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
1041	2025-10-07	Explainable AI for sharp injury identification using transfer learning with pre-trained deep neural networks 2025-Jun, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112476 PMID:40300435	研究论文	本研究开发了一种基于迁移学习的可解释AI方法，用于自动识别和分类锐器伤	首次将预训练深度神经网络应用于法医锐器伤分类，并通过类激活映射技术提供模型解释性	对砍伤的分类准确率较低，样本量不平衡可能影响模型性能	开发AI方法支持法医损伤分类和识别	锐器伤图像（刺伤、砍伤、割伤）	计算机视觉	创伤	深度学习，迁移学习	CNN	图像	1161张训练图像（刺伤723，砍伤314，割伤124）+ 212张外部测试图像	NA	ResNet50, GoogLeNet, ShuffleNet-V2	准确率, 精确率, 召回率, F1分数, 分类时间	NA
1042	2025-10-07	Comparative analysis of deep learning models for predicting biocompatibility in tissue scaffold images 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110281 PMID:40306018	研究论文	本研究比较了人工神经网络和卷积神经网络在预测组织支架生物相容性方面的性能	首次系统比较ANN和CNN模型在组织支架生物相容性预测中的表现，发现ANN模型在结构化参数数据上表现更优	样本量较小（仅5个支架组织验证），存在过拟合风险，模型泛化能力有待进一步验证	比较不同深度学习模型在预测组织支架生物相容性方面的性能，寻找最优预测方法	PrusaSlicer设计的组织支架	计算机视觉	NA	生物打印技术	ANN, CNN	图像, 数值参数	5个支架组织进行实验验证	NA	人工神经网络, 卷积神经网络	准确率, 精确率, 召回率, F1分数, 混淆矩阵	NA
1043	2025-10-07	Cancer type and survival prediction based on transcriptomic feature map 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110267 PMID:40311464	研究论文	本研究通过将转录组特征转换为特征图并采用深度学习模型，实现了癌症类型和生存时间的预测	构建了泛癌转录组特征图，并利用Inception网络和门控卷积模块进行癌症分类和生存预测	仅使用TCGA数据库数据，未包含外部验证数据集	开发基于转录组数据的癌症类型分类和生存预测方法	TCGA数据库中27种癌症类型的转录组数据和10种癌症类型的生存数据	生物信息学	泛癌	转录组测序	CNN	转录组数据，特征图	TCGA数据库中27种癌症类型的样本	NA	Inception网络，门控卷积模块	准确率，AUC	NA
1044	2025-10-07	GeneDX-PBMC: An adversarial autoencoder framework for unlocking Alzheimer's disease biomarkers using blood single-cell RNA sequencing data 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110283 PMID:40311462	研究论文	本研究开发了一个结合自编码器和对抗学习的深度学习框架，通过血液单细胞RNA测序数据识别阿尔茨海默病的生物标志物	首次将对抗自编码器框架应用于PBMC单细胞RNA测序数据，能够捕捉传统方法忽略的细微遗传变异	单核细胞数据存在限制，需依赖随机森林分类器进行处理	识别阿尔茨海默病的血液生物标志物和治疗靶点	阿尔茨海默病患者和认知正常对照者的外周血单个核细胞	机器学习	阿尔茨海默病	单细胞RNA测序	自编码器, 分类器, 判别器	基因表达数据	阿尔茨海默病患者和正常对照者的PBMC样本	NA	对抗自编码器	精确率, 召回率, F1分数	NA
1045	2025-10-07	DeepValve: The first automatic detection pipeline for the mitral valve in Cardiac Magnetic Resonance imaging 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110211 PMID:40311468	研究论文	开发首个用于心脏磁共振成像中二尖瓣自动检测的深度学习流程DeepValve	首个针对心脏磁共振成像中二尖瓣检测的深度学习流程，提出了基于关键点回归和分割的混合模型	仅使用120例患者数据，样本量相对有限	实现心脏磁共振成像中二尖瓣的自动检测，提高诊断效率	二尖瓣疾病患者（二尖瓣脱垂和二尖瓣环分离）	医学影像分析	心血管疾病	心脏磁共振成像	深度学习	医学影像	120例心脏磁共振图像	NA	U-NET, DSNT-REG	Dice系数, Procrustes距离, 自定义Dice指标	NA
