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
961	2025-04-24	High-Risk Sequence Prediction Model in DNA Storage: The LQSF Method 2025-Jan, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2024.3424576 PMID:38976468	research paper	本文介绍了一种名为LQSF的创新方法，利用深度学习模型预测DNA存储中的高风险序列，以提高存储效率和减少错误	LQSF方法首次在DNA存储技术中引入了主动序列过滤机制，通过深度学习模型在编码阶段预测和过滤低质量序列	NA	提高DNA存储技术的效率和准确性，减少合成和测序过程中的错误	DNA存储中的高风险序列	machine learning	NA	深度学习	Alexnet, VGG16, VGG19	DNA序列数据	多种神经网络和测试集
962	2025-04-24	Molecular Classification of Breast Cancer Using Weakly Supervised Learning 2025-Jan, Cancer research and treatment IF:4.1Q2 DOI:10.4143/crt.2024.113 PMID:38938010	研究论文	该研究利用弱监督学习方法对乳腺癌进行分子分类	采用弱监督学习从全切片图像中开发深度学习模型，减少了对大量手动注释的需求	亚型之间存在不平衡，且两个数据集之间的差异导致了分子亚型比例的不同	乳腺癌的分子分类以提高治疗效果	乳腺癌病例	数字病理学	乳腺癌	弱监督学习	深度学习模型	全切片图像	来自韩国大学Guro医院(KG)和The Cancer Genomic Atlas数据集(TCGA)的两个数据集
963	2025-04-24	Automated Radiology Report Generation: A Review of Recent Advances 2025, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3408456 PMID:38829752	review	本文对自动放射学报告生成（ARRG）的最新进展进行了方法学回顾	综述了当代ARRG方法，包括数据集评估、深度学习训练方法、最先进的模型架构、临床知识整合技术以及模型评估技术	未提及具体研究中的样本限制或数据偏差问题	评估和总结自动放射学报告生成领域的最新研究进展	自动放射学报告生成（ARRG）的相关研究	natural language processing	NA	对比学习、强化学习	CNN、transformer models	text、multimodal inputs	NA
964	2025-04-24	FDDSeg: Unleashing the Power of Scribble Annotation for Cardiac MRI Images Through Feature Decomposition Distillation 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3404884 PMID:38787661	research paper	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	FDDSeg采用涂鸦标注重用策略和特征分解蒸馏技术，以更少的模型参数实现更精确的分割	方法仅在ACDC和MSCMR两个公开数据集上进行了验证，需要更多数据集的测试	开发一种计算成本低且仅需涂鸦标注的心脏MRI图像精确分割方法	心脏MRI图像	digital pathology	cardiovascular disease	MRI	FDDSeg	image	ACDC和MSCMR两个公开心脏MRI数据集
965	2025-04-24	Coati optimization algorithm for brain tumor identification based on MRI with utilizing phase-aware composite deep neural network 2025, Electromagnetic biology and medicine IF:1.6Q4 DOI:10.1080/15368378.2024.2401540 PMID:39835842	research paper	提出了一种基于MRI的脑肿瘤识别方法，使用相位感知复合深度神经网络和Coati优化算法	结合相位感知复合深度神经网络和Coati优化算法，提高了脑肿瘤识别的准确率、召回率和精确度	未提及具体的数据集来源和样本数量，可能影响方法的泛化能力	提高基于MRI的脑肿瘤识别准确率	脑肿瘤MRI图像	digital pathology	brain tumor	MRI, Multivariate Fast Iterative Filtering (MFIF), Self-Supervised Nonlinear Transform (SSNT)	Phase-aware Composite Deep Neural Network (PACDNN), Coati Optimized Algorithm (COA)	image	NA
