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	2025-09-07	Addressing Multiple Challenges in Early Gait Freezing Prediction for Parkinson's Disease: A Practical Deep Learning Approach 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3522664 PMID:40030782	研究论文	提出一种深度学习框架PhysioGPN，用于预测帕金森病患者步态冻结事件，并通过知识蒸馏技术减少对多传感器的依赖	结合大卷积核检测渐进运动变化、多维多尺度卷积分析运动协调、双塔结构捕捉步态自相似性及不对称性、多域注意力促进跨域信息交换，并首次引入知识蒸馏优化传感器使用效率	未明确说明模型在不同疾病阶段或运动能力差异患者中的泛化能力	解决帕金森病步态冻结早期预测中的多重挑战（预测间隔短、泛化性有限、多传感器不便）	帕金森病患者的步态数据	机器学习	帕金森病	知识蒸馏（KD）、卷积神经网络	CNN（结合多尺度卷积、双塔结构、注意力机制）	穿戴式传感器运动数据	NA
122	2025-09-07	End-to-End Prediction of Knee Osteoarthritis Progression With Multimodal Transformers 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3536170 PMID:40031337	研究论文	使用多模态Transformer模型端到端预测膝骨关节炎进展	首次将Transformer架构应用于融合多模态膝关节成像数据，实现从短期到长期的全时段进展预测，并提供统一的数据驱动框架	研究基于特定数据集（OAI），外部验证和泛化能力有待进一步证实	预测膝骨关节炎的影像学进展，为临床试验设计提供新工具	膝骨关节炎患者	医学影像分析	骨关节炎	多模态成像融合（X光、结构MRI、成分MRI）	Transformer	医学影像	Osteoarthritis Initiative数据集（n=3967/2421）
123	2025-09-07	AV-FOS: Transformer-Based Audio-Visual Multimodal Interaction Style Recognition for Children With Autism Using the Revised Family Observation Schedule 3rd Edition (FOS-R-III) 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3542066 PMID:40031833	研究论文	提出一种基于Transformer的视听多模态深度学习模型AV-FOS，用于自动识别自闭症儿童在FOS-R-III量表上的互动风格	首次将FOS-R-III临床量表与多模态深度学习结合，采用Transformer结构和自监督学习实现临床可接受的自动化行为评估	NA	开发自动化工具辅助自闭症儿童的行为分析和严重程度监测	自闭症儿童的行为互动风格	多模态机器学习	自闭症	Transformer, 自监督学习, 多模态融合	Transformer-based, GPT4V	视频, 音频	NA
124	2025-09-07	Randomized Explainable Machine Learning Models for Efficient Medical Diagnosis 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3491593 PMID:40030196	研究论文	本研究探索随机化机器学习模型结合可解释AI技术在医疗诊断中的应用，以提高效率和透明度	将随机化机器学习模型（ELM和RVFL）与可解释AI技术（LIME和SHAP）结合，在保持精度的同时显著降低计算复杂度和训练时间	NA	解决深度学习模型在医疗诊断中的高计算需求和黑盒决策问题	泌尿生殖系统癌症和冠状动脉疾病数据集	机器学习	泌尿生殖系统癌症和心血管疾病	Extreme Learning Machines (ELM), Random Vector Functional Link (RVFL) networks	ELM, RVFL	医疗诊断数据	NA
125	2025-09-07	Deep Learning-Based Integrated System for Intraoperative Blood Loss Quantification in Surgical Sponges 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3499852 PMID:40030353	研究论文	介绍一种基于深度学习的集成系统MDCare，用于术中手术海绵失血量的精确量化	整合先进硬件（质量传感器和网络摄像头）与ResNet-18、YOLOv4等算法，实现高达96.2%的分类准确率和91%以上的海绵检测准确率，支持实时手术环境下的失血数据提供	未来需扩展数据集并优化算法以确保系统在不同手术场景中的鲁棒性和适应性	提高术中失血量量化的精确度，增强患者安全和手术成功率	手术海绵（含合成和真实血液场景）	计算机视觉	NA	深度学习	ResNet-18, YOLOv4	图像	NA
