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
1301	2025-04-23	Enhancing brain age estimation under uncertainty: A spectral-normalized neural gaussian process approach utilizing 2.5D slicing 2025-May-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121184 PMID:40180003	研究论文	提出了一种结合谱归一化神经高斯过程（SNGP）和2.5D切片的方法，用于在低计算成本下实现脑年龄估计中的不确定性整合	首次将SNGP与2.5D切片方法结合，实现了在单一网络中无缝整合不确定性估计，同时保持低计算成本和模型复杂度	未明确提及具体局限性，但可能包括模型在更广泛人群中的验证不足	开发一种能够准确估计脑年龄并量化不确定性的方法，以提升脑异常检测的临床适用性	脑MRI数据	医学影像分析	脑部异常（如ADHD）	磁共振成像（MRI）	SNGP（谱归一化神经高斯过程）	2.5D MRI切片	11个公共数据集（N=6327）和独立验证集（N=301）	NA	NA	NA	NA
1302	2025-04-23	Automated segmentation of the dorsal root ganglia in MRI 2025-May-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121189 PMID:40185423	研究论文	开发了一种基于深度学习的全自动背根神经节（DRG）MRI分割工作流程	首次提出全自动DRG分割方法，使用CNN在nnU-Net框架上训练，分割效果与专家标注相当但速度提高10倍	方法仅在健康对照组和Fabry疾病患者中验证，需要更多疾病类型验证	开发全自动DRG分割方法以促进DRG成像生物标志物的研究和应用	背根神经节（DRG）	医学影像分析	Fabry病	MRI	CNN	3D T2加权MR图像	220个健康对照DRG	NA	NA	NA	NA
1303	2025-04-22	The proteomic code: Novel amino acid residue pairing models "encode" protein folding and protein-protein interactions 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110033 PMID:40112562	research paper	本文提出了一种基于氨基酸残基配对模型的新框架，用于解释蛋白质折叠和蛋白质-蛋白质相互作用的机制	提出了三种新的氨基酸残基配对模型（GU、Transmuted和Shift配对模型），这些模型在统计分析和不同数据集上表现出最高的观察-预期比率和相关性	研究主要依赖于TOP2018数据集，可能在其他数据集上的泛化能力有待验证	探索氨基酸残基配对模型在蛋白质折叠和蛋白质-蛋白质相互作用中的机制	氨基酸残基配对模型及其在蛋白质结构预测中的应用	生物信息学	NA	统计分析和深度学习	NA	蛋白质结构数据	基于TOP2018数据集	NA	NA	NA	NA
1304	2025-04-22	Enhancing skin disease classification leveraging transformer-based deep learning architectures and explainable AI 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110007 PMID:40117795	research paper	该研究利用基于Transformer的深度学习架构和可解释AI技术，提升皮肤疾病分类的准确性和临床相关性	首次在皮肤病学任务中引入DinoV2模型，并在31类皮肤疾病数据集上实现了最先进的性能，测试准确率达到96.48% ± 0.0138%，F1分数为97.27%，比现有基准提高了近10%	NA	通过自动化皮肤疾病分类支持及时准确的诊断	皮肤疾病	computer vision	skin disease	Vision Transformers, Swin Transformers, DinoV2, ConvNeXt, CNN	Transformer, CNN	image	31类皮肤疾病数据集，以及HAM10000和Dermnet数据集	NA	NA	NA	NA
1305	2025-04-22	Capsule DenseNet++: Enhanced autism detection framework with deep learning and reinforcement learning-based lifestyle recommendation 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110038 PMID:40120178	研究论文	提出了一种结合深度学习和强化学习的自闭症检测框架，并提供了基于强化学习的个性化生活方式建议	提出了Capsule DenseNet++深度学习模型和基于PPO算法的个性化生活方式推荐系统，提高了自闭症检测的准确性和干预效果	研究仅在沙特阿拉伯的两个数据集上进行了测试，可能在其他地区或人群中的适用性有限	开发一个准确的自闭症检测框架并提供个性化生活方式建议	自闭症谱系障碍(ASD)患者，特别是沙特阿拉伯的幼儿	机器学习	自闭症谱系障碍	深度学习, 强化学习	Capsule DenseNet++, PPO	结构化数据	两个数据集：自闭症筛查数据和沙特阿拉伯幼儿ASD筛查数据	NA	NA	NA	NA
