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	2026-01-09	Segmenting the Inferior Alveolar Canal in CBCTs Volumes: The ToothFairy Challenge 2025-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3523096 PMID:40030587	研究论文	本文介绍了在MICCAI 2023会议上组织的ToothFairy挑战赛，该挑战赛旨在促进下牙槽神经管（IAC）在锥形束计算机断层扫描（CBCT）中的分割研究，并发布了最大的公开数据集用于比较评估	组织了首个针对IAC分割的公开挑战赛，并发布了该领域最大的公开标注数据集，首次在共同基准上对多种算法进行了全面的比较评估	数据集仅包含443个CBCT扫描，其中仅153个具有体素级标注，可能限制了某些深度学习模型的训练效果	促进下牙槽神经管（IAC）在CBCT扫描中的自动分割算法的研究与发展，并建立公共基准用于比较评估	锥形束计算机断层扫描（CBCT）中的下牙槽神经管（IAC）	数字病理学	NA	锥形束计算机断层扫描（CBCT）	NA	3D医学影像（CBCT扫描）	443个CBCT扫描（其中153个具有体素级标注）	NA	NA	NA	NA
2	2026-01-07	Automated cervix biometry, volumetry and normative models for 3D motion-corrected T2-weighted 0.55-3T fetal MRI during 2nd and 3rd trimesters 2025-Apr-17, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.16.25325947 PMID:40321262	研究论文	本研究提出首个用于妊娠期宫颈3D T2加权图像的自动化多层分割和生物测量深度学习流程	首次开发了针对妊娠期宫颈MRI的自动化深度学习分割与生物测量方法，并构建了公开可用的3D群体平均图谱	仅评估了20个数据集，样本量相对较小，且未明确说明模型在异常病例或不同扫描参数下的泛化能力	开发自动化方法以改进妊娠期宫颈MRI测量，减少人工干预并提高分析效率	妊娠期宫颈的3D T2加权MRI图像	数字病理学	妊娠相关疾病	3D T2加权MRI	深度学习	3D MRI图像	20个数据集用于评估，270个正常足月病例用于分析	NA	NA	与手动测量比较的性能评估	NA
3	2025-12-31	Improving AlphaFold2 and 3-based protein complex structure prediction with MULTICOM4 in CASP16 2025-Apr-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.06.641913 PMID:40161604	研究论文	本文介绍了MULTICOM4系统，该系统通过整合AlphaFold2、AlphaFold3及内部技术，在CASP16中提升了蛋白质复合物结构预测的准确性	整合基于Transformer的AlphaFold2和基于扩散模型的AlphaFold3，结合蛋白质复合物化学计量比预测、多样化的多序列比对生成、模型异常处理及深度学习模型质量评估等内部技术	未明确提及具体局限性，但暗示在无化学计量比信息时预测性能可能受限	提高多链蛋白质复合物（多聚体）的结构预测准确性	蛋白质复合物结构	机器学习	NA	多序列比对（MSA）、深度学习模型质量评估	Transformer, 扩散模型	蛋白质序列和结构数据	CASP16评估中的蛋白质复合物目标	NA	AlphaFold2, AlphaFold3	TM-score, DockQ score	NA
4	2025-12-20	Leveraging artificial intelligence for diagnosis of children autism through facial expressions 2025-Apr-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96014-6 PMID:40200029	研究论文	本研究通过评估深度学习模型，利用儿童面部表情的RGB图像数据，诊断儿童自闭症谱系障碍（ASD）	提出了一种混合深度学习模型，将ResNet152与Vision Transformers（ViT）结合，以提升自闭症诊断的分类性能	未来研究需要纳入多种数据类型，扩展数据集变异性，并优化混合架构系统以提高诊断预测能力	评估深度学习模型在儿童自闭症谱系障碍（ASD）早期诊断中的应用，以提高诊断准确性和标准化	自闭症谱系障碍（ASD）确诊儿童的RGB面部图像数据	计算机视觉	自闭症谱系障碍	深度学习，迁移学习，微调方法	CNN, Transformer	图像	NA	NA	DenseNet201, ResNet152, VGG16, VGG19, MobileNetV2, EfficientNet-B0, Vision Transformers (ViT)	准确率	NA
