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
5681	2025-07-08	GAN Inversion for Data Augmentation to Improve Colonoscopy Lesion Classification 2025-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3397611 PMID:38713568	research paper	本研究探讨了使用GAN反转生成的合成图像进行数据增强，以解决结肠镜检查病变分类中标注数据不足的问题	通过GAN反转在语义丰富且解耦的潜在空间中操作图像对，生成保持相同标签的合成图像，并进行图像模态转换和病变形状插值，提高了结肠息肉分类性能	未明确提及具体样本量限制或模型泛化能力的详细评估	提高结肠镜检查中病变分类的深度学习模型性能	结肠镜检查图像中的息肉病变	digital pathology	colon cancer	GAN inversion, style transfer, image interpolation	GAN	image	NA
5682	2025-07-08	Deep learning-based organ-at-risk segmentation, registration and dosimetry on cone beam computed tomography images in radiation therapy: A comprehensive review 2025-Apr-01, Journal of cancer research and therapeutics IF:1.4Q4 DOI:10.4103/jcrt.jcrt_2006_24 PMID:40616533	综述	本文综述了基于深度学习的锥形束计算机断层扫描（CBCT）在放射治疗中器官风险分割、图像配准和剂量学的应用进展	探讨了生成对抗网络（GAN）和深度卷积神经网络（DCNN）在提高CBCT图像质量、器官风险分割精度和剂量计算准确性方面的创新应用	未提及具体的技术实施细节或临床验证的局限性	提升CBCT在放射治疗中的应用效果，包括器官风险分割、图像配准和剂量计算的准确性	锥形束计算机断层扫描（CBCT）图像及其在放射治疗中的应用	数字病理学	NA	生成对抗网络（GAN）、深度卷积神经网络（DCNN）	GAN、DCNN	图像	NA
5683	2025-07-08	Precision prediction of cervical cancer outcomes: A machine learning approach to recurrence and survival analysis 2025-Apr-01, Journal of cancer research and therapeutics IF:1.4Q4 DOI:10.4103/jcrt.jcrt_2524_24 PMID:40616534	综述	本文全面探讨了AI在预测宫颈癌复发和生存中的作用，重点关注机器学习、深度学习和自然语言处理等技术	整合AI与医学影像、基因组学和临床数据，为宫颈癌复发和生存预测提供先进方法	讨论了AI在宫颈癌预测中的挑战和局限性	优化宫颈癌治疗并改善患者预后	宫颈癌患者	机器学习	宫颈癌	机器学习、深度学习、自然语言处理	NA	医学影像、基因组学、临床数据	NA
5684	2025-07-08	TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs 2025-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103373 PMID:39454312	研究论文	提出了一种名为TopoTxR的新型拓扑引导深度卷积网络，用于在DCE-MRI上学习乳腺实质结构	通过显式提取多尺度拓扑结构并结合注意力机制，改进了对乳腺实质结构的量化	NA	改进乳腺实质结构的量化方法，以更好地理解疾病病理生理学和治疗反应	乳腺实质结构	数字病理学	乳腺癌	DCE-MRI	CNN	图像	公开数据集I-SPY 1（N = 161）和Rutgers专有数据集（N = 120）
5685	2025-07-08	Learning to Learn Transferable Generative Attack for Person Re-Identification 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3558434 PMID:40232916	research paper	提出了一种名为MTGA的元学习优化方法，用于生成高度可迁移的对抗样本，以测试现实世界中人员再识别模型的鲁棒性	首次考虑了跨测试能力，通过元学习优化生成对抗样本，并引入扰动随机擦除模块和归一化混合策略来增强跨模型、跨数据集和跨测试的迁移性	未提及具体的数据集规模或实验环境限制	提升对抗样本在跨模型、跨数据集和跨测试场景中的迁移能力，以更全面地评估人员再识别模型的鲁棒性	人员再识别模型	computer vision	NA	meta-learning	generative attacker	image	NA
