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 14261 - 14280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14261 | 2025-04-06 |
Predictions from Deep Learning Propose Substantial Protein-Carbohydrate Interplay
2025-Mar-15, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.07.641884
PMID:40161692
|
research paper | 该研究开发了一种名为PiCAP的新型数据集和神经网络架构，用于预测蛋白质是否非共价结合碳水化合物，并开发了CAPSIF2模型预测与碳水化合物相互作用的蛋白质残基 | 开发了PiCAP和CAPSIF2两个新模型，分别用于预测蛋白质与碳水化合物的结合以及相互作用的残基，性能优于现有模型 | 研究基于已知碳水化合物结合蛋白的数据集，可能无法涵盖所有潜在的相互作用 | 预测蛋白质与碳水化合物的非共价结合及其相互作用位点 | 蛋白质和碳水化合物的相互作用 | machine learning | NA | neural network | PiCAP, CAPSIF2 | protein sequence data | 已知碳水化合物结合蛋白的数据集及三个蛋白质组 | NA | NA | NA | NA |
| 14262 | 2025-04-06 |
GREEN: A lightweight architecture using learnable wavelets and Riemannian geometry for biomarker exploration with EEG signals
2025-Mar-14, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2025.101182
PMID:40182177
|
研究论文 | 介绍了一种名为GREEN的轻量级神经网络架构，用于处理原始EEG数据，结合了小波变换和黎曼几何 | GREEN结合了小波变换和黎曼几何，提供了一种轻量级且可解释的EEG信号处理方法，优于现有非深度学习和大型深度学习模型 | 未提及具体局限性 | 探索EEG信号中的生物标志物，并开发一种轻量级且可解释的神经网络架构 | EEG信号 | 机器学习 | NA | 小波变换和黎曼几何 | GREEN（Gabor Riemann EEGNet） | EEG信号 | 超过5,000名参与者的四个数据集 | NA | NA | NA | NA |
| 14263 | 2025-10-07 |
Weakly Aligned Feature Fusion for Multimodal Object Detection
2025-Mar, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2021.3105143
PMID:34437075
|
研究论文 | 提出一种名为AR-CNN的多模态目标检测方法，解决多模态数据中的位置偏移问题 | 设计了区域特征对齐模块、RoI抖动策略和特征重加权融合方法，并提供了新的多模态标注数据集KAIST-Paired | NA | 解决多模态目标检测中的位置偏移问题，提升检测准确性和鲁棒性 | 多模态图像数据（RGB、热成像、深度）中的目标检测 | 计算机视觉 | NA | 多模态图像融合 | CNN | 多模态图像（RGB、热成像、深度） | NA | NA | AR-CNN | NA | NA |
| 14264 | 2025-10-07 |
Bilateral Cross-Modality Graph Matching Attention for Feature Fusion in Visual Question Answering
2025-Mar, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2021.3135655
PMID:35130171
|
研究论文 | 提出一种图匹配注意力网络用于解决视觉问答任务中的跨模态特征融合问题 | 首次为问题和图像同时构建图结构，并提出双边跨模态图匹配注意力机制 | 未明确说明模型计算复杂度和实时性能表现 | 提升视觉问答任务中跨模态信息的对齐和利用能力 | 图像和文本问题 | 计算机视觉,自然语言处理 | NA | 深度学习,图神经网络 | GNN,注意力机制 | 图像,文本 | GQA数据集和VQA 2.0数据集 | NA | 图匹配注意力网络(GMA),双阶段图编码器 | 准确率 | NA |
| 14265 | 2025-10-07 |
Quality-Driven Regularization for Deep Learning Networks and Its Application to Industrial Soft Sensors
2025-Mar, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2022.3144162
PMID:35180085
|
研究论文 | 提出一种用于工业软传感器的质量驱动正则化深度学习方法 | 提出质量驱动正则化方法，在深度网络预训练阶段保留质量变量相关信息 | 仅应用于加氢裂化工业过程，未在其他工业场景验证 | 开发能够提取质量相关特征的深度学习方法以提高工业软传感器预测精度 | 工业过程数据和产品质量变量 | 机器学习 | NA | 深度网络特征学习 | SAE, QR-SAE | 工业过程数据 | NA | NA | 堆叠自编码器 | 预测精度 | NA |
