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
421	2025-05-12	AI-augmented Biophysical modeling in thermoplasmonics for real-time monitoring and diagnosis of human tissue infections 2025-Feb, Journal of thermal biology IF:2.9Q1 DOI:10.1016/j.jtherbio.2025.104075 PMID:40023011	research paper	该研究提出了一种结合AI与局域表面等离子体共振(LSPR)技术的系统，用于实时监测和诊断人体组织感染	采用AI辅助的热等离子体技术，检测时间比传统技术缩短57.7%，并显著降低了假阳性和诊断成本	NA	开发一种实时监测和诊断人体组织感染的新方法	人体组织感染	数字病理	组织感染	Localised Surface Plasmon Resonance (LSPR)	circuitry deep learning	single-cell transcriptomic profiles	2,333,481个单细胞转录组图谱，来自486人（107名未受影响，379名受影响）
422	2025-05-12	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	research paper	本研究开发了一种基于Transformer和CNN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，提高分类准确性	模型性能在具有不同AHI值的数据集上表现不一，可能存在泛化性问题	提高睡眠阶段分类的准确性，并探索睡眠阶段与OSA严重程度之间的关系	单通道脑电图（EEG）记录	machine learning	sleep disorder	EEG	CNN, Transformer, CRF	EEG信号	NA
423	2025-05-12	Clinical Features and Physiological Signals Fusion Network for Mechanical Circulatory Support Need Prediction in Pediatric Cardiac Intensive Care Unit 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510217 PMID:40030552	研究论文	通过分析生理时间序列和临床特征，使用机器学习/深度学习集成方法预测儿科心脏重症监护病房中机械循环支持的需求	处理分钟级多传感器数据以识别急性失代偿性心力衰竭患者对机械循环支持的需求，不同于现有研究通常处理单一特征类型或关注生理信号的短期诊断	研究队列中的临床决策可能不明确，可能影响模型的普适性	预测儿科心脏重症监护病房中机械循环支持的需求	儿科心脏重症监护病房中急性失代偿性心力衰竭患者	机器学习	心血管疾病	机器学习/深度学习集成方法	NA	时间序列数据、临床特征数据、原始波形数据	来自四级医院的儿科心脏重症监护病房患者数据
424	2025-05-12	Scaling Synthetic Brain Data Generation 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3520156 PMID:40030742	research paper	介绍了一种名为Wirehead的可扩展内存数据管道，显著提高了神经影像学中深度学习实时合成数据生成的性能	Wirehead通过将数据生成与训练解耦，并使用多个独立的并行生成器，实现了近乎线性的性能提升	未来研究可以在优化生成-训练平衡和资源分配方面进一步探索	解决神经影像学研究中高质量数据集有限的问题，提高合成数据生成的效率和灵活性	神经影像学数据	neuroimaging	NA	deep learning, synthetic data generation	NA	neuroimaging data	terabytes of data
425	2025-05-12	Artificial intelligence in the detection and treatment of depressive disorders: a narrative review of literature 2025-Feb, International review of psychiatry (Abingdon, England) DOI:10.1080/09540261.2024.2384727 PMID:40035375	review	本文综述了人工智能在抑郁症检测和治疗中的应用	探讨了人工智能如何通过整合多种数据（如临床症状、神经影像、遗传学和生物标志物）来辅助抑郁症的筛查、诊断和预后预测	作为叙述性综述，可能未涵盖所有相关研究，且缺乏对方法学质量的系统评估	评估人工智能在抑郁症诊断和治疗中的潜在应用	抑郁症患者及其相关临床数据	natural language processing, machine learning, digital pathology	geriatric disease	Natural Language Processing, Machine Learning, Deep Learning	NA	text, neuroimaging data, genetics, biomarkers	NA
426	2025-05-12	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	research paper	提出了一种名为DSANIB的新方法，用于预测药物与靶标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-靶标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嵌入表示	NA	改进药物-靶标相互作用（DTI）预测的准确性和效率	药物与靶标之间的相互作用	machine learning	NA	deep learning	Dual-View Synergistic Attention Network (DSAN), Information Bottleneck (IB)	molecular data	NA
