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
581	2026-08-11	Explainable AI-Driven Analysis of Radiology Reports Using Text and Image Data: Experimental Study 2025-10-14, JMIR formative research IF:2.0Q4 DOI:10.2196/77482 PMID:40997754	研究论文	本研究评估了可解释人工智能在解读放射学报告中的应用，以提高医疗保健从业者对AI辅助诊断的信心和理解。	结合文本和图像数据，使用多种先进模型（如LLaMA-3.1）进行放射学报告分类，并通过XAI方法增强模型的可解释性和透明度。	未提及具体限制。	评估XAI在解读放射学报告中的应用，以提高医疗专业人员对AI辅助诊断的信任和理解。	印第安纳大学胸部X射线数据集中的3169份文本报告和6471张图像。	自然语言处理, 计算机视觉, 可解释人工智能	胸部疾病（异常发现，如不透明、实变等）	机器学习、深度学习、自然语言处理	LSTM, GPT-2, T5, LLaMA-2, LLaMA-3.1, CNN (DenseNet121, DenseNet169)	文本、图像	3169份文本报告和6471张图像	NA	LSTM, Transformer (GPT-2, T5, LLaMA-2, LLaMA-3.1), CNN (DenseNet121, DenseNet169)	准确率, 科恩卡帕系数, 卡方检验, 费舍尔精确检验, 麦克尼马尔检验	NA
582	2026-08-11	Knowledge and Perceptions of AI Among Medical Students in Morocco: Cross-Sectional Study 2025-09-19, JMIR formative research IF:2.0Q4 DOI:10.2196/66156 PMID:40971792	研究论文	本研究调查了摩洛哥医学生对人工智能的知识和认知水平	首次评估摩洛哥医学生对人工智能的知识和认知水平	样本来自单一机构，采用滚雪球抽样可能引入选择偏差，且研究为横断面设计，无法建立因果关系	描述摩洛哥医学生对人工智能的知识和认知	摩洛哥阿加迪尔医学与药学学院的本科医学生（第一至第七年）	医学教育	NA	问卷调查（在线问卷）	NA	问卷数据	580名医学生（女性363名，62.6%；平均年龄21.3岁，标准差2.13岁；回复率50.4%）	NA	NA	描述性统计、卡方检验（P值）	JAMOVI 2.6.2（统计软件）
583	2026-08-11	Using miniscopes and deep learning to compare neurobehavioral representations of psychostimulant and opioid self-administration 2025-Sep, Addiction neuroscience DOI:10.1016/j.addicn.2025.100224 PMID:40860850	综述	本文综述了精神兴奋剂与阿片类药物自我给药行为差异的神经行为证据，并探讨了微型显微镜钙成像和深度学习辅助行为分析在进一步研究中的应用	提出精神兴奋剂和阿片类药物在奖励相关脑区（如伏隔核）可能由不同神经群体编码的观点，并引入微型显微镜和深度学习结合的新方法	未提供实验数据，仅基于文献综述，缺乏直接实证支持	探讨精神兴奋剂与阿片类药物自我给药行为的神经行为差异，并评估两种实验方法的适用性	精神兴奋剂与阿片类药物自我给药行为相关的神经活动以及行为特征	神经科学	物质使用障碍	钙成像	深度学习模型	图像	NA	NA	NA	NA	NA
584	2026-08-11	Deep Learning Prediction and Interpretation of Riverine Nitrate Export Across the Mississippi River Basin 2025-Aug-09, Water resources research IF:4.6Q1 DOI:10.1029/2024WR039207 PMID:40948694	研究论文	本研究开发了一种长短期记忆模型，利用美国本土高频传感器数据预测每日河流硝酸盐浓度，并应用于密西西比河流域，评估了硝酸盐输出及其驱动因素	首次将深度学习与可解释的Shapley值相结合，用于密西西比河流域硝酸盐输出的时空预测和驱动因素分析，识别了关键空间驱动因素及其非线性阈值	空间验证性能较低，尤其是在未监测流域，表明数据缺口对预测精度有显著影响	提高河流硝酸盐浓度的时空预测精度，并揭示其驱动因素和遗留氮的影响，为密西西比河流域的养分管理提供信息	密西西比河流域的河流硝酸盐浓度及其输出	机器学习	环境科学	高频传感器监测	长短期记忆网络	时间序列数据	美国本土多个监测站点的每日硝酸盐浓度数据，具体数量未提及	未提及	长短期记忆网络	KGE系数	未提及
