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 13281 - 13300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13281 | 2025-04-24 |
Interplay between noise-induced sensorineural hearing loss and hypertension: pathophysiological mechanisms and therapeutic prospects
2025, Frontiers in cellular neuroscience
IF:4.2Q2
DOI:10.3389/fncel.2025.1523149
PMID:40260077
|
review | 本文综述了噪声性听力损失(NIHL)的病理生理学、对血迷路屏障(BLB)的影响以及新兴治疗方法 | 探讨了神经调节和基于载体的方法在克服BLB等生物屏障方面的潜力，以及计算化学方法在药物开发中的应用 | 主要集中于NIHL的机制和潜在治疗方法，缺乏具体临床试验数据的支持 | 详细研究NIHL及其潜在机制、生理影响和前沿治疗策略 | 噪声性听力损失及其相关病理生理机制 | NA | 心血管疾病 | 分子对接、分子动力学模拟、QSAR/QSPR分析、网络药理学 | machine/deep learning algorithms | NA | NA | NA | NA | NA | NA |
| 13282 | 2025-04-24 |
Mitigating Aberration-Induced Noise: A Deep Learning-Based Aberration-to- Aberration Approach
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3422027
PMID:38959140
|
研究论文 | 本文提出了一种基于深度学习的无需真实数据的相位像差校正方法 | 首次提出无需真实数据即可校正相位像差的深度学习方法，并设计了自适应混合损失函数以提高性能 | 未明确说明方法在复杂临床环境中的泛化能力 | 解决超声成像中相位像差导致的图像质量下降问题 | 超声成像中的相位像差 | 医学影像处理 | NA | 深度学习 | CNN | 超声射频数据(RF data)和B模式图像 | 超过180,000张带有相位像差的单平面波图像(RF数据) | NA | NA | NA | NA |
| 13283 | 2025-04-24 |
PolarFormer: A Transformer-Based Method for Multi-Lesion Segmentation in Intravascular OCT
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3417007
PMID:38900618
|
研究论文 | 提出了一种基于Transformer的多病灶分割方法PolarFormer，用于血管内OCT图像中的多类别易损斑块分割 | 引入了Polar Attention模块，模拟易损斑块在径向的空间关系，并整合了斑块的空间分布先验知识 | 研究受限于公开的大规模多类别易损斑块标注的血管内OCT数据集的缺乏 | 解决血管内OCT图像中多类别易损斑块分割的挑战 | 血管内OCT图像中的多类别易损斑块 | 计算机视觉 | 心血管疾病 | 深度学习 | Transformer | 图像 | 70个回拉数据 | NA | NA | NA | NA |
| 13284 | 2025-04-24 |
CareSleepNet: A Hybrid Deep Learning Network for Automatic Sleep Staging
2024-Dec, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3426939
PMID:38990749
|
research paper | 提出了一种名为CareSleepNet的混合深度学习网络，用于从多导睡眠图（PSG）记录中自动进行睡眠分期 | 设计了多尺度卷积-Transformer时段编码器来捕捉局部和全局特征，并基于共同注意力机制开发了跨模态上下文编码器来建模不同模态间的关系 | 未明确提及具体局限性，但暗示现有研究忽略了全局特征和跨模态关系 | 开发高性能的自动睡眠分期方法 | 多导睡眠图（PSG）记录的睡眠数据 | digital pathology | geriatric disease | deep learning | CNN, Transformer | 生理信号（EEG和EOG） | 一个私有数据集SSND和两个公共数据集Sleep-EDF-153和ISRUC | NA | NA | NA | NA |
| 13285 | 2025-04-24 |
BP-Net: Monitoring "Changes" in Blood Pressure Using PPG With Self-Contrastive Masking
2024-Dec, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3422023
PMID:38954566
|
研究论文 | 提出了一种名为BP-Net的新方法，通过光电容积图(PPG)监测血压变化，而非直接估计血压值 | 将问题重新定义为跟踪血压在一段时间内的变化，而非直接估计其值，并提出了一种自对比掩码(SCM)模型进行成对时间比较 | 在训练期间未见过的受试者数据上，准确率为75.97%/73.19%，仍有提升空间 | 通过PPG信号监测血压的急性变化，为临床应用(如高血压急症)提供潜在价值 | 光电容积图(PPG)信号 | 机器学习 | 心血管疾病 | 深度学习 | BP-Net, SCM | 生理信号 | 使用PulseDB数据集，涉及未见过的受试者数据 | NA | NA | NA | NA |
