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
2421	2025-04-06	Optimized Drug-Drug Interaction Extraction With BioGPT and Focal Loss-Based Attention 2025-Feb-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3540861 PMID:40031603	研究论文	本文提出了一种结合BioGPT、BioBERT、BiLSTM和ReGCN的框架BioFocal-DDI，用于优化药物-药物相互作用（DDI）的提取	采用基于Focal Loss的注意力机制解决类别不平衡问题，并结合多种模型进行特征提取和关系建模	未提及具体的数据集局限性或模型在其他数据集上的泛化能力	优化药物-药物相互作用（DDI）的提取，以提高临床实践中的治疗效果和减少不良反应	药物-药物相互作用（DDI）	自然语言处理	NA	BioGPT, BioBERT, BiLSTM, ReGCN	BioGPT, BioBERT, BiLSTM, ReGCN	文本	DDI Extraction 2013数据集
2422	2025-03-05	DNA-CBIR: DNA Translation Inspired Codon Pattern-based Deep Image Feature Extraction for Content-based Image Retrieval 2025-Feb-10, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2025.3540102 PMID:40031697	研究论文	本文提出了一种基于DNA翻译启发的密码子模式的深度图像特征提取方法，用于基于内容的图像检索	提出了一种新颖的编码方案，利用图像的最高三位有效位并将其转换为遵循运行长度和GC约束的核苷酸字符串，形成存储在DNA介质中的DNA平面，并通过密码子特征进行实例图像检索	NA	解决DNA存储中多媒体数据（如图像）的高效搜索和检索问题	图像数据	计算机视觉	NA	DNA存储技术	ResNet-50, VGG-16, VGG-19, Inception V3	图像	多种数据集，包括珊瑚、医学和多标签图像
2423	2025-04-06	Deep learning-based breast cancer diagnosis in breast MRI: systematic review and meta-analysis 2025-Feb-05, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11406-6 PMID:39907762	meta-analysis	本文通过系统回顾和荟萃分析评估了深度学习模型在乳腺MRI中诊断乳腺癌的性能	首次对深度学习模型在乳腺MRI诊断乳腺癌中的性能进行了全面的系统回顾和荟萃分析	研究中存在较大的内在变异性，且仅有21项研究符合定量分析条件	评估深度学习模型在乳腺MRI诊断乳腺癌中的性能	乳腺癌诊断	digital pathology	breast cancer	MRI	CNN, HCM	image	40项研究（其中21项符合定量分析）
2424	2025-04-06	Advancing Sleep Disorder Diagnostics: A Transformer-Based EEG Model for Sleep Stage Classification and OSA Prediction 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3512616 PMID:40030422	研究论文	本研究开发了一种基于Transformer和CRF的深度学习模型，用于睡眠阶段分类和阻塞性睡眠呼吸暂停(OSA)预测	结合自注意力机制和条件随机场(CRF)的深度学习模型，能够捕捉睡眠阶段的时序依赖性并提高分类性能	模型性能在具有不同AHI值的数据集上表现不一	提高睡眠障碍诊断的准确性和自动化水平	睡眠阶段分类和阻塞性睡眠呼吸暂停(OSA)预测	数字病理学	睡眠障碍	深度学习	CNN, Transformer, CRF	单通道脑电图(EEG)记录	NA
2425	2025-04-06	Autoencoder-Based Detection of Insulin Pump Faults in Type 1 Diabetes Treatment 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3518233 PMID:40030700	研究论文	提出一种基于LSTM自编码器和随机森林的新型方法，用于检测1型糖尿病患者胰岛素泵故障	结合LSTM自编码器的特征提取能力和随机森林的分类能力，开发了一种新的胰岛素泵故障检测算法	使用模拟数据而非真实患者数据，可能影响模型在真实场景中的表现	提高1型糖尿病患者胰岛素泵系统的安全性和可靠性	胰岛素泵故障检测	机器学习	1型糖尿病	LSTM自编码器, 随机森林	LSTM, 随机森林	时间序列数据	100名受试者的模拟数据（使用UVa/Padova T1D Simulator生成90天数据）
2426	2025-04-06	DSANIB: Drug-Target Interaction Predictions With Dual-View Synergistic Attention Network and Information Bottleneck Strategy 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3497591 PMID:40030194	研究论文	提出了一种名为DSANIB的新方法，用于预测药物与靶点之间的潜在相互作用	DSANIB结合了双视图协同注意力网络和信息瓶颈策略，能够显式捕捉药物-靶点对的局部相互作用并学习其高阶子结构嵌入，同时过滤冗余信息以获得有效的药物和靶点嵌入	NA	改进药物-靶点相互作用预测的准确性和可解释性	药物与靶点之间的相互作用	机器学习	NA	深度学习	双视图协同注意力网络(DSAN)和信息瓶颈(IB)	药物和靶点的相互作用数据	NA