585	2026-08-11	O-GEST: Overground gait events detector using b-spline-based geometric models for marker-based and markerless analysis 2025-08, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2025.112803 PMID:40516373	研究论文	本文介绍了一种基于B样条几何模型的自动算法O-GEST，利用运动学数据检测地面行走中的步态事件，适用于有标记和无标记分析，并在健康和病态步态数据上进行了验证	提出了使用B样条几何模型来表示足部标志物的水平轨迹，并结合步态相关阈值和最优系数进行事件检测，无需力台即可实现高精度步态事件检测，支持多种病理类型，且能处理噪声轨迹和缺失标志物	未在文中明确提及局限性信息	开发一种无需力台即可准确检测步态事件的算法，以提高无力量平台环境（特别是无标记步态分析）中步态分析的准确性和可靠性	步态事件（足触地和足离地）及其时空参数，研究对象涵盖健康个体和多种病理人群（髋骨关节炎、中风、帕金森病、脑瘫）	生物医学工程、步态分析	髋骨关节炎、中风、帕金森病、脑瘫	运动学数据采集，基于B样条几何模型的事件检测	B样条几何模型	运动学轨迹数据（足部标志物）和力台数据（作为参考）	390名受试者的步态数据，包括200名健康者、100名单侧髋骨关节炎患者、50名中风幸存者、26名帕金森病患者和14名脑瘫儿童	NA	B样条曲线	时序差异（毫秒）	NA
586	2026-08-11	Comparative analysis of statistical and deep learning-based multi-omics integration for breast cancer subtype classification 2025-07-01, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06662-5 PMID:40598554	研究论文	本研究对960例乳腺癌患者样本进行多组学整合分析，比较统计方法MOFA+和深度学习方法MOGCN在乳腺癌亚型分类中的表现，发现MOFA+在特征选择方面更优，并识别出相关关键通路。	首次系统比较统计和深度学习多组学整合方法在乳腺癌亚型分类中的性能，并整合宿主转录组、表观基因组和宏基因组三种组学数据。	未提供具体计算资源消耗和模型训练时间比较，且仅使用单一乳腺癌数据集，泛化性需进一步验证。	评估不同多组学整合方法在乳腺癌亚型分类中的性能，提升亚型预测精度。	960例乳腺癌患者样本，包含转录组、表观基因组和宏基因组三种组学数据。	机器学习, 数字病理学	乳腺癌	多组学测序（转录组、表观基因组、宏基因组）	深度学习方法（MOGCN）和统计模型（MOFA+）	基因组数据	960例乳腺癌患者样本	未指定	未指定（MOGCN可能基于图卷积网络）	F1分数	未指定
587	2026-08-11	A Multi-Region Brain Model to Elucidate the Role of Hippocampus in Spatially Embedded Decision-Making 2025-May-29, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.29.656671 PMID:40502058	研究论文	本文提出一个多区域脑模型，通过反事实比较强化学习代理与不同网格细胞和位置细胞交互架构的脑模型，探讨海马在空间嵌入式决策中的规范性作用。	创新性地提出了网格细胞必须联合编码位置和证据的预测，以最大化学习效率并复现实验观察，为深度学习提供脑启发的结构化架构。	未提及。	阐明海马在空间嵌入式决策中的规范性作用，并为深度强化学习提供脑启发的结构归纳偏置。	强化学习代理，以及模拟网格细胞、位置细胞和皮层循环神经网络的脑模型。	机器学习	NA	NA	强化学习代理，循环神经网络（RNN），网格细胞和位置细胞模型	模拟数据	未提及。	NA	循环神经网络（RNN）	学习效率	NA
