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
201	2026-10-01	Development of a multimodal obstructive sleep apnea diagnostic prediction model using two-dimensional facial images and clinical data 2026-Mar-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678664 PMID:41911139	研究论文	开发了一种利用二维面部图像和临床数据的多模态AI模型，用于筛查阻塞性睡眠呼吸暂停	首次将二维面部照片、头影测量X线片和临床数据融合，使用ShuffleNet-V2和深度神经网络构建三模态AI模型，显著优于单模态和双模态方法	样本量有限（710例），仅来自单一中心，未进行外部验证，且亚组分析中腹围较小患者的敏感性最低	提高阻塞性睡眠呼吸暂停的筛查和早期诊断效果	接受多导睡眠监测的710例患者	医学人工智能	阻塞性睡眠呼吸暂停	深度学习，多模态融合	CNN，深度神经网络	图像，临床数据	710例患者	NA	ShuffleNet-V2，深度神经网络	AUC，敏感性，特异性，准确率，F1分数	NA
202	2026-10-01	Adaptive Feature Selection With Hierarchical Learning for Drug-Target Interaction Prediction 2026-Mar-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678266 PMID:41911134	研究论文	提出ASHL-DTI框架，结合分层学习和自适应特征选择来预测药物-靶点相互作用	将分层学习与自适应Top-k特征选择机制相结合，捕获多级分子内关联并保留最具预测性的特征	未明确说明	提高药物-靶点相互作用预测的性能和泛化能力，以促进药物发现和重定位	药物-靶点相互作用	机器学习	NA	深度学习	深度学习	分子数据	多个公共基准数据集	NA	NA	NA	NA
203	2026-10-01	Waveformer: Dual-Branch Adaptive Network with Wavelet-Guided Cross-Context Decoding for Colorectal Polyp Segmentation 2026-Mar-27, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678353 PMID:41894215	研究论文	提出Waveformer，一种用于结直肠息肉分割的双分支自适应网络，结合小波引导的跨上下文解码	采用并行CNN-Transformer双分支编码器协同提取细节和全局特征，解码器集成基于小波的频率分解单元、伪装识别模块和信息融合层，增强边缘响应和多尺度语义聚合	未明确提及	提高结直肠息肉分割的准确性，解决形态多变、边界模糊、低对比度以及低光照、管腔扭曲和黏膜皱襞等复杂条件下的误检和漏检问题	内窥镜图像中的结直肠息肉	计算机视觉	结直肠癌	NA	CNN, Transformer	图像	NA	NA	CNN, Transformer	Dice相似系数	NA
204	2026-10-01	Explainable Convolutional Channel Ranking (ECCR) for EEG-Based Detection of Idiopathic Absence Seizures 2026-Mar-27, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678222 PMID:41894213	研究论文	提出可解释卷积通道排序（ECCR）方法，通过分析CNN学习到的通道特定特征贡献，识别与特发性失神癫痫检测相关的EEG通道	不同于仅关注高激活区域或跨发作类型和空间位置汇总贡献的传统显著性方法，ECCR保留通道特定的贡献模式，发现中等贡献水平的通道提供最具判别性和生理一致性的信息	模型在LOSO验证下准确率降至73.78%，表明跨被试泛化性能仍有提升空间	识别与癫痫相关的EEG电极，为开发实时诊断应用提供依据	特发性失神癫痫（IAS）患者的EEG信号通道	机器学习	癫痫	EEG	CNN	EEG信号	NA	NA	CNN	准确率, 灵敏度	NA
