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
21	2026-10-01	Fast BCIs: Leveraging Dual-Scale Time Windows with Test-Time Adaptation to Enhance Accuracy 2026-May-13, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3692973 PMID:42127061	研究论文	本文提出了一种双尺度时间窗口（DTW）结合测试时自适应（TTA）的策略，以提高短时间窗口下脑机接口的解码准确率	提出双尺度时间窗口策略与测试时自适应机制相结合，利用长时间窗口生成高置信度伪标签来更新短时间窗口的主网络，从而在短时间窗口下实现快速且准确的解码	未明确说明在不同受试者间的泛化能力以及计算复杂度	在短时间窗口下实现快速且准确的脑机接口解码	运动想象（MI）、稳态视觉诱发电位（SSVEP）和事件相关电位（ERP）任务	脑机接口	NA	脑电图（EEG）	深度学习	脑电信号	BCI-IV 2b、GIGA、Benchmark和VR-ERP数据集，具体样本量未说明	NA	主网络（MainNet）和辅助网络（AuxNet）	准确率、信息传输率（ITR）	NA
22	2026-10-01	Stacking Deep Neural Networks to Detect Multiple Types of Cardiac Arrhythmias 2026-May-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3691946 PMID:42113654	研究论文	本文提出了一种两级堆叠集成框架，通过结合DNN、CNN、LSTM和Transformer模型来检测多种类型的心律失常	提出两级堆叠集成框架，第一级使用DNN、CNN、LSTM和Transformer作为基学习器，第二级使用MLP作为元学习器来加权组合基学习器的预测，从而融合ECG信号的空间、时间和长程依赖特征	未明确说明模型的泛化能力、计算复杂度以及在临床实际部署中的可行性	解决单一深度学习模型在ECG心律失常分类中的固有局限性，提高心律失常检测的准确性	ECG信号中的心律失常	机器学习	心血管疾病	ECG信号分析	堆叠集成学习	信号	MIT-BIH心律失常数据库和INCART心律失常数据库	NA	DNN, CNN, LSTM, Transformer, MLP	F-score	NA
23	2026-10-01	Transformer-Based Modular Motion Generation Through Shoulder-Arm Decoupling for Upper Limb Rehabilitation 2026-May-08, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3691335 PMID:42102076	研究论文	该研究提出了一种基于Transformer的模块化运动生成框架，通过肩带与手臂解耦来规划上肢康复运动	明确将肩带与手臂解耦，分别建模肩胛动力学和手臂轨迹；采用Transformer架构进行人体运动预测；并将人类运动预测与机器人映射解耦，提高模块化和个性化能力	摘要中未提及	解决肩带与手臂耦合导致的上肢运动建模困难，为上肢康复提供有效且临床相关的类人运动生成方案	上肢康复中的肩带运动与手臂运动	机器学习	老年疾病	机器学习、深度学习、外骨骼映射、强化学习对比	Transformer、强化学习、LSTM	运动学数据、关节角度数据	摘要中未提及	NA	Transformer、LSTM	F1分数、ANOVA、T检验、RMSE、DTW	NA
24	2026-10-01	A Segmentation-Guided Feature Alignment and Fusion Network for Glioma IDH Genotyping 2026-May-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3691144 PMID:42096391	研究论文	提出一种分割引导的特征对齐与融合网络（SFAF-Net），用于胶质瘤IDH基因分型，通过多模态MRI特征整合实现无创预测	1）分割引导特征对齐模块利用肿瘤分割监督促进跨模态特征对齐；2）冗余衰减融合模块基于相似性对模态对进行选择性融合以减少特征冗余；3）RAF中的随机模态丢弃机制增强模型对输入变化的鲁棒性；4）支持任意数量的输入序列，灵活适应不同临床扫描协议	未明确说明	实现胶质瘤IDH基因型的无创预测，提升多模态MRI特征提取与融合的鲁棒性	胶质瘤患者的多模态MRI影像数据	医学图像分析	脑胶质瘤	多模态磁共振成像	深度学习	图像	NA	NA	SFAF-Net	NA	NA
25	2026-10-01	MSFSNet: Multi-Source Few-Shot Adaptation Network for Cross-Subject Depression Recognition from EEG Signals 2026-May-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3691159 PMID:42096389	研究论文	本文提出了一种基于多源小样本适应（MSFSA）的跨被试抑郁症识别方法，利用脑电信号（EEG）结合多源域适应与集成学习策略，以提高模型在不同被试间的泛化能力	提出多源小样本适应（MSFSA）方法，将多源域适应与集成学习相结合，采用无监督域适应与小样本适应交替训练机制，有效降低模型对特定被试的依赖，提升跨被试抑郁症识别的泛化性能	仅在公开的MODMA EEG数据集上进行验证，样本量较小（53名被试），尚未在更大规模或多中心数据集上验证方法的泛化性和鲁棒性	解决现有机器学习和深度学习方法在基于EEG的抑郁症识别中跨被试泛化能力不足的问题，提高模型对新被试的适应性和实际应用能力	53名被试的EEG信号数据，包括24名重度抑郁症患者和29名健康对照者	机器学习	抑郁症	EEG	多源域适应网络，集成学习	EEG信号（时间序列信号）	53名被试（24名重度抑郁症患者和29名健康对照者），来自公开MODMA EEG数据集	NA	多源域适应网络，集成学习模型	准确率	NA
