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
1041	2025-06-07	Fall-Risk Monitoring in Diverse Terrains Using Dual-Task Learning and Wearable Sensing System 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3536030 PMID:40031371	研究论文	本文介绍了一种新型多传感器系统，结合地形感知传感器和惯性测量单元(IMU)，用于监测不同地形下的跌倒风险，并采用基于改进CNNLSTM模型的双任务学习(DTL)架构来识别跌倒风险水平和地形	提出了结合地形感知传感器与IMU的多传感器系统，并采用改进的CNNLSTM模型进行双任务学习，有效识别跌倒风险与地形	实验样本量较小，仅包括10名年轻受试者和10名老年受试者，且实验环境局限于实验室和医院	开发一种可靠的跌倒风险监测系统，用于不同地形下的跌倒风险预测	年轻和老年受试者在平坦和台阶地形上的活动	机器学习	老年疾病	双任务学习(DTL), 惯性测量单元(IMU)	改进的CNNLSTM	传感器信号	10名年轻受试者和10名老年受试者
1042	2025-06-07	Optimized Drug-Drug Interaction Extraction With BioGPT and Focal Loss-Based Attention 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3540861 PMID:40031603	research paper	该研究提出了一种名为BioFocal-DDI的框架，用于优化药物-药物相互作用（DDI）的提取，通过结合BioGPT、BioBERT、BiLSTM和ReGCN等技术	引入了BioGPT进行数据增强，并结合Focal Loss-based Attention机制解决类别不平衡问题	未提及具体局限性	优化药物-药物相互作用（DDI）的提取，以提高治疗效果并减少不良反应	药物-药物相互作用（DDI）	自然语言处理	NA	BioGPT, BioBERT, BiLSTM, ReGCN, Focal Loss-based Attention	BioGPT, BioBERT, BiLSTM, ReGCN	text	DDI Extraction 2013数据集
1043	2025-06-07	Acupuncture State Detection at Zusanli (ST-36) Based on Scalp EEG and Transformer 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3540924 PMID:40031811	研究论文	本研究基于头皮脑电图和Transformer技术，设计了一种针灸状态检测方法，用于区分针灸过程中的不同状态	提出了基于CNN和Transformer的针灸Transformer检测器(ATD)，能够端到端分类足三里穴位针灸状态下的脑电图局部和全局特征	实验样本仅包含28名健康参与者，可能限制结果的普遍性	开发自动识别针灸状态的方法，为针灸程序标准化提供新方案	针灸状态(捻针和留针)对脑电图的影响	数字病理	NA	脑电图(EEG)	CNN, Transformer	脑电图信号	28名健康参与者
1044	2025-06-07	Predicting Mutation-Disease Associations Through Protein Interactions Via Deep Learning 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3541848 PMID:40031830	research paper	本文构建了一个真实的突变诱导疾病数据集，并提出了一种结合胶囊和图拓扑网络与多头注意力机制（CGM）的深度学习模型来预测突变与疾病的关联	提出了CGM模型，能够准确预测蛋白质突变与疾病的关联，并通过模型验证了蛋白质突变导致的结构改变可能是重要的致病因素	受限于突变蛋白质数据集的规模，模型在基准和不平衡数据集上进行了实验	预测突变与疾病的关联，进一步理解生物分子途径和疾病机制	蛋白质突变与疾病的关联	machine learning	NA	deep learning	Capsule and Graph topology networks with Multi-head attention (CGM)	protein interaction data	NA
1045	2025-06-07	Fast Virtual Stenting for Thoracic Endovascular Aortic Repair of Aortic Dissection Using Graph Deep Learning 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3540712 PMID:40036417	研究论文	本文提出了一种基于图深度学习的快速虚拟支架置入（FVS）模型，用于预测主动脉夹层胸主动脉腔内修复术（TEVAR）后的主动脉真腔（TL）重塑	首次将深度学习应用于FVS任务，实现了时间依赖性的内壁变形预测，并通过外壁信息提升预测精度	尚未在临床环境中实际应用，需要进一步验证其临床效果	开发一种能够准确预测TEVAR术后主动脉真腔重塑的术前规划工具	主动脉夹层患者	数字病理学	心血管疾病	图深度学习	图神经网络	点云数据	108名患者（269次真实随访）
