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
4261	2026-07-07	Geometric Deep Learning for Protein-Ligand Affinity Prediction With Hybrid Message Passing Strategies 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3594210 PMID:40748800	研究论文	提出一种名为HybridGeo的几何深度学习方法，利用混合消息传递策略进行蛋白质-配体亲和力预测	采用双视图图学习建模分子内和分子间原子相互作用，并提出混合策略聚合空间信息；在蛋白质口袋残基尺度图上使用几何图变换器建模残基间依赖关系	未明确说明局限性	提高蛋白质-配体亲和力预测的准确性，解决低维方法忽略三维几何特征的问题	蛋白质和配体的三维几何结构及其结合亲和力	机器学习	NA	NA	图神经网络、几何图变换器	三维几何结构数据	PDBbind数据集，三个外部测试集	NA	HybridGeo、几何图变换器	均方根误差	NA
4262	2026-07-07	Leveraging Swin Transformer for Enhanced Diagnosis of Alzheimer's Disease Using Multi-Shell Diffusion MRI 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3636745 PMID:41284461	研究论文	利用Swin Transformer在多壳扩散MRI数据上增强阿尔茨海默病的诊断	首次将Swin Transformer应用于多壳扩散MRI数据，并结合低秩适应（LoRA）技术以高效适应有限的标记神经影像数据	依赖多壳扩散MRI特征，且样本量可能有限，未提及跨数据集验证	支持阿尔茨海默病的早期诊断和淀粉样蛋白积累检测	阿尔茨海默病、轻度认知障碍、淀粉样蛋白状态	计算机视觉, 数字病理学	阿尔茨海默病	扩散MRI, DTI, NODDI	Swin Transformer	图像（2D投影）	未明确说明	PyTorch	Swin Transformer	平衡准确率	NA
4263	2026-07-07	Cross-Modality Image Registration via Generating Aligned Image Using Reference-Augmented Framework 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3642431 PMID:41370158	研究论文	提出一种基于参考增强框架的跨模态图像配准方法，通过生成对齐图像实现	首次提出“通过生成进行配准”框架，结合半全局参考增强合成网络与变形感知交叉注意力机制，实现无需预对齐数据的自监督训练	论文未明确指出本方法的局限性，可能包括对高度非线性形变的处理能力有限或计算资源需求较高	解决跨模态图像（如MR-CT、CBCT-CT）配准中结构对齐与纹理保留的难题	跨模态医学图像对，涉及MR-CT、CBCT-CT等模态组合	计算机视觉，数字病理学	不适用	不适用	深度学习	图像	使用多个未对齐数据集及一个已对齐数据集进行模拟测试，具体样本数量未提及	PyTorch	Patch Adaptive Instance Normalization (PAdaIN), Deformation-Aware Cross-Attention (DACA) block	结构对齐指标，分布一致性指标	不适用
4264	2026-07-07	Clinically Generalizable Low-Dose CT Denoising for Pediatric Imaging via Enhanced Diffusion Posterior Sampling 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3642922 PMID:41379899	研究论文	提出增强扩散后验采样框架，用于儿科低剂量CT图像去噪，提升泛化能力与结构保真度	结合单步去噪U-Net和无条件扩散模型，通过可调权重整合结构约束与先验分布，并引入中间阶段初始化策略减少采样步数	未提及在更大规模临床数据或多中心验证中的表现，以及计算资源需求的具体评估	实现临床可泛化的低剂量CT去噪方法，特别面向儿科影像以减少辐射剂量	儿科患者全身PET/CT影像中的低剂量CT图像	计算机视觉	儿科疾病	CT成像	U-Net和无条件扩散模型	图像	NA	NA	U-Net, 扩散模型	PSNR	NA
