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
1421	2025-10-06	PCANN Program for Structure-Based Prediction of Protein-Protein Binding Affinity: Comparison With Other Neural-Network Predictors 2025-Sep, Proteins IF:3.2Q2 DOI:10.1002/prot.26821 PMID:40116085	研究论文	介绍了一种基于结构的蛋白质-蛋白质结合亲和力预测新方法PCANN	结合ESM-2语言模型和图注意力网络(GAT)进行蛋白质结合界面信息编码和亲和力预测	训练和测试数据量有限，现有数据准确性不足且缺乏测量条件的一致性	开发蛋白质-蛋白质复合物结合亲和力预测方法	蛋白质-蛋白质复合物	自然语言处理,机器学习	NA	深度学习	图注意力网络,语言模型	蛋白质结构数据	两个文献提取的数据集	NA	ESM-2,GAT	平均绝对误差(MAE)	NA
1422	2025-10-06	Deep Learning-Based Automated Detection of the Middle Cerebral Artery in Transcranial Doppler Ultrasound Examinations 2025-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.05.028 PMID:40582894	研究论文	提出一种基于深度学习的轻量级实时方法，用于在经颅多普勒超声检查中自动检测大脑中动脉	首次将YOLOv10和RT-DETR两种最先进的目标检测模型应用于TCD图像中的MCA实时自动检测，并可在移动平台部署	样本量相对有限（41名受试者），需要更多临床验证	开发自动化MCA检测方法以减少对操作者专业知识的依赖	经颅多普勒彩色多普勒图像中的大脑中动脉	计算机视觉	脑血管疾病	经颅多普勒超声	YOLOv10, RT-DETR	视频, 图像	41名受试者（31名健康个体，10名卒中患者），365个视频，61,611帧图像	NA	YOLOv10, Real-Time Detection Transformers	F1分数, AP, 推理速度, IEC	桌面CPU, 平板设备
1423	2025-10-06	Novel Artificial Intelligence-Driven Infant Meningitis Screening From High-Resolution Ultrasound Imaging 2025-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.04.009 PMID:40582896	研究论文	开发了一种基于高分辨率超声成像的人工智能婴儿脑膜炎筛查方法	首次将三阶段深度学习框架与可解释人工智能方法结合用于婴儿脑膜炎的非侵入性筛查	样本量较小（仅16名患者），研究仅在三个西班牙大学医院进行	开发非侵入性婴儿脑膜炎筛查工具以减少腰椎穿刺的需求	疑似脑膜炎且囟门未闭的婴儿	医学影像分析	脑膜炎	Neosonics超声技术	深度学习	超声图像	30名疑似婴儿（最终纳入16名：6例病例，10例对照），共781张图像	NA	NA	准确率, 精确率, 灵敏度, 特异性	NA
1424	2025-10-06	Efficient Ultrasound Breast Cancer Detection with DMFormer: A Dynamic Multiscale Fusion Transformer 2025-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.05.017 PMID:40628603	研究论文	提出一种基于Transformer的动态多尺度融合模型DMFormer，用于超声乳腺癌检测中良恶性肿块的准确区分	创新性地结合窗口注意力与网格注意力机制，实现局部特征交互与全局上下文混合的动态多尺度特征融合	NA	开发先进的深度学习模型以提高超声乳腺癌筛查的准确性	超声图像中的良性和恶性肿块	计算机视觉	乳腺癌	超声成像	Transformer	图像	在两个独立数据集上进行评估	NA	DMFormer, Transformer	AUC	NA
1425	2025-10-06	Novel Videographic-Free Framework for Tracking Anatomical Structures Using Swallowing Accelerometer Signals and Multi-task Transformers 2025-Sep, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-025-00201-z PMID:40726741	研究论文	提出一种基于吞咽加速度信号和多任务Transformer的无视频解剖结构追踪框架	首次将多任务Transformer模型应用于吞咽加速度信号分析，实现无视频条件下多解剖结构的精确追踪	研究基于特定数据集，需要进一步验证在更广泛人群中的适用性	开发非侵入性吞咽评估方法，精确追踪吞咽过程中的解剖结构位移	舌骨、喉基底和舌喉近似距离（HLA）等吞咽相关解剖结构	生物医学信号处理	吞咽障碍	高分辨率颈部听诊（HRCA），加速度信号分析	Transformer, 多任务学习	加速度信号	NA	NA	Transformer编码器	相对重叠面积（ROP）, 准确率	NA
