深度学习在生物医药领域的应用

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
1	2026-05-08	Synergizing Anti-Cancer Drug Combinations With Dual-View Hypergraph Representation Fusion 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3511657 PMID:40030495	研究论文	提出一种基于双视图超图表示融合的深度学习模型DVHSyn，用于预测协同抗癌药物组合	首次将超图视图与扩展异构图视图相结合，同时捕获样本三元组的局部和全局上下文关系	未明确说明局限性	利用双视图超图表示融合识别协同药物组合，提升预测准确性	已知协同药物组合的样本三元组（癌细胞系转录组特征、药物分子结构及协同效应）	机器学习	癌症	NA	深度学习模型（DVHSyn）	转录组特征、分子结构数据	NA（未提供具体数量）	NA	Dual-view hypergraph representation fusion	预测性能（与六种对比方法比较）	NA
2	2026-05-08	Privacy-Preserving Data Augmentation for Digital Pathology Using Improved DCGAN 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3551720 PMID:40100674	研究论文	提出一种基于改进深度卷积生成对抗网络的隐私保护数据增强方法，用于数字病理学中的全切片图像生成	结合CTransPath模型的自监督预训练提取丰富特征、引入最小二乘对抗损失和频域损失以提高像素精度和结构保真度、采用残差块和跳跃连接增强网络深度与训练稳定性	尚未提及在更广泛数据集或临床环境中的验证、隐私保护仅针对数据增强环节而未涉及训练过程的全面隐私保护	解决数字病理学中全切片图像数据受隐私法规限制导致深度学习模型性能受限的问题	数字病理学中的全切片图像数据增强与生成	计算机视觉，数字病理学	肿瘤学	NA	改进的深度卷积生成对抗网络（DCGAN），自监督预训练模型CTransPath	图像（全切片图像补丁）	PatchCamelyon数据集（具体数量未提及）	NA	改进DCGAN（含残差块和跳跃连接），CTransPath	SSIM， FID，准确率， AUC， F1分数	NA
3	2026-05-08	ESIP: Explicit Surgical Instrument Prompting for Surgical Workflow Recognition 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3625420 PMID:41144421	研究论文	提出一种显式手术器械提示方法，用于手术工作流识别，通过手术器械分割生成视觉提示，引导时空特征提取与聚合	首次在手术工作流识别中引入显式手术器械提示，利用冻结预训练骨干网络提取关键帧内空间特征，并通过SAM分段与提示调优策略高效整合分割特征	论文摘要未明确提及局限性	提升手术工作流识别中时空特征提取的充分性，解决隐式方法难以利用强相关空间信息的问题	手术视频中的手术工作流识别任务	计算机视觉	NA	手术器械分割	SAM（分段任何模型）	视频	三个数据集：Cholec80、M2CAI和AutoLaparo	PyTorch	SAM	精确率、召回率、Jaccard指数	NA
4	2026-05-08	Identification of Pandemic Risk for Avian Influenza Virus With Graph Cross Attention Networks 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3625980 PMID:41150231	研究论文	提出图交叉注意力网络（GCAN-Flu），通过整合病毒基因组序列和基因流网络信息预测甲型流感病毒的大流行风险	首次利用病毒株间的基因重配关系构建基因流网络，并通过图交叉注意力层融合基因组序列与基因流多模态信息，弥补了传统序列方法忽略基因流动的不足	文中未明确指出模型在数据稀缺或新兴病毒株上的泛化能力，且对基因流网络的构建依赖已知的重配关系	利用病毒株间的基因流信息提高流感病毒大流行风险预测的准确性	甲型流感病毒的基因组序列及其基因重配关系	机器学习	流感大流行	基因重配分析	图神经网络、交叉注意力网络	基因组序列、基因流网络数据	NA	NA	图交叉注意力网络（GCAN-Flu）	NA	NA
5	2026-05-08	TC-KANRecon: High-Quality and Accelerated MRI Reconstruction via Adaptive KAN Mechanisms and Intelligent Feature Scaling 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3626343 PMID:41171650	研究论文	提出一种名为TC-KANRecon的条件引导扩散模型，结合多自由U-KAN模块和动态裁剪策略，实现高质量和加速的MRI重建	创新地引入多自由U-KAN模块和动态裁剪策略，通过多头注意力和标量调制因子增强鲁棒性和结构保持能力，并利用条件引导模型融合全采样k空间信息提升重建质量	未明确说明局限性，但潜在限制可能包括对高噪声、低采样率数据依赖性强以及计算开销可能较高	通过深度学习方法加速MRI重建过程，同时保持重建图像质量	MRI图像重建任务中的k空间数据和重建图像	数字病理学	NA	MRI	扩散模型	图像	NA	NA	U-KAN	定性和定量评估指标	NA