1046	2025-06-07	Diagnostic value of deep learning of multimodal imaging of thyroid for TI-RADS category 3-5 classification 2025-Jun, Endocrine IF:3.0Q2 DOI:10.1007/s12020-025-04198-8 PMID:40056264	research paper	该研究探讨了基于深度学习的超声和CT多模态成像对甲状腺TI-RADS 3-5类别结节的良恶性鉴别价值	结合超声和CT的多模态深度学习模型在甲状腺TI-RADS 3-5结节分类中的首次应用，其诊断效能优于单一影像学方法和放射科医师的评估	研究仅纳入了术后有病理结果的病例，可能存在选择偏倚；样本量相对有限	开发一种无需活检即可准确鉴别甲状腺TI-RADS 3-5结节良恶性的方法	768例甲状腺TI-RADS 3-5类结节（499例恶性，269例良性）	digital pathology	thyroid cancer	ultrasound, CT	deep learning	image	768例甲状腺结节（来自768名患者）
1047	2025-06-07	Integrating CBAM and Squeeze-and-Excitation Networks for Accurate Grapevine Leaf Disease Diagnosis 2025-Jun, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.70377 PMID:40463992	研究论文	本研究旨在通过深度学习技术自动分类葡萄叶常见病害，包括葡萄痂病、霜霉病及健康叶片	将CBAM和Squeeze-and-Excitation Networks集成到预训练模型中，显著提高了分类准确率	仅针对两种常见葡萄叶病害进行分类，未涵盖其他可能的病害类型	开发基于深度学习的模型，实现葡萄叶病害的自动分类	葡萄叶病害（葡萄痂病、霜霉病）及健康叶片	计算机视觉	葡萄叶病害	深度学习	CNN（集成CBAM和SE模块）	图像	NA
1048	2025-06-07	Multimodal Neuroimaging Based Alzheimer's Disease Diagnosis Using Evolutionary RVFL Classifier 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3242354 PMID:37022418	研究论文	本文提出了一种基于小波变换的多模态MRI和PET扫描融合方法，结合深度学习和进化算法，用于阿尔茨海默病的早期诊断	使用小波变换融合多模态神经影像数据，并采用进化算法优化RVFL分类器的权重和偏置以提高诊断准确性	研究仅基于公开的ADNI数据集，未在其他独立数据集上验证	开发一种早期诊断阿尔茨海默病的多模态神经影像分析方法	阿尔茨海默病患者和轻度认知障碍患者的MRI和PET扫描数据	数字病理学	老年病	MRI, PET, 小波变换	ResNet-50, RVFL	图像	公开的ADNI数据集
1049	2025-06-07	A GAN Guided Parallel CNN and Transformer Network for EEG Denoising 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3277596 PMID:37220036	research paper	提出了一种名为GCTNet的GAN引导的并行CNN和Transformer网络，用于EEG信号去噪	通过并行CNN块和Transformer块分别捕获局部和全局时间依赖性，并使用判别器检测和校正去噪EEG信号与真实干净信号之间的整体不一致性	未明确提及具体局限性	提高EEG信号去噪的效果，解决现有方法在时间特性和整体一致性方面的不足	EEG信号	machine learning	NA	GAN, CNN, Transformer	GCTNet (GAN guided parallel CNN and transformer network)	EEG信号	半模拟和真实数据
1050	2025-06-07	Data Augmentation for Medical Image Classification Based on Gaussian Laplacian Pyramid Blending With a Similarity Measure 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3307216 PMID:37603476	研究论文	提出一种基于高斯拉普拉斯金字塔混合与相似性度量的医学图像分类数据增强方案，以提高乳腺癌诊断的准确性和可靠性	结合高斯拉普拉斯金字塔和金字塔混合概念，引入相似性度量以保持图像结构特性并捕获同类患者图像的变异性	未提及具体的数据增强方法在不同类型医学图像上的泛化能力	解决医学数据集中标记数据稀缺和数据不平衡的问题，提高乳腺癌诊断的准确性	乳腺癌组织病理学图像	数字病理学	乳腺癌	高斯拉普拉斯金字塔混合、相似性度量	预训练模型的串联使用	图像	三个不同的医学数据集（未提及具体样本数量）
