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
421	2025-04-29	A new lightweight deep learning model optimized with pruning and dynamic quantization to detect freezing gait on wearable devices 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110138 PMID:40245688	research paper	提出一种新型轻量级深度学习模型，结合剪枝和动态量化技术，用于在可穿戴设备上实时检测帕金森病患者的冻结步态	结合卷积神经网络和门控循环单元，引入残差注意力和高效通道注意力机制，并采用创新的特征选择方法优化模型	模型在资源受限的可穿戴设备上的实际部署效果需进一步验证	开发高精度且轻量化的冻结步态检测系统，用于帕金森病患者的实时监控	帕金森病患者的冻结步态	machine learning	Parkinson's disease	pruning, dynamic quantization	CNN, GRU	sensor data	NA
422	2025-04-29	Machine learning predictions of tumor progression: How reliable are we? 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110156 PMID:40245687	综述	本文综述了机器学习在肿瘤进展预测中的应用及其可靠性	深入分析了机器学习在肿瘤微环境、遗传数据、组织病理学数据和放射学数据中的应用，并提出了提高模型稳健性和临床适用性的策略	机器学习模型的可靠性和准确性限制了其在临床中的整合	评估机器学习在肿瘤进展预测中的可靠性，并探讨其在临床肿瘤学中的应用潜力	87篇关于机器学习在肿瘤进展建模、诊断或预后中应用的论文	机器学习	癌症	监督学习方法（如支持向量机和随机森林）以及深度学习	支持向量机、随机森林、深度学习	遗传数据、组织病理学数据、放射学数据	87篇论文
423	2025-04-29	Explainable deep stacking ensemble model for accurate and transparent brain tumor diagnosis 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110166 PMID:40249992	research paper	提出了一种可解释的深度学习堆叠集成模型，用于准确和透明地诊断脑肿瘤	结合了EfficientNetB0、MobileNetV2、GoogleNet和多级CapsuleNet，使用CatBoost作为元学习器，提高了特征聚合和分类准确性，同时增强了模型的鲁棒性和可解释性	尽管模型性能优越，但可能仍受限于数据集多样性和类别不平衡问题	提高脑肿瘤在MRI图像中的早期检测准确性和可解释性	MRI图像中的脑肿瘤	digital pathology	brain tumor	Borderline-SMOTE、数据增强、PCA、Gray Wolf Optimization (GWO)	stacking ensemble model (EfficientNetB0, MobileNetV2, GoogleNet, Multi-level CapsuleNet, CatBoost)	image	两个大型MRI数据集（合并自BraTS、Msoud、Br35H和SARTAJ四个来源）
424	2025-04-29	Automated engineered-stone silicosis screening and staging using Deep Learning with X-rays 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110153 PMID:40252290	研究论文	本研究探讨了深度学习技术在利用胸部X光图像自动筛查和分期矽肺病中的有效性	采用深度学习模型自动筛查和分期矽肺病，特别是在早期阶段表现出高准确率	在区分简单矽肺和进展性大块纤维化时存在一定困难，尤其在过渡期评估时主观性较强	提高矽肺病的诊断准确性和效率，开发临床决策支持工具	暴露于人工石英聚集体的工人	数字病理学	矽肺病	深度学习	CNN	图像	从暴露于人工石英聚集体的工人医疗记录中获取的综合数据集
425	2025-04-29	Enhancing robustness and generalization in microbiological few-shot detection through synthetic data generation and contrastive learning 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110141 PMID:40253923	研究论文	提出一种结合生成数据增强和少样本检测的新方法，用于微生物检测任务	使用扩散模型生成合成细菌菌落数据，并结合解耦特征分类策略，显著提升少样本场景下的检测性能	仅使用25张真实图像进行训练，可能在某些极端情况下泛化能力有限	解决微生物菌落检测中训练数据不足的问题	琼脂培养皿中的微生物菌落	计算机视觉	NA	扩散模型生成数据增强，对比学习	扩散模型，前馈神经网络	图像	25张真实琼脂培养皿图像
