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
1441	2025-10-06	Deep learning for giant cell arteritis diagnosis on temporal artery biopsy 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110707 PMID:40633216	研究论文	本研究开发了一种基于深度学习的模型，用于从颞动脉活检图像中诊断巨细胞动脉炎	首次使用基于注意力的多示例学习机制和CTransPath特征表示来诊断GCA，并提供了模型决策过程的可解释性分析	样本量相对有限，训练队列366例，外部测试队列仅58例	评估深度学习模型在颞动脉活检图像中诊断巨细胞动脉炎的准确性	巨细胞动脉炎患者的颞动脉活检组织样本	数字病理学	巨细胞动脉炎	苏木精-伊红-藏红染色，全玻片成像	深度学习，多示例学习	病理图像	训练队列：366例患者（137例GCA，229例对照）；外部测试队列：58例患者（21例GCA，37例对照）	NA	基于注意力的多示例学习机制，CTransPath	AUROC	NA
1442	2025-10-06	Deep supervised transformer-based noise-aware network for low-dose PET denoising across varying count levels 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110733 PMID:40633213	研究论文	提出一种基于Swin Transformer的噪声感知网络ST-UNN，用于处理不同噪声水平的低剂量PET图像去噪	开发了统一噪声感知网络，通过自适应权重机制动态集成多个针对特定噪声水平的子网络，解决了现有方法在不同采集条件下泛化能力不足的问题	NA	开发能够处理不同噪声水平并重建高质量图像的低剂量PET成像去噪方法	包含头部整体和头颈部恶性病变的PET/CT数据集	医学影像处理	头颈部癌症	PET成像	Transformer	医学影像	NA	NA	Swin Transformer	SSIM, PSNR, SUV均值偏差, SUVmax偏差, RMSE	NA
1443	2025-10-06	Metaverse-based deep learning framework for coronary artery stenosis classification using Monte Carlo Dropout-based ResNet-152 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110720 PMID:40639014	研究论文	提出一种基于元宇宙的深度学习框架，用于冠状动脉狭窄分类	结合元宇宙平台与蒙特卡洛Dropout的ResNet-152模型，创建面向患者的交互式3D虚拟诊断环境	未明确说明数据集的规模和多样性限制	提高冠状动脉狭窄诊断的准确性和患者参与度	冠状动脉狭窄患者	计算机视觉	心血管疾病	侵入性冠状动脉造影	CNN	医学图像	NA	PyTorch, TensorFlow	ResNet-152	准确率	NA
1444	2025-10-06	Emotion recognition in EEG Signals: Deep and machine learning approaches, challenges, and future directions 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110713 PMID:40644885	综述	本文综述了基于脑电图信号的情感识别研究中深度学习和机器学习方法的应用、挑战及未来方向	系统比较了传统机器学习与深度学习方法在EEG情感识别中的优劣，并提出了未来研究方向	面临受试者特异性、高噪声水平和高质量标注数据稀缺等挑战，限制了模型的泛化能力	探索EEG信号在情感识别中的应用，提升脑机交互和脑健康评估系统	脑电图信号和人类情感状态	脑机接口	NA	脑电图信号分析	CNN, RNN, SVM, KNN, RF	EEG信号	使用公开数据集（DEAP、SEED、AMIGOS），具体样本量未明确说明	NA	NA	NA	NA
1445	2025-10-06	Hierarchical deep learning system for orbital fracture detection and trap-door classification on CT images 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110732 PMID:40644886	研究论文	开发并评估用于CT图像中眼眶骨折检测和分类的分层深度学习系统	提出分层深度学习系统，结合YOLOv8和Vision Transformer分别进行骨折检测和分类	回顾性单中心研究，样本来源单一	开发自动检测和分类眼眶骨折的深度学习系统	眼眶骨折患者的CT图像	计算机视觉	眼眶骨折	CT成像	YOLOv8, Vision Transformer	CT图像	686名患者，46,013个CT切片，预处理后7,809个感兴趣区域切片	NA	YOLOv8, Vision Transformer	准确率, 敏感性, 特异性, AUC-ROC	NA
