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
61	2025-05-27	Suicide ideation detection based on documents dimensionality expansion 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110266 PMID:40367624	研究论文	本文提出了一种基于文档维度扩展的自杀意念检测方法，通过将文本数据和符号从一维空间转换并融合到二维空间，利用预训练的2D CNN模型对社交媒体帖子进行分类	通过将文本数据从1D扩展到2D空间，利用预训练的2D CNN模型（如AlexNet、Restnet-50和VGG-16）进行分类，避免了从头设计和训练新模型的需求，同时提高了分类准确性和数据隐私保护	未提及该方法在不同语言或文化背景下的适用性，以及处理更复杂或多样化非标准输入的能力	开发一种准确且安全的方法，用于分类与心理健康障碍相关的非正式文档	社交媒体帖子	自然语言处理	心理健康障碍	2D CNN模型	AlexNet, Restnet-50, VGG-16	文本和符号	NA
62	2025-05-27	The automatic pelvic screw corridor planning for intact pelvises based on deep learning deformable registration 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110304 PMID:40367630	研究论文	本文提出了一种基于深度学习可变形配准技术的骨盆螺钉通道自动规划算法，用于骨盆创伤手术中的经皮螺钉固定技术	1) 引入通道安全范围约束以提高搜索效率；2) 应用深度学习可变形配准技术自动标注螺钉入口和出口区域及通道安全范围；3) 开发了一种高效的最优通道搜索算法，无需遍历入口和出口区域，通过基于向量的直径计算方法提高效率	当前方法仅在完整骨盆上验证，骨盆骨折场景需要进一步研究	提高骨盆创伤手术中经皮螺钉固定技术的效率和准确性	骨盆螺钉通道	数字病理	骨盆创伤	深度学习可变形配准技术	深度学习	医学影像	198个完整骨盆
63	2025-05-27	Local mean suppression filter for effective background identification in fluorescence images 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110296 PMID:40375425	research paper	提出了一种易于使用的非线性滤波器，用于在荧光显微镜图像中有效识别背景，特别适用于前景密集且对比度低的图像	基于像素强度与局部邻域平均强度的比较进行像素级滤波，通过变化邻域大小生成多个标签并累积以决定最终像素标签	未明确提及具体性能限制或适用场景限制	开发一种有效的背景识别方法以提升荧光显微镜图像处理效果	荧光显微镜图像	digital pathology	NA	非线性滤波	NA	image	NA
64	2025-05-27	Improving skin lesion classification through saliency-guided loss functions 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110299 PMID:40375427	研究论文	提出了一种通过将显著性分数直接整合到损失函数中来提高深度学习分类器性能的有效方法	通过整合显著性分数到损失函数中，不仅提升了模型性能，还增强了模型预测的可解释性	未提及	提高皮肤病变分类的性能和模型预测的可解释性	皮肤病变图像	计算机视觉	皮肤病变	深度学习	Inception-ResNet-v2, EfficientNet-B3, ResNeXt	图像	HAM10000和PH2数据集
65	2025-05-27	QRS-centric beat-wise atrial fibrillation detection in ECG signals using deep neural networks 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110282 PMID:40378565	research paper	提出了一种基于深度学习的逐搏心房颤动（AF）检测方法，用于心电图（ECG）信号分析	采用QRS中心的自适应搏动分割方法，结合CNN和双向LSTM网络，实现了高精度的逐搏AF检测	未提及模型在噪声环境下的鲁棒性测试	提高心房颤动的早期检测精度，实现逐搏级别的心律失常识别	心电图信号中的心房颤动搏动	digital pathology	cardiovascular disease	ECG信号分析	CNN + bidirectional LSTM	ECG信号	MIT-BIH心律失常数据库、MIT-BIH心房颤动数据库、MIMIC-III和Simband数据集
