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
1101	2025-07-26	ROXSI: Robust Cross-Sequence Semantic Interaction for Brain Tumor Segmentation on Multi-Sequence MR Images 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3513479 PMID:40030420	研究论文	提出一种鲁棒的脑肿瘤分割框架ROXSI，用于减轻多序列MR图像中噪声和伪影导致的性能下降	提出跨序列语义交互模块（CSSI）和批级协方差机制，以利用序列间相关性并提取抗噪声特征	未提及具体的数据集规模限制或计算资源需求	提高多序列MR图像中脑肿瘤分割的鲁棒性	多序列磁共振成像（MRI）中的脑肿瘤	数字病理学	脑肿瘤	MRI	CNN, Transformer	图像	在两个基准数据集上进行评估
1102	2025-07-26	Decoding SSVEP Via Calibration-Free TFA-Net: A Novel Network Using Time-Frequency Features 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510740 PMID:40030575	研究论文	提出了一种名为TFA-Net的新型CNN模型，用于无需校准阶段的SSVEP信号解码	引入了频率注意力和通道重组模块，增强了TFA-Net在时频域中推断更精细频率注意力并高效提取SSVEP特征的能力	未提及具体局限性	提高基于SSVEP的脑机接口的解码性能和实用性	稳态视觉诱发电位(SSVEP)信号	脑机接口	NA	深度学习	CNN	EEG信号	公共数据集（具体数量未提及）
1103	2025-07-26	SFM-Net: Semantic Feature-Based Multi-Stage Network for Unsupervised Image Registration 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3524361 PMID:40030793	研究论文	本文提出了一种基于语义特征的多阶段无监督图像配准网络SFM-Net，用于解决具有复杂解剖结构的图像之间的精细对应问题	提出了一种双阶段训练策略和双流特征提取模块，以及精细变形场生成模块，用于改进语义相关区域的对齐	未提及具体的数据集规模或计算资源需求	改进具有复杂解剖结构的图像之间的无监督配准	3D脑MRI和肝脏CT图像	计算机视觉	NA	深度学习	U-Net	3D图像	未提及具体样本数量
1104	2025-07-26	Multi-Sensor Wearable Device With Transformer-Powered Two-Stream Fusion Model for Real-Time Leg Workout Monitoring 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3524398 PMID:40030794	研究论文	本文提出了一种基于Transformer的双流融合模型（TTSF）的多传感器可穿戴设备，用于实时腿部锻炼监测	提出了一种新型的Transformer驱动的双流融合模型（TTSF），用于高效准确地提取时空特征	当前单传感模态技术受限于尺寸、环境敏感性和准确性问题	推动多传感器融合与深度学习和医疗物联网（MIoT）技术在高级步态监测和分析中的应用	腿部锻炼监测	医疗物联网	NA	深度学习（DL）和医疗物联网（MIoT）技术	Transformer-powered Two-Stream Fusion (TTSF)	多模态传感器数据	NA
1105	2025-07-26	Unsupervised Domain Adaptation for Cross-Modality Cerebrovascular Segmentation 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3523103 PMID:40030830	research paper	提出了一种无监督域适应框架CereTS，用于跨模态脑血管分割	采用多级域对齐模式，包括图像级循环几何一致性约束、块级掩蔽对比约束和特征级语义感知约束，以缩小域差异同时保持血管结构的一致性	需要昂贵的注释，且在不同成像模态间训练和部署深度学习模型时存在性能下降的问题	开发一种无监督域适应方法，用于跨模态脑血管分割	时间飞行磁共振血管造影(TOF-MRA)和计算机断层扫描血管造影(CTA)的脑血管分割	digital pathology	intracranial vascular diseases	deep learning	CereTS	image	一个公开可用的TOF-MRA数据集和一个私有的CTA数据集
1106	2025-07-26	A Hybrid Artificial Intelligence System for Automated EEG Background Analysis and Report Generation 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3496996 PMID:40030193	研究论文	本文提出了一种创新的混合人工智能系统，用于自动解释EEG背景活动并生成报告	结合深度学习模型和无监督伪影去除技术，以及专家设计的异常检测算法，显著提高了EEG背景活动的自动解释准确性	在检测局灶性异常方面虽然有所改进，但未达到统计学显著性	开发一个可扩展且准确的EEG自动解释系统，以辅助神经科医生提高诊断准确性并降低误诊率	EEG信号	人工智能	神经系统疾病	深度学习，无监督学习，大语言模型(LLM)	集成模型	EEG信号数据	1530个标记的EEG数据，并在内部数据集和Temple University异常EEG语料库上进行了验证
