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	2025-04-29	Deep neural networks and stochastic methods for cognitive modeling of rat behavioral dynamics in T -mazes 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10247-9 PMID:40290756	研究论文	本文提出了一种结合随机方法和深度神经架构的认知模型，用于研究大鼠在T型迷宫中的决策行为	结合Wyckoff的随机框架与深度神经网络（CNN-LSTM），实现了对动物决策行为的建模和预测	模型依赖于特定实验条件下的数据，可能无法泛化到其他行为场景	开发计算模型以分析动物在空间导航任务中的决策行为	大鼠在T型迷宫中的行为轨迹	机器学习	NA	Monte Carlo模拟, t-SNE嵌入	CNN-LSTM	空间轨迹记录	NA
2	2025-04-29	Outer lumen arterial imaging with CTA: A potential tool to diagnose vertebral artery dissection 2025-Jul, Radiology case reports DOI:10.1016/j.radcr.2025.03.041 PMID:40292153	技术说明	介绍了一种新的3D CTA后处理技术，用于区分椎动脉夹层（VAD）和椎动脉发育不全（VAH）	通过突出显示外腔的新3D CTA后处理技术，能够区分VAD和VAH	技术尚需进一步扩展和改进，可能通过深度学习（DL）分割技术	开发一种更准确的诊断工具，以区分椎动脉夹层和椎动脉发育不全	椎动脉夹层（VAD）和椎动脉发育不全（VAH）患者	数字病理	心血管疾病	3D CTA后处理技术	NA	图像	个案报告（一例右侧VAD患者）
3	2025-04-29	A stacked ensemble approach for symptom-based monkeypox diagnosis 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110140 PMID:40203737	research paper	该研究使用机器学习和深度学习技术，基于患者症状预测猴痘病毒感染	提出了一种结合多种模型的堆叠集成方法，并使用Conditional Tabular GAN生成合成数据以解决数据不平衡问题	未提及模型在真实临床环境中的验证情况	开发一种基于症状的猴痘早期诊断方法	猴痘病毒感染患者	machine learning	monkeypox	Conditional Tabular GAN	Tab Transformer, LSTM, XGBoost, LightGBM, Stacking Classifier	tabular data	NA
4	2025-04-29	Mental disorder preventing by worry levels detection in social media using deep learning based on psycho-linguistic features: application on the COVID-19 lockdown period 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110162 PMID:40203736	研究论文	该研究利用深度学习和心理语言学特征，通过社交媒体数据检测忧虑情绪水平，以预防心理障碍，特别是在COVID-19封锁期间	结合语义和上下文表示与心理语言学特征，提升深度学习模型在忧虑情绪检测中的性能	研究主要基于Twitter数据，可能无法完全代表所有人群的忧虑情绪	预测社交媒体中的忧虑情绪水平，以早期识别潜在的心理健康问题	社交媒体用户（特别是Twitter用户）在COVID-19封锁期间的文本数据	自然语言处理	心理障碍	深度学习	GRU, LSTM, CNN	文本	NA
5	2025-04-29	A computed tomography-based deep learning radiomics model for predicting the gender-age-physiology stage of patients with connective tissue disease-associated interstitial lung disease 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110128 PMID:40209580	research paper	本研究探讨了基于胸部CT图像的深度学习放射组学模型预测结缔组织病相关间质性肺疾病患者GAP分期的可行性	结合深度学习和放射组学特征构建诊断模型，并整合年龄、性别和DLR特征生成列线图模型，提高了预测性能	样本量较小，特别是GAP III期患者仅有13例，可能影响模型的泛化能力	预测结缔组织病相关间质性肺疾病患者的GAP分期	264例CTD-ILD患者	digital pathology	interstitial lung disease	computed tomography	SVM, logistic regression	image	264例CTD-ILD患者（GAP I期195例，II期56例，III期13例）
6	2025-04-29	An informed deep learning model of the Omicron wave and the impact of vaccination 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109968 PMID:40209576	研究论文	使用物理信息神经网络分析Omicron变种在德国、法国和意大利的传播动态及其与疫苗效力的关系	首次将物理信息神经网络应用于Omicron变种的传播动态分析，揭示了特定病毒突变与传播率增加的显著相关性	研究仅限于德国、法国和意大利三个国家，可能无法完全代表全球其他地区的传播情况	理解Omicron变种的传播动态、疫苗效力以及再感染潜力	Omicron变种在德国、法国和意大利的传播情况	机器学习	COVID-19	物理信息神经网络	Physics-Informed Neural Networks	时间序列数据	德国、法国和意大利的Omicron变种传播数据