427	2025-05-12	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	研究论文	提出了一种名为PFPRNet的新型网络结构，用于结肠息肉分割，通过结合预训练的Transformer编码器和定制的解码器模块，提高了分割性能	设计了Phase-wise Feature Pyramid with Retention Decoder和Enhance Perception模块，以及创新的Low-layer Retention模块，以更高效地进行全局注意力建模	需要大量标注数据进行训练，且息肉图像中的类似皱纹可能影响模型预测性能	提高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和预防	结肠息肉图像	计算机视觉	结直肠癌	深度学习	PFPRNet（基于Transformer的编码器和定制解码器）	图像	多个广泛使用的息肉分割数据集（具体数量未提及）
428	2025-05-12	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图像全身骨分割	引入三种PET模态图像（示踪剂活性、衰减图和合成衰减图）到训练数据中，设计了多编码器结构和多模态融合模块，并采用了改进的卷积单元、SE归一化和深度监督以提高分割性能	研究仅基于130个全身PET图像数据集，样本量相对较小	开发一种无需CT图像的PET图像全身骨分割方法，以提高骨癌诊断的准确性和自动化水平	PET图像中的全身骨分割	数字病理学	骨癌	深度学习	MMF-Net	图像	130个全身PET图像数据集
429	2025-05-12	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），用于改善2D医学图像分割的性能	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，以解决现有方法在语义信息补充和全局局部信息交互方面的不足	未提及具体的计算资源消耗或模型复杂度，也未讨论在不同类型医学图像上的泛化能力	提升2D医学图像分割的准确性和语义恢复效果	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	公共数据集BUSI、CVC-ClinicDB和Kvasir-SEG（具体样本数量未提及）
430	2025-05-12	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	提出了一种名为WaveSleepNet的可解释神经网络，用于模拟临床专家的睡眠分期方法	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的接近度来进行睡眠分期，提高了模型的可解释性	虽然模型性能与现有最先进模型相当，但未提及在更大规模或多样化数据集上的泛化能力	开发一种可解释的深度学习模型，用于自动睡眠分期，以促进临床采用	睡眠信号数据	机器学习	NA	深度学习	WaveSleepNet（基于潜在空间表示和原型学习的神经网络）	信号数据	三个公共数据集（未提及具体样本数量）
431	2025-05-12	Advancing bioinformatics with large language models: components, applications and perspectives 2025-Jan-31, ArXiv PMID:38259343	review	本文全面综述了大语言模型（LLMs）在生物信息学中的关键组成部分、应用及前景	探讨LLMs在解决生物信息学问题上的潜力，超越其在人类语言建模方面的熟练度	NA	概述LLMs在生物信息学中的核心组件及其在多个领域的应用	大语言模型（LLMs）及其在生物信息学中的应用	生物信息学	NA	自监督或半监督学习	transformer模型	未标注的输入数据	NA
432	2025-05-12	Advanced deep learning algorithms in oral cancer detection: Techniques and applications 2025, Journal of environmental science and health. Part C, Toxicology and carcinogenesis DOI:10.1080/26896583.2024.2445957 PMID:39819195	研究论文	本文探讨了深度学习算法在口腔癌检测中的技术和应用	提供了对最新基于AI的口腔癌检测方法的全面分析，包括使用卷积神经网络的深度学习和机器学习算法	NA	推进口腔癌的早期诊断，改善患者预后并减轻医疗系统负担	口腔癌	数字病理学	口腔癌	深度学习、机器学习、图像预处理和分割	CNN	图像	NA
433	2025-05-12	Injecting structure-aware insights for the learning of RNA sequence representations to identify m6A modification sites 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18878 PMID:40017651	研究论文	提出了一种名为M6A-SAI的新型预测器，用于识别RNA中的m6A修饰位点，通过整合结构感知的见解来增强序列表示学习	M6A-SAI通过Transformer编码器学习RNA序列表示，构建相似性图捕捉序列相关性，并通过结构感知优化块和图卷积框架整合结构信息，显著提高了m6A修饰位点的识别精度	未提及具体的数据集规模或实验中的潜在偏差	准确识别RNA序列中的m6A修饰位点	RNA序列中的m6A修饰位点	自然语言处理	NA	Transformer, 图卷积, SVM	Transformer, 图卷积网络, SVM	RNA序列数据	NA
