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
3661	2025-12-10	PFPRNet: A Phase-Wise Feature Pyramid With Retention Network for Polyp Segmentation 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3500026 PMID:40030242	研究论文	本文提出了一种名为PFPRNet的新型息肉分割方法，通过相位特征金字塔与保留网络提升分割性能	设计了相位特征金字塔与保留解码器，结合增强感知模块和低层保留模块，以更高效地建模全局注意力并整合多尺度特征	NA	提升结肠息肉图像的分割准确性和模型泛化能力	结肠息肉图像	计算机视觉	结直肠癌	深度学习	Transformer, CNN	图像	NA	NA	PFPRNet, Transformer-based Encoder	NA	NA
3662	2025-12-10	CT-Less Whole-Body Bone Segmentation of PET Images Using a Multimodal Deep Learning Network 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3501386 PMID:40030243	研究论文	本文提出了一种无需CT图像的多模态融合网络（MMF-Net），用于PET图像的全身体骨分割，以克服基于CT方法在骨癌成像中的局限性	引入三种PET模态图像（示踪剂活性、衰减图和合成衰减图）作为训练数据，设计多编码器结构和多模态融合模块，结合SE归一化和深度监督提升分割性能	研究仅基于130个全身PET图像数据集，样本规模有限，且未在更广泛的多中心数据上验证泛化能力	开发一种无需CT图像的自动化全身体骨分割方法，以改善骨癌诊断和分期中的肿瘤分析准确性	全身PET图像，用于骨癌成像中的骨分割	医学影像分析	骨癌	PET成像，多模态深度学习	深度学习网络	PET图像	130个全身PET图像数据集	NA	多模态融合网络（MMF-Net），多编码器结构	NA	NA
3663	2025-12-10	EDSRNet: An Enhanced Decoder Semantic Recovery Network for 2D Medical Image Segmentation 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504829 PMID:40030272	研究论文	本文提出了一种用于2D医学图像分割的新型增强解码器语义恢复网络（EDSRNet），以解决现有编码器-解码器架构中语义信息差距和全局-局部信息交互不足的问题	提出了多级语义融合（MLSF）模块来融合不同层次的特征并基于语义差距分配权重，设计了多尺度空间注意力（MSSA）和交叉卷积通道注意力（CCCA）模块以获取更丰富的特征信息，并引入了全局-局部语义恢复（GLSR）模块以实现更好的语义恢复	NA	提升2D医学图像分割的性能，为医学诊断和治疗规划提供更有效的辅助	2D医学图像	计算机视觉	NA	深度学习	CNN	图像	NA	NA	EDSRNet	IoU	NA
3664	2025-12-10	WaveSleepNet: An Interpretable Network for Expert-Like Sleep Staging 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3498871 PMID:40030379	研究论文	提出了一种可解释的神经网络WaveSleepNet，用于模拟临床专家的睡眠分期过程	通过潜在空间表示识别特征波原型，提供类似专家的决策过程，增强模型的可解释性	未明确提及模型的具体局限性	开发可解释的自动睡眠分期模型以促进临床采用	睡眠信号数据	机器学习	NA	NA	神经网络	信号数据	三个公共数据集	NA	WaveSleepNet	NA	NA
3665	2025-12-10	Harmonic Wavelet Neural Network for Discovering Neuropathological Propagation Patterns in Alzheimer's Disease 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3434394 PMID:39074003	研究论文	本文提出了一种谐波小波神经网络（HWNN），用于预测阿尔茨海默病的早期阶段并定位与疾病相关的显著小波，以表征神经病理事件在大脑网络中的传播路径	提出了一种新的谐波小波神经网络（HWNN）方法，解决了现有图深度学习方法的两个主要缺点：缺乏用于组间比较的无偏参考基础（共同大脑网络）以及缺乏识别传播模式的适当机制	NA	利用计算方法确定神经病理事件的传播模式，以理解阿尔茨海默病的病理生理机制	阿尔茨海默病相关的退行性生物标志物及其在大脑皮层中的分布	机器学习	阿尔茨海默病	NA	神经网络	图数据	NA	NA	谐波小波神经网络（HWNN）	分类准确率，识别传播模式的统计功效	NA
