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
1	2025-06-27	Oral mucosal lesions triage via YOLOv7 models 2025-Jul, Journal of the Formosan Medical Association = Taiwan yi zhi DOI:10.1016/j.jfma.2024.07.010 PMID:39003230	研究论文	本研究利用计算机视觉和深度学习技术，通过YOLOv7模型对口腔黏膜病变进行早期检测和分类	采用YOLOv7模型（特别是YOLOv7-E6和YOLOv7-D6）对口腔黏膜病变进行高效分类，并在YOLOv7-D6-CA模型中整合坐标注意力机制，显著提高了分类准确性	NA	提高口腔黏膜病变的早期检测和分类效率	口腔黏膜病变	计算机视觉	口腔癌	深度学习	YOLOv7	图像	初始数据集包含6903张白光宏观图像，后扩展至超过50,000张图像
2	2025-06-27	Fostering Clinical Judgment and Promoting Transition Into First Clinical Rotation Through Active Learning 2025 Jul-Aug 01, Nursing education perspectives IF:0.9Q3 DOI:10.1097/01.NEP.0000000000001293 PMID:38920415	research paper	该研究探讨了一种新颖的互动课堂活动，旨在帮助护理学生在第一临床轮转中培养临床判断和批判性思维	引入了一种新颖的互动课堂活动，以促进护理学生从课堂知识到临床环境的过渡	研究仅涉及BSN项目第一学期课程的学生，样本范围有限	提升护理学生的临床判断能力和批判性思维，促进其向临床轮转的顺利过渡	护理学生（BSN项目第一学期课程的学生）	护理教育	NA	互动课堂活动	NA	NA	BSN项目第一学期课程的学生
3	2025-06-27	Elevating nanomaterial optical sensor arrays through the integration of advanced machine learning techniques for enhancing visual inspection of food quality and safety 2025, Critical reviews in food science and nutrition IF:7.3Q1 DOI:10.1080/10408398.2024.2376113 PMID:39015031	综述	本文综述了基于纳米材料的光学传感器阵列在食品质量和安全视觉监测中的最新应用，包括比色传感器阵列和荧光传感器阵列	整合先进的机器学习技术提升纳米材料光学传感器阵列的性能，用于食品质量和安全的视觉检测	未提及具体实验数据或实际应用中的性能指标	提升食品质量和安全的视觉监测技术	食品中的农药残留、重金属离子、细菌污染、抗氧化剂、风味物质和食品新鲜度	机器学习	NA	光学传感器阵列（OSAs）、机器学习（ML）、深度学习（DL）	NA	高维数据	NA
4	2025-06-27	An efficient model for extracting respiratory and blood oxygen saturation data from photoplethysmogram signals by removing motion artifacts using heuristic-aided ensemble learning model 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108911 PMID:39089111	研究论文	本文开发了一种基于深度学习的方法，用于从光电容积脉搏波(PPG)信号中高效提取呼吸频率(RR)和血氧饱和度(SpO2)数据，并通过去除运动伪影来提高准确性	提出了一种结合多层感知器(MLP)、AdaBoost和基于注意力的长短期记忆网络(A-LSTM)的集成学习模型，以及使用先进的金龟子优化器(AGTBO)进行特征选择和权重优化	未提及模型在实时监测环境中的性能表现或计算资源需求	开发一个高效的RR和SpO2估计框架，用于监测手术、肺部和心脏问题患者的健康状况	光电容积脉搏波(PPG)信号	生物医学信号处理	心肺疾病	深度学习，信号预处理，运动伪影去除	MLP, AdaBoost, A-LSTM集成模型	PPG信号	未明确提及具体样本数量，但使用了标准数据源
5	2025-06-27	Predicting the severity of mood and neuropsychiatric symptoms from digital biomarkers using wearable physiological data and deep learning 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108959 PMID:39089109	研究论文	本研究利用可穿戴设备收集的生理和行为数据，结合深度学习技术，预测轻度认知障碍（MCI）老年患者的神经精神症状（NPS）和情绪障碍的严重程度	结合传统生理生物标志物和自监督卷积自编码器提取的深度学习特征，提高了预测情绪障碍和NPS严重程度的准确性	研究样本仅限于MCI老年患者，可能无法推广到其他人群	探索可穿戴设备和深度学习在远程、被动、连续监测情绪和神经精神症状中的应用	轻度认知障碍（MCI）老年患者	机器学习	老年疾病	深度学习	自监督卷积自编码器	生理和行为数据	未明确提及具体样本数量，但研究对象为MCI老年患者