6	2026-05-08	HieRMVir: Interpretable Viral Classification via Hierarchical Deep Learning 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3627468 PMID:41171653	研究论文	提出一种名为 HieRMVir 的分层深度学习框架，用于对病毒基因组序列进行可解释且准确的分类	首次结合随机森林特征加权与基于互信息的注意力正则化，在分层分类中考虑生物分类层次结构和不同分类级别下基因组特征的信息量差异	未提及具体局限性	实现对病毒基因组序列的高精度分层次分类，并在传统序列比对方法失效时提供可解释的分类结果	病毒基因组序列	机器学习	传染病	基因组测序	随机森林、注意力机制	基因序列	超过100万条基因组序列	NA	分层神经网络，随机森林，互信息引导注意力	准确率，分层性能指标，注意力权重分析	NA
7	2026-05-08	MOAEAM: Multi-Omics Data Integration With Autoencoder and Attention Mechanisms for Cancer Patient Classification and Biomarker Identification 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3628490 PMID:41182929	研究论文	提出MOAEAM深度学习框架，通过改进自编码器和注意力机制整合多组学数据，用于癌症患者分类和生物标志物识别	提出新型复合损失函数提取组学特异性特征，并设计多组学整合模块捕捉跨组学关联信息，同时引入辅助分类器提升性能	文本未明确提及方法局限，但可能涉及计算资源需求高或对超参数敏感等未说明问题	开发并验证用于癌症患者分类和生物标志物识别的多组学数据整合方法	癌症患者的多组学数据，涉及多个癌症数据集	机器学习	癌症	多组学数据整合	自编码器与注意力机制	组学数据	NA	NA	改进自编码器、注意力机制	分类性能	NA
8	2026-05-08	BiBLDR: Bidirectional Behavior Learning for Drug Repositioning 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3628673 PMID:41191475	研究论文	提出双向行为学习策略BiBLDR，将药物重定位重新定义为行为序列学习任务，以解决冷启动场景下的预测难题	首次将药物重定位问题转化为双向行为序列学习任务，并设计两阶段策略，通过构建原型空间和利用双向行为序列数据实现冷启动场景下更稳健的药物-疾病关联预测	NA	解决图方法在药物重定位中冷启动场景下性能不佳的问题	药物和疾病间的关联关系	机器学习	NA	NA	双向行为学习模型	序列数据	NA	NA	NA	NA	NA
9	2026-05-08	Radar HRV Monitoring With Physiological Prior Inspired Deep Neural Networks 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3628628 PMID:41191472	研究论文	提出一种基于生理先验的深度学习框架，用于雷达无接触监测心率变异性	利用心脏驱动整个躯干运动的空间-时间先验和心脏运动自相似性先验，设计混合深度神经网络建模全身射频反射与心跳的关系，并建立信号增强策略，提升真实场景中心率变异性监测的鲁棒性	未明确提及局限性	实现真实复杂生理条件下基于雷达的无接触心率变异性准确监测	7,150名具有复杂生理条件的门诊患者	机器学习	心血管疾病	雷达传感	混合深度神经网络	雷达信号	7,150名门诊患者	NA	NA	平均IBI误差, RMSSD误差, SDSD误差, pNN50误差	NA
10	2026-05-08	PathFusion-Net: A Rough Path Theory-Based Deep Learning Model for ECG Arrhythmia Classification 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3629717 PMID:41196785	研究论文	提出一种结合粗糙路径理论与深度学习的PathFusion-Net模型，用于心电图心律失常分类	将粗糙路径理论中的路径签名和路径发展融入深度学习，同时提取心电图图像的空间形态特征和信号的多阶时序表征	缺少关于模型实时推断速度、硬件资源消耗以及跨中心泛化性的讨论	开发一种更贴近真实临床诊断环境的心律失常自动分类模型	MIT-BIH心律失常数据库和一份私有临床数据集中的心电图	机器学习	心血管疾病	心电图	CNN, LSTM	信号	NA	NA	PathFusion-Net	准确率, 精确率, 召回率	NA