4265	2026-07-07	Graph Attention Fusion With Kolmogorov-Arnold Network for Drug-Gene Interaction Prediction 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3625672 PMID:41379905	研究论文	提出基于图注意力融合与KAN网络的药物-基因相互作用预测方法（dgKAN），通过解析异构注意力机制提升预测性能	首次将KAN网络应用于药物-基因相互作用预测，通过可解释的样条函数建模跨域信息流，并联合动态注意力采样与Transformer-GNN混合架构实现全局与局部注意力融合	NA	预测药物-基因新型相互作用，支持疾病治疗的药物开发	药物与基因之间的相互作用关系	机器学习	NA	NA	图注意力网络、Transformer、KAN	图结构数据	NA	PyTorch	TransGNN、KAN	NA	NA
4266	2026-07-07	Toward Robust Assessment of Pathological Voices via Combined Low-Level Descriptors and Foundation Model Representations 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3644692 PMID:41396745	研究论文	本文提出VOQANet和VOQANet+深度学习框架，通过结合语音基础模型嵌入和低层声学描述符实现鲁棒的病理语音质量评估	首次将自监督语音基础模型嵌入与低层声学描述符（jitter、shimmer、HNR）结合，并引入注意力机制，同时在元音级和句子级语音上评估模型泛化能力	未提及具体局限性信息	实现客观、鲁棒的病理语音质量自动评估，克服传统专家评分的主观性和变异性	病态语音信号（包括元音级和句子级语音）	自然语言处理, 机器学习	嗓音障碍	深度学习, 自监督学习, 声学分析	VOQANet, VOQANet+	语音	未明确提及样本数量，包含元音级和句子级语音数据	PyTorch	注意力机制, 语音基础模型嵌入	均方根误差, 皮尔逊相关系数	NA
4267	2026-07-07	Memory-Efficient Intrinsic Gating Adaptation for Enhanced On-Device Epilepsy Diagnosis 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3643602 PMID:41396749	研究论文	提出一种内存高效的内在门控适应框架（MEIGA），用于在资源受限的边缘设备上增强癫痫诊断的实时适应能力	首次将直接反馈对齐（DFA）与轻量级适配器网络结合，实现高效内存和计算开销下的癫痫诊断模型自适应，显著提升跨会话分类性能	在论文中没有明确说明局限性	解决边缘设备上基于EEG的癫痫诊断因患者生物标志物随时间变化而导致的性能下降问题	癫痫患者脑电图（EEG）数据及其跨会话的生物标志物变化	机器学习	癫痫	EEG	Vision Transformer (ViT)	EEG信号	CHB-MIT癫痫数据集和AES数据集	PyTorch	Vision Transformer	准确率	边缘设备（具体GPU未提及）
4268	2026-07-07	Diffusion Tensor Magnetic Resonance Image Registration Based on Parallel Dual-Channel VoxelMorph 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3644884 PMID:41406277	研究论文	提出一种基于并行双通道VoxelMorph的扩散张量磁共振图像配准方法（DTI-RBPDV），以提高配准精度和计算速度	该方法采用双分支卷积神经网络架构并行处理分数各向异性图像和主特征向量，并在解码器层集成通道空间注意力机制以增强关键结构对齐	未提及具体限制	解决传统DTI配准方法迭代速度慢、精度低的问题	扩散张量磁共振图像中的张量数据	计算机视觉	NA	扩散张量磁共振成像	卷积神经网络	图像	NA	NA	VoxelMorph	配准精度、计算速度	NA
