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
2481	2026-08-12	Fall-Risk Monitoring in Diverse Terrains Using Dual-Task Learning and Wearable Sensing System 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3536030 PMID:40031371	研究论文	本研究提出一种结合地形感知传感器与惯性测量单元的多传感器系统，采用基于改进的CNN-LSTM模型的双任务学习架构，用于在不同地形上监测跌倒风险	创新点在于首次将地形感知与跌倒风险监测相结合，通过双任务学习同时识别跌倒风险等级和地形类型，以减少因地形变化导致的误报	摘要中未提及具体局限性	开发一种可靠的跌倒风险监测系统，能够在多样地形中准确识别跌倒风险等级，并为老年人提供实时监测	跌倒风险等级（正常、接近跌倒、跌倒）和地形类型（平地、上台阶、下台阶）	机器学习	老年疾病	惯性测量单元（IMU）和地形感知传感器	CNN-LSTM	传感器信号	10名年轻受试者（在实验室进行16项活动）和10名老年人（在医院进行4项活动）	NA	CNN-LSTM	准确率	NA
2482	2026-08-12	Optimized Drug-Drug Interaction Extraction With BioGPT and Focal Loss-Based Attention 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3540861 PMID:40031603	研究论文	本文介绍了一种名为BioFocal-DDI的框架，结合BioGPT、BioBERT、BiLSTM和关系图卷积网络来提取药物-药物相互作用，并采用基于焦点损失的注意力机制解决类别不平衡问题	将BioGPT用于数据增强，并引入基于焦点损失的注意力机制以增强对少数类和复杂实例的学习	未在摘要中明确提及局限性	改进药物-药物相互作用提取的准确性和鲁棒性，特别是在处理类别不平衡和复杂生物医学关系方面	药物-药物相互作用（DDI）	自然语言处理	不适用	不适用	BioGPT、BioBERT、BiLSTM、关系图卷积网络（ReGCN）	文本数据	DDI Extraction 2013数据集	不明确，可能使用PyTorch	BioGPT、BioBERT、BiLSTM、ReGCN	精确率、召回率、F1分数	未提及
2483	2026-08-12	Acupuncture State Detection at Zusanli (ST-36) Based on Scalp EEG and Transformer 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3540924 PMID:40031811	研究论文	本研究提出了一种基于头皮脑电图和Transformer的针刺状态检测模型，用于区分足三里穴的不同针刺状态	首次将CNN与Transformer结合用于针刺状态自动识别，实现了端到端的局部和全局特征提取	未详细说明计算资源需求及模型在不同穴位或人群中的泛化能力	开发一种基于深度学习的自动针刺状态检测方法，以标准化针刺流程	28名健康参与者的头皮脑电图数据	数字病理学	不适用	脑电图	卷积神经网络和Transformer	脑电图信号	28名健康参与者	未指定	CNN和Transformer	准确率	未指定
2484	2026-08-12	Predicting Mutation-Disease Associations Through Protein Interactions Via Deep Learning 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3541848 PMID:40031830	研究论文	本文构建了一个真实的突变诱发疾病数据集，并提出了CGM（胶囊网络与图拓扑网络结合多头注意力）模型来预测突变与疾病的关联。	提出了结合胶囊网络、图拓扑网络和多头注意力机制的CGM模型，并在真实数据集上验证了蛋白突变导致结构改变的致病机制。	受限于突变蛋白数据集的规模，实验在基准和不平衡数据集上进行，可能影响模型的泛化能力。	预测蛋白质突变与疾病的关联，并阐明突变致病的机制。	蛋白质突变和疾病关联数据，以及蛋白相互作用对。	机器学习	NA	深度学习	胶囊网络、图拓扑网络、多头注意力机制	蛋白质相互作用和突变数据	NA	PyTorch	CGM（胶囊网络和图拓扑网络）	准确率、AUC	NA
