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
221	2025-12-20	An optimized multi-scale dilated attention layer for keratoconus disease classification 2025-Jul-30, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03688-y PMID:40736610	研究论文	本文提出了一种优化的多尺度扩张注意力层模型（Optimized MSDALNet），用于基于角膜地形图图像的圆锥角膜疾病分类	引入了多尺度扩张注意力层（MSDAL）以捕获不同空间分辨率的局部和全局角膜特征，并采用北极海雀优化算法（APO）进行训练优化，结合了可解释AI（XAI）能力	数据集规模有限且缺乏多模态输入	自动化圆锥角膜（KCN）的检测与分类	圆锥角膜疾病	计算机视觉	圆锥角膜	角膜地形图成像	深度学习模型	图像	超过1,100张标记的角膜地形图图像，分为正常、疑似和KCN三类	NA	Optimized MSDALNet（包含多尺度扩张注意力层）	准确率, 精确率, 召回率, 特异性, FNR, MCC, AUC	NA
222	2025-12-20	Advances in machine learning for ABCA4-related retinopathy: segmentation and phenotyping 2025-Jul-23, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03690-4 PMID:40699379	综述	本文探讨了机器学习在ABCA4相关视网膜病变（ABCA4R）中的应用，重点关注图像分割和表型分型	综述了机器学习在ABCA4R中分割和表型分型的最新进展，包括集成建模、自注意力机制、软标签方法和动态框架等先进技术	数据集较小且疾病表现多变，这构成了显著挑战	自动化ABCA4R评估中的关键步骤，以监测疾病进展和分类患者亚组	ABCA4相关视网膜病变（Stargardt病）患者	数字病理学	视网膜病变	眼底成像，视网膜电图（ERG），微视野检查	深度学习	图像，电生理数据	15篇选定文章（源自264篇），具体样本量未明确说明	NA	NA	DICE系数，准确率	NA
223	2025-12-19	Spatially resolved subcellular protein-protein interactomics in drug-perturbed lung-cancer cultures and tissues 2025-Jul, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-024-01271-x PMID:39478233	研究论文	本文提出了一种结合多重邻近连接检测与图卷积网络的方法，用于可视化药物扰动下肺癌细胞和组织中蛋白质-蛋白质相互作用的亚细胞空间分布	开发了一种可同时分析多达47种蛋白质相互作用的多重邻近连接检测方法，并结合图卷积网络对空间解析的PPI数据进行深度学习预测	方法主要针对非小细胞肺癌中EGFR突变型，尚未验证在其他癌症类型或更广泛蛋白质网络中的适用性	研究药物扰动下肺癌细胞中蛋白质-蛋白质相互作用的亚细胞空间分布与信号网络调控机制	非小细胞肺癌细胞培养物和组织样本（EGFR突变型）	数字病理学	肺癌	多重邻近连接检测，免疫荧光	图卷积网络	空间蛋白质相互作用图像数据	NA	NA	图卷积网络	预测准确率	NA
224	2025-12-13	Integrative Analysis of Multi-Omics Data for Biomarker Discovery 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254134 PMID:41336317	研究论文	本文通过整合代谢组学、脂质组学、肽组学、蛋白质组学和糖蛋白组学数据，探索统计和深度学习方法，以发现区分肝细胞癌与肝硬化对照的多组学生物标志物	采用多组学整合分析方法，结合统计和深度学习技术，从血清样本中识别肝细胞癌与肝硬化的差异特征，并揭示相关生物通路如LXR/RXR激活和急性反应信号	样本量较小（仅20例肝细胞癌和20例肝硬化患者），可能影响结果的普遍性和统计效力	发现区分肝细胞癌与肝硬化的多组学生物标志物，以改善疾病预测和个性化治疗	肝细胞癌和肝硬化患者的血清样本	机器学习	肝细胞癌	LC-MS/MS分析	深度学习	多组学数据（代谢组学、脂质组学、肽组学、蛋白质组学、糖蛋白组学）	40个血清样本（20例肝细胞癌，20例肝硬化）	NA	NA	NA	NA
225	2025-12-12	Detection and segmentation of brain metastases on MRI using 3D-MedDCNet 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.18001 PMID:40665544	研究论文	本文提出了一种名为3D-MedDCNet的新型深度学习模型，用于MRI中脑转移瘤的检测与分割，旨在提高对小转移病灶的检测敏感性和分割准确性	在nnUNet框架中集成了3D可变形卷积（3D-DCN），以增强对小转移病灶的检测敏感性，同时不增加假阳性率	模型尚未在更多样化的数据集上进行验证，未来需要探索基础模型和改进实例分割策略	提高MRI中脑转移瘤的自动化检测与分割精度，以支持临床决策和治疗规划	脑转移瘤	数字病理学	脑转移瘤	MRI	CNN	图像	两个数据集：UCSF脑转移数据集（560个MRI扫描）和BraTS-METS 2023数据集（1,297个MRI扫描）	nnUNet	3D-MedDCNet（基于nnUNet集成3D-DCN）	敏感性, 精确度, 病灶级Dice系数, 患者级Dice系数, 假阳性率	NA