1107	2025-07-26	EEGDfus: A Conditional Diffusion Model for Fine-Grained EEG Denoising 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504716 PMID:40030273	研究论文	提出了一种名为EEGDfus的条件扩散模型，用于精细去除EEG信号中的噪声	使用条件扩散模型和双分支网络结构，结合CNN和Transformer的优势，有效解决了标准扩散模型在EEG去噪中的随机性问题	模型仅在两个公开数据集上进行了测试，可能需要更多样化的数据验证其泛化能力	提高EEG信号去噪的准确性和精细度	EEG信号	机器学习	NA	扩散模型	条件扩散模型（结合CNN和Transformer）	EEG信号数据	两个公开数据集（EEGdenoiseNet和SSED）
1108	2025-07-26	From Micro to Meso: A Data-Driven Mesoscopic Region Division Method Based on Functional Connectivity for EEG-Based Driver Fatigue Detection 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504847 PMID:40030270	研究论文	提出了一种基于功能连接的EEG数据驱动中观区域划分方法，用于驾驶员疲劳检测	利用数据特性和功能连接基于GNN的方法，提出了一种新的中观区域划分方法，无需依赖任务特定的先验知识	方法在通用性方面可能仍需进一步验证	提高EEG信号在驾驶员疲劳检测中的性能	EEG信号和驾驶员疲劳状态	机器学习	NA	EEG, GNN	GNN	EEG信号	公共驾驶员疲劳检测数据集
1109	2025-07-26	C2BNet: A Deep Learning Architecture With Coupled Composite Backbone for Parasitic Egg Detection in Microscopic Images 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3318604 PMID:37747862	research paper	提出了一种名为C2BNet的深度学习架构，用于在显微图像中检测寄生虫卵	C2BNet采用双路径结构的骨干网络，利用模型异质性从不同角度学习对象特征，并提出了一种新颖的特征组合方式以增强特征表示能力	NA	提高在显微图像中检测寄生虫卵的模型性能	显微图像中的寄生虫卵	computer vision	intestinal parasitic infection	deep learning	C2BNet	image	Chula-ParasiteEgg-11数据集
1110	2025-07-26	SeqNovo: De Novo Peptide Sequencing Prediction in IoMT via Seq2Seq 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3321780 PMID:37792659	研究论文	本文提出了一种名为SeqNovo的模型，用于在医疗物联网(IoMT)中进行从头肽测序预测	SeqNovo结合了Seq2Seq的编码-解码结构、多层感知机(MLP)的高度非线性特性以及注意力机制捕捉长距离依赖关系的能力，提高了预测的准确性和可解释性	未明确提及具体局限性	解决现有深度学习模型在肽测序预测中可解释性差和长距离依赖捕捉能力不足的问题	肽测序预测	自然语言处理	NA	深度学习	Seq2Seq, MLP, 注意力机制	序列数据	未明确提及样本数量
1111	2025-07-26	Label-Aware Dual Graph Neural Networks for Multi-Label Fundus Image Classification 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3457232 PMID:39255075	研究论文	提出一种新颖的标签感知双图神经网络，用于多标签眼底图像分类	通过结合基于人群的图表示学习和基于病理的图表示学习模块，考虑了受试者之间的关联和病理之间的相关性信息	未明确提及具体局限性	提高多标签眼底图像分类的准确性	眼底图像	计算机视觉	眼底疾病	图神经网络	双图神经网络	图像	NA
1112	2025-07-26	Deep Learning for Predicting Difficulty in Radical Prostatectomy: A Novel Evaluation Scheme 2025-04, Urology IF:2.1Q2 DOI:10.1016/j.urology.2025.01.028 PMID:39814211	研究论文	通过两阶段深度学习方法从术前磁共振成像中评估根治性前列腺切除术的难度	提出了一种新的评估方案，通过深度学习模型nnUNet_v2和修改后的PointNet网络，间接回归15个解剖标志点，并提出了描述前列腺与骨盆空间关系的新指标	研究仅基于290名患者的数据，样本量相对较小，且仅验证了腹腔镜和机器人辅助根治性前列腺切除术	探索评估根治性前列腺切除术难度的新指标	根治性前列腺切除术患者	数字病理学	前列腺癌	磁共振成像（MRI）	nnUNet_v2, PointNet	图像	290名患者（包括腹腔镜和机器人辅助根治性前列腺切除术）
1113	2025-07-26	HIPPIE: A Multimodal Deep Learning Model for Electrophysiological Classification of Neurons 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.14.642461 PMID:40161713	研究论文	介绍了一种名为HIPPIE的多模态深度学习模型，用于神经元的电生理分类	结合自监督预训练和监督微调，利用条件卷积联合自编码器学习波形和放电动态的鲁棒表示，能够跨不同生物培养和技术进行分类和聚类	未提及具体局限性	解决细胞外电生理记录中神经元分类的计算挑战	小鼠记录和脑切片中的神经元	机器学习	NA	自监督学习、监督学习	条件卷积联合自编码器	电生理记录数据	未提及具体样本数量
