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
1501	2025-11-08	Dynamic Instance-Level Graph Learning Network of Intracranial Electroencephalography Signals for Epileptic Seizure Prediction 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3578627 PMID:40498623	研究论文	提出一种用于癫痫发作预测的动态实例级图学习网络，通过颅内脑电信号建模时变信号和功能连接	提出动态实例级图学习网络，结合分组时序神经网络和图结构学习方法，通过图形交互回写技术实现通道内到通道间的因果关系统一建模	仅在Freiburg iEEG数据集上进行验证，需要更多临床数据验证泛化能力	开发基于深度学习的癫痫发作预测方法	癫痫患者的颅内脑电信号	脑机接口	癫痫	颅内脑电信号分析	图神经网络,时序神经网络	时序信号	Freiburg iEEG数据集	NA	动态实例级图学习网络	NA	NA
1502	2025-11-08	M3D: Manifold-Based Domain Adaptation With Dynamic Distribution for Non-Deep Transfer Learning in Cross-Subject and Cross-Session EEG-Based Emotion Recognition 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3580612 PMID:40526534	研究论文	提出一种基于流形的轻量级非深度迁移学习框架M3D，用于跨被试和跨会话的脑电情绪识别	在格拉斯曼流形空间实现动态分布对齐，结合结构风险最小化和集成学习提升模型鲁棒性	未明确说明样本规模限制和特定场景下的适用性边界	解决脑电信号的非平稳性和个体差异性，降低对大规模标注数据和计算资源的需求	脑电信号数据，包括三个基准数据集和重度抑郁症临床数据集	脑机接口	情绪障碍，重度抑郁症	脑电信号处理，迁移学习	非深度学习，迁移学习框架	脑电信号	NA	NA	流形特征变换，动态分布对齐，集成学习	准确率	显著低于深度学习的计算需求
1503	2025-11-08	Hybrid Transformer for Early Alzheimer's Detection: Integration of Handwriting-Based 2D Images and 1D Signal Features 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3585379 PMID:40601463	研究论文	提出一种用于早期阿尔茨海默病检测的多模态混合注意力模型，整合手写2D图像和1D动态信号特征	首次将Transformer模型应用于AD手写分析，提出可学习的多模态混合注意力机制，同时整合2D空间模式和1D动态特征	仅在DARWIN数据集上验证，未在其他数据集测试泛化能力	开发早期阿尔茨海默病的非侵入性检测方法	阿尔茨海默病患者的手写数据	计算机视觉, 自然语言处理	阿尔茨海默病	手写分析	Transformer, CNN	图像, 信号	DARWIN数据集中的Task 8 ('L'书写任务)	NA	混合Transformer, 1D-CNN, 2D-CNN	F1-score, 准确率	NA
1504	2025-11-08	An EEG-Based Seizure Prediction Model Encoding Brain Network Temporal Dynamics 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3584861 PMID:40601467	研究论文	提出一种基于脑电图的癫痫发作预测模型，通过编码脑网络时序动态特征实现患者无关的可靠预测	首次将脑网络亚稳态特性作为生理先验融入变分自编码器，通过对抗特征学习和最大均值差异度量缓解患者差异	未明确说明模型在临床数据集上的具体性能表现和跨数据集泛化能力	开发患者无关的癫痫发作预测方法	癫痫患者的脑电图数据	医疗人工智能	癫痫	脑电图	VAE, 对抗学习	脑电图时序数据	两个公开数据集和一个临床头皮脑电图数据集	NA	变分自编码器	AUC, 敏感度, 特异度	NA
1505	2025-11-08	3D Isotropic High-Resolution Fetal Brain MRI Reconstruction From Motion Corrupted Thick Data Based on Physical-Informed Unsupervised Learning 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3586049 PMID:40663667	研究论文	提出一种基于物理信息无监督学习的3D胎儿脑MRI重建方法，从运动伪影的厚层数据中重建各向同性高分辨率图像	首次将无监督迭代联合切片-体积配准和超分辨率重建深度学习框架应用于胎儿脑MRI重建，无需外部高分辨率训练数据	方法在临床胎儿MRI数据上的性能仍需进一步验证，未与其他无监督方法进行充分比较	开发无需外部高分辨率训练数据的胎儿脑MRI重建方法	胎儿脑部MRI图像	医学影像分析	胎儿脑发育	MRI	CNN	2D MRI切片，3D MRI体积	模拟数据和临床数据（具体数量未明确说明）	深度学习框架	卷积神经网络，深度图像先验框架	重建质量比较（具体指标未明确说明）	NA
