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
1021	2025-10-07	A new diagnostic method and tool for cutaneous leishmaniasis based on artificial intelligence techniques 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110313 PMID:40359677	研究论文	开发基于人工智能技术的皮肤利什曼病诊断方法和工具	首次将YOLOv8深度学习模型应用于皮肤利什曼病寄生虫的显微镜图像检测，并开发了移动端应用	研究数据仅来自单一机构（阿尔及利亚巴斯德研究所M'sila分院），需要更多样化的数据集验证	开发快速、高效、精确的皮肤利什曼病诊断工具	皮肤利什曼病寄生虫（利什曼原虫）	计算机视觉	皮肤利什曼病	显微镜成像	YOLO	图像	来自阿尔及利亚巴斯德研究所M'sila分院的显微镜图像数据集	NA	YOLOv8	准确率	NA
1022	2025-10-07	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	本文提出一种通过文档维度扩展检测自杀意念的方法，将文本数据从一维转换到二维空间以提升分类性能	通过将文本数据从1D扩展到2D空间，使预训练的2D CNN模型能够直接应用于非正式文本分类，同时保护隐私和增强可解释性	NA	开发一种准确安全的非正式文档分类方法，特别针对心理健康相关内容的检测	社交媒体帖子中的非正式文档	自然语言处理	心理健康障碍	文本维度扩展，数据融合	CNN	文本，表情符号	NA	NA	AlexNet, ResNet-50, VGG-16	准确率	NA
1023	2025-10-07	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	提出一种基于深度学习形变配准的骨盆螺钉通道自动规划算法，用于骨盆创伤手术中的螺钉固定	引入通道安全范围约束提升搜索效率；应用深度学习形变配准实现螺钉出入口区域和安全范围自动标注；开发基于向量直径计算的高效最优通道搜索算法	目前仅在完整骨盆上验证，骨盆骨折场景需进一步研究	开发自动化的骨盆螺钉通道规划算法，简化骨盆创伤手术中的螺钉固定操作	完整骨盆的螺钉通道规划	医学影像分析	骨盆创伤	深度学习形变配准	深度学习	医学影像数据	198个完整骨盆	NA	形变配准网络	通道直径增加百分比，计算时间	NA
1024	2025-10-07	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	提出一种通过将显著性分数集成到损失函数中来提高皮肤病变分类性能的方法	将可解释人工智能(XAI)方法的显著性分数直接集成到损失函数中，创建针对不同XAI方法的定制损失函数	NA	提高皮肤病变分类的性能和模型可解释性	皮肤病变图像	计算机视觉	皮肤疾病	深度学习	CNN	图像	HAM10000和PH2数据集	NA	Inception-ResNet-v2, EfficientNet-B3, ResNeXt	准确率	NA
1025	2025-10-07	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	研究论文	提出一种基于贝叶斯优化的两阶段超参数优化方法，用于头颈部肿瘤三维医学图像分割	提出两阶段贝叶斯优化调度方法，将批大小与学习率耦合为B2L比率进行联合优化	NA	优化深度学习模型超参数以提升头颈部肿瘤分割性能	头颈部癌组织和正常组织的三维医学图像分割	计算机视觉	头颈部肿瘤	CT扫描，PET扫描	CNN	三维医学图像	NA	NA	V-Net	10折交叉验证	NA
1026	2025-10-07	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	研究论文	提出用于无标记细胞分类的最大基准数据集LIVECell-CLS，并开发基于连接组启发的可解释模型	创建最大无标记细胞分类数据集，提出受线虫连接组启发的张量网络模块提升分类性能	NA	开发准确且可泛化的无标记细胞分类深度学习方法	8种不同细胞系的细胞图像	计算机视觉	NA	无标记细胞成像	CNN, Transformer, MLP-Mixer	图像	超过160万张图像	NA	ResNet, ViT, MLP-Mixer, Swin-Transformer, EfficientNetV2	准确率, F1分数	NA
1027	2025-10-07	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	研究论文	提出一种优化的混合注意力胶囊网络与三通路网络集成的方法，用于视网膜图像中的慢性疾病检测	结合了混合注意力机制的胶囊网络与三通路特征提取网络，并通过优化算法提升分类器性能	未明确说明模型的计算复杂度、泛化能力以及在临床环境中的验证情况	开发优化的深度学习系统用于视网膜图像中的慢性疾病检测，解决现有方法的过拟合和计算成本等问题	视网膜图像中的慢性疾病	计算机视觉	慢性疾病	HSI色彩转换，图像归一化	CNN, Transformer, Capsule Network	视网膜图像	使用Diabetic Retinopathy 224×224 (2019 Data)和APTOS-2019两个数据集	NA	Inception-V3, ResNet-152, Conv-ViT, Hybrid Attention-based Capsule Network	准确率	NA
