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	2025-12-10	Performance of Artificial Intelligence Models in Predicting Responsiveness of Hepatocellular Carcinoma to Transarterial Chemoembolization (TACE): A Systematic Review and Meta-Analysis 2025-Aug-30, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.08.028 PMID:40889566	系统综述与荟萃分析	本文通过系统综述与荟萃分析评估了人工智能模型（包括手工放射组学和深度学习）在预测肝细胞癌患者经动脉化疗栓塞治疗反应性方面的性能	首次对人工智能模型（包括深度学习与手工放射组学）在预测肝细胞癌TACE治疗反应中的性能进行了系统性的比较与荟萃分析，并评估了内部与外部验证的表现	纳入研究存在异质性，且需要进一步的研究来验证模型的普适性和临床适用性	评估人工智能模型在预测肝细胞癌患者经动脉化疗栓塞治疗疗效方面的预测性能	确诊为肝细胞癌并接受经动脉化疗栓塞治疗的患者	医学影像分析	肝细胞癌	放射组学，深度学习	深度学习模型，手工放射组学模型	医学影像	NA	NA	NA	受试者工作特征曲线下面积	NA
842	2025-12-10	Artificial intelligence driven neuropsychiatry: a systematic review of electroencephalography-based computational techniques for major depressive disorder prediction 2025-Aug-16, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.07.010 PMID:40639536	系统综述	本文系统综述了基于脑电图信号的计算技术用于预测重度抑郁症的研究，分析了预处理流程、模型性能及临床转化障碍	首次系统性地比较了深度学习架构（如CNN和混合CNN-LSTM模型）与传统机器学习方法在抑郁症预测中的表现，并强调了单通道或少电极配置在便携诊断工具中的潜力	研究方法存在显著不一致性，数据异质性大，模型可解释性有限，且缺乏标准化评估协议，这限制了结果的普适性和可靠性	旨在通过人工智能驱动的脑电图分析，为抑郁症诊断提供标准化计算框架，推动精准精神病学的发展	基于脑电图信号的抑郁症预测研究	自然语言处理	精神疾病	脑电图信号处理	CNN, LSTM, 混合CNN-LSTM模型, SVM	脑电图信号	NA	NA	卷积神经网络, 长短期记忆网络, 支持向量机	准确率	NA
843	2025-12-10	Is the use of machine learning in head and neck cancer radiotherapy supported by clinical trials? 2025-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105036 PMID:40587931	综述	本文通过系统综述临床试验，评估了人工智能和机器学习在头颈癌放疗中的应用效果	首次系统性地收集并分析了临床试验数据，以评估机器学习在头颈癌管理中的实际效用，并比较了深度学习与传统算法的性能	研究仅基于42项符合条件的临床试验，样本量有限，且模型、方法和终点的多样性可能影响结论的普适性	评估机器学习在头颈癌临床管理中的应用效果，特别是在检测/分类、图像分割和治疗反应/剂量分布预测方面的作用	头颈癌（HNC）患者	机器学习	头颈癌	NA	深度学习, KNN, SVM, 逻辑回归	图像, 临床数据	基于42项临床试验，具体样本量未详细说明	NA	多层神经网络	准确率, AUC, 特异性, 敏感性, Dice系数	NA
844	2025-12-10	3MT-Net: A Multi-Modal Multi-Task Model for Breast Cancer and Pathological Subtype Classification Based on a Multicenter Study 2025-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3445952 PMID:39163184	研究论文	本研究提出了一种名为3MT-Net的多模态多任务深度学习模型，用于基于超声图像和临床数据对乳腺癌及其病理亚型进行分类	提出了一种新颖的多模态多任务网络架构，集成了临床数据、B超和多普勒超声图像，并采用AM-CapsNet提取图像特征、级联交叉注意力机制融合数据，以及集成学习与优化算法动态分配模态权重	研究为回顾性数据收集，可能存在选择偏倚；未提及模型在外部独立验证集上的泛化性能	开发一个用于乳腺癌良恶性分类及病理亚型分类的深度学习模型	乳腺病变的超声图像（B超和多普勒）及临床数据	数字病理学	乳腺癌	超声成像（B超，多普勒超声）	深度学习，集成学习	图像（超声图像），临床数据	来自九个医疗中心的多中心回顾性数据	NA	3MT-Net, AM-CapsNet	AUC	NA