1426	2025-10-06	Using nursing data for machine learning-based prediction modeling in intensive care units: A scoping review 2025-Sep, International journal of nursing studies IF:7.5Q1 DOI:10.1016/j.ijnurstu.2025.105133 PMID:40544524	综述	本范围综述系统分析了在ICU中使用护理数据和机器学习技术预测患者预后的研究现状	首次系统梳理了ICU环境中基于护理数据的机器学习预测模型，并对护理数据类型进行了详细分类	仅关注已发表文献，可能遗漏未发表的研究；仅纳入英文文献，存在语言偏倚	识别利用护理数据和机器学习预测ICU患者健康结局的研究现状	ICU成年住院患者	机器学习	危重症	机器学习	监督学习,深度学习,神经网络	护理量表,护理评估记录,护理活动记录,护理记录	151项研究（2004-2023年）	NA	回归,提升方法,随机森林	NA	NA
1427	2025-10-06	The role of data partitioning on the performance of EEG-based deep learning models in supervised cross-subject analysis: A preliminary study 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110608 PMID:40602315	研究论文	本研究系统评估了数据划分和交叉验证策略对基于EEG的深度学习模型在跨被试分析中性能的影响	首次在EEG深度学习领域对五种交叉验证设置进行大规模定量比较，涉及超过10万个训练模型	作为初步研究，仅针对三种特定分类任务和四种架构进行评估，未涵盖所有可能的EEG应用场景	为EEG深度学习研究提供数据划分和交叉验证的最佳实践指南	脑电图信号数据	机器学习	帕金森病,阿尔茨海默病	脑电图	CNN	脑电信号	超过100,000个训练模型	NA	ShallowConvNet, EEGNet, DeepConvNet, Temporal-based ResNet	准确率,可靠性,泛化性	NA
1428	2025-10-06	The artificial intelligence challenge in rare disease diagnosis: A case study on collagen VI muscular dystrophy 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110610 PMID:40602312	研究论文	本研究探讨人工智能技术在罕见病胶原VI型先天性肌营养不良诊断中的应用	证明了在有限训练数据情况下，通过适当的数据管理和训练流程，仍能开发出高精度分类器	研究聚焦于单一罕见病，样本量有限	解决罕见病诊断中因数据稀缺而难以应用人工智能技术的问题	胶原VI型先天性肌营养不良	数字病理学	先天性肌营养不良	共聚焦显微镜成像	经典机器学习, 深度学习	图像	有限样本量（具体数量未提及）	NA	NA	准确率	NA
1429	2025-10-06	A deep learning model combining convolutional neural networks and a selective kernel mechanism for SSVEP-Based BCIs 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110691 PMID:40602314	研究论文	提出一种结合CNN和选择性核机制的深度学习模型FBCNN-TKS，用于SSVEP脑机接口	引入时序核选择(TKS)模块扩大感受野，结合扩张卷积和分组卷积减少参数数量	NA	解决SSVEP脑机接口中训练数据不足导致的过拟合问题，提升时序特征提取能力	稳态视觉诱发电位(SSVEP)信号	脑机接口	NA	滤波器组技术	CNN	脑电信号	NA	NA	FBCNN-TKS	分类准确率, 信息传输率(ITR)	NA
1430	2025-10-06	Improving YOLO-based breast mass detection with transfer learning pretraining on the OPTIMAM Mammography Image Database 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110581 PMID:40602320	研究论文	本研究系统评估了迁移学习和图像预处理技术对优化基于YOLO的乳腺肿块检测模型的效果	首次系统评估YOLOv9在乳腺肿块检测中的表现，并证明在OPTIMAM数据库上进行预训练可显著提升小数据集上的检测性能	研究样本量较小（仅133张乳腺X线图像），且使用专有数据集可能限制结果的普适性	优化基于深度学习的乳腺肿块检测模型在小型专有数据集上的性能	乳腺X线图像中的肿块检测	计算机视觉	乳腺癌	乳腺X线摄影	YOLO	图像	133张乳腺X线图像	NA	YOLOv9, YOLOv7	平均精度均值(mAP), F1分数	NA