6	2025-06-27	Using deep learning for predicting the dynamic evolution of breast cancer migration 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108890 PMID:39068903	研究论文	本文提出了一种利用深度学习和人工数据生成的新方法PWPF，用于预测乳腺癌细胞迁移的动态演变	引入了PWPF框架，结合深度学习和人工数据生成，提高了对乳腺癌细胞迁移动态预测的准确性和可扩展性	虽然模型在2D模型中表现良好，但可能无法完全模拟体内复杂的3D迁移环境	改进对乳腺癌细胞迁移过程的理解，以提升治疗策略	MCF-7乳腺癌细胞单层和球体的迁移行为	数字病理学	乳腺癌	深度学习	DL模型	图像	NA
7	2025-06-27	Multi-granularity prior networks for uncertainty-informed patient-specific quality assurance 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108925 PMID:39067284	研究论文	本文提出了一种多粒度不确定性量化框架（MGUQ），用于提高深度学习在患者特定质量保证（PSQA）中的可信度	提出了一种基于贝叶斯理论的多粒度不确定性量化框架，并设计了双流网络架构来推断剂量差异预测和Gamma通过率的分布	当前研究未明确提及样本多样性或外部验证数据集的局限性	提高深度学习在放射治疗患者特定质量保证中的预测可信度	放射治疗中的剂量差异指标（Gamma通过率）及其分布	数字病理	NA	贝叶斯理论	双流网络架构	剂量差异数据	来自'北京协和医院'的数据集
8	2025-06-27	Model-based federated learning for accurate MR image reconstruction from undersampled k-space data 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108905 PMID:39067156	研究论文	提出了一种基于模型的联邦学习框架ModFed，用于从欠采样的k空间数据中准确重建MR图像	1) 设计了注意力辅助的基于模型的神经网络，减少对大量客户端数据的需求；2) 提出了自适应动态聚合方案，解决数据异质性问题；3) 结合空间拉普拉斯注意力机制和个性化客户端损失正则化，捕捉细节信息	仅在三个体内数据集上进行了评估，可能需要更多样化的数据集验证其泛化能力	提高MR图像重建的准确性和泛化能力	MR图像	医学影像处理	NA	联邦学习	基于模型的神经网络	MR图像数据	三个体内数据集
9	2025-06-27	PIDiff: Physics informed diffusion model for protein pocket-specific 3D molecular generation 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108865 PMID:39067153	研究论文	提出了一种名为PIDiff的物理信息扩散模型，用于蛋白质口袋特异性3D分子生成	该模型不仅考虑了蛋白质和配体的结构信息，还通过最小化它们之间的结合自由能量来模拟蛋白质-配体结合的物理化学原理	NA	开发能够结合靶蛋白结构的药物，用于疾病治疗	蛋白质口袋特异性3D分子生成	几何深度学习	NA	扩散模型	PIDiff	3D分子结构数据	CrossDocked2020基准数据集
10	2025-06-27	SYSTCM: A systemic web platform for objective identification of pharmacological effects based on interplay of "traditional Chinese Medicine-components-targets" 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108878 PMID:39043107	research paper	开发了一个系统性网络平台SYSTCM，用于基于深度学习和机器学习客观识别中药的药理作用	应用深度学习和机器学习技术，构建了中药成分与药理作用之间关系的交互网络图，并通过GoogLeNet结构的卷积神经网络建立了最优的药理作用识别模型	NA	通过客观识别中药的药理作用，促进中药的开发和临床应用	中药成分、药理目标和中药功效	machine learning	NA	deep learning, machine learning, SVM	CNN (GoogLeNet structure), SVM	molecular descriptors, pharmacological targets	70,961 terms (包括636种中药、8190种成分、40种药理作用和18种功效)