434	2025-05-12	Deep-learning tool for early identification of non-traumatic intracranial hemorrhage etiology and application in clinical diagnostics based on computed tomography (CT) scans 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18850 PMID:40028214	研究论文	开发了一种基于深度学习的人工智能系统，用于早期识别非创伤性颅内出血的病因，并在临床诊断中应用	该系统能够基于非对比计算机断层扫描（NCCT）准确识别多种颅内出血病因，并在临床诊断中显著提升医生的诊断性能	模型在Moyamoya病（MMD）和其他病因上的AUC值相对较低，可能影响其在这些病因上的诊断准确性	开发一种能够准确识别非创伤性颅内出血病因的人工智能系统，并评估其在临床诊断中的应用价值	非创伤性颅内出血患者	数字病理学	颅内出血	深度学习	深度学习模型	CT扫描图像	1,868例NCCT扫描（训练集），TT200和SD98两个独立测试集
435	2025-05-12	Optimizing Stroke Detection Using Evidential Networks and Uncertainty-Based Refinement 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.2025.3531768 PMID:40031143	研究论文	本研究利用证据网络和基于不确定性的优化方法，提高中风后神经损伤的检测灵敏度	采用证据网络和不确定性估计方法，显著提高了对轻微中风损伤和短暂性脑缺血发作（TIA）的检测准确性	研究样本量有限，且仅针对Kinarm系统采集的运动学数据进行分析	优化中风后神经损伤的检测方法，提高临床评估的准确性和灵敏度	337名中风患者和368名健康对照者	机器学习	心血管疾病	深度学习	证据网络	运动学数据	705人（337名中风患者和368名健康对照者）
436	2025-05-12	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	提出一种基于域适应的高密度EMG握力估计方法，以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	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	EMG信号	8名受试者
437	2025-05-12	The More, the Better? Evaluating the Role of EEG Preprocessing for Deep Learning Applications 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.2025.3547616 PMID:40031716	research paper	该研究首次全面评估了EEG预处理对深度学习应用的影响，并提出了未来研究的指导原则	首次系统性地研究了不同EEG预处理水平对深度学习模型性能的影响，并提出了预处理指南	研究仅针对特定的六种分类任务和四种EEG架构，结果可能不具备普遍性	评估EEG预处理在深度学习应用中的作用，确定最优预处理策略	EEG数据及其预处理方法	machine learning	Parkinson's, Alzheimer's disease, 精神疾病	EEG	深度学习模型	EEG信号数据	4800个训练模型
438	2025-05-12	Emotion-RGC net: A novel approach for emotion recognition in social media using RoBERTa and Graph Neural Networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318524 PMID:40029933	研究论文	提出了一种名为Emotion-RGC Net的新方法，用于社交媒体中的情感识别，结合了RoBERTa、图神经网络和条件随机场	整合RoBERTa、GNN和CRF，提高了情感分类的准确性和鲁棒性	模型依赖大量标记数据，计算效率有待提高，未考虑情感演化的时间动态	提高社交媒体中情感识别的准确性和鲁棒性	社交媒体用户生成的内容	自然语言处理	NA	RoBERTa, GNN, CRF	Emotion-RGC Net	文本	Sentiment140和Emotion两个数据集
439	2025-05-12	Deep learning based semantic segmentation of leukemia effected white blood cell 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320596 PMID:40338981	research paper	该论文提出了一种基于深度学习的白血病影响的白细胞语义分割方法	结合UNet++、标记分水岭算法和神经常微分方程（ODE）进行白细胞分割，提高了分割的准确性和鲁棒性	计算复杂度和内存空间有待优化，以便在低资源设备上部署	提高白细胞分割的准确性，以支持自动化血细胞分析、诊断成像和疾病监测	白血病影响的白细胞	digital pathology	leukemia	UNet++, 标记分水岭算法, 神经常微分方程（ODE）	UNet++, Neural ODE	image	ALL_IDB1和ALL_IDB2数据集中的血涂片图像
440	2025-05-12	Deep learning in assisting dermatologists in classifying basal cell carcinoma from seborrheic keratosis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1507322 PMID:40342818	research paper	评估深度学习模型在辅助皮肤科医生分类基底细胞癌（BCC）和脂溢性角化病（SK）中的有效性	使用基于CLIP ViT-B/16架构的深度学习模型，结合注意力机制（如Grad-CAM）增强模型决策的可解释性	模型在验证队列中的AUC为0.71，表现略低于训练和测试队列	评估AI辅助诊断是否能提高分类准确性、减少误诊并改善临床结果	基底细胞癌（BCC）和脂溢性角化病（SK）患者	digital pathology	skin cancer	deep learning, Grad-CAM	CLIP ViT-B/16	image	707名患者（内部数据集）和5572名患者（ISIC公共数据集）