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
841	2025-11-08	AI-driven aging digital twins: A roadmap for clinical translation in precision geriatrics 2025-Nov-03, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102931 PMID:41192800	综述	探讨人工智能驱动的衰老数字孪生在精准老年医学中的临床转化路径	提出整合多源异构数据的AI驱动衰老数字孪生技术，实现实时健康监测和个性化干预	存在训练数据中的年龄分层偏差、老年人数据质量差异、数据隐私、算法透明度和临床验证等关键问题	推动人工智能驱动的衰老数字孪生在精准老年医学中的临床应用	老年人群及其相关疾病	数字病理	老年疾病	深度学习	NA	多源异构数据	NA	NA	NA	NA	NA
842	2025-11-08	3D masked autoencoder with spatiotemporal transformer for modeling of 4D fMRI data 2025-Nov-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103861 PMID:41197226	研究论文	提出一种结合3D掩码自编码器和时空变换器的创新框架，用于从4D fMRI数据中提取时空特征并映射功能脑网络	首次将3D掩码自编码器与时空变换器结合，通过自监督学习实现fMRI数据的时空特征提取，减少对标注数据的依赖并增强噪声鲁棒性	未明确说明模型计算复杂度及对硬件资源的具体要求	开发能够有效处理4D fMRI数据时空特征的新方法，用于功能脑网络建模和脑部疾病识别	人脑功能磁共振成像数据	医学影像分析	注意缺陷多动障碍	功能磁共振成像	自编码器, Transformer	4D fMRI图像序列	HCP任务fMRI数据集和ADHD-200静息态fMRI数据集	NA	掩码自编码器, 视觉变换器, 时序变换器	NA	NA
843	2025-11-08	A Multimodel-Based Screening Framework for C-19 Using Deep Learning-Inspired Data Fusion 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3400878 PMID:38923476	研究论文	提出一种基于深度学习的多模态筛查框架，通过数据融合提升COVID-19筛查效果	提出变分编码器(VEN)设计结合YoLo识别感兴趣区域测量皮肤温度，采用多数据融合模型整合电子记录与可穿戴传感器数据，并引入数据缩减机制和条件概率方法优化特征权重	仅使用实验室数据集进行验证，未在真实临床环境中充分测试	开发适用于轻量级环境的高效COVID-19远程筛查框架	SARS-CoV和COVID-19疑似患者	数字病理	COVID-19	可穿戴传感器监测，热成像技术	YoLo, 变分编码器(VEN), 数据融合模型	热成像数据，可穿戴传感器数据，电子健康记录	实验室数据集（具体数量未提及）	NA	YoLo, 变分编码器(VEN)	精确度	轻量级计算环境，边缘计算框架
844	2025-11-08	GIAE-DTI: Predicting Drug-Target Interactions Based on Heterogeneous Network and GIN-Based Graph Autoencoder 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3458794 PMID:39259623	研究论文	提出基于异质网络和图同构网络图自编码器的药物-靶点相互作用预测框架GIAE-DTI	融合跨模态相似性构建异质网络，采用图同构网络图自编码器进行特征提取，通过双解码器实现自监督学习	未明确说明模型对未知药物或靶点的泛化能力及计算复杂度分析	提升药物-靶点相互作用预测准确性以促进药物发现和重定位	药物、蛋白质靶点及其相互作用关系	机器学习	精神疾病	异质网络分析, 图神经网络	图自编码器, 深度神经网络	网络数据, 生物医学关系数据	基准数据集（具体规模未明确说明），案例研究涉及4个5-羟色胺受体相关靶点和5种精神疾病相关药物	NA	图同构网络, 深度神经网络	AUC, AUPR	NA
845	2025-11-08	Hierarchical Graph Representation Learning With Multi-Granularity Features for Anti-Cancer Drug Response Prediction 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3492806 PMID:39504283	研究论文	提出一种分层图表示学习算法HLMG，通过多粒度特征预测抗癌药物反应	结合细胞系和药物的多粒度特征（基因表达/通路亚结构、分子指纹/亚结构），在异质图中通过图卷积网络聚合多级邻居特征	NA	准确预测患者对抗癌药物的反应，指导治疗决策并改善癌症预后	癌细胞系和抗癌药物	机器学习	癌症	基因表达分析、药物筛选数据	图卷积网络	基因组数据、药物结构数据	GDSC和CCLE数据库中的细胞系和药物数据	NA	图卷积网络	NA	NA