1506	2025-07-21	Automatic quantification, grading and five-year prediction of myopic fundus tessellation: a multi-center, longitudinal deep learning study 2025-Nov, Science China. Life sciences DOI:10.1007/s11427-025-3002-y PMID:40681822	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1507	2025-11-08	Cellular optical imaging techniques: a dynamic advancing frontier 2025-Nov, Science China. Life sciences DOI:10.1007/s11427-024-2916-5 PMID:40681818	综述	本文综述了用于细胞研究的超分辨率光学成像技术的最新进展	系统总结了包括SIM、PS-SR、SMLM以及数学和深度学习超分辨率算法在内的多种前沿技术	作为综述文章，未涉及原始实验数据和研究验证	回顾和评估超分辨率光学成像技术在生物研究中的应用和发展	细胞层面的成像技术和方法	生物医学成像	NA	结构照明显微镜(SIM), 点扫描超分辨率显微镜(PS-SR), 单分子定位显微镜(SMLM)	深度学习	光学显微图像	NA	NA	NA	空间分辨率(约20nm), 信噪比	NA
1508	2025-11-08	Investigating Membership Inference Attacks Against CNN Models for BCI Systems 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3593443 PMID:40720264	研究论文	研究针对脑机接口系统中CNN模型的成员推断攻击及其隐私风险	首次对脑机接口CNN模型进行成员推断攻击的实证分析，重点解决异构数据集和时空设计选择两大挑战	攻击对其他类型数据（如图像和表格数据）的深度学习模型无效，研究结果可能受特定实验设置限制	探究脑机接口系统中CNN分类器的隐私漏洞	基于脑电图数据的CNN分类器	机器学习	NA	脑电图	CNN	脑电图信号	涉及多个参与者的脑电图数据集	NA	CNN	成员推断攻击成功率	NA
1509	2025-11-08	Verification is All You Need: Prompting Large Language Models for Zero-Shot Clinical Coding 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3593028 PMID:40720269	研究论文	提出基于代码验证的新型ICD编码范式，利用大型语言模型作为代码验证器而非生成器	首次将大型语言模型应用于临床编码验证任务，通过简化任务从直接生成代码转变为验证候选代码	在直接生成临床代码方面性能仍不理想，需要依赖候选代码集	提高临床编码在不同数据分布下的泛化性能	电子健康记录中的临床编码任务	自然语言处理	NA	大型语言模型	GPT-4o	医疗文本	CodiEsp数据集	NA	GPT-4o	准确率	NA
1510	2025-11-08	Feasibility of optical stereotactic navigation for rectosigmoid cancer with deep learning-supported 3D modelling 2025-Nov, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.110397 PMID:40907165	研究论文	本研究评估了深度学习支持的3D建模在直肠乙状结肠癌光学立体定向导航手术中的可行性	首次将深度学习生成的MRI分割与术前CT图像融合用于直肠乙状结肠癌的实时光学立体定向导航	单中心研究且样本量较小（仅10例患者）	评估光学立体定向导航在直肠乙状结肠癌手术中的实施可行性和准确性	局部晚期cT4bN0-2直肠癌或局部复发性直肠乙状结肠癌患者	数字病理	直肠癌	光学立体定向导航，CT-MRI图像融合	深度学习模型	医学影像（CT，MRI）	10例患者	NA	NA	目标配准误差，R0切除率，无瘤切缘率	NA
1511	2025-11-08	Epigenomic landscape of single vascular cells reflects developmental origin and disease risk loci 2025-Nov, Molecular systems biology IF:8.5Q1 DOI:10.1038/s44320-025-00140-2 PMID:40931195	研究论文	通过单细胞染色质可及性和基因表达谱分析揭示血管部位特异性疾病风险的调控机制	首次在三个血管部位同时进行单细胞表观基因组和转录组分析，发现关键调控增强子具有血管部位特异性，并整合GWAS数据通过深度学习模型预测变异效应	研究仅限于小鼠血管组织，尚未在人类样本中验证	探索血管部位特异性疾病风险的表观基因组和转录组基础	小鼠三个不同血管部位的血管组织	计算生物学	心血管疾病	scATACseq, scRNAseq, 全基因组关联分析	深度学习模型	单细胞表观基因组数据, 单细胞转录组数据, 基因组关联数据	三个血管部位的血管组织样本	ChromBPNet	NA	NA	NA