1431	2025-10-06	Drug-target interaction/affinity prediction: Deep learning models and advances review 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110438 PMID:40609289	综述	本文系统回顾了2016至2025年间用于药物-靶点相互作用/亲和力预测的深度学习方法	全面分析180种预测方法，重点比较不同深度学习模型在药物-靶点相互作用预测中的架构创新和输入表示方法	NA	加速药物发现过程，提高药物-靶点相互作用预测的准确性和效率	药物-靶点相互作用和亲和力预测方法	机器学习	NA	深度学习，图神经网络	深度学习，图神经网络	NA	分析180种方法	NA	NA	NA	NA
1432	2025-10-06	Radiology report generation using automatic keyword adaptation, frequency-based multi-label classification and text-to-text large language models 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110625 PMID:40614511	研究论文	提出一种基于自动关键词适应、频率多标签分类和文本到文本大语言模型的新型放射学报告生成框架	用透明关键词列表替代传统黑盒特征，引入自动关键词适应机制和频率多标签分类策略，结合预训练文本到文本大语言模型	NA	开发可解释、准确且适应性强的放射学报告自动生成方法	胸部X射线图像	自然语言处理	NA	多标签分类，文本生成	大语言模型	医学图像，文本报告	IU-XRay和MIMIC-CXR两个公共数据集	NA	文本到文本大语言模型	NA	NA
1433	2025-10-06	Deep learning framework for cardiorespiratory disease detection using smartphone IMU sensors 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110595 PMID:40614516	研究论文	提出基于智能手机IMU传感器的深度学习框架，用于心肺疾病的早期检测	利用商用智能手机的惯性测量单元传感器，通过标准化协议采集五个胸腹区域的呼吸运动学数据，实现低成本无创远程健康监测	需要扩大数据集规模，改进长期监测方法，验证在不同临床和家庭环境中的适用性	开发创新性、可及性强且成本效益高的心肺疾病筛查解决方案	健康个体和术前心血管疾病患者（包括瓣膜功能不全、冠状动脉疾病和主动脉瘤）	机器学习	心血管疾病	惯性测量单元传感器技术	双向循环神经网络	加速度计和陀螺仪时间序列数据	未明确具体样本数量，但使用留一法交叉验证	NA	双向循环神经网络	灵敏度, 特异度, F1分数, 准确率, 真阴性率	NA
1434	2025-10-06	Towards reliable WMH segmentation under domain shift: An application study using maximum entropy regularization to improve uncertainty estimation 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110639 PMID:40614515	研究论文	本研究探讨了领域偏移对白质高信号分割的影响，并提出最大熵正则化技术来改善模型校准和不确定性估计	提出使用最大熵正则化技术增强模型在校准和不确定性估计方面的能力，特别是在领域偏移情况下	研究仅使用两个公开数据集进行验证，需要更多临床环境下的实际测试	提高白质高信号分割在领域偏移情况下的可靠性和不确定性估计	白质高信号分割模型在领域偏移下的性能表现	医学图像分析	多发性硬化症	MRI成像	CNN	医学图像	两个公开数据集：WMH分割挑战赛和3D-MR-MS数据集	NA	U-Net	Dice系数, Hausdorff距离, 期望校准误差, 基于熵的不确定性估计	NA
1435	2025-10-06	DeepPerfusion: A comprehensible two-branched deep learning architecture for high-precision blood volume pulse extraction based on imaging photoplethysmography 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110571 PMID:40614513	研究论文	提出一种名为DeepPerfusion的双分支深度学习架构，用于基于成像光体积描记术的高精度血容量脉搏提取	结合精确皮肤分割与加权以及BVP提取于单一模型，开发了基于块的时间归一化机制和创新训练流程	NA	提高成像光体积描记术在非均匀照明或头部运动情况下的血容量脉搏提取精度	156名来自三个公开数据集的受试者	计算机视觉	心血管疾病	成像光体积描记术	深度学习	图像	156名受试者	NA	双分支深度学习架构	平均绝对误差, 信噪比	NA