| 14266 | 2025-10-07 |
Learning Selective Sensor Fusion for State Estimation
2025-Mar, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2022.3176677
PMID:35657847
|
研究论文 | 提出一种用于状态估计的选择性传感器融合方法SelectFusion | 提出端到端选择性传感器融合模块，能够评估不同传感器模态的可靠性并处理现实世界中的噪声或不完整传感器观测 | NA | 解决自动驾驶和移动机器人系统中的鲁棒传感器融合问题 | 自动驾驶车辆和移动机器人系统 | 机器学习和计算机视觉 | NA | 深度学习，传感器融合 | 深度学习模型 | 单目图像，惯性测量，深度图像，激光雷达点云 | 公共数据集和逐步退化数据集 | NA | SelectFusion | 轨迹估计的尺度和全局姿态 | NA |
| 14267 | 2025-04-06 |
Dynamic Neural Network Structure: A Review for its Theories and Applications
2025-Mar, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3377194
PMID:40038922
|
综述 | 本文全面回顾了动态神经网络（DNN）的理论及其应用，重点探讨了其在深度学习和广泛学习领域的发展 | 详细分析了DNN的动态结构和参数灵活性带来的优势，并探讨了其在多个领域的应用潜力 | 虽然综述了DNN的理论和应用，但未涉及具体实验验证或性能比较 | 旨在为研究人员提供对DNN的全面理解，并指导未来的研究方向 | 动态神经网络（DNN）的理论基础、结构优化及其应用 | 机器学习 | NA | NA | DNN, BLS | NA | NA | NA | NA | NA | NA |
| 14268 | 2025-04-06 |
Age-sex-specific burden of urological cancers attributable to risk factors in China and its provinces, 1990-2021, and forecasts with scenarios simulation: a systematic analysis for the Global Burden of Disease Study 2021
2025-Mar, The Lancet regional health. Western Pacific
DOI:10.1016/j.lanwpc.2025.101517
PMID:40177596
|
research paper | 该研究分析了1990-2021年中国及其各省份泌尿系统癌症的年龄性别特异性负担，并预测了未来情景模拟下的疾病负担 | 首次采用多注意力深度学习管道(iTransformer)建模泌尿系统癌症的时空模式，并提供年龄-性别-地区特异性长期预测 | 研究依赖于GBD数据库的准确性，且预测模型可能无法完全捕捉未来社会经济变化的影响 | 监测中国泌尿系统癌症的分布和决定因素，模拟健康干预措施的效果 | 中国34个省份的泌尿系统癌症患者 | digital pathology | prostate cancer, bladder cancer, kidney cancer, testicular cancer | iTransformer深度学习模型 | iTransformer | 流行病学数据 | 全国范围1990-2021年数据，2021年新发病例266,887例，现患病例159,506,067例 | NA | NA | NA | NA |
| 14269 | 2025-04-06 |
Conv-MTD: A CNN Based Multi-Label Medical Tubes Detection and Classification Model to Facilitate Resource-constrained Point-of-care Devices
2025-Feb-18, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3543245
PMID:40036431
|
research paper | 提出了一种基于CNN的多标签医疗管检测与分类模型Conv-MTD，用于辅助资源受限的即时医疗设备 | 利用EfficientNet-B7架构作为主干，并在中间层增强辅助头以缓解梯度消失问题，同时采用16位浮点量化优化模型 | 未提及模型在多样化数据集上的泛化能力或实际临床环境中的测试结果 | 开发一种自动化检测和分类医疗管放置位置的模型，以辅助放射科医生 | 医疗管的放置位置检测与分类 | digital pathology | NA | CXR imaging | CNN, EfficientNet-B7 | image | NA | NA | NA | NA | NA |
| 14270 | 2025-04-06 |
Large Generative Model Impulsed Lightweight Gaze Estimator via Deformable Approximate Large Kernel Pursuit
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3529379
PMID:40031234
|