4269	2026-07-07	Multi-Scale, Multi-Basis Wavelet Voting Network for Automatic Analysis of Fetal Heart Rate Signals 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3647057 PMID:41428927	研究论文	提出一种多尺度多基小波投票网络WaveFHR-VNet，用于自动分析胎儿心率信号中的基线、加速和减速事件	首次在U-Net架构的每个编码块中嵌入离散小波变换，实现联合时频域分析；引入交互式系数选择模块学习注意力掩码以抑制噪声并增强诊断性瞬变；并行使用五种互补小波基并通过投票层融合输出，消除手动基选择	未提及对极低质量或缺失信号的鲁棒性，以及计算复杂度或实时应用的可行性	提高胎儿心率信号自动分析的准确性，克服现有深度学习模型忽略时频结构导致的加速/减速事件漏检和噪声敏感问题	胎儿心率记录中的基线、加速和减速事件	数字病理学	产科疾病	NA	CNN	一维时间序列信号	四个胎儿心率数据集（包括LCU-DB等）	PyTorch	U-Net风格的多尺度多基小波投票网络（WaveFHR-VNet）	Dice系数, 交并比, 准确率	NA
4270	2026-07-07	Multi-Task Learning for OSA Detection and Sleep Staging via Multi-Scale Modeling 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3647317 PMID:41433180	研究论文	提出MT-TASPPNet多任务网络，同时实现OSA事件检测与睡眠分期	首次同时处理OSA检测和睡眠分期两项任务，引入多尺度时序-频率捕捉机制和EOG引导先验机制	未明确提及局限性	开发统一的多模态多任务网络联合进行OSA检测和睡眠分期	阻塞性睡眠呼吸暂停（OSA）患者与睡眠结构分析	机器学习	睡眠呼吸障碍（阻塞性睡眠呼吸暂停）	多模态生理信号分析（EEG、ECG、气流、EOG）	多任务深度学习网络	多模态生理信号（EEG、ECG、气流、EOG）	三个大规模数据集（SHHS1、SHHS2、悉尼睡眠生物库），样本数未具体说明	NA	MT-TASPPNet（多任务三重空洞空间金字塔池化网络）	准确率（Accuracy）、宏F1分数（MF1）、Cohen's Kappa系数（K）	NA
4271	2026-07-07	Re-Visible Dual-Domain Self-Supervised Deep Unfolding Network for MRI Reconstruction 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3647429 PMID:41433179	研究论文	提出一种新型的重新可见双域自监督深度展开网络，用于仅利用欠采样数据进行磁共振图像重建	引入重新可见双域损失函数，利用所有欠采样k空间数据进行训练以缓解输入分布偏移；并设计基于Chambolle和Pock近邻点算法的深度展开网络，结合空间-频率特征提取块来捕捉全局与局部表示，有效融合成像物理与全面图像先验	NA	解决仅利用欠采样数据时，现有自监督方法由于进一步划分k空间数据导致的输入分布偏移以及未有效整合图像先验导致的重建性能下降问题	磁共振图像重建	计算机视觉	NA	磁共振成像	深度展开网络	k空间数据	单线圈和多线圈数据集	PyTorch	DUN-CP-PPA, SFFE	重建性能, 泛化能力	NA
4272	2026-07-07	DePerio: Innovative Deep Learning-Based Framework for Periodontal Disease Diagnosis and Severity Evaluation Using Saliva Samples 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3647413 PMID:41433182	研究论文	提出名为DePerio的深度学习框架，利用唾液样本中的口腔多形核中性粒细胞(oPMNs)进行牙周病诊断和严重程度评估	结合新型oPMN分离协议与深度神经网络架构，实现针对口腔特异性oPMNs的准确检测与量化，适用于牙周病的早期诊断和长期监测	研究未明确讨论模型在不同人群或更大样本量下的泛化能力，以及实际临床部署中可能存在的硬件或操作复杂度问题	开发基于深度学习的唾液样本分析方法，实现牙周病的早期检测和严重程度评估	人类唾液样本中的口腔多形核中性粒细胞(oPMNs)	计算机视觉	牙周病	唾液样本分析、oPMN分离协议	深度神经网络(DNN)	图像	111个人类唾液样本，涵盖从健康到重度牙周炎病例	NA	多种DNN架构（未明确指定具体名称）	检测误差率（<5%），分类准确率（五个口腔炎症负荷水平）	NA
