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
81	2025-06-06	PTMFusionNet: A Deep Learning Approach for Predicting Disease Related Post-Translational Modification and Classifying Disease Subtypes 2025-Jun-02, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2025.101009 PMID:40466864	研究论文	提出了一种名为PTMFusionNet的深度学习方法，用于预测疾病相关的翻译后修饰（PTM）并整合蛋白质表达数据以分类疾病亚型	PTMFusionNet结合了两种图卷积网络（GCN）模型，LAGCN和FWGCN，分别用于预测PTM潜力分数和整合这些分数与蛋白质表达数据进行疾病亚型分类	未提及具体局限性	预测疾病相关的PTM并整合蛋白质表达数据以分类疾病亚型	蛋白质翻译后修饰（PTM）和蛋白质表达数据	机器学习	癌症	质谱技术	GCN（LAGCN和FWGCN）	蛋白质表达数据和PTM信息	三个数据集（KIPAN、COADREAD和THCA）
82	2025-06-06	UniScore, a unified and universal measure for peptide identification by multiple search engines 2025-Jun-02, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2025.101010 PMID:40466863	research paper	提出UniScore作为一种度量标准，用于整合和标准化多种搜索引擎在基于LC/MS/MS的自下而上蛋白质组学数据分析中的输出	UniScore仅通过匹配候选肽的氨基酸序列与产物离子谱来计算，独立于分数值控制接受标准，且能处理大量数据而无需大量计算资源	未提及具体局限性	开发一种统一且通用的度量标准，用于多搜索引擎在蛋白质组学数据分析中的肽识别	数据依赖采集(DDA)数据中的肽识别	蛋白质组学	NA	LC/MS/MS, 自下而上蛋白质组学	NA	质谱数据	大规模全局蛋白质组数据和磷酸化蛋白质组数据
83	2025-06-06	Intrapartum electronic fetal monitoring: the importance of accurate signal capture to harness the potential of deep learning 2025-Jun-02, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2025.05.026 PMID:40466886	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
84	2025-06-06	READRetro Web: A User-Friendly Platform for Predicting Plant Natural Product Biosynthesis 2025-Jun-02, Molecules and cells IF:3.7Q2 DOI:10.1016/j.mocell.2025.100235 PMID:40466944	research paper	介绍了一个用户友好的网络平台READRetro Web，用于预测植物天然产物的生物合成	开发了一个基于现代网络技术的用户友好平台，使缺乏计算背景的研究人员也能轻松使用高级ML驱动的逆合成预测	未提及平台在处理复杂天然产物时的具体限制或挑战	促进植物天然产物的大规模生产，通过逆合成预测加速药物发现	植物天然产物及其生物合成途径	machine learning	NA	deep learning-based retrosynthesis	READRetro ML model	chemical data	NA
85	2025-06-06	Referenceless 4D Flow Cardiovascular Magnetic Resonance with deep learning 2025-Jun-02, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101920 PMID:40467036	research paper	本研究利用深度学习预测心血管4D Flow中的参考编码，以减少扫描时间并保持与传统方法相当的流速和流量量化	首次提出使用深度学习预测参考编码，从而减少25%的数据采集量，缩短扫描时间或提高分辨率	在左心室和右心室的总湍流动能方面存在较大误差，最高误差达-77.17%	改进心血管疾病的评估方法，减少4D Flow CMR的扫描时间	126名不同类型心肌病患者的心脏4D Flow数据集	digital pathology	cardiovascular disease	4D Flow CMR	U-Net	image	126名患者（113名用于训练，13名用于测试）