426	2025-04-29	Sharper insights: Adaptive ellipse-template for robust fovea localization in challenging retinal landscapes 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110125 PMID:40258324	研究论文	本文提出了一种基于自适应椭圆模板的新方法，用于在具有挑战性的视网膜图像中准确定位中央凹	与传统固定模板模型不同，该方法根据视盘直径动态调整椭圆参数，确保模板的通用性和适应性	NA	提高在复杂条件下视网膜图像中中央凹定位的准确性和鲁棒性	视网膜图像中的中央凹	数字病理学	糖尿病视网膜病变	数学建模	自适应椭圆模板	图像	十个公开数据库（MESSIDOR、DRIVE、DIARETDB0、DIARETDB1、HRF、IDRiD、HEIMED、ROC、GEI、NETRALAYA）
427	2025-04-29	Prediction of mammographic breast density based on clinical breast ultrasound images using deep learning: a retrospective analysis 2025-Jun, Lancet regional health. Americas DOI:10.1016/j.lana.2025.101096 PMID:40290129	research paper	该研究利用深度学习从临床乳腺超声图像预测乳腺密度，并与传统方法进行比较	首次使用AI从乳腺超声图像预测BI-RADS乳腺密度类别，为乳腺超声在乳腺癌风险评估中的应用提供了新方法	研究为回顾性分析，可能存在选择偏差，且仅来自三个机构的数据	探索AI在从乳腺超声图像预测BI-RADS乳腺密度类别中的应用	临床乳腺超声图像	digital pathology	breast cancer	deep learning, machine learning	AI model	image	14,066名女性的405,120张临床乳腺超声图像
428	2025-04-29	GINClus: RNA structural motif clustering using graph isomorphism network 2025-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf050 PMID:40290315	研究论文	提出了一种名为GINClus的RNA结构基序聚类工具，利用半监督深度学习模型基于碱基相互作用和3D结构相似性对RNA基序候选进行聚类	首次将图同构网络(GIN)模型与k均值和层次凝聚聚类结合，用于RNA结构基序的聚类分析，并发现了12个新的RNA结构基序家族	未提及该方法在不同类型RNA基序上的泛化性能	开发自动化工具解决RNA结构基序识别和分类的难题	RNA环区域的结构基序	生物信息学	NA	图同构网络(GIN), k均值聚类, 层次凝聚聚类	GIN	RNA 3D结构数据	成功聚类了927个已知基序家族新实例和12个新发现的基序家族
429	2025-04-29	Enhanced electrocardiogram classification using Gramian angular field transformation with multi-lead analysis and segmentation techniques 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103297 PMID:40292189	研究论文	本研究探讨了将1D ECG信号转换为2D Gramian Angular Field (GAF)图像以提高四种ECG分类的潜力	使用GAF转换和多导联分析及分割技术提升ECG分类性能	5000×5000分辨率计算量大，256×256分辨率因细节丢失导致准确率下降	提高ECG分类的准确性和效率	心房颤动(AFib)、左心室肥厚(LVH)、右心室肥厚(RVH)和正常ECG	计算机视觉	心血管疾病	Gramian Angular Field (GAF)转换	ConvNext	图像	NA
430	2025-04-29	Enhanced bearing health indicator extraction using slope adaptive signal decomposition for predictive maintenance 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103310 PMID:40292192	研究论文	本研究介绍了一种名为斜率自适应信号分解（SASD）的新算法，用于从振动数据中提取增强的机器健康指标	提出了一种新的信号分解算法SASD，结合动态Savitzky-Golay滤波、分割和基于趋势的重新校准技术，实现了更好的噪声衰减和趋势保留	目前仅在PRONOSTIA平台的轴承数据集上进行验证，需要扩展到其他工业数据集以验证其普适性	开发一种改进的信号处理方法，用于预测性维护任务中的轴承健康监测和剩余使用寿命（RUL）估计	轴承振动数据	信号处理与预测性维护	NA	动态Savitzky-Golay滤波、信号分割、趋势重新校准	GRU, LSTM, 混合架构	振动信号数据	PRONOSTIA平台的轴承数据集
