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
21	2025-12-10	3MT-Net: A Multi-Modal Multi-Task Model for Breast Cancer and Pathological Subtype Classification Based on a Multicenter Study 2025-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3445952 PMID:39163184	研究论文	本研究提出了一种名为3MT-Net的多模态多任务深度学习模型，用于基于超声图像和临床数据对乳腺癌及其病理亚型进行分类	提出了一种新颖的多模态多任务网络架构，集成了临床数据、B超和多普勒超声图像，并采用AM-CapsNet提取图像特征、级联交叉注意力机制融合数据，以及集成学习与优化算法动态分配模态权重	研究为回顾性数据收集，可能存在选择偏倚；未提及模型在外部独立验证集上的泛化性能	开发一个用于乳腺癌良恶性分类及病理亚型分类的深度学习模型	乳腺病变的超声图像（B超和多普勒）及临床数据	数字病理学	乳腺癌	超声成像（B超，多普勒超声）	深度学习，集成学习	图像（超声图像），临床数据	来自九个医疗中心的多中心回顾性数据	NA	3MT-Net, AM-CapsNet	AUC	NA
22	2025-12-10	Respiratory Anomaly and Disease Detection Using Multi-Level Temporal Convolutional Networks 2025-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3545156 PMID:40031640	研究论文	本研究提出了一种新颖的深度学习框架，通过多级时间卷积网络（ML-TCN）结合空间特征提取和时间相关性分析，用于呼吸声音的异常和疾病检测	提出了一种同时捕获呼吸声音空间特征并利用时间卷积网络挖掘其时空相关性的深度学习框架，克服了现有方法孤立分析时空特征的局限性	研究基于公开数据集ICBHI 2017，数据量有限且存在类别不平衡问题，模型在更广泛临床环境中的泛化能力有待验证	开发一种自动化呼吸声音分析系统，用于早期肺部疾病的检测	呼吸声音音频数据	机器学习	肺部疾病	深度学习	CNN, TCN	音频	ICBHI 2017挑战数据集	未明确指定	多级时间卷积网络（ML-TCN）	Score指标, 平均灵敏度, 平均特异性, 分类准确率	NA
23	2025-12-10	Optimal Electroencephalogram and Electrooculogram Signal Combination for Deep Learning-Based Sleep Staging 2025-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3541453 PMID:40031834	研究论文	本研究通过深度学习模型评估不同脑电图和眼电图信号组合在自动睡眠分期中的性能，旨在确定最优信号组合以实现简化的测量设置	首次系统性地比较了多种脑电图和眼电图信号组合在深度学习自动睡眠分期中的性能，验证了简化测量设置的可行性	研究仅针对疑似阻塞性睡眠呼吸暂停患者，未涵盖其他睡眠障碍类型；信号组合数量有限，可能未覆盖所有潜在最优组合	识别用于深度学习自动睡眠分期的最优脑电图和眼电图信号组合，以简化传统多导睡眠图的测量设置	876名疑似阻塞性睡眠呼吸暂停患者的脑电图和眼电图信号	机器学习	阻塞性睡眠呼吸暂停	多导睡眠图	深度学习模型	脑电图信号, 眼电图信号	876名疑似阻塞性睡眠呼吸暂停患者	NA	NA	准确率, Cohen's kappa	NA
24	2025-12-10	Beyond the Ground Truth, XGBoost Model Applied to Sleep Spindle Event Detection 2025-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3544966 PMID:40031867	研究论文	本文提出了一种基于XGBoost的新型机器学习检测框架SpinCo，用于睡眠纺锤体事件检测，其性能接近最先进的深度学习技术，同时依赖于一组固定的易于解释的特征	提出了一种基于详尽滑动窗口特征提取和XGBoost算法的新型机器学习检测框架，开发了一种新的逐事件评估指标，增强了评估的可解释性，并提出了基于自动方法泛化能力估计的新型性能评估测试	未明确提及具体限制，但暗示深度学习方法的决策过程难以理解，而本研究旨在通过可解释特征解决此问题	开发一种性能接近深度学习技术但更易于解释的自动睡眠纺锤体检测方法	睡眠纺锤体事件	机器学习	NA	脑电图	XGBoost	脑电图信号	NA	XGBoost	NA	对称性指标,概率解释	NA
