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
1541	2025-06-07	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	本文介绍了一种新型多传感器系统，结合地形感知传感器和惯性测量单元(IMU)，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)架构来识别跌倒风险水平和地形	提出了结合地形感知传感器与IMU的多传感器系统，并采用改进的CNNLSTM模型进行双任务学习，有效识别跌倒风险与地形	实验样本量较小，仅包括10名年轻受试者和10名老年受试者，且实验环境局限于实验室和医院	开发一种可靠的跌倒风险监测系统，用于不同地形下的跌倒风险预测	年轻和老年受试者在平坦和台阶地形上的活动	机器学习	老年疾病	双任务学习(DTL), 惯性测量单元(IMU)	改进的CNNLSTM	传感器信号	10名年轻受试者和10名老年受试者
1542	2025-06-07	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，通过结合BioGPT、BioBERT、BiLSTM和ReGCN等技术	引入了BioGPT进行数据增强，并结合Focal Loss-based Attention机制解决类别不平衡问题	未提及具体局限性	优化药物-药物相互作用（DDI）的提取，以提高治疗效果并减少不良反应	药物-药物相互作用（DDI）	自然语言处理	NA	BioGPT, BioBERT, BiLSTM, ReGCN, Focal Loss-based Attention	BioGPT, BioBERT, BiLSTM, ReGCN	text	DDI Extraction 2013数据集
1543	2025-06-07	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不同状态	提出了基于CNN和Transformer的针灸Transformer检测器(ATD)，能够端到端分类足三里穴位针灸状态下的脑电图局部和全局特征	实验样本仅包含28名健康参与者，可能限制结果的普遍性	开发自动识别针灸状态的方法，为针灸程序标准化提供新方案	针灸状态(捻针和留针)对脑电图的影响	数字病理	NA	脑电图(EEG)	CNN, Transformer	脑电图信号	28名健康参与者
1544	2025-06-07	Predicting Mutation-Disease Associations Through Protein Interactions Via Deep Learning 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3541848 PMID:40031830	research paper	本文构建了一个真实的突变诱导疾病数据集，并提出了一种结合胶囊和图拓扑网络与多头注意力机制（CGM）的深度学习模型来预测突变与疾病的关联	提出了CGM模型，能够准确预测蛋白质突变与疾病的关联，并通过模型验证了蛋白质突变导致的结构改变可能是重要的致病因素	受限于突变蛋白质数据集的规模，模型在基准和不平衡数据集上进行了实验	预测突变与疾病的关联，进一步理解生物分子途径和疾病机制	蛋白质突变与疾病的关联	machine learning	NA	deep learning	Capsule and Graph topology networks with Multi-head attention (CGM)	protein interaction data	NA
1545	2025-06-07	Fast Virtual Stenting for Thoracic Endovascular Aortic Repair of Aortic Dissection Using Graph Deep Learning 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3540712 PMID:40036417	研究论文	本文提出了一种基于图深度学习的快速虚拟支架置入（FVS）模型，用于预测主动脉夹层胸主动脉腔内修复术（TEVAR）后的主动脉真腔（TL）重塑	首次将深度学习应用于FVS任务，实现了时间依赖性的内壁变形预测，并通过外壁信息提升预测精度	尚未在临床环境中实际应用，需要进一步验证其临床效果	开发一种能够准确预测TEVAR术后主动脉真腔重塑的术前规划工具	主动脉夹层患者	数字病理学	心血管疾病	图深度学习	图神经网络	点云数据	108名患者（269次真实随访）