1446	2025-10-06	A deep learning approach for objective evaluation of microscopic neuro-drilling craniotomy skills 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110650 PMID:40644889	研究论文	提出基于深度学习的显微神经钻孔技能客观评估方法	首次提出基于几何顺序学习的框架，在极低数据条件下有效训练Transformer模型，并创建首个带标注的显微神经钻孔技能评估数据集	数据集规模相对较小（435张图像），在超低数据设置下训练	开发自动化的神经外科钻孔技能评估系统	显微神经钻孔手术技能	计算机视觉	神经外科疾病	显微钻孔技术	Transformer, CNN	图像	435张图像（包含绵羊头部和肩胛骨标本）	NA	Transformer	均方误差, ±1准确率	NA
1447	2025-10-06	EEG quantization and entropy of multi-step transition probabilities for driver drowsiness detection via LSTM 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110758 PMID:40651200	研究论文	提出一种结合EEG信号量化和多步转移概率熵特征提取与LSTM网络的驾驶员 drowsiness 检测方法	采用EEG信号量化与多步转移概率熵特征提取，结合LSTM网络进行 drowsiness 状态分类	NA	通过脑电图检测驾驶员 drowsiness 状态	驾驶员脑电图信号	机器学习	NA	脑电图	LSTM, HMM	脑电图信号	NA	NA	LSTM	准确率	NA
1448	2025-10-06	Fusion of bio-inspired optimization and machine learning for Alzheimer's biomarker analysis 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110746 PMID:40651201	研究论文	本研究融合生物启发优化算法与机器学习技术，通过海马体分割和分类实现阿尔茨海默病的早期诊断	首次将象群优化算法和乌鸦搜索优化算法与ResNet50分类器结合应用于阿尔茨海默病生物标志物分析	未提及研究样本量的具体数据以及外部验证结果	开发基于脑部区域分析的阿尔茨海默病早期诊断方法	脑部关键区域（胼胝体、灰质、海马体、脑室、白质），重点关注海马体	机器学习	阿尔茨海默病	深度学习，优化算法	CNN	医学图像	NA	NA	ResNet50	准确率	NA
1449	2025-10-06	A preprocessing method based on 3D U-Net for abdomen segmentation 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110709 PMID:40652756	研究论文	提出一种基于3D U-Net的预处理方法用于腹部区域分割	开发了专门针对腹部CT图像分割的预处理步骤，既能提高分割性能又能加快分割速度	仅使用特定数据集进行验证，需要进一步测试在其他数据集上的泛化能力	改进生物医学图像自动分割的预处理方法	腹部CT图像中的感兴趣区域	数字病理	腹部疾病	CT成像	3D U-Net	3D医学图像	训练集6998个切片，测试集1311个切片	NA	3D U-Net	Dice系数, Hausdorff距离, HD95, 平均对称表面距离	NA
1450	2025-10-06	Deep siamese residual support vector machine with applications to disease prediction 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110693 PMID:40664125	研究论文	提出一种名为深度孪生残差支持向量机(DSRSVM)的端到端学习模型，将深度神经网络与支持向量机相结合	通过深度残差网络孪生预训练和深度残差支持向量机微调两阶段学习，实现深度学习与支持向量机的协同效应	NA	开发一种超越传统深度学习和支持向量机简单组合的协同学习框架	医学数据集	机器学习	NA	NA	SVM, 深度神经网络	医学数据	NA	NA	残差网络	准确率, 召回率, F1分数	NA
