深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
161	2026-10-01	Highly Undersampled MRI Reconstruction via a Single Posterior Sampling of Diffusion Models 2026-May, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3654585 PMID:41543953	研究论文	本文提出了一种基于单步扩散模型的MRI重建框架SSDM-MRI，用于从高度欠采样的k空间恢复MRI图像	通过迭代选择性蒸馏算法将条件扩散模型蒸馏四次，结合捷径反向采样策略，实现单步重建，大幅缩短推理时间	未明确提及	解决扩散模型在MRI重建中推理时间过长的问题，实现高度欠采样下的快速高质量重建	fastMRI脑部和膝部图像以及内部多回波GRE（QSM）受试者	计算机视觉	NA	MRI	扩散模型	图像	NA	NA	U-net	PSNR, SSIM	NA
162	2026-10-01	MMCL: A Multi-Modal Contrastive Learning Framework for Molecular Property Prediction 2026 May-Jun, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3663206 PMID:41666076	研究论文	提出了一种名为MMCL的多模态对比学习框架，用于分子性质预测	利用分子的不同视图学习相似分子间的共同特征，并显式地将功能团表示为分子图中的节点，以促使模型学习与分子性质相关的特征	未明确提及	准确预测分子性质，识别有前景的药物候选物，促进药物发现过程	分子	机器学习	NA	NA	对比学习	图	NA	NA	NA	NA	NA
163	2026-10-01	A Deep Learning Framework for Identifying Essential Proteins Based on Vision Transformer 2026 May-Jun, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3669744 PMID:41774661	研究论文	提出基于Vision Transformer的深度学习框架EPViT，通过融合拓扑特征和亚细胞定位特征来识别必需蛋白质	使用Vision Transformer模型，并设计了一种无主观因素的亚细胞定位特征矩阵提取方法，通过外积操作融合两类特征	仅在酵母数据上进行了实验验证，未在其他物种或更大规模数据集上测试	提高必需蛋白质的识别率	酵母蛋白质	机器学习	NA	多组学数据融合	Vision Transformer	蛋白质-蛋白质相互作用网络数据，亚细胞定位数据	NA	NA	Vision Transformer	识别率	NA
164	2026-10-01	Collaborative Coarse-to-Fine Disease Learning With Discharge Summary Awareness for EHR Event Prediction 2026-May, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3664408 PMID:41774654	研究论文	本文提出了一种协同粗到细的疾病学习框架，结合出院小结感知，用于电子健康记录事件预测	构建了细粒度动态疾病图，通过共现分布移除弱相关疾病对；在ICD-9-CM层次结构中整合粗粒度和细粒度信息来细化疾病嵌入；将出院小结与辅助患者笔记结合用于协同疾病学习；利用门控循环单元、基于位置的注意力和软注意力机制增强嵌入表示	未明确提及	预测电子健康记录事件，同时建模疾病的动态和静态特征	电子健康记录数据，包括诊断代码、出院小结和患者笔记	机器学习	NA	自然语言处理，图神经网络	门控循环单元，注意力机制	文本，图数据	两个真实世界EHR数据集：MIMIC-III和MIMIC-IV	PyTorch	门控循环单元，基于位置的注意力，软注意力	NA	NA