431	2025-04-27	Pediatric Electrocardiogram-Based Deep Learning to Predict Secundum Atrial Septal Defects 2025-Jun, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-024-03540-7 PMID:38953953	research paper	该研究利用深度学习技术分析儿童心电图，以预测继发孔型房间隔缺损（ASD2）	首次将人工智能增强的心电图分析应用于儿科人群，以检测ASD2	需要未来多中心验证和前瞻性试验来支持临床决策	开发一种经济有效的筛查工具，用于儿科患者中ASD2的检测	年龄≤18岁且无重大先天性心脏病的儿童	digital pathology	cardiovascular disease	深度学习	CNN	ECG-echocardiogram pairs	训练队列包含92,377对ECG-超声心动图（46,261名患者；中位年龄8.2岁），测试组包括内部测试（12,631名患者；中位年龄7.4岁）和急诊科（2,830名患者；中位年龄7.5岁）队列
432	2025-04-26	Deep learning-assisted cellular imaging for evaluating acrylamide toxicity through phenotypic changes 2025-Jun, Food and chemical toxicology : an international journal published for the British Industrial Biological Research Association IF:3.9Q1 DOI:10.1016/j.fct.2025.115401 PMID:40118138	研究论文	本研究开发了一种结合深度学习模型（U-Net和ResNet34）与细胞荧光成像的新方法，用于评估丙烯酰胺（AA）毒性引起的细胞表型变化	通过深度学习模型（U-Net和ResNet34）结合细胞荧光成像，实现了对丙烯酰胺毒性的高通量、准确评估，并建立了细胞表型与毒性之间的直接联系	未提及样本量的具体信息，且验证准确率为80%，仍有提升空间	评估丙烯酰胺（AA）毒性及其对细胞表型的影响	丙烯酰胺（AA）暴露下的细胞	数字病理学	NA	细胞荧光成像	U-Net和ResNet34	图像	NA
433	2025-04-26	Future prospects of deep learning in esophageal cancer diagnosis and clinical decision support (Review) 2025-Jun, Oncology letters IF:2.5Q3 DOI:10.3892/ol.2025.15039 PMID:40271007	review	本文综述了深度学习在食管癌诊断和临床决策支持中的应用前景	深度学习在提高早期食管癌病变检测、区分良恶性病变以及辅助癌症分期和预后方面显示出巨大潜力	面临图像质量差异、数据标注不足和泛化能力有限等挑战	探讨深度学习在食管癌诊断和临床决策支持中的应用	食管癌（EC）及其癌前病变（如Barrett食管）	digital pathology	esophageal cancer	endoscopic examination, pathological analysis, computed tomography	deep learning (DL)	medical images	NA
434	2025-04-26	A comprehensive Malabar Spinach dataset for diseases classification 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111532 PMID:40275977	研究论文	本研究致力于开发针对马拉巴尔菠菜病害的机器视觉算法，以提高病害检测的准确性	开发了专门针对马拉巴尔菠菜病害的机器视觉算法，并构建了一个包含健康和患病植株图像的全面数据集	研究仅限于马拉巴尔菠菜的特定病害，可能不适用于其他作物	提高马拉巴尔菠菜病害的检测准确性，以支持精准农业和有效的作物管理	马拉巴尔菠菜的病害检测	计算机视觉	植物病害	机器视觉	ResNet50	图像	包含健康和患病马拉巴尔菠菜植株图像的全面数据集
435	2025-04-25	Machine learning-based detection and quantification of red blood cells in Cholistani cattle: A pilot study 2025-Jun, Research in veterinary science IF:2.2Q1 DOI:10.1016/j.rvsc.2025.105650 PMID:40215610	研究论文	本研究首次使用机器学习检测和计数巴基斯坦Cholistani牛的正常和异常红细胞（RBCs），包括泪滴细胞和裂红细胞	首次在Cholistani牛中应用机器学习进行红细胞检测和计数，并比较了SVM模型与人工计数方法的效果	需要进一步改进以提升使用卷积神经网络或其他深度学习方法进行红细胞检测的准确性	探索机器学习在兽医血液学评估中的应用潜力	Cholistani牛的红细胞（包括正常红细胞、泪滴细胞和裂红细胞）	机器学习	NA	支持向量机（SVM）、主成分分析（PCA）	SVM	图像	预标注的血涂片图像数据集，随机分为训练集（80%）和测试集（20%）
