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
1441	2025-02-21	A comparative study of statistical, radiomics, and deep learning feature extraction techniques for medical image classification in optical and radiological modalities 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109768 PMID:39891957	研究论文	本文比较了统计、放射组学和深度学习特征提取技术在医学图像分类中的应用效果	通过对比不同特征提取技术在多种医学影像模态下的表现，揭示了深度学习技术在准确性和速度上的优势	研究仅针对二分类问题，未涉及多分类或更复杂的医学图像分析任务	评估不同特征提取技术对医学图像分类模型性能的影响	H&E染色图像、胸部X光片和视网膜OCT图像	计算机视觉	NA	统计特征提取、放射组学特征提取、深度学习特征提取	PCA-LDA, ResNet50, DenseNet121	图像	NA
1442	2025-02-20	A deep learning method for total-body dynamic PET imaging with dual-time-window protocols 2025-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-07012-1 PMID:39688700	研究论文	本文开发了一种深度学习算法，能够从双时间窗协议预测动态图像，从而缩短动态正电子发射断层扫描（PET）的扫描时间	提出了一种双向序列到序列模型（Bi-AT-Seq2Seq），并引入注意力机制，显著优于单向或无注意力机制的模型	研究样本量相对较小，且仅限于肺结节和乳腺结节患者	缩短动态PET扫描时间，提高临床应用的可行性	70名肺结节或乳腺结节患者	医学影像分析	肺结节, 乳腺结节	动态PET/CT扫描	Bi-AT-Seq2Seq	医学影像	70名患者（32名男性，平均年龄53.61±13.53岁）
1443	2025-02-20	Deep learning-based intratumoral and peritumoral features for differentiating ocular adnexal lymphoma and idiopathic orbital inflammation 2025-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11275-5 PMID:39702637	研究论文	本文评估了基于深度学习的肿瘤内和肿瘤周围特征在区分眼附属器淋巴瘤（OAL）和特发性眼眶炎症（IOI）中的价值	使用基于注意力的融合模型融合了肿瘤内和肿瘤周围区域以及多个MR序列提取的特征，显著提高了诊断性能	研究中未发现肿瘤周围特征与肿瘤内特征在性能上有显著差异	评估深度学习在区分OAL和IOI中的应用价值	97名经病理学确认的OAL和IOI患者	数字病理学	眼附属器淋巴瘤, 特发性眼眶炎症	深度学习	基于注意力的融合模型	MR图像	97名患者（43名OAL，54名IOI）
1444	2025-02-20	Identifying influential nodes in brain networks via self-supervised graph-transformer 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109629 PMID:39731922	研究论文	本文提出了一种基于图变换器的自监督图重建框架（SSGR-GT），用于识别脑网络中的关键节点	采用自监督深度学习模型，无需手动特征提取，直接从数据中学习有意义的表示，结合图变换器提取脑图的局部和全局特征，并通过图融合技术结合功能和结构信息进行多模态分析	依赖于自监督学习的效果，可能受限于数据质量和模型训练过程	识别脑网络中的关键节点（I-nodes），以增强对脑工作机制的理解	脑网络中的关键节点	脑成像	NA	自监督深度学习，图变换器	Graph-Transformer	脑图数据	56个关键节点
1445	2025-02-20	Enhanced brain tumor detection and segmentation using densely connected convolutional networks with stacking ensemble learning 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109703 PMID:39862469	研究论文	本研究旨在通过实施先进的堆叠集成学习（SEL）方法，提高脑肿瘤（BT）检测和分割的准确性和分类效果	提出了一种名为SEL-DenseNet201的堆叠DenseNet201作为元模型，结合了六种不同的基础模型，以增强脑肿瘤MRI图像的分割性能	研究中未提及样本的具体数量，且未讨论模型在实际临床环境中的适用性和泛化能力	提高脑肿瘤检测和分割的准确性，以支持早期诊断和治疗规划	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	MRI图像分析	DenseNet201, MobileNet-v3, 3D-CNN, VGG-16, VGG-19, ResNet50, AlexNet	图像	NA
