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
1241	2025-07-25	M-NET: Transforming Single Nucleotide Variations Into Patient Feature Images for the Prediction of Prostate Cancer Metastasis and Identification of Significant Pathways 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3493618 PMID:39509309	研究论文	开发了一种名为M-NET的新型生物信息深度学习框架，用于预测前列腺癌转移，并将单核苷酸变异转化为适合卷积神经网络的病人特征图像	提出了一种将单核苷酸变异转化为适合卷积神经网络的病人特征图像的新方法，并识别了与转移状态相关的重要通路	未提及具体样本量或数据集的多样性限制	预测前列腺癌转移并识别相关重要通路	前列腺癌患者的单核苷酸变异数据	数字病理学	前列腺癌	深度学习	CNN	基因组数据	NA
1242	2025-07-25	Attention-Based Q-Space Deep Learning Generalized for Accelerated Diffusion Magnetic Resonance Imaging 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3487755 PMID:39471111	研究论文	本研究提出了一种基于注意力机制的q空间深度学习模型（aqDL），用于加速扩散磁共振成像（dMRI）的数据重建	提出了一种新型深度学习模型aqDL，能够处理可变的q空间采样策略，突破了传统方法对预定采样策略的依赖	未明确提及具体局限性	加速扩散磁共振成像的数据采集与参数重建	扩散磁共振成像数据	医学影像分析	NA	扩散磁共振成像（dMRI）	Transformer编码器与多层感知机（MLP）结合的深度学习模型	医学影像数据	Human Connectome Project数据集及两个独立验证数据集
1243	2025-07-25	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	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	结合多模态特征提取和自监督对比学习策略，有效利用未标记数据，提升模型在有限标记数据下的表现和泛化能力	未明确提及模型在更广泛临床环境中的验证情况	开发一种能够有效处理标记数据稀缺问题的自动睡眠分期方法，特别针对意识障碍患者	意识障碍患者的脑电图(EEG)和眼电图(EOG)数据	数字病理学	意识障碍	自监督对比学习	MultiConsSleepNet（包含单模态特征提取器和多模态一致性特征提取器）	EEG和EOG信号	三个公开数据集和一个自收集的DOC数据集（具体样本量未提及）
1244	2025-07-25	Forecasting Epidemic Spread With Recurrent Graph Gate Fusion Transformers 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3488274 PMID:39475731	研究论文	本文提出了一种名为ReGraFT的新型序列到序列模型，用于COVID-19的长期预测	ReGraFT整合了多图门控循环单元(MGRU)与自适应图，利用各州的数据（如感染率、政策变化和州际旅行）进行预测，并通过自归一化启动(SNP)层提高预测稳定性与准确性	过度依赖历史COVID-19数据可能限制了利用时滞数据（如干预政策信息）的潜力	改进COVID-19的长期预测，以支持更好的公共卫生决策	COVID-19的传播动态	机器学习	COVID-19	GNNs, RNNs, Transformers	Seq2Seq, MGRU, SNP	时间序列数据	NA
1245	2025-07-25	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的新型可解释深度学习方法，用于通过心电图（ECG）信号直接评估儿童阻塞性睡眠呼吸暂停（OSA）的严重程度	结合了卷积神经网络和循环神经网络（CNN-RNN），并应用了可解释人工智能（XAI）算法Grad-CAM来解释模型决策并提取与儿童OSA相关的ECG模式	研究使用了不同来源的数据集（CHAT、CFS和UofC），但样本量和数据质量可能存在差异，可能影响模型的泛化能力	简化儿童阻塞性睡眠呼吸暂停（OSA）的诊断过程，并提供心脏风险因素信息	儿童阻塞性睡眠呼吸暂停（OSA）患者	数字病理学	阻塞性睡眠呼吸暂停	深度学习	CNN-RNN	ECG信号	CHAT数据集1610例，CFS数据集64例，UofC数据集981例
