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	2025-07-07	A comprehensive hybrid model: Combining bioinspired optimization and deep learning for Alzheimer's disease identification 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110654 PMID:40580613	研究论文	本文提出了一种结合生物启发优化和深度学习的混合模型，用于阿尔茨海默病的识别	结合灰狼优化(GWO)和哈里斯鹰优化(HHO)方法进行脑区分割，并应用深度学习技术进行分类，提高了分割和分类的准确性	未提及样本来源的多样性和模型在其他数据集上的泛化能力	探索新的混合技术用于阿尔茨海默病(AD)的诊断	阿尔茨海默病患者和正常对照组的脑区图像	数字病理学	阿尔茨海默病	灰狼优化(GWO)和哈里斯鹰优化(HHO)	深度学习(DL)	图像	未明确提及具体样本数量
62	2025-07-07	Data-driven trends in critical care informatics: a bibliometric analysis of global collaborations using the MIMIC database (2004-2024) 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110670 PMID:40580617	研究论文	对MIMIC数据库相关研究进行文献计量分析，揭示全球合作趋势和研究主题演变	首次对MIMIC数据库相关研究进行全面文献计量分析，揭示全球合作模式和研究主题演变	研究基于单一数据库(MIMIC)，且中国国际合作率较低，模型透明度不足	分析MIMIC数据库相关研究的全球趋势和主题演变，指导未来研究方向	2769篇MIMIC相关出版物	医疗信息学	重症监护	文献计量分析	机器学习(ML)和人工智能(AI)	文献数据	2769篇出版物
63	2025-07-07	D2-RD-UNet: A dual-stage dual-class framework with connectivity correction for hepatic vessels segmentation 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110530 PMID:40580621	研究论文	提出了一种名为D2-RD-UNet的双阶段双类别框架，用于肝脏血管的精确分割，并引入了连通性校正算法	首次开发了基于中心线的多类别血管连通性校正算法，并引入了基于半径的分支算法来评估模型预测的局部准确性	现有深度学习模型在泛化患者变异性和保持血管拓扑结构方面存在不足，限制了其临床应用	提高肝脏和门静脉血管分割的准确性，以支持肝脏手术的术前规划	肝脏和门静脉血管	数字病理	肝脏疾病	CT扫描	D2-RD-UNet	3D和4D图像数据	385例CT扫描（AIMS-HPV-385数据集）和20例CT扫描（3D-IRCADb-01数据集）
64	2025-07-07	Classification of knee osteoarthritis severity using markerless motion capture and long short-term memory fully convolutional network 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110647 PMID:40582166	研究论文	本研究探讨了结合无标记运动捕捉和深度学习技术，基于步态运动学对膝骨关节炎严重程度进行分类，提供了一种替代传统评估方法的新途径	首次将无标记运动捕捉与LSTM全卷积网络结合用于膝骨关节炎严重程度的自动化分类	模型在受试者间泛化能力有限，早期和中等严重程度组由于步态特征重叠导致分类错误率较高	开发一种自动化的膝骨关节炎严重程度分类方法	膝骨关节炎患者的步态运动学数据	计算机视觉	骨关节炎	无标记运动捕捉	LSTM全卷积网络	运动捕捉数据	未明确说明样本数量
65	2025-07-07	Evaluation of meibomian gland dysfunction with deep learning model considering different datasets and gland morphology 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110679 PMID:40582168	research paper	本研究提出了一种基于深度学习的框架，用于通过整合图像嵌入与睑板腺属性（如腺体面积、长度、厚度和弯曲度）来自动预测睑板腺功能障碍（MGD）的评分	该研究创新性地结合了图像嵌入和睑板腺的形态学特征，利用深度学习模型实现了对睑板腺功能障碍评分的自动化预测，并在两个不同的数据集上验证了模型的鲁棒性	尽管模型在两个数据集上表现良好，但成像设备的不同（Sirius和LipiView）可能对模型的泛化能力构成挑战	开发一种自动化、高效且一致的睑板腺功能障碍评估方法，以替代传统的主观、耗时的人工评分	睑板腺功能障碍（MGD）患者的睑板腺图像	digital pathology	dry eye disease	deep learning	DL-based framework	image	两个数据集：BCH数据集包含145名患者的261张图像，MGD-1K数据集包含320名患者的1000张图像
