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
501	2026-08-12	MSFE-GallNet-X: a multi-scale feature extraction-based CNN Model for gallbladder disease analysis with enhanced explainability 2025-08-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01902-y PMID:40885920	研究论文	本研究提出MSFE-GallNet-X，一种基于多尺度特征提取的卷积神经网络模型，用于从灰度超声图像中分类胆囊疾病，并结合可解释人工智能方法提升临床可解释性	创新性地采用多尺度特征提取和可解释人工智能相结合，在保持高准确率的同时实现参数高效（仅1.91百万参数），并集成Grad-CAM和LIME提供可视化解释	研究基于受控且平衡的数据集，可能限制了模型在真实临床场景中的泛化能力	开发一种高精度且可解释的深度学习模型，用于胆囊疾病的超声图像分类，以辅助临床决策	胆囊疾病，包括胆结石、胆囊炎和癌等九类疾病	计算机视觉	胆囊疾病	超声成像	卷积神经网络	灰度超声图像	1,782名患者的10,692张高分辨率超声图像	NA	多尺度特征提取卷积神经网络	准确率, F1分数	NA
502	2026-08-12	Advancing Aqueous Solubility Prediction: A Machine Learning Approach for Organic Compounds Using a Curated Data Set 2025-Aug-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02399 PMID:40783839	研究论文	本文提出了一种基于机器学习和深度学习模型预测有机化合物水溶性的方法，利用整合的精选数据集实现高精度预测	方法创新性地结合了多种化学描述符、指纹和官能团，并整合四个来源的精选数据集，以提升预测精度和泛化能力	未明确提及局限性，但可能受限于数据集的多样性和模型对复杂溶剂效应的处理能力	开发一种高精度且泛化能力强的水溶性预测模型，以应用于药物开发和材料科学等领域	有机化合物	机器学习	不适用（NA）	化学描述符、指纹、官能团	机器学习模型和深度学习模型	化学数据	1282种独特的有机化合物（Huuskonen数据集）	NA	NA	R²值（0.92）、平均绝对误差（MAE，0.40）	NA
503	2026-08-12	A Novel Framework for Multimodal Brain Tumor Detection With Scarce Labels 2025-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3467343 PMID:39325615	研究论文	提出了一种名为Double-SimCLR的新型无监督学习框架，用于稀缺标签下的多模态脑肿瘤检测，通过双分支结构同时处理MRI和CT图像以实现多模态特征融合。	引入了双分支结构的Double-SimCLR框架，结合对比学习，直接同时处理MRI和CT图像；针对CT图像的弱特征采用自适应权重掩膜技术增强特征提取；引入多模态注意力机制提升检测精度和鲁棒性。	未提及具体局限性。	解决多模态医学图像融合中的信息丢失和标注数据稀缺问题，提高脑肿瘤检测的准确性和鲁棒性。	脑肿瘤检测中的MRI和CT图像。	计算机视觉	脑肿瘤	对比学习	SimCLR	图像	未提及	未提及	未提及	准确率、精确率、F1分数	未提及
504	2026-08-12	Adaptive Metadata-Guided Supervised Contrastive Learning for Domain Adaptation on Respiratory Sound Classification 2025-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3545159 PMID:40031634	研究论文	本文提出了一种自适应元数据引导的监督对比学习方法，用于呼吸音分类中的域适应，以解决数据偏差问题	提出自适应重缩放元数据组合的方法，动态调整元数据在训练中的影响，以改善域适应	信息不足，未提及	利用呼吸音数据集中的元数据，通过域适应提升模型在真实场景中的泛化性能	呼吸音分类模型及其在ICBHI和自建数据集上的表现	机器学习	呼吸系统疾病	监督对比学习	对比学习模型	音频	ICBHI数据集和自建数据集（具体数量未提及）	NA	NA	检测准确率（score）	NA