26	2026-10-01	Harnessing Terminal Signal-Aware Deep Learning for Accurate Multi-Class Secreted Effector Identification 2026-May-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3690894 PMID:42090538	研究论文	提出TermSE框架，利用末端信号感知的深度学习进行多类分泌效应蛋白识别	显式捕获N端和C端序列特征，结合全局序列表示进行多视图表征，并采用余弦归一化分类器和加权采样解决类别不平衡问题	未明确提及	准确识别革兰氏阴性细菌分泌效应蛋白，以理解细菌致病机制	革兰氏阴性细菌分泌效应蛋白	机器学习, 生物信息学	细菌感染	蛋白质语言模型嵌入	卷积神经网络	蛋白质序列	NA	NA	卷积神经网络	NA	NA
27	2026-10-01	Enabling DCIS subtyping: leveraging foundation models for robust grading and molecular biomarker scoring 2026-May-06, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-026-00957-6 PMID:42091907	研究论文	本文开发了一种基于基础模型的深度学习流程，用于从H&E染色数字化病理切片中预测DCIS的级别、ER和HER2状态，以支持主动监测策略	利用基础模型实现DCIS的自动分级和分子生物标志物评分，并在多中心数据集上进行训练和外部验证，能够根据主动监测标准对患者进行分层	外部验证性能有所下降（AUROC从0.90降至0.80等），样本量有限（荷兰887例，英国259例），且仅针对ER阳性、HER2阴性的DCIS患者	开发深度学习模型预测DCIS的级别、ER和HER2状态，以识别符合主动监测标准的低风险患者，减少过度治疗	乳腺导管原位癌（DCIS）患者的H&E染色病理切片	数字病理学	乳腺癌	H&E染色，数字化病理切片	基础模型	图像	荷兰多中心数据集887例，英国外部验证数据集259例	NA	NA	AUROC，平衡准确率，NPV	NA
28	2026-10-01	Medical Knowledge-Driven Contrastive Learning for Similar Patient Retrieval 2026-May-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3690515 PMID:42085409	研究论文	本文提出一种医学知识驱动的对比学习方法，通过基于ICD编码和外部知识的负采样策略，提升通用嵌入模型对医学文本的表示能力，用于相似患者检索	提出基于ICD编码的新型负采样策略识别难负例，并开发基于外部知识的负采样方法融合统计知识和模糊知识，增强模型区分细粒度医学状况和复杂临床场景的能力，集成到对比学习框架中训练更鲁棒的患者表示	数据不平衡问题导致基于ICD编码的方法难以充分挖掘负例，需依赖外部知识补充	解决传统方法依赖词汇特征或医学本体无法捕捉隐式语义关系的问题，以及深度学习稠密检索方法在相似患者检索任务中适应性不足的挑战	真实世界医学数据集中的患者记录	自然语言处理	NA	对比学习，ICD编码	NA	文本	NA	NA	NA	NA	NA
29	2026-10-01	Comparative Analysis of Artificial Intelligence-Based Quantification versus Visual Rating of Enlarged Perivascular Spaces in the Multi-Ethnic Study of Atherosclerosis Cohort 2026-May-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9129 PMID:41397892	研究论文	本文比较了人工智能量化与视觉评级在识别扩大的血管周围间隙与血管危险因素和认知表现关联方面的效果	使用全自动深度学习算法进行血管周围间隙量化，比传统视觉评级更敏感地检测与血管危险因素和认知结果的关联	横断面研究设计，样本量相对较小（235名参与者），可能限制因果推断和普遍性	比较视觉评级与人工智能量化在识别血管周围间隙与血管危险因素和认知表现关联方面的效果	来自多民族动脉粥样硬化研究（MESA）队列的235名参与者	数字病理学	心血管疾病	脑MRI	CNN	图像	235名参与者	NA	NA	β系数、95%置信区间	NA
