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
241	2025-04-06	A Hybrid Artificial Intelligence System for Automated EEG Background Analysis and Report Generation 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3496996 PMID:40030193	research paper	提出了一种混合人工智能系统，用于自动分析EEG背景活动并生成报告	结合深度学习模型和无监督伪迹去除技术，以及专家设计的异常检测算法，显著提高了EEG背景活动的自动分析准确率	在局部异常检测方面虽然有所改进，但统计上不显著	开发一个可扩展且准确的EEG自动分析系统，以帮助资源有限的医疗机构	EEG信号	machine learning	neurological disorders	deep learning, unsupervised artifact removal	ensemble model, LLM	EEG信号	1530个标记的EEG数据
242	2025-04-06	EEGDfus: A Conditional Diffusion Model for Fine-Grained EEG Denoising 2025-Apr, 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，用于精细去除脑电图(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，以噪声EEG信息为条件生成干净的EEG信号	标准扩散模型的生成过程高度随机，限制了其在EEG去噪任务中的直接应用	提高EEG信号去噪的准确性	脑电图(EEG)信号	机器学习	NA	扩散模型	条件扩散模型(CNN+Transformer)	EEG信号	两个公共数据集(EEGdenoiseNet和SSED)
243	2025-04-06	From Micro to Meso: A Data-Driven Mesoscopic Region Division Method Based on Functional Connectivity for EEG-Based Driver Fatigue Detection 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504847 PMID:40030270	research paper	提出了一种基于功能连接的宏观区域划分方法，用于基于EEG的驾驶员疲劳检测	利用数据特征和功能连接基于GNN的方法，提出了一种新的宏观区域划分方法，克服了传统方法依赖任务特定先验知识的局限性	未明确提及具体局限性	提高基于EEG的驾驶员疲劳检测的性能	EEG信号和驾驶员疲劳状态	machine learning	NA	Graph Neural Networks (GNNs)	GNN	EEG信号	公共驾驶员疲劳检测数据集（未明确提及具体样本数量）
244	2025-04-06	Phyloformer: Fast, Accurate, and Versatile Phylogenetic Reconstruction with Deep Neural Networks 2025-Apr-01, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msaf051 PMID:40066802	research paper	介绍了一种名为Phyloformer的快速、准确且多功能的方法，用于进化距离估计和系统发育重建	利用无似然推断和几何深度学习的最新进展，Phyloformer在GPU加速下超越了现有方法的准确性和速度	在序列数量增加时，Phyloformer在拓扑准确性上落后于最大似然方法	开发一种快速、准确且多功能的方法用于系统发育重建	序列进化树的重建	machine learning	NA	deep learning	Phyloformer	sequence alignment	3,801 empirical gene alignments from five different datasets
245	2025-04-06	Covariate-Balancing-Aware Interpretable Deep Learning Models for Treatment Effect Estimation 2025-Apr, Statistics in biosciences IF:0.8Q4 DOI:10.1007/s12561-023-09394-6 PMID:40170916	research paper	本文提出了一种新的深度学习方法，用于在观察数据中估计处理效应，并提高了模型的可解释性	通过利用加权能量距离的特性，提出了一个更紧的平均处理效应（ATE）估计偏差上界，并设计了一个新的目标函数，不需要正确指定倾向得分模型	NA	提高观察数据中处理效应估计的准确性和可解释性	观察数据中的处理效应	machine learning	NA	深度学习方法	neural additive models	观察数据	使用了两个基准数据集（IHDP和ACIC）以及NHANES中关于吸烟对血镉水平影响的研究数据
246	2025-04-06	On the Robustness of Bayesian Neural Networks to Adversarial Attacks 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3386642 PMID:38648123	research paper	本文分析了贝叶斯神经网络（BNNs）在过参数化极限下对抗攻击的几何特性，并证明了在该极限下BNNs对基于梯度的对抗攻击具有鲁棒性	揭示了在过参数化极限下，BNNs对基于梯度的对抗攻击的鲁棒性源于数据分布的退化性，并证明了BNN后验分布对这类攻击的鲁棒性	研究依赖于无限宽BNNs收敛到高斯过程的假设，且实验仅在MNIST、Fashion MNIST和一个合成数据集上进行	研究贝叶斯神经网络在对抗攻击下的鲁棒性	贝叶斯神经网络（BNNs）	machine learning	NA	Hamiltonian Monte Carlo, variational inference	Bayesian neural networks (BNNs), Gaussian processes (GPs)	image	MNIST, Fashion MNIST, 和一个合成数据集
