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
881	2025-12-10	A Multimodal Consistency-Based Self-Supervised Contrastive Learning Framework for Automated Sleep Staging in Patients With Disorders of Consciousness 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3487657 PMID:39471113	研究论文	本文提出了一种基于多模态一致性的自监督对比学习框架MultiConsSleepNet，用于意识障碍患者的自动睡眠分期	提出了一种结合多模态一致性特征提取与自监督对比学习的网络，旨在探索脑电图和眼电图的通用表征，并提取模态内和模态间特征的一致性，以缓解模型对标注数据的依赖并提升对意识障碍患者的泛化能力	未明确说明模型在更大规模或更多样化数据集上的泛化性能，以及在实际临床环境中的部署挑战	开发一种能够利用有限标注数据和大量未标注数据的自动睡眠分期方法，特别针对意识障碍患者	意识障碍患者的睡眠数据	机器学习	意识障碍	脑电图, 眼电图	深度学习网络	多模态生理信号	三个公开数据集和一个自采集数据集	未明确说明	MultiConsSleepNet	未明确说明	NA
882	2025-12-10	SleepECG-Net: Explainable Deep Learning Approach With ECG for Pediatric Sleep Apnea Diagnosis 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3495975 PMID:39527413	研究论文	本研究提出了一种名为SleepECG-Net的可解释深度学习模型，利用心电图信号直接评估儿童阻塞性睡眠呼吸暂停的严重程度	结合卷积神经网络和循环神经网络，并应用Grad-CAM算法提供模型决策的可解释性，识别与儿童睡眠呼吸暂停相关的心电图模式	模型在不同数据集上的性能存在差异，例如在CFS数据集上的Cohen's Kappa仅为0.249，表明泛化能力有待提升	开发一种简化且可解释的深度学习方法，用于儿童阻塞性睡眠呼吸暂停的诊断和严重程度评估	儿童阻塞性睡眠呼吸暂停患者	数字病理学	阻塞性睡眠呼吸暂停	心电图信号分析	CNN, RNN	心电图信号	总计2655名儿童，包括CHAT数据集1610例、UofC数据集981例和CFS数据集64例	未明确指定	CNN-RNN组合架构	Cohen's Kappa	NA
883	2025-12-10	Advancing Sleep Disorder Diagnostics: A Transformer-Based EEG Model for Sleep Stage Classification and OSA Prediction 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3512616 PMID:40030422	研究论文	本研究开发了一种基于Transformer和条件随机场的序列网络，用于睡眠阶段分类和阻塞性睡眠呼吸暂停预测	将自注意力机制和条件随机场整合到多核卷积神经网络和Transformer编码器中，以增强单通道脑电图数据的特征提取和时序依赖性建模	未明确提及样本量或数据集的详细限制，可能依赖于特定数据源	提高睡眠阶段分类的准确性并探索睡眠阶段与阻塞性睡眠呼吸暂停严重程度之间的关系	单通道脑电图记录和睡眠阶段序列	机器学习	阻塞性睡眠呼吸暂停	脑电图	CNN, Transformer, CRF	脑电图信号	NA	NA	多核CNN, Transformer编码器	准确率	NA
884	2025-12-10	Clinical Features and Physiological Signals Fusion Network for Mechanical Circulatory Support Need Prediction in Pediatric Cardiac Intensive Care Unit 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510217 PMID:40030552	研究论文	本文提出了一种融合临床特征和生理信号的网络模型，用于预测儿科心脏重症监护室中机械循环支持的需求	与现有研究通常处理单一特征类型或专注于生理信号的短期诊断不同，本系统处理每分钟的多传感器数据，以识别急性失代偿性心力衰竭患者对MCS的需求，并支持在ICU入院仅两天后早期识别高风险患者	研究队列中的临床决策可能不直接了当，这可能影响模型的普适性	预测儿科心脏重症监护室中机械循环支持的需求	儿科心脏重症监护室中因急性失代偿性心力衰竭入院的患者	机器学习	心血管疾病	机器学习/深度学习集成方法	NA	表格临床特征、血流动力学监测时间序列、心电图和动脉血压信号的原始波形	NA	NA	NA	AUC	NA