1306	2025-04-22	HistoMSC: Density and topology analysis for AI-based visual annotation of histopathology whole slide images 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109991 PMID:40120181	research paper	提出了一种用于组织病理学全切片图像自动视觉注释的端到端框架	结合深度学习模型实现细胞核的精确定位和分类，并通过空间数据聚合扩展稀疏分布细胞核的类别，引入了一种新颖且经济高效的定位方法	未提及具体样本量或数据集大小，可能影响结果的普遍性	开发一个自动视觉注释框架，以辅助病理学家分析和解释全切片图像	组织病理学全切片图像中的细胞核	digital pathology	neoplastic cases	U-Net, ResNet-50, YOLO, 生成方法, 核密度估计, Morse-Smale理论	U-Net, ResNet-50, YOLO	image	NA	NA	NA	NA	NA
1307	2025-04-22	Synergistic eigenanalysis of covariance and Hessian matrices for enhanced binary classification on health datasets 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109985 PMID:40132299	研究论文	提出了一种结合协方差矩阵和Hessian矩阵特征分析的新方法，用于增强健康数据集上的二元分类性能	首次将协方差矩阵和Hessian矩阵的特征分析相结合，通过投影到两个矩阵的最相关特征方向空间，实现了最优类别可分性	方法在理想数据条件下（如类均值周围的各向同性和主导领先特征值）表现最佳，实际应用中可能受限	提高二元分类任务的性能，特别是在健康数据集上	健康数据集和神经网络数据集	机器学习	NA	特征分析	深度学习模型	结构化数据	NA	NA	NA	NA	NA
1308	2025-04-22	Distinguishing severe sleep apnea from habitual snoring using a neck-wearable piezoelectric sensor and deep learning: A pilot study 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110070 PMID:40147187	研究论文	本研究开发了一种结合颈部可穿戴压电传感器和深度学习的模型，用于准确区分严重睡眠呼吸暂停综合征（SAS）与习惯性打鼾	创新性地结合了颈部可穿戴压电传感器和混合深度学习模型（1D CNN和GRU），为早期和精确区分严重SAS与习惯性打鼾提供了新方法	样本量较小（60名成人），未来研究需要扩大样本量、多样化患者群体并在真实世界环境中进行外部验证	解决成人严重睡眠呼吸暂停综合征（SAS）诊断不足的问题	60名成人习惯性打鼾者	机器学习	睡眠呼吸暂停综合征	颈部可穿戴压电传感器	1D CNN和GRU混合模型	振动信号（70-250Hz）和颈动脉搏动信号（0.01-1.5Hz）	60名成人习惯性打鼾者（初始数据集来自20名参与者，包含1167个静默样本、1304个打鼾样本和399个噪音样本）	NA	NA	NA	NA
1309	2025-04-22	Impact of sex differences on subject-independent EEG-based emotion recognition models 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110036 PMID:40147184	research paper	该研究探讨了性别差异对基于EEG的独立于受试者的情绪识别模型的影响，并利用注意力网络层和逻辑回归分析揭示了情绪调节的性别差异	使用注意力网络层识别与情绪预测更相关的大脑区域，并通过逻辑回归分析评估性别对情绪预测的影响，揭示了情绪调节的性别差异	研究主要关注情绪音频-视觉刺激引发的皮层激活模式，未涉及其他类型刺激或更广泛的情感状态	提高独立于受试者的EEG情绪识别模型的准确性和可解释性	EEG信号和情绪状态	machine learning	NA	EEG	attention network, logistic regression	EEG信号	NA	NA	NA	NA	NA
1310	2025-04-22	Enhancing visual speech perception through deep automatic lipreading: A systematic review 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110019 PMID:40157316	综述	本文对自动唇读技术的研究趋势进行了系统的文献综述，重点关注深度学习在提升听力障碍者沟通能力中的应用	采用PRISMA协议对2014年至2024年中的114篇原创研究文章进行系统分析，总结了自动唇读技术的研究趋势、数据集、任务分类及系统架构	面临数据量不足、环境条件不佳和语言多样性等挑战	提升听力障碍者的沟通能力	自动唇读技术	自然语言处理	听力障碍	深度学习	深度学习模型	视频	114篇研究文章	NA	NA	NA	NA
