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
3141	2026-08-07	Lightweight LLM-Based Anomaly Detection Framework for Securing IoTMD Enabled Diabetes Management Control Systems 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3577604 PMID:40489281	研究论文	本研究评估了多种轻量级大语言模型在物联网医疗设备启用的糖尿病管理控制系统中的异常检测性能，其中微调的LLaMA 3.2 1B-Instruct模型表现最佳	首次将轻量级大语言模型与低秩适配技术应用于物联网医疗设备的异常检测，实现了高精度和零误报率，超越了传统深度学习方法	研究仅基于仿真或特定数据集，未涉及真实临床环境，且未详细探讨模型在对抗性攻击下的鲁棒性	开发并评估轻量级大语言模型用于增强物联网医疗设备糖尿病管理控制系统的安全性，以检测网络威胁	物联网医疗设备中的糖尿病管理控制系统，以及其中的异常检测任务	机器学习	糖尿病	低秩适配微调	大语言模型（LLM）	NA	NA	NA	LLaMA 3.2 1B-Instruct, GPT-2, Phi-1, Gemma 2B-Instruct, IL-MLP, IL-CNN, FL-MLP, FL-CNN	准确率, 精确率, 假阳性率	NA
3142	2026-08-07	Development of a Tongue Image-Based Machine Learning Tool for the Diagnosis of Colorectal Cancer: A Prospective Multicentre Clinical Cohort Study 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3585552 PMID:40601462	研究论文	本研究开发了一种基于舌象图像的机器学习工具，用于辅助诊断结直肠癌，并进行了前瞻性多中心临床队列验证	创新性地结合了传统舌诊与现代机器学习，使用SAM和Grounding DINO进行图像分割，融合手工特征和Swin-Transformer深度学习特征，实现了高准确率的非侵入性诊断	外部验证队列样本量相对较小，可能限制结果的普遍性；未涉及与其他诊断方法的直接比较	开发一种非侵入性、经济有效的基于舌象图像的智能诊断模型，以辅助结直肠癌筛查，尤其在传统诊断资源有限的地区	结直肠癌患者和非结直肠癌参与者的舌象图像	医学影像分析	结直肠癌	图像分割、特征提取和融合技术	机器学习模型，具体包括SAM, Grounding DINO, Swin-Transformer	舌象图像	内部分析包括1,389张结直肠癌患者舌象和1,543张非结直肠癌参与者舌象；外部验证包括119名结直肠癌患者和221名非结直肠癌参与者的舌象	NA	SAM, Grounding DINO, Swin-Transformer	准确率, F1-score, 精确率, 召回率	未提及
3143	2026-08-07	HRMamba: Fusing Luminance Information for Remote Physiological Measurement in Varied Lighting Conditions 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3603308 PMID:40956747	研究论文	提出了一种基于Mamba的端到端方法HRMamba，通过融合亮度信息在复杂光照条件下从面部视频中提取远程生理信号	首次将Mamba架构应用于远程光电容积描记（cbPPG）任务，设计了时间差分Mamba处理时序信号，并结合双向状态空间理解场景和周期性模式，创新性地设计了亮度后处理模块以在不增强光线或改动原始视频的情况下提取亮度信息并嵌入PPG信号	摘要中未明确提及局限性	解决现有深度学习方法在cbPPG中提取微弱PPG信号、理解长上下文周期性模式以及在低光等复杂光照环境下准确提取PPG信号的挑战	面部视频中的远程光电容积描记（cbPPG）信号，用于提取心率、呼吸率和血氧饱和度等生命体征	计算机视觉	NA	NA	Mamba	视频	NA	NA	Mamba, 时间差分Mamba, 双向状态空间模型, 亮度后处理模块	性能指标未在摘要中具体列出，但声称达到最优性能	NA