11	2026-05-08	Genetic Perturbation Modeling for Human Cell Therapy With BRNET 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3629554 PMID:41196787	研究论文	提出BRNET模型用于预测多基因扰动下的非线性转录结果	将先验知识与高级嵌入整合到非堆叠神经结构中，能同时预测单个和多个遗传扰动的转录响应，并泛化到未见场景	NA	解决湿实验昂贵耗时问题，建立高效预测遗传扰动转录响应的计算模型	基因扰动后细胞的转录响应	机器学习	NA	RNA-seq	非堆叠神经网络	转录组数据	NA	PyTorch	BRNET	NA	NA
12	2026-05-08	CFTResNet: A Novel Cross-Domain Diagnosis Framework Guided by Interpretability for Cardiovascular Diseases 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3620820 PMID:41082434	研究论文	提出一种可解释的跨领域诊断框架CFTResNet，用于心血管疾病诊断，旨在缓解领域偏移并提高诊断可解释性	提出模块鲁棒性关键性策略评估预训练模型弱鲁棒部分，仅微调这些弱模块而非整个模型，并整合时间-通道融合模块增强心音信号特征表示	仅在心音数据集上验证，未探索其他类型数据或多模态融合；框架在更大规模或更复杂临床场景下的泛化性需进一步验证	开发一种可解释、跨领域泛化的深度学习诊断框架，用于自动化检测心血管疾病	心音信号中的病理模式（如心脏听诊中的细微病理特征）	机器学习, 数字病理学（心音分析）	心血管疾病	心音信号分析	ResNet	心音信号	两个公开心音数据集	PyTorch	ResNet, 时间-通道融合模块	诊断准确率, AUC, F1分数	NA
13	2026-05-08	HighMPNN: A Graph Neural Network Approach for Structure-Constrained Cyclic Peptide Sequence Design 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3620163 PMID:41082435	研究论文	提出了HighMPNN，一种面向环状肽序列设计的图神经网络方法	显式整合结构约束到GNN框架中，结合交叉熵损失与FAPE损失，同时优化序列生成和结构精度	当前仅支持天然氨基酸，未涵盖非天然残基和结构多样的环状肽骨架	开发专用于环状肽序列设计的图神经网络模型	环状肽序列	机器学习	NA	蛋白质结构预测、序列设计	图神经网络	蛋白质结构数据	NA	PyTorch	GNN	序列恢复率、Cα均方根偏差	NA
14	2026-05-08	BreastUS-Net: An Attention-Guided Dual-Branch Network With Feature Fusion for Fine-Grained Breast Tumor Classification in Ultrasound Imaging 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3620256 PMID:41086071	研究论文	提出一种名为BreastUS-Net的双分支注意力引导网络，用于超声影像中的细粒度乳腺肿瘤分类	提出双分支MobileNet架构结合冻结与微调层以融合任务特定和通用特征，集成多头自注意力块增强诊断区域关注，并采用正交softmax层提升判别能力	NA	通过分层分类方法提升超声影像中乳腺肿瘤诊断的准确性和临床适用性	乳腺肿瘤（包括纤维腺瘤、叶状肿瘤及其分级）的超声影像	计算机视觉、数字病理	乳腺癌	超声成像	MobileNet、多头自注意力	图像	六个多中心数据集：浙江肿瘤医院（2,171张）、BUSI（780张）、云南肿瘤医院（351张）、邵逸夫医院（365张）、纤维腺瘤vs叶状肿瘤分类及叶状肿瘤分级数据集	NA	双分支MobileNet、多头自注意力块、正交softmax层	准确率	NA
15	2026-05-08	ML-TGNet: A Multi-Level Topology Guidance Network for Motor Imagery Decoding 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3624298 PMID:41129446	研究论文	提出一种多层拓扑引导网络ML-TGNet，利用脑同步信息解码运动想象脑电信号	首次将脑拓扑同步信息引入MI解码，通过多级拓扑引导模块提取与MI任务相关的特征，减少冗余信息	未明确提及局限性，但可能依赖公开数据集且未讨论实际BCI应用中的实时性挑战	利用脑动力学信息提高运动想象解码性能	运动想象脑电信号中的脑同步特征	机器学习	NA	脑电图	CNN	脑电信号	三个公开数据集：BCI Competition IV-2a、High Gamma、OpenBMI	NA	ML-TGNet	准确率	NA