205	2026-10-01	Leveraging Deep Learning to Construct a Programmed Cell Death-Driven Prognostic Signature in Acute Myeloid Leukemia 2026-Mar-27, Current issues in molecular biology IF:2.8Q3 DOI:10.3390/cimb48040354 PMID:42042014	研究论文	该研究通过整合多种程序性细胞死亡相关基因的转录组分析，利用深度学习构建了急性髓系白血病的预后风险模型，并鉴定了新的分子亚型	首次系统整合13种程序性细胞死亡形式的1624个相关基因，采用变分自编码器与多层感知机结合的深度学习流程筛选生物标志物，并通过SHAP分析进行可解释性验证，构建了8基因预后特征和列线图	摘要中未明确说明研究的局限性，可能需要进一步的实验验证和前瞻性临床队列验证	构建整合多模态程序性细胞死亡通路的急性髓系白血病预后评估框架，建立新的分子分型系统和临床适用的风险评估工具	急性髓系白血病患者和正常骨髓样本	机器学习	急性髓系白血病	转录组分析，变异自编码器降维，多层感知机分类，SHAP可解释性分析，无监督共识聚类	VAE，MLP	转录组数据，临床数据	涉及1624个程序性细胞死亡相关基因的分析	NA	变分自编码器，多层感知机	生存分析，预后预测准确性	NA
206	2026-10-01	A Multi-Scale Hybrid Efficient Deep Learning Model for COPD Detection Using Respiratory Sounds 2026-Mar-25, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3677500 PMID:41880256	研究论文	本文提出了一种多尺度混合高效深度学习模型，通过融合CNN、BiLSTM和ViT，结合原始信号与多尺度梅尔频谱图，用于COPD的呼吸音检测	提出多尺度混合深度学习模型，融合CNN、BiLSTM和ViT以捕捉时间、空间和全局上下文特征；设计多尺度动态融合模块整合多源特征，在模型复杂度与性能之间取得平衡	未明确说明模型在不同临床环境下的泛化能力，数据集规模及多样性可能有限，未讨论模型的可解释性	利用呼吸音分析实现COPD的早期无创辅助诊断	COPD患者的呼吸音信号	机器学习	慢性阻塞性肺疾病	呼吸音分析，梅尔频谱图特征提取	CNN, BiLSTM, ViT	音频信号，图像	ICBHI数据库和KAUH/RespiratoryDatabase@TR混合数据库	NA	CNN, BiLSTM, Vision Transformer	准确率	NA
207	2026-10-01	HAAU-Net: Hybrid Adaptive Attention U-Net Integrated with Context-Aware Morphologically Stable Features for Real-Time MRI Brain Tumor Detection and Segmentation 2026-Mar-25, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12040044 PMID:42042932	研究论文	提出混合自适应注意力U-Net（HAAU-Net）框架，结合上下文感知形态稳定特征与空间通道注意力，实现实时MRI脑肿瘤检测与分割。	1. 集成多尺度自适应注意力块（AAB）、上下文感知形态特征模块（CAMFM）和空间-通道混合注意力机制（SCHAM）；2. CAMFM通过分层聚合和动态归一化维持形态特征稳定性；3. SCHAM通过建模通道和空间区域增强特征表示；4. 在保持实时推理（28 FPS）的同时将计算复杂度降低43%。	摘要中未明确提及研究的局限性。	解决MRI脑肿瘤分割中因肿瘤异质性、形态特征不可预测及计算复杂度高而难以实现实时临床应用的问题。	MRI脑肿瘤图像，使用BRaTS 2022/2023数据集，包含T1、T1GD、T2和T2-FLAIR四种模态。	计算机视觉, 医学图像分割	脑肿瘤	MRI	CNN, U-Net, 注意力机制	图像	NA	NA	U-Net, 自适应注意力块, 空间-通道混合注意力机制	分割准确率, Dice系数, C-Index, 推理速度(FPS)	常规GPU
208	2026-10-01	A Knowledge-Guided Bi-Modal Network for the Classification of Anterior Chamber Angle Images 2026-Mar-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3677046 PMID:41874984	研究论文	提出了一种知识引导的双模态网络（KGNet），结合文本领域知识和图像数据，用于前房角（ACA）图像的分类，以提高青光眼评估的效率和准确性	首次将文本领域知识细化为类级文本描述以增加特征多样性，并设计了知识引导的双模态融合模块，通过双模态相关性突出ACA图像中的关键临床结构，同时提升模型可解释性	未明确说明	自动化前房角（ACA）分类，提升青光眼评估的效率和准确性，并增强模型的可解释性	前房角（ACA）图像及其对应的文本领域知识	计算机视觉, 数字病理学	青光眼	NA	双模态网络（KGNet）	图像, 文本	一个ACA数据集和三个公开数据集	NA	KGNet（包含模态特定表示学习组件和知识引导融合模块）	NA	NA