3144	2026-08-07	Evaluation of Self-Supervised Representation Learning for Mitosis Detection in Histopathological Images 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3629587 PMID:41284437	研究论文	本研究评估了基于自监督学习（DINO）的基础模型在组织病理图像中有丝分裂检测中的应用	首次将自监督学习基础模型（DINO）用于组织病理图像中的有丝分裂检测，消除了昂贵训练阶段的需求，并展示了与监督模型相当的性能	基础模型性能略低于监督模型，且仅评估了有限数量的基础模型架构	评估自监督学习基础模型在组织病理图像有丝分裂检测中的适用性，以提高资源效率	组织病理图像中的有丝分裂细胞	数字病理学	癌症	自监督学习（DINO）	Vision Transformer (ViT), Cross-Covariance Image Transformers (XCiT), ResNet-50	图像	使用MIDOG2021、MIDOG2022和ICPR2014数据集	NA	Vision Transformer (ViT), Cross-Covariance Image Transformers (XCiT), ResNet-50	F1分数	NA
3145	2026-08-07	ToothSeg: Robust Tooth Instance Segmentation and Numbering in CBCT Using Deep Learning and Self-Correction 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3650444 PMID:41477803	研究论文	本文介绍ToothSeg，一种基于深度学习和自我校正的全自动牙齿实例分割与编号方法，用于锥形束CT影像	将语义分割和实例分割统一到一个方法中，并采用自我校正机制解决牙齿合并或分裂问题，确定每个牙弓的牙齿编号最优顺序	未在论文中明确提及，但可能涉及对图像伪影和解剖变异的泛化挑战	实现CBCT中牙齿的自动实例分割和编号，减少人工工作量并支持口腔和颅面健康的研究	CBCT影像中的牙齿	计算机视觉	口腔疾病	CBCT	深度学习模型（语义分割和实例分割）	图像	内部数据集1282个样本（25+设备），ToothFairy2挑战数据集480个样本（1个设备）	NA	语义分割模型（未指定具体架构），实例分割模型（未指定具体架构）	True Positive Dice, multiclass instance F1	NA
3146	2026-08-07	Enhancing Fairness in Skin Lesion Classification for Medical Diagnosis Using Prune Learning 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3652910 PMID:41525640	研究论文	提出了一种通过剪枝学习增强皮肤病变分类公平性的算法，应用于VGG11和ViT-B16模型，在不牺牲准确率的前提下提升了公平性指标并减小了模型规模	通过计算卷积层特征图及ViT补丁和头的偏度，剪除与肤色相关的无关通道，聚焦病变区域，无需肤色标签即可实现公平性提升	未提及具体局限性，可能包括验证范围有限或对特定数据集依赖	提升皮肤病变分类在不同肤色间的公平性，同时减少计算开销和模型大小	皮肤病变图像分类任务中的公平性提升	计算机视觉, 数字病理学	皮肤癌	剪枝学习	CNN, Transformer	图像	未明确说明	PyTorch	VGG11, ViT-B16	准确率, F1分数, 公平性指标	未明确说明
3147	2026-08-07	SAFusion: Scenario-Adaptive Network for Multimodal Medical Image Fusion 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3651957 PMID:41525647	研究论文	提出了一种场景自适应的多模态医学图像融合网络SAFusion，采用两阶段训练过程和包含场景专用与通用融合模块的融合层，以应对不同融合场景的需求	创新性地提出场景自适应融合网络，通过两阶段训练和混合专家模型定制融合策略，以及基于标准卷积和可变形卷积门控机制的双路径融合结构，实现对不同场景的自适应优化	摘要未提及明确局限性	解决现有深度学习方法忽略不同融合场景差异的问题，提供灵活高效的医学图像融合方案以支持临床诊断和治疗	多模态医学图像，涉及不同融合场景	计算机视觉	不适用	深度学习（自动编码器、混合专家模型、卷积神经网络）	自动编码器、混合专家模型、卷积神经网络	医学图像	摘要未提及样本数量	不适用	自动编码器、混合专家模型、标准卷积、可变形卷积	信息集成、视觉一致性（未提及具体指标）	不适用
3148	2026-08-07	PosFormer: Generalizable Indoor Positioning via Global--Local Feature Fusion Network 2026-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3650775 PMID:41528915	研究论文	提出一种基于Transformer和CNN双融合网络的室内定位方法PosFormer，旨在提高UWB在NLOS环境下的定位精度	利用多径物理信息启发设计Transformer和CNN双融合网络，同时捕获CIR的全局和局部特征；设计非相邻锚点子集方案丰富CIR多样性；引入轻量迁移学习框架增强跨环境部署鲁棒性	未提及具体局限性	解决UWB在复杂NLOS环境下的定位精度问题，实现高精度且具有跨环境泛化能力的室内定位	室内定位中的UWB信号信道脉冲响应（CIR）	机器学习	NA	UWB	Transformer, CNN	信号数据（信道脉冲响应）	公共工业数据集，但未提供具体样本数量；迁移学习实验使用20%的指纹样本	NA	Transformer, CNN	平均绝对误差（MAE）	NA
