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 11421 - 11440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11421 | 2025-05-12 |
Advancing Chest X-ray Diagnostics via Multi-Modal Neural Networks with Attention
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781551
PMID:40040114
|
研究论文 | 该研究通过多模态神经网络与注意力机制提升胸部X光诊断的准确性 | 结合预训练图像分类神经网络与患者及图像元数据整合，显著提高诊断精度，并确定有效决策边界以减少误报 | 未提及具体样本量及模型在更广泛数据集上的泛化能力 | 提升胸部X光图像诊断的准确性，特别是在呼吸系统疾病的多标签诊断和类别不平衡情况下 | 胸部X光图像及患者与图像元数据 | 数字病理学 | 呼吸系统疾病 | 深度学习 | 多模态神经网络（含注意力机制） | 图像与元数据 | NA | NA | NA | NA | NA |
| 11422 | 2025-05-12 |
Bacteria Detection in Optical Endomicroscopy Images using Synthetic Images
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781794
PMID:40040125
|
research paper | 该论文提出了一种在光学内窥镜图像中使用合成图像检测细菌的新方法 | 引入了生成合成细菌图像序列的新方法，以解决标记数据稀缺的问题，并展示了3D U-Net在合成数据训练下的性能提升 | 合成图像与真实图像之间可能存在差异，且需要进一步验证在更多真实场景中的泛化能力 | 提高肺炎细菌在光学内窥镜图像中的检测速度和准确性 | 光学内窥镜图像中的细菌 | digital pathology | lung cancer | 光学内窥镜成像(OEM) | 3D U-Net | image | NA | NA | NA | NA | NA |
| 11423 | 2025-05-12 |
Profiling a Raspberry Pi-Based Motor Imagery Classification to Facilitate At-Home BCI for Children with Disabilities
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781873
PMID:40040137
|
research paper | 该研究开发了一个基于树莓派4的高效可扩展机器学习框架，用于促进家庭使用的脑机接口（BCI）系统，特别针对残疾儿童 | 首次在树莓派4上评估了包括黎曼几何框架和人工神经网络在内的十种标准分类器，展示了其在低计算资源下的可行性和性能 | 高资源需求的分类器（如人工神经网络）在实现时需要仔细考虑，可能会限制系统的成本和复杂性 | 开发一个高效且可扩展的机器学习框架，以促进家庭使用的脑机接口系统 | 残疾儿童 | machine learning | disabilities | BCI, 机器学习分类器 | ANN, Riemannian Geometry框架 | 脑电信号数据 | NA | NA | NA | NA | NA |
| 11424 | 2025-05-12 |
EMGCipher: Decoding Electromyography for Upper-limb Gesture Classification with Explainable AI for Resource Optimization
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782747
PMID:40040141
|
研究论文 | 介绍了一种名为EMGCipher的可解释深度学习框架，用于通过表面肌电图（sEMG）进行上肢手势分类 | 结合低层次sEMG特征表示与深度学习模型知识，定量评估输入传感器和特征在手势分类中的概率重要性 | 仅在Ninapro DB5数据集上进行了实验，未在其他数据集上验证 | 提高上肢手势分类的透明度和性能 | 上肢手势分类 | 机器学习 | NA | sEMG | 深度学习框架 | 肌电图信号 | Ninapro DB5数据集 | NA | NA | NA | NA |
| 11425 | 2025-05-12 |
Detection of Sleep Apnea-Hypopnea Events Using Millimeter-wave Radar and Pulse Oximeter
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782344
PMID:40040165
|
研究论文 | 提出了一种使用毫米波雷达和脉搏血氧仪检测睡眠呼吸暂停-低通气事件的方法ROSA | 融合毫米波雷达和脉搏血氧仪信息，直接预测SAE的时间定位，提高了检测准确性 | 雷达检测易受身体运动和环境的干扰，脉搏血氧仪单独使用有局限性 | 开发低成本、低负荷的OSAHS诊断方法 | 睡眠呼吸暂停-低通气事件(SAE) | 医疗健康监测 | 阻塞性睡眠呼吸暂停低通气综合征(OSAHS) | 毫米波雷达和脉搏血氧仪 | NA | 雷达信号和血氧数据 | NA | NA | NA | NA | NA |