2485	2026-08-12	Fast Virtual Stenting for Thoracic Endovascular Aortic Repair of Aortic Dissection Using Graph Deep Learning 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3540712 PMID:40036417	研究论文	提出一种基于图深度学习的快速虚拟支架模型，用于主动脉夹层胸主动脉腔内修复术的术前规划，预测重塑后的真腔形态	将虚拟支架任务建模为内壁变形的时间依赖性预测，并利用外壁信息改进预测，实现手术计划和术后时间的感知与利用	未在文中明确提及局限性，可能包括依赖特定数据集和计算资源需求	实现准确且时间依赖的虚拟支架预测，以评估和避免再次手术风险，优化手术计划	主动脉夹层患者胸主动脉内壁和外壁的点云数据	机器学习	主动脉夹层	点云生成	图深度学习网络	点云	108名患者，269次真实随访	NA	图神经网络	平均相对误差（体积、表面积、中心线长度）	NA
2486	2026-08-12	Piezoelectret Textile Dressing for Biosignal Monitored Wound Healing 2025-06, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202503130 PMID:40351106	研究论文	本文展示了一种旋转射流纺丝制备的压电驻极体纺织敷料，用于生物信号监测和伤口愈合，具有高灵敏度、防水性和透气性，并支持深度学习辅助的压力映射	首次报道了旋转射流纺丝制备的全有机纺织压电驻极体，通过电晕极化显著提升压电输出，并利用深度学习实现高精度压力映射	摘要中未提及研究的局限性	开发一种兼具功能性和舒适性的智能纺织传感器，用于生理信号监测和伤口愈合促进	压电驻极体纺织传感器及其在生物信号监测和伤口敷料中的应用	机器学习、数字健康	伤口愈合相关疾病	旋转射流纺丝、电晕极化、有限元方法	深度学习模型（具体类型未指定）	压力传感器阵列数据	未指定，仅涉及L929细胞实验	NA	深度学习架构（具体未指定）	精度	NA
2487	2026-08-12	Multimodal Neuroimaging Based Alzheimer's Disease Diagnosis Using Evolutionary RVFL Classifier 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3242354 PMID:37022418	研究论文	提出一种基于小波变换的多模态神经影像融合方法，结合ResNet-50特征提取和进化优化的RVFL分类器，用于阿尔茨海默病的早期诊断	采用小波变换融合MRI和PET多模态影像，利用进化算法优化RVFL网络的权重和偏置以提高分类准确性	未明确提及局限性，但可能受限于ADNI数据集规模和计算资源需求	利用多模态神经影像（MRI和PET）实现阿尔茨海默病及其早期阶段（轻度认知障碍）的准确诊断	阿尔茨海默病患者、轻度认知障碍患者及健康对照者	计算机视觉	阿尔茨海默病	MRI, PET	ResNet-50, RVFL	医学影像	未提及具体样本量，但使用ADNI公开数据集	未提及	ResNet-50, RVFL	准确率	未提及
2488	2026-08-12	A GAN Guided Parallel CNN and Transformer Network for EEG Denoising 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3277596 PMID:37220036	研究论文	本文提出了一种由GAN引导的并行CNN和Transformer网络（GCTNet），用于脑电图（EEG）信号去噪，以有效去除生理伪影。	创新点在于结合并行CNN和Transformer块分别捕捉局部和全局时间依赖，并引入判别器来检测和校正去噪EEG信号与真实干净信号之间的整体一致性。	文中未明确提及局限性，但可能包括对实时处理的支持有限以及模型计算复杂度较高。	旨在提高EEG信号去噪的性能，通过解决现有深度学习方法在时间特征利用和整体一致性方面的不足。	研究对象为受伪影污染的EEG信号，特别是肌电伪影。	数字信号处理、深度学习	不适用	深度学习，GAN，并行CNN，Transformer	GAN，CNN，Transformer	EEG信号数据	未提供具体样本数量，使用了半模拟和真实数据。	未提及具体框架，可能涉及PyTorch或TensorFlow。	并行CNN和Transformer块，判别器	RRMSE，SNR	未提及具体GPU或计算资源。