1028	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	NA	NA	NA	NA
1029	2025-10-07	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	提出一种基于条件去噪扩散概率模型的CBCT图像质量改进方法，用于提高盆腔区域放疗中的图像质量	首次将条件去噪扩散概率模型应用于CBCT图像质量改进，通过伪CBCT作为条件输入生成高质量合成CT	研究仅针对盆腔区域，未验证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的临床应用	盆腔区域CBCT图像，包括结肠、前列腺和膀胱等器官	医学影像处理	前列腺癌	锥形束计算机断层扫描(CBCT)	条件去噪扩散概率模型(CDDPM)	医学影像	NA	NA	条件去噪扩散概率模型	平均绝对误差(MAE), 峰值信噪比(PSNR), Dice系数, Jaccard系数, 剂量误差, Gamma通过率	NA
1030	2025-10-07	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	开发并评估了一种基于深度学习的铜-64 PET成像衰减和散射校正方法	提出无需CT扫描的深度学习校正方法，通过迁移学习在有限铜基PET数据上实现有效校正	训练数据集规模有限，仅使用15个铜基PET图像进行微调	开发铜-64 PET成像的衰减和散射校正深度学习模型	铜-64 PET全身扫描图像	医学影像处理	NA	PET成像，深度学习	深度学习	医学影像	15个铜基PET图像用于训练，6个用于测试（包含1小时、12小时、48小时三个时间点各2个）	MONAI	swinUNETR	MSE, PSNR, SSIM	NA
1031	2025-10-07	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	本研究探索使用自监督学习进行可解释的心脏超声分析，通过生成称为“parcels”的自分割输出来识别心脏的解剖子区域	将改进的STEGO网络与DINO骨干模型结合，在多样化医疗和非医疗数据上预训练，生成可解释的自学习心脏解剖分区	需要大量无标签数据进行自监督预训练，模型性能依赖于预训练数据的多样性和质量	解决医学影像中标注数据稀缺问题，提高心脏成像分析的可解释性和鲁棒性	心脏超声图像序列和不同患者群体的心脏解剖结构	医学影像分析	心力衰竭	超声心动图	Transformer, 自监督学习	超声图像序列	大型无标签数据集和公开可用数据集	PyTorch	STEGO, DINO	可解释性, 鲁棒性, 适应性	NA
1032	2025-10-07	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多种应用及其对个性化医疗的影响	系统性地探讨了AI在骨活检中从影像组学到生成模型的多种技术应用，并首次整合了相关开源工具资源	存在技术局限性、健康公平性、泛化能力、部署问题和报销挑战等现实障碍	探索人工智能如何革新骨活检技术并推动个性化医疗发展	骨肿瘤（原发性和继发性）的影像引导活检和标本处理	数字病理	骨肿瘤	影像组学, 传统机器学习, 深度学习, 生成模型	NA	医学影像, 病理图像	NA	NA	NA	诊断准确性, 活检安全性, 靶向精确性	NA
1033	2025-10-07	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	提出一种结合深度学习和基因组最佳线性无偏预测的混合模型，用于识别性状间的非线性遗传关系	首次将深度学习与GBLUP结合，能够检测和建模性状间的非线性遗传关系	在真实奶牛数据集上未观察到预测准确性的显著提升	改进多性状基因组预测方法，捕捉性状间的非线性遗传关系	法国荷斯坦奶牛群体的繁殖和生产性状	机器学习	NA	基因组预测	深度学习, GBLUP	基因组数据, 表型数据	模拟数据和法国荷斯坦奶牛真实数据集	NA	深度学习神经网络	预测准确性, 遗传进展	NA
1034	2025-10-07	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	提出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，结合领域对抗和主动学习策略，仅需每类四个新样本即可完成校准	仅在猴子实验中验证，尚未在人类受试者中测试	减少脑机接口解码器重新校准所需时间和数据量	三只猴子执行不同运动任务时记录的神经信号	机器学习	NA	神经信号记录	深度迁移学习,领域对抗神经网络,主动学习	神经信号数据	三只猴子的神经信号数据，每类仅需四个新样本	NA	AL-DANN（主动学习领域对抗神经网络）	解码性能，重新校准时间减少百分比	NA