研究论文 | 提出了一种新型轻量级网络结构，通过可变形近似大核和大型生成模型的隐式蒸馏，实现了高效且高精度的视线估计 | 设计了可变形近似大核的轻量级网络结构，并利用大型生成模型（Stable Diffusion V1.5）的泛化能力进行隐式蒸馏 | 未明确提及具体限制 | 开发高效且高精度的轻量级视线估计方法，适用于移动交互平台 | 视线估计模型 | 计算机视觉 | NA | 深度学习 | 轻量级网络结构（含可变形近似大核），Stable Diffusion V1.5 | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 14271 | 2025-04-06 |
Trustworthy Limited Data CT Reconstruction Using Progressive Artifact Image Learning
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3534559
PMID:40031253
|
研究论文 | 提出了一种名为渐进伪影图像学习（PAIL）的展开框架，用于有限数据CT重建，旨在解决现有深度学习方法在泛化性和稳定性方面的不足 | 通过残差域模块（RDM）、图像域模块（IDM）和小波域模块（WDM）三个关键模块的协作，逐步去除伪影并重建CT图像，同时通过小波压缩感知增强网络稳定性 | 方法在模拟CT数据集、临床心脏数据集和羊肺数据集上验证，但未提及在其他类型数据集上的表现 | 提高有限数据CT重建的质量和效率，减少辐射暴露或加速扫描过程 | 有限数据CT重建 | 数字病理 | NA | 深度学习 | PAIL（包含RDM、IDM和WDM模块） | CT图像 | 两个模拟CT数据集、一个临床心脏数据集和一个羊肺数据集 | NA | NA | NA | NA |
| 14272 | 2025-04-06 |
Deep Underwater Image Quality Assessment With Explicit Degradation Awareness Embedding
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3539477
PMID:40031436
|
研究论文 | 本文提出了一种新型的深度学习模型EDANet，用于水下图像质量评估，通过显式嵌入退化感知信息来提高模型性能 | 设计了EDANet模型，采用两阶段训练策略，先通过DIDNet子网络推断退化残差图，再将其嵌入DQENet子网络以增强退化感知能力 | 未提及具体的数据集规模限制或模型在特定场景下的适用性限制 | 改进水下图像质量评估的准确性和可靠性 | 水下退化图像 | 计算机视觉 | NA | 深度学习 | EDANet (包含DIDNet和DQENet子网络) | 图像 | 在两个基准数据集上进行了测试（未提及具体样本数量） | NA | NA | NA | NA |
| 14273 | 2025-04-06 |
ADStereo: Efficient Stereo Matching With Adaptive Downsampling and Disparity Alignment
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3540282
PMID:40031538
|
research paper | 本文提出了一种高效的立体匹配方法ADStereo，通过自适应下采样和视差对齐模块来平衡精度和计算效率 | 提出了自适应下采样模块（ADM）和视差对齐模块（DAM），以解决传统方法中因下采样操作导致的特征丢失和空间错位问题 | 未提及具体局限性 | 提高立体匹配算法在实时应用中的准确性和计算效率 | 立体匹配算法 | computer vision | NA | NA | ADStereo | image | 多个公共基准测试数据集（如KITTI stereo 2015） | NA | NA | NA | NA |
| 14274 | 2025-04-06 |
Joint Spatial and Frequency Domain Learning for Lightweight Spectral Image Demosaicing
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3536217
PMID:40031727
|
research paper | 提出了一种基于联合空间和频域信息学习的轻量级光谱图像去马赛克方法 | 结合空间和频域信息学习，提出无参数的光谱图像初始化策略和高效的空间-频率变换网络 | 未明确提及具体局限性 | 提高光谱图像去马赛克的重建质量和效率 | 光谱图像 | computer vision | NA | Fourier transform, deep learning | spatial-frequency transformer network | image | 模拟和真实数据（未明确提及具体数量） | NA | NA | NA | NA |
| 14275 | 2025-04-06 |
Local-Global Correlation Fusion-Based Graph Neural Network for Remaining Useful Life Prediction
2025-Jan, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3330487
PMID:37983145
|
研究论文 | 提出一种基于局部-全局相关性融合的图神经网络框架（LOGO），用于剩余使用寿命（RUL）预测 | 结合局部和全局信息有效建模传感器相关性，提出自适应融合机制和序列微图定义方法 | 未明确说明方法在极端工况或传感器故障情况下的鲁棒性 | 提升复杂系统中剩余使用寿命预测的准确性 | 多传感器监测的工业设备系统 | 机器学习 | NA | 图神经网络（GNN） | GNN | 时间序列传感器数据 | 未明确说明具体样本数量 | NA | NA | NA | NA |