226	2025-12-10	Leveraging a Vision-Language Model with Natural Text Supervision for MRI Retrieval, Captioning, Classification, and Visual Question Answering 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11251809 PMID:41336503	研究论文	本文提出了一种基于向量检索和对比学习的框架，通过自然语言监督学习视觉脑MRI概念，并应用于MRI检索、描述、分类和视觉问答等多个任务	利用自然语言监督学习跨模态嵌入，实现单一模型执行多种放射学任务，包括MRI检索、描述、分类和视觉问答，提供了一种通用且多功能的研究工具	未明确提及模型在非阿尔茨海默病脑部疾病或其他医学影像模态上的泛化能力，以及数据隐私和透明度方面的具体实施细节	开发一个基于自然语言监督的跨模态框架，用于脑MRI的多任务学习，以支持阿尔茨海默病研究和临床辅助诊断	脑MRI图像及其相关的自然语言描述	计算机视觉	阿尔茨海默病	自然语言监督，对比学习，向量检索	Transformer	图像，文本	NA	NA	Transformer	NA	NA
227	2025-12-05	Dynamical Modeling of Behaviorally Relevant Spatiotemporal Patterns in Neural Imaging Data 2025-Jul, Proceedings of machine learning research PMID:41321375	研究论文	提出了一种名为SBIND的数据驱动深度学习框架，用于建模神经成像数据中的时空依赖性，并分离行为相关动态	SBIND框架能有效识别大脑中的局部和远程空间依赖性，同时分离行为相关的神经动态，优于现有模型在神经-行为预测方面的表现	NA	理解大脑活动与行为之间的关系	神经成像数据，包括宽场钙成像和功能性超声成像	机器学习	NA	宽场钙成像，功能性超声成像	深度学习	图像	NA	NA	NA	神经-行为预测准确性	NA
228	2025-12-05	A Hybrid CNN-Transformer Network for fMRI-Based Feature Encoding in Alzheimer's Disease Classification 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253167 PMID:41335632	研究论文	本研究提出了一种用于fMRI特征编码的混合CNN-Transformer网络，并在阿尔茨海默病分类任务中验证了其有效性	设计了一种专门针对3D MRI的Transformer注意力块，结合3D位置编码增强空间特征建模，并构建级联Transformer模块整合不同时间点的空间特征，以建模脑活动的动态变化	NA	解决fMRI高维性和时间复杂性带来的特征表示挑战，提升阿尔茨海默病分类性能	功能磁共振成像数据	计算机视觉	阿尔茨海默病	功能磁共振成像	CNN, Transformer	图像	NA	NA	3D CNN, Transformer	NA	NA
229	2025-12-05	Style Transfer as Data Augmentation: Evaluating Unpaired Image-to-Image Translation Models in Mammography 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253212 PMID:41335642	研究论文	本文评估了在乳腺X线摄影中使用无配对图像到图像转换模型（如CycleGAN和SynDiff）进行风格转移作为数据增强的方法，以提高深度学习模型的泛化能力	提出了评估风格转移算法性能的关键方面，比较了CycleGAN和扩散模型SynDiff在乳腺X线摄影数据上的表现，并分析了不同评估指标的优缺点	未提供具体模型性能的定量结果，且评估依赖于无配对数据，缺乏真实标签作为基准	评估无配对图像到图像转换模型在乳腺X线摄影中作为数据增强技术的效果，以提高乳腺癌检测模型的泛化能力	乳腺X线摄影图像（X射线图像）	计算机视觉	乳腺癌	图像到图像转换	GAN, 扩散模型	图像	NA	NA	CycleGAN, SynDiff	NA	NA
230	2025-12-05	Edge-Enabled Pre-Ictal Activity Prediction Framework Using Geometric Deep Learning 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253214 PMID:41335673	研究论文	本文提出了一种基于几何深度学习的边缘设备预发作活动预测框架，用于癫痫发作预测	利用Brain Network Transformer (BNT) 分析基于EEG的脑连接性来检测预发作状态，相比传统深度学习方法提供了可解释性，并实现了在边缘设备上的实时部署	NA	开发一个高效、实时的癫痫发作预发作阶段预测系统，以通过及时干预改善患者预后	癫痫患者的EEG信号	机器学习	癫痫	EEG信号分析	几何深度学习	EEG信号	CHB-MIT数据集	NA	Brain Network Transformer (BNT)	准确率, 接收者操作特征曲线下面积	Nvidia Jetson Xavier NX边缘设备