| 11426 | 2025-05-12 |
Robust EEG-based Emotion Recognition Using an Inception and Two-sided Perturbation Model
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782060
PMID:40040181
|
研究论文 | 提出了一种基于Inception特征生成器和双面扰动（INC-TSP）的方法，用于增强脑机接口中的情绪识别 | 结合Inception模块进行EEG数据分析，并采用双面扰动（TSP）作为防御机制，增强模型对抗攻击的弹性 | 未提及具体样本量或实验环境的详细限制 | 提高在输入不确定性情况下情绪识别的准确性 | 脑电图（EEG）信号 | 脑机接口 | NA | Inception模块和双面扰动（TSP） | Inception | EEG信号 | 未提及具体样本量 | NA | NA | NA | NA |
| 11427 | 2025-05-12 |
Deep Learning Analysis of Retinal Structures and Risk Factors of Alzheimer's Disease
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782580
PMID:40040194
|
研究论文 | 本研究利用深度神经网络分析视网膜结构与阿尔茨海默病风险因素之间的关系 | 使用深度神经网络从视网膜图像中预测阿尔茨海默病风险因素，并发现视网膜结构与风险因素之间的关系 | 未提及具体样本量和模型性能的详细数据 | 探索视网膜图像作为阿尔茨海默病早期筛查的生物标志物 | 阿尔茨海默病患者的视网膜结构 | 数字病理学 | 阿尔茨海默病 | 深度学习 | 深度神经网络 | 图像 | NA | NA | NA | NA | NA |
| 11428 | 2025-05-12 |
Integrating Microfluidics and Deep Learning to Investigate Entomopathogenic Nematode Responses to Host Cues
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782918
PMID:40040185
|
研究论文 | 本研究结合微流控技术和深度学习，探究昆虫病原线虫对宿主线索的动态响应 | 提出了一种结合微流控、深度学习和光流分析的混合方法，用于研究昆虫病原线虫的行为 | NA | 优化昆虫病原线虫的应用，以实现更精确和有针对性的生物防治策略 | 昆虫病原线虫（Steinernema carpocapsae） | 生物工程与深度学习 | NA | 微流控技术、光流分析 | CNN | 视频 | NA | NA | NA | NA | NA |
| 11429 | 2025-05-12 |
Classification of Carotid Plaque with Jellyfish Sign Through Convolutional and Recurrent Neural Networks Utilizing Plaque Surface Edges
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782813
PMID:40040199
|
研究论文 | 本文提出了一种基于超声视频的深度神经网络方法，用于分类颈动脉斑块的Jellyfish征 | 结合卷积神经网络和循环神经网络，利用斑块表面边缘信息高效分类Jellyfish征 | 研究仅基于200名患者的超声视频图像，样本量有限 | 开发一种自动检测颈动脉斑块Jellyfish征的方法，以辅助脑梗死风险评估 | 颈动脉斑块 | 计算机视觉 | 心血管疾病 | 超声视频分析 | CNN和RNN | 视频 | 200名患者的超声视频图像 | NA | NA | NA | NA |
| 11430 | 2025-05-12 |
Focused State Recognition Using EEG with Eye Movement-Assisted Annotation
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781939
PMID:40040215
|
研究论文 | 利用EEG和眼动信号通过深度学习模型识别和分析大脑活动，特别是专注状态 | 提出了一种结合眼动信号和EEG特征的专注状态标注方法，并通过Transformer模型实现了高准确率 | 未提及样本多样性或跨文化适用性，可能影响模型的泛化能力 | 通过EEG和眼动信号识别专注状态，提高大脑活动分类的准确性 | EEG和眼动信号 | 机器学习 | NA | EEG和眼动信号分析 | Transformer | EEG信号和眼动信号 | 未明确提及具体样本数量，但进行了主体依赖和跨主体实验 | NA | NA | NA | NA |
| 11431 | 2025-05-12 |
Exploring Schizophrenia Classification in fMRI Data: A Common Spatial Patterns(CSP) Approach for Enhanced Feature Extraction and Classification
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782387
PMID:40040201
