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 11821 - 11840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11821 | 2025-05-08 |
TRUSWorthy: toward clinically applicable deep learning for confident detection of prostate cancer in micro-ultrasound
2025-May, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03335-y
PMID:39976857
|
research paper | 提出了一种名为TRUSWorthy的深度学习系统，用于在前列腺癌的微超声检测中提高准确性和可靠性 | 整合了自监督学习、多实例学习聚合、随机欠采样增强和集成学习，解决了标签稀缺、弱标签、类别不平衡和过度自信等问题 | 需要进一步验证在更多临床环境中的适用性和稳定性 | 开发一个可靠的深度学习系统，用于前列腺癌的检测 | 前列腺癌的微超声数据 | digital pathology | prostate cancer | micro-ultrasound | transformers, ensemble learning | image | 大型多中心微超声数据集 | NA | NA | NA | NA |
| 11822 | 2025-05-08 |
DARCS: Memory-Efficient Deep Compressed Sensing Reconstruction for Acceleration of 3D Whole-Heart Coronary MR Angiography
2025-May, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3524717
PMID:40030771
|
research paper | 提出一种内存高效的深度压缩感知方法DARCS，用于加速3D全心冠状动脉磁共振血管成像的重建 | 利用预训练的伪影估计网络作为固有稀疏变换，显著降低内存使用同时提升重建质量 | 未提及具体临床验证规模或不同硬件平台的适应性测试 | 解决3D冠状动脉磁共振血管成像在高度欠采样情况下的高质量重建问题 | 3D全心冠状动脉磁共振血管成像数据 | digital pathology | cardiovascular disease | deep compressed sensing | unrolled network | 3D medical image | NA | NA | NA | NA | NA |
| 11823 | 2025-05-08 |
SWMA-UNet: Multi-Path Attention Network for Improved Medical Image Segmentation
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3523492
PMID:40030824
|
research paper | 提出了一种名为SWMA-UNet的并行多路径注意力架构，用于改进医学图像分割 | 采用并行策略整合Transformers和CNNs，同时处理全局和局部信息，提高了分割精度 | 未提及具体局限性 | 改进医学图像分割的准确性 | 医学图像 | digital pathology | NA | deep learning | SWMA-UNET (结合Transformers和CNNs的并行多路径注意力架构) | image | Synapse, ACDC, ISIC 2018和MoNuSeg数据集 | NA | NA | NA | NA |
| 11824 | 2025-05-08 |
FlexibleSleepNet:A Model for Automatic Sleep Stage Classification Based on Multi-Channel Polysomnography
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3525626
PMID:40030855
|
研究论文 | 提出了一种名为FlexibleSleepNet的轻量级卷积神经网络架构，用于基于多通道多导睡眠图的自动睡眠阶段分类 | 设计了自适应特征提取模块（AFE）和尺度变化压缩模块（SVC），有效平衡时空特征提取与计算复杂性 | NA | 解决自动睡眠阶段分类任务中深度学习模型在时空特征提取与计算复杂性之间的平衡问题 | 多通道多导睡眠图数据 | 数字病理学 | NA | 多通道多导睡眠图 | CNN | 多通道生理信号数据 | 三个数据库：SleepEDF-20、SleepEDF-78和SHHS | NA | NA | NA | NA |
| 11825 | 2025-05-08 |
Conditional Contrastive Predictive Coding for Assessment of Fetal Health From the Cardiotocogram
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3530610
PMID:40030899
|
研究论文 | 本文提出了一种基于条件对比预测编码（CPC）的方法，用于从胎心宫缩图（CTG）中评估胎儿健康状况 | 改进了之前基于WaveNet架构的无监督深度学习模型，通过引入对比预测编码（CPC）和新的训练目标，提高了异常检测的性能 | 未提及具体样本量或数据集的详细描述 | 开发一种自动化的胎儿健康评估方法，以减少人为解释胎心宫缩图的主观性和不必要的干预 | 胎心宫缩图（CTG）记录的胎儿心率和子宫活动数据 | 数字病理学 | 胎儿健康 | 对比预测编码（CPC） | WaveNet, CPC | 时间序列数据 | NA | NA | NA | NA | NA |
| 11826 | 2025-05-08 |
Predicting Drug-miRNA Associations Combining SDNE with BiGRU
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3525266
PMID:40030943
|
研究论文 | 提出了一种结合SDNE和BiGRU的新方法SDNEDMA，用于预测药物-miRNA关联 | 首次将SDNE与BiGRU结合用于药物-miRNA关联预测，采用双通道方法融合miRNA和药物的属性和拓扑特征 | 未提及具体的数据集规模限制或模型泛化能力测试 | 开发高精度的药物-miRNA关联预测方法以辅助药物研发 | 药物与miRNA之间的关联关系 | 机器学习 | NA | SDNE（结构化深度网络嵌入）和BiGRU（双向门控循环单元） | SDNE + BiGRU | miRNA序列数据和药物ECFP指纹数据 | 基于ncDR数据集进行5折交叉验证 | NA | NA | NA | NA |
| 11827 | 2025-05-08 |
DiffuSeg: Domain-Driven Diffusion for Medical Image Segmentation
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3526806
PMID:40030962
|
