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	2025-07-29	Enhanced SqueezeNet model for detecting IoT-Bot attacks: A comprehensive approach 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103499 PMID:40704174	研究论文	提出了一种基于改进SqueezeNet模型的增强检测框架，用于检测IoT-Bot攻击	集成了改进的SqueezeNet模型、DCNN和优化的随机混合Lp层，以提高检测准确性并保持计算效率	未提及在更广泛或多样化数据集上的泛化能力	提高IoT环境中Botnet攻击的检测准确性和计算效率	IoT-Bot攻击	机器学习	NA	深度学习	SqueezeNet, DCNN, 随机混合Lp层	入侵检测数据集	大规模入侵检测数据集（具体数量未提及）
2	2025-07-29	PA OmniNet: A retraining-free, generalizable deep learning framework for robust photoacoustic image reconstruction 2025-Oct, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100740 PMID:40703536	research paper	提出了一种无需重新训练、可泛化的深度学习框架PA OmniNet，用于鲁棒的光声图像重建	PA OmniNet通过少量示例图像（上下文集）适应新系统配置，无需重新训练，显著提高了图像重建质量	需要少量示例图像（4到32张）来适应新系统，可能在某些极端情况下性能受限	开发一种无需重新训练、可泛化的深度学习框架，用于稀疏采样光声成像中的图像重建	光声图像	computer vision	NA	光声成像	modified U-net	image	包括小鼠和人类受试者的体内数据、合成数据以及不同波长捕获的图像
3	2025-07-29	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	本文通过范围综述，探讨了利用护理数据进行机器学习预测模型在重症监护病房中的应用现状	首次全面分析了护理数据在重症监护病房患者预后预测模型中的使用类型和趋势	仅纳入了截至2023年12月的研究，可能遗漏最新进展；未对模型性能进行定量评估	识别利用护理数据的机器学习模型预测ICU患者健康结局的研究现状	重症监护病房成年患者	医疗健康机器学习	危重症	监督学习、深度学习、神经网络	回归模型、Boosting算法、随机森林	结构化护理数据（护理量表、评估记录、活动记录、护理记录）	纳入151项研究（2004-2023年）
4	2025-07-29	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	本文深入研究了数据分区和交叉验证在评估EEG深度学习模型中的作用，并提供了避免数据泄漏的指南	首次全面比较了五种交叉验证设置对EEG深度学习模型性能的影响，并提出了基于主题的交叉验证策略的重要性	研究为初步研究，可能未涵盖所有可能的EEG深度学习模型和数据分区方法	评估数据分区和交叉验证对EEG深度学习模型性能的影响	EEG数据	机器学习	帕金森病, 阿尔茨海默病	EEG	ShallowConvNet, EEGNet, DeepConvNet, Temporal-based ResNet	EEG信号	超过100,000个训练模型
5	2025-07-29	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	research paper	本文探讨了人工智能技术在罕见疾病诊断中的应用，特别是针对VI型胶原蛋白相关先天性肌营养不良症的共聚焦显微镜图像分析	展示了即使在有限的数据量下，通过适当的数据管理和训练程序，也能成功开发出高精度的分类器	研究基于特定罕见疾病，结论可能不适用于所有依赖组织学图像诊断的罕见疾病	探索人工智能技术在罕见疾病诊断中的适用性和有效性	VI型胶原蛋白相关先天性肌营养不良症的共聚焦显微镜图像	digital pathology	muscular dystrophy	confocal microscopy	classical machine learning and modern deep learning	image	limited amount of training data
6	2025-07-29	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	提出一种结合卷积神经网络和选择性核机制的新型深度学习模型FBCNN-TKS，用于基于稳态视觉诱发电位的脑机接口	引入时间核选择(TKS)模块，显著增强特征提取能力，并通过扩张和分组卷积减少模型参数，降低过拟合风险	未明确提及具体局限性	开发高性能的SSVEP-BCI字符拼写系统	稳态视觉诱发电位(SSVEP)信号	脑机接口	NA	滤波器组技术、卷积神经网络(CNNs)、时间核选择(TKS)模块	FBCNN-TKS（结合CNN和TKS模块的新型深度学习模型）	SSVEP信号数据	在公开数据集Benchmark和BETA上进行测试