966	2025-04-24	Deep Drug Synergy Prediction Network Using Modified Triangular Mutation-Based Differential Evolution 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3377631 PMID:38498748	研究论文	提出了一种名为EDNet的深度药物协同预测网络，利用改进的基于三角突变的差分进化算法来优化网络权重和架构，以提高药物协同预测的准确性	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，解决了梯度消失、过拟合和参数调优等问题	未提及具体的数据集局限性或模型在其他类型癌症中的泛化能力	提高药物协同预测的准确性，优化癌症治疗中的药物组合效果	药物组合协同效应	机器学习	癌症	改进的基于三角突变的差分进化算法	深度双向混合密度网络（EDNet）	药物协同数据	两个知名药物协同数据集：NCI-ALMANAC和deep-synergy
967	2025-04-24	Predicting Blood Pressures for Pregnant Women by PPG and Personalized Deep Learning 2025-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3386707 PMID:38598377	research paper	该研究通过光电容积描记术（PPG）数据和个性化深度学习模型预测孕妇血压，为子痫前期提供有效预警	提出了一种三阶段建模方法（基线模型建立、孕妇数据微调、个性化迁移学习），结合1D-CNN、CBAMs、双向GRU和注意力机制，实现了连续无袖带血压监测	样本量有限（仅40名孕妇），未说明模型在多样化人群中的泛化能力	开发适用于孕妇的连续无创血压监测系统	孕妇血压预测	machine learning	geriatric disease	PPG	1D-CNN with CBAMs + bi-directional GRUs + attention layers	PPG信号	194名受试者（154名正常人+40名孕妇）
968	2025-04-24	A Multimodal Approach for Early Identification of Mild Cognitive Impairment and Alzheimer's Disease With Fusion Network Using Eye Movements and Speech 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3561043 PMID:40232896	研究论文	本研究提出了一种多模态方法，通过融合眼动和语音数据的神经网络，早期识别轻度认知障碍和阿尔茨海默病	开发了一种融合神经网络，整合了眼动和语音特征，显著提高了MCI和AD的分类准确率	样本量较小（78名参与者），可能影响模型的泛化能力	早期识别轻度认知障碍和阿尔茨海默病	78名参与者（37名健康对照，20名MCI患者，21名AD患者）	数字病理学	老年病	眼动追踪和语音分析	融合神经网络	多模态数据（眼动和语音）	78名参与者（37名健康对照，20名MCI患者，21名AD患者）
969	2025-04-24	Quad-tree Based Driver Classification using Deep Learning for Mild Cognitive Impairment Detection 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3558706 PMID:40256415	研究论文	提出一种基于四叉树的深度学习方法，用于通过GPS数据识别驾驶员是否患有轻度认知障碍	引入地理区域四叉树结构捕捉驾驶轨迹的空间层次结构，并提出新的驾驶特征表示方法用于CNN分类	NA	通过驾驶模式分析识别轻度认知障碍驾驶员	驾驶员的GPS轨迹数据	机器学习	老年疾病	GPS数据分析	CNN	GPS轨迹数据	真实世界数据集（具体数量未说明）
970	2025-04-24	Interplay between noise-induced sensorineural hearing loss and hypertension: pathophysiological mechanisms and therapeutic prospects 2025, Frontiers in cellular neuroscience IF:4.2Q2 DOI:10.3389/fncel.2025.1523149 PMID:40260077	review	本文综述了噪声性听力损失(NIHL)的病理生理学、对血迷路屏障(BLB)的影响以及新兴治疗方法	探讨了神经调节和基于载体的方法在克服BLB等生物屏障方面的潜力，以及计算化学方法在药物开发中的应用	主要集中于NIHL的机制和潜在治疗方法，缺乏具体临床试验数据的支持	详细研究NIHL及其潜在机制、生理影响和前沿治疗策略	噪声性听力损失及其相关病理生理机制	NA	心血管疾病	分子对接、分子动力学模拟、QSAR/QSPR分析、网络药理学	machine/deep learning algorithms	NA	NA