2427	2025-04-06	PFPRNet: A Phase-Wise Feature Pyramid With Retention Network for Polyp Segmentation 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3500026 PMID:40030242	research paper	提出了一种名为PFPRNet的新型方法，用于结肠息肉分割，通过预训练的Transformer编码器和设计的解码器结构提升模型性能	引入了Phase-wise Feature Pyramid with Retention Network（PFPRNet），结合预训练的Transformer编码器和自定义的增强感知模块，以及低层保留模块，以提高分割性能	需要大量标记数据，且息肉图像中的皱纹可能影响模型预测性能	提升结肠息肉分割的准确性和效率，以辅助结直肠癌的早期诊断	结肠息肉图像	computer vision	colorectal cancer	deep learning	Transformer, PFPRNet	image	多个广泛使用的息肉分割数据集
2428	2025-04-06	CT-Less Whole-Body Bone Segmentation of PET Images Using a Multimodal Deep Learning Network 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3501386 PMID:40030243	研究论文	提出了一种新型多模态融合网络（MMF-Net），用于无需CT图像的PET图像全身骨骼分割	首次提出无需CT图像的PET全身骨骼分割方法，通过多模态融合网络整合PET图像中的多种信息	研究仅使用了130个全身PET图像数据集，样本量相对有限	开发一种无需CT图像的PET全身骨骼分割方法，以提高骨癌诊断的准确性	全身PET图像	数字病理学	骨癌	多模态深度学习	MMF-Net（多模态融合网络）	PET图像	130个全身PET图像数据集
2429	2025-04-06	EDSRNet: An Enhanced Decoder Semantic Recovery Network for 2D Medical Image Segmentation 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504829 PMID:40030272	研究论文	提出了一种增强解码器语义恢复网络（EDSRNet），用于2D医学图像分割，通过多级语义融合和多尺度空间注意力模块提升分割性能	引入了多级语义融合（MLSF）模块、多尺度空间注意力（MSSA）和交叉卷积通道注意力（CCCA）模块，以及全局-局部语义恢复（GLSR）模块，有效解决了现有方法在语义补充和全局局部信息交互方面的不足	未提及具体计算复杂度或实时性表现，且实验仅限于特定公开数据集（BUSI、CVC-ClinicDB、Kvasir-SEG）	提升2D医学图像分割的精度和语义恢复效果	2D医学图像	数字病理	NA	深度学习	EDSRNet（基于Encoder-Decoder架构）	医学图像	公开数据集（BUSI、CVC-ClinicDB、Kvasir-SEG），具体样本量未说明
2430	2025-04-06	WaveSleepNet: An Interpretable Network for Expert-Like Sleep Staging 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3498871 PMID:40030379	研究论文	提出了一种可解释的神经网络WaveSleepNet，用于模拟睡眠临床专家的方式进行睡眠分期	利用潜在空间表示识别不同睡眠阶段的特征波原型，并通过量化这些原型与输入信号的接近程度来进行睡眠分期，提高了模型的可解释性	未提及具体局限性	开发一种可解释的自动睡眠分期方法，以提高深度学习模型在临床中的接受度	睡眠信号数据	机器学习	NA	深度学习	WaveSleepNet	信号数据	三个公共数据集
2431	2025-04-06	Recent Advances in Nanomaterial-Based Biosignal Sensors 2025-01, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202405301 PMID:39610205	综述	本文综述了基于纳米材料的生物信号传感器的最新进展，包括其分类、应用及面临的挑战	详细分类并分析了三种基于纳米材料的生物信号传感器，并探讨了深度学习在信号处理和人机界面应用中的潜力	讨论了当前纳米材料生物信号传感器的技术挑战和改进方向	提供对基于纳米材料的生物信号传感器的理解，概述技术现状，并探讨未来发展	生物信号传感器及其在医疗、机器人和可穿戴电子设备中的应用	生物医学工程	NA	纳米材料技术、深度学习信号处理	NA	生物信号数据	NA
2432	2025-04-06	Large Generative Model Impulsed Lightweight Gaze Estimator via Deformable Approximate Large Kernel Pursuit 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3529379 PMID:40031234	研究论文	提出了一种新型轻量级网络结构，通过可变形近似大核和大型生成模型的隐式蒸馏，实现了高效且高精度的视线估计	设计了可变形近似大核的轻量级网络结构，并利用大型生成模型（Stable Diffusion V1.5）的泛化能力进行隐式蒸馏	未明确提及具体限制	开发高效且高精度的轻量级视线估计方法，适用于移动交互平台	视线估计模型	计算机视觉	NA	深度学习	轻量级网络结构（含可变形近似大核），Stable Diffusion V1.5	图像	未明确提及具体样本数量
2433	2025-04-06	Trustworthy Limited Data CT Reconstruction Using Progressive Artifact Image Learning 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3534559 PMID:40031253	研究论文	提出了一种名为渐进伪影图像学习（PAIL）的展开框架，用于有限数据CT重建，旨在解决现有深度学习方法在泛化性和稳定性方面的不足	通过残差域模块（RDM）、图像域模块（IDM）和小波域模块（WDM）三个关键模块的协作，逐步去除伪影并重建CT图像，同时通过小波压缩感知增强网络稳定性	方法在模拟CT数据集、临床心脏数据集和羊肺数据集上验证，但未提及在其他类型数据集上的表现	提高有限数据CT重建的质量和效率，减少辐射暴露或加速扫描过程	有限数据CT重建	数字病理	NA	深度学习	PAIL（包含RDM、IDM和WDM模块）	CT图像	两个模拟CT数据集、一个临床心脏数据集和一个羊肺数据集
