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
101	2025-12-24	LPD-Net: A Lightweight and Efficient Deep Learning Model for Accurate Colorectal Polyp Segmentation 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/EMBC58623.2025.11254269 PMID:41337006	研究论文	本文提出了一种轻量高效的深度学习模型LPD-Net，用于精确的结直肠息肉分割，以辅助结直肠癌的早期检测	LPD-Net通过优化网络架构、减少残差块数量以及利用深度可分离卷积和逐点卷积，在保持高分割精度的同时显著降低了计算复杂度，是DUCK-Net的轻量高效替代方案	NA	开发一种轻量高效的深度学习模型，用于实时临床环境中的结直肠息肉分割，以克服现有模型计算量大、不适用于资源有限场景的问题	结直肠息肉	计算机视觉	结直肠癌	NA	CNN	图像	NA	NA	LPD-Net	NA	NA
102	2025-12-21	Multi-site, multi-vendor development and validation of a deep learning model for liver stiffness prediction using abdominal biparametric MRI 2025-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11312-3 PMID:39779515	研究论文	本研究开发并验证了一种基于深度学习的模型，利用腹部双参数MRI预测肝脏硬度，以评估慢性肝病患者的肝纤维化程度	开发了首个基于多中心、多厂商数据的深度学习模型DeepLiverNet2.0，利用常规临床非对比腹部T1加权和T2加权MRI数据预测MRE衍生的肝脏硬度，无需额外MRE检查	模型性能虽合理但仍有提升空间，未整合临床特征，未来需进一步优化以减少对MRE的依赖	开发并验证深度学习模型，利用常规临床双参数MRI数据预测肝脏硬度，作为肝纤维化的替代标志物	成人和儿童慢性肝病患者，来自四个机构的MRI检查数据	数字病理学	慢性肝病	MRI, MRE	深度学习模型	图像	4295名患者的4695次MRI检查，包括成人和儿童	NA	DeepLiverNet2.0	AUROC	NA
103	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
104	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
105	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
106	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
107	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
108	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
109	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
110	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
111	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
112	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
113	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
114	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
115	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
116	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
117	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
118	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
119	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
120	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