1246	2025-07-25	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CNN的深度学习模型，用于睡眠阶段分类和阻塞性睡眠呼吸暂停(OSA)预测	结合自注意力机制和条件随机场(CRF)的深度学习模型，能够捕捉单通道脑电图(EEG)中最具区分性的特征以及睡眠阶段之间的时间依赖性	模型性能在具有不同AHI值的数据集上表现不一，可能影响泛化能力	提高睡眠障碍(特别是OSA)的诊断准确性和自动化水平	睡眠阶段分类和OSA预测	数字病理学	睡眠障碍	深度学习	CNN, Transformer, CRF	EEG信号	NA
1247	2025-07-25	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	该研究通过分析生理时间序列和临床特征，使用机器学习/深度学习集成方法，将血流动力学反应与机械循环支持（MCS）需求相关联，以预测儿科心脏重症监护病房中的MCS需求	与现有研究通常处理单一特征类型或从生理信号中关注短期诊断不同，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的MCS需求	研究数据来自一家四级医院的儿科心脏重症监护病房，可能限制了结果的普遍性	预测儿科心脏重症监护病房中患者对机械循环支持（MCS）的需求	急性失代偿性心力衰竭患者	机器学习	心血管疾病	机器学习/深度学习集成方法	NA	时间序列数据、临床特征数据、原始波形数据（心电图和动脉血压信号）	来自一家四级医院儿科心脏重症监护病房的患者数据
1248	2025-07-25	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	本文提出了一种基于LSTM自编码器和随机森林的新型方法，用于检测1型糖尿病患者胰岛素泵的故障	结合LSTM自编码器的特征提取能力和随机森林的异常检测能力，提出了一种新的胰岛素泵故障检测方法	研究使用的是FDA批准的T1D生理学非线性计算机模拟器生成的数据，而非真实患者数据	提高1型糖尿病患者胰岛素泵系统的安全性和可靠性	1型糖尿病患者的胰岛素泵系统	机器学习	1型糖尿病	LSTM自编码器, 随机森林	LSTM, 随机森林	模拟的生理数据	100名受试者，模拟90天的数据
1249	2025-07-25	Scaling Synthetic Brain Data Generation 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3520156 PMID:40030742	research paper	介绍了一种名为Wirehead的可扩展内存数据管道，用于提升神经影像深度学习中实时合成数据生成的性能	Wirehead通过将数据生成与训练解耦，并运行多个独立的并行生成器，实现了接近线性的性能提升，同时利用MongoDB高效处理TB级数据，显著降低了存储成本	未来研究可进一步优化生成与训练的平衡以及资源分配	解决神经影像深度学习中高质量多样化数据集有限的问题	合成脑部数据生成	neuroimaging	NA	deep learning	NA	neuroimaging data	NA
1250	2025-07-25	DSANIB: Drug-Target Interaction Predictions With Dual-View Synergistic Attention Network and Information Bottleneck Strategy 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3497591 PMID:40030194	研究论文	本文提出了一种名为DSANIB的新方法，用于预测药物与靶标之间的潜在相互作用	DSANIB方法结合了双视图协同注意力网络和信息瓶颈策略，能够显式捕捉药物-靶标对的局部相互作用并学习其高阶子结构嵌入，同时过滤冗余信息	未提及具体局限性	改进药物-靶标相互作用预测的准确性和效率	药物和靶标	机器学习	NA	深度学习	双视图协同注意力网络(DSAN), 信息瓶颈(IB)	药物-靶标相互作用数据	未提及具体样本量
1251	2025-07-25	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	research paper	提出了一种名为PFPRNet的新型网络结构，用于结肠息肉分割，通过预训练的Transformer编码器和定制的解码器提升分割性能	设计了Phase-wise Feature Pyramid with Retention Decoder和Enhance Perception模块，以及Low-layer Retention模块，有效整合全局与局部特征并提升模型对关键区域的注意力	需要大量标注数据进行训练，且息肉图像中的皱纹可能影响模型预测性能	提升结肠息肉分割的准确性和效率，以辅助结直肠癌的早期诊断和预防	结肠息肉图像	digital pathology	colorectal cancer	deep learning	Transformer, PFPRNet	image	多个广泛使用的息肉分割数据集