1512	2025-11-08	Cell-APP: A generalizable method for cell annotation and cell-segmentation model training 2025-Nov-01, Molecular biology of the cell IF:3.1Q3 DOI:10.1091/mbc.E25-02-0076 PMID:40991412	研究论文	提出一种自动化细胞注释和分割模型训练的方法Cell-APP，用于高通量显微镜数据分析	开发了结合透射光和核荧光图像自动生成高质量细胞分割训练数据的流程，支持构建细胞系特异性和多细胞系通用分割模型	NA	自动化细胞注释和分割模型训练，解决手工标注数据规模有限的问题	显微镜图像中的细胞	计算机视觉	NA	透射光成像、核荧光成像	Vision Transformer	显微镜图像	NA	NA	Vision Transformer	NA	NA
1513	2025-11-08	The impact of neck tilt on the accuracy of deep learning generated contours for CT images of the head and neck 2025-Nov, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70316 PMID:41183859	研究论文	本研究探讨颈部倾斜对头颈部CT图像深度学习自动分割轮廓准确性的影响	首次系统评估患者颈部倾斜对FDA批准的七种深度学习自动分割工具在头颈部放疗规划中性能的影响	样本量相对较小（35例），仅回顾性分析，未包含所有可能的解剖变异	评估异常颈部倾斜对头颈部CT扫描中深度学习自动分割轮廓准确性的影响	头颈部CT扫描图像中的危及器官（脑干、腮腺、颌下腺、臂丛神经、视神经）	医学影像分析	头颈部肿瘤	计算机断层扫描（CT）	深度学习自动分割模型	CT医学影像	35例头颈部CT扫描	NA	NA	DSC, sDSC, MDA, 平均剂量差异	NA
1514	2025-11-08	Integrative Graph-Based Framework for Predicting circRNA Drug Resistance Using Disease Contextualization and Deep Learning 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3457271 PMID:39255076	研究论文	提出一种整合疾病背景的图神经网络模型circRDRP，用于预测环状RNA介导的癌症耐药性	首次将疾病特异性背景整合到circRNA-药物相互作用分析中，采用GAT和GCN混合的图神经网络架构	未明确说明模型在其他癌症类型或药物中的泛化能力	开发计算模型预测circRNA介导的癌症耐药性	环状RNA、抗癌药物（如顺铂和甲氨蝶呤）、疾病背景	生物信息学	癌症	图神经网络、深度学习	GAT, GCN, CNN	生物网络数据	NA	NA	Graph Attention Networks, Graph Convolutional Networks, 卷积神经网络	准确率, 精确率, 召回率	NA
1515	2025-11-08	Denoising Motion-Corrupted Seismocardiogram Signals Using Score-Based Generative Diffusion Models 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3576385 PMID:40478705	研究论文	提出基于分数生成扩散模型的运动伪影消除方法，用于提升地震心动图信号质量	首次将分数生成扩散模型应用于地震心动图信号去噪，利用干净SCG心跳的周期性学习概率空间作为先验	仅在健康参与者数据集上进行验证，未在患者群体中测试	开发有效的运动伪影消除算法，实现日常环境中高质量SCG信号采集	地震心动图信号	信号处理	心血管疾病	分数生成扩散模型	扩散模型	地震心动图信号	健康参与者运动数据集	NA	分数生成扩散模型	平均绝对误差	NA
1516	2025-11-07	LSTM-Transformer hybrid model predicts and unveils total phosphorus dynamics and pollutions in Poyang Lake 2025-Nov-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.180622 PMID:41056607	研究论文	本研究开发LSTM-Transformer混合模型预测鄱阳湖总磷动态变化并揭示污染机制	首次将LSTM与Transformer结合用于湖泊磷污染预测，通过多头自注意力机制整合关键影响因素	模型在测试集上的相关系数为0.6428，仍有提升空间	预测鄱阳湖总磷动态趋势并识别污染驱动机制	鄱阳湖总磷污染	环境科学, 机器学习	NA	时空分析, 深度学习	LSTM, Transformer	时间序列数据	2013-2022年数据	NA	LSTM-Transformer混合架构	相关系数R, RMSE	NA