| 13286 | 2025-04-24 |
Uni4Eye++: A General Masked Image Modeling Multi-Modal Pre-Training Framework for Ophthalmic Image Classification and Segmentation
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3422102
PMID:38954581
|
研究论文 | 提出了一种名为Uni4Eye++的通用自监督Transformer框架，用于眼科图像的分类和分割任务 | 采用图像熵引导的掩码策略重建更具信息量的图像块，并引入动态头部生成器模块减轻模态混淆 | 未明确提及具体局限性 | 开发一种能够利用大量未标记眼科图像的自监督学习框架 | 眼科图像（包括2D和3D图像） | 计算机视觉 | 眼科疾病 | 自监督学习（SSL） | Transformer | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 13287 | 2025-04-24 |
Multi-Label Chest X-Ray Image Classification With Single Positive Labels
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3421644
PMID:38949934
|
研究论文 | 提出一种名为多级伪标签一致性（MPC）的框架，用于解决胸部X光图像多标签分类中单阳性标签学习（SPML-CXR）的问题 | 引入单阳性多标签学习（SPML）问题到胸部X光图像分类中，并提出MPC框架，结合图像级、特征级和批次级的扰动一致性正则化来恢复潜在的错误标注阳性标签 | 需要进一步验证在更大规模数据集上的泛化能力，以及在实际临床环境中的应用效果 | 解决胸部X光图像多标签分类中标注成本高和噪声标签问题 | 胸部X光图像 | 计算机视觉 | 肺部疾病 | 深度学习 | Transformer | 图像 | CheXpert和MIMIC-CXR数据集 | NA | NA | NA | NA |
| 13288 | 2025-04-24 |
STAR-RL: Spatial-Temporal Hierarchical Reinforcement Learning for Interpretable Pathology Image Super-Resolution
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3419809
PMID:38935476
|
研究论文 | 提出了一种名为STAR-RL的空间-时间分层强化学习框架，用于解决病理图像超分辨率问题中的黑盒恢复和资源分配不均问题 | 首次将分层强化学习应用于病理图像超分辨率，提出了空间和时间管理器来指导像素级可解释操作，避免了次优恢复和过度处理问题 | 实验仅在特定退化核下的医学图像上进行验证，未涉及所有可能的临床场景 | 开发可解释的病理图像超分辨率方法以提高诊断准确性 | 病理图像 | 数字病理 | 肿瘤 | 强化学习 | STAR-RL（分层强化学习框架） | 图像 | NA | NA | NA | NA | NA |
| 13289 | 2025-04-24 |
Accurate Airway Tree Segmentation in CT Scans via Anatomy-Aware Multi-Class Segmentation and Topology-Guided Iterative Learning
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3419707
PMID:38923479
|
research paper | 提出了一种基于解剖学感知的多类别分割和拓扑引导迭代学习的方法，用于精确分割CT扫描中的气道树 | 结合解剖学感知的多类别分割任务和拓扑引导的迭代自学习方案，有效解决了气道树分割中的类内不平衡和标注不完整问题 | 需要依赖初始伪标签的质量，且计算成本较高 | 提高CT扫描中气道树分割的准确性和完整性，以支持呼吸系统疾病分析 | 胸腔内气道树 | digital pathology | lung cancer | CT扫描 | deep learning | image | 四个数据集（包括两个公共挑战数据集） | NA | NA | NA | NA |
| 13290 | 2025-04-24 |
Video-Based Soft Tissue Deformation Tracking for Laparoscopic Augmented Reality-Based Navigation in Kidney Surgery
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3413537
PMID:38865220
|
研究论文 | 本研究提出了一种基于视频的软组织变形追踪增强现实导航系统，用于肾脏腹腔镜手术 | 提出了一种基于深度学习的特征点选择策略，用于提高位移矢量场的准确性，并介绍了一种用于内部结构误差评估的体外实验方法 | NA | 提高腹腔镜肾脏手术中隐藏关键结构的追踪准确性 | 肾脏手术中的软组织变形 | 增强现实 | 肾脏疾病 | 深度学习 | NA | 视频 | 体外和体内实验数据 | NA | NA | NA | NA |
| 13291 | 2025-04-24 |
Constraint-Aware Learning for Fractional Flow Reserve Pullback Curve Estimation From Invasive Coronary Imaging
