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
121	2025-07-26	Upper Airway Volume Predicts Brain Structure and Cognition in Adolescents 2025-Jun-03, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202409-1748OC PMID:40460372	研究论文	本研究探讨了上呼吸道体积与青少年认知能力和大脑结构之间的关系	首次在大型儿科队列中应用深度学习技术进行上呼吸道分割，并发现上呼吸道体积可作为儿童睡眠呼吸障碍认知结果的潜在生物标志物	研究仅基于观察性数据，无法确定因果关系	评估MRI衍生的上呼吸道体积与儿童认知能力和区域皮质灰质体积的关系	11,875名9-10岁的儿童	数字病理学	睡眠呼吸障碍	MRI	深度学习模型	MRI图像	11,875名儿童，处理了5,552,640个大脑MRI切片
122	2025-07-26	A Fully Automated Artificial Intelligence-Based Approach to Predict Renal Function After Radical or Partial Nephrectomy 2025-06, Urology IF:2.1Q2 DOI:10.1016/j.urology.2025.01.073 PMID:39914676	研究论文	本文提出了一种基于人工智能的全自动方法，用于预测肾切除术后肾功能	开发了一种全自动AI模型，无需临床细节或医生干预即可准确预测术后肾小球滤过率（GFR）	研究样本量相对较小（300例患者），且仅来自KiTS19挑战数据集	比较AI模型与临床模型在预测肾切除术后GFR方面的准确性	接受肾切除术的肾肿瘤患者	数字病理	肾癌	深度学习分割模型	深度学习	CT图像	300例肾肿瘤患者
123	2025-07-26	Deep Learning Algorithms to Predict Differential Renal Function <40% in Unilateral Hydronephrosis Based on Key Parameters of Urinary Tract Ultrasound 2025-06, Urology IF:2.1Q2 DOI:10.1016/j.urology.2025.04.009 PMID:40210002	研究论文	本研究利用深度学习算法基于尿路超声关键参数预测单侧肾积水患儿肾功能差异<40%的风险	首次将机器学习模型（如SVM）应用于尿路超声参数分析，以预测肾功能差异<40%的风险，SVM模型表现出最高的预测效能（AUROC 0.941）	回顾性研究设计可能引入选择偏倚，且样本仅来自单一中心	探索尿路超声参数与肾功能差异<40%的关联，为手术决策提供无创预测工具	802例单侧肾积水患儿	数字病理	肾积水	尿路超声、利尿肾图	随机森林、逻辑回归、SVM	医学影像数据（超声参数）与临床数据	802例患儿
124	2025-07-26	Identification of Hypertrophic Cardiomyopathy on Electrocardiographic Images with Deep Learning 2025-May-28, medRxiv : the preprint server for health sciences DOI:10.1101/2023.12.23.23300490 PMID:38234746	research paper	开发并验证了一种深度学习模型，用于从12导联心电图图像中识别肥厚型心肌病	利用深度学习模型从心电图图像中检测肥厚型心肌病，支持多种图像格式和临床环境	模型在点护理应用中的使用受限	提高肥厚型心肌病的诊断率	心电图图像	computer vision	cardiovascular disease	deep learning	DL	image	124,553份心电图来自66,987名个体
125	2025-06-01	Letter to the Editor on "Deep Learning Algorithms to Predict Differential Renal Function <40% in Unilateral Hydronephrosis Based on Key Parameters of Urinary Tract Ultrasound" 2025-May-28, Urology IF:2.1Q2 DOI:10.1016/j.urology.2025.05.044 PMID:40447158	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
126	2025-07-26	Genome structure mapping with high-resolution 3D genomics and deep learning 2025-May-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.06.650874 PMID:40654659	研究论文	该论文介绍了一种结合高分辨率3D基因组学和深度学习的方法，用于预测和分析细胞类型特异性的3D基因组结构	开发了基于注意力的深度学习模型Cleopatra，能够以前所未有的分辨率预测3D基因组图谱，揭示了细胞类型特异性的微区和环路	研究仅覆盖了四种人类细胞类型，可能无法完全代表所有细胞类型的3D基因组结构	建立超高分辨率3D基因组图谱框架，以深入了解细胞类型特异性基因调控机制	人类细胞类型中的3D基因组结构和基因表达调控	机器学习	NA	Region Capture Micro-C (RCMC) 和 Micro-C	基于注意力的深度学习模型 (Cleopatra)	基因组数据	四种人类细胞类型
127	2025-07-26	Deep Learning-Based Classification of Peptide Analytes from Single-Channel Nanopore Translocation Events 2025-May-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.04.652126 PMID:40654724	研究论文	本文提出了一种基于深度学习的纳米孔易位事件数据处理流程，用于肽类分析物的分类	采用了一种新颖的分支输入网络结构，结合时间卷积网络和密集网络处理易位事件电导状态序列及全局动力学特征	在混合样本分类中性能较为一般（准确率0.68），且存在误分类导致的假阳性问题	开发快速准确的肽类生物标志物检测方法，用于疾病诊断和其他生物医学应用	七种肽类的模拟多态易位数据	机器学习	NA	纳米孔生物传感器	CNN, RNN, TCN	电流记录数据	七种肽类的模拟数据
128	2025-07-26	SlicesMapi: An Interactive Three-Dimensional Registration Method for Serial Histological Brain Slices 2025-Apr-16, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-025-09724-7 PMID:40240690	研究论文	提出了一种名为SlicesMapi的交互式三维配准方法，用于脑切片序列的配准	通过采用相邻切片和对应参考图谱切片的双重约束，在3D和2D空间中校正线性和非线性变形，并保证全分辨率配准以避免深度学习配准方法中图像下采样的信息损失	NA	提高脑切片图像与3D标准脑空间配准的准确性、计算效率和适用性	脑切片图像	数字病理	NA	3D配准技术	NA	图像	NA
129	2025-07-26	A Non-Invasive Blood Glucose Detection System Based on Photoplethysmogram With Multiple Near-Infrared Sensors 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3443317 PMID:39141451	研究论文	开发了一种基于光电容积图和多重近红外传感器的非侵入性血糖检测系统	结合光电容积图和多重近红外方法，开发了一种新型指尖血糖检测系统	研究样本量较小，仅涉及10名参与者	改进非侵入性血糖检测技术	人体血糖水平	医疗设备	糖尿病	光电容积图、多重近红外传感器	轻量级深度学习模型	传感器数据	10名参与者，每人提供约700段10秒的数据
130	2025-07-26	Prior Visual-Guided Self-Supervised Learning Enables Color Vignetting Correction for High-Throughput Microscopic Imaging 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3471907 PMID:39412976	研究论文	本文提出了一种自监督深度学习算法VCLUT，用于校正彩色显微图像中的复杂渐晕效应	利用显微图像的同质性和渐晕的径向衰减特性，开发了一种可训练的自监督算法，能够在单幅或多幅图像上进行渐晕校正	NA	开发一种稳健高效的彩色显微图像渐晕校正方法	彩色显微图像	数字病理学	NA	自监督深度学习	对抗学习	图像	来自五种不同生物标本的数据和一个病理学数据集
131	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
132	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）
133	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
134	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
135	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
136	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
137	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）
138	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
139	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
140	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