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
41	2026-08-12	Fall-Risk Monitoring in Diverse Terrains Using Dual-Task Learning and Wearable Sensing System 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3536030 PMID:40031371	研究论文	本研究提出一种结合地形感知传感器与惯性测量单元的多传感器系统，采用基于改进的CNN-LSTM模型的双任务学习架构，用于在不同地形上监测跌倒风险	创新点在于首次将地形感知与跌倒风险监测相结合，通过双任务学习同时识别跌倒风险等级和地形类型，以减少因地形变化导致的误报	摘要中未提及具体局限性	开发一种可靠的跌倒风险监测系统，能够在多样地形中准确识别跌倒风险等级，并为老年人提供实时监测	跌倒风险等级（正常、接近跌倒、跌倒）和地形类型（平地、上台阶、下台阶）	机器学习	老年疾病	惯性测量单元（IMU）和地形感知传感器	CNN-LSTM	传感器信号	10名年轻受试者（在实验室进行16项活动）和10名老年人（在医院进行4项活动）	NA	CNN-LSTM	准确率	NA
42	2026-08-12	Optimized Drug-Drug Interaction Extraction With BioGPT and Focal Loss-Based Attention 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3540861 PMID:40031603	研究论文	本文介绍了一种名为BioFocal-DDI的框架，结合BioGPT、BioBERT、BiLSTM和关系图卷积网络来提取药物-药物相互作用，并采用基于焦点损失的注意力机制解决类别不平衡问题	将BioGPT用于数据增强，并引入基于焦点损失的注意力机制以增强对少数类和复杂实例的学习	未在摘要中明确提及局限性	改进药物-药物相互作用提取的准确性和鲁棒性，特别是在处理类别不平衡和复杂生物医学关系方面	药物-药物相互作用（DDI）	自然语言处理	不适用	不适用	BioGPT、BioBERT、BiLSTM、关系图卷积网络（ReGCN）	文本数据	DDI Extraction 2013数据集	不明确，可能使用PyTorch	BioGPT、BioBERT、BiLSTM、ReGCN	精确率、召回率、F1分数	未提及
43	2026-08-12	Acupuncture State Detection at Zusanli (ST-36) Based on Scalp EEG and Transformer 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3540924 PMID:40031811	研究论文	本研究提出了一种基于头皮脑电图和Transformer的针刺状态检测模型，用于区分足三里穴的不同针刺状态	首次将CNN与Transformer结合用于针刺状态自动识别，实现了端到端的局部和全局特征提取	未详细说明计算资源需求及模型在不同穴位或人群中的泛化能力	开发一种基于深度学习的自动针刺状态检测方法，以标准化针刺流程	28名健康参与者的头皮脑电图数据	数字病理学	不适用	脑电图	卷积神经网络和Transformer	脑电图信号	28名健康参与者	未指定	CNN和Transformer	准确率	未指定
44	2026-08-12	Predicting Mutation-Disease Associations Through Protein Interactions Via Deep Learning 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3541848 PMID:40031830	研究论文	本文构建了一个真实的突变诱发疾病数据集，并提出了CGM（胶囊网络与图拓扑网络结合多头注意力）模型来预测突变与疾病的关联。	提出了结合胶囊网络、图拓扑网络和多头注意力机制的CGM模型，并在真实数据集上验证了蛋白突变导致结构改变的致病机制。	受限于突变蛋白数据集的规模，实验在基准和不平衡数据集上进行，可能影响模型的泛化能力。	预测蛋白质突变与疾病的关联，并阐明突变致病的机制。	蛋白质突变和疾病关联数据，以及蛋白相互作用对。	机器学习	NA	深度学习	胶囊网络、图拓扑网络、多头注意力机制	蛋白质相互作用和突变数据	NA	PyTorch	CGM（胶囊网络和图拓扑网络）	准确率、AUC	NA
45	2026-08-12	Fast Virtual Stenting for Thoracic Endovascular Aortic Repair of Aortic Dissection Using Graph Deep Learning 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3540712 PMID:40036417	研究论文	提出一种基于图深度学习的快速虚拟支架模型，用于主动脉夹层胸主动脉腔内修复术的术前规划，预测重塑后的真腔形态	将虚拟支架任务建模为内壁变形的时间依赖性预测，并利用外壁信息改进预测，实现手术计划和术后时间的感知与利用	未在文中明确提及局限性，可能包括依赖特定数据集和计算资源需求	实现准确且时间依赖的虚拟支架预测，以评估和避免再次手术风险，优化手术计划	主动脉夹层患者胸主动脉内壁和外壁的点云数据	机器学习	主动脉夹层	点云生成	图深度学习网络	点云	108名患者，269次真实随访	NA	图神经网络	平均相对误差（体积、表面积、中心线长度）	NA
