深度学习在生物医药领域中的应用

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
1	2025-07-26	SlicesMapi: An Interactive Three-Dimensional Registration Method for Serial Histological Brain Slices 2025-Apr-16, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-025-09724-7 PMID:40240690	研究论文	提出了一种名为SlicesMapi的交互式三维配准方法，用于脑切片序列的配准	通过采用相邻切片和对应参考图谱切片的双重约束，在3D和2D空间中校正线性和非线性变形，并保证全分辨率配准以避免深度学习配准方法中图像下采样的信息损失	NA	提高脑切片图像与3D标准脑空间配准的准确性、计算效率和适用性	脑切片图像	数字病理	NA	3D配准技术	NA	图像	NA
2	2025-07-26	A Non-Invasive Blood Glucose Detection System Based on Photoplethysmogram With Multiple Near-Infrared Sensors 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3443317 PMID:39141451	研究论文	开发了一种基于光电容积图和多重近红外传感器的非侵入性血糖检测系统	结合光电容积图和多重近红外方法，开发了一种新型指尖血糖检测系统	研究样本量较小，仅涉及10名参与者	改进非侵入性血糖检测技术	人体血糖水平	医疗设备	糖尿病	光电容积图、多重近红外传感器	轻量级深度学习模型	传感器数据	10名参与者，每人提供约700段10秒的数据
3	2025-07-26	Prior Visual-Guided Self-Supervised Learning Enables Color Vignetting Correction for High-Throughput Microscopic Imaging 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3471907 PMID:39412976	研究论文	本文提出了一种自监督深度学习算法VCLUT，用于校正彩色显微图像中的复杂渐晕效应	利用显微图像的同质性和渐晕的径向衰减特性，开发了一种可训练的自监督算法，能够在单幅或多幅图像上进行渐晕校正	NA	开发一种稳健高效的彩色显微图像渐晕校正方法	彩色显微图像	数字病理学	NA	自监督深度学习	对抗学习	图像	来自五种不同生物标本的数据和一个病理学数据集
4	2025-07-26	ROXSI: Robust Cross-Sequence Semantic Interaction for Brain Tumor Segmentation on Multi-Sequence MR Images 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3513479 PMID:40030420	研究论文	提出一种鲁棒的脑肿瘤分割框架ROXSI，用于减轻多序列MR图像中噪声和伪影导致的性能下降	提出跨序列语义交互模块（CSSI）和批级协方差机制，以利用序列间相关性并提取抗噪声特征	未提及具体的数据集规模限制或计算资源需求	提高多序列MR图像中脑肿瘤分割的鲁棒性	多序列磁共振成像（MRI）中的脑肿瘤	数字病理学	脑肿瘤	MRI	CNN, Transformer	图像	在两个基准数据集上进行评估
5	2025-07-26	Decoding SSVEP Via Calibration-Free TFA-Net: A Novel Network Using Time-Frequency Features 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510740 PMID:40030575	研究论文	提出了一种名为TFA-Net的新型CNN模型，用于无需校准阶段的SSVEP信号解码	引入了频率注意力和通道重组模块，增强了TFA-Net在时频域中推断更精细频率注意力并高效提取SSVEP特征的能力	未提及具体局限性	提高基于SSVEP的脑机接口的解码性能和实用性	稳态视觉诱发电位(SSVEP)信号	脑机接口	NA	深度学习	CNN	EEG信号	公共数据集（具体数量未提及）
6	2025-07-26	SFM-Net: Semantic Feature-Based Multi-Stage Network for Unsupervised Image Registration 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3524361 PMID:40030793	研究论文	本文提出了一种基于语义特征的多阶段无监督图像配准网络SFM-Net，用于解决具有复杂解剖结构的图像之间的精细对应问题	提出了一种双阶段训练策略和双流特征提取模块，以及精细变形场生成模块，用于改进语义相关区域的对齐	未提及具体的数据集规模或计算资源需求	改进具有复杂解剖结构的图像之间的无监督配准	3D脑MRI和肝脏CT图像	计算机视觉	NA	深度学习	U-Net	3D图像	未提及具体样本数量
7	2025-07-26	Multi-Sensor Wearable Device With Transformer-Powered Two-Stream Fusion Model for Real-Time Leg Workout Monitoring 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3524398 PMID:40030794	研究论文	本文提出了一种基于Transformer的双流融合模型（TTSF）的多传感器可穿戴设备，用于实时腿部锻炼监测	提出了一种新型的Transformer驱动的双流融合模型（TTSF），用于高效准确地提取时空特征	当前单传感模态技术受限于尺寸、环境敏感性和准确性问题	推动多传感器融合与深度学习和医疗物联网（MIoT）技术在高级步态监测和分析中的应用	腿部锻炼监测	医疗物联网	NA	深度学习（DL）和医疗物联网（MIoT）技术	Transformer-powered Two-Stream Fusion (TTSF)	多模态传感器数据	NA