1517	2025-11-07	Water level forecasting in coastal cities using a hybrid deep learning approach 2025-Nov-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.180709 PMID:41101053	研究论文	本研究提出了一种结合CNN、Transformer和SKANs的混合深度学习模型，用于预测威尼斯每小时水位	首次将卷积神经网络、Transformer层和Swallow Kolmogorov Arnold Networks结合用于沿海城市水位预测	仅使用两年数据训练，历史数据可用性有限	开发准确实时的沿海城市洪水预测模型	意大利威尼斯的水位预测	机器学习	NA	深度学习	CNN, Transformer, SKANs	气象和水文数据	两年高分辨率数据	NA	CNN-Transformer-SKANs	Nash-Sutcliffe Efficiency, Root Mean Square Error	NA
1518	2025-11-07	Improve deep learning-based reconstruction of optical coherence tomography angiography by siamese U-Net 2025-Nov-06, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae183c PMID:41151103	研究论文	提出一种结合Siamese架构和多分支坐标交叉注意力模块的SU-Net模型，用于改进光学相干断层扫描血管成像的重建质量	首次将Siamese架构与多分支坐标交叉注意力模块集成到U-Net中，更好地学习与血流相关的通道间差异	仅在12个三维人体皮肤OCTA图像上验证，样本量有限	改进基于深度学习的OCTA B扫描重建质量，减少图像采集次数	人体皮肤光学相干断层扫描血管成像数据	计算机视觉	NA	光学相干断层扫描血管成像	U-Net, Siamese网络	三维医学图像	来自8名志愿者的12个三维体积图像	NA	U-Net, DnCNN, ResNet, DenseNet	PSNR, SSIM	NA
1519	2025-11-07	Torso synthetic CT generation by integrating deep learning and segmentation for FDG-PET/MR attenuation correction 2025-Nov-06, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae13ff PMID:41101339	研究论文	提出一种结合深度学习和分割技术的方法，从Dixon MR图像生成躯干合成CT用于PET/MR衰减校正	首次将深度学习与基于阈值的分割方法相结合，实现从Dixon MR图像生成完整躯干的衰减校正图	样本量较小（29个数据集），仅针对FDG-PET/MR应用	提高PET/MR系统中衰减校正的准确性	躯干区域（从颅底到大腿中部）的FDG-PET/MR数据	医学影像分析	NA	FDG-PET/MR, Dixon MR	GAN, U-net	医学影像（MR和CT图像）	29个前瞻性收集的配对FDG-PET/CT和MR数据集（15个训练，14个测试）	NA	U-net Residual Network conditional Generative Adversarial Network (URcGAN)	平均绝对差异（HU）, SUV差异百分比, 标准差	NA
1520	2025-11-07	Deep learning model using contrast-enhanced CT for predicting overall survival in oropharyngeal squamous cell carcinoma: a prospective multicenter study 2025-Nov-06, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12120-z PMID:41196362	研究论文	开发并验证基于对比增强CT的深度学习模型用于预测口咽鳞状细胞癌患者的总生存期	首次将Swin Transformer V2架构应用于口咽鳞状细胞癌生存预测，结合影像组学特征和临床因素构建多中心验证的深度学习-临床特征模型	样本量相对有限，需要更大规模的前瞻性研究进一步验证	开发准确预测口咽鳞状细胞癌患者总生存期的非侵入性工具	口咽鳞状细胞癌患者	医学影像分析	口咽鳞状细胞癌	对比增强CT成像	深度学习	医学影像	319例患者（269例回顾性，50例前瞻性）	PyRadiomics	Swin Transformer V2	C-index, 时间依赖性ROC, 校准曲线, 决策曲线分析	NA