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3412935
PMID:38861432
|
research paper | 提出了一种约束感知学习框架，用于从侵入性冠状动脉成像中估计分数流储备（FFR）回拉曲线 | 结合了几何和物理约束来近似冠状动脉中心线几何结构与FFR值之间的关系，并利用合成数据进行模型训练以减少临床数据收集成本 | 需要进一步验证在更大规模和多中心数据集上的泛化能力 | 提高从侵入性冠状动脉成像中估计FFR回拉曲线的准确性 | 冠状动脉成像数据和FFR回拉曲线 | machine learning | cardiovascular disease | diffusion-driven test-time data adaptation method | deep learning | image | 382名患者的数据集，涵盖三种成像模式 | NA | NA | NA | NA |
| 13292 | 2025-04-24 |
SSL-CPCD: Self-Supervised Learning With Composite Pretext-Class Discrimination for Improved Generalisability in Endoscopic Image Analysis
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3411933
PMID:38857149
|
研究论文 | 提出一种结合复合前置任务与类别判别的自监督学习方法，用于提升内窥镜图像分析的泛化能力 | 通过斑块级实例组判别和余弦相似度度量中添加角度间隔惩罚来减少类间差异，创新性地提升模型对相似表征的聚类能力 | 未明确说明方法在计算资源消耗或实时性方面的表现 | 解决内窥镜图像分析中监督学习方法泛化性不足的问题 | 内窥镜图像数据 | 计算机视觉 | 溃疡性结肠炎 | 自监督学习 | SSL-CPCD（提出的新型架构） | 图像 | 未明确说明具体样本量，但提及公开数据集和医院内部数据集 | NA | NA | NA | NA |
| 13293 | 2025-04-24 |
CNN-O-ELMNet: Optimized Lightweight and Generalized Model for Lung Disease Classification and Severity Assessment
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3416744
PMID:38896522
|
research paper | 提出了一种轻量级分类模型CNN-O-ELMNet，用于高效检测多种肺部疾病并评估其严重程度 | 结合CNN进行深度特征提取和优化的极限学习机，利用帝国主义竞争算法提升预测性能，克服了现有CAD系统局限于特定疾病和深度学习模型计算复杂的问题 | NA | 开发一种轻量级且通用的模型，用于肺部疾病的分类和严重程度评估 | 肺部疾病（气胸、结核病、肺癌）及其严重程度 | digital pathology | lung cancer | imperialistic competitive algorithm | CNN, optimized extreme learning machine | image | benchmark datasets for lung diseases | NA | NA | NA | NA |
| 13294 | 2025-04-24 |
Temporal Dynamic Synchronous Functional Brain Network for Schizophrenia Classification and Lateralization Analysis
2024-Dec, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3419041
PMID:38917293
|
研究论文 | 该研究提出了一种名为Temporal-BCGCN的动态脑网络分析模型，用于精神分裂症分类和大脑侧化分析 | 设计了DSF-BrainNet模块构建动态同步特征，提出了基于特征同步时间属性的TemporalConv图卷积方法，以及首个基于rs-fMRI数据的深度学习异常半球侧化模块测试工具CategoryPool | 未提及具体样本量的局限性或模型在其他数据集上的泛化能力 | 开发先进的动态脑网络分析方法以揭示精神分裂症患者异常脑活动机制 | 精神分裂症患者的静息态功能磁共振成像(rs-fMRI)数据 | 数字病理学 | 精神分裂症 | rs-fMRI | Temporal-BCGCN (包含DSF-BrainNet, TemporalConv和CategoryPool模块) | 医学影像数据 | COBRE和UCLA数据集（具体样本量未说明） | NA | NA | NA | NA |
| 13295 | 2025-04-24 |
FedDBL: Communication and Data Efficient Federated Deep-Broad Learning for Histopathological Tissue Classification
2024-Dec, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2024.3403927
PMID:38923486
|
research paper | 提出一种轻量级且通用的联邦学习框架FedDBL，用于在有限训练样本和单轮通信下实现优异的组织病理学分类性能 | 通过整合预训练的深度学习特征提取器、快速轻量级的广度学习推理系统和经典联邦聚合方法，显著降低数据依赖性和提高通信效率 | 未明确提及具体局限性 | 解决组织病理学分类中的隐私保护和通信效率问题 | 组织病理学图像数据 | digital pathology | NA | federated learning | ResNet-50 | image | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 13296 | 2025-04-24 |