7	2025-07-29	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	本研究通过迁移学习和图像预处理技术优化YOLO模型，提高小规模专有数据集上乳腺肿块检测的性能	首次系统评估了在OMI-DB数据集上进行迁移学习预训练对YOLOv9模型在乳腺肿块检测中的性能提升效果	研究样本量较小（133张乳腺X光图像），可能影响模型的泛化能力	优化深度学习模型在数据有限的临床应用中乳腺肿块的检测性能	乳腺X光图像中的肿块	计算机视觉	乳腺癌	迁移学习、图像预处理（裁剪和对比度增强）	YOLOv9, YOLOv7	图像	133张乳腺X光图像
8	2025-07-29	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	本文综述了2016至2025年间用于药物-靶标相互作用/亲和力预测的180种深度学习和图神经网络方法	总结了深度学习和图神经网络在药物-靶标相互作用预测中的最新进展，提供了不同模型的架构和输入表示方法	未提及具体模型的性能比较或实际应用效果	加速药物发现过程，提高药物-靶标相互作用预测的准确性和效率	药物-靶标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, GNN	分子结构数据, 生物活性数据	分析了180种预测方法
9	2025-07-29	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	research paper	该研究提出了一种新颖的深度学习框架，用于生成高质量且可解释的放射学报告，通过自动关键词适应、基于频率的多标签分类和文本到文本的大型语言模型来提高放射学报告的准确性和适应性	研究创新点包括使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动态配置多标签分类，以及采用基于频率的多标签分类策略解决关键词不平衡问题	研究未提及在实际临床环境中的部署挑战或模型对新出现临床术语的适应能力	开发一个可解释、准确且适应性强的放射学报告自动生成系统	胸部X光图像及其对应的放射学报告	digital pathology	NA	multi-label classification, text-to-text large language model (LLM)	LLM	image, text	两个公共数据集(IU-XRay和MIMIC-CXR)
10	2025-07-29	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	本研究提出了一种基于智能手机IMU传感器的深度学习框架，用于早期检测心肺疾病	利用智能手机内置的惯性测量单元传感器，通过标准化协议采集五个不同胸腹区域的加速度计和陀螺仪数据，实现非侵入性、低成本的心肺疾病早期检测	需要扩展数据集，改进长期监测方法，并评估在不同临床和家庭环境中的适用性	开发一种创新、可及且成本效益高的心肺疾病筛查解决方案	健康个体和心血管疾病患者（包括瓣膜功能不全、冠状动脉疾病和主动脉瘤等术前患者）	机器学习	心血管疾病	惯性测量单元(IMU)传感器数据采集	双向循环神经网络(BiRNN)	时间序列数据	未明确提及具体样本数量，但采用留一法交叉验证
11	2025-07-29	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	research paper	本研究探讨了在领域偏移情况下白质高信号（WMH）分割的可靠性，提出最大熵正则化技术以增强模型校准和不确定性估计	提出使用最大熵正则化技术来增强模型在领域偏移下的校准和不确定性估计，无需真实标签即可预测分割错误	研究仅基于两个公开数据集进行实验，可能无法涵盖所有临床场景中的领域偏移情况	提高在领域偏移情况下白质高信号分割的可靠性和不确定性估计	白质高信号（WMH）	digital pathology	multiple sclerosis	MRI	U-Net	image	两个公开数据集：WMH Segmentation Challenge和3D-MR-MS dataset
12	2025-07-29	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	提出了一种名为DeepPerfusion的双分支深度学习架构，用于基于成像光电容积描记法(iPPG)高精度提取血容量脉冲(BVP)	结合精确的皮肤分割与加权以及BVP提取于单一模型中，并开发了新的基于块的时间归一化机制和创新训练流程	未明确提及具体限制	提高基于iPPG的BVP提取精度	156名受试者的iPPG数据	计算机视觉	NA	成像光电容积描记法(iPPG)	双分支深度学习架构	图像	来自三个公开数据集的156名受试者
13	2025-07-29	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	本文提出了一种基于Transformer注意力的深度神经网络，用于从结构MRI数据中联合预测多种认知评分	结合Transformer注意力和3D卷积神经网络，自适应捕捉大脑中的判别性成像特征，有效关注与认知相关的关键区域	未提及具体样本量限制或数据多样性问题	提高基于结构MRI的认知评分预测准确性，以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	数字病理学	阿尔茨海默病	sMRI	Transformer + 3D CNN	3D MRI图像	基于ADNI数据集，但未提及具体样本量