3666	2025-12-10	FDDSeg: Unleashing the Power of Scribble Annotation for Cardiac MRI Images Through Feature Decomposition Distillation 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3404884 PMID:38787661	研究论文	本文提出了一种名为FDDSeg的特征分解蒸馏深度学习方法，用于基于涂鸦标注的心脏MRI图像分割	提出了一种涂鸦标注重用策略以提供精确边界，并通过伪标签将中间特征分解为类别区域和无类别区域，以改进特征学习，然后通过特征分解捕获有效的蒸馏知识	NA	开发一种用于涂鸦监督心脏MRI图像分割的深度学习方法，以降低计算成本并提高分割精度	心脏MRI图像	计算机视觉	心血管疾病	MRI	深度学习	图像	NA	NA	NA	DSC, JC, HD95	NA
3667	2025-12-10	Melanoma Breslow Thickness Classification Using Ensemble-Based Knowledge Distillation With Semi-Supervised Convolutional Neural Networks 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3465929 PMID:39302772	研究论文	本研究利用集成知识蒸馏与半监督卷积神经网络，对黑色素瘤的Breslow厚度进行分类，旨在提高诊断准确性	采用多教师集成知识蒸馏的半监督学习方法，结合四个不同来源的数据集，在黑色素瘤原位与侵袭性分类及Breslow厚度预测任务中提升了模型性能	未明确说明模型在临床环境中的泛化能力及对罕见病例的处理效果	开发基于深度学习的自动诊断系统，以支持医疗专业人员对黑色素瘤的分类和厚度预测	皮肤镜图像中的原位与侵袭性黑色素瘤，以及Breslow厚度	医学图像分析	黑色素瘤	深度学习	CNN	图像	来自四个不同数据集的皮肤镜图像，具体数量未明确	未明确指定	卷积神经网络	AUC	未明确指定
3668	2025-12-10	MFRC-Net: Multi-Scale Feature Residual Convolutional Neural Network for Motor Imagery Decoding 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3467090 PMID:39316474	研究论文	提出一种用于运动想象解码的轻量级多尺度特征残差卷积神经网络MFRC-Net	提出结合时间多尺度残差卷积块和跨域双流空间卷积块的轻量级网络架构，在仅13K参数下实现高性能	未明确说明模型在更复杂或噪声更大EEG数据上的泛化能力	开发轻量高效的深度学习模型用于运动想象脑电信号解码	脑电图信号	机器学习	NA	脑电图	CNN	时序信号	BCI Competition IV 2a数据集和SHU数据集	NA	MFRC-Net	准确率	NA
3669	2025-12-10	Spherical Harmonics-Based Deep Learning Achieves Generalized and Accurate Diffusion Tensor Imaging 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3471769 PMID:39352828	研究论文	本研究提出了一种基于球谐函数和深度学习的扩散张量成像方法，旨在提高DTI的准确性和泛化能力	利用球谐函数系数图作为网络输入，实现了对不同采集方案、中心和扫描仪的泛化，解决了现有深度学习方法泛化性有限的问题	未在摘要中明确提及具体限制	开发一种泛化性强、准确且高效的基于深度学习的扩散张量成像方法	扩散张量成像数据，包括模拟和体内数据集	医学影像分析	NA	扩散加权成像，扩散张量成像，磁共振成像	深度学习网络	扩散磁共振图像，球谐函数系数图	未在摘要中明确提及具体样本数量	NA	NA	定量和定性分析	NA
3670	2025-12-10	Multiscale Spatial-Temporal Feature Fusion Neural Network for Motor Imagery Brain-Computer Interfaces 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3472097 PMID:39352826	研究论文	本文提出了一种基于多尺度时空特征融合的卷积神经网络（MSTFNet），用于运动想象脑机接口中的EEG信号分类	提出了一种新的端到端卷积神经网络架构，通过多尺度时空特征融合模块增强特征提取能力，并采用了一种简单而有效的数据增强策略	未明确提及模型的计算复杂度、泛化能力到其他数据集或实际应用场景中的限制	提高运动想象脑机接口中EEG信号的解码精度，实现高效稳定的交互	运动想象相关的EEG信号	脑机接口	NA	EEG信号处理	CNN	EEG信号	使用了两个公共数据集（BCI Competition IV 2a和2b）和一个实验室数据集，具体样本数量未明确说明	NA	MSTFNet（包含特征增强模块、多尺度时间特征提取模块、空间特征提取模块和特征融合模块）	分类准确率	NA