46	2026-08-12	Piezoelectret Textile Dressing for Biosignal Monitored Wound Healing 2025-06, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202503130 PMID:40351106	研究论文	本文展示了一种旋转射流纺丝制备的压电驻极体纺织敷料，用于生物信号监测和伤口愈合，具有高灵敏度、防水性和透气性，并支持深度学习辅助的压力映射	首次报道了旋转射流纺丝制备的全有机纺织压电驻极体，通过电晕极化显著提升压电输出，并利用深度学习实现高精度压力映射	摘要中未提及研究的局限性	开发一种兼具功能性和舒适性的智能纺织传感器，用于生理信号监测和伤口愈合促进	压电驻极体纺织传感器及其在生物信号监测和伤口敷料中的应用	机器学习、数字健康	伤口愈合相关疾病	旋转射流纺丝、电晕极化、有限元方法	深度学习模型（具体类型未指定）	压力传感器阵列数据	未指定，仅涉及L929细胞实验	NA	深度学习架构（具体未指定）	精度	NA
47	2026-08-12	Multimodal Neuroimaging Based Alzheimer's Disease Diagnosis Using Evolutionary RVFL Classifier 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3242354 PMID:37022418	研究论文	提出一种基于小波变换的多模态神经影像融合方法，结合ResNet-50特征提取和进化优化的RVFL分类器，用于阿尔茨海默病的早期诊断	采用小波变换融合MRI和PET多模态影像，利用进化算法优化RVFL网络的权重和偏置以提高分类准确性	未明确提及局限性，但可能受限于ADNI数据集规模和计算资源需求	利用多模态神经影像（MRI和PET）实现阿尔茨海默病及其早期阶段（轻度认知障碍）的准确诊断	阿尔茨海默病患者、轻度认知障碍患者及健康对照者	计算机视觉	阿尔茨海默病	MRI, PET	ResNet-50, RVFL	医学影像	未提及具体样本量，但使用ADNI公开数据集	未提及	ResNet-50, RVFL	准确率	未提及
48	2026-08-12	A GAN Guided Parallel CNN and Transformer Network for EEG Denoising 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3277596 PMID:37220036	研究论文	本文提出了一种由GAN引导的并行CNN和Transformer网络（GCTNet），用于脑电图（EEG）信号去噪，以有效去除生理伪影。	创新点在于结合并行CNN和Transformer块分别捕捉局部和全局时间依赖，并引入判别器来检测和校正去噪EEG信号与真实干净信号之间的整体一致性。	文中未明确提及局限性，但可能包括对实时处理的支持有限以及模型计算复杂度较高。	旨在提高EEG信号去噪的性能，通过解决现有深度学习方法在时间特征利用和整体一致性方面的不足。	研究对象为受伪影污染的EEG信号，特别是肌电伪影。	数字信号处理、深度学习	不适用	深度学习，GAN，并行CNN，Transformer	GAN，CNN，Transformer	EEG信号数据	未提供具体样本数量，使用了半模拟和真实数据。	未提及具体框架，可能涉及PyTorch或TensorFlow。	并行CNN和Transformer块，判别器	RRMSE，SNR	未提及具体GPU或计算资源。
49	2026-08-12	Data Augmentation for Medical Image Classification Based on Gaussian Laplacian Pyramid Blending With a Similarity Measure 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3307216 PMID:37603476	研究论文	本文提出一种基于高斯-拉普拉斯金字塔混合和相似性度量的数据增强方案，用于医学图像分类，特别是乳腺癌组织病理图像	将高斯-拉普拉斯金字塔混合与基于相似性度量的图像间混合相结合，以保持图像结构属性并捕获同类患者图像间的变异性，同时使用拼接预训练模型的迁移学习进行改进	未提及	解决医学数据集中标注数据稀缺和数据不平衡问题，提高乳腺癌诊断的准确性和可靠性	乳腺癌组织病理图像	数字病理学	乳腺癌	数据增强、迁移学习	深度学习模型	图像	三个不同的医学数据集	未提及	拼接的预训练模型	性能提升（未指定具体指标）	未提及
50	2026-08-12	Multi-Gate Mixture of Multi-View Graph Contrastive Learning on Electronic Health Record 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3325221 PMID:37851554	研究论文	提出一种多门控多视图图对比学习方法，用于电子健康记录表示学习，以改善患者相关预测任务性能	创新性地结合多门控混合专家和多视图图对比学习，利用多任务预测的潜在关联及自我对比学习增强图表示，并设计层次全连接图模式和基于Glove的层次本体预训练	未明确说明局限性	获取更合理的电子健康记录表示并提升下游预测任务性能	电子健康记录中的患者访问数据，包括诊断、治疗和实验室事件	机器学习	NA	NA	图神经网络	电子健康记录数据	使用两个大型开放医疗数据集：MIMIC-III和eICU	NA	图神经网络	准确率	NA