1311	2025-04-22	A data-driven personalized approach to predict blood glucose levels in type-1 diabetes patients exercising in free-living conditions 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110015 PMID:40164029	research paper	该研究评估了数据驱动方法在自由生活条件下准确预测1型糖尿病患者运动时血糖水平的能力	结合多种机器学习和深度学习模型，采用个性化与群体模型微调相结合的方法预测血糖水平	部分患者的预测仍具有挑战性，且难以解释为何某些患者更难预测	评估数据驱动方法在预测1型糖尿病患者运动时血糖水平的准确性和安全性	1型糖尿病患者在自由生活条件下的血糖水平	machine learning	diabetes	continuous glucose monitoring, insulin pumps, carbohydrate intake, exercise intensity and duration, physical activity-related information	XGBoost, Random Forest, LSTM, CNN-LSTM, Dual-encoder with Attention layer	continuous glucose monitoring data, insulin pump data, carbohydrate intake data, exercise data, physical activity data	79名1型糖尿病患者，每人4周的数据	NA	NA	NA	NA
1312	2025-04-22	A novel hybrid feature fusion approach using handcrafted features with transfer learning model for enhanced skin cancer classification 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110104 PMID:40168807	research paper	提出了一种新颖的混合特征融合方法，结合手工特征与迁移学习模型，用于增强皮肤癌分类	结合了GLCM、RDWT和DenseNet121特征的混合特征融合方法，显著提高了分类准确率	未提及具体的数据集规模限制或模型泛化能力的测试	提高皮肤癌诊断的准确性和可靠性	皮肤病变图像	digital pathology	skin cancer	Grey-Level Co-Occurrence Matrix (GLCM), Redundant Discrete Wavelet Transform (RDWT), transfer learning	DenseNet121, XGBoost, ensemble classifier	image	NA	NA	NA	NA	NA
1313	2025-04-22	Multimodal learning-based speech enhancement and separation, recent innovations, new horizons, challenges and real-world applications 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110082 PMID:40174498	综述	本文全面回顾了基于多模态学习的语音增强和分离技术的最新进展及其在现实世界中的应用	探讨了多模态学习如何整合音频、视觉和文本等多种感官信息以提高语音增强和分离的性能，并介绍了多种深度学习架构和融合策略	在噪声和动态的现实环境中，各种方法的同步性、模型鲁棒性和实时应用的可扩展性仍面临挑战	研究多模态学习在语音增强和分离领域的应用及其未来发展方向	语音增强和分离技术	自然语言处理	NA	多模态学习	Transformers, CNN, GNN, VAE, GAN, Diffusion Models	音频信号、视觉线索、文本数据	NA	NA	NA	NA	NA
1314	2025-04-22	A domain adaptation model for carotid ultrasound: Image harmonization, noise reduction, and impact on cardiovascular risk markers 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110030 PMID:40179806	研究论文	本文提出了一种基于生成对抗网络（GAN）的模型，用于解决超声图像中的域适应问题，包括图像协调和降噪	将图像协调和降噪任务制定为图像到图像的翻译任务，同时保持图像内容（解剖结构）不变	下游风险标志物计算可能会受到影响	解决超声图像中因不同系统或参数设置导致的域适应问题	颈动脉超声图像	计算机视觉	心血管疾病	GAN	GAN	图像	NA	NA	NA	NA	NA
1315	2025-04-22	How did we get there? AI applications to biological networks and sequences 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110064 PMID:40184941	综述	本文全面概述了人工智能在基因组学、蛋白质组学和系统生物学中的当前应用状态	强调了深度学习模型在序列嵌入、基序发现、基因表达和蛋白质结构预测中的准确性和效率提升	未具体提及研究的局限性	探索人工智能在复杂生物数据中的应用潜力	基因组学、蛋白质组学和系统生物学中的数据	机器学习	NA	深度学习	深度学习模型	生物序列和网络数据	NA	NA	NA	NA	NA