1436	2025-10-06	Transformer attention-based neural network for cognitive score estimation from sMRI data 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110579 PMID:40614523	研究论文	提出一种基于Transformer注意力的神经网络，从结构MRI数据联合预测多种认知评分	将Transformer注意力机制与3D位置编码和3D卷积层结合，自适应捕捉全脑 discriminative 成像特征，关注关键认知相关区域	NA	基于结构MRI准确预测认知评分，用于理解痴呆病理阶段和预测阿尔茨海默病	阿尔茨海默病患者的结构MRI数据	医学影像分析	阿尔茨海默病	结构MRI	CNN, Transformer	3D医学影像	ADNI数据集	NA	3D CNN, Transformer	NA	NA
1437	2025-10-06	EnsemPred-ACP: Combining machine and deep learning to improve anticancer peptide prediction 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110668 PMID:40614519	研究论文	提出一种结合机器学习和深度学习的集成框架EnsemPred-ACP，用于改进抗癌肽预测	引入二元轮廓特征(BPF)增强预训练蛋白质嵌入，采用双管道架构整合传统特征和深度特征	未明确说明模型的计算复杂度和在实际临床应用中的验证	提高抗癌肽的计算预测准确性	抗癌肽(ACP)	机器学习	癌症	蛋白质序列分析	机器学习,深度学习	蛋白质序列数据	NA	NA	集成框架,双管道架构	准确率,灵敏度,特异性,AUC	NA
1438	2025-10-06	A comprehensive targeted panel of 295 genes: Unveiling key disease initiating and transformative biomarkers in multiple myeloma 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110619 PMID:40617081	研究论文	本研究开发了一种结合传统统计方法和深度学习架构的AI工作流程，用于识别多发性骨髓瘤的关键生物标志物并设计295个基因的检测panel	提出了BIO-DGI（生物启发图网络学习基因-基因交互）注意力深度学习架构，整合多组学变异数据和基因-基因交互网络	NA	通过识别关键生物标志物、基因组改变和基因交互，在分子水平区分多发性骨髓瘤与意义未明的单克隆丙种球蛋白病	多发性骨髓瘤患者基因组数据	机器学习	多发性骨髓瘤	全外显子测序, 全基因组测序	深度学习, 图神经网络	基因组变异数据	NA	NA	BIO-DGI	ShAP分析, 社区分析, 生存分析, 通路富集分析	NA
1439	2025-10-06	Exploring advanced deep learning approaches in cardiac image analysis: A comprehensive review 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110708 PMID:40617082	综述	本文全面综述了深度学习在心脏图像分析中的最新应用进展	系统总结了Transformer、基础模型和模型压缩等新兴技术在心脏图像分析中的应用	作为综述文章，不包含原始实验数据，主要依赖已有文献分析	探索深度学习在心脏图像分析中的先进方法与应用	心脏图像和心血管疾病	计算机视觉	心血管疾病	心脏成像技术	深度学习模型	医学图像	NA	NA	Transformer, 基础模型	NA	NA
1440	2025-10-06	Enhancing automatic multilabel diagnosis of electrocardiogram signals: A masked transformer approach 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110674 PMID:40628168	研究论文	提出一种基于掩码Transformer的心电图信号多标签自动诊断方法，通过自监督表示学习提升分类性能	首次将基于图像的掩码自编码器适应于心电图时间序列的自监督表示学习	仅在特定数据集上验证，在更广泛临床环境中的泛化能力需进一步验证	提高心电图信号多标签分类的准确性	心电图信号	医疗信号处理	心血管疾病	心电图信号分析	Transformer	时间序列信号	220,251条心电图记录（Fuwai数据集）+两个公共数据集	NA	Masked Transformer	macro F1分数	NA