3671	2025-12-10	Automated Quantification of HER2 Amplification Levels Using Deep Learning 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3476554 PMID:39383086	研究论文	本文开发了一种基于深度学习的软采样级联模型和信号检测模型，用于自动量化细胞中的CEN17和HER2信号，以辅助评估HER2扩增状态，从而帮助乳腺癌和胃癌患者选择抗HER2靶向治疗	提出了一种软采样级联深度学习模型和信号检测模型，能够处理FISH和DISH图像中细胞边界模糊、形状和信号变化大、细胞重叠以及标注稀疏等问题，显著优于七种现有最先进的深度学习方法	未明确说明模型在更大规模或更多样化数据集上的泛化能力，以及计算资源的具体需求	开发自动化工具以辅助评估HER2扩增状态，用于乳腺癌和胃癌患者的抗HER2靶向治疗选择	乳腺癌和胃癌患者的FISH和DISH图像中的细胞	数字病理学	乳腺癌, 胃癌	荧光原位杂交 (FISH), 双原位杂交 (DISH)	深度学习模型	图像	两个临床数据集：一个FISH数据集和一个DISH数据集	NA	软采样级联深度学习模型, 信号检测模型	准确率, 召回率, F1分数, 精确率	NA
3672	2025-12-10	MiRS-HF: A Novel Deep Learning Predictor for Cancer Classification and miRNA Expression Patterns 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3476672 PMID:39383085	研究论文	提出了一种名为MiRS-HF的深度学习模型，用于癌症分类和miRNA生物标志物识别	结合早期融合和中间融合策略，利用Layer Attention GCN处理miRNA-疾病异质网络，并通过GCN加权表达数据进行分类	NA	癌症分类和miRNA生物标志物识别	六种癌症的miRNA关联和表达数据	机器学习	癌症	miRNA表达数据	GCN, LAGCN	图数据, 表达数据	NA	NA	Layer Attention Graph Convolutional Network, Graph Convolutional Network	NA	NA
3673	2025-12-10	Continuous Prediction of Wrist Joint Kinematics Using Surface Electromyography From the Perspective of Muscle Anatomy and Muscle Synergy Feature Extraction 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3484994 PMID:39437291	研究论文	本文提出了一种基于肌肉解剖学视角的3DCNN模型，用于从表面肌电信号中提取肌肉协同特征，并连续预测腕关节运动学	首次从肌肉解剖学角度预测运动意图，将一维sEMG信号根据目标肌肉解剖分布和电极位置重构为二维帧，并作为视频片段输入3DCNN进行特征提取	未明确说明模型在更广泛患者群体或不同运动任务中的泛化能力	利用sEMG信号预测卒中后患者运动意图，以提高康复机器人的辅助效果	卒中后上肢功能障碍患者	机器学习	卒中	表面肌电信号采集	3DCNN, CNN-LSTM, GAN	时序信号, 图像	自建腕部运动数据集和公开Ninapro DB2数据集	NA	3DCNN	nRMSE, R值	NA
3674	2025-12-10	Deep Drug Synergy Prediction Network Using Modified Triangular Mutation-Based Differential Evolution 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3377631 PMID:38498748	研究论文	本文提出了一种名为EDNet的深度药物协同预测网络，用于改进癌症治疗中的药物组合协同预测	采用改进的基于三角突变的差分进化算法优化深度双向混合密度网络的初始连接权重和架构相关属性，以解决梯度消失、过拟合和参数调优问题	NA	提高药物组合协同预测的准确性，以优化癌症治疗效果	药物组合协同预测	机器学习	癌症	NA	深度双向混合密度网络	药物协同数据集	两个数据集：NCI-ALMANAC和deep-synergy	NA	EDNet	NA	NA
3675	2025-12-09	Copolymer Sequence Regulation Enabled by Reactivity Ratio Fingerprints via Machine Learning 2025-Dec-08, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202513086 PMID:41147785	研究论文	本研究开发了一个基于机器学习的高效平台，利用“反应活性比指纹”来测定二元和三元共聚中的反应活性比，实现序列调控	提出了“反应活性比指纹”的新设计，并利用深度学习模型在稀疏实验数据下实现毫秒级的高效测定，扩展至三元共聚体系	未明确说明模型在极端反应条件或非常规单体组合下的泛化能力	开发高效测定共聚反应活性比的方法，实现聚合物序列的按需调控	二元和三元共聚反应体系	机器学习	NA	共聚反应动力学分析，玻璃化转变表征	深度学习模型	反应活性比指纹，实验数据	数百万个反应活性比指纹	NA	NA	测定效率（毫秒级），预测准确性（通过动力学实验验证）	NA