231	2025-12-05	A Two-Stage Deep Learning Approach for EEG Artifact Removal and Classification: Towards Reliable Wearable Applications 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254976 PMID:41335679	研究论文	本文提出了一种用于EEG伪迹去除和分类的两阶段深度学习方法，旨在提高可穿戴EEG应用的可靠性	提出了一种新颖的两阶段方法，结合了改进的IC-UNet架构进行伪迹去除和改进的VGGNet进行伪迹类型识别，并引入了基于学习阈值的自动触发分类机制	研究仅针对受控的眼眨和扫视运动任务进行评估，未涵盖更广泛的伪迹类型或真实世界复杂场景	开发一种可靠的EEG伪迹去除和分类系统，以支持可穿戴EEG设备的连续监测和混合脑机接口系统	执行受控眼眨和扫视运动任务的受试者的EEG信号	机器学习	NA	EEG信号处理	深度学习	EEG信号	620个案例	NA	IC-UNet, VGGNet	准确率, 相关系数	NA
232	2025-12-05	Gaussian Process-driven Hidden Markov Models for Early Diagnosis of Infant Gait Anomalies 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254881 PMID:41335700	研究论文	本文提出了一种基于高斯过程驱动的隐马尔可夫模型，用于早期诊断婴儿步态异常	结合多输出高斯过程与隐马尔可夫模型，以捕捉婴儿步态的高变异性与周期性动态，并提供不确定性量化	未明确提及模型在更大样本或不同疾病类型婴儿中的泛化能力	开发自动识别婴儿步态异常的方法，以支持早期神经运动障碍的诊断与干预	患有或未患有神经运动障碍的婴儿步态数据	机器学习	神经运动障碍	步态分析	高斯过程, 隐马尔可夫模型	步态信号	包含患有和未患有神经运动障碍婴儿的数据集，具体数量未明确	NA	多输出高斯过程, 隐马尔可夫模型	准确性, 方差解释, 时间对齐	NA
233	2025-12-05	Attribute-Aware Adversarial Domain Augmentation for Zero-Shot Medical Domain Adaptation 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254904 PMID:41335704	研究论文	本文提出了一种属性感知对抗域增强方法，用于零样本医学域适应，以提升诊断模型在未见域上的性能	提出AAADA方法，利用目标属性信息通过对抗性探索生成合成数据，有效捕捉目标域特征，从而优化模型决策边界	NA	解决深度学习医疗诊断在分布外场景中的不可靠预测问题，实现零样本域适应	医疗数据，特别是基于患者属性（如年龄）的多样化域	机器学习	NA	对抗性域增强	深度学习模型	健康检查数据集	大规模健康检查数据集	NA	NA	诊断准确率	NA
234	2025-12-05	Automatic Identification of Anatomical Locations for Bone Abnormalities in CT Imaging: A Multiplanar YOLOv5 Detection Approach 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254481 PMID:41335747	研究论文	本文提出了一种基于多平面YOLOv5的CT图像中骨骼异常解剖位置自动识别方法	采用三个2D YOLOv5l模型在轴状面、冠状面和矢状面上进行预测，为骨骼异常定位提供了一种可替代3D分割模型的竞争性方案	在椎骨或肋骨的精确定位方面表现不如nnU-Net，但在预测可能的肋骨或椎骨范围时表现更优	开发一种自动检测和分类CT扫描中骨骼以确定异常解剖位置的方法	CT扫描中的骨骼组织，特别是肿瘤或溶骨性病变等骨骼异常	计算机视觉	骨骼疾病	CT成像	YOLOv5	图像	TotalSegmentator数据集（含合成溶骨性病变）和RibFrac数据集（含标注的肋骨骨折）	PyTorch	YOLOv5l	定位准确性	NA
235	2025-12-05	Investigating Multiple Physical Priors in Deep Learning for Electrical Properties Reconstruction in MREPT 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254469 PMID:41335751	研究论文	本研究提出了一种融合多物理先验的深度学习框架，用于磁共振电特性断层成像中的电导率和介电常数重建，以提高重建精度和模型泛化能力	将梯度相似性、亥姆霍兹方程约束、复数运算以及旋度和拉普拉斯算子先验知识等物理约束集成到网络训练中，首次对多种物理先验进行了定量分析	未明确说明模型在更广泛数据集或不同成像条件下的泛化性能，也未详细讨论计算复杂度或实时性限制	提高基于深度学习的磁共振电特性断层成像方法的可靠性和泛化能力，以促进其临床应用	人类头部的电导率和介电常数重建	医学影像分析	NA	磁共振电特性断层成像	深度学习	磁共振图像	NA	NA	NA	重建精度，模型泛化能力	NA