51	2026-08-05	Screening and Risk Analysis of Atrial Fibrillation After Radiotherapy for Breast Cancer: Protocol for the Cross-Sectional Cohort Study "Watch Your Heart (WATCH)" 2025-06-04, JMIR research protocols IF:1.4Q3 DOI:10.2196/67875 PMID:40466092	研究论文	本研究旨在评估乳腺癌放疗后5年内房颤的发生率，并探讨心脏辐射暴露与房颤发生之间的关联。	使用智能手表进行为期一个月的房颤筛查，并辅以心电图确认和医生验证；开发深度学习算法进行心脏亚结构的自动分割和剂量分析。	样本量有限（200例），且为单中心研究，可能限制结果的普遍性。	评估乳腺癌放疗后5年随访期间症状性或无症状性房颤的发生率，并研究心脏辐射剂量与房颤发生的关联。	年龄超过65岁、5年前接受乳腺癌放疗、无房颤病史的200名患者。	数字病理学	乳腺癌	心电图、智能手表监测、经胸超声心动图、深度学习自动分割	深度学习模型（具体类型未指定）	心电图数据、智能手表监测数据、超声心动图图像、医疗记录、剂量学数据	200名乳腺癌放疗后5年的患者	NA	NA	发病率	NA
52	2026-07-30	Deep Learning-Based MRI Analysis Reveals Lewy Body Co-Pathology Accelerates Brain Aging in Alzheimer's Disease 2025-Jun-26, Research square DOI:10.21203/rs.3.rs-6874970/v1 PMID:40678251	研究论文	基于深度学习的MRI分析揭示了路易体共病理加速阿尔茨海默病脑老化进程	利用脑脊液α-突触核蛋白种子扩增检测法（SAA）检测路易体病理，结合深度学习模型估计脑龄，首次量化阿尔茨海默病与路易体共病理对神经退化的协同效应	未明确提及	探究路易体病理与阿尔茨海默病病理共同作用对脑老化的影响，评估其加速神经退化的作用	认知障碍患者（共803例）及认知正常个体（共4,355例）的MRI脑部扫描数据	machine learning	阿尔茨海默病	MRI, 脑脊液α-突触核蛋白种子扩增检测（SAA）	深度学习模型	MRI图像	4,355名认知正常个体（训练集）和803名认知障碍患者（测试集）	NA	NA	脑龄预测误差	NA
53	2026-07-29	High-Precision Intelligent Diagnosis of Pancreatic Cancer: Flowing Diffuseness from Single to Whole 2025-06-24, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c00465 PMID:40296678	研究论文	提出线扫描拉曼光谱化学整体分析法实现胰腺癌高精度智能诊断	首次将线扫描技术用于快速拉曼光谱采集，将二维拉曼编码图与深度学习结合，并采用邻域增强方法提高诊断准确性	未提及	开发快速、准确、全面的组织诊断方法	胰腺癌组织	数字病理学	胰腺癌	拉曼光谱	深度学习模型（二维）	拉曼光谱数据	未提及	NA	NA	准确率	NA
54	2026-07-29	Unsupervised Adaptive Deep Learning Framework for Video Denoising in Light Scattering Imaging 2025-06-03, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06905 PMID:40405330	研究论文	提出一种基于深度学习的无监督自适应去噪框架，用于处理光散射成像视频中的噪声问题	首次将无监督学习和自适应策略结合，构建三阶段去噪框架（噪声分布图、FastDVDNet视频去噪、去噪效果判别），无需标注数据即可自动处理LSI视频中的复杂噪声	未提及，但可从方法中推断：可能依赖视频时间连续性，对静态或缓慢变化场景适用性有限	开发一种无监督、自学习的去噪策略，提升光散射成像在多种应用场景中的信噪比和对比度	光散射成像视频中的噪声（包括背景噪声和信号相关噪声）	计算机视觉, 机器学习	NA	光散射成像	FastDVDNet	视频	未明确说明，但涉及纳米粒子分析和单细胞识别实验数据	PyTorch	FastDVDNet	信噪比, 对比度噪声比	NA
55	2025-06-11	High-Output Droplet Electricity Generator for Intelligent Self-Powered Biochemical Analysis 2025-06-24, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02079 PMID:40491299	研究论文	提出了一种微型智能自供电电子舌（MISET），用于化学和生物物质的高灵敏度、可靠性和实时检测	MISET引入了封闭式液体传感环境和液滴能量生成机制，显著提高了信号稳定性和电荷转移效率，并通过深度学习辅助分析优化信号处理和模式识别	NA	克服传统分析方法在灵敏度、可靠性、便携性和实时检测方面的挑战	化学和生物物质	生物传感	NA	液滴能量生成（DEG）机制和深度学习辅助分析	深度学习	液体传感信号	NA	NA	NA	NA	NA