30	2026-10-01	Medical Microwave Imaging Using Physics-Guided Deep Learning-Part 2: The Inverse Solver 2026-May, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3653974 PMID:41533603	研究论文	本文提出了一种受畸变Born迭代法启发的深度神经网络用于医学微波成像，通过物理引导的深度学习解决传统方法计算成本高和不适定性问题	提出了一种避免使用格林函数的物理引导深度学习方法，通过前向神经网络求解器和逆向神经网络块更新介电对比度，并采用混合损失函数进行正则化，能够准确重建被健康组织信号掩盖的异常组织	未明确提及	解决传统医学微波断层成像不适定和计算成本高的问题，以及现有物理引导深度学习方法无法捕捉成像对象显著区域导致误诊的问题	医学微波成像中的异常组织重建	计算机视觉	NA	微波断层成像、畸变Born迭代法	深度神经网络	图像	NA	NA	前向神经网络求解器和逆向神经网络块	相对误差、结构相似性指数、Dice相似系数、Hausdorff距离	NA
31	2026-10-01	EnsDTI: Predicting Drug-Target Interaction With Mixture-of-Experts and Confidence Assessment 2026 May-Jun, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3653990 PMID:41533615	研究论文	本文提出EnsDTI框架，利用混合专家架构和归纳共形预测器预测药物-靶点相互作用并提供置信度评估	结合基于结构和基于配体的药物设计方法，使用混合专家架构整合现有深度学习模型，并引入归纳共形预测器提供置信度分数	未明确提及	准确识别药物-靶点相互作用，平衡速度和准确性，以高效排名和筛选潜在药物候选物	药物-靶点相互作用，蛋白质和分子特征，候选药物	机器学习	NA	深度学习，混合专家架构，归纳共形预测	混合专家	蛋白质和分子特征数据	四个广泛使用的基准数据集	NA	混合专家	预测准确性，置信度估计，候选排名与对接亲和力的相关性	NA
32	2026-10-01	Systematic Review on Deep Learning Algorithms for Blood Glucose Forecasting in Type 1 Diabetes 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3630214 PMID:41533628	系统综述	本文遵循PRISMA指南，系统综述了用于1型糖尿病血糖预测的深度学习算法，评估了26项研究的数据集特征、模型输入、训练范式、预测范围、模型架构、评价指标、性能和基线比较	填补了缺乏专门针对血糖预测深度学习应用的全面综述的空白，系统性地从多个维度评估了26项研究	深度学习模型在生理保真度和可解释性方面仍存在挑战，这两者对临床采用至关重要	系统综述用于1型糖尿病血糖预测的深度学习算法，分析现有研究的特征、方法和性能	1型糖尿病患者的连续血糖监测数据及相关深度学习预测模型	机器学习	1型糖尿病	连续血糖监测（CGM）	深度学习	时间序列	26项研究	NA	NA	NA	NA
33	2026-10-01	Robust Physics-Based Deep MRI Reconstruction via Diffusion Purification 2026-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3631742 PMID:41533627	研究论文	本文提出了一种基于扩散净化（RODIO）的方法，用于提高深度学习MRI重建模型的鲁棒性	利用预训练的扩散模型作为净化器，通过仅对净化样本进行高效微调，避免了对抗训练中的最小-最大优化问题	未明确讨论计算成本或实时性，且可能依赖于预训练扩散模型的质量	解决深度学习MRI重建模型在测试时面临的鲁棒性挑战，如最坏情况扰动、噪声、参数变化和分布偏移	深度学习MRI重建模型	计算机视觉	NA	扩散模型	扩散模型	图像	NA	NA	NA	NA	NA
34	2026-10-01	Highly Undersampled MRI Reconstruction via a Single Posterior Sampling of Diffusion Models 2026-May, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3654585 PMID:41543953	研究论文	本文提出了一种基于单步扩散模型的MRI重建框架SSDM-MRI，用于从高度欠采样的k空间恢复MRI图像	通过迭代选择性蒸馏算法将条件扩散模型蒸馏四次，结合捷径反向采样策略，实现单步重建，大幅缩短推理时间	未明确提及	解决扩散模型在MRI重建中推理时间过长的问题，实现高度欠采样下的快速高质量重建	fastMRI脑部和膝部图像以及内部多回波GRE（QSM）受试者	计算机视觉	NA	MRI	扩散模型	图像	NA	NA	U-net	PSNR, SSIM	NA
35	2026-10-01	MMCL: A Multi-Modal Contrastive Learning Framework for Molecular Property Prediction 2026 May-Jun, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3663206 PMID:41666076	研究论文	提出了一种名为MMCL的多模态对比学习框架，用于分子性质预测	利用分子的不同视图学习相似分子间的共同特征，并显式地将功能团表示为分子图中的节点，以促使模型学习与分子性质相关的特征	未明确提及	准确预测分子性质，识别有前景的药物候选物，促进药物发现过程	分子	机器学习	NA	NA	对比学习	图	NA	NA	NA	NA	NA