3149	2026-08-07	EEGMoE: A Domain-Decoupled Mixture-of-Experts Model for Self-Supervised EEG Representation Learning 2026-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3652277 PMID:41553887	研究论文	提出了一种基于领域解耦的混合专家模型EEGMoE，用于自监督脑电图表示学习，并在多个任务上验证了其泛化能力	提出领域解耦的编码器设计，通过特定和共享专家组分别学习领域特异和领域共享的表示，并采用Top-K路由和软路由策略	文中未明确提及局限性	实现脑电图数据的自监督表示学习，提高模型的泛化能力和领域适应能力	脑电图数据，涵盖情绪识别、运动想象分类和精神负荷检测等任务	机器学习	不适用	自监督预训练	Transformer、混合专家模型	脑电图信号	多个公开数据集（具体数量未提及）	未提及	Transformer、混合专家块（包含特定和共享专家组）	准确率、F1分数	未提及
3150	2026-08-07	A Conditional GAN-Based Framework for Sparse sEMG Data Augmentation With Muscle Synergy Prior Constraints 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3656514 PMID:41570105	研究论文	提出了一种基于条件GAN的框架，通过肌肉协同先验约束增强稀疏表面肌电信号数据，以提高信号真实感和下游任务性能	创新性地设计了基于图卷积网络的生成器以建模多通道肌电信号间的复杂通道关系，并引入肌肉协同先验作为动态损失函数以确保生理合理性	未提及具体限制	解决现有生成方法在顺序通道生成中的误差累积、通道关系建模不足及缺乏生理约束的问题，提高生成肌电信号的生物保真度	稀疏表面肌电信号	机器学习, 数字病理学	NA	表面肌电信号采集	条件生成对抗网络, 图卷积网络	肌电信号	使用了IRASS数据集和公共数据集NinaPro DB1和DB2	NA	条件生成对抗网络, 图卷积网络	信号真实性, 下游任务性能	NA
3151	2026-08-07	PGST: A Prototype-Guided Parameter-Efficient Network for Spatial Transcriptomics Prediction 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3666148 PMID:41701590	研究论文	提出一种基于原型引导的参数高效网络（PGST），用于空间转录组学中的基因表达预测，通过极坐标嵌入、原型引导聚合、共享解码器和轻量级设计提升性能，在多个数据集上优于现有方法	引入极坐标嵌入策略（PEST）处理空间转录组学的位置编码特殊性，采用原型引导聚合保留全局共特征，共享解码器增强全局一致性，并实现轻量级架构设计以提高参数效率	摘要中未提及具体局限性	解决空间转录组学中基因表达预测的现有方法缺陷，包括空间特异性不足、忽略空间共表达模式、对噪声和分布偏移敏感以及参数效率低	空间转录组学数据中的基因表达模式	空间转录组学、深度学习	NA	空间转录组学（ST）	图神经网络、对比学习	空间转录组数据（图像和基因表达数据）	NA	NA	PGST（含PEST模块、原型引导聚合器、共享解码器）	NA	NA
3152	2026-08-07	OnUVS: An Online Motion Transfer Framework With Content-Texture Decoupling for High-Fidelity Ultrasound Video Synthesis 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3661871 PMID:41701591	研究论文	提出了一种名为OnUVS的在线运动迁移框架，用于高保真超声视频合成，通过内容-纹理解耦提高视频质量和运动一致性	引入弱监督关键点学习增强运动表示，采用双解码器生成器平衡内容和纹理特征，并设计在线学习策略平滑帧间连贯性	未提及具体限制，但可能涉及对罕见病案例的视频合成仍需进一步验证	解决超声视频稀缺问题，通过高质量视频合成提升诊断应用和深度学习模型训练效果	超声视频，包括心回波图和盆底超声数据	计算机视觉	心脏病和盆腔疾病	NA	生成对抗网络（GAN）	视频	心回波图和盆底超声数据集，具体数量未提及	NA	双解码器生成器和多尺度判别器	FVD（帧间视频距离）和FID（弗雷歇初始距离）	NA