505	2026-08-12	DeepTWA-TM: Deep Learning T-Wave Alternans Detection in Ambulatory ECG via Time Analysis 2025-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3553789 PMID:40138221	研究论文	本文提出了一种基于深度学习的T波交替（TWA）检测方法，直接利用心电图信号，无需预处理，并通过迁移学习实现精准检测，以提高心源性猝死风险分层的效率。	创新点在于简化了TWA检测流程，无需R峰识别、T波分割或特征工程，直接使用深度学习模型（VGG、ResNet、Inception）和迁移学习，并在训练和测试中强调患者分离以增强泛化能力。	本文未明确提及局限性。	开发一种非侵入性且实用的深度学习方法来检测动态心电图中的T波交替，以改善心源性猝死的风险评估。	真实患者的动态心电图（ECG）信号，包含从不可见微交替到20-100微伏振幅的TWA episodes。	机器学习	心源性猝死	NA	深度学习（迁移学习）	心电图信号（时间序列）	自定义长期数据集，包含真实患者，具体数量未提及。	NA	VGG, ResNet, Inception	F1-score	NA
506	2026-08-12	Leveraging Channel Coherence in Long-Term iEEG Data for Seizure Prediction 2025-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3556775 PMID:40168220	研究论文	本文介绍了一种基于通道相干性和深度学习的癫痫发作预测方法CoSP，利用长期iEEG数据进行伪前瞻性评估，显示出较高的预测性能。	将通道相干性分析与深度学习相结合，提出CoSP方法，用于提高癫痫发作预测的准确性。	未提及具体局限性。	提高癫痫发作预测的准确性和可靠性，改善患者生活质量。	癫痫患者，具体为使用NeuroVista癫痫咨询系统的十名患者的长期iEEG数据。	机器学习	癫痫	iEEG记录	卷积神经网络（CNN）	脑电图（EEG）数据	10名患者的长期iEEG数据	NA	四层卷积神经网络	中位发作敏感性（SS）、中位误报率（每小时）、中位警告时间（TiW）	NA
507	2026-08-12	NSSI-Net: A Multi-Concept GAN for Non-Suicidal Self-Injury Detection Using High-Dimensional EEG in a Semi-Supervised Framework 2025-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3558170 PMID:40402701	研究论文	介绍了一种名为NSSI-Net的半监督对抗网络，利用高维脑电图数据检测非自杀性自伤行为	首次将多概念判别器与空间-时间特征提取模块结合，在半监督框架下整合信号、性别、领域和疾病层面的信息，以提高NSSI检测性能	基于自采数据（n=114），样本量有限，可能影响模型的泛化能力	开发一种先进的半监督对抗网络，以有效建模与NSSI相关的EEG特征，促进青少年抑郁症患者NSSI的早期诊断和及时干预	青少年抑郁症患者中的非自杀性自伤行为	机器学习、深度学习	抑郁症、非自杀性自伤	脑电图（EEG）	生成对抗网络（GAN）	脑电图信号	114例自采NSSI数据	NA	二维卷积神经网络（2D-CNN）、双向门控循环单元（BiGRU）、多概念判别器	性能提升百分比（相较于现有方法提高5.44%）	NA
508	2026-08-12	3MT-Net: A Multi-Modal Multi-Task Model for Breast Cancer and Pathological Subtype Classification Based on a Multicenter Study 2025-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3445952 PMID:39163184	研究论文	本研究提出一种名为3MT-Net的多模态多任务深度学习架构，用于乳腺癌及其病理亚型分类，基于多中心数据，结合临床数据与B型及彩色多普勒超声图像，性能优于行业标准S-Detect	集成AM-CapsNet提取超声图像特征，用级联交叉注意力机制融合临床数据，并采用集成学习与优化算法动态分配不同模态权重，实现高维和低维数据的兼容	未在摘要中明确说明局限性	开发并验证一种多模态多任务深度学习模型，提高乳腺癌良恶性及病理亚型分类的准确性	乳腺病变，包括良性和恶性病变及其病理亚型	计算机视觉，机器学习	乳腺癌	超声成像	胶囊网络（CapsNet），集成学习	临床数据，B型超声图像，彩色多普勒超声图像	来自九个医疗中心的数据，具体样本量未在摘要中给出	NA	AM-CapsNet，级联交叉注意力机制，集成学习模型	AUC	NA