436	2025-04-25	An Intelligent Model of Segmentation and Classification Using Enhanced Optimization-Based Attentive Mask RCNN and Recurrent MobileNet With LSTM for Multiple Sclerosis Types With Clinical Brain MRI 2025-Jun, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70036 PMID:40269999	研究论文	本文提出了一种基于深度学习的智能模型，用于通过临床脑部MRI扫描对多发性硬化症类型进行分割和分类	该模型的主要创新点在于将注意力机制和基于循环的深度学习应用于卷积网络，以分类疾病，并提出了一种优化算法来调整参数以提高性能	NA	开发一种深度学习系统，用于通过临床脑部MRI扫描对多发性硬化症类型进行分类	多发性硬化症（MS）的临床脑部MRI扫描图像	数字病理学	多发性硬化症	MRI	AA-MRCNN, RM-LSTM	图像	3427张图像
437	2025-04-24	Mitigating ambient RNA and doublets effects on single cell transcriptomics analysis in cancer research 2025-Jun-28, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2025.217693 PMID:40185305	research paper	该论文探讨了在癌症研究中如何减轻单细胞转录组学分析中环境RNA和双联体效应的影响	提出了使用计算方法和深度学习技术（如SoupX、DecontX和CellBender）来评估和消除环境RNA污染及背景噪声，提供了一种端到端的数据准备策略	未提及具体的技术局限性或数据集的限制	旨在提高单细胞转录组学数据的质量，以更准确地描述肿瘤微环境中的异质性，并促进精准肿瘤学的发展	单细胞转录组学数据	生物信息学	癌症	scRNA-seq, deep learning	NA	基因表达数据	NA
438	2025-04-24	SSAT-Swin: Deep Learning-Based Spinal Ultrasound Feature Segmentation for Scoliosis Using Self-Supervised Swin Transformer 2025-06, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.02.013 PMID:40082183	research paper	提出了一种基于自监督Swin Transformer的深度学习模型SSAT-Swin，用于脊柱超声图像特征分割以诊断脊柱侧弯	结合边界增强模块和通道注意力模块，并采用自监督代理任务进行预训练，提高了超声图像分割的准确性	仅使用了1170张图像进行预训练和109张图像-标签对进行微调，样本量相对有限	提高脊柱侧弯超声图像分割的准确性，以辅助诊断	脊柱侧弯患者的超声图像	computer vision	脊柱侧弯	自监督学习	Swin Transformer	超声图像	预训练1170张图像，微调109张图像-标签对
439	2025-04-24	Brain tumor segmentation with deep learning: Current approaches and future perspectives 2025-Jun, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110424 PMID:40122469	综述	本文系统回顾了基于深度学习的脑肿瘤分割技术，特别关注网络架构设计	全面比较了不同深度学习方法在脑肿瘤分割中的性能，并探讨了U-Net架构的迭代改进及其在医学图像分割中的潜力	主要基于BraTS数据集进行评估，可能无法完全代表所有临床场景	评估自动脑肿瘤分割技术的现状并展望未来研究方向	脑肿瘤MRI图像	数字病理学	脑肿瘤	MRI成像	CNN, U-Net, Transformer	医学影像	主要基于BraTS数据集（具体数量未提及）
440	2025-04-24	Exploring emotional climate recognition in peer conversations through bispectral features and affect dynamics 2025-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108695 PMID:40138858	研究论文	该研究提出了一种名为MLBispec的新方法，用于通过语音信号识别对话中的情感氛围（EC）	MLBispec方法结合了时间窗口双谱分析和情感动态特征，提高了情感识别的准确性	研究未提及在嘈杂环境下的性能表现，且跨语言实验的泛化能力有待进一步验证	探索并提高人工智能在对话中情感氛围识别的能力	对话中的语音信号和情感标注	自然语言处理	NA	双谱分析，机器学习分类器	ML	语音信号	IEMOCAP、K-EmoCon和SEWA开放数据集