209	2026-10-01	ProCausal-WS: Weakly Supervised Causal Representation Learning Driven Interpretable Prostate Cancer Diagnosis 2026-Mar-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3675771 PMID:41855066	研究论文	本文提出了ProCausal-WS，一个弱监督因果表示学习框架，用于可解释的前列腺癌诊断，能够处理多模态非线性依赖并进行反事实推理	提出可逆流因果编码器将高维多模态观测映射到低维可解释因果因子空间，设计外生临床干预模块通过动态门控和结构方程模拟治疗场景并生成可控反事实预测，以及结合对比学习与投影头的弱监督对齐机制仅用少量标注样本约束语义可识别性	未明确讨论模型在更大规模多样化人群中的泛化能力，弱监督标注比例虽低但仍需部分专家标注，反事实预测的生物合理性仍依赖专家主观评估	解决现有前列腺癌诊断方法无法处理影像、基因组和临床变量间非线性依赖以及缺乏反事实推理机制的问题	前列腺癌患者的多模态数据（影像、基因组和临床变量）	数字病理学	前列腺癌	弱监督因果表示学习、可逆流模型、对比学习	可逆流因果编码器、动态门控网络	图像、基因组数据、临床数据	TCGA-PRAD数据集和PANDA数据集，其中仅使用8%和5%的完整标注	NA	可逆流模型、投影头	临床因果概念识别准确率、干预均方误差、AUROC、专家生物合理性评分	NA
210	2026-10-01	BWS-Net: An Optimal Deep Learning Architecture for the Anterior Bladder Wall Segmentation using Ultrasound Imaging 2026-Mar-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3675965 PMID:41855067	研究论文	本文提出了一种名为BWS-Net的新型深度学习网络，用于超声图像中膀胱前壁的精确分割	采用蓝图可分离卷积和自适应注意力跳跃连接，在减少计算量的同时提高分割性能，计算复杂度比现有网络降低94-96%	缺乏临床验证，仅基于64名患者的8592张图像进行5折交叉验证，未进行实时临床应用测试	实现超声图像中膀胱前壁的精确分割，以支持非侵入性膀胱功能评估	膀胱前壁超声图像	医学图像分割	膀胱疾病	超声成像	CNN	图像	8592张图像来自64名患者	NA	编码器-解码器结构，包含蓝图可分离卷积层和自适应注意力跳跃连接	Dice分数、敏感度、均方根误差	NA
211	2026-10-01	GeoCTP: Structure-aware Prediction of Multifunctional Cancer Therapy Peptides via Graph Transformer and Contrastive Learning 2026-Mar-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3674608 PMID:41838499	研究论文	该论文提出了一种整合序列和结构信息的几何深度学习框架GeoCTP，用于多功能癌症治疗肽的预测	首个专门针对多功能癌症治疗肽的预测工具，采用图Transformer提取结构感知表示，结合ESM-2语言模型提取序列语义特征，并引入两级对比学习策略增强跨模态特征对齐和类间判别能力	摘要中未明确提及研究的局限性	解决传统实验筛选方法耗时耗力的问题，实现多功能癌症治疗肽的准确预测	多功能癌症治疗肽	机器学习	癌症	ESMfold, ESM-2	Graph Transformer	序列数据, 结构数据	NA	NA	Graph Transformer, ESM-2	NA	NA
212	2026-10-01	Evaluation of Deep Learning-Based Event Detection for Parameter Estimation During Complex Walking in Parkinson's Disease 2026-Mar-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3673610 PMID:41818008	研究论文	该研究评估了一种基于惯性传感器和深度学习事件检测的处理流程，用于在帕金森病患者的复杂行走任务中估计步态参数	提出在步幅分割中使用时间卷积网络（TCN）进行事件检测，并结合已有的轨迹重建和参数提取方法，准确量化稳态步态、转身、步态启动和终止的时空参数	摘要中未明确提及研究的局限性	评估一种基于惯性传感器的处理流程，该流程使用深度学习方法进行事件检测，以量化简单和复杂行走任务中的步态参数	帕金森病患者在简单和复杂行走任务中的步态	机器学习，数字病理学（步态分析）	帕金森病	惯性传感器，压力步道	时间卷积网络（TCN）	惯性传感器数据，压力步道数据	摘要中未明确提及样本量	NA	时间卷积网络（TCN）	平均误差，相关系数（r）	NA