885	2025-12-10	Autoencoder-Based Detection of Insulin Pump Faults in Type 1 Diabetes Treatment 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3518233 PMID:40030700	研究论文	本文提出了一种结合LSTM自编码器和随机森林的新方法，用于检测1型糖尿病治疗中的胰岛素泵故障	首次将LSTM自编码器与随机森林结合，用于胰岛素泵故障检测，提高了故障识别准确性	研究基于模拟数据，可能无法完全反映真实世界情况；故障发生率低，算法验证面临挑战	开发准确算法以检测胰岛素泵故障，提升1型糖尿病治疗设备的安全性和可靠性	1型糖尿病患者使用的胰岛素泵系统	机器学习	1型糖尿病	连续血糖监测传感器，自动化胰岛素输送系统	LSTM, 随机森林	模拟生理数据	100名受试者，模拟90天数据	NA	LSTM自编码器	故障检测率，误报率	NA
886	2025-12-10	PFPRNet: A Phase-Wise Feature Pyramid With Retention Network for Polyp Segmentation 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3500026 PMID:40030242	研究论文	本文提出了一种名为PFPRNet的新型息肉分割方法，通过相位特征金字塔与保留网络提升分割性能	设计了相位特征金字塔与保留解码器，结合增强感知模块和低层保留模块，以更高效地建模全局注意力并整合多尺度特征	NA	提升结肠息肉图像的分割准确性和模型泛化能力	结肠息肉图像	计算机视觉	结直肠癌	深度学习	Transformer, CNN	图像	NA	NA	PFPRNet, Transformer-based Encoder	NA	NA
887	2025-12-10	CT-Less Whole-Body Bone Segmentation of PET Images Using a Multimodal Deep Learning Network 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3501386 PMID:40030243	研究论文	本文提出了一种无需CT图像的多模态融合网络（MMF-Net），用于PET图像的全身体骨分割，以克服基于CT方法在骨癌成像中的局限性	引入三种PET模态图像（示踪剂活性、衰减图和合成衰减图）作为训练数据，设计多编码器结构和多模态融合模块，结合SE归一化和深度监督提升分割性能	研究仅基于130个全身PET图像数据集，样本规模有限，且未在更广泛的多中心数据上验证泛化能力	开发一种无需CT图像的自动化全身体骨分割方法，以改善骨癌诊断和分期中的肿瘤分析准确性	全身PET图像，用于骨癌成像中的骨分割	医学影像分析	骨癌	PET成像，多模态深度学习	深度学习网络	PET图像	130个全身PET图像数据集	NA	多模态融合网络（MMF-Net），多编码器结构	NA	NA
888	2025-12-10	EDSRNet: An Enhanced Decoder Semantic Recovery Network for 2D Medical Image Segmentation 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504829 PMID:40030272	研究论文	本文提出了一种用于2D医学图像分割的新型增强解码器语义恢复网络（EDSRNet），以解决现有编码器-解码器架构中语义信息差距和全局-局部信息交互不足的问题	提出了多级语义融合（MLSF）模块来融合不同层次的特征并基于语义差距分配权重，设计了多尺度空间注意力（MSSA）和交叉卷积通道注意力（CCCA）模块以获取更丰富的特征信息，并引入了全局-局部语义恢复（GLSR）模块以实现更好的语义恢复	NA	提升2D医学图像分割的性能，为医学诊断和治疗规划提供更有效的辅助	2D医学图像	计算机视觉	NA	深度学习	CNN	图像	NA	NA	EDSRNet	IoU	NA
889	2025-12-10	WaveSleepNet: An Interpretable Network for Expert-Like Sleep Staging 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3498871 PMID:40030379	研究论文	提出了一种可解释的神经网络WaveSleepNet，用于模拟临床专家的睡眠分期过程	通过潜在空间表示识别特征波原型，提供类似专家的决策过程，增强模型的可解释性	未明确提及模型的具体局限性	开发可解释的自动睡眠分期模型以促进临床采用	睡眠信号数据	机器学习	NA	NA	神经网络	信号数据	三个公共数据集	NA	WaveSleepNet	NA	NA
890	2025-12-10	Harmonic Wavelet Neural Network for Discovering Neuropathological Propagation Patterns in Alzheimer's Disease 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3434394 PMID:39074003	研究论文	本文提出了一种谐波小波神经网络（HWNN），用于预测阿尔茨海默病的早期阶段并定位与疾病相关的显著小波，以表征神经病理事件在大脑网络中的传播路径	提出了一种新的谐波小波神经网络（HWNN）方法，解决了现有图深度学习方法的两个主要缺点：缺乏用于组间比较的无偏参考基础（共同大脑网络）以及缺乏识别传播模式的适当机制	NA	利用计算方法确定神经病理事件的传播模式，以理解阿尔茨海默病的病理生理机制	阿尔茨海默病相关的退行性生物标志物及其在大脑皮层中的分布	机器学习	阿尔茨海默病	NA	神经网络	图数据	NA	NA	谐波小波神经网络（HWNN）	分类准确率，识别传播模式的统计功效	NA
