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
7541	2026-05-12	Artificial intelligence chatbots in endodontic education-Concepts and potential applications 2026-Jun, International endodontic journal IF:5.4Q1 DOI:10.1111/iej.14231 PMID:40164964	综述论文	探讨人工智能聊天机器人在牙髓病学教育中的概念与潜在应用	系统梳理了AI聊天机器人在牙髓病学教育中的应用前景，包括个性化学习、交互式培训及临床决策支持，并分析了技术局限和伦理挑战	目前针对牙髓病学领域的专门研究有限，需要进一步开发并验证其准确性和相关性的定制化聊天机器人解决方案	解释AI聊天机器人的核心功能，探索其在牙髓病学教育中的应用，并讨论相关挑战	牙髓病学教育中的学习者（学生）和教育者（教师）	自然语言处理, 机器学习	牙科疾病	NA	Chatbot（聊天机器人）	文本	NA	NA	NA	NA	NA
7542	2026-05-12	Synergizing Anti-Cancer Drug Combinations With Dual-View Hypergraph Representation Fusion 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3511657 PMID:40030495	研究论文	提出一种基于双视图超图表示融合的深度学习模型，用于识别协同抗癌药物组合	创新性地利用超图视图和扩展异构图视图同时学习样本三元组的局部和全局上下文关系，并通过选择性融合两个分支的表示来预测协同药物组合	未明确说明局限性，但可能受限于现有已知协同组合数据的质量和数量	识别协同抗癌药物组合，为新型药物开发提供新见解	癌症细胞系和药物分子	机器学习	癌症	转录组测序、分子结构分析	深度学习模型（超图神经网络）	转录组特征、药物分子结构	未明确说明样本数量	NA	DVHSyn（双视图超图表示融合模型）	未明确说明具体指标，但实验结果表明优于六种对比方法	NA
7543	2026-05-12	Advancing endometriosis detection in daily practice: a deep learning-enhanced multi-sequence MRI analytical model 2026-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-04942-8 PMID:40232413	研究论文	开发了一种基于深度学习的多序列MRI分析模型，用于提高子宫内膜异位症的检测准确性	首次在大规模队列中应用多序列MRI的深度学习模型进行子宫内膜异位症检测，并展示了与专业医师相当的检测性能	未在论文标题和摘要中明确提及	评估深度学习工具在增强基于多序列MRI的子宫内膜异位症检测准确性中的应用	子宫内膜异位症患者和健康对照者的多序列MRI图像	数字病理学	子宫内膜异位症	MRI	3D-DenseNet-121	图像（MRI）	395例子宫内膜异位症患者和356例对照组，共751例	NA	3D-DenseNet-121	F1分数、AUROCC、敏感性、特异性	NA
7544	2026-05-12	Multi-class transformer-based segmentation of pancreatic ductal adenocarcinoma and surrounding structures in CT imaging: a multi-center evaluation 2026-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-05061-0 PMID:40514460	研究论文	提出基于Transformer的多类分割框架，用于CT图像中胰腺导管腺癌及周围结构的分割，并在多中心数据集上验证其性能	首次系统比较四种深度学习架构（UNet、nnU-Net、UNETR、Swin-UNet）在PDAC多类分割任务中的表现，并验证Transformer模型（Swin-UNet）的优越性和泛化能力	未明确指出局限性，但回顾性研究设计、数据预处理依赖标准化标注可能限制临床实时应用	开发并评估用于CT图像中PDAC及周围结构自动多类分割的深度学习框架	3265名患者的多中心CT影像数据	计算机视觉	胰腺导管腺癌	CT成像	Swin-UNet, UNet, nnU-Net, UNETR	图像	3265名患者（来自6个机构），其中569名用于独立测试	NA	Swin-UNet, UNet, nnU-Net, UNETR	Dice相似系数, 交并比, 定向Hausdorff距离, 平均对称表面距离, 体积重叠误差	NA
7545	2026-05-12	Artificial intelligence (AI) and CT in abdominal imaging: image reconstruction and beyond 2026-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-05031-6 PMID:40522387	综述	探讨人工智能在腹部CT成像中的图像重建及扩展应用	系统总结了深度学习重建技术（如TrueFidelity、AiCE等）在腹部成像中的优势，并拓展了AI在低对比度病变检测、定量成像和工作流优化等领域的应用	临床验证不足、标准化缺乏及广泛采用存在挑战	综述AI驱动的CT图像重建原理、进展及未来方向，及其在腹部成像中的扩展角色	腹部CT图像重建技术，包括传统方法（FBP、IR）和深度学习重建方法	计算机视觉	NA	CT成像	卷积神经网络	图像	NA	NA	TrueFidelity, AiCE, Precise Image	对比噪声比、病变检测能力、诊断置信度	NA
