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 14341 - 14360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14341 | 2025-04-06 |
Schizo-Net: A novel Schizophrenia Diagnosis Framework Using Late Fusion Multimodal Deep Learning on Electroencephalogram-Based Brain Connectivity Indices
2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2023.3237375
PMID:37022027
|
研究论文 | 提出了一种基于多模态深度学习的晚期融合框架Schizo-Net，用于通过脑电图(EEG)的脑连接指数诊断精神分裂症 | 首次考虑大量脑连接指数用于精神分裂症诊断，并采用晚期融合多模态深度学习框架 | NA | 开发高准确度和可靠的精神分裂症诊断模型 | 精神分裂症患者和健康受试者的EEG数据 | 机器学习 | 精神分裂症 | EEG信号处理和深度学习 | 多模态深度学习框架(六种不同架构) | EEG信号 | NA | NA | NA | NA | NA |
| 14342 | 2025-04-06 |
Interpretable Multi-Modal Image Registration Network Based on Disentangled Convolutional Sparse Coding
2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2023.3240024
PMID:37022244
|
研究论文 | 提出了一种基于解缠卷积稀疏编码的可解释多模态图像配准网络（InMIR-Net），用于解决多模态图像配准问题 | 首次将多模态图像配准问题建模为解缠卷积稀疏编码（DCSC）模型，并设计了一个伴随指导网络（AG-Net）来监督RA特征的提取 | 未提及具体的数据集规模限制或计算资源需求 | 提高多模态图像配准的准确性和效率，同时增强模型的可解释性 | 多模态图像，包括RGB/深度图像、RGB/近红外（NIR）图像、RGB/多光谱图像、T1/T2加权磁共振（MR）图像和CT/MR图像 | 计算机视觉 | NA | 解缠卷积稀疏编码（DCSC） | InMIR-Net, AG-Net | 多模态图像 | NA | NA | NA | NA | NA |
| 14343 | 2025-04-06 |
Deep Face Video Inpainting via UV Mapping
2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2023.3240835
PMID:37022429
|
research paper | 提出了一种基于UV映射的两阶段深度学习方法，用于面部视频修复 | 利用3DMM作为3D面部先验，在UV空间进行面部修复，减少姿势和表情变化的影响，并引入帧间注意力模块利用相邻帧的对应关系 | 未明确提及具体局限性 | 解决面部视频修复问题，特别是在大姿态和表情变化下的修复效果 | 面部视频 | computer vision | NA | deep learning | CNN | video | 未明确提及样本数量 | NA | NA | NA | NA |
| 14344 | 2025-04-06 |
Self-Supervised Learning for Label- Efficient Sleep Stage Classification: A Comprehensive Evaluation
2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2023.3245285
PMID:37022869
|
研究论文 | 本文评估了自监督学习在少量标签情况下提升睡眠阶段分类模型性能的效果 | 利用自监督学习解决睡眠阶段分类中标签稀缺问题，仅需5%的标签数据即可达到与全标签监督训练相当的性能 | 研究仅基于三个睡眠阶段分类数据集，可能无法覆盖所有实际应用场景 | 探索自监督学习在脑电信号睡眠阶段分类中的应用效果 | 脑电信号(EEG)睡眠阶段分类模型 | 机器学习 | 睡眠障碍 | 自监督学习(SSL) | 深度学习模型 | EEG信号 | 三个SSC数据集 | NA | NA | NA | NA |
| 14345 | 2025-04-06 |
A Model Combining Multi Branch Spectral-Temporal CNN, Efficient Channel Attention, and LightGBM for MI-BCI Classification
2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2023.3243992
PMID:37022898
|
研究论文 | 提出了一种结合多分支谱时CNN、高效通道注意力和LightGBM的模型，用于解码运动想象脑机接口任务 | 提出了一种新的端到端深度学习模型MBSTCNN-ECA-LightGBM，结合多分支CNN、高效通道注意力机制和LightGBM，显著提高了MI-BCI任务的解码准确率 | 未提及模型在不同噪声水平或不同受试者群体中的泛化能力 | 提高运动想象脑机接口任务的解码准确率 | 运动想象脑电图信号 | 脑机接口 | NA | EEG信号处理 | MBSTCNN-ECA-LightGBM（多分支谱时CNN、高效通道注意力机制、LightGBM） | 脑电图信号 | 未明确提及具体样本数量，但使用了受试者内跨会话训练策略 | NA | NA | NA | NA |