3153	2026-08-07	Cerebral Lateralization Assessment: An Explainable Deep Learning Approach With Channel Attention Mechanism 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3583038 PMID:40560711	研究论文	提出了一种基于通道注意力机制的可解释深度学习方法，用于通过脑电图交叉频率耦合评估大脑偏侧化模式	利用合成信号预训练网络以计算相位-幅度耦合，采用对称架构评估半球间差异，并引入自定义注意力层增强可解释性和检测细微偏侧化差异	脑电图数据标签样本有限、高维噪声特性可能导致过拟合和泛化能力差，以及受试者间的时空变异性问题	开发一种深度学习方法，通过基于交叉频率耦合的半球间功能差异来揭示大脑偏侧化模式，并支持临床应用	大脑偏侧化相关的神经状态，基于脑电图信号	机器学习	神经疾病（未具体指定）	脑电图	深度神经网络	脑电图信号	未提及	未提及	对称架构、注意力层	AUC	未提及
3154	2026-08-07	Towards Reliable Prediction: A Bayesian Continual Learning Approach for Clinical Time-Series Data 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3598718 PMID:40889322	研究论文	提出了一种基于贝叶斯LSTM的持续学习算法C-BLSTM，用于处理临床时间序列数据的预测，并提高模型的泛化能力。	首次将贝叶斯LSTM与持续学习结合，通过架构剪枝、变分推断正则化与核心集重放策略实现领域增量学习，提升临床时间序列预测的可靠性和泛化性。	摘要未提及明显的局限性，但可能涉及计算复杂度或对特定数据分布假设的依赖。	解决临床时间序列数据预测中的模型泛化问题，通过持续学习应对数据分布漂移，提高预测性能和可靠性。	临床时间序列数据，包括电子病历数据用于死亡预测，以及心力衰竭患者再入院风险和2型糖尿病患者糖化血红蛋白结果的真实世界数据。	机器学习	心力衰竭, 2型糖尿病	NA	LSTM	时间序列数据	两个公开电子病历数据集和两个真实世界临床时间序列数据集（具体数量未知）	NA	LSTM	性能指标包括预测准确性和可靠性（具体指标未提及）	NA
3155	2026-08-07	TUNA: A Target-Aware Unified Network for Protein-Ligand Binding Affinity Prediction via Multi-Modal Feature Integration 2026-Aug, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3643854 PMID:41385420	研究论文	提出了一种名为TUNA的新型深度学习模型，通过整合全局蛋白序列、局部口袋表示、基于SMILES的配体特征和分子图结构等多模态特征来预测蛋白质-配体结合亲和力	整合了全局序列、口袋级信息和配体多模态特征，并采用跨模态注意力机制实现可解释的结合位点推断	未明确提及，但可能包括对无已知结构靶标的依赖和计算资源需求	提高蛋白质-配体结合亲和力预测的准确性，特别是针对无已知结构的靶标	蛋白质-配体复合物的结合亲和力预测	机器学习、药物发现	NA	三维结构推断、口袋检测、预训练模型嵌入	深度学习模型（未具体指定架构类型）	蛋白质序列、口袋序列、配体SMILES、分子图结构	PDBbind和BindingDB数据集	NA	跨模态注意力机制	准确性、竞争力（未具体列出指标，可能包括RMSE、皮尔逊相关系数等）	未明确提及，可能包括GPU等
3156	2026-08-07	IoT-powered wearable assist device for visually impaired 2026-05, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2025.2582033 PMID:41182323	研究论文	本研究开发并评估了一种基于物联网的可穿戴辅助设备，该设备结合实时物体检测、人脸识别和障碍物感知，旨在改善视力障碍者的行动能力和环境交互。	将物联网、深度学习（SVM、ResNet-50、YOLOv4）和低成本硬件集成到一个统一的可穿戴系统中，实现了高精度、低延迟的实时辅助导航。	缺乏大规模用户验证，未提及设备舒适性、电池寿命等实际应用中的潜在问题。	开发并评估一种物联网驱动的可穿戴辅助设备，以提高视力障碍者的障碍物感知、移动能力和环境交互。	视力障碍者以及开发的可穿戴辅助设备原型。	计算机视觉	视觉障碍	物联网、深度学习、机器学习	SVM、CNN（ResNet-50）、YOLOv4	图像、传感器数据	未明确提及样本量，但系统在多种环境条件下进行了评估。	未明确提及，但可能涉及TensorFlow或PyTorch（基于深度学习模型）	ResNet-50, YOLOv4, SVM	准确率、精确率、召回率、F1分数	未明确提及，但涉及ESP32-CAM模块和Arduino微控制器，可能使用边缘计算设备。