66	2025-05-27	Automatic head and neck tumor segmentation through deep learning and Bayesian optimization on three-dimensional medical images 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110309 PMID:40378562	research paper	该研究提出了一种基于深度学习和贝叶斯优化的两阶段方法，用于三维医学图像中头颈部肿瘤的自动分割	提出两阶段贝叶斯优化调度（BOS）方法用于超参数优化，并引入批量大小与学习率（B2L）比率同时优化这两个关键参数	研究仅针对头颈部肿瘤，未验证在其他类型肿瘤或医学图像上的适用性	提高三维医学图像中头颈部肿瘤分割的准确性和效率	头颈部肿瘤的CT和PET扫描图像	digital pathology	head and neck cancer	deep learning, Bayesian optimization	3D V-Net	3D medical images (CT and PET scans)	NA
67	2025-05-27	Advancing label-free cell classification with connectome-inspired explainable models and a novel LIVECell-CLS dataset 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110274 PMID:40381472	research paper	该研究提出了一个名为LIVECell-CLS的新型无标记细胞分类基准数据集，并比较了16种深度学习模型的性能，同时提出了一种基于C.elegans连接组启发的模块来改进分类性能	提出了最大的无标记细胞分类数据集LIVECell-CLS，并引入了一种基于C.elegans连接组启发的Tensor Network变体来提升模型性能	研究中使用的数据集虽然庞大，但仅包含8种细胞系，可能限制了模型的泛化能力	开发准确且可推广的无标记细胞分类模型	无标记细胞图像	digital pathology	NA	深度学习	ResNets, ViTs, MLP-Mixers, Swin-Transformers, EfficientNetV2	image	超过160万张图像，涵盖8种不同的细胞系
68	2025-05-27	Exploring interpretable echo analysis using self-supervised parcels 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110322 PMID:40383057	研究论文	探索使用自监督学习进行可解释的心脏超声分析，以提高患者护理和治疗计划	利用自监督学习在无标签数据上发现特征，生成可解释的心脏解剖子区域分割，提高模型的稳健性和可解释性	需要大量无标签数据进行预训练，且依赖公开数据集的可用性	解决医学影像中标签数据稀缺的问题，提升心脏影像分析的效率和可解释性	心脏超声影像	医学影像分析	心血管疾病	自监督学习	Transformer (STEGO网络) 和 DINO	影像	大量无标签数据集和公开数据集
69	2025-05-27	Optimised Hybrid Attention-Based Capsule Network Integrated Three-Pathway Network for Chronic Disease Detection in Retinal Images 2025-Jun, Journal of evaluation in clinical practice IF:2.1Q2 DOI:10.1111/jep.70126 PMID:40415584	research paper	该研究提出了一种优化的深度学习系统，用于检测视网膜图像中的慢性疾病，并解决现有问题	结合优化的混合注意力胶囊网络和三通路网络，提高了慢性疾病检测的准确性和效率	可能存在计算成本高和过拟合的问题	开发一种优化的深度学习系统，用于检测视网膜图像中的慢性疾病	视网膜图像	digital pathology	chronic disease	Normalization, HSI Colour Conversion	Inception-V3, ResNet-152, Conv-ViT, Hybrid Attention-based Capsule Network	image	Diabetic Retinopathy 224×224 (2019 Data) 和 APTOS-2019 数据集
70	2024-09-19	Reply to: "Enhancing diagnostic accuracy for primary bone tumors: The role of expert histological analysis and AI-driven deep learning models" 2025-Jun, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2024.108670 PMID:39289050	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