66	2025-07-07	Radio DINO: A foundation model for advanced radiomics and AI-driven medical imaging analysis 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110583 PMID:40582167	research paper	本文介绍了Radio DINO，一种基于自监督学习（SSL）技术的深度学习基础模型，用于医学影像分析	1) 开发了Radio DINO以捕获丰富的语义嵌入，无需手动干预即可进行稳健的特征提取；2) 在MedMNISTv2数据集上展示了优于现有模型的性能；3) 通过可视化增强了模型的可解释性，突出其对临床相关图像区域的关注	NA	开发一种能够提升医学影像分析中疾病诊断、预后和治疗评估的深度学习模型	医学影像数据	medical imaging analysis	NA	self-supervised learning (SSL)	DINO, DINOV2	image	RadImageNet dataset, MedMNISTv2 dataset
67	2025-07-07	A novel speech signal feature extraction technique to detect speech impairment in children accurately 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110681 PMID:40587935	研究论文	本文提出了一种新的语音信号特征提取技术，用于准确检测儿童的语言障碍	PNCC特征首次被建议用于语言障碍检测	NA	寻找最优的语音信号特征提取技术以检测儿童语言障碍	儿童的语音信号	自然语言处理	语言障碍	RASTA, WPT, LPC, PLP, MFCC, CQCC, PNCC	transformer, TCN, TabNet	语音信号	NA
68	2025-07-07	U-Net-based architecture with attention mechanisms and Bayesian Optimization for brain tumor segmentation using MR images 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110677 PMID:40592172	research paper	本文提出了一种基于U-Net架构并结合注意力机制和贝叶斯优化的方法，用于MR图像中的脑肿瘤分割	结合注意力机制和贝叶斯优化来增强U-Net架构的性能，以提高脑肿瘤分割的准确性	未提及具体的数据集局限性或模型泛化能力的测试结果	提高脑肿瘤在MR图像中的分割准确性和效率	脑肿瘤的MR图像	digital pathology	brain tumor	Bayesian Optimization, Region-Adaptive Thresholding	U-Net with Attention Mechanisms	MR images	LGG, Healthcare, and BraTS 2021 MRI brain tumor datasets
69	2025-07-07	Integrating multi-source data for skin burn classification using deep learning 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110556 PMID:40561574	研究论文	本研究开发了一种基于深度学习的AI方法，用于皮肤烧伤分类和移植决策支持	采用级联分类器方法和多源数据集，特别是针对埃及肤色，提高了分类性能	烧伤程度分类的准确率为63.23%，仍有提升空间	开发一种标准化的AI系统，用于皮肤烧伤分类和临床决策支持	皮肤烧伤图像	计算机视觉	皮肤烧伤	深度学习	ResNet50, DenseNet, MobileNet, VGG16, ShuffleNet	图像	多源数据集，包括公开标记数据和本地注释数据
70	2025-07-07	Streamlining tuberculosis detection with foundation model-based weakly supervised transformer 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110554 PMID:40561575	研究论文	本文提出了一种基于基础模型的弱监督Transformer方法，用于显微镜图像中的结核杆菌检测	该方法引入了两个关键创新点：利用跨领域迁移学习将UNI基础模型应用于结核杆菌检测，以及采用仅需图像级标签的弱监督方法，显著降低了标注负担	未提及具体局限性	开发一种可扩展的自动化结核病检测方法，减少标注需求和预处理工作	显微镜图像中的结核杆菌(MTB)	数字病理学	结核病	弱监督学习	Transformer	图像	大型多样化数据集（具体数量未提及）