845	2025-12-10	Respiratory Anomaly and Disease Detection Using Multi-Level Temporal Convolutional Networks 2025-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3545156 PMID:40031640	研究论文	本研究提出了一种新颖的深度学习框架，通过多级时间卷积网络（ML-TCN）结合空间特征提取和时间相关性分析，用于呼吸声音的异常和疾病检测	提出了一种同时捕获呼吸声音空间特征并利用时间卷积网络挖掘其时空相关性的深度学习框架，克服了现有方法孤立分析时空特征的局限性	研究基于公开数据集ICBHI 2017，数据量有限且存在类别不平衡问题，模型在更广泛临床环境中的泛化能力有待验证	开发一种自动化呼吸声音分析系统，用于早期肺部疾病的检测	呼吸声音音频数据	机器学习	肺部疾病	深度学习	CNN, TCN	音频	ICBHI 2017挑战数据集	未明确指定	多级时间卷积网络（ML-TCN）	Score指标, 平均灵敏度, 平均特异性, 分类准确率	NA
846	2025-12-10	Optimal Electroencephalogram and Electrooculogram Signal Combination for Deep Learning-Based Sleep Staging 2025-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3541453 PMID:40031834	研究论文	本研究通过深度学习模型评估不同脑电图和眼电图信号组合在自动睡眠分期中的性能，旨在确定最优信号组合以实现简化的测量设置	首次系统性地比较了多种脑电图和眼电图信号组合在深度学习自动睡眠分期中的性能，验证了简化测量设置的可行性	研究仅针对疑似阻塞性睡眠呼吸暂停患者，未涵盖其他睡眠障碍类型；信号组合数量有限，可能未覆盖所有潜在最优组合	识别用于深度学习自动睡眠分期的最优脑电图和眼电图信号组合，以简化传统多导睡眠图的测量设置	876名疑似阻塞性睡眠呼吸暂停患者的脑电图和眼电图信号	机器学习	阻塞性睡眠呼吸暂停	多导睡眠图	深度学习模型	脑电图信号, 眼电图信号	876名疑似阻塞性睡眠呼吸暂停患者	NA	NA	准确率, Cohen's kappa	NA
847	2025-12-10	Beyond the Ground Truth, XGBoost Model Applied to Sleep Spindle Event Detection 2025-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3544966 PMID:40031867	研究论文	本文提出了一种基于XGBoost的新型机器学习检测框架SpinCo，用于睡眠纺锤体事件检测，其性能接近最先进的深度学习技术，同时依赖于一组固定的易于解释的特征	提出了一种基于详尽滑动窗口特征提取和XGBoost算法的新型机器学习检测框架，开发了一种新的逐事件评估指标，增强了评估的可解释性，并提出了基于自动方法泛化能力估计的新型性能评估测试	未明确提及具体限制，但暗示深度学习方法的决策过程难以理解，而本研究旨在通过可解释特征解决此问题	开发一种性能接近深度学习技术但更易于解释的自动睡眠纺锤体检测方法	睡眠纺锤体事件	机器学习	NA	脑电图	XGBoost	脑电图信号	NA	XGBoost	NA	对称性指标,概率解释	NA
848	2025-12-10	Enhancing Image Retrieval Performance With Generative Models in Siamese Networks 2025-Jul, 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如何提升基于内容的图像检索系统在计算机辅助前列腺癌诊断中的检索质量	首次在文献中提出使用针对CBIR优化的潜在表示来训练注意力机制，以执行全切片图像的Gleason评分	NA	提升计算机辅助诊断系统中基于内容的图像检索性能，以辅助前列腺癌的早期准确诊断	前列腺癌组织图像	计算机视觉	前列腺癌	生成对抗网络	Siamese Network, GAN	图像	基于SiCAPv2数据集	NA	ProGleason-GAN	NA	NA