5	2025-12-19	High-Performance Method and Architecture for Attention Computation in DNN Inference 2025-04, IEEE transactions on biomedical circuits and systems IF:3.8Q2 DOI:10.1109/TBCAS.2024.3436837 PMID:39088504	研究论文	本文提出了一种基于存内计算宏的在线可编程注意力硬件架构，用于深度神经网络推理中的注意力计算	将注意力计算分解为级联组合矩阵运算以降低硬件实现复杂度，并设计在线可编程CIM架构通过动态调整权重提高计算精度	仅通过Spice仿真验证，未在实际硬件平台上部署测试；基于100nm CMOS工艺，可能未考虑更先进工艺的影响	解决注意力机制在硬件部署时的高资源消耗和低精度问题，提升DNN加速器的推理效率	注意力计算硬件架构	机器学习	NA	存内计算	深度神经网络	NA	NA	NA	注意力机制	集成密度、能效、延迟、计算效率	100nm CMOS工艺，Spice仿真
6	2025-12-17	SCOPE-MRI: Bankart Lesion Detection as a Case Study in Data Curation and Deep Learning for Challenging Diagnoses 2025-Apr-29, ArXiv PMID:40395941	研究论文	本研究介绍了首个公开的专家标注肩部病理数据集ScopeMRI，并开发了一个深度学习框架，用于在标准MRI和MRA上检测Bankart病变	首次公开了专家标注的肩部病理数据集ScopeMRI，并针对临床诊断挑战性的Bankart病变，开发了结合CNN和Transformer的深度学习模型，在标准MRI上达到了与放射科医生解读MRA相当或更优的性能	外部验证仅展示了初步的泛化能力，需要更多独立医院数据进一步验证模型在不同成像协议下的鲁棒性	开发深度学习模型以在标准MRI上检测Bankart病变，减少对侵入性MRA的依赖	肩部MRI图像，包括标准MRI和MRI关节造影（MRA）	医学影像分析	肩部损伤（Bankart病变）	MRI成像	CNN, Transformer	3D医学影像（MRI）	586个肩部MRI（335个标准MRI，251个MRA），来自558名患者	NA	CNN, Transformer	AUC, 灵敏度, 特异性	NA
7	2025-12-13	A multi-filter deep transfer learning framework for image-based autism spectrum disorder detection 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97708-7 PMID:40274878	研究论文	本文提出了一种集成数据增强、多滤波、直方图均衡化和两阶段降维的深度学习框架，用于基于图像的孤独症谱系障碍检测	提出了一种新颖的多滤波深度迁移学习框架，该框架通过集成多种预处理和特征处理策略，在冻结的预训练模型上显著提升了分类性能，无需微调	研究依赖于特定的基准面部数据集，其泛化能力到其他数据集或真实临床环境有待验证；框架的组件组合可能对特定模型和数据集敏感	开发一种自动化、高效的图像计算方法，以辅助孤独症谱系障碍的早期和更准确诊断	孤独症谱系障碍患者与非患者的图像样本	计算机视觉	孤独症谱系障碍	图像模式识别	CNN, Transformer	图像	文献中一个成熟的基准面部数据集，包含孤独症和非孤独症个体的样本	NA	ResNet-50, ViTSwin	准确率	NA
8	2025-12-10	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	本文开发了一种结合光电容积脉搏波和多近红外传感器的非侵入性血糖检测系统	将光电容积脉搏波与多近红外传感器方法相结合，以弥补各自在基线血糖预测和短期波动敏感性方面的不足	研究样本量较小（仅10名参与者），且未详细讨论个体和环境因素对系统性能的长期影响	开发一种非侵入性血糖检测系统，以提高血糖监测的准确性和实用性	人类参与者的指尖血糖数据	机器学习	糖尿病	光电容积脉搏波，多近红外传感器	深度学习模型	传感器信号数据	10名参与者，每人提供约700个数据段，每段约10秒	NA	轻量级深度学习模型	均方根误差，Parkes误差网格A区准确率	NA
9	2025-12-10	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	本文提出了一种名为SFM-Net的无监督多阶段语义特征网络，用于解决具有复杂解剖结构的图像之间的精细配准问题	提出了基于语义特征的多阶段网络，设计了双阶段训练策略（强度图像配准阶段和语义特征配准阶段），并构建了双流特征提取模块和精细化变形场生成模块，可在单一网络内实现从粗到精的配准	NA	改进具有复杂解剖结构的图像之间的无监督配准精度	3D脑部MRI图像和肝脏CT图像	计算机视觉	NA	NA	深度学习网络	图像	NA	NA	U-Net	NA	NA