1446	2025-02-20	NetSDR: Drug repurposing for cancers based on subtype-specific network modularization and perturbation analysis 2025-Mar, Biochimica et biophysica acta. Molecular basis of disease DOI:10.1016/j.bbadis.2025.167688 PMID:39862994	研究论文	本文提出了NetSDR，一种基于网络的亚型特异性药物重定位框架，用于优先考虑特定癌症亚型的重定位药物	NetSDR框架通过整合癌症亚型信息和网络扰动分析，结合深度学习构建加权药物响应网络，提出了一种新的药物重定位方法	NA	开发一种基于网络的亚型特异性药物重定位框架，以优先考虑特定癌症亚型的重定位药物	癌症亚型	系统生物学	癌症	网络医学方法、深度学习	深度学习	蛋白质组学数据	NA
1447	2025-02-20	A robust and generalized framework in diabetes classification across heterogeneous environments 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109720 PMID:39864329	研究论文	本研究提出了一种鲁棒的机器学习框架，用于在不同人群中预测糖尿病，使用PIMA和BD两个不同的数据集进行验证	提出了一个跨异构环境的糖尿病分类框架，通过数据集内、数据集间和部分融合数据集验证技术，全面评估模型的泛化能力和性能	模型在跨数据集验证时性能下降，尤其是在BD数据集上训练并在PIMA数据集上测试时，准确率仅为74%	开发一个鲁棒的机器学习框架，以提高糖尿病预测在不同人群中的泛化能力和准确性	女性人群中的糖尿病预测	机器学习	糖尿病	机器学习	XGBoost, Random Forest, Gradient Boosting, 深度学习模型	结构化数据	PIMA和BD两个数据集
1448	2025-02-20	Enhancing cardiovascular disease classification in ECG spectrograms by using multi-branch CNN 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109737 PMID:39864336	研究论文	本文提出并比较了一维（1D）、二维（2D）卷积神经网络（CNN）和多分支卷积神经网络（MB-CNN）在从一维（1D）心电图（ECG）记录的频谱图中分类各种心血管疾病（CVD）的性能	提出了一种多分支卷积神经网络（MB-CNN），能够捕捉不同层次的抽象特征，从而提高了心血管疾病的分类精度	NA	提高从心电图频谱图中分类心血管疾病的准确性	心血管疾病（包括扩张型心肌病、肥厚型心肌病、心肌梗死和冠状动脉疾病）	计算机视觉	心血管疾病	连续小波变换（CWT）	1D CNN, 2D CNN, MB-CNN	图像（ECG频谱图）	MIT-BIH数据库中的5类ECG记录
1449	2025-02-20	OCDet: A comprehensive ovarian cell detection model with channel attention on immunohistochemical and morphological pathology images 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109713 PMID:39864335	研究论文	本文提出了一种名为OCDet的卵巢细胞检测模型，该模型结合了通道注意力机制，能够在免疫组化和形态学病理图像上全面检测多种卵巢癌细胞	OCDet模型首次结合了通道注意力机制，能够高效提取病理特征，并在多种卵巢癌细胞的检测上表现出色	虽然OCDet在卵巢癌细胞检测上表现出色，但其在其他癌症类型上的应用潜力尚未完全验证	开发一种高效的深度学习框架，用于卵巢癌病理诊断中的多种细胞检测	卵巢癌相关的多种细胞，包括CD3、CD8、CD20阳性淋巴细胞、中性粒细胞和多倍体巨癌细胞	数字病理	卵巢癌	深度学习	CSPDarkNet结合Efficient Channel Attention模块	图像	未明确提及具体样本数量
1450	2025-02-20	A deep architecture based on attention mechanisms for effective end-to-end detection of early and mature malaria parasites in a realistic scenario 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109704 PMID:39869986	研究论文	本文提出了一种基于深度学习和注意力机制的计算机辅助检测框架，用于有效检测和分类疟疾寄生虫的所有感染阶段，并支持多物种识别	该研究扩展了YOLO-SPAM和YOLO-PAM模型，结合注意力机制，提高了疟疾寄生虫检测的准确性和诊断实用性	NA	开发一种自动化疟疾检测解决方案，以支持病理学家并增强现实世界中的诊断实践	疟疾寄生虫	计算机视觉	疟疾	深度学习	YOLO-SPAM, YOLO-PAM	图像	三个公开可用的数据集
