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 11901 - 11920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11901 | 2025-10-07 |
Deep learning-based auditory attention decoding in listeners with hearing impairment
2024-05-22, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad49d7
PMID:38729132
|
研究论文 | 本研究开发了一种基于深度学习的快速听觉注意解码方法，用于分析听力受损者的脑电图数据 | 首次针对听力受损人群开发深度学习听觉注意解码方法，并比较了两种数据划分策略对模型性能的影响 | 仅使用了31名参与者的数据，样本量有限；仅测试了深度卷积神经网络架构 | 开发快速听觉注意解码方法，理解听力技术对听力受损人群听觉处理的影响 | 听力受损人群的脑电图数据 | 脑机接口 | 听力障碍 | 脑电图 | DCNN | 脑电图信号 | 31名听力受损参与者 | NA | 深度卷积神经网络 | 准确率, AUC | NA |
| 11902 | 2025-10-07 |
FetchEEG: a hybrid approach combining feature extraction and temporal-channel joint attention for EEG-based emotion classification
2024-05-15, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad4743
PMID:38701773
|
研究论文 | 提出一种结合特征提取和时空联合注意力的混合方法FetchEEG，用于基于脑电信号的情绪分类 | 首次将传统特征提取与深度学习相结合，采用多头自注意力机制同时提取不同时间点和通道的联合表征 | 未明确说明模型在跨数据集泛化能力的具体限制 | 开发高效的脑电信号情绪分类方法 | 人类情绪状态的脑电信号 | 神经工程 | NA | 脑电信号分析 | Transformer, 注意力机制 | 脑电信号 | 自建数据集和两个公共数据集 | NA | 多头自注意力机制，全连接层 | 分类准确率，泛化能力，训练效率 | NA |
| 11903 | 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 |
| 11904 | 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 |
| 11905 | 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 |
| 11906 | 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 |
| 11907 | 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 |
| 11908 | 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 |
| 11909 | 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 |
| 11910 | 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 |
| 11911 | 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 |
| 11912 | 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 |
| 11913 | 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 |
| 11914 | 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 |
| 11915 | 2025-05-07 |
Diagnosing migraine from genome-wide genotype data: a machine learning analysis
2025-May-06, Brain : a journal of neurology
IF:10.6Q1
DOI:10.1093/brain/awaf172
PMID:40326299
|
研究论文 | 本研究旨在通过机器学习模型分析全基因组基因型数据，以解决偏头痛遗传性缺失的问题 | 利用机器学习模型捕捉非加性和交互效应，揭示了偏头痛可能遵循的非加性和交互遗传因果结构 | 数据维度（高数量的遗传变异）与可用数据规模不匹配，可能掩盖了非加性效应 | 开发机器学习模型以解决偏头痛遗传性缺失的问题 | 43,197名参与者（51%为女性），平均年龄54.6岁 | 机器学习 | 偏头痛 | 全基因组基因分型 | LightGBM, 多项式朴素贝叶斯 | 基因型数据 | 43,197名个体 | NA | NA | NA | NA |
| 11916 | 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 |
| 11917 | 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 |
| 11918 | 2025-05-07 |
Deep Learning on Misaligned Dual-Energy Chest X-ray Images Using Paired Cycle-Consistent Generative Adversarial Networks
2025-May-05, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01508-4
PMID:40325327
|
研究论文 | 提出了一种基于配对循环一致性生成对抗网络的框架，用于有效去除双能胸部X射线图像中的运动伪影和统计噪声 | 结合了集成判别器、可微分增强、抗锯齿卷积层和基本的8层U-Net生成器，显著提高了运动伪影抑制和图像质量 | 研究仅基于600次检查的临床图像数据集，可能需要更大样本量以验证方法的普适性 | 改善双能胸部X射线图像的质量，减少运动伪影和统计噪声 | 双能胸部X射线图像 | 计算机视觉 | NA | 双能减影（DES）胸部X射线成像 | 配对循环一致性生成对抗网络（GAN）、U-Net | 图像 | 600次双能胸部X射线检查的数据 | NA | NA | NA | NA |
| 11919 | 2025-05-07 |
A Deep Learning-Based Framework for Automatic Determination of Developmental Dysplasia of the Hip from Graf Angles
2025-May-05, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01518-2
PMID:40325325
|
研究论文 | 提出了一种基于深度学习的框架，用于从Graf角度自动确定发育性髋关节发育不良（DDH） | 结合DeepLabv3+、形态学操作和局部最大值方法，自动诊断新生儿DDH，减少操作者依赖性和测量变异性 | 未提及具体样本量及临床验证的广泛性 | 开发自动化工具以提高DDH超声诊断的准确性和一致性 | 新生儿髋关节超声图像 | 数字病理学 | 发育性髋关节发育不良 | 超声成像 | DeepLabv3+（测试了ResNet50、InceptionResNetV2、MobilenetV2和Xception等主干网络） | 图像 | NA | NA | NA | NA | NA |
| 11920 | 2025-10-07 |
KanCell: dissecting cellular heterogeneity in biological tissues through integrated single-cell and spatial transcriptomics
2025-May, Journal of genetics and genomics = Yi chuan xue bao
DOI:10.1016/j.jgg.2024.11.009
PMID:39577768
|
研究论文 | KanCell是基于Kolmogorov-Arnold网络（KAN）的深度学习模型，通过整合单细胞RNA测序和空间转录组数据来增强细胞异质性分析 | 利用Kolmogorov-Arnold网络有效捕捉非线性关系并优化计算效率，在细胞异质性分析中超越现有方法 | NA | 通过整合单细胞和空间转录组数据来解析生物组织中的细胞异质性 | 人类淋巴结、心脏、黑色素瘤、乳腺癌、背外侧前额叶皮层和小鼠胚胎大脑 | 生物信息学 | 多种癌症（黑色素瘤、乳腺癌） | 单细胞RNA测序，空间转录组技术（STARmap, Slide-seq, Visium, Spatial Transcriptomics） | 深度学习 | 基因表达数据，空间转录组数据 | 模拟和真实数据集，涵盖多种组织和疾病类型 | NA | Kolmogorov-Arnold网络（KAN） | PCC, SSIM, COSSIM, RMSE, JSD, ARS, ROC | NA |