588	2026-08-11	Preoperative Prediction of Microvascular Invasion in Hepatocellular Carcinoma From Multi-Sequence Magnetic Resonance Imaging Based on Deep Fusion Representation Learning 2025-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3451331 PMID:39196745	研究论文	提出一种基于多序列MRI的深度融合表示学习算法，用于术前预测肝细胞癌的微血管侵犯，并验证其优越性能	提出了一种新的基于ResNet的多分支深度融合特征算法（DFFResNet），结合不同MRI序列增强信息互补性和集成性，同时采用数据预处理策略提取多视图特征并保留瘤周信息，并在ROI不完整时仍能保持高度竞争力的预测结果	研究仅在一个中心的数据集上进行验证，样本量有限（117例），且未提及外部验证集，可能存在泛化性限制	开发一种端到端的深度学习方法，利用多序列MRI术前预测肝细胞癌的微血管侵犯，以减少人工干预和耗时	肝细胞癌患者的术前多序列MRI图像	计算机视觉	肝细胞癌	MRI	深度学习模型（基于ResNet的DFFResNet）	多序列MRI图像	117例个体，包含7种MRI序列	NA	ResNet（DFFResNet）	鲁棒性指标，如准确率、AUC等（具体未列出），以及图像级和患者级的重复实验结果	NA
589	2026-08-11	A Review on Intelligent Systems for ECG Analysis: From Flexible Sensing Technology to Machine Learning 2025-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3508545 PMID:40030493	综述	本文广泛回顾了用于心电图采集的柔性心脏传感设备及其在心脏健康监测中的应用，并探讨了机器学习在心电图分析中的角色	强调柔性传感技术与机器学习集成的重要性，并概述两者的结合在心电监测中的潜在影响	未明确提及	综述柔性心电传感设备的关键特性、制造方法、材料，以及机器学习在心电分析和心脏健康监测中的应用	柔性心电传感设备及机器学习算法，用于心脏健康监测和心电图分析	机器学习	心血管疾病	NA	深度学习、支持向量机、随机森林、线性判别分析	心电图数据	NA	NA	NA	NA	NA
590	2026-08-11	SWMA-UNet: Multi-Path Attention Network for Improved Medical Image Segmentation 2025-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3523492 PMID:40030824	研究论文	提出了一种并行多路径注意力网络SWMA-UNet，用于改进医学图像分割	采用并行策略整合Transformer和CNN，替代传统的串行组合方式，以同时处理局部和全局信息并提升分割精度	摘要未提及明确局限性	提高医学图像分割的准确性	医学图像分割任务	计算机视觉	不适用	深度学习	混合模型（Transformer和CNN）	图像	Synapse、ACDC、ISIC 2018和MoNuSeg数据集	未提及	并行多路径注意力网络，具体架构未提及	未提及具体指标，如准确率、Dice系数等	未提及
591	2026-08-11	FlexibleSleepNet:A Model for Automatic Sleep Stage Classification Based on Multi-Channel Polysomnography 2025-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3525626 PMID:40030855	研究论文	本文提出了一种名为FlexibleSleepNet的轻量级卷积神经网络模型，用于基于多通道多导睡眠图数据的自动睡眠阶段分类	引入自适应特征提取模块和尺度变化压缩模块，有效平衡时空特征提取与计算复杂度，实现轻量级设计并提升分类性能	未提及具体局限性	提高自动睡眠阶段分类的准确性和计算效率，解决特征提取与计算复杂度之间的平衡问题	多通道多导睡眠图数据	机器学习	睡眠疾病	多导睡眠图	卷积神经网络	多通道多导睡眠图信号	三个数据库：SleepEDF-20、SleepEDF-78和SHHS，具体样本数量未提及	NA	FlexibleSleepNet（包含自适应特征提取模块和尺度变化压缩模块）	分类准确率	NA
592	2026-08-11	Conditional Contrastive Predictive Coding for Assessment of Fetal Health From the Cardiotocogram 2025-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3530610 PMID:40030899	研究论文	本文提出了一种基于条件对比预测编码的胎儿健康评估方法，从胎心宫缩图数据中检测异常，以提高评估准确性并减少不必要干预。	将对比预测编码扩展为具有随机、递归和以宫缩活动为条件的未来预测器，并引入一种更适合异常检测任务的新的训练目标。	未明确提及，但由于依赖专家标注和单模态数据，可能限制了泛化能力。	改进基于无监督深度学习模型的胎儿健康异常检测方法，以解决传统视觉解释中的高变异性和不必要干预问题。	胎心宫缩图数据，包括胎儿心率、宫缩活动及其对应的专家标注。	机器学习	胎儿健康问题	对比预测编码	递归神经网络	时间序列数据	未明确提及	未明确提及	对比预测编码	未明确提及，但基于专家标注进行评估	未明确提及