| 14346 | 2025-04-06 |
MRCPs-and-ERS/D-Oscillations-Driven Deep Learning Models for Decoding Unimanual and Bimanual Movements
2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2023.3245617
PMID:37027527
|
研究论文 | 提出了一种基于运动相关皮层电位（MRCPs）和事件相关同步/去同步（ERS/D）振荡的深度学习模型，用于解码单侧和双侧手部运动意图 | 首次将MRCPs和ERS/D振荡融合到深度学习中，以提高多类别单侧和双侧手部运动解码的性能 | 未提及具体样本量或数据集的局限性 | 提高脑机接口（BCI）中单侧和双侧手部运动意图的解码性能 | 脑电图（EEG）信号中的单侧和双侧手部运动意图 | 脑机接口 | 神经系统疾病 | EEG信号分析 | CNN | EEG信号 | NA | NA | NA | NA | NA |
| 14347 | 2025-04-06 |
Toward Adversarial Robustness in Unlabeled Target Domains
2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2023.3242141
PMID:37022907
|
研究论文 | 本文提出了一种名为无监督跨域对抗训练（UCAT）的新框架，用于解决在未标记目标域中进行对抗训练的问题 | UCAT框架通过利用标记源域的知识，结合自动选择的高质量伪标签和源域数据的判别性锚表示，有效防止对抗样本误导训练过程 | 未明确提及具体限制，但可能包括对源域和目标域之间分布差异的敏感性 | 提高深度学习模型在未标记目标域中对对抗攻击的鲁棒性 | 深度学习模型在跨域环境中的对抗训练 | 机器学习 | NA | 对抗训练（AT） | 深度学习模型 | 未标记目标域数据和标记源域数据 | 四个公共基准数据集 | NA | NA | NA | NA |
| 14348 | 2025-04-06 |
Connections Between Deep Equilibrium and Sparse Representation Models With Application to Hyperspectral Image Denoising
2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2023.3245323
PMID:37027683
|
研究论文 | 本研究探讨了多维视觉数据的稀疏表示问题，提出了一种新的计算高效稀疏编码优化方法，并应用于高光谱图像去噪 | 结合可学习正则化技术与神经网络作为结构先验，开发了基于深度展开和深度均衡的算法，在稀疏表示理论与深度学习建模之间建立了桥梁 | 未明确提及具体的数据集规模限制或计算资源需求 | 解决多维视觉数据（如高光谱图像）的稀疏表示与去噪问题 | 多维视觉数据（高光谱图像、彩色图像或视频数据） | 计算机视觉 | NA | 稀疏编码优化、深度学习建模 | 深度展开算法、深度均衡算法 | 图像（高光谱图像、彩色图像、视频数据） | 未明确提及具体样本量 | NA | NA | NA | NA |
| 14349 | 2025-04-06 |
Integrated Multiscale Domain Adaptive YOLO
2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2023.3255106
PMID:37028346
|
研究论文 | 本文提出了一种新颖的多尺度域自适应YOLO框架（MS-DAYOLO），用于解决深度学习应用中的域偏移问题 | 引入了三种新颖的深度学习架构用于域适应网络（DAN），包括渐进特征缩减（PFR）、统一分类器（UC）和集成架构 | NA | 解决深度学习中的域偏移问题，提升目标检测性能 | YOLOv4目标检测器 | 计算机视觉 | NA | 深度学习 | YOLOv4, Faster R-CNN | 图像 | 流行数据集（未具体说明数量） | NA | NA | NA | NA |
| 14350 | 2025-04-06 |
MDTL: A Novel and Model-Agnostic Transfer Learning Strategy for Cross-Subject Motor Imagery BCI
2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2023.3259730
PMID:37030758
|
研究论文 | 提出了一种新颖且模型无关的迁移学习策略MDTL，用于跨被试运动想象脑机接口 | MDTL策略利用多源域数据到目标域以及多源域之间的迁移，具有模型无关性，能快速部署于现有模型 | 未明确提及具体局限性 | 提升跨被试运动想象脑机接口的性能并减少准备时间 | 运动想象脑机接口系统 | 机器学习 | NA | 迁移学习 | DeepConvNet, ShallowConvNet, EEGNet | EEG信号 | 两个公开的运动想象数据集（BCIC IV dataset 2a和Lee2019） | NA | NA | NA | NA |
| 14351 | 2025-04-06 |
Tolerating Annotation Displacement in Dense Object Counting via Point Annotation Probability Map