247	2025-04-06	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	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，以解决数据稀缺和高维度带来的挑战	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，设计任务调度逐步扩展波段数量，并采用多融合特征的网络架构提升性能	未明确提及具体的数据集规模限制或计算资源需求	提升高光谱图像超分辨率的泛化能力和性能	高光谱图像	计算机视觉	NA	元迁移学习	MTL（元迁移学习框架）	高光谱图像	未明确提及具体样本数量，但使用了多个数据集
248	2025-04-06	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	research paper	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捕捉学习者知识状态的多粒度特征	设计了自适应尺度超边蒸馏组件生成知识感知和模式感知超边，引入双通道超图编码器捕捉全局和局部知识状态，并采用跨视图对比学习机制增强监督信号	未提及具体限制	改进知识追踪任务，更准确地预测学习者未来表现	学习者的历史响应数据	natural language processing	NA	graph neural networks, contrastive learning	dual-channel hypergraph encoders (simplified hypergraph convolution network and collaborative hypergraph convolution network)	response data	三个真实世界数据集（未提供具体样本数量）
249	2025-04-06	Label-Aware Dual Graph Neural Networks for Multi-Label Fundus Image Classification 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3457232 PMID:39255075	research paper	提出了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，结合了基于人群和基于病理的图表示学习模块	通过构建基于人群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，创新性地解决了现有方法忽视的交互相似性和相关性信息问题	未明确提及具体样本量或数据集的局限性	提高多标签眼底图像分类的准确性和效率	眼底图像	digital pathology	fundus disease	graph neural networks	dual graph neural networks	image	NA
250	2025-04-06	Multi-Omics Graph Knowledge Representation for Pneumonia Prognostic Prediction 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3488735 PMID:39475733	research paper	该论文提出了一种基于多组学图知识表示的方法，用于预测肺炎患者的住院预后	引入了多组学图知识表示方法，结合CT影像和三种非影像组学信息，利用知识图谱建模多组学关系，提升了信息表示的整体性	NA	提升肺炎患者早期预后预测的准确性	肺炎患者	digital pathology	pneumonia	multi-omics, CT imaging, laboratory indices, microbial indices, clinical indices	GCN, multichannel pyramidal recursive MLP, Longformer-based 3D deep learning	image, non-imaging omics data	NA
251	2025-04-06	SpaMask: Dual masking graph autoencoder with contrastive learning for spatial transcriptomics 2025-Apr, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012881 PMID:40179332	research paper	提出了一种名为SpaMask的双重掩码图自编码器，结合对比学习用于空间转录组学分析，以提高聚类准确性和批次校正效果	SpaMask通过同时掩码部分节点和边，结合MGAE和MGCL模块，提升了模型在稀疏数据下的鲁棒性和性能	未明确提及具体局限性，但可能受限于数据稀疏性和平台多样性	开发一种更鲁棒的空间转录组学数据分析方法，以改善空间域表征	空间转录组学数据中的细胞空间位置和基因表达	digital pathology	NA	spatial resolved transcriptomics (SRT)	Graph Neural Networks (GNNs), Masked Graph Autoencoders (MGAE), Masked Graph Contrastive Learning (MGCL)	spatial transcriptomics data	八个来自五个不同平台的数据集
252	2025-04-05	A multimodal deep learning-based algorithm for specific fetal heart rate events detection 2025-Apr-28, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2024-0334 PMID:39484683	research paper	开发了一种基于多模态深度学习的算法，用于检测特定的胎儿心率事件，以增强胎儿健康的自动监测和智能评估	结合多种特征提取技术和深度学习算法，提出了一种多模型深度神经网络和预融合深度学习模型，用于准确分类来自心电图的信号	在分类四种不同的减速模式时，准确率为67.0%，仍有提升空间	开发一种算法，以提高特定胎儿心率事件的检测和评估	胎儿心率信号和子宫收缩信号	machine learning	NA	深度学习	多模型深度神经网络，预融合深度学习模型	信号数据	基于专家标记的数据
