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
3081	2025-07-26	A Hybrid Artificial Intelligence System for Automated EEG Background Analysis and Report Generation 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3496996 PMID:40030193	研究论文	本文提出了一种创新的混合人工智能系统，用于自动解释EEG背景活动并生成报告	结合深度学习模型和无监督伪影去除技术，以及专家设计的异常检测算法，显著提高了EEG背景活动的自动解释准确性	在检测局灶性异常方面虽然有所改进，但未达到统计学显著性	开发一个可扩展且准确的EEG自动解释系统，以辅助神经科医生提高诊断准确性并降低误诊率	EEG信号	人工智能	神经系统疾病	深度学习，无监督学习，大语言模型(LLM)	集成模型	EEG信号数据	1530个标记的EEG数据，并在内部数据集和Temple University异常EEG语料库上进行了验证
3082	2025-07-26	EEGDfus: A Conditional Diffusion Model for Fine-Grained EEG Denoising 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504716 PMID:40030273	研究论文	提出了一种名为EEGDfus的条件扩散模型，用于精细去除EEG信号中的噪声	使用条件扩散模型和双分支网络结构，结合CNN和Transformer的优势，有效解决了标准扩散模型在EEG去噪中的随机性问题	模型仅在两个公开数据集上进行了测试，可能需要更多样化的数据验证其泛化能力	提高EEG信号去噪的准确性和精细度	EEG信号	机器学习	NA	扩散模型	条件扩散模型（结合CNN和Transformer）	EEG信号数据	两个公开数据集（EEGdenoiseNet和SSED）
3083	2025-07-26	From Micro to Meso: A Data-Driven Mesoscopic Region Division Method Based on Functional Connectivity for EEG-Based Driver Fatigue Detection 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504847 PMID:40030270	研究论文	提出了一种基于功能连接的EEG数据驱动中观区域划分方法，用于驾驶员疲劳检测	利用数据特性和功能连接基于GNN的方法，提出了一种新的中观区域划分方法，无需依赖任务特定的先验知识	方法在通用性方面可能仍需进一步验证	提高EEG信号在驾驶员疲劳检测中的性能	EEG信号和驾驶员疲劳状态	机器学习	NA	EEG, GNN	GNN	EEG信号	公共驾驶员疲劳检测数据集
3084	2025-07-26	C2BNet: A Deep Learning Architecture With Coupled Composite Backbone for Parasitic Egg Detection in Microscopic Images 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3318604 PMID:37747862	research paper	提出了一种名为C2BNet的深度学习架构，用于在显微图像中检测寄生虫卵	C2BNet采用双路径结构的骨干网络，利用模型异质性从不同角度学习对象特征，并提出了一种新颖的特征组合方式以增强特征表示能力	NA	提高在显微图像中检测寄生虫卵的模型性能	显微图像中的寄生虫卵	computer vision	intestinal parasitic infection	deep learning	C2BNet	image	Chula-ParasiteEgg-11数据集
3085	2025-07-26	SeqNovo: De Novo Peptide Sequencing Prediction in IoMT via Seq2Seq 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3321780 PMID:37792659	研究论文	本文提出了一种名为SeqNovo的模型，用于在医疗物联网(IoMT)中进行从头肽测序预测	SeqNovo结合了Seq2Seq的编码-解码结构、多层感知机(MLP)的高度非线性特性以及注意力机制捕捉长距离依赖关系的能力，提高了预测的准确性和可解释性	未明确提及具体局限性	解决现有深度学习模型在肽测序预测中可解释性差和长距离依赖捕捉能力不足的问题	肽测序预测	自然语言处理	NA	深度学习	Seq2Seq, MLP, 注意力机制	序列数据	未明确提及样本数量
3086	2025-07-26	Label-Aware Dual Graph Neural Networks for Multi-Label Fundus Image Classification 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3457232 PMID:39255075	研究论文	提出一种新颖的标签感知双图神经网络，用于多标签眼底图像分类	通过结合基于人群的图表示学习和基于病理的图表示学习模块，考虑了受试者之间的关联和病理之间的相关性信息	未明确提及具体局限性	提高多标签眼底图像分类的准确性	眼底图像	计算机视觉	眼底疾病	图神经网络	双图神经网络	图像	NA
3087	2025-07-26	Deep Learning for Predicting Difficulty in Radical Prostatectomy: A Novel Evaluation Scheme 2025-04, Urology IF:2.1Q2 DOI:10.1016/j.urology.2025.01.028 PMID:39814211	研究论文	通过两阶段深度学习方法从术前磁共振成像中评估根治性前列腺切除术的难度	提出了一种新的评估方案，通过深度学习模型nnUNet_v2和修改后的PointNet网络，间接回归15个解剖标志点，并提出了描述前列腺与骨盆空间关系的新指标	研究仅基于290名患者的数据，样本量相对较小，且仅验证了腹腔镜和机器人辅助根治性前列腺切除术	探索评估根治性前列腺切除术难度的新指标	根治性前列腺切除术患者	数字病理学	前列腺癌	磁共振成像（MRI）	nnUNet_v2, PointNet	图像	290名患者（包括腹腔镜和机器人辅助根治性前列腺切除术）