10	2025-12-10	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	本研究开发了一种用于腿部锻炼实时监测的多模态可穿戴设备，并提出了一种基于Transformer的双流融合模型，以高效提取时空特征	提出了一种新型的Transformer驱动的双流融合模型，用于高效准确地提取时空特征，并开发了具有实时步态分析能力的多模态可穿戴设备	未在摘要中明确说明	推进使用多传感器融合与深度学习和医疗物联网技术进行高级步态监测与分析	腿部锻炼监测与步态分析	机器学习	NA	多传感器融合，医疗物联网	Transformer	多模态传感器数据	未在摘要中明确说明	NA	Transformer-powered Two-Stream Fusion	精确率, 召回率, F1分数	NA
11	2025-12-10	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	研究论文	本文提出了一种无监督域适应框架CereTS，用于跨模态脑血管分割，旨在解决不同成像模态间标注成本高和模型性能下降的问题	CereTS采用多级域对齐模式，包括图像级循环几何一致性约束、块级掩码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一致性	NA	实现跨模态脑血管分割的无监督域适应，以支持颅内血管疾病的诊断和治疗规划	时间飞行磁共振血管成像（TOF-MRA）和计算机断层扫描血管成像（CTA）中的脑血管	计算机视觉	颅内血管疾病	TOF-MRA, CTA	深度学习模型	图像	NA	NA	CereTS	NA	NA
12	2025-12-10	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	本研究提出了一种创新的混合人工智能系统，用于自动解读EEG背景活动并生成报告	结合深度学习模型进行后主导节律预测、无监督伪迹去除以及专家设计的异常检测算法，并利用大语言模型实现报告生成	局灶性异常检测的改进未达到统计学显著性	开发一个自动化的EEG背景分析和报告生成系统，以辅助资源有限环境下的神经科医生	脑电图（EEG）信号	机器学习	神经系统疾病	EEG信号分析	深度学习模型, 大语言模型	EEG信号	1530个标记的EEG数据，并在内部数据集和Temple University异常EEG语料库上进行验证	NA	集成模型	平均绝对误差, 均方根误差, 准确率, F1分数	NA
13	2025-12-09	Revolutionizing cleft lip and palate management through artificial intelligence: a scoping review 2025-Apr-10, Oral and maxillofacial surgery DOI:10.1007/s10006-025-01371-1 PMID:40208434	综述	本文对过去10年人工智能在唇腭裂管理中的应用进行了范围综述，涵盖了预测、诊断、治疗和教育等多个方面	首次对人工智能在唇腭裂领域的应用进行系统性范围综述，并识别出六个关键子类别	研究数量有限（仅25篇），且主要集中在特定地区（如美国），可能存在发表偏倚	综述人工智能在唇腭裂预测、诊断和治疗中的应用，以优化患者护理	唇腭裂患者	数字病理	唇腭裂	NA	深度学习, 机器学习	NA	NA	NA	NA	NA	NA
14	2025-12-09	Deep Probabilistic Principal Component Analysis for Process Monitoring 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3386890 PMID:38652625	研究论文	本文提出了一种新颖的深度概率主成分分析（DePPCA）模型，用于工业过程监控和故障检测	结合概率建模和深度学习的优势，通过贪婪分层预训练和端到端微调构建深度结构，实现高效特征提取和监控	NA	开发一种准确且高效的过程监控方法	工业过程监控和故障检测	机器学习	NA	概率潜在变量模型，深度学习	PPCA, DePPCA	工业过程数据	NA	NA	深度PPCA（DePPCA）	NA	NA
15	2025-12-06	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	本文提出了一种基于半监督域适应的深度学习方法，用于低成本空气质量传感器的校准	将传感器校准任务转化为半监督域适应问题，并引入直方图损失和加权对抗熵优化来应对协变量偏移和标签差距	未明确说明实验数据的具体来源和传感器类型，可能限制了方法的通用性	提高低成本空气质量传感器的校准精度，以增强其可靠性	低成本空气质量传感器及其与参考监测器的校准数据	机器学习	NA	深度学习	NA	传感器数据	NA	NA	NA	R²分数, MAE	NA