Hardware-Independent Deep Signal Processing: A Feasibility Study in Echocardiography
2024-Nov, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3404622
PMID:38781056
|
research paper | 本研究探讨了深度学习模型在超声信号处理中的硬件独立性，特别是在超声心动图中的应用 | 提出了一种轻量级深度学习模型，能够复制高端超声系统的信号处理链，并展示了其在不同探头和低端系统中的应用潜力 | 研究仅基于有限的数据集（30,000帧心脏图像）和特定超声系统（GE HealthCare Vivid E95）进行验证 | 探索深度学习模型在超声信号处理中的硬件独立性及其在不同超声系统间的可移植性 | 超声心动图的信号处理链及图像质量 | 数字病理学 | 心血管疾病 | 深度学习 | DNN | 图像 | 30,000帧心脏图像（来自GE HealthCare Vivid E95系统）和15名患者的约3,000帧测试图像 | NA | NA | NA | NA |
| 13297 | 2025-10-07 |
Automatic 3-D Lamina Curve Extraction From Freehand 3-D Ultrasound Data Using Sequential Localization Recurrent Convolutional Networks
2024-Nov, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3385698
PMID:38578857
|
研究论文 | 提出一种新型深度学习模型SL-RCNs，用于从自由手3D超声数据中自动提取3D椎板曲线 | 首次提出考虑上下文关系并嵌入变换矩阵特征作为3D知识库的序列定位循环卷积网络 | 仅对10名健康成年人的数据进行了验证，样本量有限 | 开发自动提取3D椎板曲线的准确方法 | 人类腰椎和胸椎区域的3D超声序列 | 计算机视觉 | 脊柱疾病 | 3D自由手超声成像 | 循环卷积网络(RCN) | 3D超声序列图像 | 10名健康成年人的腰椎和胸椎3D超声数据 | NA | SL-RCNs(序列定位循环卷积网络) | 标准化离散弗雷歇距离(NDFD), 平均距离误差(MDE) | NA |
| 13298 | 2025-10-07 |
Automatic Segmentation of Abdominal Aortic Aneurysms From Time-Resolved 3-D Ultrasound Images Using Deep Learning
2024-Nov, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3389553
PMID:38619942
|
研究论文 | 本研究开发了一种基于深度学习的自动分割算法，用于从时间分辨3D超声图像中分割腹主动脉瘤 | 首次将深度学习应用于时间分辨3D超声图像的腹主动脉瘤自动分割，相比传统方法性能显著提升 | 未详细说明模型在不同患者群体中的泛化能力，且训练数据仅来自单一中心 | 开发能够从时间分辨3D超声图像中自动准确分割腹主动脉瘤的算法 | 腹主动脉瘤患者的3D+时间超声图像 | 医学图像分析 | 心血管疾病 | 时间分辨3D超声成像(3-D + t US) | 深度学习 | 3D时间序列超声图像 | 500名患者，共2495张3D+时间超声图像 | NA | NA | 豪斯多夫距离, Dice系数, 准确率, 灵敏度, 特异性 | NA |
| 13299 | 2025-10-07 |
Development and Evaluation of a Learning-Based Model for Real-Time Haptic Texture Rendering
2024 Oct-Dec, IEEE transactions on haptics
IF:2.4Q2
DOI:10.1109/TOH.2024.3382258
PMID:38536688
|
研究论文 | 开发并评估一种基于学习的实时触觉纹理渲染模型 | 提出统一的动作条件触觉纹理渲染模型，无需为每种纹理单独训练模型，能够泛化到未见过的纹理 | NA | 开发可泛化的实时触觉纹理渲染方法，提升虚拟现实环境的触觉体验 | 触觉纹理渲染和人类触觉感知 | 机器学习 | NA | 基于视觉的触觉传感(GelSight) | 深度学习 | 触觉传感器数据 | 通过多部分人类用户研究进行评估 | NA | NA | 感知性能评估 | NA |
| 13300 | 2025-04-24 |
Reconstructing Cancellous Bone From Down-Sampled Optical-Resolution Photoacoustic Microscopy Images With Deep Learning
2024-09, Ultrasound in medicine & biology
|
研究论文 | 本研究提出了一种名为PADA U-Net的深度学习模型，用于从欠采样的光学分辨率光声显微镜图像中重建完整的骨组织图像 | 提出PADA U-Net模型，突破成像速度与空间分辨率之间的权衡 | NA | 提高光学分辨率光声显微镜图像质量，同时不牺牲时间分辨率 | 牛松质骨样本 | 数字病理学 | 骨疾病 | 光学分辨率光声显微镜(OR-PAM) | PADA U-Net | 图像 | 牛松质骨测试集 | NA | NA | NA | NA |