165	2026-10-01	XNet: Enhancing Physical Activity Intensity Assessment With Attentional Multidomain Fusion and Visual Analytics 2026-May, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3666726 PMID:41774652	研究论文	该研究提出了XNet，一种双域深度学习模型，用于对身体活动强度进行分类并估计能量消耗，结合了注意力多域融合和可视化分析	提出了分层多头架构，独立提取多个传感器的时间域和频率域特征，并通过新颖的注意力特征融合（AFF）模块在两阶段进行整合：首先聚合传感器特征，然后融合域嵌入；频率域特征对泛化至关重要；轻量级1D卷积频谱编码器在分布外泛化方面优于Transformer和GAT；AFF在准确性、效率和传感器故障鲁棒性方面优于九种融合策略	摘要中未明确提及	增强身体活动强度评估，解决传统机器学习方法在人群、传感器和活动变异性下泛化能力不足的问题	身体活动强度分类和能量消耗估计，久坐行为检测	机器学习	NA	加速度计，心率，心电图（ECG）	CNN，Transformer，GAT	传感器信号（加速度计、心率、ECG）	105名参与者的新数据集，以及多个公开数据集	NA	1D卷积频谱编码器，Transformer，图注意力网络（GAT）	F1分数，真阳性率（TPR），推理延迟	NA
166	2026-10-01	METRON: Metabolic Dynamic Perception Kolmogorov-Arnold Network for Biological Age Estimation 2026 May-Jun, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3669919 PMID:41774660	研究论文	该论文提出了METRON深度学习框架，通过类固醇代谢组学数据预测生物年龄，并能揭示与衰老相关的代谢驱动因素	提出了代谢物交互感知模块（MIPM）和组理性Kolmogorov-Arnold网络，用于捕捉代谢网络中的复杂非线性交互和依赖关系，实现了生物年龄的准确估计和可解释性	摘要中未明确提及该研究的局限性	从类固醇代谢组学数据中预测生物年龄，并探索衰老机制中代谢网络的复杂非线性交互	类固醇代谢组学数据及相关代谢物	机器学习	老年疾病	类固醇代谢组学	深度学习框架	代谢组学数据	NA	NA	Kolmogorov-Arnold网络	NA	NA
167	2026-10-01	Anatomy-Guided Self-Supervised Distillation Learning for Medical Image Analysis 2026-May, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3680920 PMID:41941824	研究论文	提出AG-SSD框架，将解剖先验融入自监督学习，用于3D医学图像分类和分割	显式地将解剖先验融入自监督学习，包含跨视图解剖一致性、边缘感知自适应掩码和跨视图注意力对齐三个互补模块	未明确提及	解决3D医学图像分析中小尺度低对比度结构表征、跨成像域泛化和标注稀缺问题	3D医学图像（CT和MRI）	计算机视觉，医学图像分析	NA	自监督学习，知识蒸馏	NA	3D医学图像	NA	NA	NA	分类和分割性能（具体指标未明确）	NA
168	2026-10-01	Attention-based Multimodal Spatiotemporal Enhanced Interaction Network For Major Depressive Disorder Detection 2026-Apr-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3689187 PMID:42060425	研究论文	本文提出了一种基于注意力的多模态时空增强交互网络（AM-SEIN），用于检测重度抑郁症（MDD）	提出了跨模态交互网络（CMIN）和融合层，以增强多模态脑网络间的交互信息聚合；设计了基于注意力的自适应时空特征提取架构，包括基于fMRI的自适应时空融合（fASF）和基于sMRI的区域级内容依赖（sRLCD）模块	未明确提及	解决现有深度学习模型在检测MDD时存在的两个主要限制：未能充分利用多模态脑网络间的交互信息，以及缺乏自适应机制来捕捉脑区间的关键时空依赖	重度抑郁症（MDD）患者	医学图像分析，神经影像学，深度学习	重度抑郁症	结构磁共振成像（sMRI），功能磁共振成像（fMRI）	注意力机制，多模态融合网络	3D结构磁共振图像，功能磁共振时间序列数据	未明确提及（使用Rest-meta-MDD和Rest-meta-MDD-V2数据集）	未明确提及	AM-SEIN（包含CMIN、fASF、sRLCD模块）	未明确提及（但达到state-of-the-art性能）	未明确提及