3088	2025-07-26	HIPPIE: A Multimodal Deep Learning Model for Electrophysiological Classification of Neurons 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.14.642461 PMID:40161713	研究论文	介绍了一种名为HIPPIE的多模态深度学习模型，用于神经元的电生理分类	结合自监督预训练和监督微调，利用条件卷积联合自编码器学习波形和放电动态的鲁棒表示，能够跨不同生物培养和技术进行分类和聚类	未提及具体局限性	解决细胞外电生理记录中神经元分类的计算挑战	小鼠记录和脑切片中的神经元	机器学习	NA	自监督学习、监督学习	条件卷积联合自编码器	电生理记录数据	未提及具体样本数量
3089	2025-07-26	Syn-Net: A Synchronous Frequency-Perception Fusion Network for Breast Tumor Segmentation in Ultrasound Images 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3514134 PMID:40030423	研究论文	提出了一种同步频率感知融合网络（Syn-Net），用于在复杂超声图像中精确分割乳腺肿瘤	设计了同步双分支编码器提取局部和全局特征，引入了频率感知交叉特征融合块（FrCFusion Block）利用DCT学习全频特征，并开发了全尺度深度监督方法	未提及具体局限性	实现复杂超声图像中乳腺肿瘤的精确分割	乳腺肿瘤超声图像	数字病理	乳腺癌	离散余弦变换（DCT）	CNN	图像	三个公开可用的超声乳腺肿瘤数据集
3090	2025-07-26	LymoNet: An Advanced Neck Lymph Node Detection Network for Ultrasound Images 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3515995 PMID:40030474	研究论文	提出了一种基于YOLOv8的颈部淋巴结检测网络LymoNet，用于从超声图像中检测和分类正常、炎症和转移性颈部淋巴结	引入了先进的注意力机制模块（CA和MHSA）和医学知识嵌入，以提高模型的检测和分类性能	当前自动化检测方法的准确性不足，需要专业资深放射科医生的专业知识	提高颈部淋巴结检测的自动化水平，以辅助癌症转移的早期检测和治疗	颈部淋巴结（正常、炎症和转移性）	计算机视觉	癌症	深度学习	YOLOv8	超声图像	NA
3091	2025-07-26	RTGN: Robust Traditional Chinese Medicine Graph Networks for Patient Similarity Learning 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510884 PMID:40030577	research paper	该研究提出了一种鲁棒的中医图网络（RTGN），用于在中医背景下学习患者相似性	开发了一种结合自注意力和自监督策略的Siamese网络架构，以及一种整合中西医方法的患者相似性度量	依赖中医医师的生理感官判断可能导致患者评估的非标准化描述和干扰	设计一种患者相似性度量，整合中医的细粒度辨证知识	中医胃肠道恶性肿瘤患者	machine learning	胃肠道恶性肿瘤	深度学习	Siamese network	graph data	719名患者的406种多维信息
3092	2025-07-26	Fusing Micro- and Macro-Scale Information to Predict Anticancer Synergistic Drug Combinations 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3500789 PMID:40030241	研究论文	提出了一种名为MMFSynergy的新方法，用于预测抗癌药物的协同组合	通过融合微观和宏观尺度信息，并利用自监督任务和Transformer Encoder模型，提升了预测药物组合协同效应的能力	模型的泛化能力虽优于其他六种先进方法，但仍有提升空间	提高抗癌药物协同组合预测的准确性和泛化能力	抗癌药物组合及相关的细胞系蛋白质	机器学习	癌症	深度学习	Transformer Encoder	药物和蛋白质的多尺度信息	基于两个公共数据集的实验
3093	2025-07-26	Predicting Paediatric Brain Disorders from MRI Images Using Advanced Deep Learning Techniques 2025-Jan-16, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-024-09707-0 PMID:39821839	研究论文	本文提出了一种基于先进深度学习技术的系统，用于从MRI图像中预测儿童脑部疾病	使用了多种先进的CNN模型（如EfficientNetB0、Xception等）以及混合架构InceptionResNetV2，结合数据可视化技术进行特征提取，实现了高精度的疾病预测	未提及模型在临床环境中的实际应用效果及泛化能力	开发高效准确的AI解决方案，用于儿童脑部疾病的诊断和管理	儿童脑部疾病的MRI图像	数字病理学	儿童脑部疾病	MRI成像	CNN（包括EfficientNetB0、EfficientNetB3、Xception、InceptionV3、MobileNetV2、VGG19、DenseNet169、ResNet50V2、ResNet152V2和InceptionResNetV2）	图像	未明确提及样本数量