研究论文 | 介绍了一种名为DiffuSeg的新型条件扩散模型，用于医学图像分割，能够利用现有标签合成目标域的新图像 | 提出了一种仅需标签图和目标域未标记图像的条件扩散模型，避免了人工标注的需求，并在图像生成和分割准确性上显著优于基线方法 | 在训练过程中目标数据集的标注不可用的情况下表现最佳，可能限制了在需要实时标注的应用中的使用 | 解决医学图像分割中标注成本高和分布偏移的问题 | 医学图像数据，包括视网膜眼底图像和MRI图像 | 数字病理 | 心血管疾病 | 条件扩散模型 | DiffuSeg | 图像 | NA | NA | NA | NA | NA |
| 11828 | 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 |
| 11829 | 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 |
| 11830 | 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 |
| 11831 | 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 |
| 11832 | 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 |
| 11833 | 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 |
| 11834 | 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 |
| 11835 | 2025-10-07 |
MACTFusion: Lightweight Cross Transformer for Adaptive Multimodal Medical Image Fusion
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3391620
PMID:38640042
|
研究论文 | 提出一种基于轻量级交叉Transformer的自适应多模态医学图像融合方法 | 提出基于交叉多轴注意力机制的新型轻量级交叉Transformer，包含交叉窗口注意力和交叉网格注意力，能够挖掘和整合多模态特征的局部与全局交互 | NA | 开发无监督多模态医学图像融合的自适应跨模态融合策略 | 多模态医学图像 | 计算机视觉 | 脑肿瘤 | 医学图像融合 | Transformer | 医学图像 | NA | NA | 交叉Transformer, 多梯度残差密集卷积 | 纹理清晰度, 视觉质量 | 轻量级计算 |
| 11836 | 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 |
| 11837 | 2025-05-08 |
Variability analysis of soil organic carbon content across land use types and its digital mapping using machine learning and deep learning algorithms
2025-Apr-10, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-13972-0
PMID:40210813
|
研究论文 | 分析法国普罗旺斯矿区11种不同土地利用类型下土壤有机碳含量的变异性，并利用机器学习和深度学习算法进行空间建模 | 首次在该地区综合使用多种机器学习和深度学习算法（RF、SVM、XGBoost、DNN）对土壤有机碳含量进行空间变异性建模，并比较其性能 | 样本量有限（162个土壤样本），且仅针对法国普罗旺斯矿区，结果可能无法推广到其他地区 | 研究土壤有机碳含量的空间变异性及其影响因素，为可持续土壤资源管理和气候变化减缓提供支持 | 法国普罗旺斯矿区11种不同土地利用类型下的土壤有机碳含量 | 机器学习 | NA | 机器学习和深度学习回归算法（RF、SVM、XGBoost、DNN） | 随机森林（RF）、支持向量机（SVM）、极端梯度提升（XGBoost）、深度神经网络（DNN） | 土壤样本数据、环境协变量（气候参数、岩性、地形特征、土地覆盖、遥感数据、土壤理化参数） | 162个土壤样本 | NA | NA | NA | NA |
| 11838 | 2025-05-08 |
A method for delineating traffic low emission control zone based on deep learning and multi-objective optimization
2025-Apr-08, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-13949-z
PMID:40199777
|
研究论文 | 本研究提出了一种基于深度学习和多目标优化的交通低排放控制区划分方法 | 结合CNN、LSTM和注意力机制的深度学习模型捕捉PM浓度的时空变化，并采用NSGA-II算法进行多目标优化 | 未明确说明模型在不同城市规模或地理条件下的泛化能力 | 优化交通低排放控制区的划分，平衡环境效益与社会影响 | 城市PM浓度数据与交通排放控制区 | 机器学习 | NA | 深度学习、多目标优化算法 | CNN、LSTM、Attention Mechanism | PM浓度数据（静态路网特征+动态时间序列） | 出租车队采集的PM数据（未明确数量） | NA | NA | NA | NA |
| 11839 | 2025-05-08 |
A Multi-Task Self-Supervised Strategy for Predicting Molecular Properties and FGFR1 Inhibitors
2025-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202412987
PMID:39921455
|
研究论文 | 提出了一种多任务自监督深度学习框架MTSSMol，用于预测分子性质和识别FGFR1抑制剂 | 提出了一种多任务自监督预训练策略，利用约1000万个未标记的药物样分子进行预训练，以识别潜在的FGFR1抑制剂 | 未明确提及具体限制，但可能涉及预训练数据的多样性和模型的泛化能力 | 增强分子表示学习并识别潜在药物候选物，以加速药物发现过程 | 药物样分子及其与FGFR1的相互作用 | 计算机辅助药物发现 | NA | 分子对接（RoseTTAFold All-Atom）和分子动力学模拟 | 图神经网络（GNNs） | 分子数据 | 约1000万个未标记的药物样分子 | NA | NA | NA | NA |
| 11840 | 2025-05-08 |
Deep Learning Combined with Quantitative Structure‒Activity Relationship Accelerates De Novo Design of Antifungal Peptides
2025-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202412488
PMID:39921483
|
研究论文 | 开发了一种结合深度学习和定量结构-活性关系的抗真菌肽从头设计方法DL-QSARES | 整合深度学习和定量结构-活性关系经验筛选，开发了抗真菌肽从头设计方法DL-QSARES | NA | 加速抗真菌肽的从头设计，以应对念珠菌感染 | 抗真菌肽（AFPs） | 机器学习 | 念珠菌感染 | 定量结构-活性关系（QSAR） | 自然语言处理模型 | 氨基酸序列数据 | 49个候选抗真菌肽（c_AFPs） | NA | NA | NA | NA |