4273	2026-07-07	Application of Graph Neural Networks on ECG Data: A Systematic Literature Review 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3651842 PMID:41525638	综述	系统综述图神经网络在心电图数据上的应用，比较不同方法并识别主要方向和研究空白	首次系统综述基于几何深度学习的心电图分析方法，聚焦图神经网络在多导联心电图中的空间建模应用，并提出未来研究方向	缺乏12导联心电图的多样化应用研究，多导联空间建模是否显著改善心律失常分类尚不明确	系统评述图神经网络在心电图数据分析中的方法优劣，识别研究前沿与空白	心电图数据，特别是多导联心电图的图神经网络分析方法	自然语言处理	心律失常	心电图	图神经网络	时间序列	NA	NA	图神经网络	NA	NA
4274	2026-07-07	Deep learning and statistical methods identify novel asthma risk variants in Europeans 2026-Jul, The Journal of allergy and clinical immunology IF:11.4Q1 DOI:10.1016/j.jaci.2026.03.016 PMID:41932550	研究论文	通过深度学习和统计方法识别欧洲人群新的哮喘风险变异	结合Transformer深度学习框架和多性状分析、条件错误发现率等统计方法，发现新的候选位点并改进多基因风险预测	NA	细化欧洲裔人群的哮喘遗传景观并改进多基因风险预测	欧洲裔人群	机器学习	哮喘	全基因组关联研究(GWAS)荟萃分析、多性状分析、条件错误发现率	Transformer	遗传变异数据	121,940名病例和1,254,131名对照（全球生物库荟萃分析倡议）；36,823名病例和398,278名对照（百万退伍军人计划）	NA	Transformer	多基因风险评分（PRS）预测性能	NA
4275	2026-07-07	Multi-Task Learning for Gait Phase and Gait Cycle Percentage Prediction With Wearable Sensors in Frail Older Adults 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3643724 PMID:41385418	研究论文	提出一种基于可穿戴传感器的多任务学习框架，用于预测虚弱老年人的步态相位和步态周期百分比	首次结合多门混合专家架构与交叉专家注意力机制，实现步态分析中回归与分类任务的软参数共享，并通过轻量化配置大幅降低计算负担	未提及	开发轻量级多任务深度学习模型，实现基于可穿戴传感器的病理步态实时评估	虚弱老年人的步态数据	机器学习	老年疾病	可穿戴传感器	多门混合专家网络	时间序列信号	158名虚弱老年人	PyTorch	Multi-gate Mixture-of-Experts	准确率, 平均绝对误差	未提及
4276	2026-07-07	Parkinson's disease classification using optimized attention-based deep learning from EEG signals with interpretable sub-band topography 2026-Jul-01, Brain informatics DOI:10.1186/s40708-026-00317-x PMID:42384288	研究论文	提出一种基于注意力机制的深度学习框架，通过最小预处理和防泄漏评估对静息态脑电图进行帕金森病分类	采用双通道空间注意力增强的ResNet-101骨干网络，结合增强自适应混合协方差矩阵适应进化策略优化超参数，并在子带拓扑分析中提供可解释的神经生理学解释	需要更大规模、异质性队列进一步验证临床泛化能力	开发并验证基于脑电图信号的帕金森病自动分类方法	帕金森病患者和健康对照组的静息态脑电图信号	机器学习	帕金森病	脑电图	CNN	信号	两个独立公共数据集：加州大学圣地亚哥分校和爱荷华大学，采用逐被试嵌套留一被试交叉验证	NA	ResNet-101	准确性	NA