3094	2025-07-26	Analysis of Research Hotspots and Development Trends in the Diagnosis of Lung Diseases Using Low-Dose CT Based on Bibliometrics 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056402094250530075121 PMID:40491372	研究论文	通过文献计量学方法分析低剂量CT在肺部疾病诊断中的研究热点和发展趋势	利用CiteSpace软件揭示了低剂量CT在肺癌筛查中的显著优势，并指出深度学习技术与LDCT结合成为早期肺癌研究的新热点	研究仅基于Web of Science核心合集中2005年至2024年的英文文献，可能未涵盖所有相关研究	分析低剂量CT在肺部疾病诊断中的研究热点和发展趋势	低剂量CT在肺部疾病诊断中的应用	数字病理	肺癌	低剂量CT (LDCT)	深度学习	CT图像	NA
3095	2025-07-26	Deep learning-based text generation for plant phenotyping and precision agriculture 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1564394 PMID:40535926	研究论文	本文提出了一种结合深度学习和领域知识的计算框架，用于植物表型分析和精准农业	提出了一种混合生成模型，结合生物约束优化策略和环境感知模块，提高了预测准确性和可解释性	未提及具体的数据噪声处理能力和模型在不同环境下的泛化能力	提升植物表型分析的准确性和可解释性，以支持精准农业	植物表型	机器学习	NA	深度学习	混合生成模型	图像	未提及具体样本数量
3096	2025-07-26	Robust Palmprint Recognition via Multi-Stage Noisy Label Selection and Correction 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3588040 PMID:40668719	研究论文	提出了一种多阶段噪声标签选择与校正框架（MNLSC），用于提高掌纹识别的鲁棒性	通过自监督学习、傅里叶模块和原型模块三阶段方法，有效选择和校正噪声标签，提升模型在噪声环境下的性能	未提及在极端高噪声比例（如超过60%）下的表现	解决掌纹识别中噪声标签对模型可靠性的影响问题	掌纹图像数据	计算机视觉	NA	自监督学习、傅里叶变换	深度学习框架	图像	多个受控和非受控掌纹数据库（具体数量未说明）
3097	2025-07-26	Brain tumor segmentation using deep learning: high performance with minimized MRI data 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1616293 PMID:40697313	研究论文	本研究利用深度学习模型优化脑肿瘤分割过程，减少所需的MRI序列数量	通过仅使用两种MRI序列（T1C + FLAIR）实现高精度的脑肿瘤分割，减少了对多种序列的依赖	研究仅针对胶质瘤进行分割，未涵盖其他类型的脑肿瘤	优化脑肿瘤分割过程，减少MRI序列的使用数量	胶质瘤的增强肿瘤（ET）和肿瘤核心（TC）区域	数字病理	脑肿瘤	深度学习	3D U-Net	MRI图像	训练数据集285例，测试数据集358例（包括2018 BraTS验证集66例和2021 BraTS数据集292例）
3098	2025-07-26	Progress and current trends in prediction models for the occurrence and prognosis of cancer and cancer-related complications: a bibliometric and visualization analysis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1556521 PMID:40697367	研究论文	通过文献计量和可视化分析，探讨癌症及其相关并发症发生和预后的预测模型的研究热点和未来方向	使用文献计量学和可视化工具（VOSviewer和CiteSpace）对癌症相关预测模型的研究趋势、热点和合作网络进行全面分析	研究仅基于Web of Science Core Collection的数据，可能未涵盖所有相关文献	识别癌症相关预测模型的研究热点和未来发展方向	癌症相关预测模型的文献	机器学习	癌症	文献计量分析、可视化分析	预测模型、机器学习、神经网络、深度学习	文献数据	1,556篇出版物
3099	2025-07-26	Integrating deep learning and clinical characteristics for early prediction of endometrial cancer using multimodal ultrasound imaging: a multicenter study 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1600242 PMID:40697376	研究论文	本研究开发了一种基于深度学习的预测模型，结合多模态超声特征和临床风险因素，以提高子宫内膜癌的早期诊断准确性	整合多模态超声成像和临床风险因素，利用深度学习技术显著提升子宫内膜癌诊断的准确性	研究为回顾性分析，未来需要更大规模的前瞻性多中心试验进一步验证结果	提高子宫内膜癌的早期诊断准确性	611名患者（132名子宫内膜癌患者和479名非子宫内膜癌病例）的多模态超声图像和临床数据	数字病理学	子宫内膜癌	深度学习	深度学习模型	图像	611名患者（132名子宫内膜癌患者和479名非子宫内膜癌病例）的1,443张多模态超声图像
3100	2025-07-26	FGA-Corn: an integrated system for precision pesticide application in center leaf areas using deep learning vision 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1571228 PMID:40697871	研究论文	本文介绍了一种名为FGA-Corn的集成系统，用于基于深度学习视觉的玉米中心叶区域精准农药喷洒	提出了FGA-Corn系统，包含FCRF机械结构、ASDS算法和GMA-YOLOv8检测算法，实现了精准农药喷洒和智能农业机械的技术进步	NA	解决传统农药喷洒方法导致的农药浪费和环境污染问题，开发精准农业设备	玉米作物的中心叶区域	计算机视觉	NA	深度学习	YOLOv8n, GMA-YOLOv8	图像	D1和D2数据集