126	2025-09-07	Spatial-Aware Transformer-GRU Framework for Enhanced Glaucoma Diagnosis From 3D OCT Imaging 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3550394 PMID:40067716	研究论文	提出一种结合预训练视觉Transformer和双向GRU的深度学习框架，用于从3D OCT图像中自动检测青光眼	首次将预训练视觉Transformer与双向GRU结合，同时分析局部细节和全局结构完整性	NA	开发自动化青光眼诊断系统以提高早期检测准确性	3D OCT视网膜图像	计算机视觉	青光眼	OCT成像	Vision Transformer, GRU	3D医学图像	大型数据集（具体数量未说明）
127	2025-09-07	Comparison of the characteristics between machine learning and deep learning algorithms for ablation site classification in a novel cloud-based system 2025-Sep, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2025.03.1955 PMID:40107403	研究论文	比较基于云的CARTONET系统中R12.1和R14模型在消融部位分类中的机器学习与深度学习算法特性	首次系统评估云端CARTONET系统R14深度学习模型相比前代R12.1机器学习模型的性能提升	仅基于单一CARTO系统数据，未与其他消融分析系统进行横向比较	比较不同版本CARTONET系统在消融部位分类中的算法性能差异	心房颤动消融手术数据	machine learning	心血管疾病	深度学习算法，机器学习算法	深度学习模型（R14），机器学习模型（R12.1）	消融手术点位数据	396例房颤消融病例，分析39,169个点位标签和625个节段预测
128	2025-09-07	A Flexible Spatio-Temporal Architecture Design for Artifact Removal in EEG With Arbitrary Channel-Settings 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3555813 PMID:40153283	研究论文	提出一种灵活处理任意通道设置的脑电信号伪影去除架构ASTI-Net	设计双分支去噪模型，结合可变形卷积和通道级时序处理，突破传统方法对输入通道设置的严格限制	NA	开发适用于任意EEG通道设置的伪影去除方法	多通道脑电信号(EEG)	信号处理	NA	深度学习	双分支注意力网络(ASTI-Net)	时序信号	两个半模拟数据集和真实任务态EEG数据
129	2025-09-07	In Vitro Diagnosis of Parkinson's Disease Based on Facial Expression and Behavioral Gait Data 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3563902 PMID:40272952	研究论文	提出一种基于面部表情和行为步态的新型多模态体外诊断方法用于帕金森病早期检测	采用轻量级深度学习模型进行特征提取与融合，并建立了当前最大的多模态帕金森病数据集	方法虽经大量实验验证，但未提及临床推广的适用性及跨人群验证结果	开发非侵入性、低成本的帕金森病早期体外诊断方法	帕金森病患者的面部表情和步态行为数据	数字病理	帕金森病	深度学习特征提取与融合	轻量级深度学习模型	多模态数据（面部表情+行为步态）	与医院合作建立的最大多模态帕金森病数据集（具体样本量未明确说明）
130	2025-09-07	How Deep is Your Guess? A Fresh Perspective on Deep Learning for Medical Time-Series Imputation 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568778 PMID:40343821	研究论文	对电子健康记录时间序列填补的深度学习方法进行全面分析，探讨模型架构与框架设计如何影响其处理复杂医疗数据的能力	挑战了模型复杂度与性能的正比关系假设，证明精心设计的架构比大型模型更能有效捕捉临床数据模式	当前深度填补方法与医疗需求之间存在关键差距，需要更多临床洞察的整合	开发更可靠且符合临床意义的医疗时间序列数据填补方法	电子健康记录(EHR)时间序列数据	机器学习	NA	深度学习	深度填补模型	时间序列数据	NA
