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
61	2025-09-07	A Flexible Spatio-Temporal Architecture Design for Artifact Removal in EEG With Arbitrary Channel-Settings 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3555813 PMID:40153283	研究论文	提出一种灵活处理任意通道设置的脑电信号伪影去除架构ASTI-Net	设计双分支去噪模型，结合可变形卷积和通道级时序处理，突破传统方法对输入通道设置的严格限制	NA	开发适用于任意EEG通道设置的伪影去除方法	多通道脑电信号(EEG)	信号处理	NA	深度学习	双分支注意力网络(ASTI-Net)	时序信号	两个半模拟数据集和真实任务态EEG数据
62	2025-09-07	In Vitro Diagnosis of Parkinson's Disease Based on Facial Expression and Behavioral Gait Data 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3563902 PMID:40272952	研究论文	提出一种基于面部表情和行为步态的新型多模态体外诊断方法用于帕金森病早期检测	采用轻量级深度学习模型进行特征提取与融合，并建立了当前最大的多模态帕金森病数据集	方法虽经大量实验验证，但未提及临床推广的适用性及跨人群验证结果	开发非侵入性、低成本的帕金森病早期体外诊断方法	帕金森病患者的面部表情和步态行为数据	数字病理	帕金森病	深度学习特征提取与融合	轻量级深度学习模型	多模态数据（面部表情+行为步态）	与医院合作建立的最大多模态帕金森病数据集（具体样本量未明确说明）
63	2025-09-07	How Deep is Your Guess? A Fresh Perspective on Deep Learning for Medical Time-Series Imputation 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568778 PMID:40343821	研究论文	对电子健康记录时间序列填补的深度学习方法进行全面分析，探讨模型架构与框架设计如何影响其处理复杂医疗数据的能力	挑战了模型复杂度与性能的正比关系假设，证明精心设计的架构比大型模型更能有效捕捉临床数据模式	当前深度填补方法与医疗需求之间存在关键差距，需要更多临床洞察的整合	开发更可靠且符合临床意义的医疗时间序列数据填补方法	电子健康记录(EHR)时间序列数据	机器学习	NA	深度学习	深度填补模型	时间序列数据	NA
64	2025-09-07	Multi-Task Collaborative Assisted Training Method for Grouping Fuzzy Categories Classification of Cervical Cancer Cells 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568846 PMID:40343820	研究论文	提出一种用于宫颈癌细胞模糊分类的多任务协同辅助训练框架	通过分组对比学习、多级分类、图像重建和软标签蒸馏四个辅助分支协同解决细胞分类中的相似性、变异性和标注准确性问题	NA	提升宫颈癌细胞分类的准确性和鲁棒性	宫颈癌细胞图像	计算机视觉	宫颈癌	深度学习，监督对比学习	多任务协同框架	图像	HSJCC、DSCC和SIPaKMeD三个数据集
65	2025-09-07	A Finetuning Deep Learning Framework for Pan-Species Promoters Identification With Pseudo Time Series Analysis on Time and Frequency Space 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568145 PMID:40343817	研究论文	提出两种深度学习框架ProTriCNN和TransPro，用于跨物种启动子识别	将启动子视为伪时间序列进行分析，并利用物种进化树在时频空间表示物种间差异	NA	准确识别不同物种的启动子序列以解析转录调控机制	真核和原核生物的启动子序列	自然语言处理	NA	深度学习	CNN, Fine-tuning框架	基因组序列数据	NA
66	2025-09-07	DenoiseMamba: An Innovative Approach for EEG Artifact Removal Leveraging Mamba and CNN 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3573042 PMID:40408214	研究论文	提出一种结合Mamba和CNN的创新EEG去噪方法DenoiseMamba，有效去除多种伪迹并保留信号细节	首次将结构化状态空间对偶（SSD）机制与CNN结合，能够同时捕捉EEG信号的局部和全局时空特征	NA	开发高效的EEG信号去噪方法，提升基于EEG的应用性能	脑电图（EEG）信号及其中的眼电、肌电和心电伪迹	信号处理	神经系统疾病	深度学习	CNN结合SSD机制	EEG时间序列数据	三个半模拟数据集
67	2025-09-07	SSC-SleepNet: A Siamese-Based Automatic Sleep Staging Model With Improved N1 Sleep Detection 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3572886 PMID:40408218	研究论文	提出一种基于伪孪生神经网络的自动睡眠分期模型SSC-SleepNet，专注于提升N1睡眠阶段的检测性能	采用伪孪生神经网络架构结合自适应损失函数，动态增加对N1阶段误分类的惩罚权重，有效解决类别不平衡问题	NA	提升单通道脑电信号的自动睡眠分期精度，特别是改善N1睡眠阶段的检测效果	睡眠脑电信号	机器学习	睡眠障碍	单通道脑电图(EEG)	伪孪生神经网络(包含SENet和CNN-LSTM分支)	时序信号数据	四个数据集(Sleep-EDF-SC, Sleep-EDF-X, SHHS, HMC)