849	2025-12-10	Contrastive Learning With Transformer to Predict the Chronicity of Children With Immune Thrombocytopenia 2025-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3551365 PMID:40085458	研究论文	本文提出了一种结合对比学习和Transformer的方法，用于预测儿童免疫性血小板减少症的慢性化风险	提出了一种新颖的集成对比学习和Transformer的方法，通过随机掩码和过采样处理小样本和不平衡数据问题，并利用FT-Transformer编码器生成的潜在表示构建对比对	未明确提及具体局限性，但可能受限于儿童患者数据的稀缺性和不平衡性	准确预测儿童免疫性血小板减少症的慢性化风险，以支持早期个性化治疗计划制定	儿童免疫性血小板减少症患者	机器学习	免疫性血小板减少症	对比学习，Transformer	Transformer	异构表格数据	未明确指定具体样本数量，但提及儿童患者数据稀缺	未明确指定，但可能基于PyTorch或TensorFlow	FT-Transformer	未明确指定具体指标，但提及优于现有方法	未明确指定
850	2025-12-10	Leveraging a Vision-Language Model with Natural Text Supervision for MRI Retrieval, Captioning, Classification, and Visual Question Answering 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11251809 PMID:41336503	研究论文	本文提出了一种基于向量检索和对比学习的框架，通过自然语言监督学习视觉脑MRI概念，并应用于MRI检索、描述、分类和视觉问答等多个任务	利用自然语言监督学习跨模态嵌入，实现单一模型执行多种放射学任务，包括MRI检索、描述、分类和视觉问答，提供了一种通用且多功能的研究工具	未明确提及模型在非阿尔茨海默病脑部疾病或其他医学影像模态上的泛化能力，以及数据隐私和透明度方面的具体实施细节	开发一个基于自然语言监督的跨模态框架，用于脑MRI的多任务学习，以支持阿尔茨海默病研究和临床辅助诊断	脑MRI图像及其相关的自然语言描述	计算机视觉	阿尔茨海默病	自然语言监督，对比学习，向量检索	Transformer	图像，文本	NA	NA	Transformer	NA	NA
851	2025-12-10	Generative Forecasting of Brain Activity Enhances Alzheimer's Classification and Interpretation 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253394 PMID:41336569	研究论文	本研究利用生成式预测方法增强阿尔茨海默病的分类和解释，通过静息态功能磁共振成像数据预测独立成分网络，并评估其在疾病分类中的性能	引入基于Transformer的BrainLM模型进行脑活动生成式预测作为数据增强手段，并揭示与阿尔茨海默病相关的特定脑网络敏感性	数据集规模有限，特别是针对阿尔茨海默病等疾病特定群体，这可能限制深度学习模型的泛化能力	通过数据驱动方法理解认知与内在脑活动之间的关系，并提升阿尔茨海默病的分类性能	静息态功能磁共振成像数据中的独立成分网络	机器学习	阿尔茨海默病	静息态功能磁共振成像	LSTM, Transformer	时间序列数据	NA	NA	BrainLM	NA	NA
852	2025-12-10	AI-Powered Vocalization Analysis in Poultry: Systematic Review of Health, Behavior, and Welfare Monitoring 2025-Jun-29, Sensors (Basel, Switzerland) DOI:10.3390/s25134058 PMID:40648313	综述	本文对人工智能和生物声学在通过禽类发声分析进行非侵入式福利监测方面的应用进行了系统性回顾	系统性地梳理了从传统声学特征提取到前沿深度学习架构（如CNN、LSTM、注意力机制及自监督模型wav2vec2和Whisper）的演变，并强调了边缘计算部署和可解释AI集成的重要性	存在数据集标准化不足、评估协议不一致、算法可解释性有限等持续性方法瓶颈，以及在跨物种领域泛化和上下文声学适应方面存在关键知识缺口	回顾和评估人工智能驱动的禽类发声分析技术在健康、行为及福利监测领域的应用现状、潜力和挑战	禽类（家禽）的发声数据	机器学习	NA	生物声学分析	CNN, LSTM, 注意力机制, 自监督模型	音频	NA	NA	wav2vec2, Whisper	NA	边缘计算（通过TinyML框架）