846	2025-11-08	MHAN-DTA: A Multiscale Hybrid Attention Network for Drug-Target Affinity Prediction 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3518619 PMID:40030699	研究论文	提出一种多尺度混合注意力网络MHAN-DTA用于药物-靶点亲和力预测	开发了基于自注意力机制的靶点特征聚合提取模块，并引入跨模态融合和跨实体交互模块挖掘结合位点的多尺度分子内和分子间特征	NA	改进药物-靶点亲和力预测性能	药物-靶点复合物	机器学习	NA	深度学习	注意力网络	分子结构数据	四个基准测试集（一个内部和三个外部数据集）	NA	多尺度混合注意力网络	NA	NA
847	2025-11-08	AGPred: An End-to-End Deep Learning Model for Predicting Drug Approvals in Clinical Trials Based on Molecular Features 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3547315 PMID:40048330	研究论文	提出一种基于注意力机制和图神经网络的端到端深度学习模型AGPred，用于根据分子特征预测药物在临床试验中的批准率	首次将图神经网络模块用于提取化合物分子图的高潜力特征，并采用交叉注意力融合模块学习分子指纹特征，同时整合药物的理化性质	NA	预测药物在临床试验中的批准可能性	药物化合物分子	机器学习	NA	分子图分析，分子指纹特征提取	GNN, 注意力机制	分子图数据，分子指纹数据，理化性质数据	NA	NA	图神经网络，交叉注意力融合模块	NA	NA
848	2025-11-08	TransScore: A Graph Model for Pose Scoring and Affinity Prediction Based on Transformer Convolution Network 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504851 PMID:40030271	研究论文	提出基于Transformer卷积网络的图模型TransScore，用于蛋白质-化合物姿态评分和亲和力预测	采用自注意力机制捕获蛋白质-化合物姿态的内在特征，在冷启动和热启动场景下均表现优异，并通过门控残差算法增强模型对多样化任务的适应性	NA	改进分子对接中的评分函数，提高蛋白质-化合物相互作用预测的准确性和鲁棒性	蛋白质-化合物复合物及其相互作用	机器学习	NA	分子对接	图神经网络,Transformer	图数据	NA	NA	Transformer卷积网络	准确率,精确度	NA
849	2025-11-08	Paradigm-Shifting Attention-Based Hybrid View Learning for Enhanced Mammography Breast Cancer Classification With Multi-Scale and Multi-View Fusion 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3569726 PMID:40354201	研究论文	提出一种基于注意力机制的混合视图学习框架，通过多尺度和多视图融合提升乳腺X线摄影乳腺癌分类性能	首次提出混合视图学习范式，结合对比切换注意力和选择性池化注意力机制，在极端视图缺失条件下仍保持稳定性能	仅在公开数据集INbreast和CBIS-DDSM上验证，未在更广泛的临床数据中测试	提升乳腺X线摄影图像中乳腺癌分类的准确性和鲁棒性	乳腺X线摄影图像	计算机视觉	乳腺癌	深度学习	注意力机制,对比学习	医学图像	INbreast和CBIS-DDSM数据集	NA	自注意力,交叉注意力	准确率,F1分数,AUC-PR	NA
850	2025-11-08	Text-Assisted Vision Model for Medical Image Segmentation 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3569491 PMID:40366847	研究论文	提出一种文本辅助视觉模型，通过新型三重引导注意力模块改进医学图像分割精度	提出三重引导注意力模块（TGAM），能够同时计算视觉-视觉、语言-语言和语言-视觉注意力，实现跨模态特征对齐	仅在两个数据集上验证，需要更多临床数据验证泛化能力	通过融合医学图像和文本报告提升医学图像分割精度	医学图像及其对应的文本注释	数字病理	NA	深度学习	CNN	图像, 文本	两个流行数据集（具体数量未说明）	NA	TAV, TGAM, AG	分割精度提升2-7%	NA