68	2025-09-07	Knowledge-Driven Graph Representation Learning for Myocardial Infarction Localization 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3574688 PMID:40434860	研究论文	提出一种知识驱动的图表示学习框架，用于心肌梗死定位任务	将先验医学知识融入深度学习模型，通过知识图谱引导模型识别关键特征，并将MI定位任务转化为知识图谱中的链接预测问题	NA	提高心肌梗死定位的准确性，特别是罕见MI类型的定位效果	心电图信号、形态学特征、患者人口统计学信息	机器学习	心血管疾病	图表示学习、知识图谱构建	KD-GRL（知识驱动图表示学习框架）	心电图信号、结构化医疗知识	两个公开数据集PTB和PTBXL
69	2025-09-07	Using Deep Learning to Predict Cardiovascular Magnetic Resonance Findings From Echocardiographic Videos 2025-Sep, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2025.05.016 PMID:40451472	研究论文	本研究利用深度学习模型分析超声心动图视频，尝试预测心脏磁共振成像（CMR）的组织特征参数	首次探索通过超声心动图视频深度学习推断CMR特有的组织表征（如LGE、T1/T2映射、ECV）	模型无法可靠预测CMR组织特征（LGE、T1、T2、ECV），AUC值较低，表明超声视频中可能缺乏相关信号	评估深度学习模型从超声心动图视频中检测CMR特定参数的性能	成人患者（1,453例）的超声心动图视频与CMR配对数据	医学影像分析	心血管疾病	心脏磁共振成像（CMR）、超声心动图	CNN（卷积神经网络）	视频	1,453名患者，2,556次配对研究
70	2025-09-07	Automated sex and age estimation from orthopantomograms using deep learning: A comparison with human predictions 2025-Sep, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112531 PMID:40544576	研究论文	本研究开发了一种基于多任务深度学习的自动化方法，用于从口腔全景X光片中估计性别和年龄	采用多任务学习框架，结合主干网络和独立注意力分支，在性别分类和年龄回归任务上同时优化，性能显著超越人类观察者	NA	开发自动化的性别和年龄估计方法，应用于法医牙科和身份鉴定领域	口腔全景X光片	计算机视觉	NA	深度学习	多任务学习网络（VGG主干网络）	医学影像（X光片）	2067张口腔全景X光片，性别和年龄均衡分布（3-89岁）
71	2025-09-07	Comparative analysis of transformer-based deep learning models for glioma and meningioma classification 2025-Sep, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102008 PMID:40554122	研究论文	比较基于Transformer的深度学习模型在脑胶质瘤和脑膜瘤MRI分类中的性能	首次将ViT和BEiT等Transformer模型应用于脑肿瘤分类，并提出了全神经网络工作流程	仅使用单一数据集，可能影响模型的泛化能力	比较不同Transformer模型在脑肿瘤MRI图像分类中的准确性	脑胶质瘤和脑膜瘤的MRI图像	计算机视觉	脑肿瘤	深度学习、特征提取、统计分析	ViT, BEiT, MLP	MRI图像	训练集1132例（625例胶质瘤/507例脑膜瘤），测试集520例（260例胶质瘤/260例脑膜瘤）
72	2025-09-07	Explainable artificial intelligence for pneumonia classification: Clinical insights into deformable prototypical part network in pediatric chest x-ray images 2025-Sep, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102023 PMID:40651288	研究论文	本研究首次将可变形原型部分网络（D-ProtoPNet）应用于儿科胸部X光图像的肺炎分类，结合放射科专家评估提升模型可解释性	首次在儿科肺炎分类中应用可解释的D-ProtoPNet模型，并通过临床专家验证原型和图像激活区域的医学意义	需要进一步优化才能达到临床应用标准，且准确率仍需提升以匹配黑盒模型	开发可解释的AI系统用于儿科胸部X光图像的肺炎分类	1-5岁儿科患者的胸部X光图像	计算机视觉	肺炎	深度学习，监督学习，五折交叉验证	D-ProtoPNet，ResNet50	图像	5,856张儿科胸部X光图像（正常、病毒性、细菌性）
73	2025-09-07	LUMEN-A deep learning pipeline for analysis of the 3D morphology of the cerebral lenticulostriate arteries from time-of-flight 7T MRI 2025-Sep, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121377 PMID:40675425	研究论文	开发了一个名为LUMEN的深度学习流程，用于从7T TOF-MRI分析大脑豆纹动脉的3D形态	提出了首个半自动化流程结合深度学习模型（DS6）量化3D LSA形态，相比传统2D分析提供更精确的血管形态学测量	研究样本量较小（69名受试者），且仅针对脑小血管病患者群体	开发量化脑豆纹动脉3D形态的分析工具，用于脑小血管病的临床研究	脑豆纹动脉（LSAs）	医学影像分析	脑小血管病	7T时间飞跃法磁共振血管成像（TOF-MRA）	深度学习模型（DS6, nnU-Net）	3D MRI图像	69名脑小血管病患者