1046	2025-10-07	Deep learning meets marine biology: Optimized fused features and LIME-driven insights for automated plankton classification 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110273 PMID:40315719	研究论文	提出一种改进的浮游生物分类模型，通过特征融合和优化算法提高分类准确性和可解释性	结合特征融合和鲸鱼优化算法进行特征选择，并利用LIME增强模型可解释性	基于有限标注数据的挑战未完全解决	提高浮游生物自动分类的准确性和效率	浮游生物	计算机视觉	NA	深度学习	CNN	图像	WHOI数据集	TensorFlow, PyTorch, Scikit-learn	InceptionResNetV2, DeepPlanktonNet	准确率	NA
1047	2025-10-07	An explainable adaptive channel weighting-based deep convolutional neural network for classifying renal disorders in computed tomography images 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110220 PMID:40315718	研究论文	提出一种结合自适应通道加权和可解释人工智能的深度学习模型EACWNet，用于自动分类肾脏CT图像中的不同病变类型	在VGG-19骨干网络中引入自适应通道加权模块，结合全局和局部上下文信息优化特征图通道权重，并集成可解释AI方法增强模型透明度	模型对不同类别的精确度存在差异，特别是对结石类别的识别精确度较低，这主要由于结石固有的变异性和异质性	开发自动化深度学习模型以提高肾脏疾病诊断的工作流程效率和准确性	肾脏CT图像	计算机视觉	肾脏疾病	CT成像	CNN	图像	公开可用的肾脏CT图像数据集	NA	VGG-19	准确率, 精确度	NA
1048	2025-10-07	Optimizing stroke lesion segmentation: A dual-approach using Gaussian mixture models and nnU-Net 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110221 PMID:40318493	研究论文	本研究系统评估高斯混合模型和nnU-Net在卒中病灶分割中的表现，特别关注其在检测治疗诱导变化方面的可靠性	首次系统评估分割方法在检测治疗诱导变化方面的能力，并揭示不同真实标签定义对模型性能的影响	研究仅针对卒中病灶分割，结果可能不适用于其他医学图像分割任务	评估不同分割方法在检测治疗相关卒中体积变化方面的有效性	卒中病灶分割和治疗方法检测	数字病理	卒中	医学图像分割	GMM, nnU-Net	医学影像	NA	nnU-Net	nnU-Net	分割指标, 治疗检测准确性	NA
1049	2025-10-07	Molecular landscape of endometrioid Cancer: Integrating multiomics and deep learning for personalized survival prediction 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110284 PMID:40319755	研究论文	本研究开发了一种整合多组学数据和深度学习的生存分析流程，用于子宫内膜样子宫内膜癌的个性化生存预测	设计了专门用于生存分析的深度学习自编码器，并定义了新的损失函数以更好地捕捉生物变量与生存结果之间的复杂非线性关系	研究基于TCGA-UCEC项目的样本数据，需要进一步验证在独立队列中的表现	开发个性化生存预测模型并识别与子宫内膜癌生存相关的生物标志物	TCGA-UCEC项目中的子宫内膜样子宫内膜癌样本	机器学习	子宫内膜癌	转录组测序,甲基化测序,蛋白质组测序	自编码器	多组学数据	TCGA-UCEC项目中的子宫内膜样子宫内膜癌样本	NA	自编码器	SHAP分析	NA
1050	2025-10-07	Artificial intelligence in fetal brain imaging: Advancements, challenges, and multimodal approaches for biometric and structural analysis 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110312 PMID:40319756	综述	探讨人工智能在胎儿脑成像中的应用进展、挑战及多模态整合方法	重点关注超声与磁共振成像的多模态整合方法，结合两者的互补优势提升诊断精度	缺乏多样化高质量数据集、计算效率不足、数据隐私与安全等伦理问题	提升胎儿脑成像的诊断准确性和效率，改善围产期护理效果	胎儿脑成像数据	医学影像分析	胎儿发育异常	超声成像(US), 磁共振成像(MRI)	深度学习, 注意力机制架构	医学影像	NA	NA	NA	NA	NA