509	2026-08-12	Exploring an Innovative Deep Learning Solution for Acupuncture Point Localization on the Weak Feature Body Surface of the Human Back 2025-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3511128 PMID:40030421	研究论文	提出一种利用自注意力模块的深度学习网络，用于人体背部弱特征体表的穴位定位与识别，以解决传统方法的主观性和标准化不足问题	采用自注意力模块进行全局图像特征提取，不同于常见CNN在弱特征图像任务中因过度裁剪和缩放导致的分类模糊	初步实验，平均精度小于1cm，但尚未提及模型在不同人群和复杂背景下的泛化能力及计算资源需求	探索高效可靠的穴位定位与识别解决方案，弥补传统中医穴位定位中的主观性和标准化不足	人体背部穴位，自建数据集包含84个背部穴位	计算机视觉	不适用	自注意力机制	深度学习网络（含自注意力模块）	图像	未明确提及具体样本数，但涉及84个背部穴位	未明确提及	自注意力模块（具体架构未详述，可能基于Transformer）	平均精度（<1cm）	未明确提及
510	2026-08-12	Class-Agnostic Feature-Learning-Based Deep-Learning Model for Robust Melanoma Prediction 2025-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3535536 PMID:40031346	研究论文	提出了一种基于类不可知激活图的鲁棒深度学习模型，用于提高黑色素瘤预测的准确性和可靠性。	使用类不可知激活图（CAAMs）来增强模型对图像变异和变换的鲁棒性，从而提高黑色素瘤预测和病灶识别的准确性。	未提及具体局限性。	开发鲁棒的深度学习模型用于黑色素瘤预测，解决图像变异性问题。	皮肤镜图像（ISIC 2017和2019数据集），重点关注黑色素瘤和痣。	计算机视觉	皮肤癌	NA	CNN	图像	ISIC 2017和2019数据集（具体数量未提）	NA	ConvNeXt, ResNet	AUROC, Dice分数	NA
511	2026-08-12	Respiratory Anomaly and Disease Detection Using Multi-Level Temporal Convolutional Networks 2025-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3545156 PMID:40031640	研究论文	本研究提出了一种基于多级时间卷积网络（ML-TCN）的深度学习框架，用于自动分析呼吸声音，以检测呼吸异常和肺部疾病。	提出了一种结合卷积操作和时序卷积网络的新框架，以捕捉呼吸声音的空间特征并利用其时空相关性，显著提高了异常呼吸周期和呼吸录音分类的准确性，并采用迁移学习以有效处理有限和不平衡的数据。	未明确提及局限性，但可能包括依赖特定数据集（ICBHI 2017）以及数据不平衡问题。	通过深度学习方法提高呼吸异常和疾病检测的准确性。	呼吸声音音频，具体为呼吸周期和呼吸录音。	机器学习	肺部疾病	深度学习，迁移学习	卷积神经网络（CNN）、时间卷积网络（TCN）	音频数据	使用了ICBHI 2017挑战数据集，具体样本数量未在标题和摘要中提及。	未提及具体框架	多级时间卷积网络（ML-TCN）	Score指标（平均敏感性和特异性）、分类准确率	未提及具体计算资源
512	2026-08-12	Optimal Electroencephalogram and Electrooculogram Signal Combination for Deep Learning-Based Sleep Staging 2025-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3541453 PMID:40031834	研究论文	本研究旨在确定基于深度学习的自动睡眠分期中最佳的脑电图和眼电图信号组合，通过训练31个深度学习模型并评估其分类性能。	首次系统比较了多种EEG和EOG信号组合在自动睡眠分期中的性能，发现简化测量设置即可达到与复杂设置相当的性能。	研究对象仅限于疑似阻塞性睡眠呼吸暂停患者，可能限制结果在其他人群中的普适性。	确定用于深度学习自动睡眠分期的最佳EEG和EOG信号组合，以简化测量设置而不牺牲性能。	876名疑似阻塞性睡眠呼吸暂停受试者的EEG和EOG信号。	深度学习	阻塞性睡眠呼吸暂停	多导睡眠图	深度学习模型	信号	876名受试者	NA	NA	准确率, Cohen's kappa	NA