1114	2025-07-26	Syn-Net: A Synchronous Frequency-Perception Fusion Network for Breast Tumor Segmentation in Ultrasound Images 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3514134 PMID:40030423	研究论文	提出了一种同步频率感知融合网络（Syn-Net），用于在复杂超声图像中精确分割乳腺肿瘤	设计了同步双分支编码器提取局部和全局特征，引入了频率感知交叉特征融合块（FrCFusion Block）利用DCT学习全频特征，并开发了全尺度深度监督方法	未提及具体局限性	实现复杂超声图像中乳腺肿瘤的精确分割	乳腺肿瘤超声图像	数字病理	乳腺癌	离散余弦变换（DCT）	CNN	图像	三个公开可用的超声乳腺肿瘤数据集
1115	2025-07-26	LymoNet: An Advanced Neck Lymph Node Detection Network for Ultrasound Images 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3515995 PMID:40030474	研究论文	提出了一种基于YOLOv8的颈部淋巴结检测网络LymoNet，用于从超声图像中检测和分类正常、炎症和转移性颈部淋巴结	引入了先进的注意力机制模块（CA和MHSA）和医学知识嵌入，以提高模型的检测和分类性能	当前自动化检测方法的准确性不足，需要专业资深放射科医生的专业知识	提高颈部淋巴结检测的自动化水平，以辅助癌症转移的早期检测和治疗	颈部淋巴结（正常、炎症和转移性）	计算机视觉	癌症	深度学习	YOLOv8	超声图像	NA
1116	2025-07-26	RTGN: Robust Traditional Chinese Medicine Graph Networks for Patient Similarity Learning 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510884 PMID:40030577	research paper	该研究提出了一种鲁棒的中医图网络（RTGN），用于在中医背景下学习患者相似性	开发了一种结合自注意力和自监督策略的Siamese网络架构，以及一种整合中西医方法的患者相似性度量	依赖中医医师的生理感官判断可能导致患者评估的非标准化描述和干扰	设计一种患者相似性度量，整合中医的细粒度辨证知识	中医胃肠道恶性肿瘤患者	machine learning	胃肠道恶性肿瘤	深度学习	Siamese network	graph data	719名患者的406种多维信息
1117	2025-07-26	Fusing Micro- and Macro-Scale Information to Predict Anticancer Synergistic Drug Combinations 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3500789 PMID:40030241	研究论文	提出了一种名为MMFSynergy的新方法，用于预测抗癌药物的协同组合	通过融合微观和宏观尺度信息，并利用自监督任务和Transformer Encoder模型，提升了预测药物组合协同效应的能力	模型的泛化能力虽优于其他六种先进方法，但仍有提升空间	提高抗癌药物协同组合预测的准确性和泛化能力	抗癌药物组合及相关的细胞系蛋白质	机器学习	癌症	深度学习	Transformer Encoder	药物和蛋白质的多尺度信息	基于两个公共数据集的实验
1118	2025-07-26	Predicting Paediatric Brain Disorders from MRI Images Using Advanced Deep Learning Techniques 2025-Jan-16, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-024-09707-0 PMID:39821839	研究论文	本文提出了一种基于先进深度学习技术的系统，用于从MRI图像中预测儿童脑部疾病	使用了多种先进的CNN模型（如EfficientNetB0、Xception等）以及混合架构InceptionResNetV2，结合数据可视化技术进行特征提取，实现了高精度的疾病预测	未提及模型在临床环境中的实际应用效果及泛化能力	开发高效准确的AI解决方案，用于儿童脑部疾病的诊断和管理	儿童脑部疾病的MRI图像	数字病理学	儿童脑部疾病	MRI成像	CNN（包括EfficientNetB0、EfficientNetB3、Xception、InceptionV3、MobileNetV2、VGG19、DenseNet169、ResNet50V2、ResNet152V2和InceptionResNetV2）	图像	未明确提及样本数量
1119	2025-07-26	Analysis of Research Hotspots and Development Trends in the Diagnosis of Lung Diseases Using Low-Dose CT Based on Bibliometrics 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056402094250530075121 PMID:40491372	研究论文	通过文献计量学方法分析低剂量CT在肺部疾病诊断中的研究热点和发展趋势	利用CiteSpace软件揭示了低剂量CT在肺癌筛查中的显著优势，并指出深度学习技术与LDCT结合成为早期肺癌研究的新热点	研究仅基于Web of Science核心合集中2005年至2024年的英文文献，可能未涵盖所有相关研究	分析低剂量CT在肺部疾病诊断中的研究热点和发展趋势	低剂量CT在肺部疾病诊断中的应用	数字病理	肺癌	低剂量CT (LDCT)	深度学习	CT图像	NA
1120	2025-07-26	Deep learning-based text generation for plant phenotyping and precision agriculture 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1564394 PMID:40535926	研究论文	本文提出了一种结合深度学习和领域知识的计算框架，用于植物表型分析和精准农业	提出了一种混合生成模型，结合生物约束优化策略和环境感知模块，提高了预测准确性和可解释性	未提及具体的数据噪声处理能力和模型在不同环境下的泛化能力	提升植物表型分析的准确性和可解释性，以支持精准农业	植物表型	机器学习	NA	深度学习	混合生成模型	图像	未提及具体样本数量