1252	2025-07-25	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	提出了一种新型多模态融合网络（MMF-Net），用于仅使用PET图像进行全身骨骼分割，无需CT图像	首次提出无需CT图像的PET全身骨骼分割方法，通过多模态融合网络整合三种PET模态图像的互补信息	研究仅基于130个全身PET图像数据集，样本量相对有限	开发一种无需CT图像的自动化全身骨骼分割方法，以提高骨癌诊断和分期的准确性	全身PET图像	数字病理学	骨癌	多模态深度学习	MMF-Net（多模态融合网络）	PET图像	130个全身PET图像数据集
1253	2025-07-25	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	本文提出了一种增强型解码器语义恢复网络（EDSRNet），用于解决2D医学图像分割中的语义信息差距和全局局部信息交互问题	引入了多级语义融合（MLSF）模块、多尺度空间注意力（MSSA）和交叉卷积通道注意力（CCCA）模块，以及全局-局部语义恢复（GLSR）模块，显著提升了语义恢复效果	未提及具体计算复杂度或实时性表现，且仅在特定公开数据集上验证	提升2D医学图像分割的精度和语义恢复能力	2D医学图像	数字病理	NA	深度学习	EDSRNet（基于encoder-decoder架构的CNN变体）	医学图像	BUSI、CVC-ClinicDB和Kvasir-SEG公开数据集（未提具体样本数）
1254	2025-07-25	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	提出了一种名为WaveSleepNet的可解释神经网络，用于模拟睡眠临床专家的方式进行睡眠分期	利用潜在空间表示识别不同睡眠阶段的特征波原型，并通过量化这些原型与输入信号的接近程度来进行睡眠分期，提高了模型的可解释性	未提及具体的技术限制或数据集局限性	开发一种可解释的深度学习模型，用于自动睡眠分期，以提高临床应用的接受度	睡眠信号数据	机器学习	NA	深度学习	WaveSleepNet（基于CNN的神经网络）	信号数据	三个公共数据集（未提及具体样本数量）
1255	2025-07-25	Artificial Intelligence in Cancer Diagnosis: A Game-changer in Healthcare 2025, Current pharmaceutical biotechnology IF:2.2Q3 DOI:10.2174/0113892010298852240528123911 PMID:38847160	综述	本文综述了人工智能在癌症早期诊断中的潜在应用及其对医疗保健的影响	强调深度学习算法在识别复杂模式和提升癌症诊断精度方面的潜力，并探讨了AI在患者筛选、风险分层及诊断复发的应用	讨论了AI在医疗应用中面临的伦理问题、数据质量、资源需求及报告一致性的挑战	探讨人工智能在癌症早期诊断中的应用及其临床潜力	无症状患者的恶性肿瘤风险筛查、有症状患者的调查与优先级排序、癌症复发的精确诊断	数字病理学	癌症	深度学习、神经网络、逻辑回归	深度学习算法	影像数据（如CT、乳腺X光）、病理切片、外周血分析数据	NA
1256	2025-07-25	Prognostic Value Of Deep Learning Based RCA PCAT and Plaque Volume Beyond CT-FFR In Patients With Stent Implantation 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056335065250426150739 PMID:40357785	研究论文	本研究探讨了基于深度学习的RCA PCAT和斑块体积在冠状动脉CT血管造影（CTA）衍生的血流储备分数（CT-FFR）之外对经皮冠状动脉介入治疗（PCI）患者的预后价值	首次将基于深度学习的RCA PCAT和斑块体积与CT-FFR进行比较，发现其在预测主要不良心血管事件（MACE）方面具有更强的关联性	研究为回顾性设计，样本量较小（183例患者），且随访时间有限	评估基于深度学习的PCAT和斑块体积在PCI患者中的预后价值	183例接受PCI并进行了冠状动脉CTA的患者	数字病理学	心血管疾病	冠状动脉CTA、深度学习	深度学习	医学影像	183例PCI患者