513	2026-08-12	DSleepNet: Disentanglement Learning for Personal Attribute-Agnostic Three-Stage Sleep Classification Using Wearable Sensing Data 2025-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3541851 PMID:40031837	研究论文	提出DSleepNet模型，利用解耦学习将特征空间分为个人属性特定和无关组件，以提高可穿戴传感数据在睡眠分期分类中的泛化能力	引入两种概率编码器解耦特征空间，并采用独立激励机制去除特征间相关性，无需目标队列数据或推理时的个人属性信息	未明确提及，但可能受限于特定数据集和睡眠分期场景	提高睡眠分期模型对未见过人群的泛化能力，减少个人属性（如年龄、BMI、睡眠呼吸暂停严重程度）的影响	可穿戴传感数据中的睡眠分期任务	机器学习	睡眠障碍、心血管疾病、2型糖尿病、神经退行性疾病	NA	概率编码器（基于深度学习的解耦模型）	可穿戴传感数据（如生理信号）	未明确提及	NA	DSleepNet（包含两个概率编码器和独立激励机制）	F1分数、Cohen's Kappa	NA
514	2026-08-12	Beyond the Ground Truth, XGBoost Model Applied to Sleep Spindle Event Detection 2025-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3544966 PMID:40031867	研究论文	提出一种基于XGBoost的睡眠纺锤波检测框架SpinCo，结合滑动窗口特征提取，性能接近深度学习方法，并引入新的评估指标。	提出易解释的机器学习框架SpinCo，依赖固定可解释特征集；开发对称且概率可解释的按事件评估指标；提出基于泛化能力测试的新性能评估方法。	未提及具体局限性。	开发一种可解释、稳健的自动睡眠纺锤波检测方法，并改进评估指标以增强结果可解释性和专家间一致性评估。	睡眠纺锤波EEG微事件。	机器学习	NA	NA	XGBoost	脑电图（EEG）信号	未提及	XGBoost	XGBoost	准确性、灵敏度、特异性、AUC、F1分数	NA
515	2026-08-12	Enhancing Image Retrieval Performance With Generative Models in Siamese Networks 2025-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3543907 PMID:40036556	研究论文	本研究评估了生成式深度学习模型在基于内容的图像检索系统中提升检索质量的效果，提出了在孪生网络中使用生成模型的方法，并首次利用为CBIR优化的潜在表示训练注意力机制进行Gleason评分。	首次在文献中利用为CBIR优化的潜在表示来训练注意力机制，用于全切片图像的Gleason评分，并展示了生成式模型（ProGleason-GAN）在CBIR任务中的效用。	摘要中未提及具体限制。	评估生成式深度学习模型如何提升CBIR系统中的检索质量，并探索潜在表示在Gleason评分中的应用。	前列腺癌图像检索和Gleason评分，具体使用SiCAPv2数据集和ProGleason-GAN框架。	计算机视觉，数字病理学	前列腺癌	生成对抗网络，图像检索	孪生网络，生成对抗网络	图像	未提及具体样本数量，使用SiCAPv2数据集	未提及	孪生网络，ProGleason-GAN	未提及具体指标，但评估了检索质量指标	未提及
516	2026-08-12	Contrastive Learning With Transformer to Predict the Chronicity of Children With Immune Thrombocytopenia 2025-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3551365 PMID:40085458	研究论文	提出一种结合对比学习与Transformer的方法，用于预测儿童免疫性血小板减少症的慢性化	将对比学习与FT-Transformer骨干网络集成，同时处理小数据和类别不平衡问题，通过随机掩码和过采样增强数据	未提及明确的局限性	早期准确预测儿童ITP的慢性化，以帮助临床制定个性化治疗方案	儿童免疫性血小板减少症患者的数据	机器学习	免疫性血小板减少症	NA	Transformer	表格数据	未明确说明样本量，使用真实世界ITP儿童数据	NA	FT-Transformer	准确率、F1分数等（未具体列出）	NA