7546	2026-05-12	Practical applications of AI in body imaging 2026-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-05088-3 PMID:40576669	综述	本文综述了截至2024年底在美国获得FDA批准并用于腹腔盆腔器官及相关疾病评估的商业AI算法，评价其潜在优势并提出未来方向	系统梳理了针对腹腔盆腔成像的FDA批准AI算法现状，并分析了临床应用中的实际优势与局限	未提及具体算法性能数据比较，且局限于美国市场已商业化的算法	评估腹腔盆腔成像中AI算法的实际应用价值及未来发展趋势	FDA批准的用于腹腔盆腔器官及相关疾病的AI算法	医学影像	腹腔盆腔疾病	深度学习	NA	影像	NA	NA	NA	NA	NA
7547	2026-05-10	An efficient deep learning approach for automatic speech recognition using EEG signals 2026-May, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2456982 PMID:39957214	研究论文	提出一种结合Gannet优化算法和Elman循环神经网络的高效深度学习方法，用于基于EEG信号的自动语音识别	首次将Gannet优化算法与Elman循环神经网络结合用于EEG语音识别，并通过Savitzky-Golay滤波和递归特征消除提升性能	仅使用Kara One单一数据集进行验证，未提及实时处理能力和跨数据集泛化性	提高基于EEG信号的自动语音识别准确率，促进脑机接口和语音障碍辅助技术发展	EEG信号中的说话人识别任务	自然语言处理	言语障碍	EEG信号采集	Elman循环神经网络	EEG信号	未明确提及样本量（仅提及Kara One数据集）	NA	Elman循环神经网络	准确率	NA
7548	2026-05-08	Privacy-Preserving Data Augmentation for Digital Pathology Using Improved DCGAN 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3551720 PMID:40100674	研究论文	提出一种基于改进深度卷积生成对抗网络的隐私保护数据增强方法，用于数字病理学中的全切片图像生成	结合CTransPath模型的自监督预训练提取丰富特征、引入最小二乘对抗损失和频域损失以提高像素精度和结构保真度、采用残差块和跳跃连接增强网络深度与训练稳定性	尚未提及在更广泛数据集或临床环境中的验证、隐私保护仅针对数据增强环节而未涉及训练过程的全面隐私保护	解决数字病理学中全切片图像数据受隐私法规限制导致深度学习模型性能受限的问题	数字病理学中的全切片图像数据增强与生成	计算机视觉，数字病理学	肿瘤学	NA	改进的深度卷积生成对抗网络（DCGAN），自监督预训练模型CTransPath	图像（全切片图像补丁）	PatchCamelyon数据集（具体数量未提及）	NA	改进DCGAN（含残差块和跳跃连接），CTransPath	SSIM， FID，准确率， AUC， F1分数	NA
7549	2026-05-08	ESIP: Explicit Surgical Instrument Prompting for Surgical Workflow Recognition 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3625420 PMID:41144421	研究论文	提出一种显式手术器械提示方法，用于手术工作流识别，通过手术器械分割生成视觉提示，引导时空特征提取与聚合	首次在手术工作流识别中引入显式手术器械提示，利用冻结预训练骨干网络提取关键帧内空间特征，并通过SAM分段与提示调优策略高效整合分割特征	论文摘要未明确提及局限性	提升手术工作流识别中时空特征提取的充分性，解决隐式方法难以利用强相关空间信息的问题	手术视频中的手术工作流识别任务	计算机视觉	NA	手术器械分割	SAM（分段任何模型）	视频	三个数据集：Cholec80、M2CAI和AutoLaparo	PyTorch	SAM	精确率、召回率、Jaccard指数	NA
7550	2026-05-08	Identification of Pandemic Risk for Avian Influenza Virus With Graph Cross Attention Networks 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3625980 PMID:41150231	研究论文	提出图交叉注意力网络（GCAN-Flu），通过整合病毒基因组序列和基因流网络信息预测甲型流感病毒的大流行风险	首次利用病毒株间的基因重配关系构建基因流网络，并通过图交叉注意力层融合基因组序列与基因流多模态信息，弥补了传统序列方法忽略基因流动的不足	文中未明确指出模型在数据稀缺或新兴病毒株上的泛化能力，且对基因流网络的构建依赖已知的重配关系	利用病毒株间的基因流信息提高流感病毒大流行风险预测的准确性	甲型流感病毒的基因组序列及其基因重配关系	机器学习	流感大流行	基因重配分析	图神经网络、交叉注意力网络	基因组序列、基因流网络数据	NA	NA	图交叉注意力网络（GCAN-Flu）	NA	NA