253	2025-04-05	New Threshold for Defining Mild Aortic Stenosis Derived From Velocity-Encoded MRI in 60,000 Individuals 2025-Apr-08, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2025.01.035 PMID:40175013	research paper	该研究通过深度学习模型测量了主动脉瓣功能，并提出了新的轻度主动脉瓣狭窄定义标准	提出了基于速度编码MRI的新阈值来定义轻度主动脉瓣狭窄，并在大规模人群中进行验证	研究结果需要进一步在更多样化的人群中进行验证	研究主动脉瓣功能的流行病学特征并定义轻度主动脉瓣狭窄的新标准	UK Biobank和NEDA数据库中的参与者	心血管疾病	主动脉瓣狭窄	速度编码心脏磁共振成像	深度学习模型	医学影像数据	UK Biobank 62,902人，NEDA 365,870人
254	2025-04-05	Predicting Atlantic and Benguela Niño events with deep learning 2025-Apr-04, Science advances IF:11.7Q1 DOI:10.1126/sciadv.ads5185 PMID:40173237	研究论文	本研究探讨了深度学习在预测大西洋和本格拉尼诺事件中的潜力	使用简单的卷积神经网络架构，能够提前3至4个月预测大西洋/本格拉尼诺事件，并在峰值季节事件预测中表现出色，将预测时间延长至5个月	未提及模型在其他气候事件中的泛化能力	提高热带大西洋变率事件的预测能力	大西洋和本格拉尼诺事件	机器学习	NA	深度学习	CNN	气候数据	未明确提及样本数量
255	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
256	2025-04-05	An isodose-constrained automatic treatment planning strategy using a multicriteria predicted dose rating 2025-Apr-04, Medical physics IF:3.2Q1 DOI:10.1002/mp.17795 PMID:40181755	研究论文	本研究提出了一种基于深度学习预测剂量分布和多标准评分的自动治疗计划生成方法，特别关注鼻咽癌剂量梯度重建	首次将剂量梯度相似性纳入剂量预测任务，并提出基于等剂量线的自洽剂量预测到自动计划方案	临床验证中仍有20%的IsoPlans未能满足临床要求	建立利用深度学习预测剂量分布信息的自动治疗计划生成方法	鼻咽癌放射治疗计划	数字病理	鼻咽癌	深度学习剂量预测	U-Net, DoseNet, Transformer	医学影像数据	120例鼻咽癌病例（训练集90例，验证集10例，测试集20例）
257	2025-04-05	Intelligent meningioma grading based on medical features 2025-Apr-04, Medical physics IF:3.2Q1 DOI:10.1002/mp.17808 PMID:40183528	research paper	该研究提出了一种结合医学特征和深度神经网络的智能脑膜瘤分级方法	结合医学特征与SNN-Tran模型，提高了脑膜瘤分级的准确性和可靠性	医学特征的获取可能受限于影像质量和临床数据的完整性	验证医学特征与深度神经网络结合对脑膜瘤分级的有效性	脑膜瘤患者	digital pathology	脑膜瘤	SNN-Tran模型	SNN-Tran	医学特征（如肿瘤体积、瘤周水肿体积等）	未明确提及样本数量
258	2025-04-05	Hypermetabolic pulmonary lesions detection and diagnosis based on PET/CT imaging and deep learning models 2025-Apr-04, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07215-0 PMID:40183951	研究论文	本研究开发并评估了基于PET/CT成像和深度学习模型的超代谢性肺部病变检测与分类方法	采用多维联合网络结合图像块和二维投影进行分类，性能优于传统放射组学方法	假阳性分割主要对应于邻近区域的可疑病变，特别是淋巴结	开发用于超代谢性肺部病变检测和分类的深度学习模型	超代谢性肺部病变（良性、肺癌、肺淋巴瘤和转移瘤）	数字病理学	肺癌	PET/CT成像	深度学习模型（多维联合网络）	医学影像（PET/CT）	647例（409男/238女），来自5个中心超过8年的数据
259	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）
260	2025-04-05	Using generative adversarial deep learning networks to synthesize cerebrovascular reactivity imaging from pre-acetazolamide arterial spin labeling in moyamoya disease 2025-Apr-04, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03605-1 PMID:40183965	研究论文	使用生成对抗网络（GANs）从基线动脉自旋标记（ASL）MRI合成脑血管反应性（CVR）图像，以替代需要乙酰唑胺（ACZ）挑战的传统方法	首次利用GANs从基线ASL MRI合成CVR图像，无需ACZ挑战，为临床提供了一种新的无创检测方法	合成CVR图像的质量和准确性仍需进一步验证，特别是在不同疾病和更大样本中的应用	开发一种无需ACZ挑战的CVR测量方法，以扩大其在临床中的应用	203例烟雾病患者的3248张ASL脑血流（CBF）图像	数字病理	烟雾病	动脉自旋标记（ASL）MRI	GAN（Pixel-to-Pixel GAN）	图像	203例烟雾病患者，共3248张ASL CBF图像（2640张用于训练，608张用于测试）