16	2025-12-06	A Novel Hierarchical Cross-Stream Aggregation Neural Network for Semantic Segmentation of 3-D Dental Surface Models 2025-04, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3404276 PMID:38848227	研究论文	本文提出了一种新颖的分层跨流聚合神经网络，用于3D牙科表面模型的语义分割，以提升牙齿分割的准确性	设计了分层跨流聚合网络，通过上下文跨流聚合模块和判别性跨流聚合模块，从多视图输入中学习更具区分性的点/单元表示，改进了多流网络中的特征融合策略	未明确提及具体限制，可能包括计算复杂度或对特定数据类型的依赖性	开发一种高效准确的3D牙科模型语义分割方法，以支持个性化正畸治疗规划	3D牙科表面模型，特别是真实患者牙齿模型	计算机视觉	牙科疾病	深度学习，语义分割	神经网络	3D点云数据	公共和内部真实患者牙科模型数据集，具体样本数量未明确	未明确指定，可能基于PyTorch或TensorFlow	分层跨流聚合网络，多流骨干网络	未明确指定，可能包括准确性、Dice系数等	未明确指定，可能使用GPU进行训练和推理
17	2025-12-06	Learning Disentangled Priors for Hyperspectral Anomaly Detection: A Coupling Model-Driven and Data-Driven Paradigm 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3401589 PMID:38833391	研究论文	本文提出了一种结合模型驱动与数据驱动的新范式，通过学习解耦先验来提升高光谱图像异常检测的性能	提出了一种耦合模型驱动低秩表示方法与数据驱动深度学习技术的新范式，通过解耦先验学习来建模背景，并设计了跳跃残差连接来建模显式与隐式先验之间的关系	未在摘要中明确说明	提升高光谱图像异常检测的准确性和泛化能力	高光谱图像中的背景与异常目标	计算机视觉	NA	高光谱成像	深度学习	高光谱图像	多个广泛认可的数据集（未指定具体数量）	NA	基于模型驱动的深度展开架构	检测性能、泛化能力（未指定具体指标）	NA
18	2025-12-06	An Interpretable Adaptive Multiscale Attention Deep Neural Network for Tabular Data 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3392355 PMID:38748522	研究论文	本文提出了一种名为自适应多尺度注意力深度神经网络（兴奋注意力）的新颖技术，用于处理表格数据，旨在通过并行多级特征加权提高分类和回归任务的性能，并提供多层次的可解释性	提出自适应多尺度注意力机制，通过并行多级特征加权学习特征注意力，在多种规模的数据集上实现高性能，并提供四个层次的可解释性分析	未明确提及具体局限性，可能包括对特定数据类型或领域的泛化能力未经验证	开发一种用于表格数据的深度学习方法，以提高性能并增强模型的可解释性	表格结构化数据	机器学习	NA	自适应多尺度注意力深度神经网络	深度神经网络	表格数据	涉及小型、中型、大型和超大型数据集，具体数量未明确	NA	自适应多尺度注意力深度神经网络（兴奋注意力）	F1分数, 平均绝对误差	NA
19	2025-12-06	General Hyperspectral Image Super-Resolution via Meta-Transfer Learning 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3387970 PMID:38648133	研究论文	本文提出了一种基于元迁移学习的通用高光谱图像超分辨率框架，以解决数据稀缺、高维度和数据集间巨大域差异的问题	通过元迁移学习随机采样不同光谱范围进行超分辨率任务，使模型积累多样化任务经验，并采用任务调度策略逐步扩展波段数以弥合数据集间的域差异	未明确提及具体的数据集规模限制或计算资源需求，可能在实际应用中面临数据获取和计算成本挑战	提升高光谱图像超分辨率的性能和泛化能力，使其适用于多种场景	高光谱图像	计算机视觉	NA	NA	深度学习模型	高光谱图像	NA	NA	基于多融合特征的网络架构	定性评估, 定量评估	NA
20	2025-12-06	Dual-Channel Adaptive Scale Hypergraph Encoders With Cross-View Contrastive Learning for Knowledge Tracing 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3386810 PMID:38652621	研究论文	本文提出了一种名为HyperKT的新型知识追踪模型，通过双通道自适应尺度超图编码器和跨视图对比学习来预测学习者的未来表现	设计了自适应尺度超边蒸馏组件来生成反映响应间非成对高阶特征的知识感知超边和模式感知超边，并引入双通道超图编码器从全局和局部状态超图中捕获多粒度知识状态，同时采用跨视图对比学习机制增强监督信号	未在摘要中明确说明	改进知识追踪任务，更准确地预测学习者的未来表现	学习者的历史响应数据	机器学习	NA	NA	超图神经网络, 对比学习	学习者响应序列数据	三个真实世界数据集（未指定具体数量）	NA	简化超图卷积网络, 协作超图卷积网络	NA	NA