| 14276 | 2025-04-06 |
MDNN-DTA: a multimodal deep neural network for drug-target affinity prediction
2025, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2025.1527300
PMID:40182923
|
研究论文 | 介绍了一种名为MDNN-DTA的多模态深度神经网络模型，用于预测药物-靶标亲和力（DTA） | 该模型能够直接从靶蛋白序列准确预测DTA，无需依赖蛋白质3D结构，这在药物发现中具有重要意义 | 未明确提及具体局限性 | 提高药物-靶标亲和力预测的效率和准确性 | 药物分子和靶蛋白的序列 | 机器学习 | NA | 深度学习 | GCN和CNN | 生物序列数据 | 未明确提及样本数量 | NA | NA | NA | NA |
| 14277 | 2025-04-06 |
An Automated Deep Learning-Based Framework for Uptake Segmentation and Classification on PSMA PET/CT Imaging of Patients with Prostate Cancer
2024-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01104-y
PMID:38587770
|
研究论文 | 开发并评估了一种基于深度学习的自动化框架，用于在前列腺癌患者的PSMA PET/CT成像上进行摄取分割和分类 | 采用解剖学先验引导策略，使深度学习框架专注于PSMA高摄取病变，并构建了多模态决策融合分类框架 | 样本量相对有限（193例扫描），且仅来自两个机构 | 自动化全身肿瘤负荷评估 | 前列腺癌患者的PSMA PET/CT扫描图像 | 数字病理学 | 前列腺癌 | PSMA PET/CT成像 | CNN, 多模态决策融合框架 | 医学影像 | 193例[F]DCFPyL PET/CT扫描（137例用于训练和内部测试，56例用于外部测试） | NA | NA | NA | NA |
| 14278 | 2025-04-06 |
Few-shot Class-incremental Learning for Retinal Disease Recognition
2024-Sep-18, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3457915
PMID:39292587
|
研究论文 | 本文提出了一种名为Re-FSCIL的新框架，用于少样本类增量视网膜疾病识别，通过整合RETFound模型和细粒度模块，采用前向兼容训练策略和监督对比学习来提高模型的适应性和特征判别能力 | 提出Re-FSCIL框架，整合RETFound模型和细粒度模块，采用前向兼容训练策略和监督对比学习，显著提升了少样本类增量学习在视网膜疾病识别中的性能 | NA | 开发能够持续学习新类别且保留现有知识的深度学习模型，特别适用于视网膜疾病诊断系统 | 视网膜疾病 | 数字病理 | 视网膜疾病 | 监督对比学习，特征融合 | RETFound | 图像 | 两个新基准数据集RFMiD38和JSIEC39 | NA | NA | NA | NA |
| 14279 | 2025-04-06 |
Timely ICU Outcome Prediction Utilizing Stochastic Signal Analysis and Machine Learning Techniques with Readily Available Vital Sign Data
2024-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3416039
PMID:38889027
|
research paper | 该研究提出了一种结合随机信号分析和机器学习技术的新方法，用于从ICU患者的实时生命体征时间序列中提取具有强预测能力的特征，以实现准确及时的ICU结果预测 | 该方法通过随机信号分析和机器学习技术提取有意义的特征，显著提高了ICU结果预测的准确性，超越了包括APACHE IV和深度学习模型在内的基线方法 | 该方法可能仍面临模型可解释性不足的问题，限制了其在临床实践中的广泛应用 | 开发一种新方法，用于准确及时地预测ICU患者的结果，以减轻重症监护需求带来的经济和医疗负担 | ICU患者的实时生命体征时间序列数据 | machine learning | NA | 随机信号分析，机器学习 | NA | 时间序列数据 | NA | NA | NA | NA | NA |
| 14280 | 2025-04-06 |
Contrastive Learning for Joint Normal Estimation and Point Cloud Filtering
2024-Aug, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2023.3263866
PMID:37030701
|
research paper | 提出了一种新颖的深度学习方法，用于联合估计点云法线和滤波点云 | 引入了基于3D块的对比学习框架，将噪声作为增强手段，训练能够生成鲁棒点云块表示的特征编码器，并通过联合损失同时估计点法线和位移 | NA | 解决点云滤波和法线估计这两个3D领域的基础研究问题 | 点云数据 | computer vision | NA | 对比学习 | 深度学习 | 3D点云 | NA | NA | NA | NA | NA |