1051	2025-10-07	NFR-EDL: Non-linear fuzzy rank-based ensemble deep learning for accurate diagnosis of oral and dental diseases using RGB color photography 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110279 PMID:40319757	研究论文	提出一种基于非线性模糊排序的集成深度学习模型NFR-EDL，用于通过RGB彩色摄影准确诊断口腔和牙齿疾病	将CNN基础模型生成的置信度分数映射到具有不同凹度的函数，产生非线性模糊排序，并通过组合这些排序来最小化与预期结果的偏差	NA	开发准确可靠的口腔和牙齿疾病诊断方法	口腔和牙齿疾病	计算机视觉	口腔疾病	RGB彩色摄影	CNN, 集成深度学习	图像	Kaggle、MOD、ODSI-DB和OaDD四个数据集	NA	四个深度卷积神经网络基础模型	准确率	NA
1052	2025-10-07	A transformer-based framework for temporal health event prediction with graph-enhanced representations 2025-Jun, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104826 PMID:40324665	研究论文	提出一种结合图学习和Transformer框架的GLT-Net方法，用于时序健康事件预测	通过构建患者关联图和共病关联矩阵，结合图神经网络增强诊断代码特征表示，并利用Transformer-Encoder捕捉历史就诊记录的时间依赖性	未明确说明模型在更广泛医疗数据集上的泛化能力	开发能够更好利用共病复杂交互并处理就诊记录不平衡和时序不规则性的时序健康事件预测方法	患者就诊记录和诊断代码	机器学习	多种疾病共病	图神经网络，Transformer框架	GNN, Transformer	医疗就诊记录，诊断代码	真实世界数据集（具体数量未说明）	NA	Transformer-Encoder, 图神经网络	预测性能优于基线模型	NA
1053	2025-10-07	Interpretable deep neural networks for advancing early neonatal birth weight prediction using multimodal maternal factors 2025-Jun, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104838 PMID:40339967	研究论文	本研究开发了一种基于可解释深度神经网络的临床决策支持系统，用于利用多模态母体因素早期预测新生儿出生体重	首次将TabNet架构应用于新生儿出生体重预测，强调营养因素的重要性，并提供高度可解释的预测结果	未明确说明研究样本的具体来源和数量，可能影响结果的普适性	开发精准的新生儿出生体重早期预测系统以改善临床决策	新生儿出生体重预测，重点关注低出生体重风险	机器学习	新生儿疾病	深度学习，机器学习	TabNet, 传统机器学习模型	表格数据	NA	NA	TabNet	准确率, AUC	NA
1054	2025-10-07	Effect of Deep Learning Image Reconstruction on Image Quality and Pericoronary Fat Attenuation Index 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01234-3 PMID:39299956	研究论文	比较深度学习图像重建与传统迭代重建在冠状动脉CT血管成像中的图像质量和心周脂肪衰减指数表现	首次系统评估深度学习图像重建在不同管电压条件下对冠状动脉CT图像质量和心周脂肪衰减指数的影响	研究样本仅来自单一中心，未评估不同CT设备型号对结果的影响	评估深度学习图像重建技术在冠状动脉CT血管成像中的性能表现	301例接受冠状动脉CT血管成像检查的患者	医学影像分析	心血管疾病	冠状动脉CT血管成像	深度学习图像重建	医学影像	301例患者，按BMI分为不同管电压组	NA	DLIR-H（高强度深度学习图像重建）	图像噪声、对比噪声比、主观评分、边缘上升距离、脂肪衰减指数	NA
1055	2025-10-07	Children Are Not Small Adults: Addressing Limited Generalizability of an Adult Deep Learning CT Organ Segmentation Model to the Pediatric Population 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01273-w PMID:39299957	研究论文	评估成人训练的CT器官分割模型在儿科患者中的泛化能力，并探索优化策略提升儿科分割性能	首次系统评估成人训练的分割模型在儿科CT数据上的泛化问题，并提出儿科专用模型和微调策略	仅评估腹部CT扫描和特定器官，样本量相对有限	解决深度学习模型从成人数据到儿科数据的泛化问题	成人和儿科患者的腹部CT扫描	医学影像分析	NA	CT扫描	深度学习	医学影像	成人数据集300例，儿科数据集359例	NA	TotalSegmentator, 3D nnU-Net	Dice系数	NA