891	2025-12-10	FDDSeg: Unleashing the Power of Scribble Annotation for Cardiac MRI Images Through Feature Decomposition Distillation 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3404884 PMID:38787661	研究论文	本文提出了一种名为FDDSeg的特征分解蒸馏深度学习方法，用于基于涂鸦标注的心脏MRI图像分割	提出了一种涂鸦标注重用策略以提供精确边界，并通过伪标签将中间特征分解为类别区域和无类别区域，以改进特征学习，然后通过特征分解捕获有效的蒸馏知识	NA	开发一种用于涂鸦监督心脏MRI图像分割的深度学习方法，以降低计算成本并提高分割精度	心脏MRI图像	计算机视觉	心血管疾病	MRI	深度学习	图像	NA	NA	NA	DSC, JC, HD95	NA
892	2025-12-10	Melanoma Breslow Thickness Classification Using Ensemble-Based Knowledge Distillation With Semi-Supervised Convolutional Neural Networks 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3465929 PMID:39302772	研究论文	本研究利用集成知识蒸馏与半监督卷积神经网络，对黑色素瘤的Breslow厚度进行分类，旨在提高诊断准确性	采用多教师集成知识蒸馏的半监督学习方法，结合四个不同来源的数据集，在黑色素瘤原位与侵袭性分类及Breslow厚度预测任务中提升了模型性能	未明确说明模型在临床环境中的泛化能力及对罕见病例的处理效果	开发基于深度学习的自动诊断系统，以支持医疗专业人员对黑色素瘤的分类和厚度预测	皮肤镜图像中的原位与侵袭性黑色素瘤，以及Breslow厚度	医学图像分析	黑色素瘤	深度学习	CNN	图像	来自四个不同数据集的皮肤镜图像，具体数量未明确	未明确指定	卷积神经网络	AUC	未明确指定
893	2025-12-10	MFRC-Net: Multi-Scale Feature Residual Convolutional Neural Network for Motor Imagery Decoding 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3467090 PMID:39316474	研究论文	提出一种用于运动想象解码的轻量级多尺度特征残差卷积神经网络MFRC-Net	提出结合时间多尺度残差卷积块和跨域双流空间卷积块的轻量级网络架构，在仅13K参数下实现高性能	未明确说明模型在更复杂或噪声更大EEG数据上的泛化能力	开发轻量高效的深度学习模型用于运动想象脑电信号解码	脑电图信号	机器学习	NA	脑电图	CNN	时序信号	BCI Competition IV 2a数据集和SHU数据集	NA	MFRC-Net	准确率	NA
894	2025-12-10	Spherical Harmonics-Based Deep Learning Achieves Generalized and Accurate Diffusion Tensor Imaging 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3471769 PMID:39352828	研究论文	本研究提出了一种基于球谐函数和深度学习的扩散张量成像方法，旨在提高DTI的准确性和泛化能力	利用球谐函数系数图作为网络输入，实现了对不同采集方案、中心和扫描仪的泛化，解决了现有深度学习方法泛化性有限的问题	未在摘要中明确提及具体限制	开发一种泛化性强、准确且高效的基于深度学习的扩散张量成像方法	扩散张量成像数据，包括模拟和体内数据集	医学影像分析	NA	扩散加权成像，扩散张量成像，磁共振成像	深度学习网络	扩散磁共振图像，球谐函数系数图	未在摘要中明确提及具体样本数量	NA	NA	定量和定性分析	NA
895	2025-12-10	Multiscale Spatial-Temporal Feature Fusion Neural Network for Motor Imagery Brain-Computer Interfaces 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3472097 PMID:39352826	研究论文	本文提出了一种基于多尺度时空特征融合的卷积神经网络（MSTFNet），用于运动想象脑机接口中的EEG信号分类	提出了一种新的端到端卷积神经网络架构，通过多尺度时空特征融合模块增强特征提取能力，并采用了一种简单而有效的数据增强策略	未明确提及模型的计算复杂度、泛化能力到其他数据集或实际应用场景中的限制	提高运动想象脑机接口中EEG信号的解码精度，实现高效稳定的交互	运动想象相关的EEG信号	脑机接口	NA	EEG信号处理	CNN	EEG信号	使用了两个公共数据集（BCI Competition IV 2a和2b）和一个实验室数据集，具体样本数量未明确说明	NA	MSTFNet（包含特征增强模块、多尺度时间特征提取模块、空间特征提取模块和特征融合模块）	分类准确率	NA