8	2025-07-26	Unsupervised Domain Adaptation for Cross-Modality Cerebrovascular Segmentation 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3523103 PMID:40030830	research paper	提出了一种无监督域适应框架CereTS，用于跨模态脑血管分割	采用多级域对齐模式，包括图像级循环几何一致性约束、块级掩蔽对比约束和特征级语义感知约束，以缩小域差异同时保持血管结构的一致性	需要昂贵的注释，且在不同成像模态间训练和部署深度学习模型时存在性能下降的问题	开发一种无监督域适应方法，用于跨模态脑血管分割	时间飞行磁共振血管造影(TOF-MRA)和计算机断层扫描血管造影(CTA)的脑血管分割	digital pathology	intracranial vascular diseases	deep learning	CereTS	image	一个公开可用的TOF-MRA数据集和一个私有的CTA数据集
9	2025-07-26	A Hybrid Artificial Intelligence System for Automated EEG Background Analysis and Report Generation 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3496996 PMID:40030193	研究论文	本文提出了一种创新的混合人工智能系统，用于自动解释EEG背景活动并生成报告	结合深度学习模型和无监督伪影去除技术，以及专家设计的异常检测算法，显著提高了EEG背景活动的自动解释准确性	在检测局灶性异常方面虽然有所改进，但未达到统计学显著性	开发一个可扩展且准确的EEG自动解释系统，以辅助神经科医生提高诊断准确性并降低误诊率	EEG信号	人工智能	神经系统疾病	深度学习，无监督学习，大语言模型(LLM)	集成模型	EEG信号数据	1530个标记的EEG数据，并在内部数据集和Temple University异常EEG语料库上进行了验证
10	2025-07-26	EEGDfus: A Conditional Diffusion Model for Fine-Grained EEG Denoising 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504716 PMID:40030273	研究论文	提出了一种名为EEGDfus的条件扩散模型，用于精细去除EEG信号中的噪声	使用条件扩散模型和双分支网络结构，结合CNN和Transformer的优势，有效解决了标准扩散模型在EEG去噪中的随机性问题	模型仅在两个公开数据集上进行了测试，可能需要更多样化的数据验证其泛化能力	提高EEG信号去噪的准确性和精细度	EEG信号	机器学习	NA	扩散模型	条件扩散模型（结合CNN和Transformer）	EEG信号数据	两个公开数据集（EEGdenoiseNet和SSED）
11	2025-07-26	From Micro to Meso: A Data-Driven Mesoscopic Region Division Method Based on Functional Connectivity for EEG-Based Driver Fatigue Detection 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504847 PMID:40030270	研究论文	提出了一种基于功能连接的EEG数据驱动中观区域划分方法，用于驾驶员疲劳检测	利用数据特性和功能连接基于GNN的方法，提出了一种新的中观区域划分方法，无需依赖任务特定的先验知识	方法在通用性方面可能仍需进一步验证	提高EEG信号在驾驶员疲劳检测中的性能	EEG信号和驾驶员疲劳状态	机器学习	NA	EEG, GNN	GNN	EEG信号	公共驾驶员疲劳检测数据集
12	2025-07-26	C2BNet: A Deep Learning Architecture With Coupled Composite Backbone for Parasitic Egg Detection in Microscopic Images 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3318604 PMID:37747862	research paper	提出了一种名为C2BNet的深度学习架构，用于在显微图像中检测寄生虫卵	C2BNet采用双路径结构的骨干网络，利用模型异质性从不同角度学习对象特征，并提出了一种新颖的特征组合方式以增强特征表示能力	NA	提高在显微图像中检测寄生虫卵的模型性能	显微图像中的寄生虫卵	computer vision	intestinal parasitic infection	deep learning	C2BNet	image	Chula-ParasiteEgg-11数据集
13	2025-07-26	SeqNovo: De Novo Peptide Sequencing Prediction in IoMT via Seq2Seq 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3321780 PMID:37792659	研究论文	本文提出了一种名为SeqNovo的模型，用于在医疗物联网(IoMT)中进行从头肽测序预测	SeqNovo结合了Seq2Seq的编码-解码结构、多层感知机(MLP)的高度非线性特性以及注意力机制捕捉长距离依赖关系的能力，提高了预测的准确性和可解释性	未明确提及具体局限性	解决现有深度学习模型在肽测序预测中可解释性差和长距离依赖捕捉能力不足的问题	肽测序预测	自然语言处理	NA	深度学习	Seq2Seq, MLP, 注意力机制	序列数据	未明确提及样本数量
14	2025-07-26	Label-Aware Dual Graph Neural Networks for Multi-Label Fundus Image Classification 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3457232 PMID:39255075	研究论文	提出一种新颖的标签感知双图神经网络，用于多标签眼底图像分类	通过结合基于人群的图表示学习和基于病理的图表示学习模块，考虑了受试者之间的关联和病理之间的相关性信息	未明确提及具体局限性	提高多标签眼底图像分类的准确性	眼底图像	计算机视觉	眼底疾病	图神经网络	双图神经网络	图像	NA