2489	2026-08-12	Data Augmentation for Medical Image Classification Based on Gaussian Laplacian Pyramid Blending With a Similarity Measure 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3307216 PMID:37603476	研究论文	本文提出一种基于高斯-拉普拉斯金字塔混合和相似性度量的数据增强方案，用于医学图像分类，特别是乳腺癌组织病理图像	将高斯-拉普拉斯金字塔混合与基于相似性度量的图像间混合相结合，以保持图像结构属性并捕获同类患者图像间的变异性，同时使用拼接预训练模型的迁移学习进行改进	未提及	解决医学数据集中标注数据稀缺和数据不平衡问题，提高乳腺癌诊断的准确性和可靠性	乳腺癌组织病理图像	数字病理学	乳腺癌	数据增强、迁移学习	深度学习模型	图像	三个不同的医学数据集	未提及	拼接的预训练模型	性能提升（未指定具体指标）	未提及
2490	2026-08-12	Multi-Gate Mixture of Multi-View Graph Contrastive Learning on Electronic Health Record 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3325221 PMID:37851554	研究论文	提出一种多门控多视图图对比学习方法，用于电子健康记录表示学习，以改善患者相关预测任务性能	创新性地结合多门控混合专家和多视图图对比学习，利用多任务预测的潜在关联及自我对比学习增强图表示，并设计层次全连接图模式和基于Glove的层次本体预训练	未明确说明局限性	获取更合理的电子健康记录表示并提升下游预测任务性能	电子健康记录中的患者访问数据，包括诊断、治疗和实验室事件	机器学习	NA	NA	图神经网络	电子健康记录数据	使用两个大型开放医疗数据集：MIMIC-III和eICU	NA	图神经网络	准确率	NA
2491	2026-08-12	Predicting Drug-miRNA Associations Combining SDNE with BiGRU 2025-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3525266 PMID:40030943	研究论文	提出一种名为SDNEDMA的新方法，结合SDNE和BiGRU预测药物-miRNA关联，在ncDR数据集上取得高准确率	采用双通道方法融合药物和miRNA的属性特征与拓扑特征，首次将SDNE和BiGRU结合用于药物-miRNA关联预测	未在本文中明确提及限制，但可能依赖已知的关联网络数据，对新关联的预测能力需进一步验证	开发一种基于深度学习的方法，以提高药物-miRNA关联预测的准确性和效率，促进药物开发	药物与miRNA之间的关联	深度学习	不适用	SDNE（结构深度网络嵌入）和BiGRU（双向门控循环单元）	深度学习模型（SDNE和BiGRU）	生物序列数据（miRNA k-mer序列）和药物分子指纹（ECFP）以及已知关联网络数据	ncDR数据集（具体样本数量未在标题和摘要中提及）	未指定	SDNE和BiGRU	AUC（曲线下面积）	未指定
2492	2026-08-12	Towards a unified framework for single-cell -omics-based disease prediction through AI 2025-04, Clinical and translational medicine IF:7.9Q1 DOI:10.1002/ctm2.70290 PMID:40170267	编辑材料	提出一个名为scDisPreAI的统一框架，利用人工智能整合单细胞组学数据，实现疾病和疾病阶段的预测以及生物标志物的发现	提出了一个统一的框架，将预测建模与可解释的生物标志物识别相结合，可作为临床决策助手，支持药物再利用和个性化治疗	论文为编辑材料，未提供实验结果或验证，实际应用仍需前瞻性临床验证	提出scDisPreAI框架的技术和方法路线，以促进单细胞组学在精准医学中的转化应用	单细胞组学数据，涵盖多种疾病和多个疾病阶段	机器学习	不明确	单细胞组学（单细胞测序）	机器学习或深度学习模型	单细胞组学数据	不明确	不明确	不明确	不明确	不明确
2493	2026-08-12	A multilayer deep autoencoder approach for cross layer IoT attack detection using deep learning algorithms 2025-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93473-9 PMID:40133346	研究论文	提出一种多层深度自编码器方法，用于跨层物联网攻击检测，以提高检测准确性并减少误报	引入多层深度自编码器（M-LDAE），专门针对跨层物联网攻击检测，利用深度自编码器的层次简化能力提取包含全局和局部属性的潜在表示	未明确提及局限性，但可能涉及对新兴攻击方法的适应性验证不足等	解决物联网跨层攻击检测中的特征表示、可扩展性和灵活性问题，提供一种灵活且鲁棒的网络安全解决方案	物联网网络中的跨层攻击，包括网络层的中间人攻击和传输层的分布式拒绝服务（DDoS）攻击	机器学习	NA	深度学习算法（如RNN、GNN、TCN）	自编码器	网络数据	NA	NA	多层深度自编码器（M-LDAE）	检测准确性、误报率	NA