851	2025-11-08	Real-Time Implementation of Accelerated HCP-MMA for Deep Learning-Based ECG Arrhythmia Classification Using Contour-Based Visualization 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3572376 PMID:40402700	研究论文	本研究提出了一种实时加速的Hurst轮廓投影多尺度多重分形分析方法，用于基于深度学习的ECG心律失常分类	将复杂多重分形特性转换为基于轮廓的可视化表示，并开发了运行时优化的并行计算管道，实现了730倍加速	未明确说明算法在其他类型心律失常或不同人群中的泛化能力	开发实时ECG心律失常分类系统，提高计算效率和诊断准确性	心电图信号和心律失常分类	医疗信号处理	心血管疾病	Hurst轮廓投影多尺度多重分形分析，奇异值分解	CNN	心电图图像	三个基准数据集：PhysioNet、MIT-BIH、CU	NA	AlexNet	准确率，F1分数	Intel-based系统，Raspberry Pi 5嵌入式硬件
852	2025-11-08	Glaucoformer: Dual-Domain Global Transformer Network for Generalized Glaucoma Stage Classification 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3574997 PMID:40440150	研究论文	提出一种名为Glaucoformer的双域全局Transformer网络，用于青光眼分期分类	首次将空间域和频域特征分析相结合，通过双域通道注意力和双域空间注意力机制，同时捕获局部和全局上下文特征依赖	NA	解决青光眼分期分类中存在的阶段间相似性高、无关特征干扰以及病变细微变化等挑战	眼底图像中的青光眼病变	计算机视觉	青光眼	深度学习	Transformer, CNN	图像	NA	NA	Glaucoformer, 双域全局Transformer层(DGTL), 可变形卷积	NA	NA
853	2025-11-07	Deep-Learning-Based Partial Volume Correction in 99mTc-TRODAT-1 SPECT for Parkinson's Disease: A Preliminary Study on Clinical Translation 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3578526 PMID:40493467	研究论文	提出基于注意力条件生成对抗网络的深度学习部分容积校正方法，用于改善帕金森病Tc-TRODAT-1 SPECT图像质量	首次将注意力机制的条件生成对抗网络应用于SPECT部分容积校正，无需解剖先验和分割，可直接处理临床数据	初步研究阶段，样本量有限，缺乏临床金标准验证	开发有效的部分容积校正方法以提高帕金森病SPECT图像的定量准确性	帕金森病患者和数字脑模型	医学影像分析	帕金森病	SPECT成像，蒙特卡洛模拟	Att-cGAN, cGAN, U-Net	SPECT图像	454个数字脑模型和100例临床Tc-TRODAT数据	NA	注意力条件生成对抗网络，U-Net	物理指标，临床指标，无金标准技术评估	NA
854	2025-11-08	Dynamic Instance-Level Graph Learning Network of Intracranial Electroencephalography Signals for Epileptic Seizure Prediction 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3578627 PMID:40498623	研究论文	提出一种用于癫痫发作预测的动态实例级图学习网络，通过颅内脑电信号建模时变信号和功能连接	提出动态实例级图学习网络，结合分组时序神经网络和图结构学习方法，通过图形交互回写技术实现通道内到通道间的因果关系统一建模	仅在Freiburg iEEG数据集上进行验证，需要更多临床数据验证泛化能力	开发基于深度学习的癫痫发作预测方法	癫痫患者的颅内脑电信号	脑机接口	癫痫	颅内脑电信号分析	图神经网络,时序神经网络	时序信号	Freiburg iEEG数据集	NA	动态实例级图学习网络	NA	NA
855	2025-11-08	M3D: Manifold-Based Domain Adaptation With Dynamic Distribution for Non-Deep Transfer Learning in Cross-Subject and Cross-Session EEG-Based Emotion Recognition 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3580612 PMID:40526534	研究论文	提出一种基于流形的轻量级非深度迁移学习框架M3D，用于跨被试和跨会话的脑电情绪识别	在格拉斯曼流形空间实现动态分布对齐，结合结构风险最小化和集成学习提升模型鲁棒性	未明确说明样本规模限制和特定场景下的适用性边界	解决脑电信号的非平稳性和个体差异性，降低对大规模标注数据和计算资源的需求	脑电信号数据，包括三个基准数据集和重度抑郁症临床数据集	脑机接口	情绪障碍，重度抑郁症	脑电信号处理，迁移学习	非深度学习，迁移学习框架	脑电信号	NA	NA	流形特征变换，动态分布对齐，集成学习	准确率	显著低于深度学习的计算需求