131	2025-09-07	Multi-Task Collaborative Assisted Training Method for Grouping Fuzzy Categories Classification of Cervical Cancer Cells 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568846 PMID:40343820	研究论文	提出一种用于宫颈癌细胞模糊分类的多任务协同辅助训练框架	通过分组对比学习、多级分类、图像重建和软标签蒸馏四个辅助分支协同解决细胞分类中的相似性、变异性和标注准确性问题	NA	提升宫颈癌细胞分类的准确性和鲁棒性	宫颈癌细胞图像	计算机视觉	宫颈癌	深度学习，监督对比学习	多任务协同框架	图像	HSJCC、DSCC和SIPaKMeD三个数据集
132	2025-09-07	A Finetuning Deep Learning Framework for Pan-Species Promoters Identification With Pseudo Time Series Analysis on Time and Frequency Space 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568145 PMID:40343817	研究论文	提出两种深度学习框架ProTriCNN和TransPro，用于跨物种启动子识别	将启动子视为伪时间序列进行分析，并利用物种进化树在时频空间表示物种间差异	NA	准确识别不同物种的启动子序列以解析转录调控机制	真核和原核生物的启动子序列	自然语言处理	NA	深度学习	CNN, Fine-tuning框架	基因组序列数据	NA
133	2025-09-07	DenoiseMamba: An Innovative Approach for EEG Artifact Removal Leveraging Mamba and CNN 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3573042 PMID:40408214	研究论文	提出一种结合Mamba和CNN的创新EEG去噪方法DenoiseMamba，有效去除多种伪迹并保留信号细节	首次将结构化状态空间对偶（SSD）机制与CNN结合，能够同时捕捉EEG信号的局部和全局时空特征	NA	开发高效的EEG信号去噪方法，提升基于EEG的应用性能	脑电图（EEG）信号及其中的眼电、肌电和心电伪迹	信号处理	神经系统疾病	深度学习	CNN结合SSD机制	EEG时间序列数据	三个半模拟数据集
134	2025-09-07	SSC-SleepNet: A Siamese-Based Automatic Sleep Staging Model With Improved N1 Sleep Detection 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3572886 PMID:40408218	研究论文	提出一种基于伪孪生神经网络的自动睡眠分期模型SSC-SleepNet，专注于提升N1睡眠阶段的检测性能	采用伪孪生神经网络架构结合自适应损失函数，动态增加对N1阶段误分类的惩罚权重，有效解决类别不平衡问题	NA	提升单通道脑电信号的自动睡眠分期精度，特别是改善N1睡眠阶段的检测效果	睡眠脑电信号	机器学习	睡眠障碍	单通道脑电图(EEG)	伪孪生神经网络(包含SENet和CNN-LSTM分支)	时序信号数据	四个数据集(Sleep-EDF-SC, Sleep-EDF-X, SHHS, HMC)
135	2025-09-07	Knowledge-Driven Graph Representation Learning for Myocardial Infarction Localization 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3574688 PMID:40434860	研究论文	提出一种知识驱动的图表示学习框架，用于心肌梗死定位任务	将先验医学知识融入深度学习模型，通过知识图谱引导模型识别关键特征，并将MI定位任务转化为知识图谱中的链接预测问题	NA	提高心肌梗死定位的准确性，特别是罕见MI类型的定位效果	心电图信号、形态学特征、患者人口统计学信息	机器学习	心血管疾病	图表示学习、知识图谱构建	KD-GRL（知识驱动图表示学习框架）	心电图信号、结构化医疗知识	两个公开数据集PTB和PTBXL