1051	2025-06-07	Multi-Gate Mixture of Multi-View Graph Contrastive Learning on Electronic Health Record 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3325221 PMID:37851554	research paper	提出了一种多门混合多视图图对比学习方法（MMMGCL），用于电子健康记录（EHR）的表示学习，以提高下游任务的性能	结合多任务预测和图对比学习，利用隐藏任务间的潜在信息，改进EHR表示	需要手动构建图结构，过程复杂且耗时	改进电子健康记录的表示学习，提升患者相关预测任务的性能	电子健康记录（EHR）中的患者就诊数据	machine learning	NA	graph neural network (GNN), Glove method	multi-gate mixture of multi-view graph contrastive learning (MMMGCL)	graph	两个大型开源医疗数据集（MIMIC-III和eICU）
1052	2025-06-07	Comparison of Sarcopenia Assessment in Liver Transplant Recipients by Computed Tomography Freehand Region-of-Interest versus an Automated Deep Learning System 2025-Jun, Clinical transplantation IF:1.9Q3 DOI:10.1111/ctr.70201 PMID:40465826	research paper	本研究比较了在肝移植受者中通过CT手动ROI和自动化深度学习系统评估肌肉减少症的两种方法	首次直接比较了手动ROI和深度学习系统在肌肉减少症评估中的表现，并分析了它们与住院时间的关联	样本量较小（50人），且为单中心研究	比较两种肌肉减少症评估方法在预测肝移植患者临床结局方面的效果	肝移植受者	digital pathology	liver disease	computed tomography (CT)	deep learning	medical image	50名肝移植受者
1053	2025-06-07	Ultrasound measurement of relative tongue size and its correlation with tongue mobility for healthy individuals 2025-Jun-01, JASA express letters IF:1.2Q3 DOI:10.1121/10.0036838 PMID:40478168	研究论文	本研究介绍了一种基于超声的测量相对舌大小的方法，称为uRTS，作为MRI方法的成本效益替代方案	提出了一种新的基于超声的测量方法uRTS，并使用深度学习提取舌轮廓，验证了其与MRI测量结果的高度相关性	样本量较小（仅10名说话者），可能影响结果的普遍性	评估相对舌大小与舌运动速度之间的关系，开发更经济的测量方法	健康个体的舌头	医学影像分析	NA	超声测量，深度学习	深度学习（未指定具体模型）	超声影像	10名说话者
1054	2025-06-06	BrainFusion: a Low-Code, Reproducible, and Deployable Software Framework for Multimodal Brain‒Computer Interface and Brain‒Body Interaction Research 2025-Jun-05, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202417408 PMID:40470749	研究论文	本文介绍了BrainFusion，一个旨在提高多模态脑机接口（BCI）和脑体交互研究可重复性并支持转化应用的统一软件框架	BrainFusion通过标准化数据结构、自动化预处理流程、跨模态特征工程和集成机器学习模块，解决了多模态生理信号整合中的分析复杂性、标准化不足和实际部署挑战	NA	改善多模态脑机接口和脑体交互研究的可重复性并支持转化应用	多模态生理信号（EEG、fNIRS、EMG、ECG）	脑机接口	NA	EEG、fNIRS、EMG、ECG	集成建模、深度学习	多模态生理信号	NA
1055	2025-06-06	Clinical validation of a deep learning model for low-count PET image enhancement 2025-Jun-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07370-4 PMID:40471320	研究论文	本研究验证了深度学习模型RaDynPET在低计数PET图像增强中的效果	RaDynPET模型能够在标准采集时间的25%内恢复高质量的PET图像，同时保持SUV值的一致性	研究样本量相对较小（120例患者），且仅针对18F-FDG PET/CT检查	评估深度学习模型在低计数PET图像增强中的应用效果	120例接受18F-FDG PET/CT检查的患者	数字病理	NA	PET/CT	深度学习模型RaDynPET	PET图像	120例患者（84例内部队列和36例外部队列）