36	2026-10-01	A Deep Learning Framework for Identifying Essential Proteins Based on Vision Transformer 2026 May-Jun, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3669744 PMID:41774661	研究论文	提出基于Vision Transformer的深度学习框架EPViT，通过融合拓扑特征和亚细胞定位特征来识别必需蛋白质	使用Vision Transformer模型，并设计了一种无主观因素的亚细胞定位特征矩阵提取方法，通过外积操作融合两类特征	仅在酵母数据上进行了实验验证，未在其他物种或更大规模数据集上测试	提高必需蛋白质的识别率	酵母蛋白质	机器学习	NA	多组学数据融合	Vision Transformer	蛋白质-蛋白质相互作用网络数据，亚细胞定位数据	NA	NA	Vision Transformer	识别率	NA
37	2026-10-01	Collaborative Coarse-to-Fine Disease Learning With Discharge Summary Awareness for EHR Event Prediction 2026-May, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3664408 PMID:41774654	研究论文	本文提出了一种协同粗到细的疾病学习框架，结合出院小结感知，用于电子健康记录事件预测	构建了细粒度动态疾病图，通过共现分布移除弱相关疾病对；在ICD-9-CM层次结构中整合粗粒度和细粒度信息来细化疾病嵌入；将出院小结与辅助患者笔记结合用于协同疾病学习；利用门控循环单元、基于位置的注意力和软注意力机制增强嵌入表示	未明确提及	预测电子健康记录事件，同时建模疾病的动态和静态特征	电子健康记录数据，包括诊断代码、出院小结和患者笔记	机器学习	NA	自然语言处理，图神经网络	门控循环单元，注意力机制	文本，图数据	两个真实世界EHR数据集：MIMIC-III和MIMIC-IV	PyTorch	门控循环单元，基于位置的注意力，软注意力	NA	NA
38	2026-10-01	XNet: Enhancing Physical Activity Intensity Assessment With Attentional Multidomain Fusion and Visual Analytics 2026-May, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3666726 PMID:41774652	研究论文	该研究提出了XNet，一种双域深度学习模型，用于对身体活动强度进行分类并估计能量消耗，结合了注意力多域融合和可视化分析	提出了分层多头架构，独立提取多个传感器的时间域和频率域特征，并通过新颖的注意力特征融合（AFF）模块在两阶段进行整合：首先聚合传感器特征，然后融合域嵌入；频率域特征对泛化至关重要；轻量级1D卷积频谱编码器在分布外泛化方面优于Transformer和GAT；AFF在准确性、效率和传感器故障鲁棒性方面优于九种融合策略	摘要中未明确提及	增强身体活动强度评估，解决传统机器学习方法在人群、传感器和活动变异性下泛化能力不足的问题	身体活动强度分类和能量消耗估计，久坐行为检测	机器学习	NA	加速度计，心率，心电图（ECG）	CNN，Transformer，GAT	传感器信号（加速度计、心率、ECG）	105名参与者的新数据集，以及多个公开数据集	NA	1D卷积频谱编码器，Transformer，图注意力网络（GAT）	F1分数，真阳性率（TPR），推理延迟	NA
39	2026-10-01	METRON: Metabolic Dynamic Perception Kolmogorov-Arnold Network for Biological Age Estimation 2026 May-Jun, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3669919 PMID:41774660	研究论文	该论文提出了METRON深度学习框架，通过类固醇代谢组学数据预测生物年龄，并能揭示与衰老相关的代谢驱动因素	提出了代谢物交互感知模块（MIPM）和组理性Kolmogorov-Arnold网络，用于捕捉代谢网络中的复杂非线性交互和依赖关系，实现了生物年龄的准确估计和可解释性	摘要中未明确提及该研究的局限性	从类固醇代谢组学数据中预测生物年龄，并探索衰老机制中代谢网络的复杂非线性交互	类固醇代谢组学数据及相关代谢物	机器学习	老年疾病	类固醇代谢组学	深度学习框架	代谢组学数据	NA	NA	Kolmogorov-Arnold网络	NA	NA
40	2026-10-01	Anatomy-Guided Self-Supervised Distillation Learning for Medical Image Analysis 2026-May, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3680920 PMID:41941824	研究论文	提出AG-SSD框架，将解剖先验融入自监督学习，用于3D医学图像分类和分割	显式地将解剖先验融入自监督学习，包含跨视图解剖一致性、边缘感知自适应掩码和跨视图注意力对齐三个互补模块	未明确提及	解决3D医学图像分析中小尺度低对比度结构表征、跨成像域泛化和标注稀缺问题	3D医学图像（CT和MRI）	计算机视觉，医学图像分析	NA	自监督学习，知识蒸馏	NA	3D医学图像	NA	NA	NA	分类和分割性能（具体指标未明确）	NA