1451	2025-02-20	Detecting IDH and TERTp mutations in diffuse gliomas using 1H-MRS with attention deep-shallow networks 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109736 PMID:39874812	研究论文	本研究开发了深度学习分类器，利用质子磁共振波谱（1H-MRS）和一维卷积神经网络（1D-CNN）架构来识别胶质瘤中的IDH和TERTp突变	使用注意力机制的深浅网络（ADSN）进行突变检测，并利用Grad-CAM技术解释模型的决策过程	样本量相对较小，仅包括225名患者	开发非侵入性方法，用于术前检测胶质瘤中的IDH和TERTp突变，以帮助预后和治疗计划	225名成人半球弥漫性胶质瘤患者的1H-MRS数据	数字病理学	胶质瘤	1H-MRS, 深度学习	1D-CNN, 注意力深浅网络（ADSN）	光谱数据	225名患者（117名IDH突变，108名IDH野生型；99名TERTp突变，100名TERTp野生型）
1452	2025-02-19	Prediction of Visual Acuity After Cataract Surgery by Deep Learning Methods Using Clinical Information and Color Fundus Photography 2025-Mar, Current eye research IF:1.7Q3 DOI:10.1080/02713683.2024.2430212 PMID:39651583	研究论文	本研究探讨了使用术前临床信息和彩色眼底摄影（CFP）通过深度学习方法预测白内障手术后视力的性能	结合了彩色眼底摄影和临床信息的多模态模型，用于预测白内障手术后的视力	多模态输入对预测性能的改善效果不明显，未来研究需要进一步明确多模态输入的影响	预测白内障手术后的视力	接受白内障手术的患者	计算机视觉	白内障	深度学习	Xception和下游神经网络	图像和临床数据	446名患者的673张眼底图像
1453	2025-02-19	DeepPD: A Deep Learning Method for Predicting Peptide Detectability Based on Multi-feature Representation and Information Bottleneck 2025-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00665-4 PMID:39661307	研究论文	本文介绍了一种名为DeepPD的深度学习框架，用于基于多特征表示和信息瓶颈原则预测肽的可检测性	DeepPD结合了多特征表示和信息瓶颈原则，通过进化尺度建模2（ESM-2）提取肽的语义信息，并整合序列和进化信息构建特征空间，有效减少了特征空间的冗余	NA	预测肽的可检测性，以改进蛋白质组学中的基本任务	肽	机器学习	NA	进化尺度建模2（ESM-2）	深度学习	序列数据	多个数据集
1454	2025-02-17	A deep-learning system integrating electrocardiograms and laboratory indicators for diagnosing acute aortic dissection and acute myocardial infarction 2025-Mar-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.133008 PMID:39880045	研究论文	本研究开发了一种多模态深度学习模型，整合心电图（ECG）信号和实验室指标，以提高急性A型主动脉夹层（AAD-type A）和急性心肌梗死（AMI）的诊断准确性	通过融合ECG特征和实验室指标，利用深度学习模型提高诊断准确性，为心血管疾病的快速诊断提供了新工具	研究样本量相对较小，且仅在单一医院进行，可能影响模型的泛化能力	提高急性A型主动脉夹层和急性心肌梗死的诊断准确性	急性A型主动脉夹层（AAD-type A）和急性心肌梗死（AMI）患者	机器学习	心血管疾病	深度学习	ResNet-34, RandomForest, XGBoost, LightGBM	ECG信号和实验室指标	训练和验证集：136例AAD-type A和141例AMI患者；前瞻性测试集：30例AMI和32例AAD-type A患者
1455	2025-02-17	Biomechanics-Function in Glaucoma: Improved Visual Field Predictions from IOP-Induced Neural Strains 2025-Mar, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2024.11.019 PMID:39631645	研究论文	本研究评估了神经组织结构和生物力学在青光眼功能损失预测中的作用，并探讨了生物力学在此类预测中的重要性	结合生物力学（眼压诱导的神经组织应变）和结构信息（组织形态和神经组织厚度）显著提高了视觉场损失预测的准确性	研究样本仅限于中国族群，且年龄超过50岁，可能限制了结果的普遍性	评估神经组织结构和生物力学在青光眼功能损失预测中的作用	238名青光眼患者	数字病理学	青光眼	光谱域OCT成像、数字体积相关分析	Point-Net	图像	238名青光眼患者