169	2026-10-01	Subject-Independent Deep Learning Framework for Motor Imagery Electroencephalogram Decoding in Neurorehabilitation 2026-Apr-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3689121 PMID:42060426	研究论文	本文提出了一种双分支主体对齐泛化网络（DSGNet），用于运动想象脑电信号解码，实现跨受试者泛化，无需目标受试者的标注数据	提出了双分支卷积结构同时提取时域和频域脑电特征，并引入类别对齐损失强制跨受试者的域不变表征，实现无需受试者特定标注数据的泛化	仅在四个公开运动想象脑电数据集上验证，未在临床神经康复实际场景中测试，三分类数据集上提升幅度较小（0.22%）	解决运动想象脑电解码中高受试者间变异性和新受试者标注数据需求大的问题，构建可靠的受试者独立脑机接口系统	运动想象脑电信号，涉及四个公开数据集：OpenBMI、BCI Competition IV 2a、SHU Version 5和BCI Competition IV 2b	机器学习	神经系统疾病	运动想象脑电解码，脑机接口	CNN	脑电信号	四个公开运动想象脑电数据集（OpenBMI、BCI Competition IV 2a、SHU Version 5、BCI Competition IV 2b），采用留一受试者交叉验证	NA	双分支卷积神经网络（DSGNet）	准确率	NA
170	2026-10-01	Benchmarking ERP Analysis: Manual Features, Deep Learning, and Foundation Models 2026-Apr-30, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3686229 PMID:42060433	研究论文	本文对ERP分析中的传统手工特征、深度学习模型和预训练EEG基础模型进行了系统性基准测试，涵盖12个公开数据集和两类代表性任务	首次对ERP分析进行全面的基准研究，统一了数据预处理和训练流程，系统比较了手工特征+线性分类器、深度学习模型和预训练EEG基础模型，并探索了Transformer架构中不同token嵌入策略对ERP数据的适用性	摘要中未明确提及研究的局限性	系统比较传统手工特征、深度学习模型和预训练EEG基础模型在ERP分析中的表现，为未来ERP分析的方法选择和模型设计提供指导框架	ERP（事件相关电位）数据，包括ERP刺激分类和基于ERP的脑疾病检测两类任务，覆盖12个公开数据集	机器学习	脑疾病	EEG, ERP	Transformer	EEG信号	12个公开数据集	NA	Transformer	NA	NA
171	2026-10-01	Referenceless Proton Resonance Frequency Thermometry Using Deep Learning with Self-Attention 2026-Apr-30, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3689263 PMID:42060435	研究论文	本研究开发并评估了一种基于深度学习的无参考质子共振频率（PRF）磁共振温度测量方法，通过重建背景复数磁共振图像来提高加热区域精度并保持稳定的背景估计	提出了一种复数自注意力增强的U-Net架构用于背景复数重建，实现了无参考PRF温度测量，在经颅聚焦超声监测中提高了加热区域精度并抑制了假阳性温度升高	回顾性单中心研究，样本量有限（32名患者），测试集仅包含4名患者（13次超声激发，146张图像），需要在更大规模多中心数据集中进一步验证	开发并评估基于深度学习的无参考PRF温度测量方法，以改善经颅聚焦超声监测中加热区域的温度测量精度和稳定性	接受经颅聚焦超声治疗的特发性震颤患者	医学图像处理	特发性震颤	质子共振频率（PRF）磁共振温度测量、磁共振引导聚焦超声（MRgFUS）	CNN	图像	32名患者（87次超声激发，1416张图像），其中28名患者用于训练和验证，4名患者（13次超声激发，146张图像）作为测试集	NA	U-Net	MAE, Std, RMSE, Dice系数, Bland-Altman分析（一致性界限、偏差、R²）	NA
172	2026-10-01	EEG-VLM: A Hierarchical Vision-Language Model With Multi-Level Feature Alignment and Visually Enhanced Language-Guided Reasoning for EEG Image-Based Sleep Stage Prediction 2026-Apr-29, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3685511 PMID:42055985	研究论文	提出EEG-VLM分层视觉-语言框架，通过多级特征对齐与视觉增强的语言引导推理，实现基于EEG图像的睡眠分期预测	构建专门的视觉增强模块，从中间层特征生成高层视觉token以提取EEG图像的丰富语义表示；提出多级对齐机制将高层token与低层CLIP特征对齐；引入思维链（CoT）推理策略将复杂医学推理分解为可解释的逻辑步骤	摘要中未明确提及	解决传统机器学习方法依赖先验知识和手工特征，以及现有深度学习模型难以联合捕捉细粒度时频模式并实现临床可解释性的问题，提升VLM在EEG信号等生理波形数据上的视觉理解与推理能力	EEG信号/EEG图像	计算机视觉	睡眠障碍	EEG	视觉-语言模型（VLM）	图像	NA	NA	CLIP	准确率（Accuracy）	NA
