深度学习在生物医药领域中的应用

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
2181	2025-05-08	TRUSWorthy: toward clinically applicable deep learning for confident detection of prostate cancer in micro-ultrasound 2025-May, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03335-y PMID:39976857	research paper	提出了一种名为TRUSWorthy的深度学习系统，用于在前列腺癌的微超声检测中提高准确性和可靠性	整合了自监督学习、多实例学习聚合、随机欠采样增强和集成学习，解决了标签稀缺、弱标签、类别不平衡和过度自信等问题	需要进一步验证在更多临床环境中的适用性和稳定性	开发一个可靠的深度学习系统，用于前列腺癌的检测	前列腺癌的微超声数据	digital pathology	prostate cancer	micro-ultrasound	transformers, ensemble learning	image	大型多中心微超声数据集
2182	2025-05-08	DARCS: Memory-Efficient Deep Compressed Sensing Reconstruction for Acceleration of 3D Whole-Heart Coronary MR Angiography 2025-May, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3524717 PMID:40030771	research paper	提出一种内存高效的深度压缩感知方法DARCS，用于加速3D全心冠状动脉磁共振血管成像的重建	利用预训练的伪影估计网络作为固有稀疏变换，显著降低内存使用同时提升重建质量	未提及具体临床验证规模或不同硬件平台的适应性测试	解决3D冠状动脉磁共振血管成像在高度欠采样情况下的高质量重建问题	3D全心冠状动脉磁共振血管成像数据	digital pathology	cardiovascular disease	deep compressed sensing	unrolled network	3D medical image	NA
2183	2025-05-08	SWMA-UNet: Multi-Path Attention Network for Improved Medical Image Segmentation 2025-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3523492 PMID:40030824	research paper	提出了一种名为SWMA-UNet的并行多路径注意力架构，用于改进医学图像分割	采用并行策略整合Transformers和CNNs，同时处理全局和局部信息，提高了分割精度	未提及具体局限性	改进医学图像分割的准确性	医学图像	digital pathology	NA	deep learning	SWMA-UNET (结合Transformers和CNNs的并行多路径注意力架构)	image	Synapse, ACDC, ISIC 2018和MoNuSeg数据集
2184	2025-05-08	FlexibleSleepNet:A Model for Automatic Sleep Stage Classification Based on Multi-Channel Polysomnography 2025-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3525626 PMID:40030855	研究论文	提出了一种名为FlexibleSleepNet的轻量级卷积神经网络架构，用于基于多通道多导睡眠图的自动睡眠阶段分类	设计了自适应特征提取模块（AFE）和尺度变化压缩模块（SVC），有效平衡时空特征提取与计算复杂性	NA	解决自动睡眠阶段分类任务中深度学习模型在时空特征提取与计算复杂性之间的平衡问题	多通道多导睡眠图数据	数字病理学	NA	多通道多导睡眠图	CNN	多通道生理信号数据	三个数据库：SleepEDF-20、SleepEDF-78和SHHS
2185	2025-05-08	Conditional Contrastive Predictive Coding for Assessment of Fetal Health From the Cardiotocogram 2025-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3530610 PMID:40030899	研究论文	本文提出了一种基于条件对比预测编码（CPC）的方法，用于从胎心宫缩图（CTG）中评估胎儿健康状况	改进了之前基于WaveNet架构的无监督深度学习模型，通过引入对比预测编码（CPC）和新的训练目标，提高了异常检测的性能	未提及具体样本量或数据集的详细描述	开发一种自动化的胎儿健康评估方法，以减少人为解释胎心宫缩图的主观性和不必要的干预	胎心宫缩图（CTG）记录的胎儿心率和子宫活动数据	数字病理学	胎儿健康	对比预测编码（CPC）	WaveNet, CPC	时间序列数据	NA
2186	2025-05-08	Predicting Drug-miRNA Associations Combining SDNE with BiGRU 2025-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3525266 PMID:40030943	研究论文	提出了一种结合SDNE和BiGRU的新方法SDNEDMA，用于预测药物-miRNA关联	首次将SDNE与BiGRU结合用于药物-miRNA关联预测，采用双通道方法融合miRNA和药物的属性和拓扑特征	未提及具体的数据集规模限制或模型泛化能力测试	开发高精度的药物-miRNA关联预测方法以辅助药物研发	药物与miRNA之间的关联关系	机器学习	NA	SDNE（结构化深度网络嵌入）和BiGRU（双向门控循环单元）	SDNE + BiGRU	miRNA序列数据和药物ECFP指纹数据	基于ncDR数据集进行5折交叉验证