1546	2025-06-07	Diagnostic value of deep learning of multimodal imaging of thyroid for TI-RADS category 3-5 classification 2025-Jun, Endocrine IF:3.0Q2 DOI:10.1007/s12020-025-04198-8 PMID:40056264	research paper	该研究探讨了基于深度学习的超声和CT多模态成像对甲状腺TI-RADS 3-5类别结节的良恶性鉴别价值	结合超声和CT的多模态深度学习模型在甲状腺TI-RADS 3-5结节分类中的首次应用，其诊断效能优于单一影像学方法和放射科医师的评估	研究仅纳入了术后有病理结果的病例，可能存在选择偏倚；样本量相对有限	开发一种无需活检即可准确鉴别甲状腺TI-RADS 3-5结节良恶性的方法	768例甲状腺TI-RADS 3-5类结节（499例恶性，269例良性）	digital pathology	thyroid cancer	ultrasound, CT	deep learning	image	768例甲状腺结节（来自768名患者）
1547	2025-06-07	Integrating CBAM and Squeeze-and-Excitation Networks for Accurate Grapevine Leaf Disease Diagnosis 2025-Jun, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.70377 PMID:40463992	研究论文	本研究旨在通过深度学习技术自动分类葡萄叶常见病害，包括葡萄痂病、霜霉病及健康叶片	将CBAM和Squeeze-and-Excitation Networks集成到预训练模型中，显著提高了分类准确率	仅针对两种常见葡萄叶病害进行分类，未涵盖其他可能的病害类型	开发基于深度学习的模型，实现葡萄叶病害的自动分类	葡萄叶病害（葡萄痂病、霜霉病）及健康叶片	计算机视觉	葡萄叶病害	深度学习	CNN（集成CBAM和SE模块）	图像	NA
1548	2025-06-07	Multimodal Neuroimaging Based Alzheimer's Disease Diagnosis Using Evolutionary RVFL Classifier 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3242354 PMID:37022418	研究论文	本文提出了一种基于小波变换的多模态MRI和PET扫描融合方法，结合深度学习和进化算法，用于阿尔茨海默病的早期诊断	使用小波变换融合多模态神经影像数据，并采用进化算法优化RVFL分类器的权重和偏置以提高诊断准确性	研究仅基于公开的ADNI数据集，未在其他独立数据集上验证	开发一种早期诊断阿尔茨海默病的多模态神经影像分析方法	阿尔茨海默病患者和轻度认知障碍患者的MRI和PET扫描数据	数字病理学	老年病	MRI, PET, 小波变换	ResNet-50, RVFL	图像	公开的ADNI数据集
1549	2025-06-07	A GAN Guided Parallel CNN and Transformer Network for EEG Denoising 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3277596 PMID:37220036	research paper	提出了一种名为GCTNet的GAN引导的并行CNN和Transformer网络，用于EEG信号去噪	通过并行CNN块和Transformer块分别捕获局部和全局时间依赖性，并使用判别器检测和校正去噪EEG信号与真实干净信号之间的整体不一致性	未明确提及具体局限性	提高EEG信号去噪的效果，解决现有方法在时间特性和整体一致性方面的不足	EEG信号	machine learning	NA	GAN, CNN, Transformer	GCTNet (GAN guided parallel CNN and transformer network)	EEG信号	半模拟和真实数据
1550	2025-06-07	Data Augmentation for Medical Image Classification Based on Gaussian Laplacian Pyramid Blending With a Similarity Measure 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3307216 PMID:37603476	研究论文	提出一种基于高斯拉普拉斯金字塔混合与相似性度量的医学图像分类数据增强方案，以提高乳腺癌诊断的准确性和可靠性	结合高斯拉普拉斯金字塔和金字塔混合概念，引入相似性度量以保持图像结构特性并捕获同类患者图像的变异性	未提及具体的数据增强方法在不同类型医学图像上的泛化能力	解决医学数据集中标记数据稀缺和数据不平衡的问题，提高乳腺癌诊断的准确性	乳腺癌组织病理学图像	数字病理学	乳腺癌	高斯拉普拉斯金字塔混合、相似性度量	预训练模型的串联使用	图像	三个不同的医学数据集（未提及具体样本数量）