86	2025-06-06	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	research paper	开发了一种基于深度学习的自动化方法CL-Net，用于测量孕妇经阴道超声图像中的宫颈长度	CL-Net结合专家解剖知识识别宫颈，解决了超声图像中宫颈管识别困难的问题	NA	开发一种可靠且可重复的自动宫颈长度测量方法，以减少评估者间的差异并改善工作流程	孕妇的经阴道超声图像	digital pathology	preterm birth	deep learning	CL-Net	image	NA
87	2025-06-06	GAN Inversion for Data Augmentation to Improve Colonoscopy Lesion Classification 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3397611 PMID:38713568	研究论文	本研究探讨了使用GAN反转生成的合成图像进行数据增强，以解决结肠镜检查病变分类中标注数据有限的问题	通过GAN反转生成合成结肠镜图像作为训练数据，提高了深度学习模型对息肉分类的性能，且无需重新训练多个生成模型	未提及具体的样本量限制或模型泛化能力的详细评估	提高结肠镜检查中病变分类的深度学习模型性能	结肠镜检查图像中的息肉	数字病理	结肠癌	GAN反转、图像模态转换（风格迁移）	GAN	图像	NA
88	2025-06-06	Explicit Abnormality Extraction for Unsupervised Motion Artifact Reduction in Magnetic Resonance Imaging 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3444771 PMID:39150812	研究论文	提出了一种无监督异常提取网络（UNAEN），用于减少磁共振成像中的运动伪影	提出了一种无监督学习方法，无需成对的运动伪影污染和无伪影图像进行训练	未提及具体的样本量或数据集规模，可能影响方法的泛化能力	减少磁共振成像中的运动伪影，提高诊断准确性和图像引导治疗的效果	运动伪影污染的磁共振图像	医学影像处理	NA	深度学习	UNAEN（包含artifact extractor和reconstructor）	磁共振图像	使用了多个公开可用的MRI数据集，但未提及具体样本量
89	2025-06-06	ScreenDx, an artificial intelligence-based algorithm for the incidental detection of pulmonary fibrosis 2025-Jun, The American journal of the medical sciences DOI:10.1016/j.amjms.2025.02.011 PMID:40020875	研究论文	开发并验证了一种基于深度学习的卷积神经网络算法ScreenDx，用于筛查计算机断层扫描图像并识别偶然发现的肺纤维化病例	开发了ScreenDx算法，能够在不同CT制造商和切片厚度条件下高效识别肺纤维化，表现出较高的敏感性和特异性	研究未涉及所有可能的CT设备类型和临床环境，算法的普适性仍需进一步验证	开发一种机器学习算法以提高肺纤维化的早期诊断率	肺纤维化患者的CT影像	数字病理	肺纤维化	深度学习	CNN	图像	总样本量4,722例（包括3,658例训练集、381例调优集和683例外部验证集）
90	2025-06-06	P2TC: A Lightweight Pyramid Pooling Transformer-CNN Network for Accurate 3D Whole Heart Segmentation 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3526727 PMID:40030965	research paper	提出了一种轻量级的金字塔池化Transformer-CNN网络（P2TC），用于精确的3D全心脏分割	结合了3D金字塔池化Transformer进行多尺度信息融合和轻量级大核CNN进行局部特征提取，通过双分支解码器实现精确分割和上下文残差处理	未明确提及具体局限性	提高3D全心脏分割的准确性，以辅助心血管疾病的诊断和手术规划	心脏结构的3D分割	digital pathology	cardiovascular disease	3D pyramid pooling Transformer, lightweight large-kernel CNN	Transformer-CNN hybrid model	3D医学影像（CT和MRI）	MM-WHS 2017挑战数据集
91	2025-06-06	FedBCD: Federated Ultrasound Video and Image Joint Learning for Breast Cancer Diagnosis 2025-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3532474 PMID:40031191	research paper	该研究提出了一种名为FedBCD的去中心化学习方法，用于联合学习乳腺超声视频和图像，以改善乳腺癌诊断	首次提出针对乳腺超声视频和图像的联合去中心化学习解决方案，设计了JUVIL模型以弥合视频和图像数据的维度差距，并提出了FILA层间聚合方法以提高联邦训练的稳定性	实验仅在三个图像客户端和一个视频客户端上进行，可能需要更多样化的数据验证其泛化能力	开发一种高效的联合学习方法，用于乳腺癌的超声诊断	乳腺超声视频和图像	digital pathology	breast cancer	federated learning	JUVIL (Joint Ultrasound Video and Image Learning)	image, video	三个图像客户端和一个视频客户端