517	2026-08-12	Multi-Modal Deep Representation Learning Accurately Identifies and Interprets Drug-Target Interactions 2025-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3553217 PMID:40111772	研究论文	本文介绍了UnitedDTA，一种新型可解释的深度学习框架，通过整合多模态生物分子数据来提高药物-靶点结合亲和力预测的准确性和泛化能力	提出了一种名为UnitedDTA的框架，利用对比学习和交叉注意力机制实现跨模态对齐与整合，自动学习统一判别表示，并增强了可解释性以推断影响结合活性的重要子结构	未明确提及具体限制，但可能包括对多模态数据处理的复杂性和对大规模数据的依赖	旨在通过深度表示学习，提高药物-靶点结合亲和力的预测性能，特别是对于未见过的药物和靶点，并增强模型的可解释性	药物和靶点，包括其序列、图和三维结构等多模态数据	深度学习，药物发现	不适用	多模态深度学习，对比学习，交叉注意力机制	深度学习框架（UnitedDTA）	多模态数据（序列，图，三维结构）	多个基准数据集	不明确	对比学习与交叉注意力机制结合	性能指标包括准确性、泛化能力等	不明确
518	2026-08-12	PhysCL: Knowledge-Aware Contrastive Learning of Physiological Signal Models for Cuff-Less Blood Pressure Estimation 2025-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3554495 PMID:40131744	研究论文	提出了一种基于生理知识感知的对比学习方法（PhysCL），用于减少光电容积脉搏波（PPG）数据标签依赖，并提高无袖带血压估计的准确性	引入知识感知增强库，通过知识约束生成正生理信号对，解决对比学习中的语义一致性问题；提出对比特征重建方法，通过特征重采样和重加权增强特征多样性并防止模型崩溃	摘要中未明确提及局限性	减少对标记PPG数据的依赖，同时提高无袖带血压估计的准确性	光电容积脉搏波（PPG）信号，用于无袖带血压估计	机器学习	心血管疾病	NA	对比学习模型	生理信号数据（PPG）	106名受试者的数据，涵盖MIMIC III、MIMIC IV和UQVS数据集	NA	NA	平均绝对误差（MAE）	NA
519	2026-08-12	Deep Learning-Based Automated Measurement of Cervical Length in Transvaginal Ultrasound Images of Pregnant Women 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3433594 PMID:39052464	研究论文	开发了一种名为CL-Net的深度学习网络，用于自动测量孕妇经阴道超声图像中的宫颈长度，以评估早产风险	CL-Net结合专家解剖学知识识别宫颈，捕获与宫颈长度测量相关的解剖特征，提高识别宫颈管的准确性	未明确提及局限性	实现可靠且可重复的自动宫颈长度测量，减少操作者间差异并改善工作流程	孕妇经阴道超声图像中的宫颈	计算机视觉	早产	超声成像	深度学习网络	超声图像	未明确提及	NA	CL-Net	成功率、绝对误差中位数、四分位距、范围	NA
520	2026-08-12	GAN Inversion for Data Augmentation to Improve Colonoscopy Lesion Classification 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3397611 PMID:38713568	研究论文	本研究探讨利用生成对抗网络反演生成合成图像，作为数据增强手段，以提升结肠镜病变分类性能	利用GAN反演将同标签图像对映射到语义丰富且解耦的潜空间，操控潜在表示生成新合成图像，实现数据增强，并在未重新训练多个生成模型的情况下，显著提升息肉分类性能及跨域泛化能力	未在摘要中明确提及限制	解决医学影像中标注数据稀缺的问题，通过合成图像数据增强改善结肠镜病变分类性能	结肠镜图像中的息肉病变	计算机视觉	结肠癌	GAN反演	生成对抗网络	图像	未在摘要中明确提及	NA	生成对抗网络	F1分数、灵敏度	NA