1035	2025-10-07	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	提出基于联邦学习的多中心脑部MRI-to-CT合成框架FedSynthCT-Brain	首次将联邦学习应用于脑部MRI-to-CT合成任务，采用跨机构横向联邦学习方法	仅在四个欧美中心的真实多中心数据上验证，样本量相对有限	开发能够保护数据隐私的多中心脑部MRI-to-CT合成方法	脑部医学影像数据	医学影像分析	脑部疾病	磁共振成像(MRI), 计算机断层扫描(CT)	深度学习	医学影像	4个欧美中心的患者数据，包含23名独立测试患者	联邦学习框架	U-Net	平均绝对误差(MAE), 结构相似性指数(SSIM), 峰值信噪比(PSNR)	NA
1036	2025-10-07	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	研究论文	提出一种基于双层LSTM架构的自适应阈值模型，用于通过皮肤电信号实时检测驾驶员 drowsiness	开发了双层LSTM架构来动态计算 tonic 和 phasic 响应的阈值，有效解决个体差异和信号失真问题	NA	提高驾驶员 drowsiness 检测的准确性和实时性	专业驾驶员在高速公路、城市区域以及不同天气条件下的皮肤电信号	机器学习	NA	皮肤电信号采集	LSTM	生理信号	NA	NA	双层LSTM	准确率, AUC-ROC, F1-score	NA
1037	2025-10-07	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	本文介绍了一个用于妊娠期糖尿病智能风险预测的大规模非侵入性体成分数据集GDM-BC	提出了首个大规模非侵入性体成分数据集，为GDM预测提供了新视角；开发了表现最佳的RAFNet模型	未明确说明模型在其他人群中的泛化能力，也未详细讨论数据采集的具体标准化流程	开发基于非侵入性体成分数据的妊娠期糖尿病智能风险预测方法	39,438名孕妇，其中7,777名(19.7%)被诊断为妊娠期糖尿病	机器学习	妊娠期糖尿病	体成分测量	深度学习,传统机器学习	体成分数据	39,438名孕妇	NA	Residual Attention Fully Connected Network (RAFNet)	AUC	NA
1038	2025-10-07	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	本研究开发了一种结合深度学习和优化MRI协议的创新方法，用于多发性硬化病灶的精确分类和分层	提出了专门针对高分辨率T2加权成像的CNN架构，整合了空间和通道双重注意力机制，并采用深度学习重建技术增强特征提取能力	研究主要依赖公开数据集，未在更广泛的临床环境中进行验证	提高多发性硬化病灶分类和分层的精确度，特别是在传统MRI难以检测的皮质灰质和脑干区域	多发性硬化患者的MRI影像数据	医学影像分析	多发性硬化	磁共振成像，深度学习重建	CNN	MRI影像	四个公开数据集	NA	整合空间和通道注意力机制的卷积神经网络	精确度, 灵敏度, 特异性, AUC	NA
1039	2025-10-07	Faster R-CNN approach for estimating global QRS duration in electrocardiograms with a limited quantity of annotated data 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110200 PMID:40286493	研究论文	提出一种基于Faster R-CNN的深度学习方法，使用有限标注数据实现心电图全局QRS时程的自动估计	通过将心电信号转换为人工图像并利用目标检测模型，在少量标注数据下实现高精度QRS时程估计	仅使用258条12导联心电图记录，数据规模有限	开发在有限标注数据下准确估计心电图QRS时程的深度学习方法	心力衰竭门诊患者的心电图记录	计算机视觉	心血管疾病	心电图分析	Faster R-CNN	图像	258条12导联10秒数字心电图记录，来自140名独特患者	NA	Faster R-CNN, VGG-16, VGG-19, RESNET-18	均方根误差, 平均绝对误差	NA
1040	2025-10-07	Benchmarking HEp-2 cell segmentation methods in indirect immunofluorescence images - standard models to deep learning 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110150 PMID:40288291	研究论文	本论文系统评估了HEp-2细胞图像分割方法，从传统图像处理到深度学习模型	首次对HEp-2细胞分割方法进行全面基准测试，包括17个未预训练CNN模型和8个ImageNet预训练CNN模型，并探索了领域特定预训练和GAN框架的应用	GAN分割实验因数据限制和对抗训练不稳定性导致性能下降	为自身免疫疾病检测提供准确的HEp-2细胞分割方法基准	间接免疫荧光染色的HEp-2细胞图像	计算机视觉	自身免疫疾病	间接免疫荧光成像	CNN, GAN, Transformer	医学图像	I3A数据集	PyTorch, TensorFlow	Pix2Pix, 多种CNN架构	Dice系数, IOU, 准确率, 精确率, 灵敏度, 特异性, AU-ROC, AU-PR	NA