7	2025-04-29	Mitosis detection and classification for breast cancer diagnosis: What we know and what is next 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110057 PMID:40209577	review	本文回顾了过去十年中用于识别和分类乳腺癌组织学染色图像中有丝分裂细胞的技术，并展望了未来的研究方向	总结了机器学习与深度学习在乳腺癌有丝分裂细胞识别中的革命性应用，并预测了未来发展趋势	主要关注乳腺癌，未涵盖其他癌症类型的有丝分裂检测技术	探讨乳腺癌诊断中有丝分裂细胞的检测与分类技术	乳腺癌组织学染色图像中的有丝分裂细胞	digital pathology	breast cancer	histological analysis, machine learning, deep learning	CNN, deep learning architectures	image	NA
8	2025-04-29	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MobileNet和DenseNet169的加权平均投票集成分类器，用于耳部疾病的自动诊断	使用贝叶斯优化选择超参数，并通过微调MobileNet和DenseNet169的所有层权重来提高分类能力	排除了样本量过少的Tympanostomy Tubes类别，可能影响模型的泛化能力	开发高精度的自动耳部疾病诊断系统以减少误诊率	耳部疾病（外耳和中耳疾病）	计算机视觉	耳部疾病	贝叶斯优化	集成分类器（MobileNet和DenseNet169）	图像	282张耳镜图像（排除2个样本的类别）
9	2025-04-29	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	research paper	提出一种结合呼吸音频和胸部动态的多模态特征提取方法，用于非侵入性诊断肺部疾病	首次将音频和视觉模态结合，提取更全面的肺部健康表征，提高了诊断准确性和鲁棒性	未提及模型在真实临床环境中的泛化能力测试	开发更有效、可及的肺部疾病诊断工具	肺部疾病患者	digital pathology	lung cancer	multimodal feature extraction	deep learning	audio and video	NA
10	2025-04-29	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	review	本文综述了人工智能在癌症诊断和治疗中的应用及其潜力	探讨了AI在癌症预测、预后和治疗规划中的创新应用，特别是在放射组学、深度学习和机器学习方面	在罕见癌症中的应用受限于训练和验证数据的不足	评估人工智能在癌症诊断和治疗中的潜力和挑战	癌症患者，特别是乳腺癌和肺癌等高发癌症患者	machine learning	lung cancer, breast cancer	radiomics, deep learning, machine learning, DNA and RNA sequencing	predictive AI, generative AI	multi-omics data, digitized health information	NA
11	2025-04-29	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	research paper	提出了一种用于肾脏疾病自动检测的深度学习框架，结合特征融合和序列建模技术以提高诊断准确性	整合了特征融合与inception模块以提取多样化的特征表示，同时引入ConvLSTM来增强序列学习能力，捕获疾病进展中的长期依赖关系	研究主要基于CT扫描数据，可能不适用于其他影像模态	开发自动化肾脏疾病检测方法以解决肾病专家资源有限的问题	肾脏CT扫描图像	digital pathology	kidney disease	deep learning	ResNet50, VGG19, ConvLSTM	CT scans	1860个肿瘤和1024个正常肾脏CT扫描
12	2025-04-29	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	research paper	开发了一个名为BenchXAI的新XAI基准测试包，用于评估15种XAI方法在生物医学数据上的性能	提出了一个综合性的XAI基准测试包，支持对多种XAI方法在生物医学数据上的鲁棒性、适用性和局限性进行全面评估	仅评估了15种XAI方法，可能未涵盖所有现有方法	评估和比较不同XAI方法在多模态生物医学数据上的性能	15种XAI方法在临床数据、医学图像和信号数据以及生物分子数据上的表现	machine learning	NA	XAI方法（如Integrated Gradients, DeepLift等）	deep learning	multi-modal biomedical data（临床数据、医学图像和信号数据、生物分子数据）	NA
13	2025-04-29	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	research paper	提出一种新型轻量级深度学习模型，结合剪枝和动态量化技术，用于在可穿戴设备上实时检测帕金森病患者的冻结步态	结合卷积神经网络和门控循环单元，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优化模型	模型在资源受限的可穿戴设备上的实际部署效果需进一步验证	开发高精度且轻量化的冻结步态检测系统，用于帕金森病患者的实时监控	帕金森病患者的冻结步态	machine learning	Parkinson's disease	pruning, dynamic quantization	CNN, GRU	sensor data	NA