2023, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2023.3331908
PMID:37971907
|
研究论文 | 本文提出了一种通过点标注概率图（PAPM）来容忍密集物体计数中标注位移的方法 | 利用广义高斯分布（GGD）函数构建学习目标点标注概率图（PAPM），以提高对标注位移的鲁棒性 | 手设计的PAPM方法可能对特定网络和数据集不是最优的 | 提高密集物体计数中对标注位移的鲁棒性 | 拥挤场景中的物体计数 | 计算机视觉 | NA | 广义高斯分布（GGD） | P2PNet | 图像 | NA | NA | NA | NA | NA |
| 14352 | 2025-04-06 |
Deep learning and radiomics framework for PSMA-RADS classification of prostate cancer on PSMA PET
2022-Dec-29, EJNMMI research
IF:3.1Q1
DOI:10.1186/s13550-022-00948-1
PMID:36580220
|
研究论文 | 开发了一个深度学习和放射组学框架，用于在PSMA PET图像上进行前列腺癌的PSMA-RADS分类 | 结合深度学习和放射组学方法，实现了病变级别和患者级别的PSMA-RADS分类，并提供了置信度和概率评分 | 研究为回顾性研究，样本来源单一 | 提高前列腺癌在PSMA PET图像上的分类准确性 | 前列腺癌患者的PSMA PET图像 | 数字病理学 | 前列腺癌 | PET/CT扫描 | 深度学习 | 医学影像 | 267名男性患者的3794个病变 | NA | NA | NA | NA |
| 14353 | 2025-10-07 |
Deep learning and alignment of spatially resolved single-cell transcriptomes with Tangram
2021-11, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-021-01264-7
PMID:34711971
|
研究论文 | 提出Tangram方法，通过深度学习将单细胞转录组数据与空间数据对齐，构建全基因组单细胞分辨率空间图谱 | 开发能够将sc/snRNA-seq数据与多种空间数据（包括MERFISH、STARmap、smFISH、空间转录组学和组织学图像）对齐的首个通用方法 | 方法依赖于来自同一区域的匹配空间数据和单细胞数据，且空间数据的分辨率和灵敏度限制可能影响对齐精度 | 构建器官生物图谱，在单细胞分辨率下实现全基因组空间映射 | 小鼠脑组织（视觉和体感运动区域） | 生物信息学 | NA | sc/snRNA-seq, MERFISH, STARmap, smFISH, Spatial Transcriptomics (Visium), SHARE-seq | 深度学习 | 单细胞转录组数据，空间转录组数据，多模态数据，组织学图像 | NA | NA | NA | NA | NA |
| 14354 | 2025-10-07 |
Determination of disease severity in COVID-19 patients using deep learning in chest X-ray images
2021-Jan, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.5152/dir.2020.20205
PMID:32815519
|
研究论文 | 本研究利用深度学习分析COVID-19患者胸部X光片，评估病变严重程度及其与临床特征的关联 | 在急性COVID-19爆发环境中验证深度学习模型可行性，并建立影像特征与临床指标（年龄、合并症、治疗急迫性）的统计学关联 | 回顾性研究设计，样本量较小（48例患者），单中心数据 | 开发基于深度学习的COVID-19胸部X光自动分析工具，探索影像特征与临床严重程度的关联 | SARS-CoV-2 RT-PCR阳性患者 | 计算机视觉 | COVID-19 | 胸部X光成像 | 深度学习 | 医学影像 | 48名患者（年龄60±17岁，15名女性），共65张胸部X光片 | NA | NA | Cohen's kappa | NA |
| 14355 | 2025-04-05 |
Radioisotope compositional analysis using Monte Carlo γ-ray simulations and regression neural network
2025-Jun, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine
IF:1.6Q3
DOI:10.1016/j.apradiso.2025.111746
PMID:40020474
|
research paper | 本文开发了一种基于回归的卷积神经网络（CNN），用于预测模拟混合源光谱中的源及其比例，并与传统的库最小二乘算法进行了比较 | 采用回归CNN预测混合放射性同位素的光谱组成，相比传统线性方法具有更高的准确性和效率 | 研究基于模拟数据，实际环境中的噪声和干扰可能影响模型性能 | 开发高效自动化的γ光谱分析工具，用于放射性同位素的识别和定量分析 | 6种不同的放射性同位素及其混合光谱 | machine learning | NA | Monte Carlo γ-ray simulations, GEANT4软件包 | CNN | γ-ray光谱数据 | 6种同位素的综合模拟数据集 | NA | NA | NA | NA |
| 14356 | 2025-04-05 |