971	2025-04-24	Mitigating Aberration-Induced Noise: A Deep Learning-Based Aberration-to- Aberration Approach 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3422027 PMID:38959140	研究论文	本文提出了一种基于深度学习的无需真实数据的相位像差校正方法	首次提出无需真实数据即可校正相位像差的深度学习方法，并设计了自适应混合损失函数以提高性能	未明确说明方法在复杂临床环境中的泛化能力	解决超声成像中相位像差导致的图像质量下降问题	超声成像中的相位像差	医学影像处理	NA	深度学习	CNN	超声射频数据(RF data)和B模式图像	超过180,000张带有相位像差的单平面波图像(RF数据)
972	2025-04-24	Learning a Hand Model From Dynamic Movements Using High-Density EMG and Convolutional Neural Networks 2024-Dec, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3432800 PMID:39042539	research paper	该研究提出了一种深度学习方法，通过高密度表面肌电图（sEMG）和卷积神经网络（CNN）解码前臂肌肉的电生理活动，以预测人手运动	利用全带宽EMG信号（单极未滤波）揭示了人手协同运动和单独手指运动中的独特神经嵌入，这些嵌入能够一致地表示手的解剖结构，并在不同参与者之间具有通用性	研究仅涉及13名健康参与者，样本量较小，且运动速度仅限于慢速（0.5 Hz）和舒适速度（1.5 Hz）	开发一种能够将肌肉信号解码为手部运动的深度学习模型，以推进辅助手部设备的控制	人手运动（包括抓握和单独手指运动）	machine learning	NA	高密度表面肌电图（sEMG）	CNN	EMG信号和运动学/动力学数据	13名健康参与者
973	2025-04-24	A versatile attention-based neural network for chemical perturbation analysis and its potential to aid surgical treatment: an experimental study 2024-Dec-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001781 PMID:39017949	研究论文	本文提出了一种基于注意力机制的神经网络ACTIN，用于化学扰动分析，并探讨其在辅助手术治疗中的潜在应用	提出了结合图卷积和Transformer机制的ACTIN网络，能够在少量数据下实现高效药物发现，并具有较好的可解释性	模型训练样本量较小（仅393个实例），可能影响模型的泛化能力	开发一种灵活高效的药物发现方法以辅助手术治疗	药物药效团及其对基因表达的影响	机器学习	COVID-19	图卷积网络、Transformer机制	ACTIN（基于注意力机制的卷积转置融合网络）	药物数据、转录组数据	393个训练实例
974	2025-04-24	PolarFormer: A Transformer-Based Method for Multi-Lesion Segmentation in Intravascular OCT 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3417007 PMID:38900618	研究论文	提出了一种基于Transformer的多病灶分割方法PolarFormer，用于血管内OCT图像中的多类别易损斑块分割	引入了Polar Attention模块，模拟易损斑块在径向的空间关系，并整合了斑块的空间分布先验知识	研究受限于公开的大规模多类别易损斑块标注的血管内OCT数据集的缺乏	解决血管内OCT图像中多类别易损斑块分割的挑战	血管内OCT图像中的多类别易损斑块	计算机视觉	心血管疾病	深度学习	Transformer	图像	70个回拉数据
975	2025-04-24	CareSleepNet: A Hybrid Deep Learning Network for Automatic Sleep Staging 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3426939 PMID:38990749	research paper	提出了一种名为CareSleepNet的混合深度学习网络，用于从多导睡眠图（PSG）记录中自动进行睡眠分期	设计了多尺度卷积-Transformer时段编码器来捕捉局部和全局特征，并基于共同注意力机制开发了跨模态上下文编码器来建模不同模态间的关系	未明确提及具体局限性，但暗示现有研究忽略了全局特征和跨模态关系	开发高性能的自动睡眠分期方法	多导睡眠图（PSG）记录的睡眠数据	digital pathology	geriatric disease	deep learning	CNN, Transformer	生理信号（EEG和EOG）	一个私有数据集SSND和两个公共数据集Sleep-EDF-153和ISRUC