56	2025-06-12	Time-Gated Raman Spectroscopy Combined with Deep Learning for Rapid, Label-Free Histopathological Discrimination of Gastric Cancer 2025-06-24, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02321 PMID:40497384	研究论文	结合时间门控拉曼光谱与深度学习技术，实现胃癌组织的快速、无标记病理鉴别	首次将时间门控拉曼光谱技术与深度学习结合用于胃癌诊断，有效抑制自发荧光并提升拉曼信号质量	未提及样本来源多样性及模型在外部验证集上的表现	开发分子水平、数字化且智能化的实时胃癌诊断方法	胃癌组织样本	数字病理学	胃癌	时间门控拉曼光谱(TG-Raman)	CNN	光谱数据	NA	NA	NA	NA	NA
57	2025-10-06	Multiplexing and Sensing with Fluorescence Lifetime Imaging Microscopy Empowered by Phasor U-Net 2025-06-03, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02028 PMID:40378347	研究论文	提出一种名为Phasor U-Net的深度学习方法来提升荧光寿命成像显微镜的成像速度与精度	开发了结合两个轻量级U-Net子网络的深度学习架构，仅需计算机生成数据集训练即可实现噪声降低和仪器响应函数校正	未提及方法在更复杂生物样本或临床环境中的验证情况	提升荧光寿命成像显微镜在多重成像和传感应用中的性能	小鼠小肠样本和量子点材料	计算机视觉	NA	荧光寿命成像显微镜(FLIM)	U-Net	显微镜图像	计算机生成数据集和小鼠小肠样本	NA	U-Net	修正Kullback-Leibler散度, 平均绝对误差	NA
58	2026-07-24	A Dual-Energy Computed Tomography Guided Intelligent Radiation Therapy Platform 2025-06-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.01.028 PMID:39921109	研究论文	介绍了一种基于双能计算机断层扫描引导的智能放射治疗平台，整合了先进成像和人工智能技术以优化放射治疗流程	首次将双能计算机断层扫描、双层多叶准直器、深度学习自动分割算法和自动计划与质量保证能力集成到一个统一的智能放射治疗平台中	未提及系统在长期临床实践中的稳健性、多中心验证结果及罕见病例的适用性	优化放射治疗流程，提高治疗精度和灵活性	放射治疗系统和临床病例	机器学习	癌症	双能计算机断层扫描、深度学习	深度学习模型	图像	99个风险器官各5例，以及临床病例	深度学习框架	NA	Dice相似系数、剂量一致性指数、伽马通过率	NA
59	2026-07-23	From pixels to patients: the evolution and future of deep learning in cancer diagnostics 2025-06, Trends in molecular medicine IF:12.8Q1 DOI:10.1016/j.molmed.2024.11.009 PMID:39665958	评论文章	探讨深度学习在癌症诊断中的演变与未来，从像素分析转向以患者为中心的综合诊疗	强调从图像分析向多模态大语言模型发展的必要性，提出AI应从辅助工具转变为临床决策核心	未涉及具体实验验证或量化模型性能，局限于概念性讨论	分析深度学习在癌症诊断中的进展并提出未来发展方向	癌症诊断中的深度学习技术及其临床应用	自然语言处理	癌症	NA	神经网络	图像、多模态数据	NA	NA	大语言模型	NA	NA
60	2026-07-23	Automated Coronary Artery Segmentation with 3D PSPNET using Global Processing and Patch Based Methods on CCTA Images 2025-06, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-025-00775-0 PMID:39979546	研究论文	提出了一种基于全局处理和基于块的处理的3D PSPNet用于从CCTA图像中自动分割冠状动脉	将2D PSPNet修改为3D PSPNet，并采用全局处理和基于块的处理方法评估网络性能	使用ImageCAS数据集的200张图像子集，性能指标DSC分别为0.76和0.73，仍有提升空间	开发用于冠状动脉分割的3D深度学习方法，辅助临床诊断冠心病	冠状动脉，来自CCTA图像	计算机视觉	冠心病	NA	CNN	图像	200张来自ImageCAS数据集的CCTA图像	NA	3D PSPNet	Dice相似系数	NA