92	2025-06-06	Neural Manifold Decoder for Acupuncture Stimulations With Representation Learning: An Acupuncture-Brain Interface 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3530922 PMID:40031188	研究论文	本文提出了一种深度学习框架，通过脑电图活动解码针灸操作过程，并建立了针灸-大脑接口	结合对比表示学习和领域适应策略，推断针灸操作的行为流形，并通过无监督流形学习估计针灸诱发的EEG信号的潜在神经流形	研究仅针对Zusanli穴位的针灸操作，未涵盖其他穴位或针灸技术	揭示针灸刺激与动态大脑反应之间的相关性，并开发针灸-大脑接口	针灸操作过程中的脑电图活动和针灸师的手部姿势及运动轨迹	机器学习	神经系统疾病	EEG, 对比表示学习, 无监督流形学习	神经网络	EEG信号, 视频记录	NA
93	2025-06-06	Score-Based Diffusion Models With Self-Supervised Learning for Accelerated 3D Multi-Contrast Cardiac MR Imaging 2025-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3534206 PMID:40031249	research paper	本研究提出了一种基于分数扩散模型与自监督学习的新型方法，用于加速三维多对比心脏磁共振成像	结合自监督贝叶斯重建网络与联合分数扩散模型，无需全采样训练数据即可实现高质量图像重建	仅在特定3D联合心肌T1和T1ρ映射序列数据集上进行了验证	加速三维多对比心脏磁共振成像采集过程	三维多对比心脏磁共振图像	医学影像分析	心血管疾病	分数扩散模型、自监督学习、Langenvin Markov chain Monte Carlo采样	贝叶斯重建网络、联合分数扩散模型	3D多对比心脏磁共振图像	使用3D联合心肌T1和T1ρ映射序列采集的数据集
94	2025-06-06	Cardiac Phase Estimation Using Deep Learning Analysis of Pulsed-Mode Projections: Toward Autonomous Cardiac CT Imaging 2025-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3536160 PMID:40031322	研究论文	本文提出了一种基于深度学习的脉冲模式投影分析方法，用于心脏CT成像中的心脏相位估计，旨在实现自主心脏CT扫描	首次在投影域进行前瞻性心脏相位估计，提出了一种新的投影域心脏相位估计网络（PhaseNet）和不确定性驱动的Viterbi（UDV）正则化器	研究使用了基于物理的模拟数据进行性能评估，尚未在真实临床数据上进行验证	开发一种无需心电图设备和专家干预的自主心脏CT扫描方法	心脏CT成像中的心脏相位估计	医学影像分析	心血管疾病	深度学习分析	LSTM, CNN	脉冲模式投影（PMPs）	基于物理的模拟数据
95	2025-06-06	Coarse for Fine: Bounding Box Supervised Thyroid Ultrasound Image Segmentation Using Spatial Arrangement and Hierarchical Prediction Consistency 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3535541 PMID:40031340	research paper	提出了一种双分支弱监督学习框架，用于优化甲状腺超声图像分割网络，通过空间排列和层次预测一致性校准语义特征	通过同时考虑目标的位置和目标与背景语义特征分布的合理性，提出了一种新的弱监督分割策略	依赖于边界框掩码的间接、粗略指导，可能在某些情况下无法精确描绘目标边界	优化甲状腺超声图像的分割网络，减少标注时间	甲状腺超声图像中的甲状腺和结节	digital pathology	thyroid disease	weakly-supervised learning	dual-branch framework	image	三个甲状腺数据集