4277	2026-07-07	Artificial Intelligence for Discovery in Life Sciences 2026-Jul-01, Bioconjugate chemistry IF:4.0Q1 DOI:10.1021/acs.bioconjchem.6c00230 PMID:42384743	综述	调查人工智能在生命科学领域从成像到分子设计、假设生成和自主实验等广泛领域的应用进展	系统性地将AI应用从传统成像分析扩展到非成像领域，如荧光探针开发、大语言模型整合文献与生成假设、以及多智能体自主实验，强调跨领域融合带来的新发现范式	讨论了验证、可解释性、泛化性和自主性方面的挑战	综述AI在生命科学中从微观成像到宏观实验设计的变革性作用，并预测其加速生物发现的潜力	生命科学领域中的光学显微镜、冷冻电镜、扩展显微镜、蛋白质工程、实验设计、假设生成等应用场景	数字病理学	NA	NA	深度学习模型、大语言模型、多智能体系统	图像（显微图像）、文本（文献）、序列（蛋白质）	NA	NA	NA	NA	NA
4278	2026-07-07	Deep Learning-Based Prediction and Regulation for Remaining Shelf Life of Blueberries 2026-Jul, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.71266 PMID:42402711	研究论文	提出一种结合AHP-PCA-LSTM和GPR的闭环框架，用于蓝莓剩余货架期的预测与调控	首次将AHP-PCA-LSTM架构与高斯过程回归结合，构建动态闭环系统，实现基于温度的蓝莓剩余货架期精准预测与最优存储条件反向推导	主要数据通过插值扩充至600个样本，小样本量和插值处理可能影响模型泛化能力；实验仅在单一相对湿度条件下进行，未考虑其他环境因素	实现蓝莓剩余货架期的精准预测与基于温度的调控，以优化供应链管理并减少食品浪费	蓝莓果实的新鲜度指标（包括过氧化氢酶等品质参数）及温度存储条件	机器学习	不适用	三阶样条插值、自编码器	长短期记忆网络、高斯过程回归	数值数据	72个原始观测（6个温度×12个采样点），经插值扩充至600个样本	不适用	AHP-PCA-LSTM，高斯过程回归	误差率	不适用
4279	2026-07-07	Effect of an annotation-free artificial intelligence system for simultaneous detection and diagnosis on breast ultrasonography: a multireader, multicase study across diverse healthcare professionals 2026-Jul, Ultrasonography (Seoul, Korea) DOI:10.14366/usg.26033 PMID:42403203	研究论文	评估无需标注的深度学习AI系统在乳腺超声中辅助不同医疗专业背景读者提升检测与诊断性能的多读者、多病例研究	首次研究无标注AI系统在不同专业背景读者（放射科医师、外科医生、内科医生、放射技师）中对乳腺超声诊断的辅助效果，并全面分析了经验水平对性能变化的影响	AI辅助后内科医生和放射技师的诊断特异性显著下降，部分读者（无专科培训或经验不足的放射科医师）的敏感性和准确性提升伴随特异性降低	评估无需标注的AI系统在乳腺超声检测与诊断中对不同专业背景读者的辅助效果	1000张乳腺超声图像（500例恶性、250例良性、250例阴性）	计算机视觉	乳腺癌	NA	深度学习	图像	1000张乳腺超声图像（500恶性、250良性、250阴性），15名读者（6名放射科医师、3名外科医生、3名内科医生、3名放射技师）	NA	NA	AULROC, 敏感性, 特异性, 准确性	NA
4280	2026-07-07	A new single-sagittal-plane deep learning approach for continuous bladder volume monitoring: a feasibility study 2026-Jul, Ultrasonography (Seoul, Korea) DOI:10.14366/usg.25258 PMID:42403208	研究论文	提出一种基于单矢状切面B超图像的深度学习模型用于连续膀胱容量监测	利用单矢状面B超图像结合深度学习实现膀胱容量估计，克服了传统双平面法需同时采集横切面与矢状切面易引入配准误差和形状系数偏差的局限	单中心研究、样本量小（测试集n=53）、仅评估仰卧位、未验证临床连续监测场景的鲁棒性	开发一种基于单矢状切面超声图像的、患者特异性的膀胱容量连续监测方法	膀胱容量估计的可行性和准确性	计算机视觉	泌尿系统疾病	超声成像	卷积神经网络	B超图像	53例患者（测试集）	PyTorch，OpenCV	轻量级CNN结合自注意力机制	R²，平均绝对误差，平均绝对百分比误差，Bland-Altman分析	NA