5686	2025-07-07	Kernelized weighted local information based picture fuzzy clustering with multivariate coefficient of variation and modified total Bregman divergence measure for brain MRI image segmentation 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110458 PMID:40527240	研究论文	提出了一种基于核化加权局部信息的图片模糊聚类方法，用于脑部MRI图像分割	首次在图片模糊集框架下使用多元变异系数理论开发局部图片模糊信息度量，并整合非欧几里得距离度量以提高分割精度	NA	解决噪声环境下医学图像分割的挑战	脑部MRI图像	计算机视觉	脑部疾病	核化加权局部信息方法	图片模糊聚类	MRI图像	Brainweb、IBSR和MRBrainS18 MRI数据集以及CT图像模板
5687	2025-07-07	Learning hemodynamic scalar fields on coronary artery meshes: A benchmark of geometric deep learning models 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110477 PMID:40532501	research paper	该研究通过几何深度学习模型对冠状动脉血流动力学标量场进行预测，作为计算流体动力学（CFD）模拟的替代方法	首次对多种几何深度学习后端在预测冠状动脉虚拟血流储备分数（vFFR）场方面进行全面实证分析，并确定基于变压器的架构在复杂拓扑数据集中的优越性	研究主要关注几何深度学习模型在特定数据集上的表现，可能无法完全代表所有临床场景	评估不同几何深度学习后端在预测冠状动脉血流动力学场方面的性能，寻找CFD模拟的有效替代方法	冠状动脉血流动力学场（特别是vFFR场）	digital pathology	cardiovascular disease	computational fluid dynamics (CFD), geometric deep learning	transformer-based architectures, CNN, LSTM, GAN	mesh data	1,500个合成的左冠状动脉分叉数据集和427个患者特异性CFD模拟数据集
5688	2025-07-07	Patch-type wearable electrocardiography and impedance pneumography for sleep staging: A multi-modal deep learning approach 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110452 PMID:40532503	研究论文	本研究评估了一种基于单导联心电图（ECG）和阻抗呼吸描记术（IPG）的贴片式可穿戴设备在多阶段睡眠分类中的可行性	提出了一种结合ECG和IPG的多模态深度学习方法，用于睡眠分期，并通过特征选择和模型优化实现了高准确性和计算效率的平衡	样本量相对较小（92名患者），且未涵盖所有睡眠阶段（如N3阶段）	探索便携式ECG-IPG系统在睡眠分期中的应用，以实现连续睡眠监测和个性化健康管理	睡眠分期	数字病理	睡眠障碍	单导联ECG和IPG	RCNN	生理信号数据（ECG和IPG）	92名患者
5689	2025-07-07	Expert-level differentiation of incomplete Kawasaki disease and pneumonia from echocardiography via multiple large receptive attention mechanisms 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110478 PMID:40541073	research paper	该研究开发了两种深度学习模型MRANet和MLRANet，用于从不完全川崎病和肺炎的超声心动图中进行专家级区分	提出了结合多重感受野注意力机制的新型深度学习模型MLRANet，在检测冠状动脉异常方面超过专家水平表现	研究样本量相对较小（203个超声心动图数据集），需要在更大规模数据上进行验证	开发能够辅助诊断不完全川崎病的计算机辅助诊断工具	不完全川崎病和肺炎患者的超声心动图数据	digital pathology	cardiovascular disease	deep learning	MRANet, MLRANet	image	203个超声心动图数据集
5690	2025-07-07	Generative deep-learning-model based contrast enhancement for digital subtraction angiography using a text-conditioned image-to-image model 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110598 PMID:40543272	研究论文	本研究探讨了使用基于生成式深度学习模型的对比度增强技术来改善数字减影血管造影（DSA）图像的质量	提出了一种基于文本条件的图像到图像模型，结合Stable Diffusion、ControlNet和低秩适应技术，用于DSA图像的对比度增强	信噪比（SNR）下降表明噪声增加，且需要进一步优化伪影抑制和临床验证	提高DSA图像的对比度，特别是在慢性肾脏病（CKD）患者中减少碘对比剂的使用	数字减影血管造影（DSA）图像	数字病理	慢性肾脏病	Stable Diffusion, ControlNet, 低秩适应	生成式深度学习模型	图像	1207个DSA系列图像