71	2025-07-07	Generative adversarial network augmented data for improved heart sound abnormality detection 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110623 PMID:40561577	研究论文	本研究利用生成对抗网络（GAN）合成冠状动脉疾病（CAD）类似的心音片段，以增强现有数据集，从而提高心音异常检测的分类性能	采用渐进式Wasserstein GAN架构生成高质量音频片段，并通过后处理步骤（如带通滤波）进一步提升合成样本的保真度	研究依赖于PhysioNet/Computing in Cardiology Challenge 2016数据集，该数据集存在规模有限和类别不平衡的问题	解决心音分析中数据集规模有限和类别不平衡的问题，提升心音异常检测的性能	冠状动脉疾病（CAD）和健康心音样本	生物医学信号处理	心血管疾病	生成对抗网络（GAN）	Progressive Wasserstein GAN	音频	PhysioNet/Computing in Cardiology Challenge 2016数据集中的CAD和健康心音样本
72	2025-07-07	CRCpred: An AI-ML tool for colorectal cancer prediction using gut microbiome 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110592 PMID:40570762	research paper	开发了一个基于AI-ML的工具CRCpred，用于通过肠道微生物组预测结直肠癌	使用混合机器学习和深度学习算法，结合来自8个国家11项研究的1728个公开可用的宏基因组样本，开发了CRCpred工具	训练数据和算法可能限制了预测的准确性	通过肠道微生物组预测结直肠癌	肠道微生物组	machine learning	colorectal cancer	metagenomic sequencing	XGBoost	metagenomic samples	1728个公开可用的宏基因组样本
73	2025-07-07	Enhancing cancer diagnostics through a novel deep learning-based semantic segmentation algorithm: A low-cost, high-speed, and accurate approach 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110617 PMID:40578155	研究论文	提出一种新型的基于深度学习的语义分割算法，用于增强癌症诊断，具有低成本、高速度和准确性	提出了一种新型的卷积神经网络架构，通过多尺度卷积、多尺度特征提取、下采样策略和特征图融合方法，显著提高了性能并降低了计算复杂度	未提及具体在哪些低资源环境下的实际应用效果，也未讨论算法对不同类型癌症的普适性	开发一种计算成本低、性能优越的医学图像分割方法，以促进癌症诊断在临床环境中的广泛应用	医学图像分割，特别是肺肿瘤、脾脏和胰腺肿瘤的分割	数字病理学	肺癌, 胰腺癌	深度学习	CNN	图像	NA
74	2025-07-04	Analysis of intra- and inter-observer variability in 4D liver ultrasound landmark labeling 2025-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.5.051807 PMID:40600072	研究论文	本研究通过评估肝脏4D超声成像中专家标记地标的观察者内和观察者间变异性，探讨了专家标记数据的可靠性	首次量化了4D超声肝脏地标标记的观察者内和观察者间变异性，并确定了超声伪影是标记不准确的主要来源	研究仅基于8个4D肝脏超声序列和8位专家观察者的数据，样本量有限	评估4D超声成像中专家标记地标的可靠性，以改进自主治疗引导系统的目标跟踪算法	肝脏4D超声成像中的地标标记	医学影像分析	肝脏疾病	4D超声成像	NA	4D超声图像序列	8个4D肝脏超声序列，由8位专家观察者各标记8个地标3次
75	2025-07-02	Development of deep learning quantization framework for remote sensing edge device to estimate inland water quality in South Korea 2025-Sep-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123760 PMID:40367723	研究论文	开发了一种用于边缘设备的深度学习量化框架，用于估算韩国内陆水质	通过神经架构搜索（NAS）和帕累托优化识别轻量级CNN模型，并结合后训练量化（PTQ）和量化感知训练（QAT）进一步压缩模型大小，同时保持准确性	尽管在深度学习方面取得了进展，但当代技术在水质监测中的应用尚未完全探索	开发一种适用于边缘设备的实时AI框架，用于水质监测	韩国内陆水质，特别是总悬浮固体（TSS）浓度	计算机视觉	NA	多光谱成像，神经架构搜索（NAS），后训练量化（PTQ），量化感知训练（QAT）	CNN	图像	NA