71	2025-05-26	Cone-beam computed tomography (CBCT) image-quality improvement using a denoising diffusion probabilistic model conditioned by pseudo-CBCT of pelvic regions 2025-Jun, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-025-00892-4 PMID:40035984	研究论文	使用条件去噪扩散概率模型（CDDPM）改进盆腔区域的锥形束计算机断层扫描（CBCT）图像质量	提出了一种基于CDDPM的方法，通过将伪散射添加到计划CT生成的伪CBCT来训练模型，从而将CBCT转换为高质量合成CT（sCT），显著提高了HU准确性和解剖结构保留	研究仅针对盆腔区域，未验证在其他身体部位的适用性	提高CBCT图像质量以促进自适应放射治疗（ART）的应用	盆腔区域的CBCT图像	医学影像处理	前列腺癌	条件去噪扩散概率模型（CDDPM）	CDDPM	医学影像（CBCT和CT）	未明确提及样本数量，但涉及结肠、前列腺和膀胱等器官的评估
72	2025-05-26	A CT-free deep-learning-based attenuation and scatter correction for copper-64 PET in different time-point scans 2025-Jun, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-025-00905-2 PMID:40261572	研究论文	本研究开发并评估了一种基于深度学习的全身64Cu PET成像中的衰减和散射校正模型	使用swinUNETR模型和迁移学习技术，在有限的Cu基PET图像数据集上实现了有效的衰减和散射校正	训练数据集规模有限，可能影响模型的泛化能力	开发无需CT的深度学习方法来校正64Cu PET成像中的衰减和散射效应	64Cu基PET成像数据	医学影像分析	NA	深度学习，迁移学习	swinUNETR	医学影像(PET-CT图像)	15张Cu基PET图像用于训练，6张用于测试(包含1小时、12小时和48小时三个时间点各2张)
73	2025-05-25	Revolutionising osseous biopsy: the impact of artificial intelligence in the era of personalized medicine 2025-Jun-01, The British journal of radiology DOI:10.1093/bjr/tqaf018 PMID:39878877	综述	本文综述了人工智能在骨肿瘤活检中的应用及其对个性化医疗的影响	探讨了AI在骨活检中的多种应用，包括提高诊断准确性、改善活检安全性及更精确的病灶定位，并讨论了相关伦理问题和技术限制	涉及AI在骨活检中的技术限制、健康公平性、泛化性、部署问题及报销挑战	探讨人工智能在骨肿瘤活检中的应用及其对个性化医疗的贡献	骨肿瘤（原发性和继发性）的活检及样本处理	数字病理学	骨肿瘤	传统机器学习、深度学习、放射组学、模拟和生成模型	NA	图像	NA
74	2025-05-25	Deep learning and genomic best linear unbiased prediction integration: An approach to identify potential nonlinear genetic relationships between traits 2025-Jun, Journal of dairy science IF:3.7Q2 DOI:10.3168/jds.2024-26057 PMID:40252763	研究论文	提出了一种结合深度学习和基因组最佳线性无偏预测（GBLUP）的混合模型（DLGBLUP），用于识别性状间潜在的非线性遗传关系	首次将深度学习与GBLUP结合，能够识别性状间的非线性遗传关系，为多性状评估提供了新视角	在法国荷斯坦奶牛群体的实际数据中，虽然检测到非线性关系，但预测准确性未显著提高	改进基因组预测方法，识别性状间的非线性遗传关系以提高育种值预测准确性	模拟数据和法国荷斯坦奶牛群体的实际数据	机器学习	NA	深度学习，GBLUP	DLGBLUP（深度学习与GBLUP结合的混合模型）	基因组数据	模拟数据和法国荷斯坦奶牛群体的实际数据（具体样本量未提及）
75	2025-05-25	Deep transfer learning-based decoder calibration for intracortical brain-machine interfaces 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110231 PMID:40262392	研究论文	本文提出了一种基于深度迁移学习的解码器校准方法，用于解决脑机接口中神经信号非平稳性导致的频繁重新校准问题	首次将深度迁移学习应用于脑机接口解码器校准，提出了结合领域对抗和主动学习策略的AL-DANN模型	仅在猴子实验数据上进行了验证，尚未在人类数据上测试	减少脑机接口解码器重新校准所需的时间和数据量	脑机接口系统中的解码器	机器学习	NA	深度迁移学习	AL-DANN (领域对抗神经网络结合主动学习)	神经信号数据	三只猴子在不同运动任务中记录的神经信号数据