1551	2025-06-07	Multi-Gate Mixture of Multi-View Graph Contrastive Learning on Electronic Health Record 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3325221 PMID:37851554	research paper	提出了一种多门混合多视图图对比学习方法（MMMGCL），用于电子健康记录（EHR）的表示学习，以提高下游任务的性能	结合多任务预测和图对比学习，利用隐藏任务间的潜在信息，改进EHR表示	需要手动构建图结构，过程复杂且耗时	改进电子健康记录的表示学习，提升患者相关预测任务的性能	电子健康记录（EHR）中的患者就诊数据	machine learning	NA	graph neural network (GNN), Glove method	multi-gate mixture of multi-view graph contrastive learning (MMMGCL)	graph	两个大型开源医疗数据集（MIMIC-III和eICU）
1552	2025-06-07	Comparison of Sarcopenia Assessment in Liver Transplant Recipients by Computed Tomography Freehand Region-of-Interest versus an Automated Deep Learning System 2025-Jun, Clinical transplantation IF:1.9Q3 DOI:10.1111/ctr.70201 PMID:40465826	research paper	本研究比较了在肝移植受者中通过CT手动ROI和自动化深度学习系统评估肌肉减少症的两种方法	首次直接比较了手动ROI和深度学习系统在肌肉减少症评估中的表现，并分析了它们与住院时间的关联	样本量较小（50人），且为单中心研究	比较两种肌肉减少症评估方法在预测肝移植患者临床结局方面的效果	肝移植受者	digital pathology	liver disease	computed tomography (CT)	deep learning	medical image	50名肝移植受者
1553	2025-06-07	Ultrasound measurement of relative tongue size and its correlation with tongue mobility for healthy individuals 2025-Jun-01, JASA express letters IF:1.2Q3 DOI:10.1121/10.0036838 PMID:40478168	研究论文	本研究介绍了一种基于超声的测量相对舌大小的方法，称为uRTS，作为MRI方法的成本效益替代方案	提出了一种新的基于超声的测量方法uRTS，并使用深度学习提取舌轮廓，验证了其与MRI测量结果的高度相关性	样本量较小（仅10名说话者），可能影响结果的普遍性	评估相对舌大小与舌运动速度之间的关系，开发更经济的测量方法	健康个体的舌头	医学影像分析	NA	超声测量，深度学习	深度学习（未指定具体模型）	超声影像	10名说话者
1554	2025-06-07	A generalist deep-learning volume segmentation tool for volume electron microscopy of biological samples 2025-May-29, Journal of structural biology IF:3.0Q3 DOI:10.1016/j.jsb.2025.108214 PMID:40449855	研究论文	介绍了一种名为VST的深度学习软件工具，用于处理体积电子显微镜图像堆栈数据的体积图像分割	VST实现了数据预处理、数据增强和网络构建的自动化，并适应特定数据集，同时支持基于语义分割的实例分割	NA	开发一种通用的深度学习工具，用于体积电子显微镜图像的分割	体积电子显微镜图像堆栈数据	数字病理学	NA	体积电子显微镜	深度学习	图像	多种树脂包埋样本的透射电子显微镜和扫描电子显微镜数据集
1555	2025-06-07	Guided multi-objective generative AI to enhance structure-based drug design 2025-May-29, Chemical science IF:7.6Q1 DOI:10.1039/d5sc01778e PMID:40463429	研究论文	本文介绍了一种名为IDOLpro的新型生成化学AI，结合扩散模型与多目标优化，用于基于结构的药物设计	IDOLpro首次结合扩散模型与多目标优化，能够生成满足多种理化性质的分子，并在结合亲和力和合成可及性上优于现有方法	未明确提及具体局限性	开发一种能够优化多种理化性质的生成化学AI，以加速药物发现过程	药物分子设计与生成	药物发现	NA	扩散模型与多目标优化	扩散模型	化学分子数据	两个基准测试集