213	2026-10-01	HyperSynergyX: Synergistic Drug Combination Prediction via Hypergraph Modeling and Knowledge Graph-Enhanced Retrieval-Augmented Generation 2026-Mar-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3673550 PMID:41818020	研究论文	本文提出HyperSynergyX框架，通过超图上的双偏置随机游走与知识图谱增强的检索增强生成，实现协同药物组合预测并提供机制解释	首次将双偏置随机游走超图模型与知识图谱增强的检索增强生成模块结合，兼顾协同预测性能与机制可解释性，并针对三药组合进行建模	摘要中未明确说明该框架的局限性	解决复杂疾病中三药协同组合预测的组合爆炸与模型不透明问题，加速多药发现并支持精准肿瘤学的合理方案设计	乳腺癌和肺癌相关药物组合数据	机器学习	乳腺癌, 肺癌	NA	双偏置随机游走超图模型, 知识图谱增强的检索增强生成	图数据	摘要中未明确说明样本量	NA	双偏置随机游走超图, 知识图谱增强的检索增强生成	AUROC, AUPRC	NA
214	2026-10-01	PID-Optimized Deep Learning for Adaptive Time-Frequency Forecasting in Dynamic Systems: Coal Calorific Value Prediction 2026-Mar-11, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3667581 PMID:41811724	研究论文	提出一种PID优化的深度学习框架，用于动态系统自适应时频预测，并在洗精煤热值预测中验证	集成通道独立可分离动态滤波器（CSDF）以适应实时多变量过程变量并最小化跨通道干扰，同时采用闭环PID优化策略提升深度学习模型的收敛性和预测精度	仅在一个工业案例（洗精煤热值预测）中验证，未说明在其他动态系统上的泛化能力	解决非平稳工业数据带来的实时预测挑战，提升动态系统监测与控制能力	动态工业系统，具体为洗精煤热值	机器学习	NA	深度学习，PID优化，时间频率预测	深度学习模型（具体架构未指明）	时间序列（工业过程数据）	NA	NA	NA	预测命中率（FHR）	NA
215	2026-10-01	Deciphering lncRNA-disease associations based on multi-representation fusion and boosting with Gaussian process 2026-Mar-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3672737 PMID:41805498	研究论文	本文提出了一种基于多表示融合和高斯过程提升的深度学习框架LDA-RMGPB，用于预测lncRNA与疾病的关联	结合随机奇异值分解提取线性特征、掩码图自编码器学习非线性特征，并采用高斯过程提升算法进行分类，有效融合多表示特征并提升未知LDP的分类准确性	未明确说明计算复杂度或可扩展性限制，且仅在两个LDA数据集上验证，泛化能力需进一步评估	提高lncRNA与疾病关联预测的准确性，为理解疾病发病机制和发现治疗靶点提供支持	lncRNA与疾病的关联对（LDPs），包括lncRNA和疾病	机器学习	乳腺癌, 前列腺癌	NA	随机奇异值分解, 掩码图自编码器, 高斯过程提升算法	图数据, 特征数据	两个LDA数据集，具体样本数未说明	NA	随机奇异值分解, 掩码图自编码器, 高斯过程	六种评估指标（未具体列出），5折交叉验证	NA
216	2026-10-01	Leads-Adaptive Fetal Electrocardiogram Extraction Using Attention-Based BiLSTM 2026-Mar-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3672909 PMID:41805500	研究论文	本文提出了一种基于注意力机制的双向长短期记忆网络（BiLSTM）方法，用于从多导联腹壁心电图（AECG）中自适应提取胎儿心电图（fECG）信号	提出了结合注意力机制和深度监督子网络的BiLSTM架构，通过计算通道间注意力权重实现通道轴上的特征融合，有效减轻缺陷通道对输出的影响，支持多导联AECG输入的自适应fECG提取	仅在公开数据集上进行了评估，未在真实临床环境中大规模验证；未与其他深度学习方法进行全面比较	解决临床环境中AECG记录信号异常导致传统fECG提取方法效果不佳的问题，实现多导联AECG输入下fECG信号的自适应提取	腹壁心电图（AECG）信号和胎儿心电图（fECG）信号	机器学习	心血管疾病	心电图信号处理	BiLSTM	信号	NA	NA	BiLSTM, 注意力机制, 深度监督子网络	NA	NA