7551	2026-05-08	TC-KANRecon: High-Quality and Accelerated MRI Reconstruction via Adaptive KAN Mechanisms and Intelligent Feature Scaling 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3626343 PMID:41171650	研究论文	提出一种名为TC-KANRecon的条件引导扩散模型，结合多自由U-KAN模块和动态裁剪策略，实现高质量和加速的MRI重建	创新地引入多自由U-KAN模块和动态裁剪策略，通过多头注意力和标量调制因子增强鲁棒性和结构保持能力，并利用条件引导模型融合全采样k空间信息提升重建质量	未明确说明局限性，但潜在限制可能包括对高噪声、低采样率数据依赖性强以及计算开销可能较高	通过深度学习方法加速MRI重建过程，同时保持重建图像质量	MRI图像重建任务中的k空间数据和重建图像	数字病理学	NA	MRI	扩散模型	图像	NA	NA	U-KAN	定性和定量评估指标	NA
7552	2026-05-08	HieRMVir: Interpretable Viral Classification via Hierarchical Deep Learning 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3627468 PMID:41171653	研究论文	提出一种名为 HieRMVir 的分层深度学习框架，用于对病毒基因组序列进行可解释且准确的分类	首次结合随机森林特征加权与基于互信息的注意力正则化，在分层分类中考虑生物分类层次结构和不同分类级别下基因组特征的信息量差异	未提及具体局限性	实现对病毒基因组序列的高精度分层次分类，并在传统序列比对方法失效时提供可解释的分类结果	病毒基因组序列	机器学习	传染病	基因组测序	随机森林、注意力机制	基因序列	超过100万条基因组序列	NA	分层神经网络，随机森林，互信息引导注意力	准确率，分层性能指标，注意力权重分析	NA
7553	2026-05-08	MOAEAM: Multi-Omics Data Integration With Autoencoder and Attention Mechanisms for Cancer Patient Classification and Biomarker Identification 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3628490 PMID:41182929	研究论文	提出MOAEAM深度学习框架，通过改进自编码器和注意力机制整合多组学数据，用于癌症患者分类和生物标志物识别	提出新型复合损失函数提取组学特异性特征，并设计多组学整合模块捕捉跨组学关联信息，同时引入辅助分类器提升性能	文本未明确提及方法局限，但可能涉及计算资源需求高或对超参数敏感等未说明问题	开发并验证用于癌症患者分类和生物标志物识别的多组学数据整合方法	癌症患者的多组学数据，涉及多个癌症数据集	机器学习	癌症	多组学数据整合	自编码器与注意力机制	组学数据	NA	NA	改进自编码器、注意力机制	分类性能	NA
7554	2026-05-08	BiBLDR: Bidirectional Behavior Learning for Drug Repositioning 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3628673 PMID:41191475	研究论文	提出双向行为学习策略BiBLDR，将药物重定位重新定义为行为序列学习任务，以解决冷启动场景下的预测难题	首次将药物重定位问题转化为双向行为序列学习任务，并设计两阶段策略，通过构建原型空间和利用双向行为序列数据实现冷启动场景下更稳健的药物-疾病关联预测	NA	解决图方法在药物重定位中冷启动场景下性能不佳的问题	药物和疾病间的关联关系	机器学习	NA	NA	双向行为学习模型	序列数据	NA	NA	NA	NA	NA
7555	2026-05-08	Radar HRV Monitoring With Physiological Prior Inspired Deep Neural Networks 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3628628 PMID:41191472	研究论文	提出一种基于生理先验的深度学习框架，用于雷达无接触监测心率变异性	利用心脏驱动整个躯干运动的空间-时间先验和心脏运动自相似性先验，设计混合深度神经网络建模全身射频反射与心跳的关系，并建立信号增强策略，提升真实场景中心率变异性监测的鲁棒性	未明确提及局限性	实现真实复杂生理条件下基于雷达的无接触心率变异性准确监测	7,150名具有复杂生理条件的门诊患者	机器学习	心血管疾病	雷达传感	混合深度神经网络	雷达信号	7,150名门诊患者	NA	NA	平均IBI误差, RMSSD误差, SDSD误差, pNN50误差	NA