853	2025-12-10	Deep Learning-Based Automated Measurement of Cervical Length in Transvaginal Ultrasound Images of Pregnant Women 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3433594 PMID:39052464	研究论文	本文开发了一种基于深度学习的自动化方法CL-Net，用于在孕妇经阴道超声图像中测量宫颈长度，以减少操作者依赖性并提高测量可重复性	CL-Net首次将专家解剖知识整合到深度学习网络中，以识别宫颈管，解决了超声图像中低信噪比和宫颈管对比度极低的挑战	未明确说明模型在不同人群或设备间的泛化能力，以及临床部署中的实时性能要求	开发一种可靠且可重复的自动宫颈长度测量方法，以降低评估者间变异并改善工作流程	孕妇的经阴道超声图像	计算机视觉	产科疾病	经阴道超声成像	深度学习网络	图像	NA	NA	CL-Net	成功率, 中位数差异, 四分位距, 范围	NA
854	2025-12-10	A GAN Guided Parallel CNN and Transformer Network for EEG Denoising 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3277596 PMID:37220036	研究论文	提出了一种基于GAN引导的并行CNN和Transformer网络（GCTNet），用于脑电图（EEG）信号的去噪，以解决现有方法在时间特征捕获和整体一致性方面的不足	设计了一个结合并行CNN块和Transformer块的生成器，分别捕获局部和全局时间依赖性，并利用判别器检测和校正去噪后EEG信号与真实干净信号之间的整体不一致性	未明确提及具体限制，但可能包括对特定类型伪影的泛化能力或计算资源需求	开发一种高效的深度学习方法来去除EEG信号中的生理伪影，提高信号质量以支持后续分析	脑电图（EEG）信号，特别是受生理伪影（如肌电图伪影）污染的信号	机器学习	NA	脑电图（EEG）信号处理	GAN, CNN, Transformer	时间序列数据（EEG信号）	NA	NA	GCTNet（包含并行CNN块和Transformer块的生成器，以及判别器）	RRMSE（相对均方根误差），SNR（信噪比）	NA
855	2025-12-10	Multi-Gate Mixture of Multi-View Graph Contrastive Learning on Electronic Health Record 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3325221 PMID:37851554	研究论文	本文提出了一种多门混合多视图图对比学习方法，用于从电子健康记录中学习更合理的患者表示，以改善下游预测任务的性能	提出了一种新颖的多门混合多视图图对比学习方法，通过联合优化任务损失和对比损失，并利用分层全连接图结构和预训练节点特征，以更充分地挖掘电子健康记录中的潜在信息	未明确说明模型的计算复杂度、训练时间以及在不同规模数据集上的可扩展性	旨在通过改进电子健康记录的表示学习方法，提升患者相关预测任务的性能	电子健康记录中的患者就诊数据	机器学习	NA	图神经网络，对比学习	GNN	图数据	两个大型开源医疗数据集：MIMIC-III 和 eICU	NA	多门混合多视图图对比学习	NA	NA
856	2025-12-10	Preoperative Prediction of Microvascular Invasion in Hepatocellular Carcinoma From Multi-Sequence Magnetic Resonance Imaging Based on Deep Fusion Representation Learning 2025-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3451331 PMID:39196745	研究论文	本研究提出了一种基于深度融合表示学习的新算法，用于从多序列磁共振成像中预测肝细胞癌的微血管侵犯	引入了一种基于ResNet的新型多分支深度融合特征算法（DFFResNet），结合不同序列的MRI图像以增强信息互补性和整合性	研究样本量相对较小（117名个体），且仅基于单一医院的放射科数据集，可能影响模型的泛化能力	预测肝细胞癌术前微血管侵犯，以辅助早期肿瘤复发风险评估	肝细胞癌患者的多序列磁共振成像数据	数字病理学	肝细胞癌	磁共振成像	CNN	图像	117名个体，包含七个MRI序列	NA	ResNet, DFFResNet	NA	NA
