-10-06 |
MSPO: A machine learning hyperparameter optimization method for enhanced breast cancer image classification
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251361603
PMID:40693252
|
研究论文 | 提出一种多策略鹦鹉优化器(MSPO)用于改进乳腺癌图像分类的机器学习超参数优化方法 | 在原始鹦鹉优化器基础上集成Sobol序列初始化、非线性递减惯性权重和混沌参数等策略，增强全局探索能力和收敛稳定性 | NA | 开发高效的超参数优化方法以提升乳腺癌图像分类性能 | 乳腺癌图像分类 | 计算机视觉 | 乳腺癌 | NA | CNN | 图像 | BreaKHis乳腺癌图像数据集 | NA | ResNet18 | 准确率,精确率,召回率,F1分数 | NA |
| 5160 | 2025-10-06 |
An Ensemble Deep Learning Algorithm for Structural Heart Disease Screening Using Electrocardiographic Images: PRESENT SHD
2024-Dec-27, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.10.06.24314939
PMID:39417095
|
研究论文 | 开发并验证了一种基于集成深度学习算法的结构型心脏病筛查工具PRESENT-SHD，能够通过12导联心电图图像自动检测多种结构型心脏病 | 首次利用心电图图像开发集成深度学习模型进行多种结构型心脏病的自动化筛查和风险分层 | 研究主要基于医院数据，在普通人群中的验证样本相对有限 | 利用12导联心电图图像开发自动化检测和预测多种结构型心脏病的深度学习算法 | 结构型心脏病患者，包括左室射血分数降低、中重度左侧瓣膜病和严重左室肥厚患者 | 医学影像分析 | 心血管疾病 | 经胸超声心动图，心电图 | CNN, XGBoost | 图像 | 开发集：261,228份心电图（93,693名患者）；验证集：58,628名个体 | NA | 集成卷积神经网络 | AUROC, 敏感性, 特异性 | NA |