1257	2025-07-25	Hybrid deep learning optimization for smart agriculture: Dipper throated optimization and polar rose search applied to water quality prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327230 PMID:40690512	research paper	本研究提出了一种新颖的混合元启发式框架，结合了Dipper Throated Optimization (DTO)和Polar Rose Search (PRS)，用于提升深度学习模型在水质预测中的性能	结合了生物启发的DTO算法和PRS算法，提出了一种混合优化框架，用于处理高维数据集并提升预测准确性	未提及具体的数据集规模或实际应用中的潜在限制	提升智能农业中的水质预测精度，支持可持续农业灌溉决策	水质数据，特别是与土豆种植相关的高质量灌溉水	machine learning	NA	Dipper Throated Optimization (DTO), Polar Rose Search (PRS), Radial Basis Function Network (RBFN)	RBFN	水质数据	NA
1258	2025-07-25	Evolution from the physical process-based approaches to machine learning approaches to predicting urban floods: a literature review 2025, Environmental systems research DOI:10.1186/s40068-025-00409-3 PMID:40692624	review	本文综述了过去二十年来城市洪水预测方法的演变，从传统的基于物理过程的方法到AI和机器学习方法	聚焦AI驱动的实时和社区集成方法在洪水预测中的最新进展	许多城市缺乏使用这些工具所需的数据、传感器或系统，且许多模型未与城市规划或社区工作相结合	探讨城市洪水预测方法的演变及其改进	城市洪水预测方法	machine learning	NA	GIS, LiDAR, 卫星图像, 深度学习, 混合模型	AI, 机器学习, 深度学习, 混合模型	天气信息, 传感器数据, 社交媒体数据	NA
1259	2025-07-25	High-throughput end-to-end aphid honeydew excretion behavior recognition method based on rapid adaptive motion-feature fusion 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1609222 PMID:40692669	研究论文	提出一种基于快速自适应运动特征融合的端到端蚜虫蜜露排泄行为识别方法，用于提高检测精度和操作效率	首次建立了包含蚜虫爬行、腿部弹动和蜜露排泄行为的细粒度数据集，开发了快速自适应运动特征融合算法，并优化了RT-DETR检测模型	未提及具体的数据集规模或在实际农业环境中的适用性测试	提高蚜虫蜜露排泄行为的检测效率和准确性，以研究其摄食活动和评估植物抗性水平	蚜虫的蜜露排泄行为	计算机视觉	NA	深度学习	RT-DETR, ResNet50	视频	未明确提及具体样本数量
1260	2025-07-25	Classifying office workers with and without cervicogenic headache or neck and shoulder pain using posture-based deep learning models: a multicenter retrospective study 2025, Frontiers in pain research (Lausanne, Switzerland) DOI:10.3389/fpain.2025.1614143 PMID:40692757	研究论文	开发并评估基于习惯性坐姿图像的深度学习模型，用于分类有或无颈源性头痛或颈肩痛的办公室员工	首次使用深度学习模型从习惯性坐姿图像中分类颈源性头痛和颈肩痛，并利用CAM技术可视化模型关注区域	静态姿势与肌肉骨骼疼痛之间的复杂关系需要临床实践中采用多模式评估方法	开发用于肌肉骨骼疾病早期检测的自动化分类工具	531名办公室员工(135名CH患者，365名NSP患者，108名CH+NSP患者和139名对照组)	计算机视觉	肌肉骨骼疾病	深度学习	VGG19, ResNet50, EfficientNet B5	图像	531名办公室员工的904张习惯性坐姿图像