217	2026-10-01	Hybrid Multi-View MRI Fusion for csPCa Diagnosis via Intra- and Inter-View Transformers 2026-Mar-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3672887 PMID:41805501	研究论文	提出一种混合多视图MRI融合框架，通过视图内和视图间Transformer迭代交互，用于临床显著性前列腺癌诊断	将多视图信息整合分解为多个分辨率上的迭代视图内和视图间交互，使用桥接令牌降低内存并保持空间关系，共享位置嵌入增强跨视图空间对应	未明确提及	提高基于多视图MRI的临床显著性前列腺癌诊断准确性	多视图MRI扫描（轴位、矢状位、冠状位）	计算机视觉	前列腺癌	多参数MRI	Vision Transformer, Swin Transformer	图像	公开数据集（具体数量未提及）	NA	Vision Transformer, Swin Transformer	分类性能指标（具体未提及）	NA
218	2026-10-01	SASG-DA: Sparse-Aware Semantic-Guided Diffusion Augmentation For Myoelectric Gesture Recognition 2026-Mar-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3670388 PMID:41779657	研究论文	提出稀疏感知语义引导扩散增强方法，用于表面肌电手势识别中的数据增强，以缓解过拟合和提升泛化能力	引入语义表示引导机制提高生成保真度，提出高斯建模语义采样策略实现保真且多样化的样本生成，并引入稀疏感知语义采样策略增强目标多样性，探索欠表示区域	未明确说明	解决表面肌电手势识别中训练数据稀缺导致的过拟合和泛化能力差的问题，通过数据增强提高识别性能	表面肌电信号手势识别数据	机器学习	NA	表面肌电信号处理	扩散模型	信号	Ninapro DB2、DB4和DB7基准数据集	NA	NA	NA	NA
219	2026-10-01	Deep Learning-Based Vitiligo Activity Evaluation Using Wood's Lamp Imaging: A Clinical Decision Support 2026-Mar-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3670244 PMID:41779660	研究论文	本文设计并验证了一个基于深度学习的端到端系统，利用伍德灯成像进行白癜风皮损定位、纵向追踪和活动性评估，以支持临床决策	首次将Mask R-CNN用于伍德灯成像下的白癜风自动检测和分割，并结合t-SNE和VIDA评分进行疾病活动性评估，以及通过风险、相关性和生存分析刻画疾病进展	摘要中未明确提及研究局限性	解决白癜风缺乏自动化、定量随访工具的问题，实现精准、客观的白癜风监测，支持个性化、分期感知的治疗决策	白癜风患者	数字病理学	白癜风	伍德灯成像	CNN	图像	NA	NA	Mask R-CNN, U-Net, U-Net++, U2-Net, DeepLabV3	Dice系数, 平均交并比(mIoU), AUC	NA
220	2026-10-01	ICP-WAVES: Intracranial Pressure Waveform Analysis and Visualization for Enhanced Signal Processing 2026-Mar-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3669377 PMID:41774667	研究论文	本研究训练了一个基于Transformer的基础模型来分析颅内压波形，并通过SVM分类器区分不同的颅内压波形形态，同时开发了图形用户界面以支持实时交互分析	首次将基于Transformer的基础模型应用于颅内压波形的分析，能够捕捉复杂的时间动态模式并生成嵌入，结合SVM分类器实现颅内压波形形态的自动分类，并开发了支持实时交互分析的图形用户界面	数据集规模相对较小，仅包含190名脑出血患者和23名脑室外引流患者；1峰顺应性波形的分类准确率仅为77.5%，低于其他类别；合成数据集的验证结果与真实数据存在差异	利用深度学习基础模型分析侵入性颅内压波形，提取与脑顺应性相关的临床信息，并实现颅内压波形的实时交互分析和可视化	脑出血患者的颅内压波形数据以及脑室外引流患者的颅内压波形数据	机器学习	脑出血	颅内压波形监测	Transformer, SVM	生理波形信号	190名脑出血患者（其中62名有颅内压波形数据），23名脑室外引流患者（训练集11人，测试集12人），共标注8406个颅内压脉冲（训练集3613个，测试集4793个）	NA	Transformer, SVM	AUC, 混淆矩阵, 准确率	NA