976	2025-04-24	A Novel Deep Learning-based Artificial Intelligence System for Interpreting Urolithiasis in Computed Tomography 2024-Dec, European urology focus IF:4.8Q1 DOI:10.1016/j.euf.2024.07.003 PMID:38997836	研究论文	开发了一种基于深度学习的AI系统，用于在CT图像中检测尿路结石，并实时计算结石体积和密度等参数	使用YOLOv4架构和RTX 4900 GPU加速，实现了高准确率和快速分析，超越了人类专家的速度	对于不规则结石和输尿管膀胱连接处结石的检测存在一定漏诊率，且训练数据中未包含所有类型的结石	开发一种能够快速准确检测尿路结石的AI系统，以辅助临床决策	尿路结石患者的CT图像	计算机视觉	尿路结石	深度学习	YOLOv4	CT图像	39433张CT图像用于训练，5736张用于验证，100张用于外部验证
977	2025-04-24	BP-Net: Monitoring "Changes" in Blood Pressure Using PPG With Self-Contrastive Masking 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3422023 PMID:38954566	研究论文	提出了一种名为BP-Net的新方法，通过光电容积图(PPG)监测血压变化，而非直接估计血压值	将问题重新定义为跟踪血压在一段时间内的变化，而非直接估计其值，并提出了一种自对比掩码(SCM)模型进行成对时间比较	在训练期间未见过的受试者数据上，准确率为75.97%/73.19%，仍有提升空间	通过PPG信号监测血压的急性变化，为临床应用(如高血压急症)提供潜在价值	光电容积图(PPG)信号	机器学习	心血管疾病	深度学习	BP-Net, SCM	生理信号	使用PulseDB数据集，涉及未见过的受试者数据
978	2025-04-24	Uni4Eye++: A General Masked Image Modeling Multi-Modal Pre-Training Framework for Ophthalmic Image Classification and Segmentation 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3422102 PMID:38954581	研究论文	提出了一种名为Uni4Eye++的通用自监督Transformer框架，用于眼科图像的分类和分割任务	采用图像熵引导的掩码策略重建更具信息量的图像块，并引入动态头部生成器模块减轻模态混淆	未明确提及具体局限性	开发一种能够利用大量未标记眼科图像的自监督学习框架	眼科图像（包括2D和3D图像）	计算机视觉	眼科疾病	自监督学习（SSL）	Transformer	图像	未明确提及具体样本数量
979	2025-04-24	Multi-Label Chest X-Ray Image Classification With Single Positive Labels 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3421644 PMID:38949934	研究论文	提出一种名为多级伪标签一致性（MPC）的框架，用于解决胸部X光图像多标签分类中单阳性标签学习（SPML-CXR）的问题	引入单阳性多标签学习（SPML）问题到胸部X光图像分类中，并提出MPC框架，结合图像级、特征级和批次级的扰动一致性正则化来恢复潜在的错误标注阳性标签	需要进一步验证在更大规模数据集上的泛化能力，以及在实际临床环境中的应用效果	解决胸部X光图像多标签分类中标注成本高和噪声标签问题	胸部X光图像	计算机视觉	肺部疾病	深度学习	Transformer	图像	CheXpert和MIMIC-CXR数据集
980	2025-04-24	STAR-RL: Spatial-Temporal Hierarchical Reinforcement Learning for Interpretable Pathology Image Super-Resolution 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3419809 PMID:38935476	研究论文	提出了一种名为STAR-RL的空间-时间分层强化学习框架，用于解决病理图像超分辨率问题中的黑盒恢复和资源分配不均问题	首次将分层强化学习应用于病理图像超分辨率，提出了空间和时间管理器来指导像素级可解释操作，避免了次优恢复和过度处理问题	实验仅在特定退化核下的医学图像上进行验证，未涉及所有可能的临床场景	开发可解释的病理图像超分辨率方法以提高诊断准确性	病理图像	数字病理	肿瘤	强化学习	STAR-RL（分层强化学习框架）	图像	NA