236	2025-12-05	Deep Learning Assessment of Epicardial Adipose Tissue: New Perspectives on Major Adverse Cardiac Events Prediction 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254457 PMID:41335772	研究论文	本研究开发了一种基于自编码器的深度学习架构，用于重建心外膜脂肪组织的心脏磁共振图像并提取特征，以预测主要不良心脏事件	首次提出使用自编码器从心外膜脂肪组织图像中提取代表性特征，并结合多种特征选择方法和分类器构建MACE预测模型	样本量相对较小（仅90名患者用于分析），且为初步研究结果，需要更大规模的外部验证	开发基于深度学习的模型，利用心外膜脂肪组织图像特征预测主要不良心脏事件的发生	心外膜脂肪组织的心脏磁共振图像	医学影像分析	心血管疾病	心脏磁共振成像	自编码器, 支持向量机, 逻辑回归, 梯度提升	医学图像	251名患者的图像用于自编码器训练，其中90名患者（45名MACE患者和45名无事件患者）用于后续分析	NA	自编码器	准确率, 敏感性, 特异性	NA
237	2025-12-05	Zonal level Implant Loosening Detection from Hip X-ray using a Multi-stage Deep Learning Method 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254446 PMID:41335765	研究论文	本文提出了一种基于多阶段深度学习的髋关节X射线区域级植入物松动检测方法	首次在髋关节植入物松动检测领域实现自动化区域划分和区域特异性放射透亮性识别	未提及模型在多样化数据集上的泛化能力或临床验证的局限性	开发自动化系统以辅助髋关节置换术前后规划，通过检测植入物松动情况	髋关节X射线图像中的植入物区域及其周围Charnley和Gruen分区	计算机视觉	骨科疾病	X射线成像	深度学习	图像	未明确提及具体样本数量，但包含盲数据集测试	未明确指定	多阶段深度学习模型	准确率, Dice系数	NA
238	2025-12-05	Sparse dictionary learning neural networks for ECG signal denoising 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254433 PMID:41335795	研究论文	提出一种基于稀疏字典学习的混合方法，用于有效去除心电图信号中的基线噪声	结合K-SVD算法生成噪声字典与基于FISTA-Net架构的模型驱动神经网络，在小数据集上学习的同时保持稀疏字典学习的可解释性	方法主要针对基线噪声，未明确讨论对其他类型干扰（如肌电噪声、工频干扰）的处理效果	开发高效的心电图信号去噪方法以提高心血管疾病诊断准确性	心电图信号	信号处理	心血管疾病	稀疏字典学习	神经网络	信号数据	使用布尔诺工业大学心电图质量数据库进行实验	NA	FISTA-Net	去噪性能、计算效率	NA
239	2025-12-05	Assessing the Utility of Audio Foundation Models for Heart and Respiratory Sound Analysis 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254427 PMID:41335786	研究论文	本研究评估了预训练音频基础模型在心肺音分析任务中的实际效用，并与当前最优微调结果进行比较	首次系统性地比较了通用音频基础模型与专用心肺音模型在多个任务上的表现，揭示了通用模型在干净数据上的优越性	模型在噪声数据任务上表现不佳，评估基准有限，可能影响结论的普适性	探究现成音频基础模型在心肺音分析中的实际应用效果	心肺音信号	机器学习	心血管疾病	深度学习	基础模型	音频	NA	NA	NA	NA	NA
240	2025-12-05	BM-BPW: A Bidirectional Mamba-based Model for Blood Pressure Waveform Estimation in Arrhythmia 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254463 PMID:41335788	研究论文	本研究提出了一种基于双向Mamba架构的深度学习模型BM-BPW，用于从心律失常患者的心电图和光电容积脉搏波信号中连续、无创地估计血压波形	首次将双向Mamba架构与位置嵌入相结合，用于血压波形估计，以同时实现全局上下文建模和局部感知理解，并采用多尺度CNN特征提取器捕获局部特征	研究样本量相对有限（48名患者），且模型在更广泛人群或不同心律失常类型中的泛化能力尚未验证	为心律失常患者开发一种准确、无创、连续的血压波形监测方法	心律失常患者	机器学习	心血管疾病	深度学习	Mamba, CNN	生理信号（ECG, PPG）	48名心律失常患者，共36,537个心跳	NA	双向Mamba, 多尺度CNN	平均误差±标准差（SBP: 0.04 ± 5.03 mmHg, DBP: -0.05 ± 3.20 mmHg）	NA