25	2025-12-10	Enhancing Image Retrieval Performance With Generative Models in Siamese Networks 2025-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3543907 PMID:40036556	研究论文	本研究评估了生成式深度学习模型如何提升基于内容的图像检索系统在计算机辅助前列腺癌诊断中的检索质量	首次在文献中提出使用针对CBIR优化的潜在表示来训练注意力机制，以执行全切片图像的Gleason评分	NA	提升计算机辅助诊断系统中基于内容的图像检索性能，以辅助前列腺癌的早期准确诊断	前列腺癌组织图像	计算机视觉	前列腺癌	生成对抗网络	Siamese Network, GAN	图像	基于SiCAPv2数据集	NA	ProGleason-GAN	NA	NA
26	2025-12-10	Contrastive Learning With Transformer to Predict the Chronicity of Children With Immune Thrombocytopenia 2025-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3551365 PMID:40085458	研究论文	本文提出了一种结合对比学习和Transformer的方法，用于预测儿童免疫性血小板减少症的慢性化风险	提出了一种新颖的集成对比学习和Transformer的方法，通过随机掩码和过采样处理小样本和不平衡数据问题，并利用FT-Transformer编码器生成的潜在表示构建对比对	未明确提及具体局限性，但可能受限于儿童患者数据的稀缺性和不平衡性	准确预测儿童免疫性血小板减少症的慢性化风险，以支持早期个性化治疗计划制定	儿童免疫性血小板减少症患者	机器学习	免疫性血小板减少症	对比学习，Transformer	Transformer	异构表格数据	未明确指定具体样本数量，但提及儿童患者数据稀缺	未明确指定，但可能基于PyTorch或TensorFlow	FT-Transformer	未明确指定具体指标，但提及优于现有方法	未明确指定
27	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
28	2025-12-10	Generative Forecasting of Brain Activity Enhances Alzheimer's Classification and Interpretation 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/EMBC58623.2025.11253394 PMID:41336569	研究论文	本研究利用生成式预测方法增强阿尔茨海默病的分类和解释，通过静息态功能磁共振成像数据预测独立成分网络，并评估其在疾病分类中的性能	引入基于Transformer的BrainLM模型进行脑活动生成式预测作为数据增强手段，并揭示与阿尔茨海默病相关的特定脑网络敏感性	数据集规模有限，特别是针对阿尔茨海默病等疾病特定群体，这可能限制深度学习模型的泛化能力	通过数据驱动方法理解认知与内在脑活动之间的关系，并提升阿尔茨海默病的分类性能	静息态功能磁共振成像数据中的独立成分网络	机器学习	阿尔茨海默病	静息态功能磁共振成像	LSTM, Transformer	时间序列数据	NA	NA	BrainLM	NA	NA
29	2025-12-09	Toward a unified pipeline for natural product discovery: tools and strategies for NRPS and PKS pathway exploration and engineering 2025-Jul-28, Natural product reports IF:10.2Q1 DOI:10.1039/d5np00041f PMID:40719200	综述	本文综述了将非核糖体肽合成酶和聚酮合酶系统转化为理性设计平台的最新进展，重点介绍了基因组挖掘、高通量筛选、去重复化以及合成生物学和计算建模等新兴工具	强调计算建模（如同源建模、分子对接、分子动力学模拟）和深度学习策略与经典技术互补，加速定制天然产物类似物的发现与组装	NA	探索和改造非核糖体肽合成酶和聚酮合酶途径，以加速天然产物的发现与工程化	非核糖体肽合成酶和聚酮合酶系统及其产生的天然产物（如抗生素、免疫抑制剂、抗癌剂）	自然语言处理	NA	基因组挖掘、高通量筛选、去重复化、合成生物学、计算建模、同源建模、分子对接、分子动力学模拟、深度学习	深度学习模型	基因组数据、化学结构数据、蛋白质结构数据	NA	NA	NA	NA	NA