1056	2025-10-07	A Robust Deep Learning Method with Uncertainty Estimation for the Pathological Classification of Renal Cell Carcinoma Based on CT Images 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01276-7 PMID:39313716	研究论文	开发并验证了一种基于深度学习的诊断模型，通过CT图像对肾细胞癌病理亚型进行分类，并集成不确定性估计	将不确定性估计融入深度学习模型，为临床医生提供预测结果和诊断置信度双重信息	回顾性研究设计，外部验证样本量相对较小(78例)	术前区分肾细胞癌的病理亚型以辅助放射科医生诊断	经病理证实的肾细胞癌患者	计算机视觉	肾细胞癌	CT成像	深度学习	CT图像	中心1: 668例患者(训练集)，中心2: 78例患者(外部验证集)	NA	NA	AUC, 95%置信区间	NA
1057	2025-10-07	Automatic Segmentation of Ultrasound-Guided Quadratus Lumborum Blocks Based on Artificial Intelligence 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01267-8 PMID:39320548	研究论文	开发基于人工智能的超声引导腰方肌阻滞自动分割模型Q-VUM	提出基于VGG16的U型网络Q-VUM，首次实现超声图像中腰方肌及相关组织的精确自动分割	回顾性研究，样本量有限（112例患者），未进行多中心验证	开发AI模型辅助麻醉医生精确定位神经阻滞部位	超声图像中的腰方肌、腹外斜肌、腹内斜肌、腹横肌及骨骼组织	计算机视觉	围术期镇痛	超声成像	CNN	医学超声图像	112名患者的3162张图像	NA	U-Net, VGG16	mIoU, 平均像素精度, Dice系数, 准确率, 召回率, 精确率	NA
1058	2025-10-07	BSNEU-net: Block Feature Map Distortion and Switchable Normalization-Based Enhanced Union-net for Acute Leukemia Detection on Heterogeneous Dataset 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01252-1 PMID:39322814	研究论文	提出一种基于深度学习的BSNEU-net框架用于急性白血病检测	结合块特征图畸变和可切换归一化的增强Union-net架构，在异质数据集上实现高精度白血病检测	未详细讨论模型在临床环境中的实际部署挑战	开发深度学习模型以提升急性白血病诊断准确率	急性淋巴细胞白血病和急性髓系白血病的血涂片图像	计算机视觉	白血病	深度学习	CNN	图像	新数据集2400张血涂片图像，异质数据集2700张血涂片图像	NA	BSNEU-net, Union Blocks	准确率	NA
1059	2025-10-07	Identification of Bipolar Disorder and Schizophrenia Based on Brain CT and Deep Learning Methods 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01279-4 PMID:39327378	研究论文	本研究基于脑部CT图像开发深度学习模型用于双相情感障碍和精神分裂症的识别	首次使用脑部CT图像结合多示例学习方法构建DenseMD模型进行精神疾病鉴别诊断	样本量相对有限，仅来自两家医院的数据	构建基于脑部CT图像的深度学习模型来识别双相情感障碍和精神分裂症	双相情感障碍患者、精神分裂症患者和健康对照者	计算机视觉	精神疾病	脑部CT检查	深度学习	CT图像	685名受试者（506名患者+179名健康对照），外加105名外部测试受试者	NA	DenseMD, ResNet-18, ResNeXt-50, DenseNet-121	准确率	NA
1060	2025-10-07	Deep Learning Classification of Ischemic Stroke Territory on Diffusion-Weighted MRI: Added Value of Augmenting the Input with Image Transformations 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01277-6 PMID:39349784	研究论文	本研究开发了一种基于深度学习的DWI图像缺血性脑卒中区域分类器，通过图像变换增强输入提升分类性能	探索了通过边缘图、阈值处理和硬注意力等图像变换方法增强预训练模型输入，提高了脑卒中区域分类的准确性	研究为回顾性设计，样本量相对有限（共393名患者），需要进一步前瞻性验证	构建患者级别的脑卒中区域分类器，促进脑卒中快速分诊至专业卒中中心	急性缺血性脑卒中患者的DWI磁共振图像	计算机视觉	缺血性脑卒中	扩散加权磁共振成像	CNN	医学图像	393名急性缺血性脑卒中患者（中心1：271名，中心2：122名）	TensorFlow, PyTorch	MobileNetV2, EfficientNetB0	准确率, F1分数, AUC, ROC分析	NA