2494	2026-08-12	Presenting a prediction model for HELLP syndrome through data mining 2025-03-17, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02904-0 PMID:40098129	研究论文	本研究旨在通过数据挖掘方法，基于非侵入性参数构建HELLP综合征的预测模型，并比较多种机器学习算法的性能。	首次将多种机器学习算法应用于HELLP综合征的诊断预测，并发现多层感知机和深度学习表现最佳，F1分数超过99%。	研究为单中心横断面研究，样本量有限，可能影响模型的泛化能力。	开发和验证一种基于非侵入性参数的机器学习模型，用于HELLP综合征的早期诊断，以提高诊断准确性和及时性。	384名在伊朗德黑兰Tajrish医院就诊的患者，时间跨度为2010-2021年。	机器学习	HELLP综合征（妊娠期相关疾病）	数据挖掘、机器学习	多层感知机、深度学习、K近邻、随机森林、AdaBoost、XGBoost、逻辑回归、支持向量机、决策树	表格数据（患者临床记录）	384名患者	未明确指定，可能涉及多个框架	多层感知机、深度学习模型、K近邻、随机森林、AdaBoost、XGBoost、逻辑回归、支持向量机、决策树	F1分数	未明确提及
2495	2026-08-12	Advancing AI-driven thematic analysis in qualitative research: a comparative study of nine generative models on Cutaneous Leishmaniasis data 2025-03-10, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02961-5 PMID:40065373	研究论文	本研究比较了九种生成式人工智能模型与传统人工分析在定性研究主题分析中的效能，以皮肤利什曼病疤痕的心理社会影响为案例	首次系统比较九种先进生成式AI模型在定性主题分析中的表现，并发现部分模型与专家分析完全一致，同时通过性别差异分析提供了更细致的心理社会影响理解	未明确提及局限性	评估AI辅助主题分析与传统人工分析在定性研究中的相对效能，探索AI在定性研究方法中的整合潜力	448名参与者的反馈数据，关于皮肤利什曼病疤痕的心理社会影响	自然语言处理	皮肤利什曼病	NA	生成式大语言模型	文本	448名参与者的反馈数据	NA	Llama 3.1 405B, Claude 3.5 Sonnet, NotebookLM, Gemini 1.5 Advanced Ultra, ChatGPT o1-Pro, ChatGPT o1, GrokV2, DeepSeekV3, Gemini 2.0 Advanced	Cohen's Kappa系数, Jaccard指数	NA
2496	2026-08-12	Deep Learning-Based Assessment of Lip Symmetry for Patients With Repaired Cleft Lip 2025-02, The Cleft palate-craniofacial journal : official publication of the American Cleft Palate-Craniofacial Association DOI:10.1177/10556656241312730 PMID:39838936	研究论文	提出一种基于深度学习和对比学习的方法，通过分析唇部侧向形态自动评估修复唇裂患者术后的唇部对称性	利用对比学习量化唇部对称性，无需患者图像训练，而是通过开放数据集中的面部变换和视频帧时间错位模拟唇部不对称	准确性有限，与医学专家评估的相关性中等（Pearson相关系数分别为0.31和0.27）	开发自动化、客观的工具来评估修复唇裂患者术后唇部对称性	修复唇裂患者的唇部侧向形态和对称性	计算机视觉	唇裂	NA	深度学习模型（对比学习）	图像（面部图像）	146张修复唇裂患者的图像	NA	NA	加权准确率，Pearson相关系数	NA