2187	2025-05-08	DiffuSeg: Domain-Driven Diffusion for Medical Image Segmentation 2025-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3526806 PMID:40030962	研究论文	介绍了一种名为DiffuSeg的新型条件扩散模型，用于医学图像分割，能够利用现有标签合成目标域的新图像	提出了一种仅需标签图和目标域未标记图像的条件扩散模型，避免了人工标注的需求，并在图像生成和分割准确性上显著优于基线方法	在训练过程中目标数据集的标注不可用的情况下表现最佳，可能限制了在需要实时标注的应用中的使用	解决医学图像分割中标注成本高和分布偏移的问题	医学图像数据，包括视网膜眼底图像和MRI图像	数字病理	心血管疾病	条件扩散模型	DiffuSeg	图像	NA
2188	2025-05-08	Physiological Information Preserving Video Compression for rPPG 2025-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3526837 PMID:40030966	research paper	提出了一种专为rPPG应用设计的视频压缩方案，以保留生理信息	提出了一种专门针对rPPG应用的视频压缩方案，包含面部ROI计算资源重分配、rPPG信号保留比特资源重分配和时域上下采样编码三种策略	未提及具体局限性	解决rPPG视频压缩过程中生理信息丢失的问题	rPPG视频数据	computer vision	NA	视频压缩算法	NA	视频	UBFC-rPPG、ECG-Fitness数据集和自采集数据集
2189	2025-05-08	WavFace: A Multimodal Transformer-Based Model for Depression Screening 2025-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3529348 PMID:40031033	research paper	提出了一种基于多模态Transformer的模型WavFace，用于通过音频和面部特征进行抑郁症筛查	WavFace通过编码器-Transformer层改进单模态表示，并应用显式对齐方法和顺序与空间自注意力机制，融合两种模态的嵌入	样本量较小	开发一种深度学习模型用于抑郁症筛查	抑郁症患者	natural language processing	geriatric disease	deep learning	Transformer	audio, video	NA
2190	2025-05-08	Multivariate Glucose Forecasting Using Deep Multihead Attention Layers Inside Neural Basis Expansion Networks 2025-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3530461 PMID:40031270	研究论文	提出一种新型网络架构，结合多头注意力层和神经网络基础扩展层，用于提高葡萄糖预测的准确性和个性化	提出了一种结合多头注意力层和神经网络基础扩展层的新型网络架构，提高了预测准确性并部分解决了模型可解释性问题	模型仍存在部分非解释性问题，且需要大量训练数据和高性能计算资源	提高基于连续葡萄糖监测（CGM）传感器的糖尿病管理系统中葡萄糖预测的准确性和个性化	糖尿病患者的葡萄糖水平	机器学习	糖尿病	深度学习	多头注意力层与神经网络基础扩展层结合的网络	时间序列数据	使用OhioT1DM数据库进行验证
2191	2025-05-08	Development and application of an intelligent pressure injury assessment system using AI image recognition 2025-May, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329241296350 PMID:40066836	研究论文	开发并评估了一种基于AI的智能压力性损伤评估系统，旨在提高评估的准确性和效率	使用深度学习算法（CNN）构建的AI系统在准确性和效率上优于传统评估方法	需要进一步研究以扩展系统对其他类型伤口的应用	提高压力性损伤评估的准确性和效率	108名ICU患者	计算机视觉	压力性损伤	深度学习	CNN	图像	108名ICU患者（分为对照组和实验组）
2192	2025-05-08	Mechanical Evolution of Metastatic Cancer Cells in 3D Microenvironment 2025-05, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202403242 PMID:40116569	research paper	该研究利用光学布里渊显微镜在3D微环境中纵向获取癌细胞球体的力学图像，并通过机器学习算法提高癌细胞分类的准确性	首次在3D生理环境中纵向研究癌细胞的力学特性，并开发了基于布里渊图像的深度学习管道用于癌细胞分类	研究仅针对体外培养的癌细胞球体，未涉及体内环境	探索癌细胞在3D微环境中的力学演化及其在癌症分类中的应用	癌细胞球体和正常细胞球体	生物医学工程	癌症	光学布里渊显微镜	深度学习	图像	8天的癌细胞球体生长数据
2193	2025-05-08	Machine learning in prediction of epidermal growth factor receptor status in non-small cell lung cancer brain metastases: a systematic review and meta-analysis 2025-May-01, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14221-w PMID:40312289	系统综述与荟萃分析	评估机器学习模型在预测非小细胞肺癌脑转移患者表皮生长因子受体状态中的性能	首次系统评估机器学习模型在预测非小细胞肺癌脑转移患者EGFR状态中的应用，并比较了机器学习与深度学习模型的性能	纳入研究数量有限（20项），且未显示机器学习与深度学习模型之间存在显著差异	评估机器学习模型在预测非小细胞肺癌脑转移患者EGFR状态中的预测性能	非小细胞肺癌脑转移患者	机器学习	非小细胞肺癌	NA	机器学习（ML）和深度学习（DL）	临床和影像数据	3517名患者，6205个非小细胞肺癌脑转移病灶