2434	2025-04-06	Deep Underwater Image Quality Assessment With Explicit Degradation Awareness Embedding 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3539477 PMID:40031436	研究论文	本文提出了一种新型的深度学习模型EDANet，用于水下图像质量评估，通过显式嵌入退化感知信息来提高模型性能	设计了EDANet模型，采用两阶段训练策略，先通过DIDNet子网络推断退化残差图，再将其嵌入DQENet子网络以增强退化感知能力	未提及具体的数据集规模限制或模型在特定场景下的适用性限制	改进水下图像质量评估的准确性和可靠性	水下退化图像	计算机视觉	NA	深度学习	EDANet (包含DIDNet和DQENet子网络)	图像	在两个基准数据集上进行了测试（未提及具体样本数量）
2435	2025-04-06	ADStereo: Efficient Stereo Matching With Adaptive Downsampling and Disparity Alignment 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3540282 PMID:40031538	research paper	本文提出了一种高效的立体匹配方法ADStereo，通过自适应下采样和视差对齐模块来平衡精度和计算效率	提出了自适应下采样模块（ADM）和视差对齐模块（DAM），以解决传统方法中因下采样操作导致的特征丢失和空间错位问题	未提及具体局限性	提高立体匹配算法在实时应用中的准确性和计算效率	立体匹配算法	computer vision	NA	NA	ADStereo	image	多个公共基准测试数据集（如KITTI stereo 2015）
2436	2025-04-06	High-Density EMG Grip Force Estimation During Muscle Fatigue via Domain Adaptation 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3541227 PMID:40031585	研究论文	本文提出了一种基于域适应的高密度EMG握力估计方法，用于改善肌肉疲劳状态下的握力估计精度	结合对抗训练策略和端到端深度学习模型，对齐非疲劳和疲劳状态下的EMG特征分布，无需在疲劳域中暂停收集力标签数据	研究仅涉及8名受试者，样本量较小	提高肌电接口在肌肉疲劳状态下解码用户意图的准确性	肌电信号（EMG）和握力估计	机器学习	NA	高密度EMG	深度学习模型	肌电信号	8名受试者
2437	2025-04-06	Joint Spatial and Frequency Domain Learning for Lightweight Spectral Image Demosaicing 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3536217 PMID:40031727	research paper	提出了一种基于联合空间和频域信息学习的轻量级光谱图像去马赛克方法	结合空间和频域信息学习，提出无参数的光谱图像初始化策略和高效的空间-频率变换网络	未明确提及具体局限性	提高光谱图像去马赛克的重建质量和效率	光谱图像	computer vision	NA	Fourier transform, deep learning	spatial-frequency transformer network	image	模拟和真实数据（未明确提及具体数量）
2438	2025-04-06	Local-Global Correlation Fusion-Based Graph Neural Network for Remaining Useful Life Prediction 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3330487 PMID:37983145	研究论文	提出一种基于局部-全局相关性融合的图神经网络框架（LOGO），用于剩余使用寿命（RUL）预测	结合局部和全局信息有效建模传感器相关性，提出自适应融合机制和序列微图定义方法	未明确说明方法在极端工况或传感器故障情况下的鲁棒性	提升复杂系统中剩余使用寿命预测的准确性	多传感器监测的工业设备系统	机器学习	NA	图神经网络（GNN）	GNN	时间序列传感器数据	未明确说明具体样本数量
2439	2025-04-06	Enlightened prognosis: Hepatitis prediction with an explainable machine learning approach 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319078 PMID:40173410	research paper	该研究探讨了使用传统机器学习模型预测肝炎感染的效果，并特别关注了SVM模型的优异表现	采用了多种机器学习模型进行比较，并通过超参数调优和集成建模技术提升性能，同时进行了模型可解释性分析	未提及模型在更大规模或多样化数据集上的泛化能力	提高肝炎感染的预测准确性和及时性	肝炎感染病例	machine learning	hepatitis	机器学习模型比较和超参数调优	SVM, logistic regression, decision trees, random forest, MLP	医疗数据	NA
2440	2025-04-06	Advancing enterprise risk management with deep learning: A predictive approach using the XGBoost-CNN-BiLSTM model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319773 PMID:40179109	研究论文	本研究提出了一种基于深度学习的风险管理模型XGBoost-CNN-BiLSTM，用于提升风险事件的预测和检测能力	结合XGBoost的结构化数据处理能力、CNN的特征提取能力和BiLSTM的时间序列处理能力，全面捕捉风险事件的关键特征	未提及模型在实时风险预测中的表现或计算资源需求	提升企业风险管理的预测和检测能力	企业风险事件	机器学习	NA	深度学习	XGBoost-CNN-BiLSTM	结构化数据和时间序列数据	多个数据集（如S&P 500历史数据集）