173	2026-10-01	End-to-End Image Compression With Segmentation Guided Dual Coding for Wind Turbines 2026-Apr-29, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3685207 PMID:42055998	研究论文	本文提出了一种端到端的深度学习框架，联合执行分割和双模式（有损和无损）压缩，用于风力涡轮机图像压缩	首次提出完全集成的基于学习的ROI编解码器，结合分割、有损和无损压缩，并移除bits-back编码中的顺序依赖性，实现并行化高效双模式压缩	未明确提及	高效压缩风力涡轮机检测图像，在保留叶片区域高保真度的同时压缩背景，确保后续缺陷检测不受影响	风力涡轮机检测图像	计算机视觉	NA	深度学习图像压缩	CNN	图像	大规模风力涡轮机数据集	NA	BU-Netv2+P, 基于超先验的自编码器, 扩展bits-back编码器	NA	NA
174	2026-10-01	DFCNet: A Precise Detection Approach for Obstructive Sleep Apnea-Hypopnea Events Using Airflow and Respiratory Effort Signals 2026-Apr-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3688540 PMID:42048212	研究论文	本文提出了一种名为DFCNet的深度学习模型，用于利用气流和呼吸努力信号精确检测阻塞性睡眠呼吸暂停和低通气事件	引入扩张金字塔卷积模块提取多尺度特征，频率增强注意力模块自适应细化特征，以及上下文表示学习模块捕获时间依赖关系，实现了秒级粒度的呼吸事件边界精确检测	未明确说明模型的泛化能力、跨数据集性能差异以及计算复杂度方面的限制	实现阻塞性睡眠呼吸暂停和低通气事件的精确自动检测，以辅助临床诊断和家庭呼吸监测	呼吸相关信号（气流和呼吸努力信号）	机器学习	阻塞性睡眠呼吸暂停低通气综合征	深度学习信号处理	CNN, 注意力机制, 扩张卷积	一维呼吸信号	两个公共数据集和一个本地数据集（具体样本量未提供）	NA	扩张金字塔卷积, 频率增强注意力, 上下文表示学习	准确率, 精确率, 召回率, F1分数	NA
175	2026-10-01	Monte Carlo Marginalization: A Differentiable Method to Learn High-Dimensional Distributions 2026-Apr-23, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3682991 PMID:42024939	研究论文	提出一种可微分方法，通过高斯混合模型和蒙特卡洛边缘化来学习高维分布，无需神经网络即可生成图像	首次提出无需深度学习网络的图像生成方法，引入蒙特卡洛边缘化解决KL散度计算复杂度问题，利用核密度估计确保优化过程可微分	未在摘要中明确说明	学习高维空间中的难解分布，实现直接、不依赖网络的分布学习	高维分布、图像数据（MNIST、CIFAR-10）	机器学习	不适用	蒙特卡洛边缘化、核密度估计、KL散度最小化	高斯混合模型	图像	MNIST数据集和CIFAR-10数据集（未提及具体样本数量）	不适用	高斯混合模型	FID	不适用
176	2026-10-01	Substructure-guided Deep Graph Learning in Molecular Toxicity Prediction 2026-Apr-23, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3687348 PMID:42024947	研究论文	该文开发了一种基于子结构的深度图学习架构，通过将官能团引入分子图构建并结合深度学习模型，用于分子毒性预测	将多种官能团引入分子图构建，提出子结构引导的深度图学习架构，并采用多种策略处理缺失标签和类别不平衡问题，同时通过基于官能团的特征重要性分析提升模型可解释性	未明确说明具体的计算资源、数据集规模及与现有方法的全面对比	改进分子毒性预测中的数据不平衡、缺失标签和模型可解释性不足等问题，为药物开发中的可靠毒性预测工具提供基础	分子化合物及其毒性数据	机器学习	NA	分子图构建、官能团特征提取	深度图学习模型	图数据、分子结构数据	NA	NA	深度图神经网络	NA	NA