74	2025-09-07	Deep diffusion MRI template (DDTemplate): A novel deep learning groupwise diffusion MRI registration method for brain template creation 2025-Sep, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121401 PMID:40721052	研究论文	提出一种基于深度学习的群体扩散MRI配准方法DDTemplate，用于创建脑模板并提升群体差异检测的敏感性	首个将深度学习应用于群体扩散MRI配准的方法，结合全脑微结构和纤维束定向信息	NA	开发新型扩散MRI脑模板创建方法，并验证其在神经科学应用中的效用	人脑扩散MRI数据	医学影像分析	NA	扩散MRI (dMRI)	基于VoxelMorph的深度学习框架	扩散MRI影像数据	多队列数据（青少年、年轻成人、老年成人），来自不同扫描仪
75	2025-09-05	A Comprehensive Review on Blockchain-based Systems for Groundwater Conservation and Wastewater Management 2025-Sep, Environmental management IF:2.7Q3 DOI:10.1007/s00267-025-02247-6 PMID:40760176	综述	本文系统回顾了区块链技术结合机器学习和深度学习在地下水保护与废水管理中的应用进展	整合区块链与AI技术提升水资源管理的透明度、数据验证效率和资源优化，量化了预测准确性提升达86%和处理效率提高20%	面临数据整合、可扩展性及监管采纳方面的挑战	评估技术集成效果、量化性能提升并识别研究空白与未来方向	地下水保护与废水管理系统	自然语言处理	NA	区块链、Machine Learning (ML)、Deep Learning (DL)、智能传感器、物联网实时监测	AI/ML预测模型	传感器数据、监测数据	基于97篇同行评审文章的分析
76	2025-09-07	Root mixture analysis: methods and vision 2025-Sep, Trends in plant science IF:17.3Q1 DOI:10.1016/j.tplants.2025.07.003 PMID:40781027	综述	本文综述了作物根系混合物分析的方法与愿景，强调标准化、低成本根系表型分析技术的必要性	提出利用根系理化性状作为物种标识符，并结合优化深度学习与机器学习实现高通量根系混合物分析	未提及具体技术验证或实际应用案例	开发非破坏性根系物种区分方法以支持可持续农业研究	多样化作物混合种植体系中的根系	机器学习	NA	深度学习，机器学习	NA	根系理化性状数据	NA
77	2025-09-07	Automated surgical workflow recognition in privacy-preserving depth videos of the operating room 2025-Sep, Surgical endoscopy DOI:10.1007/s00464-025-12031-6 PMID:40770511	研究论文	本研究利用深度学习技术，基于隐私保护的深度视频自动识别手术室工作流程	首次在手术室工作流识别中使用隐私保护的深度摄像头，并提出新的阶段持续时间误差评估指标	性能依赖于摄像头在手术室中的位置，实时预测性能低于术后分析	开发自动手术室工作流程识别系统以提高手术室效率	腹腔镜手术的手术室工作流程	计算机视觉	NA	深度学习	ASFormer, 时空深度学习模型	深度视频	21台腹腔镜手术，由3个深度摄像头采集
78	2025-09-07	Deep learning reveals antibiotics in the archaeal proteome 2025-Sep, Nature microbiology IF:20.5Q1 DOI:10.1038/s41564-025-02061-0 PMID:40796684	研究论文	利用深度学习挖掘古菌蛋白质组中的新型抗菌肽（archaeasins）以对抗抗菌素耐药性	首次系统性探索古菌作为抗生素来源，并通过深度学习发现具有独特氨基酸组成的新型抗菌肽	仅针对6种病原体进行体外测试，体内验证仅在小鼠模型中进行	开发新型抗生素以解决抗菌素耐药性问题	古菌蛋白质组中的抗菌肽	机器学习	细菌感染	深度学习	深度学习模型	蛋白质序列数据	233个古菌蛋白质组，筛选出12,623个潜在分子，合成80个archaeasins
79	2025-09-07	Artificial intelligence in mental health: integrating opportunities and challenges of multimodal deep learning for mental disorder prevention and treatment 2025-Sep, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000003624 PMID:40901142	综述	本文探讨了人工智能通过多模态深度学习和预测分析在精神障碍预防与治疗中的机遇与挑战	提出了负责任应用AI于心理健康护理的概念框架，并整合分析了多模态深度学习的机遇与挑战	基于文献综述，可能缺乏原始数据支持，且截至2025年6月的文献范围可能存在局限性	探索AI在精神障碍预防与治疗中的机遇与挑战，并构建负责任的应用框架	心理健康护理领域，特别是精神障碍的预防与治疗	自然语言处理	精神疾病	多模态深度学习、预测分析	深度学习	多模态数据	NA
80	2025-09-07	Training of physical neural networks 2025-Sep, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09384-2 PMID:40903603	研究论文	本文探讨了物理神经网络（PNNs）的训练方法及其在人工智能计算中的潜在变革	提出利用模拟物理系统进行计算的PNNs，可能突破当前AI模型的规模限制并实现边缘设备上的本地推理	目前尚无方法能扩展到与当前深度学习反向传播算法相当性能的大型模型	研究物理神经网络的训练方法以实现更高效和大规模的人工智能系统	物理神经网络（PNNs）及其训练技术	机器学习	NA	反向传播及无反向传播训练方法	物理神经网络（PNNs）	模拟物理系统信号	NA