96	2025-06-06	TriCvT-DTI: Predicting Drug-Target Interactions Using Trimodal Representations and Convolutional Vision Transformers 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3536476 PMID:40031370	research paper	提出了一种名为TriCvT-DTI的新方法，通过结合分子图像、化学序列特征和药物图表示来预测药物-靶标相互作用	结合了分子图像、化学序列特征和药物图表示的多模态表示，并引入双向多头注意力机制以增强药物与靶标之间的特征学习	未提及具体的数据集规模限制或计算资源需求	预测药物与靶标之间的相互作用，以促进药物发现和重新定位	药物和靶标	machine learning	NA	Convolutional Vision Transformers (CvTs), 双向多头注意力机制	Convolutional Vision Transformers (CvTs)	分子图像、化学序列特征、图表示	三个数据集：Human, C. elegans, Davis
97	2025-06-06	Fall-Risk Monitoring in Diverse Terrains Using Dual-Task Learning and Wearable Sensing System 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3536030 PMID:40031371	研究论文	该研究提出了一种结合地形感知传感器和惯性测量单元(IMU)的多传感器系统，用于监测不同地形下的跌倒风险，并采用基于改进CNNLSTM模型的双任务学习(DTL)架构来评估跌倒风险水平和地形	首次将地形感知与跌倒风险监测相结合，采用双任务学习架构同时识别跌倒风险水平和地形类型，有效减少误报	实验样本量较小(仅10名年轻受试者和10名老年受试者)，且主要在实验室和医院环境中测试	开发可靠的跌倒风险监测系统以应对老年人口增长带来的跌倒事故增加问题	年轻和老年受试者在不同地形下的活动	可穿戴计算	老年疾病	惯性测量单元(IMU)、双任务学习(DTL)	改进的CNNLSTM模型	传感器信号	10名年轻受试者(实验室环境)和10名老年受试者(医院环境)
98	2025-06-06	Information Geometric Approaches for Patient-Specific Test-Time Adaptation of Deep Learning Models for Semantic Segmentation 2025-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3540546 PMID:40031589	研究论文	本研究提出了一种基于信息几何原理的新框架，用于在测试时对深度学习语义分割模型进行患者特异性适应	提出了一种基于信息几何原理的通用、即插即用、正则化的患者特异性适应框架，无需额外的神经网络或解剖先验信息	NA	解决深度学习语义分割模型在测试时的患者特异性适应问题	COVID-19异常的CT图像、跨机构脑肿瘤MR图像、视网膜层OCT图像	计算机视觉	COVID-19、脑肿瘤、视网膜疾病	深度学习	语义分割模型	CT图像、MR图像、OCT图像	NA
99	2025-06-06	Optimized Drug-Drug Interaction Extraction With BioGPT and Focal Loss-Based Attention 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3540861 PMID:40031603	research paper	该研究提出了一种名为BioFocal-DDI的框架，用于优化药物-药物相互作用（DDI）的提取	结合BioGPT进行数据增强，使用BioBERT和BiLSTM提取上下文和序列特征，并采用ReGCN进行关系建模，同时引入基于Focal Loss的注意力机制以解决类别不平衡问题	仅在DDI Extraction 2013数据集上进行了评估，未在其他数据集上验证其泛化能力	提高药物-药物相互作用（DDI）提取的准确性和效率	药物-药物相互作用（DDI）	natural language processing	NA	BioGPT, BioBERT, BiLSTM, ReGCN	BioGPT, BioBERT, BiLSTM, ReGCN	text	DDI Extraction 2013数据集
100	2025-06-06	Acupuncture State Detection at Zusanli (ST-36) Based on Scalp EEG and Transformer 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3540924 PMID:40031811	研究论文	本研究基于头皮脑电图和Transformer技术，设计了一种针灸状态检测方法，用于区分针灸过程中的捻针和留针状态	提出了基于CNN和Transformer的针灸Transformer检测器(ATD)，能够端到端分类不同针灸状态下的脑电图特征	研究仅针对健康参与者，样本量较小(28人)	开发自动识别针灸状态的方法，为针灸程序标准化提供新解决方案	针灸状态(捻针和留针)下的脑电图变化	生物医学工程	NA	头皮脑电图(EEG)	CNN和Transformer结合的ATD模型	脑电图(EEG)数据	28名健康参与者