1556	2025-06-07	A segmentation network based on CNNs for identifying laryngeal structures in video laryngoscope images 2025-May-29, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102573 PMID:40472423	研究论文	本文提出了一种基于CNN的分割网络MPE-UNet，用于从视频喉镜图像中精确分割喉部结构，以辅助临床医生更准确高效地进行气管插管	MPE-UNet在经典U-Net架构基础上，改进了多尺度特征提取模块，引入了金字塔融合注意力模块和即插即用注意力机制模块，提升了模型处理复杂喉部图像的能力	NA	提高视频喉镜图像中喉部结构的识别精度，辅助气管插管手术	视频喉镜图像中的喉部结构	计算机视觉	NA	深度学习	CNN, U-Net	图像	NA
1557	2025-06-07	Mitigating medical dataset bias by learning adaptive agreement from a biased council 2025-May-28, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103629 PMID:40472465	research paper	提出了一种名为Ada-ABC的去偏框架，用于解决医学图像分类中的数据集偏差问题，无需依赖显式的偏差标签	Ada-ABC通过构建一个偏置委员会来学习数据集偏差，并训练一个去偏模型在偏置委员会的指导下自适应地学习目标特征	偏置标签通常是未知的，识别偏差可能费力且依赖于事后解释	解决医学图像分类中的数据集偏差问题，提高模型的准确性、可靠性和公平性	医学图像数据集	digital pathology	NA	generalized cross entropy loss	multiple classifiers	image	四个数据集中的七个不同偏差场景
1558	2025-06-07	A generative adversarial network-based accurate masked face recognition model using dual scale adaptive efficient attention network 2025-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02144-2 PMID:40399389	research paper	本文提出了一种基于生成对抗网络的双尺度自适应高效注意力网络模型，用于精确识别戴口罩的人脸	结合GAN和DS-AEAN网络，通过生成无口罩人脸和有口罩人脸的两种特征集，提高戴口罩人脸的识别准确率	未提及模型在极端光照条件或部分遮挡情况下的表现	开发一个可靠的戴口罩人脸识别系统，用于安全验证目的	戴口罩和无口罩的人脸图像	computer vision	NA	GAN, DS-AEAN, EAOA	GAN, Dual Scale Adaptive Efficient Attention Network	image	未明确说明具体样本数量，但使用了标准数据集中的图像
1559	2025-06-07	Beyond episodic early warning systems: a continuous clinical alert system for early detection of in-hospital deterioration 2025-May-21, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.20.25327940 PMID:40475141	research paper	开发了一种基于可穿戴设备的深度学习模型，用于早期检测住院患者的病情恶化	使用仅9个输入的可穿戴设备数据，开发了一种RNN模型，能够比传统早期预警系统更早识别病情恶化	数据缺失率为4-8%，且排除了SpO2数据	减少住院患者病情恶化的延迟识别，提高临床警报系统的效率	888名成人非ICU住院患者	machine learning	geriatric disease	wearable biosensors	RNN	biosensor data	888 adult non-ICU inpatient visits in four hospitals
1560	2025-06-07	Advanced feature fusion of radiomics and deep learning for accurate detection of wrist fractures on X-ray images 2025-May-20, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-08733-6 PMID:40394557	研究论文	本研究开发了一种结合放射组学和深度学习特征的混合诊断框架，用于X射线图像中腕部骨折的准确检测和分类	提出了一种结合放射组学和深度学习特征的混合框架，显著提高了腕部骨折的诊断性能	研究仅基于三个医疗中心的数据，可能存在样本选择偏差	开发一个准确且可重复的腕部骨折检测和分类系统	腕部和前臂骨折的X射线图像	计算机视觉	骨折	放射组学特征提取和深度学习	autoencoder, XGBoost, CatBoost, Random Forest, Voting Classifier	X射线图像	3,537张X射线图像（1,871例骨折和1,666例非骨折）