15	2025-07-26	Deep Learning for Predicting Difficulty in Radical Prostatectomy: A Novel Evaluation Scheme 2025-04, Urology IF:2.1Q2 DOI:10.1016/j.urology.2025.01.028 PMID:39814211	研究论文	通过两阶段深度学习方法从术前磁共振成像中评估根治性前列腺切除术的难度	提出了一种新的评估方案，通过深度学习模型nnUNet_v2和修改后的PointNet网络，间接回归15个解剖标志点，并提出了描述前列腺与骨盆空间关系的新指标	研究仅基于290名患者的数据，样本量相对较小，且仅验证了腹腔镜和机器人辅助根治性前列腺切除术	探索评估根治性前列腺切除术难度的新指标	根治性前列腺切除术患者	数字病理学	前列腺癌	磁共振成像（MRI）	nnUNet_v2, PointNet	图像	290名患者（包括腹腔镜和机器人辅助根治性前列腺切除术）
16	2025-07-25	A Multi-Model Machine Learning Framework for Identifying Raloxifene as a Novel RNA Polymerase Inhibitor from FDA-Approved Drugs 2025-Apr-28, Current issues in molecular biology IF:2.8Q3 DOI:10.3390/cimb47050315 PMID:40699714	研究论文	开发了一个多模型机器学习框架，用于从FDA批准的药物中识别潜在的RNA聚合酶抑制剂	结合五种传统算法和CNN深度学习模型，首次将raloxifene识别为RNA聚合酶抑制剂	需要进一步的实验验证来确认raloxifene的抗病毒活性	识别FDA批准药物中的RNA聚合酶抑制剂，用于抗病毒药物开发	FDA批准的药物和RNA依赖性RNA聚合酶(RdRP)	机器学习	病毒性疾病	分子对接研究和分子动力学模拟	ExtraTreesClassifier, RandomForestClassifier, LGBMClassifier, BernoulliNB, BaggingClassifier, CNN	化学数据集	PubChem数据集AID 588519
17	2025-07-25	Advancements in early detection of pancreatic cancer: the role of artificial intelligence and novel imaging techniques 2025-Apr, Abdominal radiology (New York) DOI:10.1007/s00261-024-04644-7 PMID:39467913	综述	本文综述了人工智能和新型成像技术在胰腺癌早期检测中的进展	重点介绍了深度学习在胰腺导管腺癌早期检测中的应用	未提及具体研究数据的局限性	提高胰腺导管腺癌的早期检测率和生存率	胰腺导管腺癌（PDA）	数字病理学	胰腺癌	新型成像技术	深度学习	影像数据	NA
18	2025-07-25	Recent advances in pulmonary tuberculosis, the application of deep learning to medical topics, and highlights from this issue of Ewha Medical Journal 2025-Apr, Ewha medical journal IF:0.3Q3 DOI:10.12771/emj.2025.00395 PMID:40703376	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
19	2025-07-25	Feature-based ensemble modeling for addressing diabetes data imbalance using the SMOTE, RUS, and random forest methods: a prediction study 2025-Apr, Ewha medical journal IF:0.3Q3 DOI:10.12771/emj.2025.00353 PMID:40703379	研究论文	本研究开发并评估了一种基于特征的集成模型，结合SMOTE、RUS和随机森林方法，用于解决糖尿病早期检测中的类别不平衡问题	提出了一种结合SMOTE、RUS和特征集成学习的创新方法，显著提高了少数类（高风险糖尿病）的预测性能	研究仅使用了Scikit-learn糖尿病数据集（442个样本），样本量相对较小	解决机器学习中类别不平衡问题，提高糖尿病早期预测的准确性	糖尿病进展预测	机器学习	糖尿病	SMOTE（合成少数类过采样技术）、RUS（随机欠采样）、随机森林	随机森林、全连接神经网络、k近邻	结构化数据	442个样本，10个特征
20	2025-07-25	Comparative evaluation of deep learning architectures, including UNet, TransUNet, and MIST, for left atrium segmentation in cardiac computed tomography of congenital heart diseases 2025-Apr, Ewha medical journal IF:0.3Q3 DOI:10.12771/emj.2025.00087 PMID:40703371	研究论文	本研究比较了三种深度学习模型（UNet、TransUNet和MIST）在先天性心脏病患者心脏CT图像中左心房分割的性能	MIST模型在左心房分割中表现出色，其集成的多尺度特征和优化架构显著提高了分割精度和边界描绘	MIST模型的计算开销较大，增加了临床实际部署的复杂性	比较不同深度学习架构在先天性心脏病患者心脏CT图像左心房分割中的性能	先天性心脏病患者的心脏CT图像	计算机视觉	心血管疾病	心脏CT成像	UNet, TransUNet, MIST	图像	108例公开可用的CT扫描数据，其中97例用于训练和验证，11例用于测试