3676	2025-12-09	From Signal to Symphony: Exploring 2D Sequence Representations for Protein Function Prediction 2025-Dec-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01768 PMID:41247925	研究论文	本研究探索了将蛋白质氨基酸序列转换为二维声谱图作为蛋白质功能预测任务的数据表示方法	提出蛋白质声谱化方法，将一维序列转换为二维声谱图，并证明这种表示结构本身是模型预测性能的关键来源	未明确说明模型在更广泛蛋白质类别或更大规模数据集上的泛化能力限制	探索蛋白质序列的最佳表示方法以提高功能预测性能	蛋白质氨基酸序列	计算生物学	NA	蛋白质声谱化	融合模型, 扩散模型	序列, 图像	18,000个序列，涵盖12个功能多样的蛋白质类别	NA	Transformer, ESM-2, ProtBERT	准确率	NA
3677	2025-12-09	MGCL-CAP: Masked Graph Contrastive Learning with Gated Cross-Attention for Chemical Allergenicity Prediction 2025-Dec-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02222 PMID:41251678	研究论文	本文提出了一种名为MGCL-CAP的深度学习框架，用于化学致敏性预测，该框架结合了掩码图对比学习和门控交叉注意力融合技术	提出了一种结合掩码图对比学习和门控交叉注意力融合的深度学习框架，用于学习结构不变的图嵌入并整合一维分子指纹，从而提升对分子拓扑和跨模态依赖关系的捕捉能力	未明确提及具体的数据集规模限制或模型在极端噪声条件下的鲁棒性	开发一种计算工具，用于高效预测化学物质的致敏性，以支持化学安全评估和更安全的配方设计	化学致敏物（存在于消费品和工业产品中）	机器学习	过敏性疾病	深度学习	图神经网络, 注意力机制	图数据（分子结构）, 一维分子指纹	NA	NA	图同构网络, 多头门控交叉注意力	NA	NA
3678	2025-12-09	Automatic detection of urinary stones from non-contrast enhanced computed tomography images 2025-Dec-08, Urolithiasis IF:2.0Q2 DOI:10.1007/s00240-025-01902-1 PMID:41359136	研究论文	本研究利用深度学习技术，开发了名为UROAID的集成模型，用于从非增强CT图像中自动检测尿路结石	提出了UROAID集成模型，结合了基于分割的结石检测模块和结石分类模块，模拟放射科医生诊断尿路结石的流程，并针对不同位置的结石实现了高检测率	未明确提及模型在外部验证集上的泛化能力，也未讨论计算效率或实时性方面的限制	实现尿路结石的自动检测，以辅助急诊诊断	成年患者的非增强腹部盆腔CT图像	数字病理学	尿路结石	非增强计算机断层扫描（CT）	深度学习，集成模型	3D CT图像	6659名患者的CT扫描	NA	Uro-UNETR（改进版），UROAID	准确率，F1分数，检测率	NA
3679	2025-12-09	Boosting brain tumor detection with an optimized ResNet and explainability via Grad-CAM and LIME 2025-Dec-05, Brain informatics DOI:10.1186/s40708-025-00279-6 PMID:41348154	研究论文	本研究通过优化ResNet架构并集成Grad-CAM和LIME等可解释性技术，提升脑肿瘤检测的准确性、泛化性和可解释性	结合动态学习率调整、架构增强（如解冻层、集成不同模块、池化和丢弃层）与可解释性AI技术，在提升模型性能的同时解决CNN在医学影像中缺乏可解释性的问题	研究依赖于公开的多类别肿瘤数据集，未在更广泛或临床实时数据上进行验证；虽然使用了三个数据集以确保泛化性，但可能仍存在特定数据分布的偏差	提高基于CNN的脑肿瘤检测模型的准确性、泛化性和临床可解释性	脑肿瘤的MRI影像	计算机视觉	脑肿瘤	MRI影像分析	CNN	图像	三个公开的多类别脑肿瘤数据集	未明确提及，推测为PyTorch或TensorFlow	ResNet	准确率	NA
3680	2025-12-09	T-SCAPE: T cell immunogenicity scoring via cross-domain aided predictive engine 2025-Dec-05, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adz8759 PMID:41348893	研究论文	本文提出了一种名为T-SCAPE的新型多领域深度学习框架，用于预测T细胞免疫原性	利用对抗性领域适应整合多种免疫相关数据源，实现跨领域预测，无需MHC输入即可预测治疗性抗体的抗药抗体诱导潜力	NA	预测T细胞免疫原性以促进更安全有效的疫苗和蛋白质治疗剂的开发	肽片段、肽-MHC对、治疗性抗体	机器学习	NA	深度学习、对抗性领域适应	深度学习框架	免疫相关数据（MHC呈递、pMHC结合亲和力、T细胞受体-pMHC相互作用、来源生物信息、T细胞激活）	NA	NA	NA	NA	NA