593	2026-08-11	DiffuSeg: Domain-Driven Diffusion for Medical Image Segmentation 2025-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3526806 PMID:40030962	研究论文	本文提出DiffuSeg，一种用于医学图像分割的条件扩散模型，利用现有标签和目标域未标注图像合成新图像，从而训练分割网络，避免人工标注。	提出了特征分解变分自编码器为扩散模型提供条件信息，实现仅需标签图和未标注图像即可在目标域生成图像，创新性地将扩散模型用于跨域医学图像分割。	摘要中未提及明显局限，可能包括对目标域数据分布依赖和生成图像质量影响分割性能等。	解决医学图像分割中因数据分布偏移和标注成本高而影响模型效能的问题。	MNIST数据集、视网膜眼底图像（血管分割）和MRI心脏图像（心脏分割）。	计算机视觉	不适用	扩散模型、变分自编码器	扩散模型、特征分解变分自编码器	图像	未提供具体数量，涉及MNIST、视网膜眼底图像和MRI心脏图像数据集	未提供具体框架	扩散模型、特征分解变分自编码器	图像生成和分割准确率	未提供具体信息
594	2026-08-11	Physiological Information Preserving Video Compression for rPPG 2025-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3526837 PMID:40030966	研究论文	提出一种专为远程光电容积描记（rPPG）设计的视频压缩方案，以在高度压缩下保持生理信息。	首次提出针对rPPG应用的专用视频压缩方案，通过面部ROI计算资源重分配、rPPG信号保留比特分配和时域上下采样编码，突破传统压缩算法不保留生理信号的局限。	未明确提及局限性。	开发能在视频压缩后保留rPPG生理信息的编码方案，支持远程医疗和大规模数据集生成。	rPPG视频数据，包括UBFC-rPPG、ECG-Fitness数据集及自采数据集。	计算机视觉	不适用	视频压缩	不适用	视频	使用UBFC-rPPG、ECG-Fitness和自采数据集，具体样本量未提及。	不适用	不适用	生理信息保留程度（以rPPG信号质量衡量，可能包括信噪比等，未明确）	未提及具体资源，但涉及视频编码和rPPG处理。
595	2026-08-11	PEARL: Cascaded Self-Supervised Cross-Fusion Learning for Parallel MRI Acceleration 2025-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3347355 PMID:38147421	研究论文	提出了一种名为PEARL的新型自监督加速并行MRI方法，通过级联自监督跨融合学习来重建高分辨率的MRI图像	引入多流联合深层解码器，包含两个跨融合机制和级联跨融合子块网络，实现了无需显式训练的自监督加速MRI重建，并通过双向归一化边缘方向相似性正则化增强细节重建	未明确提及，但可能存在计算复杂度较高或对特定MRI序列适应性有限的问题	开发一种无需监督训练即可加速并行MRI重建的自监督方法，以提高重建精度和速度	并行MRI图像重建问题	计算机视觉, 数字病理学	不适用	并行MRI, 压缩感知	深层解码器	MRI图像	未明确提及	未明确提及	级联跨融合子块网络	SSIM, PSNR, RLNE	未明确提及
596	2026-08-11	Adaptive Cross-Feature Fusion Network With Inconsistency Guidance for Multi-Modal Brain Tumor Segmentation 2025-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3347556 PMID:38150339	研究论文	提出了一种名为ACFNet的深度神经网络，用于多模态MRI中的脑肿瘤分割，通过自适应跨特征融合和预测不一致性引导，提高了分割性能。	提出了自适应跨特征融合（ACF）模块和预测不一致性引导（PIG）模块，分别用于编码器端融合不同模态的互补信息和解码器端引导网络关注易错区域，以弥合模态间差距。	实验仅在BraTS 2020数据集上进行，可能缺乏跨数据集或临床应用的泛化验证。	改进多模态MRI脑肿瘤分割的准确性和性能。	多模态MRI中的脑肿瘤。	计算机视觉	脑肿瘤	MRI	深度神经网络	图像	BraTS 2020数据集（具体样本数量未说明）	NA	并行编码器-解码器结构，包含三个流（基于CNN的架构可能），具体如编码器-解码器设计。	性能指标包括但不限于Dice系数等（具体未指定，但常见于分割任务中）	NA