1456	2025-02-13	Active learning for extracting rare adverse events from electronic health records: A study in pediatric cardiology 2025-Mar, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105761 PMID:39689449	研究论文	本文研究了如何从电子健康记录中自动化提取罕见的不良事件，特别是在儿科心脏病学领域	使用主动学习过程来注释数据，并训练深度学习文本分类器以准确识别经历过严重不良事件的患者	由于不良事件的罕见性，初始预筛选步骤获得的数据集不平衡，包含大量假阳性	自动化从电子病历文本中提取与心脏导管插入术相关的不良事件	因心脏导管插入术住院的患者的电子健康记录	自然语言处理	心血管疾病	主动学习，深度学习	深度学习文本分类器	文本	2,980名患者
1457	2025-02-13	Deep Imbalanced Regression Model for Predicting Refractive Error from Retinal Photos 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100659 PMID:39931359	研究论文	本研究旨在通过整合深度不平衡回归（DIR）技术到ResNet和Vision Transformer模型中，从视网膜照片预测屈光不正	首次将深度不平衡回归（DIR）技术整合到ResNet和Vision Transformer模型中，以解决数据集不平衡问题，并进行了外部验证	研究为回顾性研究，可能存在选择偏差	预测屈光不正	视网膜照片	计算机视觉	眼科疾病	深度不平衡回归（DIR）	ResNet34, SwinV2 (Swin Transformer)	图像	总计124,514张视网膜图像（新加坡眼病流行病学研究、英国生物银行、新加坡前瞻性研究和北京眼研究）
1458	2025-02-12	An AI-assisted explainable mTMCNN architecture for detection of mandibular third molar presence from panoramic radiography 2025-Mar, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105724 PMID:39626596	研究论文	本研究设计并系统评估了一种名为可解释下颌第三磨牙卷积神经网络（E-mTMCNN）的架构，用于在全景X光片中检测下颌第三磨牙（m-M3）的存在	提出了E-mTMCNN架构，结合了GoogLeNet架构和LIME解释方法，提高了检测准确性和模型决策的透明度	未提及具体局限性	提高下颌第三磨牙的早期检测准确性，改善牙科临床决策和治疗计划	下颌第三磨牙在全景X光片中的存在	计算机视觉	牙科疾病	深度学习（DL）、卷积神经网络（CNN）、迁移学习（TL）	CNN（GoogLeNet）	图像	未提及具体样本数量，使用了UESB数据集中的全景X光片
1459	2025-02-12	Universal representations in cardiovascular ECG assessment: A self-supervised learning approach 2025-Mar, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105742 PMID:39631267	研究论文	本研究开发并验证了一种自监督学习方法，用于从纵向收集的心电图数据中生成通用的心电图表示，适用于多种心血管评估	采用对比自监督学习方法从大规模未标记的心电图数据中学习有意义的表示，并将其应用于下游任务，特别是在小样本情况下显著提升了分类模型的性能	研究主要依赖于单一医疗机构的内部数据集，虽然也使用了外部公共数据集进行验证，但可能仍存在泛化性问题	开发一种自监督学习方法，用于生成通用的心电图表示，以提升心血管疾病评估的准确性和鲁棒性	1,684,298名成年患者的心电图数据	机器学习	心血管疾病	对比自监督学习	预训练模型	心电图数据	4,932,573条心电图数据，来自1,684,298名成年患者
1460	2025-02-12	Multi-horizon event detection for in-hospital clinical deterioration using dual-channel graph attention network 2025-Mar, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105745 PMID:39657403	研究论文	本文提出了一种端到端的深度学习架构，用于早期检测医院内的临床恶化事件	提出了双通道图注意力网络，结合多任务学习策略，能够显式学习多变量时间序列在特征和时间域上的相关性	实验仅在ICU收集的两个临床时间序列数据集上进行，可能限制了模型的泛化能力	实现医院内临床恶化事件的早期检测	医院内的临床恶化事件	机器学习	NA	深度学习	双通道图注意力网络	多变量时间序列	两个ICU收集的临床时间序列数据集