16	2026-05-08	DPGOK: A Deep Learning-Based Method for Protein Function Prediction by Fusing GO Knowledge With Protein Features 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3622996 PMID:41129441	研究论文	提出一种名为DPGOK的深度学习方法，通过融合蛋白质感知的GO表示与蛋白质特征来预测蛋白质功能	首次提出为每个蛋白质定制GO嵌入以反映蛋白质特异的功能相关性，并利用知识图谱损失生成稳定的GO语义表示	未在更广泛的蛋白质序列或结构数据上验证，且依赖同源性方法提升性能可能引入偏差	提高蛋白质功能预测的准确性，以协助理解疾病机制和发现药物靶点	蛋白质及其功能预测	机器学习	NA	深度学习	深度学习模型（DPGOK）	蛋白质序列数据	NA	NA	知识图谱嵌入与特征融合架构	准确率（未具体说明）	NA
17	2026-05-08	Confident and Trustworthy Model for Fidgety Movement Classification 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3624341 PMID:41129439	研究论文	提出一种深度学习模型，用于婴儿扭动运动分类，能在不确定时选择性放弃分类	引入两种新颖的正则化损失，确保模型在两个运动类别间保持平衡覆盖率，并能评估自身分类置信度	未明确说明局限性，但可能涉及数据多样性或模型泛化性不足	提升自动全身运动评估的可及性，解决现有模型无法判断决策置信度的缺陷	婴儿扭动运动（Fidgety Movements），用于评估神经系统发育和脑瘫风险	计算机视觉	脑瘫	NA	深度学习网络	视频	NA	NA	NA	视频层面覆盖率、置信度	NA
18	2026-05-08	Comparative Performance of IMU and sEMG in Locomotion Mode Prediction Across Transitional and Steady-State Cyclic/Non-Cyclic Gaits 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3623132 PMID:41129445	研究论文	对惯性测量单元和表面肌电图在跨过渡态和稳态周期/非周期步态中的运动模式预测性能进行系统比较分析	揭示了不同模态在特定步态类型中的最优窗口长度和深度学习架构，为多模态融合提供具体指导	未说明	系统比较IMU和sEMG在人类运动模式预测中的性能差异	人类受试者（9名）的17种步态活动	机器学习	NA	IMU, sEMG	CNN, LSTM, TCN	时间序列数据	9名受试者，17种步态活动	NA	CNN, LSTM, TCN	分类准确率	NA
19	2026-05-08	Graph-Aware AURALSTM: An Attentive Unified Representation Architecture with BiLSTM for Enhanced Molecular Property Prediction 2026-Apr, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11197-4 PMID:40279083	研究论文	提出一种名为Graph-Aware AURA-LSTM的混合深度学习模型，通过结合多种图神经网络架构和双向LSTM来增强分子性质预测的准确性	创新性地将图卷积网络、图注意力网络和图同构网络并行融合，并引入双向LSTM处理时序关系，实现多层次分子结构特征的全面捕获	未提及具体局限性	分子性质预测，旨在提高预测准确性以支持药物发现和生物技术等领域的应用	分子及其结构特征	机器学习	NA	NA	图神经网络、双向LSTM	分子图形表示	8个基准数据集	NA	GCN, GAT, GIN, BiLSTM	准确率	NA
20	2026-05-08	Predicting peroxisome proliferator-activated receptor gamma potency of small molecules: a synergistic consensus model and deep learning binding affinity approach powered by Enalos Cloud Platform 2026-Apr, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11230-6 PMID:40515966	研究论文	本研究结合共识模型与深度学习方法，通过Enalos云平台预测小分子对PPARγ的效力	首次整合随机森林、支持向量机和k近邻算法的共识模型与神经网络分类模型，用于预测PPARγ结合亲和力和拮抗活性，并部署于Enalos云平台实现便捷虚拟筛选	未明确说明模型在真实生物活性数据上的验证及与其他方法的对比性能	开发用于预测小分子与PPARγ结合亲和力及拮抗活性的计算机模拟模型，支持抗糖尿病药物发现	靶向PPARγ的小分子化合物，包括34种优先筛选的全氟和多氟烷基物质（PFAS）	机器学习	糖尿病	分子对接	神经网络、随机森林、支持向量机、k近邻	分子对接得分及分子描述符	NA	Scikit-learn, Enalos Cloud Platform	神经网络, 随机森林, 支持向量机, k近邻	准确性、少数类检测效率（基于OECD指南验证）	NA