76	2025-07-02	Morphotype-resolved characterization of microalgal communities in a nutrient recovery process with ARTiMiS flow imaging microscopy 2025-Sep-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123801 PMID:40382876	研究论文	本研究利用流式成像显微镜（FIM）技术对微藻群落进行实时表征，以优化废水处理过程中的磷回收效率	首次在市政污水处理厂规模下，结合ARTiMiS流式成像显微镜和深度学习模型，实时监测微藻群落动态及其与系统性能的关系	研究仅在美国威斯康星州的一个污水处理厂进行，结果可能受地域和环境因素影响	开发高效监测微藻群落动态的技术，以优化废水处理过程中的磷回收和系统性能	污水处理厂中的微藻群落（如Scenedesmus spp., Chlorella, Monoraphidium）	环境生物技术	NA	流式成像显微镜（FIM），包括FlowCam和ARTiMiS	CNN（卷积神经网络）和DNN（密集神经网络）	图像	为期两年的研究，涉及一个市政污水处理厂的微藻群落
77	2025-07-02	Multimodal MRI radiomics enhances epilepsy prediction in pediatric low-grade glioma patients 2025-Sep, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-025-05073-2 PMID:40402200	研究论文	本研究提出了一种基于机器学习和深度学习的创新框架，利用MRI进行儿童低级别胶质瘤患者肿瘤相关癫痫的快速无创术前评估	整合了肿瘤和瘤周特征的多模态MRI影像组学方法，显著提高了预测性能	需要更多标准化术前评估数据以增强模型的泛化能力	开发无创预测儿童低级别胶质瘤患者肿瘤相关癫痫的方法	儿童低级别胶质瘤患者	数字病理学	儿童低级别胶质瘤	MRI	SGD分类器	MRI图像	NA
78	2025-07-02	Risk calculator for long-term survival prediction of spinal chordoma versus chondrosarcoma: a nationwide analysis 2025-Sep, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-025-05063-4 PMID:40295452	研究论文	本研究通过全国性数据库分析，比较了脊柱脊索瘤和软骨肉瘤的临床特征、治疗策略及长期预后，并开发了一个基于机器学习的个体化生存预测模型	开发了一个基于机器学习的个体化生存预测模型，并构建了公开可访问的网络计算器	需要外部验证以增强模型的普适性和临床实用性	比较脊柱脊索瘤和软骨肉瘤的临床特征和长期预后，开发个体化生存预测模型	脊柱脊索瘤和软骨肉瘤患者	数字病理	骨肿瘤	机器学习、深度学习	DeepSurv、Gradient Boosting、CatBoost	临床数据	3175名患者（脊索瘤1204例，软骨肉瘤1971例）
79	2025-06-30	Saturation transfer MR fingerprinting for magnetization transfer contrast and chemical exchange saturation transfer quantification 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30532 PMID:40228056	研究论文	本研究开发了一种基于深度学习的饱和转移MR指纹识别技术，用于快速准确量化自由水、磁化转移对比、酰胺质子转移参数及B0场不均匀性	提出了一种基于生物物理模型驱动的深度学习方法，结合Bloch-McConnell模拟器进行神经网络训练，实现了比传统方法更高的重建精度	研究仅在数值模型和健康人脑组织中进行验证，未涉及病理组织的应用验证	开发快速准确的饱和转移MR指纹成像技术	水分子、磁化转移对比、酰胺质子转移参数及B0场不均匀性	医学影像分析	NA	饱和转移MR指纹识别(ST-MRF)、深度学习	深度学习网络	MRI影像数据	数值模型及健康人脑组织数据(尺寸256×256×9×103)
80	2025-06-30	Quantitative susceptibility mapping in magnetically inhomogeneous tissues 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30537 PMID:40312865	研究论文	本研究开发了一种名为DEEPOLE的深度学习方法，用于改进磁敏感定量成像（QSM）的质量和准确性	DEEPOLE首次将宏观非偶极拉莫尔频移纳入QSM，通过深度卷积神经网络整合QUASAR模型，显著减少了传统QSM方法中的伪影和误差	研究主要基于合成数据和数字脑模型验证，虽然也使用了活体人脑数据，但样本量未明确说明	提高磁敏感定量成像在生物组织中的准确性和可靠性	人脑组织（特别是深部灰质和白质）	医学影像分析	神经退行性疾病	定量磁敏感成像（QSM）	深度卷积神经网络	MRI影像数据	NA