856	2025-11-08	Hybrid Transformer for Early Alzheimer's Detection: Integration of Handwriting-Based 2D Images and 1D Signal Features 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3585379 PMID:40601463	研究论文	提出一种用于早期阿尔茨海默病检测的多模态混合注意力模型，整合手写2D图像和1D动态信号特征	首次将Transformer模型应用于AD手写分析，提出可学习的多模态混合注意力机制，同时整合2D空间模式和1D动态特征	仅在DARWIN数据集上验证，未在其他数据集测试泛化能力	开发早期阿尔茨海默病的非侵入性检测方法	阿尔茨海默病患者的手写数据	计算机视觉, 自然语言处理	阿尔茨海默病	手写分析	Transformer, CNN	图像, 信号	DARWIN数据集中的Task 8 ('L'书写任务)	NA	混合Transformer, 1D-CNN, 2D-CNN	F1-score, 准确率	NA
857	2025-11-08	An EEG-Based Seizure Prediction Model Encoding Brain Network Temporal Dynamics 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3584861 PMID:40601467	研究论文	提出一种基于脑电图的癫痫发作预测模型，通过编码脑网络时序动态特征实现患者无关的可靠预测	首次将脑网络亚稳态特性作为生理先验融入变分自编码器，通过对抗特征学习和最大均值差异度量缓解患者差异	未明确说明模型在临床数据集上的具体性能表现和跨数据集泛化能力	开发患者无关的癫痫发作预测方法	癫痫患者的脑电图数据	医疗人工智能	癫痫	脑电图	VAE, 对抗学习	脑电图时序数据	两个公开数据集和一个临床头皮脑电图数据集	NA	变分自编码器	AUC, 敏感度, 特异度	NA
858	2025-11-08	3D Isotropic High-Resolution Fetal Brain MRI Reconstruction From Motion Corrupted Thick Data Based on Physical-Informed Unsupervised Learning 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3586049 PMID:40663667	研究论文	提出一种基于物理信息无监督学习的3D胎儿脑MRI重建方法，从运动伪影的厚层数据中重建各向同性高分辨率图像	首次将无监督迭代联合切片-体积配准和超分辨率重建深度学习框架应用于胎儿脑MRI重建，无需外部高分辨率训练数据	方法在临床胎儿MRI数据上的性能仍需进一步验证，未与其他无监督方法进行充分比较	开发无需外部高分辨率训练数据的胎儿脑MRI重建方法	胎儿脑部MRI图像	医学影像分析	胎儿脑发育	MRI	CNN	2D MRI切片，3D MRI体积	模拟数据和临床数据（具体数量未明确说明）	深度学习框架	卷积神经网络，深度图像先验框架	重建质量比较（具体指标未明确说明）	NA
859	2025-07-21	Automatic quantification, grading and five-year prediction of myopic fundus tessellation: a multi-center, longitudinal deep learning study 2025-Nov, Science China. Life sciences DOI:10.1007/s11427-025-3002-y PMID:40681822	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
860	2025-11-08	Cellular optical imaging techniques: a dynamic advancing frontier 2025-Nov, Science China. Life sciences DOI:10.1007/s11427-024-2916-5 PMID:40681818	综述	本文综述了用于细胞研究的超分辨率光学成像技术的最新进展	系统总结了包括SIM、PS-SR、SMLM以及数学和深度学习超分辨率算法在内的多种前沿技术	作为综述文章，未涉及原始实验数据和研究验证	回顾和评估超分辨率光学成像技术在生物研究中的应用和发展	细胞层面的成像技术和方法	生物医学成像	NA	结构照明显微镜(SIM), 点扫描超分辨率显微镜(PS-SR), 单分子定位显微镜(SMLM)	深度学习	光学显微图像	NA	NA	NA	空间分辨率(约20nm), 信噪比	NA