76	2025-05-25	FedSynthCT-Brain: A federated learning framework for multi-institutional brain MRI-to-CT synthesis 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110160 PMID:40267535	研究论文	本文介绍了一种基于联邦学习的多机构脑部MRI到CT合成框架FedSynthCT-Brain，旨在解决单中心训练数据集泛化能力不足和隐私问题	首次将联邦学习应用于MRI到合成CT的转换，采用跨机构水平联邦学习方法，允许多个中心协作训练U-Net模型	仅在4个欧美中心的数据上进行验证，样本量相对有限	提高MRI到合成CT转换的泛化能力，同时保护数据隐私	脑部MRI和CT图像	数字病理	NA	联邦学习(FL)	U-Net	医学影像(MRI和CT)	23名患者的数据进行测试，来自4个欧美中心
77	2025-05-25	Advances in EEG-based detection of Major Depressive Disorder using shallow and deep learning techniques: A systematic review 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110154 PMID:40273818	系统综述	本文系统综述了基于EEG的重度抑郁症（MDD）检测中浅层和深度学习技术的进展	探讨了EEG特征通过AI技术分析在MDD诊断中的应用，并识别了潜在的生物标志物	需要进一步研究以增强EEG指标在MDD背景下的可解释性	促进对MDD神经机制的理解，并识别其诊断的潜在生物标志物	重度抑郁症（MDD）患者和健康对照者	机器学习	抑郁症	EEG, AI	浅层和深度学习	EEG信号	22项研究
78	2025-05-25	Deep-ATM DL-LSTM: A novel adaptive thresholding model with dual-layer LSTM architecture for real-time driver drowsiness detection using skin conductance signals 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110243 PMID:40273820	research paper	提出了一种基于深度学习的自适应阈值模型Deep-ATM DL-LSTM，用于实时检测驾驶员困倦状态，通过皮肤电导信号动态调整阈值	采用双层LSTM架构处理皮肤电导信号的紧张性和相位性响应，动态计算阈值，有效解决信号噪声和个体差异问题	NA	提高驾驶员困倦检测的准确性和实时性，减少因困倦导致的交通事故	驾驶员的皮肤电导信号	machine learning	NA	皮肤电导信号分析	LSTM	生理信号	专业驾驶员在高速公路、城市区域、白天和夜晚以及雨雪环境下的测试数据
79	2025-05-25	GDM-BC: Non-invasive body composition dataset for intelligent prediction of Gestational Diabetes Mellitus 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110176 PMID:40273822	研究论文	介绍了一个名为GDM-BC的大规模非侵入性身体成分数据集，用于智能预测妊娠期糖尿病（GDM）的风险	提出了一个包含大量非侵入性身体成分指标的数据集，并使用Residual Attention Fully Connected Network (RAFNet)模型在预测GDM方面取得了最佳性能（AUC为0.920）	数据集虽然规模大，但仅包含39,438名孕妇，且GDM诊断率为19.7%，可能无法代表所有人群	开发一种准确且经济高效的GDM预测方法，以降低该疾病的风险和经济压力	39,438名孕妇，其中7,777名被诊断为GDM	机器学习	妊娠期糖尿病	非侵入性身体成分测量	RAFNet, 传统机器学习方法, 深度学习方法	身体成分数据	39,438名孕妇
80	2025-05-25	Deep learning for multiple sclerosis lesion classification and stratification using MRI 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110078 PMID:40279977	研究论文	该研究提出了一种基于深度学习的MRI方法，用于提高多发性硬化症(MS)病灶分类和分层的精确度	结合了深度学习重建技术和双注意力机制，改进了特征提取，特别是在皮质灰质和脑干等难以诊断的区域	NA	提高多发性硬化症病灶分类和分层的精确度	多发性硬化症(MS)患者的MRI图像	数字病理学	多发性硬化症	高分辨率T2加权成像(T2WI)和深度学习重建(DLR)	CNN	MRI图像	四个公开数据集