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 |
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 |
| 13282 | 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 |
| 13283 | 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 |
| 13284 | 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 |
| 13285 | 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 |
| 13286 | 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 |
| 13287 | 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 |
| 13288 | 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 |
| 13289 | 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 |
| 13290 | 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 |
| 13291 | 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 |
| 13292 | 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 |
| 13293 | 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 |
| 13294 | 2025-04-24 |
A Semi-supervised Four-Chamber Echocardiographic Video Segmentation Algorithm Based on Multilevel Edge Perception and Calibration Fusion
2024-09, Ultrasound in medicine & biology
|
research paper | 提出一种基于多级边缘感知和校准融合的半监督四腔心超声视频分割算法，以提高心内膜分割的准确性 | 引入了多级边缘感知模块和校准融合模块，结合半监督学习，有效解决了超声视频中的边缘模糊和特征融合问题 | 未提及具体的数据集规模和多样性限制，可能影响模型的泛化能力 | 提高心内膜的自动语义分割准确性，辅助心脏疾病诊断 | 超声心动图视频中的心内膜 | digital pathology | cardiovascular disease | deep learning | semi-supervised network | video | 两个公共超声心动图视频数据集和一个本地医院临床数据集 | NA | NA | NA | NA |
| 13295 | 2025-04-24 |
Automatic Segmentation for Analysis of Murine Cardiac Ultrasound and Photoacoustic Image Data Using Deep Learning
2024-08, Ultrasound in medicine & biology
|
研究论文 | 利用深度学习技术自动分割小鼠心脏超声和光声图像数据以进行分析 | 结合超声和光声成像，使用U-Net深度神经网络进行分割，提高了前壁左心室区域的分割效率和准确性 | 研究仅针对小鼠图像数据集，未涉及人类或其他动物模型 | 改进心脏超声和光声图像的分割方法，以量化应变和氧饱和度 | 小鼠心脏的超声和光声图像 | 计算机视觉 | 心血管疾病 | 超声成像（US）和光声成像（PA） | U-Net | 图像 | 小鼠图像数据集（具体数量未提及） | NA | NA | NA | NA |
| 13296 | 2025-04-24 |
A Deep Learning Model for Automatically Quantifying the Anterior Segment in Ultrasound Biomicroscopy Images of Implantable Collamer Lens Candidates
2024-08, Ultrasound in medicine & biology
|
research paper | 本研究开发并评估了一种基于深度学习的模型，用于自动测量植入式Collamer镜片（ICL）手术候选者术前超声生物显微镜（UBM）图像中的前段（AS）参数 | 利用UNet++网络自动分割AS组织，并结合图像处理技术和几何定位算法自动识别瞳孔直径（PD）、前房深度（ACD）、角到角距离（ATA）和沟到沟距离（STS）等解剖标志（ALs） | 研究仅使用了来自两个医疗中心的UBM图像，可能限制了模型的泛化能力 | 开发一种能够自动测量ICL手术候选者前段参数的深度学习模型 | 植入式Collamer镜片（ICL）手术候选者的术前超声生物显微镜（UBM）图像 | digital pathology | 眼科疾病 | 超声生物显微镜（UBM） | UNet++ | image | 1164张全景UBM图像来自321名患者，外加294张来自外部数据集的图像 | NA | NA | NA | NA |
| 13297 | 2025-04-24 |
Integrated Fibrous Iontronic Pressure Sensors with High Sensitivity and Reliability for Human Plantar Pressure and Gait Analysis
2024-06-04, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.4c02919
PMID:38760182
|
research paper | 开发了一种高灵敏度和可靠性的集成纤维离子压力传感器，用于人体足底压力和步态分析 | 采用高模量多孔层压离子纤维结构和统一聚酰亚胺材料系统，具有高灵敏度（156.6 kPa）、广泛感应范围（高达4000 kPa）和增强的界面韧性和耐久性（超过150,000次循环） | 当前柔性传感器的有效性受到结构可变形性限制、多功能层之间的机械不兼容性以及复杂应力条件下的不稳定性等挑战的阻碍 | 开发一种用于足底压力和步态分析的柔性压力传感器，确保长期稳定性和准确性 | 人体足底压力和步态 | 柔性电子 | 足部疾病 | 离子压力传感技术 | 深度学习 | 压力分布数据 | NA | NA | NA | NA | NA |
| 13298 | 2025-04-24 |
Deciphering the Coevolutionary Dynamics of L2 β-Lactamases via Deep Learning
2024-05-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00189
PMID:38687957
|
research paper | 该研究利用深度学习方法探索L2 β-内酰胺酶的共进化动力学及其在抗菌素耐药性中的作用 | 结合自适应采样分子动力学模拟和深度学习方法（卷积变分自编码器和BindSiteS-CNN）研究L2 β-内酰胺酶的构象变化和相关性 | 研究仅关注了L2 β-内酰胺酶家族及部分代表性的A类酶，未涵盖所有相关酶类 | 理解L2 β-内酰胺酶的共进化动力学及其在抗菌素耐药性中的功能机制 | L2 β-内酰胺酶家族及其他代表性A类酶（如SME-1和KPC-2） | machine learning | NA | 自适应采样分子动力学模拟，深度学习方法 | 卷积变分自编码器，BindSiteS-CNN | 分子动力学模拟数据 | NA | NA | NA | NA | NA |
| 13299 | 2025-10-07 |
DEBFold: Computational Identification of RNA Secondary Structures for Sequences across Structural Families Using Deep Learning
2024-05-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00458
PMID:38648189
|
研究论文 | 开发了一种基于深度学习的RNA二级结构预测工具DEBFold，能够跨结构家族识别RNA序列的二级结构 | 采用两阶段RNA结构预测策略，结合卷积编码/解码和自注意力机制，增强现有热力学结构模型，具有优越的跨家族泛化性能 | 未在摘要中明确提及具体限制 | 开发能够跨不同结构家族预测RNA二级结构的计算工具 | RNA序列及其二级结构 | 机器学习 | NA | 深度学习 | CNN, 自注意力机制 | RNA序列数据 | NA | NA | 卷积编码/解码器, 自注意力机制 | 结构预测性能 | NA |
| 13300 | 2025-10-07 |
Image2InChI: Automated Molecular Optical Image Recognition
2024-05-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c02082
PMID:38359459
|
研究论文 | 提出基于深度学习的自动化分子光学图像识别模型Image2InChI，实现分子图像到机器可读表示的转换 | 引入具有注意力机制的新型特征融合网络，集成图像块与InChI预测 | NA | 提高分子图像识别的准确性和效率，为药物发现提供人工智能支持 | 分子光学图像 | 计算机视觉 | NA | 深度学习 | Transformer | 图像 | NA | NA | SwinTransformer, Transformer Decoder | InChI准确率, Morgan FP, 最大公共结构准确率, 最长公共子序列准确率 | NA |