1056	2025-06-06	Development of a deep learning model for measuring sagittal parameters on cervical spine X-ray 2025-Jun-05, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08946-2 PMID:40471336	研究论文	开发了一种深度学习模型，用于自动测量颈椎X射线图像上的矢状面参数	使用CNN模型自动识别颈椎X射线图像上的关键点并测量相关参数，提高了诊断效率	研究仅基于700张X射线图像，样本量可能不足	开发一种自动测量颈椎矢状面参数的深度学习模型	颈椎X射线图像	计算机视觉	颈椎疾病	X射线成像	CNN	图像	700张颈椎X射线图像（500张训练集，100张内部测试集，100张外部测试集）
1057	2025-06-06	MSFHNet: a hybrid deep learning network for multi-scale spatiotemporal feature extraction of spatial cognitive EEG signals in BCI-VR systems 2025-Jun-05, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03386-y PMID:40471491	research paper	提出了一种名为MSFHNet的混合深度学习网络，用于在BCI-VR系统中提取空间认知EEG信号的多尺度时空特征	MSFHNet采用分层架构，时间模块使用多尺度扩张卷积捕捉动态EEG变化，空间模块集成通道-空间注意力机制建模通道间依赖和空间分布，通过跨堆叠模块进行深层融合优化特征提取	NA	提升BCI-VR系统中空间认知训练和评估的EEG信号表征能力	空间认知EEG信号	脑机接口	NA	EEG信号分析	MSFHNet（混合神经网络）	EEG信号	NA
1058	2025-06-06	Physics-Assisted Machine Learning for the Simulation of the Slurry Drying in the Manufacturing Process of Battery Electrodes: A Hybrid Time-Dependent VGG16-DEM Model 2025-Jun-04, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c23103 PMID:40327815	研究论文	本研究提出了一种结合深度学习与离散元方法的混合物理辅助机器学习模型，用于模拟锂离子电池电极制造过程中的浆料干燥过程	提出了一种混合物理辅助机器学习模型，结合了深度学习与离散元方法，显著提高了模拟效率并保持了物理合理性	模型训练基于特定配方（96%活性材料和4%碳粘合剂），虽然展示了良好的泛化能力，但未测试更广泛配方范围的适用性	提高锂离子电池电极制造过程中浆料干燥模拟的效率和准确性	锂离子电池电极制造过程中的浆料干燥过程	机器学习	NA	深度学习（DL）、离散元方法（DEM）	VGG16-DEM混合模型	模拟数据	NA
1059	2025-06-06	Advances in Machine Learning-Driven Flexible Strain Sensors: Challenges, Innovations, and Applications 2025-Jun-04, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c06453 PMID:40418062	综述	本文系统评估了柔性应变传感器的最新进展，重点探讨了机器学习在提升传感器性能中的关键作用	强调了机器学习特别是深度学习在提升柔性应变传感器稳定性、灵敏度和适应性方面的创新应用	传感器材料优化面临挑战，机器学习算法存在局限性、复杂环境下的噪声容忍度低以及模型可解释性有限	探讨机器学习驱动的柔性应变传感器的创新、挑战及应用	柔性应变传感器及其在健康监测、人机交互和智能家居中的应用	机器学习	NA	机器学习和深度学习	传统机器学习方法和深度学习	传感器数据	NA
1060	2025-06-06	GONet: A Generalizable Deep Learning Model for Glaucoma Detection 2025-Jun-04, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3576688 PMID:40465450	research paper	介绍了一种名为GONet的深度学习模型，用于从彩色眼底照片中检测青光眼性视神经病变	GONet采用DINOv2预训练的自监督视觉变换器，并通过多源域策略进行微调，展现出较高的跨分布泛化能力	模型在不同种族、疾病群体和检查环境中的泛化能力仍有待进一步验证	开发一种能够自动检测青光眼性视神经病变的深度学习模型	青光眼性视神经病变患者	digital pathology	glaucoma	deep learning	vision transformers	image	超过119,000张彩色眼底照片，以及一个新的包含747张标记CFPs的数据集