597	2026-08-11	MACTFusion: Lightweight Cross Transformer for Adaptive Multimodal Medical Image Fusion 2025-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3391620 PMID:38640042	研究论文	提出一种基于轻量级交叉Transformer的自适应多模态医学图像融合方法	提出交叉多轴注意力机制，包括交叉窗口注意力和交叉网格注意力，以增强局部和全局特征交互；设计空间自适应融合模块，使模型聚焦于最相关信息；结合梯度残差密集卷积与Transformer层进行特征提取	未提及	解决Transformer在多模态医学图像融合中缺乏局部特征提取和跨模态交互以及计算成本高的问题	多模态医学图像，包括临床脑肿瘤图像	计算机视觉	脑肿瘤	图像融合	Transformer	图像	NA	NA	交叉Transformer	融合性能、视觉质量	NA
598	2026-08-11	Prediction of sudden cardiac death using artificial intelligence: Current status and future directions 2025-03, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.09.003 PMID:39245250	综述	本文综述了人工智能在预测心源性猝死方面的当前状态和未来方向，讨论了相关机器学习与深度学习模型的应用潜力及面临的挑战。	强调了人工智能在个性化心源性猝死风险预测中的应用，可识别传统统计方法无法发现的细微指标和预测因子。	存在重要的局限性，包括模型泛化能力、临床实践整合及广泛采用所面临的挑战，但具体未详述。	提供人工智能预测心源性猝死模型的当前最新进展概述，突出其在临床实践中的机会，并识别促进广泛采用的关键障碍。	心源性猝死风险预测模型及相关人工智能技术。	机器学习	心血管疾病, 心源性猝死	NA	机器学习, 深度学习	NA	NA	NA	NA	NA	NA
599	2026-08-11	Predicting the exposure of mycophenolic acid in children with autoimmune diseases using a limited sampling strategy: A retrospective study 2025-01, Clinical and translational science DOI:10.1111/cts.70092 PMID:39727288	研究论文	利用机器学习和深度学习算法，基于有限采样策略预测儿童自身免疫性疾病患者体内霉酚酸暴露量	优化采样频率，仅用三个采血点即可准确估算MPA暴露量，减少儿童患者不适和医疗资源浪费	未明确提及，可能为回顾性单中心研究、样本量有限或缺乏外部验证	开发一种预测模型，用于儿童自身免疫性疾病中MPA暴露量的准确估算，同时优化采样频率	儿童自身免疫性疾病患者	机器学习	自身免疫性疾病	治疗药物监测	随机森林, XGBoost, LightGBM, 梯度提升决策树, CatBoost, 人工神经网络, 梯度提升机, Transformer, Wide&Deep, TabNet	临床数据	来自209名患者的614个MPA AUC样本	NA	随机森林, XGBoost, LightGBM, 梯度提升决策树, CatBoost, 人工神经网络, 梯度提升机, Transformer, Wide&Deep, TabNet	R², 准确率	NA
600	2026-08-11	Integrating Model-Informed Drug Development With AI: A Synergistic Approach to Accelerating Pharmaceutical Innovation 2025-01, Clinical and translational science DOI:10.1111/cts.70124 PMID:39797502	研究论文	本文探讨了模型引导的药物开发（MIDD）与人工智能（AI）的整合，以加速药物创新并优化治疗策略	提出了MIDD与AI协同作用的框架，强调通过虚拟试验优化药物候选选择和剂量方案，并结合生成式AI增强预测能力	面临高质量数据集可用性、数据隐私、模型可解释性和算法偏差等挑战，且需标准化模型架构、数据格式和验证流程	阐述MIDD与AI整合的潜力，以加速药物发现、优化治疗策略，并推动个性化医疗发展	药物开发过程中的模型引导方法（如药代动力学/药效动力学模型）和AI技术（如机器学习、深度学习、生成式AI）	人工智能	不适用	不适用	机器学习、深度学习、生成式AI	文本	不适用	不适用	不适用	不适用	不适用