3157	2026-08-07	Smartphone-integrated molecularly imprinted sensor with convolutional neural networks for on-site detection of Norfloxacin 2026-04-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345196 PMID:41765623	研究论文	开发了一种集成双发射分子印迹荧光传感器与卷积神经网络的智能手机便携式平台，用于诺氟沙星的现场快速检测	将分子印迹荧光传感器与深度学习结合，利用智能手机捕获图像并通过CNN模型自动提取浓度特征，超越传统RGB分析，有效校正环境干扰，实现生物样品中诺氟沙星的超灵敏检测	未提及具体局限性	实现诺氟沙星的快速、现场、高灵敏检测，为水产品安全保障中的抗生素监测提供技术支持	诺氟沙星（NOR）抗生素	机器学习	不适用	分子印迹荧光传感、深度学习	卷积神经网络（CNN）	荧光图像	生物样品（具体数量未提及）	NA	四种CNN模型（具体架构未提及）	检测限、回收率、相对标准偏差	NA
3158	2026-08-07	A multimodal approach integrating spectroscopy, deep learning guided molecular docking, and molecular dynamics simulation for predictive assessment of pioglitazone to albumin binding for formulation development 2026-03-12, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d5ay01534k PMID:41738395	研究论文	该研究采用多模态方法，结合光谱学、深度学习引导的分子对接和分子动力学模拟，评估吡格列酮与白蛋白的结合亲和力，以支持制剂开发	整合紫外光谱、荧光光谱、深度学习工具DynamicBind和分子动力学模拟的多模态方法，提供对药物-蛋白质结合亲和力的综合评估	摘要中未明确提及局限性	通过分析人血清白蛋白与吡格列酮的结合亲和力，为制剂开发提供关键信息	人血清白蛋白与吡格列酮的复合物	分子对接、机器学习、数字病理学	NA	紫外光谱、荧光光谱、深度学习引导的分子对接、分子动力学模拟	深度学习（DynamicBind）、分子动力学模拟	光谱数据、分子结构数据	不同组合的HSA和吡格列酮复合物（具体数量未在摘要中明确）	NA	DynamicBind	结合常数、cLDDT分数、结合亲和力值、均方根偏差、回转半径、均方根波动	NA
3159	2026-08-07	AI-based intelligent sensing detection of cybersecurity threats using multimodal sensor data in smart devices 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40614-3 PMID:41748759	研究论文	本文提出一种基于深度学习的多模态传感架构，用于识别智能设备上由传感器引发的网络攻击	采用混合CNN-RNN-Transformer架构，融合异构传感器特征并考虑时空交互，实现了边缘硬件上的实时威胁检测	未明确提及，可能受限于数据集标注质量和特定传感器类型	开发一种可扩展的多模态深度学习框架，以提高物联网环境下网络物理威胁检测的准确性和实时性	智能设备中的异构传感器数据（加速度计、陀螺仪、麦克风、温度传感器）	机器学习	NA	多模态传感数据融合、深度学习	CNN-RNN-Transformer混合模型	多模态传感器数据、网络流量数据（文本/数值）	使用了一个手工标注的多模态数据集和两个公开基准数据集（CICIDS-2017和IoT-23）	NA	CNN, RNN, Transformer	AUC, F1-score, 推理延迟	边缘硬件（具体型号未提及）
3160	2026-08-07	SiQDs and [Ru(bpy)2(phen-NH2)]2+ based ratiometric fluorescence probe for point-of-care testing of 6PPD-quinone with 3D-printing portable devices 2026-02-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345075 PMID:41577417	研究论文	本研究提出了一种基于硅量子点和钌配合物的比率荧光探针，结合深度学习与智能手机，用于6PPD-醌的即时检测	首次将深度学习与智能手机集成的比率荧光传感器用于6PPD-醌检测，采用YOLOv5算法定位荧光图像并获取RGB值，提高了检测精度和可视化能力	摘要中未明确提及局限性	开发一种快速、高响应、特异性的6PPD-醌检测方法，以实现低成本、便捷、可视化和实时检测	6PPD-醌（N-苯基-N'-(1,3-二甲基丁基)-对苯二胺-醌）	计算机视觉	NA	荧光光谱法	深度学习模型	图像	NA	PyTorch	YOLOv5	线性关系、检测限	NA