|
研究论文 | 本研究探讨了在静息态功能磁共振成像（rs-fMRI）数据中应用共同空间模式（CSP）方法进行精神分裂症分类的新方法 | 首次将主要用于脑电图（EEG）信号处理的CSP方法应用于fMRI数据集，并验证其在rs-fMRI中的有效性 | 仅比较了CSP与PCA等有限方法，未涉及更多先进的深度学习模型 | 探索CSP方法在rs-fMRI数据分析中的应用潜力，提高精神分裂症分类的准确性 | 精神分裂症患者和健康对照组的rs-fMRI数据 | 医学影像分析 | 精神分裂症 | rs-fMRI, CSP, PCA | CSP, PCA | 功能磁共振成像时间序列数据 | 包含患者和对照组两个主要类别的样本（具体数量未提及） | NA | NA | NA | NA |
| 11432 | 2025-05-12 |
MRI-only based material mass density and relative stopping power estimation via deep learning for proton therapy: a preliminary study
2024-05-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61869-8
PMID:38750148
|
研究论文 | 本研究开发了一种基于深度学习的MRI-only方法，用于质子治疗中的质量密度和相对阻止本领估计 | 首次提出结合深度学习的MRI-only方法，直接从MRI图像估计质量密度和相对阻止本领，避免了额外成像的需求 | 研究为初步研究，样本量有限，仅使用幻影和动物组织进行验证 | 开发质子治疗计划中直接从MRI图像估计质量密度和相对阻止本领的方法 | 五种组织替代幻影(皮肤、肌肉、脂肪组织、45%羟基磷灰石和海绵骨)和两种动物组织幻影(猪脑和猪肝) | 医学影像分析 | 肿瘤治疗 | 深度学习、MRI成像(包括T1、T2和ZTE扫描) | 深度学习模型 | MRI图像 | 五种组织替代幻影和两种动物组织幻影 | NA | NA | NA | NA |
| 11433 | 2025-05-12 |
An Update on the Use of Artificial Intelligence in Digital Pathology for Oral Epithelial Dysplasia Research
2024-May-10, Head and neck pathology
DOI:10.1007/s12105-024-01643-4
PMID:38727841
|
综述 | 本文回顾了人工智能在数字病理学中用于口腔上皮异型增生（OED）诊断的最新进展 | 总结了AI在OED诊断、分级和恶性转化预测中的应用，强调了深度学习卷积神经网络的使用 | 研究局限于常规光学显微镜图像，排除了其他成像方式，且需要更多关于泛化性、可解释决策和预后预测的支持性研究 | 探讨人工智能在数字病理学中用于OED诊断的当前进展 | 口腔上皮异型增生（OED） | 数字病理学 | 口腔鳞状细胞癌（OSCC） | 深度学习（DL）、机器学习（ML） | CNN | 图像 | 24项研究 | NA | NA | NA | NA |
| 11434 | 2025-05-12 |
Rapid and accurate prediction of protein homo-oligomer symmetry with Seq2Symm
2024-Apr-26, Research square
DOI:10.21203/rs.3.rs-4215086/v1
PMID:38746169
|
research paper | 该论文提出了一种名为Seq2Symm的模型，用于快速准确地预测蛋白质同源寡聚体的对称性 | Seq2Symm利用ESM2模型，在预测蛋白质同源寡聚体对称性方面优于现有的基于模板和深度学习方法 | 论文未明确提及具体局限性 | 开发能够快速准确预测蛋白质同源寡聚体对称性的机器学习模型 | 蛋白质同源寡聚体的对称性 | machine learning | NA | ESM-MSA, ESM2, RoseTTAFold2 | Seq2Symm (基于ESM2) | protein sequences | 5个完整蛋白质组和约350万个未标记蛋白质序列 | NA | NA | NA | NA |
| 11435 | 2025-10-07 |
Counterfactual MRI Generation with Denoising Diffusion Models for Interpretable Alzheimer's Disease Effect Detection
2024-Feb-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.02.05.578983
PMID:38370616
|
研究论文 | 利用去噪扩散模型生成反事实MRI图像，用于阿尔茨海默病的可解释效应检测 | 首次将条件潜在扩散模型和去噪扩散概率模型应用于神经影像数据，生成个体水平的反事实MRI图像并创建个性化疾病图谱 | 训练数据集规模有限，计算时间和内存资源受限 | 开发可解释的AI方法检测阿尔茨海默病对大脑解剖结构的影响 | 阿尔茨海默病患者和健康受试者的大脑MRI扫描 | 医学影像分析 | 阿尔茨海默病 | 3D T1加权MRI扫描 | LDM, DDPM, CNN | 3D MRI图像 | 500个真实训练扫描 | NA | 潜在扩散模型, 去噪扩散概率模型, 3D CNN | 真实性评估, 多样性评估, 分类准确率 | NA |