896	2025-12-10	Automated Quantification of HER2 Amplification Levels Using Deep Learning 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3476554 PMID:39383086	研究论文	本文开发了一种基于深度学习的软采样级联模型和信号检测模型，用于自动量化细胞中的CEN17和HER2信号，以辅助评估HER2扩增状态，从而帮助乳腺癌和胃癌患者选择抗HER2靶向治疗	提出了一种软采样级联深度学习模型和信号检测模型，能够处理FISH和DISH图像中细胞边界模糊、形状和信号变化大、细胞重叠以及标注稀疏等问题，显著优于七种现有最先进的深度学习方法	未明确说明模型在更大规模或更多样化数据集上的泛化能力，以及计算资源的具体需求	开发自动化工具以辅助评估HER2扩增状态，用于乳腺癌和胃癌患者的抗HER2靶向治疗选择	乳腺癌和胃癌患者的FISH和DISH图像中的细胞	数字病理学	乳腺癌, 胃癌	荧光原位杂交 (FISH), 双原位杂交 (DISH)	深度学习模型	图像	两个临床数据集：一个FISH数据集和一个DISH数据集	NA	软采样级联深度学习模型, 信号检测模型	准确率, 召回率, F1分数, 精确率	NA
897	2025-12-10	MiRS-HF: A Novel Deep Learning Predictor for Cancer Classification and miRNA Expression Patterns 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3476672 PMID:39383085	研究论文	提出了一种名为MiRS-HF的深度学习模型，用于癌症分类和miRNA生物标志物识别	结合早期融合和中间融合策略，利用Layer Attention GCN处理miRNA-疾病异质网络，并通过GCN加权表达数据进行分类	NA	癌症分类和miRNA生物标志物识别	六种癌症的miRNA关联和表达数据	机器学习	癌症	miRNA表达数据	GCN, LAGCN	图数据, 表达数据	NA	NA	Layer Attention Graph Convolutional Network, Graph Convolutional Network	NA	NA
898	2025-12-10	Continuous Prediction of Wrist Joint Kinematics Using Surface Electromyography From the Perspective of Muscle Anatomy and Muscle Synergy Feature Extraction 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3484994 PMID:39437291	研究论文	本文提出了一种基于肌肉解剖学视角的3DCNN模型，用于从表面肌电信号中提取肌肉协同特征，并连续预测腕关节运动学	首次从肌肉解剖学角度预测运动意图，将一维sEMG信号根据目标肌肉解剖分布和电极位置重构为二维帧，并作为视频片段输入3DCNN进行特征提取	未明确说明模型在更广泛患者群体或不同运动任务中的泛化能力	利用sEMG信号预测卒中后患者运动意图，以提高康复机器人的辅助效果	卒中后上肢功能障碍患者	机器学习	卒中	表面肌电信号采集	3DCNN, CNN-LSTM, GAN	时序信号, 图像	自建腕部运动数据集和公开Ninapro DB2数据集	NA	3DCNN	nRMSE, R值	NA
899	2025-12-10	Deep Drug Synergy Prediction Network Using Modified Triangular Mutation-Based Differential Evolution 2025-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3377631 PMID:38498748	研究论文	本文提出了一种名为EDNet的深度药物协同预测网络，用于改进癌症治疗中的药物组合协同预测	采用改进的基于三角突变的差分进化算法优化深度双向混合密度网络的初始连接权重和架构相关属性，以解决梯度消失、过拟合和参数调优问题	NA	提高药物组合协同预测的准确性，以优化癌症治疗效果	药物组合协同预测	机器学习	癌症	NA	深度双向混合密度网络	药物协同数据集	两个数据集：NCI-ALMANAC和deep-synergy	NA	EDNet	NA	NA
900	2025-12-10	Utilizing Deep Learning to Identify Electron-Dense Deposits in Renal Biopsy Electron Microscopy Images 2025, American journal of nephrology IF:4.3Q1 DOI:10.1159/000546131 PMID:40388893	研究论文	本研究开发了一个基于深度学习的平台，用于自动分类肾活检电子显微镜图像中电子致密沉积物的位置	首次利用深度学习自动分类肾活检电子显微镜图像中电子致密沉积物的位置，并开发了相应的网络平台	模型在评估沉积物存在和位置方面的准确性低于电子显微镜病理学家，但高于综合性肾病理学家	开发一个深度学习平台，自动分类肾活检电子显微镜图像中电子致密沉积物的位置	肾活检电子显微镜图像中的电子致密沉积物	数字病理学	肾脏疾病	电子显微镜	CNN	图像	从1039例肾活检中收集的4303张电子显微镜图像	NA	ResNet18	AUC, 准确率	NA