7556	2026-05-08	PathFusion-Net: A Rough Path Theory-Based Deep Learning Model for ECG Arrhythmia Classification 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3629717 PMID:41196785	研究论文	提出一种结合粗糙路径理论与深度学习的PathFusion-Net模型，用于心电图心律失常分类	将粗糙路径理论中的路径签名和路径发展融入深度学习，同时提取心电图图像的空间形态特征和信号的多阶时序表征	缺少关于模型实时推断速度、硬件资源消耗以及跨中心泛化性的讨论	开发一种更贴近真实临床诊断环境的心律失常自动分类模型	MIT-BIH心律失常数据库和一份私有临床数据集中的心电图	机器学习	心血管疾病	心电图	CNN, LSTM	信号	NA	NA	PathFusion-Net	准确率, 精确率, 召回率	NA
7557	2026-05-08	Genetic Perturbation Modeling for Human Cell Therapy With BRNET 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3629554 PMID:41196787	研究论文	提出BRNET模型用于预测多基因扰动下的非线性转录结果	将先验知识与高级嵌入整合到非堆叠神经结构中，能同时预测单个和多个遗传扰动的转录响应，并泛化到未见场景	NA	解决湿实验昂贵耗时问题，建立高效预测遗传扰动转录响应的计算模型	基因扰动后细胞的转录响应	机器学习	NA	RNA-seq	非堆叠神经网络	转录组数据	NA	PyTorch	BRNET	NA	NA
7558	2026-05-08	CFTResNet: A Novel Cross-Domain Diagnosis Framework Guided by Interpretability for Cardiovascular Diseases 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3620820 PMID:41082434	研究论文	提出一种可解释的跨领域诊断框架CFTResNet，用于心血管疾病诊断，旨在缓解领域偏移并提高诊断可解释性	提出模块鲁棒性关键性策略评估预训练模型弱鲁棒部分，仅微调这些弱模块而非整个模型，并整合时间-通道融合模块增强心音信号特征表示	仅在心音数据集上验证，未探索其他类型数据或多模态融合；框架在更大规模或更复杂临床场景下的泛化性需进一步验证	开发一种可解释、跨领域泛化的深度学习诊断框架，用于自动化检测心血管疾病	心音信号中的病理模式（如心脏听诊中的细微病理特征）	机器学习, 数字病理学（心音分析）	心血管疾病	心音信号分析	ResNet	心音信号	两个公开心音数据集	PyTorch	ResNet, 时间-通道融合模块	诊断准确率, AUC, F1分数	NA
7559	2026-05-08	HighMPNN: A Graph Neural Network Approach for Structure-Constrained Cyclic Peptide Sequence Design 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3620163 PMID:41082435	研究论文	提出了HighMPNN，一种面向环状肽序列设计的图神经网络方法	显式整合结构约束到GNN框架中，结合交叉熵损失与FAPE损失，同时优化序列生成和结构精度	当前仅支持天然氨基酸，未涵盖非天然残基和结构多样的环状肽骨架	开发专用于环状肽序列设计的图神经网络模型	环状肽序列	机器学习	NA	蛋白质结构预测、序列设计	图神经网络	蛋白质结构数据	NA	PyTorch	GNN	序列恢复率、Cα均方根偏差	NA
7560	2026-05-08	BreastUS-Net: An Attention-Guided Dual-Branch Network With Feature Fusion for Fine-Grained Breast Tumor Classification in Ultrasound Imaging 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3620256 PMID:41086071	研究论文	提出一种名为BreastUS-Net的双分支注意力引导网络，用于超声影像中的细粒度乳腺肿瘤分类	提出双分支MobileNet架构结合冻结与微调层以融合任务特定和通用特征，集成多头自注意力块增强诊断区域关注，并采用正交softmax层提升判别能力	NA	通过分层分类方法提升超声影像中乳腺肿瘤诊断的准确性和临床适用性	乳腺肿瘤（包括纤维腺瘤、叶状肿瘤及其分级）的超声影像	计算机视觉、数字病理	乳腺癌	超声成像	MobileNet、多头自注意力	图像	六个多中心数据集：浙江肿瘤医院（2,171张）、BUSI（780张）、云南肿瘤医院（351张）、邵逸夫医院（365张）、纤维腺瘤vs叶状肿瘤分类及叶状肿瘤分级数据集	NA	双分支MobileNet、多头自注意力块、正交softmax层	准确率	NA