Reconstructing historical climate fields with deep learning
2025-Apr-04, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adp0558
PMID:40173235
|
research paper | 使用基于傅里叶卷积的深度学习方法重建历史气候场 | 提出了一种基于傅里叶卷积的深度学习方法，能够在大面积和不规则缺失数据的情况下，仅凭极少信息就能真实重建历史气候场，并重现已知历史事件 | NA | 填补历史气候记录的缺失数据，重建历史气候场 | 历史气候场数据 | machine learning | NA | deep learning, Fourier convolutions | CNN | climate model output | NA | NA | NA | NA | NA |
| 14357 | 2025-04-05 |
Interpretable multimodal deep learning model for predicting post-surgical international society of urological pathology grade in primary prostate cancer
2025-Apr-04, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07248-5
PMID:40183953
|
研究论文 | 开发了一种可解释的多模态深度学习模型，用于预测前列腺癌术后国际泌尿病理学会分级 | 整合了18F-PSMA-PET/CT成像特征与临床变量，构建了可解释的多模态融合模型，显著优于术前活检Gleason评分 | 研究为回顾性设计，样本量相对有限（222例患者） | 提高前列腺癌病理分级的准确性，优化手术规划和个性化治疗策略 | 前列腺癌患者 | 数字病理 | 前列腺癌 | 18F-PSMA-PET/CT成像，深度迁移学习 | 多模态融合模型 | 医学影像（PET/CT），临床参数 | 222例前列腺癌患者（2020-2024年） | NA | NA | NA | NA |
| 14358 | 2025-04-05 |
Advancing Visual Perception Through VCANet-Crossover Osprey Algorithm: Integrating Visual Technologies
2025-Apr-03, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01467-w
PMID:40180632
|
research paper | 该研究提出了一种基于视觉核心适应网络和交叉鱼鹰算法的VCANet-COP模型，用于糖尿病视网膜病变的细微病变识别 | VCANet-COP模型整合了稀疏自编码器和鱼鹰优化算法，模拟了人类视觉系统的多个处理区域，提高了病变检测的准确性和计算效率 | 虽然模型在多个数据集上表现优异，但未提及在临床实际应用中的验证情况 | 开发一种高效准确的自动化糖尿病视网膜病变筛查方法 | 糖尿病视网膜病变的细微病变识别 | digital pathology | diabetic retinopathy | deep learning | VCANet-COP (整合SAEs和OOA) | retinal fundus images | 多个DR数据集（DR-Data, STARE, IDRiD, DRIVE, RFMID） | NA | NA | NA | NA |
| 14359 | 2025-10-07 |
Global Clue-Guided Cross-Memory Quaternion Transformer Network for Multisource Remote Sensing Data Classification
2025-Apr, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3406735
PMID:38875091
|
研究论文 | 提出一种用于多源遥感数据分类的全局线索引导跨记忆四元数Transformer网络 | 设计了独立挤压扩展融合结构、跨记忆四元数Transformer结构和跨模态对比学习结构，有效处理多模态数据的异构性并挖掘互补性 | NA | 解决多源遥感数据分类中模态异构性问题并探索模态互补性 | 多源遥感数据[高光谱图像(HSI)和合成孔径雷达(SAR)/激光雷达(LiDAR)] | 计算机视觉 | NA | 遥感成像技术 | Transformer | 多源遥感图像数据 | 三个公共多源遥感数据集 | NA | 三分支结构,独立挤压扩展融合结构,跨记忆四元数Transformer,跨模态对比学习 | NA | NA |
| 14360 | 2025-10-07 |
Leveraging Unsupervised Data and Domain Adaptation for Deep Regression in Low-Cost Sensor Calibration
2025-Apr, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3409364
PMID:38889022
|
研究论文 | 本文提出了一种用于低成本传感器校准的半监督域自适应深度回归方法 | 将传感器校准任务转化为半监督域自适应问题，提出使用直方图损失对抗协变量偏移，并通过样本加权处理标签间隙 | NA | 提高低成本空气质量传感器的校准精度 | 低成本空气质量传感器数据 | 机器学习 | NA | 深度学习 | 深度回归模型 | 传感器数据 | NA | NA | NA | R²分数, MAE | NA |