11	2025-06-27	Random effects during training: Implications for deep learning-based medical image segmentation 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108944 PMID:39096609	研究论文	本研究评估了训练过程中的随机效应对深度学习医学图像分割模型性能比较标准方法可靠性的影响	揭示了训练过程中随机效应导致同一学习算法产生的分割模型性能存在显著差异，挑战了当前文献中广泛使用的统计显著性检验作为性能差异可靠指标的假设	研究仅基于三种特定的3D医学图像分割任务（脑肿瘤、海马体和心脏分割），结果可能无法推广到其他分割问题	评估训练过程中的随机效应对深度学习医学图像分割模型性能比较的影响	深度学习医学图像分割模型	数字病理	脑肿瘤、心血管疾病	深度学习	nnU-Net	3D医学图像	三种分割任务（脑肿瘤、海马体和心脏分割），每种任务50个不同随机种子
12	2025-06-27	CytoGAN: Unpaired staining transfer by structure preservation for cytopathology image analysis 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108942 PMID:39096614	research paper	提出了一种名为CytoGAN的新型染色转换模型，用于在细胞病理学图像分析中保持细胞结构的同时实现不同染色风格的转换	引入了结构保留模块和染色自适应模块，能够在源域和目标域分辨率或细胞大小不匹配的情况下保持细胞结构，并生成高质量的子宫内膜细胞学图像	未提及具体的数据集规模限制或模型在其他类型细胞病理学图像上的泛化能力	解决细胞病理学图像分析中不同染色风格对算法性能的影响，提高子宫内膜癌筛查的准确性	子宫内膜细胞病理学图像	digital pathology	endometrial cancer	GAN	CytoGAN	image	未明确提及具体样本数量，但与10种最先进的染色转换模型进行了比较，并由两名病理学家评估
13	2025-06-27	Comparison of AI with and without hand-crafted features to classify Alzheimer's disease in different languages 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108950 PMID:39096605	研究论文	比较使用和不使用手工特征提取的AI模型在不同语言中对阿尔茨海默病进行分类的效果	研究首次使用相同方法从两种语言数据集中提取声学特征进行AD诊断，验证了模型在不同语言中的可扩展性	研究仅针对韩语和英语数据集，未验证其他语言的适用性	探索AI模型在跨语言阿尔茨海默病诊断中的应用效果	阿尔茨海默病患者和健康对照组的语音数据	自然语言处理	老年病	声学特征提取	机器学习模型和深度学习模型	语音数据	韩语和英语语音数据集（具体样本量未提及）
14	2025-06-27	CBAM VGG16: An efficient driver distraction classification using CBAM embedded VGG16 architecture 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108945 PMID:39094328	研究论文	提出了一种嵌入卷积块注意力模块的VGG16深度学习架构（CBAM VGG16），用于提高驾驶员分心分类的性能	在传统VGG16架构中加入CBAM层，增强了模型的特征提取能力，提高了驾驶员分心分类的准确性	未提及具体的数据集偏差或模型泛化能力的局限性	提高驾驶员分心分类的准确性，以增强自动驾驶系统中的驾驶员/车辆安全	驾驶员分心或活动的分类	计算机视觉	NA	深度学习	CBAM VGG16	图像	American University in Cairo (AUC) distracted driver dataset version 2 (AUCD2) 的摄像头1和2图像
15	2025-06-27	Deep learning for rapid virtual H&E staining of label-free glioma tissue from hyperspectral images 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108958 PMID:39094325	研究论文	本文提出了一种结合深度学习和高光谱成像技术的方法，用于快速将无标记的胶质瘤组织的高光谱图像转换为虚拟H&E染色图像	利用高光谱成像技术捕捉不同波长的组织信息，结合深度学习模型Unet，实现了快速、准确的虚拟H&E染色，克服了传统H&E染色的局限性	未提及具体的数据集规模或模型在其他类型组织上的泛化能力	开发一种快速、准确的虚拟H&E染色方法，以替代传统耗时且昂贵的H&E染色流程	无标记的胶质瘤组织	数字病理学	胶质瘤	高光谱成像技术	Unet	高光谱图像	NA