1316	2025-04-22	Prediction of IUGR condition at birth by means of CTG recordings and a ResNet model 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110123 PMID:40184939	research paper	本研究开发了一种基于CTG信号和ResNet模型的深度学习方法来预测出生时的IUGR状况	采用两步训练过程的ResNet架构，通过区分‘假定’和‘确认’数据集来最小化数据损失，提高了预测准确性	尽管使用了较大数据集，但与其他文献相比的样本量未具体说明，且未提及模型在其他独立数据集上的验证情况	提高出生时IUGR状况的早期检测准确性	产前CTG信号	digital pathology	geriatric disease	CTG, deep learning	ResNet	signal	未具体说明，但提及使用了非常大的数据集	NA	NA	NA	NA
1317	2025-04-22	Hybrid deep learning framework for diabetic retinopathy classification with optimized attention AlexNet 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110054 PMID:40154203	research paper	提出了一种基于混合深度学习框架的糖尿病视网膜病变分类方法，使用优化的注意力AlexNet模型	结合了元启发式优化算法改进的注意力AlexNet模型（At-AlexNet-ImNO），用于糖尿病视网膜病变的分类	未提及具体的数据集偏差或模型泛化能力的限制	提高糖尿病视网膜病变的自动分类准确率	糖尿病视网膜病变的眼底图像	digital pathology	diabetic retinopathy	metaheuristic optimization, deep learning	Attention AlexNet based Improved Nutcracker Optimizer (At-AlexNet-ImNO)	image	APTOS-2019 Blindness-Detection 和 EyePacs 两个基准数据集	NA	NA	NA	NA
1318	2025-10-07	Validation of a Deep Learning Model for Diabetic Retinopathy on Patients with Young-Onset Diabetes 2025-May, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-025-01116-z PMID:40087218	研究论文	验证深度学习模型在年轻发病糖尿病患者中筛查糖尿病视网膜病变的性能	首次在年轻糖尿病患者（18-45岁）中系统验证深度学习系统性能，特别关注年轻患者特有的视网膜光泽特征对模型的影响	研究队列中98.8%为1型糖尿病患者，可能限制结果对其他类型糖尿病的泛化能力；视网膜光泽干扰参考标签准确性	评估深度学习系统在年轻糖尿病患者中筛查糖尿病视网膜病变的性能差异	321名18-45岁年轻糖尿病患者，分为18-25岁和26-45岁两个队列	数字病理	糖尿病视网膜病变	眼底摄影	深度学习系统	眼底图像	321名患者	NA	NA	敏感度, 特异度	NA
1319	2025-10-07	Deep-Learning-Assisted Analysis of Early Biomarker Changes in Treatment-Naïve Patients with Neovascular AMD Under Intravitreal Faricimab 2025-May, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-025-01125-y PMID:40133689	研究论文	本研究应用基于深度学习的语义分割算法量化新生血管性年龄相关性黄斑变性患者的关键OCT生物标志物，并评估玻璃体腔内faricimab治疗的短期疗效	首次将AI驱动的生物标志物分割算法应用于faricimab治疗新生血管性年龄相关性黄斑变性的疗效评估，实现了关键生物标志物的客观量化分析	研究样本量较小（40眼），回顾性研究设计，缺乏长期随访数据	评估玻璃体腔内faricimab在初治新生血管性年龄相关性黄斑变性患者中的短期疗效	38名初治新生血管性年龄相关性黄斑变性患者的40只眼睛	数字病理学	年龄相关性黄斑变性	光学相干断层扫描	深度学习	医学影像	38名患者的40只眼睛	NA	语义分割算法	p值	NA
1320	2025-10-07	A Deep Learning Segmentation Model for Detection of Active Proliferative Diabetic Retinopathy 2025-May, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-025-01127-w PMID:40146482	研究论文	开发一种深度学习分割模型用于检测活动性增殖性糖尿病视网膜病变	通过标注新生血管和视网膜前出血来识别需要立即治疗的PDR患者，现有DL算法缺乏此能力	样本量相对有限（637张活动性PDR图像），阳性预测值较低（57%）	开发能够准确检测活动性增殖性糖尿病视网膜病变的深度学习模型	糖尿病视网膜病变患者的六视野视网膜图像	计算机视觉	糖尿病视网膜病变	视网膜成像	深度学习分割模型	视网膜图像	938张六视野视网膜图像（637张活动性PDR，301张非活动性PDR），来自199名患者	NA	NA	灵敏度, 特异度, 阴性预测值, 阳性预测值	NA