5691	2025-07-07	Spindle Autoencoder-CNN hybrid model for cardiac arrhythmia classification 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110593 PMID:40543278	研究论文	提出了一种结合改进的纺锤形自动编码器（MSCAE）和卷积神经网络（CNN）的新型深度学习分类框架，用于心电信号的心律失常分类	与传统自动编码器不同，纺锤形自动编码器利用更深且对称的隐藏层从心电信号中提取复杂且有意义的表示，这些特征随后由CNN分析以捕捉空间关系	研究仅基于MIT-BIH心律失常数据库进行评估，未涉及其他数据集或实际临床环境中的验证	提高心律失常自动检测系统的诊断效率和准确性	心电信号（ECG）	数字病理学	心血管疾病	深度学习	MSCAE-CNN混合模型	心电信号	MIT-BIH心律失常数据库中的正常和异常心跳记录
5692	2025-07-07	PMFF-Net: A deep learning-based image classification model for UIP, NSIP, and OP 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110618 PMID:40543280	研究论文	本研究开发了一种基于深度学习的图像分类模型PMFF-Net，用于区分三种常见的间质性肺疾病类型，以辅助医生诊断并提高诊断准确性	提出了一种新的并行多尺度特征融合网络(PMFF-Net)模型，能够快速准确地对UIP、NSIP和OP等间质性肺疾病影像进行分类	样本量相对较小(仅130例患者)，且数据来自单一地区的四家医院，可能影响模型的泛化能力	开发深度学习模型辅助间质性肺疾病的影像学诊断	高分辨率CT(HRCT)影像	数字病理	间质性肺疾病	深度学习	PMFF-Net(Parallel Multi-scale Feature Fusion Network)	医学影像	130例患者HRCT影像(含UIP、NSIP和OP)和50例正常对照
5693	2025-07-07	BioTransX: A novel bi-former based hybrid model with bi-level routing attention for brain tumor classification with explainable insights 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110515 PMID:40543279	research paper	本文介绍了一种名为BioTransX的新型混合模型，用于脑肿瘤分类，具有可解释性	BioTransX结合了双形式编码器机制和动态稀疏注意力转换器，以及集成卷积网络，提高了分类准确性和可解释性	未提及具体局限性	提高脑肿瘤分类的准确性和可解释性	脑肿瘤MRI图像	digital pathology	brain tumor	CLAHE, Grad-CAM, Gradient Attention Rollout	transformer-based hybrid model (BioTransX)	MRI图像	Kaggle MRI数据集，BraTS和Figshare数据集
5694	2025-07-07	SE-ATT-YOLO- A deep learning driven ultrasound based respiratory motion compensation system for precision radiotherapy 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110638 PMID:40544802	研究论文	开发了一种基于超声和深度学习的呼吸运动补偿系统（RMCS），用于减少放疗中呼吸运动引起的肿瘤位移	提出了SE-ATT-YOLO模型，结合了挤压激励块和增强注意力机制，改进了YOLOv8n模型，提高了超声图像检测的实时性和准确性	未提及模型在更广泛临床环境中的验证情况	开发一种非侵入性的呼吸运动补偿系统，以提高放疗的精确性	人类膈肌的超声运动	计算机视觉	肿瘤	深度学习	SE-ATT-YOLO（改进的YOLOv8n）	超声图像	未明确提及样本数量
5695	2025-07-07	Ensemble-based Convolutional Neural Networks for brain tumor classification in MRI: Enhancing accuracy and interpretability using explainable AI 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110555 PMID:40554976	研究论文	本研究通过集成多种CNN架构和可解释性AI技术，提高了MRI图像中脑肿瘤分类的准确性和可解释性	结合多种预训练CNN架构的集成学习方法和可解释性AI技术（如Grad-CAM++和Integrated Gradients）来提升分类性能和模型透明度	未提及样本量是否足够大以及模型在外部验证集上的表现	提高MRI图像中脑肿瘤分类的准确性和临床可解释性	MRI图像中的脑肿瘤（包括神经胶质瘤、脑膜瘤和垂体腺瘤）	数字病理学	脑肿瘤	MRI	集成CNN（VGG16, DenseNet121, Inception-ResNet-v2）	图像	NA