14	2025-04-29	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	本文综述了机器学习在肿瘤进展预测中的应用及其可靠性	深入分析了机器学习在肿瘤微环境、遗传数据、组织病理学数据和放射学数据中的应用，并提出了提高模型稳健性和临床适用性的策略	机器学习模型的可靠性和准确性限制了其在临床中的整合	评估机器学习在肿瘤进展预测中的可靠性，并探讨其在临床肿瘤学中的应用潜力	87篇关于机器学习在肿瘤进展建模、诊断或预后中应用的论文	机器学习	癌症	监督学习方法（如支持向量机和随机森林）以及深度学习	支持向量机、随机森林、深度学习	遗传数据、组织病理学数据、放射学数据	87篇论文
15	2025-04-29	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	research paper	提出了一种可解释的深度学习堆叠集成模型，用于准确和透明地诊断脑肿瘤	结合了EfficientNetB0、MobileNetV2、GoogleNet和多级CapsuleNet，使用CatBoost作为元学习器，提高了特征聚合和分类准确性，同时增强了模型的鲁棒性和可解释性	尽管模型性能优越，但可能仍受限于数据集多样性和类别不平衡问题	提高脑肿瘤在MRI图像中的早期检测准确性和可解释性	MRI图像中的脑肿瘤	digital pathology	brain tumor	Borderline-SMOTE、数据增强、PCA、Gray Wolf Optimization (GWO)	stacking ensemble model (EfficientNetB0, MobileNetV2, GoogleNet, Multi-level CapsuleNet, CatBoost)	image	两个大型MRI数据集（合并自BraTS、Msoud、Br35H和SARTAJ四个来源）
16	2025-04-29	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	本研究探讨了深度学习技术在利用胸部X光图像自动筛查和分期矽肺病中的有效性	采用深度学习模型自动筛查和分期矽肺病，特别是在早期阶段表现出高准确率	在区分简单矽肺和进展性大块纤维化时存在一定困难，尤其在过渡期评估时主观性较强	提高矽肺病的诊断准确性和效率，开发临床决策支持工具	暴露于人工石英聚集体的工人	数字病理学	矽肺病	深度学习	CNN	图像	从暴露于人工石英聚集体的工人医疗记录中获取的综合数据集
17	2025-04-29	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	提出一种结合生成数据增强和少样本检测的新方法，用于微生物检测任务	使用扩散模型生成合成细菌菌落数据，并结合解耦特征分类策略，显著提升少样本场景下的检测性能	仅使用25张真实图像进行训练，可能在某些极端情况下泛化能力有限	解决微生物菌落检测中训练数据不足的问题	琼脂培养皿中的微生物菌落	计算机视觉	NA	扩散模型生成数据增强，对比学习	扩散模型，前馈神经网络	图像	25张真实琼脂培养皿图像
18	2025-04-29	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	本文提出了一种基于自适应椭圆模板的新方法，用于在具有挑战性的视网膜图像中准确定位中央凹	与传统固定模板模型不同，该方法根据视盘直径动态调整椭圆参数，确保模板的通用性和适应性	NA	提高在复杂条件下视网膜图像中中央凹定位的准确性和鲁棒性	视网膜图像中的中央凹	数字病理学	糖尿病视网膜病变	数学建模	自适应椭圆模板	图像	十个公开数据库（MESSIDOR、DRIVE、DIARETDB0、DIARETDB1、HRF、IDRiD、HEIMED、ROC、GEI、NETRALAYA）
19	2025-04-29	Prediction of mammographic breast density based on clinical breast ultrasound images using deep learning: a retrospective analysis 2025-Jun, Lancet regional health. Americas DOI:10.1016/j.lana.2025.101096 PMID:40290129	research paper	该研究利用深度学习从临床乳腺超声图像预测乳腺密度，并与传统方法进行比较	首次使用AI从乳腺超声图像预测BI-RADS乳腺密度类别，为乳腺超声在乳腺癌风险评估中的应用提供了新方法	研究为回顾性分析，可能存在选择偏差，且仅来自三个机构的数据	探索AI在从乳腺超声图像预测BI-RADS乳腺密度类别中的应用	临床乳腺超声图像	digital pathology	breast cancer	deep learning, machine learning	AI model	image	14,066名女性的405,120张临床乳腺超声图像
20	2025-04-29	GINClus: RNA structural motif clustering using graph isomorphism network 2025-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf050 PMID:40290315	研究论文	提出了一种名为GINClus的RNA结构基序聚类工具，利用半监督深度学习模型基于碱基相互作用和3D结构相似性对RNA基序候选进行聚类	首次将图同构网络(GIN)模型与k均值和层次凝聚聚类结合，用于RNA结构基序的聚类分析，并发现了12个新的RNA结构基序家族	未提及该方法在不同类型RNA基序上的泛化性能	开发自动化工具解决RNA结构基序识别和分类的难题	RNA环区域的结构基序	生物信息学	NA	图同构网络(GIN), k均值聚类, 层次凝聚聚类	GIN	RNA 3D结构数据	成功聚类了927个已知基序家族新实例和12个新发现的基序家族