1451	2025-10-06	Can your brain signals reveal your romantic emotions? 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110754 PMID:40664128	研究论文	本研究通过分析脑电图信号开发机器学习模型来预测个体在模拟约会应用中的浪漫吸引和拒绝情绪	首次基于单试次事件相关电位分析实现对个体内部浪漫情绪的预测	使用模拟约会应用而非真实场景，样本量相对有限	探索脑信号是否能够揭示浪漫情绪	61名参与者（31名女性，30名男性）	机器学习	NA	脑电图（EEG），事件相关电位（ERP）	机器学习模型，深度学习模型	脑电图信号	61名参与者	NA	NA	ROC-AUC	NA
1452	2025-10-06	Opioid misuse detection from cognitive and physiological data with temporal fusion deep learning 2025-Sep-01, Drug and alcohol dependence IF:3.9Q1 DOI:10.1016/j.drugalcdep.2025.112774 PMID:40684523	研究论文	本研究通过认知任务和生理数据，利用时序融合深度学习模型检测阿片类药物滥用	首次使用时序融合变换器模型结合认知任务行为和生理信号数据来检测阿片类药物滥用	需要与客观的阿片类药物滥用测量标准进行基准比较，样本量相对有限	开发机器学习模型来检测阿片类药物滥用，预防用药过量和阿片使用障碍风险	169名使用阿片类镇痛药治疗慢性疼痛的患者	机器学习	药物滥用障碍	Current Opioid Misuse Measure (COMM), Dot Probe任务, Go/No-Go任务	时序融合变换器	生理信号数据, 行为反应数据	169名患者，9238个数据点	NA	Temporal Fusion Transformer	AUC, 特异性, 敏感性	NA
1453	2025-10-06	Automated analysis of mouse rearing using deep learning 2025-Sep, Journal of pharmacological sciences IF:3.0Q2 DOI:10.1016/j.jphs.2025.06.002 PMID:40713344	研究论文	开发基于卷积循环神经网络的深度学习模型，用于自动检测小鼠站立行为	首次将CRNN模型应用于小鼠站立行为的自动化分析，实现了与人类观察相当的检测灵敏度	仅使用C57BL/6小鼠数据，模型在其他品系小鼠上的泛化能力未验证	开发自动化工具用于啮齿类动物行为分析	C57BL/6小鼠	计算机视觉	NA	视频行为分析	CRNN	视频	C57BL/6小鼠的行为视频数据	NA	卷积循环神经网络	灵敏度	NA
1454	2025-10-06	SpatialCVGAE: Consensus Clustering Improves Spatial Domain Identification of Spatial Transcriptomics Using VGAE 2025-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00676-1 PMID:39680300	研究论文	提出基于共识聚类的空间转录组数据分析框架SpatialCVGAE，用于提高空间域识别的稳定性与准确性	首次将共识聚类与变分图自编码器结合用于空间转录组数据，通过集成多个潜在表示的聚类结果提升模型鲁棒性	NA	解决空间转录组数据聚类分析中的不稳定性问题	空间转录组数据	生物信息学	NA	空间转录组技术	VGAE	基因表达数据、空间图数据	NA	PyTorch	变分图自编码器	稳定性、准确性	NA
1455	2025-10-06	EnDM-CPP: A Multi-view Explainable Framework Based on Deep Learning and Machine Learning for Identifying Cell-Penetrating Peptides with Transformers and Analyzing Sequence Information 2025-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00673-4 PMID:39714579	研究论文	提出一种基于深度学习和机器学习的多视图可解释框架EnDM-CPP，用于识别细胞穿透肽并分析序列信息	结合Transformer架构的语言模型特征（ProtT5和ESM-2）与传统序列特征，采用多模型集成策略提高预测性能	NA	开发计算方法来预测潜在的细胞穿透肽，以促进药物递送载体的开发	细胞穿透肽（CPPs）	机器学习	NA	序列分析	CNN, TextCNN, SVM, CatBoost, Logistic Regression	蛋白质序列数据	整合三个基准数据集（CPPsite 2.0、MLCPP 2.0和CPP924）以提高多样性和减少同源性	NA	Transformer, CNN, TextCNN	准确率, 马修斯相关系数	NA