857	2025-12-10	SWMA-UNet: Multi-Path Attention Network for Improved Medical Image Segmentation 2025-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3523492 PMID:40030824	研究论文	本文提出了一种用于医学图像分割的并行多路径注意力网络SWMA-UNet，旨在同时捕获局部细节和全局上下文信息	提出了一种并行（而非串行）集成Transformer和CNN的多路径注意力架构，以同时处理全局和局部信息	未在摘要中明确说明	提高医学图像分割的准确性	医学图像	计算机视觉	NA	深度学习	CNN, Transformer	图像	在Synapse、ACDC、ISIC 2018和MoNuSeg数据集上进行了实验	NA	SWMA-UNet (基于U-Net的变体)	NA	NA
858	2025-12-10	FlexibleSleepNet:A Model for Automatic Sleep Stage Classification Based on Multi-Channel Polysomnography 2025-May, 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架构，用于基于多通道多导睡眠图数据的自动睡眠阶段分类	引入了自适应特征提取模块和尺度变化压缩模块，以平衡时空特征提取与计算复杂度，有效捕获通道间的时空依赖关系	未明确提及模型在更广泛或多样化数据集上的泛化能力，以及可能存在的过拟合风险	开发一种高效的自动睡眠阶段分类模型，以提升分类性能并降低计算复杂度	多通道多导睡眠图数据	机器学习	NA	多导睡眠图	CNN	多通道生理信号数据	三个数据库：SleepEDF-20、SleepEDF-78和SHHS，具体样本数量未明确	NA	FlexibleSleepNet	分类准确率	NA
859	2025-12-10	Conditional Contrastive Predictive Coding for Assessment of Fetal Health From the Cardiotocogram 2025-May, 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模型，用于从胎心宫缩图自动评估胎儿健康状况	将对比预测编码扩展为随机、循环且以子宫活动为条件的未来预测器，并引入了更适合异常检测的新训练目标	未明确说明模型在临床环境中的泛化能力或计算效率	开发一种自动化方法，通过胎心宫缩图评估胎儿健康状况，以减少人工解读的变异性	胎心宫缩图数据，包括胎儿心率和子宫活动记录	机器学习	胎儿健康	对比预测编码	深度学习模型	时间序列数据	NA	NA	对比预测编码扩展模型	NA	NA
860	2025-12-10	MACTFusion: Lightweight Cross Transformer for Adaptive Multimodal Medical Image Fusion 2025-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3391620 PMID:38640042	研究论文	本文提出了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	提出了基于交叉多轴注意力机制的轻量级交叉Transformer，结合交叉窗口注意力和交叉网格注意力来挖掘和整合多模态特征的局部与全局交互，并设计了空间自适应融合模块引导模型关注最相关信息	未明确说明模型在计算资源受限环境下的实际部署效果，也未讨论对其他医学图像模态（如超声、内镜图像）的泛化能力	开发一种计算效率高且性能优越的无监督多模态医学图像融合方法	多模态医学图像（特别是临床脑肿瘤图像）	计算机视觉	脑肿瘤	医学图像融合技术	Transformer	医学图像	未明确说明具体样本数量，仅提及包含临床脑肿瘤图像	未明确说明	交叉Transformer（含交叉窗口注意力和交叉网格注意力），梯度残差密集卷积层	纹理清晰度，视觉质量（未明确量化指标）	未明确说明