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
1401	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
1402	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
1403	2025-04-22	Advancements in automated nuclei segmentation for histopathology using you only look once-driven approaches: A systematic review 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110072 PMID:40138968	系统综述	本文系统综述了基于YOLO框架的自动化细胞核分割技术在组织病理学图像分析中的进展、挑战和应用	全面评估YOLO框架在组织病理学细胞核分割中的独特优势，并与传统分割方法进行对比分析	处理细胞核外观变异、优化模型架构以提高在组织病理学图像上的性能、提升跨数据集的泛化能力等方面仍存在挑战	探索和评估YOLO框架在组织病理学图像细胞核分割中的方法和应用	组织病理学图像中的细胞核	数字病理学	NA	YOLO框架	CNN	图像	NA
1404	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）
1405	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
1406	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
1407	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
1408	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
1409	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
1410	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
1411	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
1412	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
1413	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
1414	2025-04-21	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	本研究验证了一种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（DR）的性能	针对年轻糖尿病患者（18-25岁）验证深度学习系统的性能，发现其敏感性与年长患者相当，但特异性更高	视网膜光泽的存在可能干扰参考DME状态的判定，影响模型敏感性的测量	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	18-45岁的糖尿病患者（主要为1型糖尿病）	数字病理学	糖尿病视网膜病变	深度学习	DLS（深度学习系统）	眼底照片	321名18-45岁患者（98.8%为1型糖尿病）
1415	2025-04-21	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AI的分割算法量化关键OCT生物标志物，并评估玻璃体内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	首次将AI驱动的生物标志物分割技术应用于faricimab治疗的初治nAMD患者，量化了多种疾病活动性生物标志物的变化	样本量较小(40只眼)，且为回顾性研究，缺乏长期随访数据	评估AI辅助生物标志物分析在nAMD治疗监测中的应用价值	初治新生血管性年龄相关性黄斑变性患者	数字病理学	年龄相关性黄斑变性	光学相干断层扫描(OCT)	深度学习语义分割算法	医学影像	38名患者的40只眼
1416	2025-04-21	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	research paper	开发一种深度学习分割模型，用于在六视野视网膜图像中检测活动性增殖性糖尿病视网膜病变	该模型能够准确识别需要立即治疗的增殖性糖尿病视网膜病变患者，通过注释新生血管和视网膜前出血来提高检测准确性	模型的阳性预测值较低（57%），可能存在一定的误诊率	开发一种深度学习模型，用于检测活动性增殖性糖尿病视网膜病变	六视野视网膜图像	digital pathology	diabetic retinopathy	deep learning segmentation	DL segmentation model	image	637张活动性PDR图像和301张非活动性PDR图像，来自199名个体
1417	2025-04-21	Virtual screening and characterization of novel myogenic peptides from bovine collagen hydrolysates: Targeting myomaker 2025-May, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116267 PMID:40253143	研究论文	本研究通过虚拟筛选和表征牛骨胶原水解物中的新型肌原性肽，探索其通过靶向Myomaker促进肌肉分化和再生的机制	首次发现肽AGPPGPPGPAGK能与Myomaker形成稳定复合物，并通过调节能量代谢促进成肌细胞分化	HRH1在细胞分化能量代谢中的调控作用需进一步验证	阐明牛骨胶原促进肌肉分化和再生的分子机制	牛骨胶原水解物中的肽序列（特别是AGPPGPPGPAGK）及其与Myomaker的相互作用	生物信息学与分子生物学	肌肉衰老	肽组学、分子对接、动力学模拟、深度学习预测、转录组分析	深度学习工具（未指定具体模型）	肽序列数据、分子模拟数据、转录组数据	未明确说明样本数量（基于牛骨胶原水解物的肽组学分析）
1418	2025-04-21	Progress in machine learning-supported electronic nose and hyperspectral imaging technologies for food safety assessment: A review 2025-May, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.116285 PMID:40253192	综述	本文综述了机器学习支持的电子鼻和高光谱成像技术在食品安全评估中的应用进展	结合电子鼻和高光谱成像技术与机器学习算法，提供食品安全评估的综合视角	技术应用主要局限于实验室环境，缺乏标准化协议，影响测试的可重复性和实际应用	探讨机器学习如何提升电子鼻和高光谱成像技术在食品安全评估中的性能	食品安全评估中的电子鼻和高光谱成像技术	机器学习	NA	电子鼻(e-nose)、高光谱成像(HSI)	人工神经网络(ANN)、深度学习(DL)	NA	NA
1419	2025-04-20	Deep learning-based prediction of tumor aggressiveness in RCC using multiparametric MRI: a pilot study 2025-May, International urology and nephrology IF:1.8Q3 DOI:10.1007/s11255-024-04300-5 PMID:39671158	研究论文	本研究利用多参数MRI和深度学习CNN模型，结合临床特征，预测肾细胞癌（RCC）的侵袭性	开发了一个CNN融合模型，结合多b值图像和临床特征，提高了RCC侵袭性的术前预测准确性	样本量较小（47例患者），且为试点研究，需要更大规模的验证	探索多参数MRI作为非侵入性方法预测肾细胞癌侵袭性的价值	47例经病理证实的肾细胞癌患者	数字病理	肾细胞癌	多参数MRI（包括ADC、IVIM、DKI等）	CNN融合模型	MRI图像和临床数据	47例患者（37名男性，10名女性，平均年龄56.17±1.70岁）
1420	2025-04-20	A novel clinical investigation using deep learning and human-in-the-loop approach in orbital volume measurement 2025-May, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2025.01.007 PMID:39875226	研究论文	本研究探讨了深度学习和人机交互方法在眼眶体积测量中的临床应用	采用人机交互方法构建AI训练数据集，并在临床中验证了AI辅助半自动分割的高效性和准确性	研究仅针对无眼眶创伤或先天性异常的患者，可能限制了结果的普适性	评估AI在眼眶区域分割中的准确性和时间效率	349名19岁及以上接受三维面部CT扫描的患者	数字病理	NA	3DCT扫描	深度学习	3DCT图像	349名患者（178名用于训练，171名用于验证）