16	2025-06-27	Shape prior-constrained deep learning network for medical image segmentation 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108932 PMID:39079416	research paper	提出了一种形状先验约束的多尺度特征融合分割网络，用于医学图像分割	训练框架的创新在于形状先验约束和多尺度特征融合两个模块，测试阶段提出了一个循环协作框架策略	NA	解决医学图像分割中低对比度和邻近器官强度相似的问题	医学图像分割	digital pathology	lung cancer, liver disease	deep learning	segmentation neural network, auto-encoder network	CT scans	ACDC MICCAI'17 Challenge Dataset, COVID-19 CT lung, LiTS2017 liver
17	2025-06-27	Optimal interval and feature selection in activity data for detecting attention deficit hyperactivity disorder 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108909 PMID:39053333	研究论文	本研究探讨了在活动数据中选择最优时间间隔和特征对检测注意力缺陷多动障碍（ADHD）的重要性	采用精确的特征选择过程，发现早晨和夜晚的活动数据对ADHD预测更为重要，随机森林模型表现最佳	未提及具体样本量，可能影响结果的泛化性	提高ADHD的早期诊断效率，减少未确诊病例和成本	儿童和青少年的注意力缺陷多动障碍（ADHD）患者	机器学习	注意力缺陷多动障碍（ADHD）	深度学习（DL）和机器学习（ML）	随机森林	活动数据	NA
18	2025-06-27	Deep learning-based IDH1 gene mutation prediction using histopathological imaging and clinical data 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108902 PMID:39038392	研究论文	本研究利用深度学习和机器学习技术，结合组织病理学图像和临床数据，预测IDH1基因突变	采用集成学习方法结合WSIs模型和临床数据模型，以及使用MaxViT和LightGBM组合，提高了预测准确率	样本量相对较小（546例患者），且仅针对IDH1突变进行研究	预测胶质瘤患者的IDH1基因突变状态	成人型弥漫性胶质瘤患者	数字病理学	脑肿瘤	深度学习、机器学习	ABMIL、LightGBM、MaxViT	图像、临床数据	546例患者
19	2025-06-27	ToxinPred 3.0: An improved method for predicting the toxicity of peptides 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108926 PMID:39038391	research paper	本文提出了一种改进的预测肽毒性的计算方法ToxinPred 3.0，通过结合多种技术提高了预测的可靠性和准确性	结合了基于相似性/比对的方法、基于模体的方法、机器/深度学习技术以及混合或集成方法，显著提高了肽毒性预测的性能	未明确提及具体局限性，但可能涉及模型在不同类型肽上的泛化能力	改进肽毒性的预测方法，以支持治疗性肽的设计	肽的毒性预测	machine learning	NA	BLAST, MERCI, 机器/深度学习, 大语言模型	ANN - LSTM, extra tree, ESM2-t33	肽序列数据	80%数据用于训练和测试（五折交叉验证），20%作为独立数据集评估
20	2025-06-27	A systematic literature analysis of multi-organ cancer diagnosis using deep learning techniques 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108910 PMID:39032244	系统综述	本文系统综述了2012年至2023年间使用深度学习技术通过多种图像模态检测多器官癌症的研究	强调了集成深度学习模型在分类癌症或健康病例图像方面的优越性能，并提供了对不同深度学习技术在特定数据集上表现的广泛理解	仅涵盖了2012至2023年间的研究，可能未包括最新进展；且聚焦于五种主要癌症类型，未涵盖所有癌症种类	开发和评估计算机辅助诊断系统，用于早期癌症识别	五种主要癌症类型：乳腺癌、脑癌、肺癌、皮肤癌和肝癌	数字病理学	多器官癌症	深度学习	CNN, 集成深度学习模型	图像	NA