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
1141	2025-10-07	Optimized fine-tuned ensemble classifier using Bayesian optimization for the detection of ear diseases 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110092 PMID:40215866	研究论文	开发了一种基于贝叶斯优化的加权平均投票集成分类器，用于自动检测耳部疾病	提出MobileNet和DenseNet169的加权平均投票集成分类器，并使用贝叶斯优化进行超参数选择	排除了仅有两个样本的鼓膜造孔管类别，样本量相对较小	开发自动化的耳部疾病诊断系统以提高诊断准确率	外耳和中耳疾病	计算机视觉	耳部疾病	数字耳镜检查	CNN, 集成学习	图像	282张耳镜图像	NA	MobileNet, DenseNet169	准确率, AUC	NA
1142	2025-10-07	Non-invasive diagnosis of lung diseases via multimodal feature extraction from breathing audio and chest dynamics 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110182 PMID:40215869	研究论文	提出一种融合呼吸音频和胸廓动态视觉特征的多模态方法用于肺部疾病诊断	首次将音频特征（音调、MFCCs、呼吸音频包络）与胸廓动态视觉特征相结合进行多模态肺部疾病诊断	未明确说明数据集规模和具体疾病类型的分类性能差异	开发非侵入性肺部疾病诊断方法	肺部疾病患者	计算机视觉, 自然语言处理	肺部疾病	音频分析, 视觉分析	深度学习模型	音频, 视频	NA	NA	NA	准确率	NA
1143	2025-10-07	Advancing the frontier of artificial intelligence on emerging technologies to redefine cancer diagnosis and care 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110178 PMID:40228444	综述	探讨人工智能在癌症诊断和治疗中的应用现状及发展前景	系统分析AI在放射组学、深度学习和机器学习领域对癌症诊疗的革新潜力，特别关注多组学数据整合和罕见肿瘤的挑战	罕见癌症数据不足限制AI应用，需要更多临床验证和监管规范	评估人工智能技术在癌症精准医疗中的临床应用价值和发展方向	癌症患者的多组学数据、医学影像数据和临床诊疗数据	机器学习	肺癌, 乳腺癌	DNA测序, RNA测序, 多组学分析	深度学习, 机器学习	基因组数据, 医学影像, 健康信息	NA	NA	NA	NA	NA
1144	2025-10-07	Multi-level feature fusion network for kidney disease detection 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110214 PMID:40233676	研究论文	提出一种用于肾脏疾病自动检测的多级特征融合深度学习框架	结合特征融合与ConvLSTM序列建模，利用inception块增强空间和时间特征表示能力	NA	开发自动化肾脏疾病检测系统以辅助临床决策	肾脏CT扫描图像	计算机视觉	肾脏疾病	CT扫描	CNN, ConvLSTM	医学图像	1860个肿瘤和1024个正常肾脏CT扫描（MHC-CT数据集）	NA	ResNet50, VGG19, Inception, ConvLSTM	准确率	NA
1145	2025-10-07	BenchXAI: Comprehensive benchmarking of post-hoc explainable AI methods on multi-modal biomedical data 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110124 PMID:40239236	研究论文	开发了名为BenchXAI的新型可解释AI基准测试包，用于在多模态生物医学数据上全面评估15种后处理可解释AI方法	提出了首个支持多模态生物医学数据的综合性XAI基准测试框架，并设计了样本级归一化方法用于统计评估和可视化	仅评估了15种XAI方法，且仅在三种常见生物医学任务上进行验证	比较不同后处理可解释AI方法在生物医学数据上的性能、鲁棒性和适用性	临床数据、医学图像和信号数据、生物分子数据	机器学习	NA	可解释AI方法	深度学习模型	多模态数据（临床数据、医学图像、信号数据、生物分子数据）	NA	BenchXAI	NA	鲁棒性、适用性、统计评估指标	NA
1146	2025-10-07	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	研究论文	提出一种轻量级深度学习模型，通过剪枝和动态量化优化，用于在可穿戴设备上检测帕金森患者的冻结步态	结合CNN和GRU网络，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	NA	开发适用于资源受限可穿戴设备的高精度冻结步态检测系统	帕金森患者的冻结步态症状	机器学习	帕金森病	深度学习	CNN, GRU	传感器数据	NA	NA	CNN, GRU, 残差注意力机制, 高效通道注意力机制	F1分数	可穿戴设备
1147	2025-10-07	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	本文通过系统性文献回顾分析了机器学习在肿瘤进展预测中的应用现状与可靠性	对2014-2024年间87篇相关文献进行系统性分析，重点关注机器学习模型在临床肿瘤学中的可靠性挑战	仅纳入英文文献，可能存在发表偏倚；模型可靠性问题限制了临床转化	评估机器学习在肿瘤进展预测中的可靠性并探讨临床整合策略	肿瘤进展相关研究文献	机器学习	癌症	机器学习，深度学习	支持向量机，随机森林，深度学习	肿瘤微环境数据，遗传数据，组织病理学数据，放射学数据	87篇研究论文	NA	NA	可靠性，准确性	NA