136	2025-09-07	Using Deep Learning to Predict Cardiovascular Magnetic Resonance Findings From Echocardiographic Videos 2025-Sep, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2025.05.016 PMID:40451472	研究论文	本研究利用深度学习模型分析超声心动图视频，尝试预测心脏磁共振成像（CMR）的组织特征参数	首次探索通过超声心动图视频深度学习推断CMR特有的组织表征（如LGE、T1/T2映射、ECV）	模型无法可靠预测CMR组织特征（LGE、T1、T2、ECV），AUC值较低，表明超声视频中可能缺乏相关信号	评估深度学习模型从超声心动图视频中检测CMR特定参数的性能	成人患者（1,453例）的超声心动图视频与CMR配对数据	医学影像分析	心血管疾病	心脏磁共振成像（CMR）、超声心动图	CNN（卷积神经网络）	视频	1,453名患者，2,556次配对研究
137	2025-09-07	Automated sex and age estimation from orthopantomograms using deep learning: A comparison with human predictions 2025-Sep, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112531 PMID:40544576	研究论文	本研究开发了一种基于多任务深度学习的自动化方法，用于从口腔全景X光片中估计性别和年龄	采用多任务学习框架，结合主干网络和独立注意力分支，在性别分类和年龄回归任务上同时优化，性能显著超越人类观察者	NA	开发自动化的性别和年龄估计方法，应用于法医牙科和身份鉴定领域	口腔全景X光片	计算机视觉	NA	深度学习	多任务学习网络（VGG主干网络）	医学影像（X光片）	2067张口腔全景X光片，性别和年龄均衡分布（3-89岁）
138	2025-09-07	Comparative analysis of transformer-based deep learning models for glioma and meningioma classification 2025-Sep, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102008 PMID:40554122	研究论文	比较基于Transformer的深度学习模型在脑胶质瘤和脑膜瘤MRI分类中的性能	首次将ViT和BEiT等Transformer模型应用于脑肿瘤分类，并提出了全神经网络工作流程	仅使用单一数据集，可能影响模型的泛化能力	比较不同Transformer模型在脑肿瘤MRI图像分类中的准确性	脑胶质瘤和脑膜瘤的MRI图像	计算机视觉	脑肿瘤	深度学习、特征提取、统计分析	ViT, BEiT, MLP	MRI图像	训练集1132例（625例胶质瘤/507例脑膜瘤），测试集520例（260例胶质瘤/260例脑膜瘤）
139	2025-09-07	Explainable artificial intelligence for pneumonia classification: Clinical insights into deformable prototypical part network in pediatric chest x-ray images 2025-Sep, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102023 PMID:40651288	研究论文	本研究首次将可变形原型部分网络（D-ProtoPNet）应用于儿科胸部X光图像的肺炎分类，结合放射科专家评估提升模型可解释性	首次在儿科肺炎分类中应用可解释的D-ProtoPNet模型，并通过临床专家验证原型和图像激活区域的医学意义	需要进一步优化才能达到临床应用标准，且准确率仍需提升以匹配黑盒模型	开发可解释的AI系统用于儿科胸部X光图像的肺炎分类	1-5岁儿科患者的胸部X光图像	计算机视觉	肺炎	深度学习，监督学习，五折交叉验证	D-ProtoPNet，ResNet50	图像	5,856张儿科胸部X光图像（正常、病毒性、细菌性）
140	2025-09-07	LUMEN-A deep learning pipeline for analysis of the 3D morphology of the cerebral lenticulostriate arteries from time-of-flight 7T MRI 2025-Sep, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121377 PMID:40675425	研究论文	开发了一个名为LUMEN的深度学习流程，用于从7T TOF-MRI分析大脑豆纹动脉的3D形态	提出了首个半自动化流程结合深度学习模型（DS6）量化3D LSA形态，相比传统2D分析提供更精确的血管形态学测量	研究样本量较小（69名受试者），且仅针对脑小血管病患者群体	开发量化脑豆纹动脉3D形态的分析工具，用于脑小血管病的临床研究	脑豆纹动脉（LSAs）	医学影像分析	脑小血管病	7T时间飞跃法磁共振血管成像（TOF-MRA）	深度学习模型（DS6, nnU-Net）	3D MRI图像	69名脑小血管病患者