30	2025-12-07	Advancing Alzheimer's Diagnosis with AI-Enhanced MRI: A Review of Challenges and Implications 2025-Jul-30, Current neuropharmacology IF:4.8Q1 DOI:10.2174/011570159X353595250303064846 PMID:40754866	综述	本文综述了利用AI增强的MRI技术（特别是深度学习模型）在阿尔茨海默病诊断中的研究进展、挑战与临床意义	系统性地总结和分类了基于MRI的深度学习研究，并批判性地评估了其方法学、优势、局限性及临床转化潜力	作为一篇综述，其本身不包含原始研究数据或新模型验证，主要依赖现有文献的归纳与分析	总结和评估基于MRI的深度学习模型在神经系统疾病（尤其是阿尔茨海默病）诊断中的应用	阿尔茨海默病及其他神经系统疾病相关的脑部结构MRI数据	数字病理学	阿尔茨海默病	结构磁共振成像	CNN, NC-ANN	图像	NA	NA	NA	NA	NA
31	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
32	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
33	2025-12-05	A Non Deep Learning based Method for Detection of Alopecia Areta and Segmentation of Scalp and Hair regions 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/EMBC58623.2025.11253220 PMID:41335644	研究论文	本文提出了一种基于传统图像处理算法的非深度学习方法，用于检测斑秃并分割头皮和头发区域	该方法可在单视角图像上执行头皮检测、皮肤和头发区域分割以及斑秃检测，适用于内存受限的便携设备，并提供皮肤和头发区域的百分比分析，为临床医生提供更全面的治疗监测依据	由于Dermnet数据集缺乏头发和皮肤分割的真实标签，需使用Figaro数据集评估分割性能，这可能导致数据域不匹配问题	开发一种轻量化的图像处理方法，用于辅助诊断和监测斑秃等头皮相关疾病	头皮图像，特别是来自Dermnet和Figaro数据集的单视角患者图像	计算机视觉	斑秃	传统图像处理算法	非深度学习模型	图像	基于Dermnet和Figaro数据集，具体样本数量未明确说明	NA	NA	准确率	内存受限的便携设备
34	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
35	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
36	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
37	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
38	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
39	2025-12-05	GACT: A Two-Stage Age Prediction Model Combining a Global Attention Block 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/EMBC58623.2025.11254886 PMID:41335725	研究论文	本文提出了一种名为GACT的两阶段年龄预测模型，该模型结合全局注意力块，直接利用未分割的fMRI数据来估计大脑年龄	直接使用未分割的fMRI数据作为输入特征，结合CNN和Transformer模型以同时捕获空间和时间特征，并通过可解释性方法识别对年龄回归任务有显著影响的脑区	NA	利用神经影像数据估计大脑年龄，以理解正常大脑发育和神经系统疾病的进展	fMRI数据	神经影像分析	神经系统疾病	fMRI	CNN, Transformer	fMRI数据	NA	NA	CNN, Transformer, MLP	NA	NA
40	2025-12-05	Multimodal structural MRI synthesis pipeline across age 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/EMBC58623.2025.11254451 PMID:41335748	研究论文	提出了一种基于深度学习的跨模态结构MRI合成模型，用于生成T1加权和T2加权MRI图像，并探索了年龄信息在整个生命周期中的整合	开发了一种能够整合从早期发育到老年整个生命周期年龄信息的跨模态MRI合成模型，这在先前研究中较少探索	未明确提及模型在临床环境中的验证或泛化能力，可能受限于特定人群或数据集的代表性	通过图像合成技术解决获取多模态结构MRI数据资源密集和时间消耗大的问题，特别是针对易发生头部运动的年轻儿童和老年人群	T1加权和T2加权磁共振成像（MRI）数据，覆盖早期发育、青年成年和老年三个年龄段的队列	医学影像分析	NA	磁共振成像（MRI）	深度学习模型	图像	NA	NA	NA	均方误差（MSE）、峰值信噪比（PSNR）	NA