2194	2025-05-08	A Novel Deep Learning-based Pathomics Score for Prognostic Stratification in Pancreatic Ductal Adenocarcinoma 2025-May-01, Pancreas IF:1.7Q3 DOI:10.1097/MPA.0000000000002463 PMID:40314741	研究论文	本研究利用深度学习和病理学特征构建了一种新的胰腺导管腺癌预后分层评分系统	开发了一种基于深度学习的病理学评分系统，用于胰腺导管腺癌的预后分层，超越了传统临床模型的预测能力	研究为回顾性设计，且仅在两中心进行，可能需要更大规模的前瞻性验证	提高胰腺导管腺癌的生存预测准确性，为个性化治疗策略提供依据	胰腺导管腺癌患者	数字病理学	胰腺导管腺癌	深度学习，弱监督学习，多实例学习	随机生存森林，Cox回归	苏木精-伊红染色的全切片图像	864名PDAC患者（训练组489人，验证组211人，新辅助治疗组164人）
2195	2025-05-08	A Lightweight Framework for Protected Vegetable Disease Detection in Complex Scenes 2025-May, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.70200 PMID:40321614	研究论文	提出了一种轻量级框架VegetableDet，用于复杂场景下保护地蔬菜病害检测	创新性地结合了可变形注意力转换器(DAT)与YOLOv8n主干架构，并集成了通道-空间自适应注意力机制(CSAAM)，提高了模型对长程特征依赖的感知能力和关键特征的精准定位	在真实复杂种植环境中的抗干扰能力和实时性能仍有提升空间	开发智能病害检测系统以提升蔬菜生产管理效率	5种蔬菜的30种病害及健康样本	计算机视觉	蔬菜病害	深度学习	VegetableDet（基于DAT与YOLOv8n的混合架构）	图像	自定义综合保护地蔬菜病害数据集（具体数量未说明）
2196	2025-05-08	Breast Cancer Detection Using Convolutional Neural Networks: A Deep Learning-Based Approach 2025-May, Cureus DOI:10.7759/cureus.83421 PMID:40322605	综述	本文综述了基于卷积神经网络（CNN）的深度学习在乳腺癌检测中的最新进展，评估了不同架构、特征提取技术和优化策略	比较了CNN、RNN和混合模型在医学图像分类中的优缺点，并展示了混合CNN模型在捕获肿瘤特征空间和序列依赖性方面的优越性	未来研究需要探索基于Transformer的模型、联邦学习和可解释AI技术以提高模型的解释性和泛化能力	评估深度学习在乳腺癌检测中的应用，提高诊断准确性和早期检测率	乳腺癌检测	数字病理学	乳腺癌	深度学习	CNN, LSTM, MLP	图像	569个实例，包含33个肿瘤形态特征
2197	2025-05-08	PEARL: Cascaded Self-Supervised Cross-Fusion Learning for Parallel MRI Acceleration 2025-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3347355 PMID:38147421	研究论文	提出了一种名为PEARL的新型自监督并行MRI加速方法，通过多流联合深度解码器和交叉融合方案准确重建压缩采样的k空间图像	采用多流联合深度解码器和两种交叉融合方案，结合长距离统一跳跃连接和双归一化边缘方向相似性正则化，显著提升了重建精度	未明确提及具体局限性	开发自监督学习框架以加速并行MRI成像	压缩采样的k空间MRI数据	医学影像处理	NA	并行MRI加速技术	多流联合深度解码器	MRI图像数据	未明确提及具体样本量
2198	2025-05-08	Adaptive Cross-Feature Fusion Network With Inconsistency Guidance for Multi-Modal Brain Tumor Segmentation 2025-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3347556 PMID:38150339	research paper	提出了一种名为ACFNet的新型深度神经网络，用于多模态MRI中脑肿瘤的精确分割	设计了自适应跨特征融合（ACF）模块和预测不一致性引导（PIG）模块，以有效整合多模态信息并减少模态间的差异	未提及具体的数据集限制或计算资源需求	提高多模态MRI中脑肿瘤分割的准确性	多模态MRI中的脑肿瘤	digital pathology	brain tumor	multi-modal MRI	ACFNet	image	BraTS 2020数据集
2199	2025-05-08	MACTFusion: Lightweight Cross Transformer for Adaptive Multimodal Medical Image Fusion 2025-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3391620 PMID:38640042	研究论文	提出了一种基于轻量级交叉Transformer的自适应多模态医学图像融合方法	提出了一种新颖的轻量级交叉Transformer，基于交叉多轴注意力机制，包括交叉窗口注意力和交叉网格注意力，以挖掘和整合多模态特征的局部和全局交互	NA	改进多模态医学图像融合的性能，同时降低计算成本	多模态医学图像	计算机视觉	脑肿瘤	深度学习	Transformer	医学图像	NA
2200	2025-05-08	Expert consensus document on artificial intelligence of the Italian Society of Cardiology 2025-May-01, Journal of cardiovascular medicine (Hagerstown, Md.) DOI:10.2459/JCM.0000000000001716 PMID:40331418	专家共识	意大利心脏病学会关于人工智能在心血管疾病管理中应用的专家共识文件	探讨了AI在心血管疾病诊断和预后中的增强能力，特别是在处理医院数据集、心电图和超声心动图采集方面的应用	算法的外部有效性无法保证，结果的可解释性可能存在问题，即所谓的'黑箱'问题	探索人工智能在心血管疾病管理中的应用潜力	心血管疾病患者，包括高血压、缺血性心脏病和罕见浸润性心肌病等	医疗人工智能	心血管疾病	机器学习和深度学习	ML和DL模型	医院数据集、心电图、超声心动图采集	NA