14	2025-07-29	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	介绍了一种结合机器学习和深度学习的集成框架EnsemPred-ACP，用于提高抗癌肽（ACP）的预测准确性	引入了二进制轮廓特征（BPF）来增强预训练的蛋白质嵌入，从而捕捉对ACP识别至关重要的位置特异性模式	未明确提及具体局限性	提高抗癌肽（ACP）的预测准确性，以促进基于肽的癌症治疗的发展	抗癌肽（ACP）	机器学习	癌症	机器学习和深度学习	集成框架（结合ML和DL模型）	蛋白质序列数据	独立数据集评估
15	2025-07-29	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	提出了基于生物启发的图网络学习基因-基因交互（BIO-DGI）的深度学习架构，整合了多种变异谱数据	未提及样本来源的多样性或潜在的数据偏差问题	通过分子水平区分多发性骨髓瘤（MM）与其前体阶段MGUS，促进早期检测和病理机制理解	多发性骨髓瘤（MM）及其前体阶段MGUS的基因变异和生物标志物	机器学习	多发性骨髓瘤	WES（全外显子组测序）、WGS（全基因组测序）	BIO-DGI（基于注意力机制的深度学习架构）	基因组数据（SNVs、CNVs、SVs）	未明确提及具体样本数量
16	2025-07-29	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	review	本文全面综述了深度学习在心脏图像分析中的应用，包括常见成像模态和模型压缩技术	介绍了如transformers、基础模型和压缩技术等新方法在心脏图像分析中的应用	未提及具体实验验证或实际应用效果	探索深度学习在心脏图像分析中的最新进展和应用	心脏图像和心血管疾病	digital pathology	cardiovascular disease	deep learning	transformers, foundation models	image	NA
17	2025-07-29	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	本文提出了一种基于掩码Transformer的心电图信号多标签自动诊断方法，显著提高了分类准确率	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，提出MTECG模型	仅在特定数据集上验证，未说明在实时临床环境中的表现	提高心电图分类的准确性，特别是在处理复杂信号模式时	心电图信号	机器学习	心血管疾病	自监督学习	Transformer	时间序列数据	220,251条心电图记录（Fuwai数据集）及两个公共数据集
18	2025-07-29	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	本研究评估了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	采用基于注意力的多实例学习机制，模型在诊断巨细胞动脉炎方面达到了最先进的性能，并提供了模型决策过程的可解释性	研究样本量相对较小，外部测试队列仅包含58名患者	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	颞动脉活检的数字化全切片图像	数字病理学	巨细胞动脉炎	深度学习，基于注意力的多实例学习	CTransPath	图像	训练队列366名患者（137例GCA，229例对照），外部测试队列58名患者（21例GCA，37例对照）
19	2025-07-29	Post-hoc eXplainable AI methods for analyzing medical images of gliomas (- A review for clinical applications) 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110649 PMID:40633214	综述	本文系统回顾了65项关于可解释人工智能（XAI）在胶质瘤影像分析中的应用研究，探讨了XAI方法在提高深度学习模型透明度和临床信任中的作用	提出了一个基于梯度（G-XAI）和扰动（P-XAI）的XAI方法框架，用于评估深度学习模型并解释其在胶质瘤影像分析中的应用	讨论了深度学习和XAI方法在临床整合中面临的挑战，以及未来从临床用户角度出发的研究方向	提高人工智能系统在胶质瘤影像分析中的透明度和可解释性，以促进临床决策的信任和应用	胶质瘤的磁共振成像（MRI）和组织病理学图像	数字病理学	胶质瘤	深度学习（DL），可解释人工智能（XAI）	深度学习模型	图像	65项研究
20	2025-07-29	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	research paper	开发了一种基于Swin Transformer的噪声感知网络（ST-UNN），用于在低剂量PET成像中处理不同噪声水平并重建高质量图像	提出了一种监督式Swin Transformer基础统一噪声感知网络（ST-UNN），能动态整合多个子网络输出，有效处理不同噪声水平	未提及具体的数据集大小或计算资源限制，可能影响模型的广泛适用性	开发一种能处理不同噪声水平的深度学习模型，以提高低剂量PET成像的图像质量	PET/CT数据集，涵盖整个头部及头颈部恶性病变区域	digital pathology	NA	deep learning, PET imaging	Swin Transformer	image	NA