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
141	2025-07-25	Multimodal Drug Target Binding Affinity Prediction Using Graph Local Substructure 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3386815 PMID:38598378	研究论文	本文提出了一种多模态药物靶点结合亲和力预测模型MLSDTA，通过整合药物和靶点的图和序列模态信息，利用交叉注意力方法实现多模态特征的融合	提出了一种新的多模态DTA预测模型MLSDTA，采用交叉注意力方法融合多模态特征，并应用自适应结构感知池化生成包含局部子结构信息的图	未提及具体的数据集限制或模型泛化能力的验证	减少药物开发成本和周期，预测药物靶点结合亲和力	药物和靶点的结合亲和力	机器学习	NA	深度学习	MLSDTA（基于图局部子结构的模型）	图和序列数据	在两个基准数据集上进行了实验
142	2025-07-25	[Artificial intelligence in healthcare] 2025-Mar, Klinicka mikrobiologie a infekcni lekarstvi PMID:40678962	综述	本文简要概述了人工智能在医疗领域的历史、工作原理及具体应用	探讨了人工智能在医疗影像技术、医学文档分析和临床决策支持中的创新应用	人工智能在医疗领域的应用面临潜在错误、伦理困境和滥用风险等挑战	概述人工智能在医疗领域的发展现状与未来方向	医疗领域的人工智能技术	医疗信息学	NA	机器学习、深度学习、神经网络	NA	医疗影像、医学文档、临床数据	NA
143	2025-07-25	Lightweight Source-Free Domain Adaptation Based on Adaptive Euclidean Alignment for Brain-Computer Interfaces 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3463737 PMID:39292591	research paper	提出了一种基于自适应欧几里得对齐的轻量级无源域适应方法，用于脑机接口中的跨主体识别	扩展了欧几里得对齐方法，提出自适应欧几里得对齐（AEA），通过投影矩阵对齐目标主体与源主体的分布，消除域漂移问题并提高分类性能	NA	提高脑机接口中跨主体脑电信号分类的准确性和效率	脑电信号（EEG）	脑机接口	NA	自适应欧几里得对齐（AEA）	EEGNet, Shallow ConvNet, Deep ConvNet, MSFBCNN	脑电信号数据	两个运动想象（MI）数据集、一个事件相关电位（ERP）数据集和一个稳态视觉诱发电位（SSVEP）数据集
144	2025-07-25	A Dual-Branch Cross-Modality-Attention Network for Thyroid Nodule Diagnosis Based on Ultrasound Images and Contrast-Enhanced Ultrasound Videos 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3472609 PMID:39356606	research paper	提出一种基于超声图像和对比增强超声视频的双分支跨模态注意力网络，用于甲状腺结节诊断	引入跨模态注意力机制（UAC-T和CAU-T），模仿放射科医生的诊断方式，结合CEUS视频和US图像信息进行结节分割和分类	仅基于自收集的甲状腺US-CEUS数据集进行评估，未在其他公共数据集上验证	提高甲状腺结节的诊断准确率	甲状腺结节	digital pathology	thyroid disease	contrast-enhanced ultrasound (CEUS)	dual-branch network with cross-modality-attention mechanism (UAC-T and CAU-T)	ultrasound images and CEUS videos	自收集的甲状腺US-CEUS数据集（具体样本数量未提及）
145	2025-07-25	Alzheimer's Disease Detection in EEG Sleep Signals 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3478380 PMID:39392730	研究论文	本研究探讨了利用睡眠相关脑电图（EEG）信号通过半监督深度学习技术早期检测阿尔茨海默病（AD）的潜力	采用半监督深度学习模型处理有限的标记数据，并在所有睡眠阶段实现稳定的性能，准确率达到90%	标记数据的稀缺性可能影响模型的泛化能力	早期检测阿尔茨海默病（AD）	睡眠相关的EEG信号	数字病理学	老年病	多导睡眠图（PSG）	半监督深度学习模型	EEG信号	NA
146	2025-07-25	Interpretable Dynamic Directed Graph Convolutional Network for Multi-Relational Prediction of Missense Mutation and Drug Response 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3483316 PMID:39423073	研究论文	提出了一种可解释的动态有向图卷积网络（IDDGCN）框架，用于预测错义突变与药物反应之间的复杂关系	IDDGCN框架结合了有向图、动态节点权重更新、同一基因内不同突变与药物反应的关联探索，以及通过加权机制增强模型的可解释性	未明确提及样本量或具体数据集的限制	解决肿瘤异质性带来的药物反应预测挑战，提升预测模型的准确性和可解释性	错义突变与药物反应之间的复杂关系	机器学习	肿瘤	图卷积网络（GCN）	IDDGCN（可解释的动态有向图卷积网络）	图数据	NA
147	2025-07-25	Highlighted Diffusion Model as Plug-In Priors for Polyp Segmentation 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3485767 PMID:39446534	research paper	提出了一种名为Highlighted Diffusion Model Plus (HDM+)的两阶段息肉分割框架，通过引入显式语义指导来提高分割准确性	使用Highlighted Diffusion Model (HDM)提供显式语义指导，并通过两阶段框架减少领域差距和提高效率	领域差距和扩散生成过程的低效率可能影响模型的实用性	提高结肠镜图像中息肉分割的准确性	结肠镜图像中的息肉	digital pathology	colorectal cancer	diffusion model	HDM+, U-Net	image	六个息肉分割基准数据集
148	2025-07-25	UnBias: Unveiling Bias Implications in Deep Learning Models for Healthcare Applications 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3484951 PMID:39495690	研究论文	本研究探讨了深度学习模型中的偏见及其伦理影响，并提出了一种名为UnBias的方法来评估不同深度神经网络架构中的偏见	引入UnBias方法来评估深度学习模型中的偏见，特别是在COVID-19检测的案例研究中应用	研究主要关注性别偏见，可能未涵盖其他类型的偏见如种族或年龄	推动公平和可信赖的AI应用，特别是在医疗保健领域	深度学习模型在医疗保健应用中的偏见问题	机器学习	COVID-19	深度学习	ResNet50V2, DenseNet121, InceptionV3, Xception	图像	来自多个公开可访问存储库的胸部X光扫描数据集
149	2025-07-25	CellCircLoc: Deep Neural Network for Predicting and Explaining Cell Line-Specific CircRNA Subcellular Localization 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3491732 PMID:39495689	研究论文	提出了一种基于深度学习的模型CellCircLoc，用于预测和解释细胞系特异性circRNA的亚细胞定位	首次开发了考虑细胞系特异性的circRNA亚细胞定位预测模型，结合了CNN、Transformer和双向LSTM来捕捉序列特征	未提及模型在跨细胞系泛化能力方面的局限性	开发细胞系特异性的circRNA亚细胞定位预测工具	circRNA的亚细胞定位	生物信息学	NA	深度学习	CNN, Transformer, 双向LSTM	序列数据	未明确说明样本量（涉及多个细胞系）
150	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
151	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
152	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）
153	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
154	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
155	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
156	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
157	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
158	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
159	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
160	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