177	2026-10-01	Systematic Abductive Reasoning via Diverse Relation Representations in Vector-Symbolic Architecture 2026-Apr-22, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3684958 PMID:42019057	研究论文	本文提出了一种在向量符号架构（VSA）中使用多样化关系表示的系统性溯因推理模型（Rel-SAR），用于解决瑞文推理测验（RPM）问题	引入多种类型的高维原子编码，捕捉数值、周期和逻辑语义，并提出结构化高维表示（SHDR）用于整体网格组件；提出新颖的数值和逻辑关系函数，并在统一框架中执行规则溯因与执行	未明确提及	解决抽象视觉推理中单体深度学习模型可解释性和泛化能力有限，以及现有神经符号方法在捕捉属性和关系表示的多样性和系统性方面不足的问题	瑞文推理测验（RPM）任务	计算机视觉	NA	向量符号架构（VSA）	溯因推理模型	图像	NA	NA	Rel-SAR	NA	NA
178	2026-10-01	APSevLM: Acute Pancreatitis Severity Language Model 2026-Apr-21, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3686007 PMID:42013267	研究论文	本文提出了一种基于大语言模型的方法 APSevLM，整合入院时的临床数据、影像报告和专家知识，用于急性胰腺炎严重程度的早期预测	首次将大语言模型应用于急性胰腺炎严重程度的早期预测，整合多模态数据（临床数据、影像报告、专家知识），并通过注意力可视化解释模型机制，系统分析特征重要性识别关键预测因子	样本量相对有限（仅五百余名患者），未提及外部验证或多中心验证	实现急性胰腺炎严重程度的早期预测，以改善患者管理	急性胰腺炎患者	自然语言处理, 机器学习	急性胰腺炎	大语言模型, 多模态数据整合	大语言模型	文本（临床数据、影像报告、专家知识）	超过500名急性胰腺炎患者	NA	大语言模型	AUC	NA
179	2026-10-01	Fall Detection Based on Computer Vision: A Systematic Mapping Study 2026-Apr-21, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3686310 PMID:42013273	系统映射研究	本文对基于视频的计算机视觉跌倒检测系统进行了系统映射研究，综合分析了截至2025年发表的433项主要研究，提出了三级分类法并评估了算法组件、性能及部署证据	提供了结构化的三级分类法（特征工程、深度学习、混合模型），并对效率与部署证据（FPS、延迟、硬件报告）进行了专门评估	效率指标和硬件规格报告不一致，限制了可重复性和临床转化	系统映射基于计算机视觉的跌倒检测领域的研究趋势、基准和报告实践，识别阻碍可重复性和临床转化的研究空白	基于视频的计算机视觉跌倒检测系统	计算机视觉	老年疾病	视频分析	CNN, Transformer, 注意力机制	视频	433项主要研究	NA	卷积神经网络（CNN）, Transformer, 注意力机制	FPS, 延迟	NA
180	2026-10-01	Ultrafast Infant Brain Quantitative MRI Using Overlapping-Echo Acquisition with Volumetric Physical Simulation of Slice-level Non-Idealities 2026-Apr-20, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3685651 PMID:42009332	研究论文	提出了一种结合MOLED采集和基于体积物理模拟的深度学习重建的婴儿脑定量MRI框架，用于快速、鲁棒的T2、T2*和T2'映射并表征早期脑发育	提出了体积物理模拟方法生成物理信息合成训练数据，结合MOLED采集与合成数据驱动的深度学习重建，克服非理想成像条件和婴儿运动挑战	未明确说明	解决现有定量MRI技术因扫描时间长、非理想成像条件和婴儿严重运动而不适用于评估出生后脑发育的问题	婴儿大脑	医学影像分析	NA	定量MRI, MOLED采集, 体积物理模拟	深度学习	医学图像	30名婴儿（0-1岁），另有数值和体模实验	NA	NA	定量准确性, 鲁棒性	NA