1148	2025-10-07	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	研究论文	提出一种可解释的深度堆叠集成模型，用于脑肿瘤的精确和透明诊断	结合多种特征提取技术（EfficientNetB0、MobileNetV2、GoogleNet和多级胶囊网络）的堆叠集成模型，使用CatBoost作为元学习器，并集成可解释人工智能技术	NA	开发鲁棒且可解释的多类别脑肿瘤分类方法	脑部MRI图像中的肿瘤	计算机视觉	脑肿瘤	MRI成像	集成学习,CNN,胶囊网络	医学图像	整合四个来源（BraTS、Msoud、Br35H、SARTAJ）的大型MRI数据集	NA	EfficientNetB0,MobileNetV2,GoogleNet,Multi-level CapsuleNet	F1分数,PR AUC	NA
1149	2025-10-07	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	本研究开发了一种基于深度学习的自动化系统，用于使用胸部X光片进行人造石硅肺病的筛查和分期	首次将深度学习技术应用于人造石硅肺病的自动筛查和分期，通过肋骨分割预处理和先进分类模型实现了高精度诊断	在区分单纯性硅肺病与进行性大块纤维化方面存在困难，特别是在疾病过渡期评估具有主观性	开发自动化硅肺病筛查和分期系统以提高诊断准确性和效率	暴露于人造石英 conglomerates 的工人群体	计算机视觉	硅肺病	胸部X光成像	深度学习	图像	从暴露于人造石英 conglomerates 的工人医疗记录中获取的综合数据集	NA	NA	准确率, ROC AUC	NA
1150	2025-10-07	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	提出一种结合合成数据生成和对比学习的微生物少样本检测方法，旨在提升检测鲁棒性和泛化能力	提出基于扩散模型的细菌菌落生成器，在真实琼脂平板背景上生成合成菌落，结合解耦特征分类策略实现少样本检测	仅使用25张真实图像进行训练，样本规模有限	解决微生物菌落检测中训练数据不足的问题，提升自动化检测性能	琼脂平板中的微生物菌落	计算机视觉	NA	扩散模型，数据增强	扩散模型，前馈神经网络	图像	25张真实图像	NA	扩散模型，前馈网络	mAP，AP	NA
1151	2025-10-07	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	提出一种基于自适应椭圆模板的黄斑定位方法，通过血管轨迹和视盘定位的数学模型提升在复杂视网膜图像中的检测鲁棒性	采用动态调整椭圆参数的自适应模板，替代传统固定模板模型，显著提升在病变干扰和低对比度条件下的检测性能	未明确说明对极端图像质量退化情况的处理能力，且仅针对视网膜图像验证	开发鲁棒的黄斑自动定位方法以辅助糖尿病视网膜病变等眼部疾病诊断	视网膜眼底图像中的黄斑区域	计算机视觉	糖尿病视网膜病变	数学建模	基于模板的模型	视网膜眼底图像	十个公开数据库（MESSIDOR, DRIVE, DIARETDB0, DIARETDB1, HRF, IDRiD, HEIMED, ROC, GEI, NETRALAYA）	NA	自适应椭圆模板	检测效率, 平均欧几里得距离, 标准差	NA
1152	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	NA	NA	NA	NA
1153	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	NA	NA	NA	NA
1154	2025-10-07	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	研究论文	本研究开发了一种基于卷积神经网络的AI模型，利用儿童心电图预测继发孔型房间隔缺损	首次将深度学习应用于儿科人群的心电图分析来检测ASD2，相比传统心电图指标（如不完全性右束支传导阻滞）表现更优	需要未来进行多中心验证和前瞻性试验来指导临床决策	开发一种经济有效的ASD2筛查方法，实现早期检测	年龄≤18岁无重大先天性心脏病的儿科患者	医疗人工智能	先天性心脏病	心电图-超声心动图配对分析	CNN	心电图信号	训练队列：92,377对心电图-超声心动图（46,261名患者）；测试队列：内部测试12,631名患者，急诊科2,830名患者	NA	卷积神经网络	AUROC, AUPRC	NA
1155	2025-10-07	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	开发结合深度学习与细胞荧光成像的新方法评估丙烯酰胺毒性	首次将U-Net细胞分割与ResNet34分类模型结合，通过表型变化直接关联细胞表型与毒性评估	验证准确率为80%，仍有提升空间	评估丙烯酰胺毒性及其对细胞表型的影响	暴露于丙烯酰胺的细胞	计算机视觉	毒理学	细胞荧光成像	CNN	图像	NA	NA	U-Net, ResNet34	准确率	NA
1156	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	NA	NA	NA	NA
1157	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	NA	NA	NA	NA
1158	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%）	NA	NA	NA	NA
1159	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	NA	NA	NA	NA
1160	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	NA	NA	NA	NA