1456	2025-10-06	MultiKD-DTA: Enhancing Drug-Target Affinity Prediction Through Multiscale Feature Extraction 2025-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00697-4 PMID:40019659	研究论文	提出一种通过多尺度特征提取增强药物-靶点亲和力预测的深度学习架构	创新性地结合图神经网络、预训练大规模蛋白质模型和注意力机制，采用多尺度特征提取方法	NA	提高药物-靶点相互作用亲和力预测的准确性	药物分子和蛋白质靶点	机器学习	NA	深度学习	图神经网络, 双向长短期记忆网络, 注意力机制	分子结构图, 蛋白质序列	两个公开数据集	NA	多尺度卷积网络, ESM-2预训练模型	NA	NA
1457	2025-10-06	iEnhancer-GDM: A Deep Learning Framework Based on Generative Adversarial Network and Multi-head Attention Mechanism to Identify Enhancers and Their Strength 2025-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00703-9 PMID:40335860	研究论文	提出基于生成对抗网络和多头注意力机制的深度学习框架iEnhancer-GDM，用于识别增强子及其强度预测	引入Wasserstein生成对抗网络进行数据增强，结合多头注意力机制和多尺度卷积神经网络提升模型性能	增强子训练数据集规模有限，可能导致模型过拟合和分类准确率问题	开发增强子识别及其强度预测的计算方法	DNA增强子序列	生物信息学	NA	DNA序列分析	GAN, CNN, LSTM, 多头注意力机制	DNA序列数据	NA	NA	WGAN-GP, 多尺度CNN, 双向LSTM, 多头注意力机制	准确率	NA
1458	2025-10-06	ResNeXt-Based Rescoring Model for Proteoform Characterization in Top-Down Mass Spectra 2025-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00701-x PMID:40381130	研究论文	提出基于ResNeXt的深度学习模型PrSMBooster，用于在自上而下质谱中重新评分蛋白质形态谱匹配以提高鉴定准确性	首次将ResNeXt架构与集成机器学习方法相结合用于蛋白质形态表征的重新评分，通过整合逻辑回归、XGBoost、决策树和支持向量机作为弱学习器提取特征	未明确说明模型对特定类型蛋白质形态的适用性限制，且依赖外部数据集进行验证	提高自上而下蛋白质组学中蛋白质形态鉴定的准确性	蛋白质形态谱匹配	机器学习	NA	自上而下质谱法	ResNeXt, 集成学习	质谱数据	47个独立质谱数据集，涵盖多个物种	NA	ResNeXt	错误发现率	NA
1459	2025-10-06	NPI-HetGNN: A Prediction Model of ncRNA-Protein Interactions Based on Heterogeneous Graph Neural Networks 2025-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00716-4 PMID:40455400	研究论文	提出基于异构图神经网络的NPI-HetGNN模型用于预测非编码RNA与蛋白质的相互作用	结合序列特性和异质连接拓扑构建初始特征，通过元路径游走聚合语义信息，并引入能量约束自注意力模块增强特征提取能力	缺乏湿实验室验证条件，仅采用计算验证	开发计算模型预测非编码RNA与蛋白质相互作用	非编码RNA和蛋白质	机器学习	NA	异构图神经网络	GNN	序列数据, 网络拓扑数据	四个基准数据集	NA	HetGNN	NA	NA
1460	2025-10-06	Harnessing deep learning for fusion-based heavy metal contamination index prediction in groundwater 2025-Sep, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104672 PMID:40675024	研究论文	提出一种基于深度学习的融合框架预测地下水重金属污染指数	首次将五种水污染指数通过定制化根基数据融合方法整合为统一指标，并应用深度神经网络进行预测	研究区域局限于伊朗赞詹的Gultepe-Zarrinabad子流域，未验证其他地理区域的适用性	开发AI驱动的环境监测工具以支持可持续水资源管理	地下水中的锰(Mn)、铁(Fe)、砷(As)和铅(Pb)重金属污染	机器学习	NA	数据融合和归一化方法	DNN, DT, KNN, ANN	水质指数数据	NA	NA	深度神经网络	R, RMSE, MAE	NA