| 11436 | 2025-10-07 |
Evaluating Augmentation Approaches for Deep Learning-based Major Depressive Disorder Diagnosis with Raw Electroencephalogram Data
2023-Dec-18, bioRxiv : the preprint server for biology
DOI:10.1101/2023.12.15.571938
PMID:38187601
|
研究论文 | 本研究评估了六种脑电图数据增强方法在基于深度学习的重度抑郁症诊断中的效果 | 引入了重复训练集作为新基线以消除数据量偏差，并首次系统评估多种EEG数据增强方法在抑郁症诊断中的效用 | 研究结果仅限于特定数据集和模型，可能需要进一步验证 | 评估脑电图数据增强方法对深度学习模型在抑郁症诊断中性能的影响 | 重度抑郁症患者的原始脑电图数据 | 机器学习 | 抑郁症 | 脑电图(EEG) | 深度学习模型 | 原始脑电图信号 | NA | NA | NA | 模型性能指标 | NA |
| 11437 | 2025-05-11 |
Food-derived DPP4 inhibitors: Drug discovery based on high-throughput virtual screening and deep learning
2025-Jun-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143505
PMID:40015027
|
研究论文 | 本研究通过高通量虚拟筛选和深度学习技术，从食物来源中开发了六种改良化合物，作为治疗2型糖尿病的潜在候选药物 | 结合虚拟筛选、深度学习算法、ADMET特性评估和分子动力学模拟，发现并改良了六种食物来源的DPP-4抑制剂 | 未提及临床试验结果，仅进行了体外和计算机模拟评估 | 发现新型食物来源的DPP-4抑制剂用于治疗2型糖尿病 | 六种食物来源的DPP-4抑制化合物 | 药物发现 | 2型糖尿病 | 高通量虚拟筛选、深度学习算法、ADMET评估、分子动力学模拟 | 深度学习模型 | 化学化合物数据 | 六种化合物 | NA | NA | NA | NA |
| 11438 | 2025-10-07 |
A deep learning-based, real-time image report system for linear EUS
2025-Jun, Gastrointestinal endoscopy
IF:6.7Q1
DOI:10.1016/j.gie.2024.10.030
PMID:39427992
|
研究论文 | 开发基于深度学习的超声内镜自动图像报告系统，实现实时自动图像采集和报告生成 | 首个基于深度学习的实时超声内镜自动图像报告系统，集成八个深度学习模型 | 研究样本量相对有限，仅在一家医院进行前瞻性测试 | 提高超声内镜检查图像采集的完整性和质量 | 接受超声内镜检查的胆胰疾病患者 | 计算机视觉 | 胆胰疾病 | 超声内镜 | 深度学习模型 | 医学图像 | 235,784张图像用于训练测试，114名患者参与前瞻性测试 | NA | NA | 完整性百分比，置信区间，P值 | NA |
| 11439 | 2025-10-07 |
Incorporating Radiologist Knowledge Into MRI Quality Metrics for Machine Learning Using Rank-Based Ratings
2025-Jun, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29672
PMID:39690114
|
研究论文 | 本研究开发了一种基于放射科医生图像排序和深度学习模型的MRI图像质量评估指标 | 将放射科医生的专业知识通过图像排序方式融入深度学习模型，开发专门针对MRI的图像质量评估指标 | 研究为回顾性设计，观察者间一致性相对较低(61.47%) | 开发专门针对MRI图像的深度学习质量评估指标 | NYU fastMRI Initiative神经数据库中的MRI图像 | 医学影像分析 | 神经系统疾病 | MRI成像 | 深度学习 | 医学图像 | 2916个独特图像对的19,344个排序，来自7名放射科医生评估 | NA | EfficientNet, IQ-Net | 准确率, Cohen's kappa, 均方误差, 结构相似性 | NA |
| 11440 | 2025-10-07 |
Computer-Aided Detection (CADe) and Segmentation Methods for Breast Cancer Using Magnetic Resonance Imaging (MRI)
2025-Jun, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29687
PMID:39781684
|
综述 | 本文全面综述了基于磁共振成像的乳腺癌计算机辅助检测系统技术现状与发展方向 | 系统梳理了从传统算法到先进深度学习模型的演进，特别关注多参数MRI采集的CADe实现 | 系统面临假阳性和假阴性率波动、大数据解读复杂性、性能变异性、缺乏大规模多中心研究等问题 | 提升乳腺癌早期检测效果，优化计算机辅助检测系统在临床实践中的应用 | 乳腺癌磁共振成像数据 | 计算机视觉 | 乳腺癌 | 磁共振成像 | 监督学习,无监督学习,深度学习 | 医学影像 | NA | NA | U-Net | NA | NA |