2497	2026-08-12	Piscis: a novel loss estimator of the F1 score enables accurate spot detection in fluorescence microscopy images via deep learning 2025-Jan-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.31.578123 PMID:38352551	研究论文	提出一种基于深度学习的新颖损失函数SmoothF1，以实现荧光显微镜图像中RNA FISH斑点自动准确检测	引入可微分的SmoothF1损失函数，直接逼近F1分数以惩罚假阳性和假阴性，替代传统损失函数，用于训练自动斑点检测算法	未提及	开发无需手动参数调优的全自动斑点检测算法，提升RNA FISH图像分析准确性和通量	RNA FISH图像中的衍射受限斑点	计算机视觉	不适用	RNA荧光原位杂交 (RNA FISH), 荧光显微镜成像	深度学习模型	图像	358张手动注释的实验RNA FISH图像（多种细胞类型）和240张合成图像	不适用	不适用	F1分数, 准确率, 假阳性率, 假阴性率	不适用
2498	2026-08-12	Explainable Deep Learning Approaches for Risk Screening of Periodontitis 2025-01, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345241286488 PMID:39563207	研究论文	本研究利用可解释人工智能技术，基于NHANES数据开发深度学习模型用于牙周炎的风险筛查和早期诊断，并通过LIME进行特征贡献分析	首次将可解释人工智能（XAI）与深度学习结合用于牙周炎的个体化风险评估，不仅提高了筛查准确性还提供了具有临床一致性的特征贡献排序	NA	利用可解释深度学习技术进行牙周炎的早期筛查和风险因素分析，为临床提供个体化风险评估工具	来自美国国家健康与营养调查（NHANES）的参与者数据，包括30,465名参与者的1,012个临床特征变量	机器学习	牙周炎	NA	深度学习模型（包括机器学习基线模型）	临床特征数据（人口统计学、生活方式、医疗和生化指标）	30,465名参与者（预处理后全年龄组9,632人，50岁以上组5,601人）	NA	NA	曲线下面积（AUC）	NA
2499	2026-08-12	GeneCompass: deciphering universal gene regulatory mechanisms with a knowledge-informed cross-species foundation model 2024-12, Cell research IF:28.1Q1 DOI:10.1038/s41422-024-01034-y PMID:39375485	研究论文	本研究构建了一个知识引导的跨物种基础模型GeneCompass，用于解码人类和小鼠的通用基因调控机制	创新性地整合四种先验生物学知识，在自监督预训练中提升对基因调控机制的理解，并实现了跨物种的基因调控机制探索	未明确提及局限性	利用人工智能技术解码跨物种的通用基因调控机制，并加速发现关键细胞命运调控因子和候选药物靶点	人类和小鼠的单细胞转录组数据，以及细胞命运转变相关因素	机器学习	不适用	单细胞测序	基础模型	单细胞转录组数据	超过1.2亿个人类和小鼠单细胞转录组，预处理后获得101,768,420个单细胞转录组	不适用	不适用	不适用	不适用
2500	2026-08-12	An early warning indicator trained on stochastic disease-spreading models with different noises 2024-08, Journal of the Royal Society, Interface DOI:10.1098/rsif.2024.0199 PMID:39118548	研究论文	本文利用深度学习算法，在带有不同噪声的随机疾病传播模型上训练早期预警指标，用于及时检测传染病爆发，并在实际COVID-19数据和模拟数据中验证其有效性	首次将深度学习应用于噪声诱导的疾病传播模型，以生成在多种噪声（加性白噪声、乘性环境噪声和人口噪声）下均表现稳健的早期预警信号，且优于现有指标	未明确说明，但可能受限于模型训练的特定噪声类型和早期爆发数据有限性	开发可靠的早期预警指标，以在噪声干扰和早期数据有限的条件下及时检测传染病爆发	噪声诱导的疾病传播模型、真实世界COVID-19病例（加拿大埃德蒙顿）及模拟时间序列	机器学习	传染病	NA	深度学习模型	时间序列数据	未明确说明，涉及COVID-19病例和模拟数据	NA	深度学习架构（具体未指明）	早期预警性能指标（具体未指明，但包含与现有指标的比较）	NA