5696	2025-07-07	Towards a comprehensive characterization of arteries and veins in retinal imaging 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110516 PMID:40554981	研究论文	提出了一种新颖的集成方法，用于视网膜成像中动静脉的综合分析和特征提取	通过多阶段方法准确确定血管路径并从中提取信息特征，超越了传统的血管分割任务	未提及具体的数据集规模或临床验证结果	实现视网膜血管系统的全面分析和特征提取，以支持临床诊断	视网膜图像中的动静脉	数字病理	糖尿病和高血压相关的眼病	深度学习	深度语义分割网络和RNN	图像	NA
5697	2025-07-07	SER inspired deep learning approach to detect cardiac arrhythmias in electrocardiogram signals using Temporal Convolutional Network and graph neural network 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110536 PMID:40580615	research paper	提出了一种结合Temporal Convolutional Networks (TCN)和Graph Convolutional Networks (GCN)的深度学习方法，用于心电图信号中的心律失常检测	通过构建心电图信号的循环图，利用图信号处理增强数据表示并提高分类准确性	未提及具体局限性	开发一种高效准确的心电图分析方法，用于资源受限的医疗环境	心电图信号	machine learning	cardiovascular disease	Temporal Convolutional Network (TCN), Graph Convolutional Network (GCN)	TCN, GCN	ECG信号	Chapman和Shaoxing 12导联心电图数据库，11种心律类别合并为4个超类
5698	2025-07-07	A comprehensive hybrid model: Combining bioinspired optimization and deep learning for Alzheimer's disease identification 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110654 PMID:40580613	研究论文	本文提出了一种结合生物启发优化和深度学习的混合模型，用于阿尔茨海默病的识别	结合灰狼优化(GWO)和哈里斯鹰优化(HHO)方法进行脑区分割，并应用深度学习技术进行分类，提高了分割和分类的准确性	未提及样本来源的多样性和模型在其他数据集上的泛化能力	探索新的混合技术用于阿尔茨海默病(AD)的诊断	阿尔茨海默病患者和正常对照组的脑区图像	数字病理学	阿尔茨海默病	灰狼优化(GWO)和哈里斯鹰优化(HHO)	深度学习(DL)	图像	未明确提及具体样本数量
5699	2025-07-07	Data-driven trends in critical care informatics: a bibliometric analysis of global collaborations using the MIMIC database (2004-2024) 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110670 PMID:40580617	研究论文	对MIMIC数据库相关研究进行文献计量分析，揭示全球合作趋势和研究主题演变	首次对MIMIC数据库相关研究进行全面文献计量分析，揭示全球合作模式和研究主题演变	研究基于单一数据库(MIMIC)，且中国国际合作率较低，模型透明度不足	分析MIMIC数据库相关研究的全球趋势和主题演变，指导未来研究方向	2769篇MIMIC相关出版物	医疗信息学	重症监护	文献计量分析	机器学习(ML)和人工智能(AI)	文献数据	2769篇出版物
5700	2025-07-07	D2-RD-UNet: A dual-stage dual-class framework with connectivity correction for hepatic vessels segmentation 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110530 PMID:40580621	研究论文	提出了一种名为D2-RD-UNet的双阶段双类别框架，用于肝脏血管的精确分割，并引入了连通性校正算法	首次开发了基于中心线的多类别血管连通性校正算法，并引入了基于半径的分支算法来评估模型预测的局部准确性	现有深度学习模型在泛化患者变异性和保持血管拓扑结构方面存在不足，限制了其临床应用	提高肝脏和门静脉血管分割的准确性，以支持肝脏手术的术前规划	肝脏和门静脉血管	数字病理	肝脏疾病	CT扫描	D2-RD-UNet	3D和4D图像数据	385例CT扫描（AIMS-HPV-385数据集）和20例CT扫描（3D-IRCADb-01数据集）