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	2025-07-28	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	本文研究了数据分区和交叉验证在评估基于EEG的深度学习模型中的作用，并比较了不同方法对模型准确性、可靠性和泛化能力的影响	首次全面评估了不同数据分区和交叉验证策略对EEG深度学习模型性能的影响，并提出了避免数据泄漏的指南	研究仅针对三种特定的跨受试者分类任务和四种架构进行评估，可能无法涵盖所有EEG深度学习应用场景	评估数据分区和交叉验证策略对EEG深度学习模型性能的影响，并提供实验设计指南	EEG信号数据	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
2	2025-07-28	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，特别是针对胶原VI型先天性肌营养不良症的共聚焦显微镜图像分析	展示了在训练数据有限的情况下，通过适当的数据管理和训练程序，仍能开发出高准确度的分类器	研究仅针对一种特定罕见疾病，结论在其他罕见疾病中的普适性需要进一步验证	探索人工智能在罕见疾病诊断中的应用潜力	胶原VI型先天性肌营养不良症患者的共聚焦显微镜图像	数字病理学	胶原VI型先天性肌营养不良症	机器学习和深度学习	NA	图像	有限数量的训练数据
3	2025-07-28	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	提出了一种结合CNN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（SSVEP）的脑机接口（BCI）系统	引入了时间核选择（TKS）模块，显著增强了特征提取能力，并通过扩张和分组卷积减少了模型参数，降低了过拟合风险	未提及具体的数据不足情况下的泛化能力测试	解决现有SSVEP-BCI深度学习方法在训练数据不足时过拟合和全局时间特征捕获困难的问题	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（CNN）	FBCNN-TKS（结合CNN和TKS模块的深度学习模型）	SSVEP信号数据	公共数据集Benchmark和BETA
4	2025-07-28	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	首次系统评估了在小型专有数据集上使用YOLOv9模型结合OMI-DB预训练对乳腺肿块检测性能的提升效果	研究仅基于133张乳腺X光图像，样本量较小	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光图像中的肿块检测	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
5	2025-07-28	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	本文回顾了深度学习模型在药物-靶点相互作用/亲和力预测中的应用及进展	总结了2016至2025年间180种基于机器学习和深度学习的药物-靶点相互作用预测方法，讨论了这些模型的新颖性、架构和输入表示	未提及具体模型的性能比较或实际应用案例	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	深度学习模型，图神经网络	NA	分析了180种预测方法
6	2025-07-28	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	提出了一种新颖的深度学习框架，用于生成可解释、准确且适应性强的放射学报告	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和基于频率的多标签分类策略，结合预训练文本到文本大型语言模型(LLM)生成报告	仅在两个公开数据集(IU-XRay和MIMIC-CXR)上进行了验证，未在其他临床环境中测试	开发可解释的自动化放射学报告生成系统，减轻放射科医生工作负担	胸部X光图像及其对应的放射学报告	数字病理	NA	多标签分类，文本到文本大型语言模型(LLM)	LLM	图像，文本	两个公开数据集(IU-XRay和MIMIC-CXR)
7	2025-07-28	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	本文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	利用智能手机的惯性测量单元传感器，通过非侵入性、低成本技术获取呼吸运动学数据，适用于资源有限环境或疫情期间的远程健康监测	未来工作需要扩展数据集，改进长期监测方法，并评估其在多样化的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	健康个体和术前诊断为心脏瓣膜功能不全、冠状动脉疾病和主动脉瘤等心肺疾病的患者	机器学习	心血管疾病	智能手机IMU传感器（加速度计和陀螺仪）	双向循环神经网络（RNN）	时间序列数据	健康个体和心肺疾病患者（具体数量未明确说明）
8	2025-07-28	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（WMH）分割的影响，并提出最大熵正则化技术以增强模型校准和不确定性估计	提出最大熵正则化技术来改善模型校准和不确定性估计，特别是在领域偏移情况下	研究仅基于两个公开数据集，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WMH分割的可靠性和不确定性估计	白质高信号（WMH）分割	数字病理学	多发性硬化症	MRI	U-Net	医学影像	两个公开数据集：WMH Segmentation Challenge和3D-MR-MS dataset
9	2025-07-28	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术(iPPG)高精度提取血容量脉冲(BVP)	结合精确的皮肤分割和加权以及BVP提取于一个模型中，并开发了新的基于块的时间归一化机制和创新训练流程	未明确提及具体局限性	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	成像光电容积描记术(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
10	2025-07-28	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注意力机制和3D卷积神经网络，自适应捕捉大脑中的关键认知相关区域，有效提升认知评分预测性能	方法依赖于ADNI数据集，未在其他独立数据集上验证	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数据和认知评分	数字病理学	阿尔茨海默病	sMRI	Transformer + 3D CNN	3D医学影像	ADNI数据集中的样本
11	2025-07-28	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	该研究提出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，以促进肽类癌症治疗的发展	抗癌肽（ACP）	机器学习	癌症	机器学习和深度学习	集成框架（ML和DL）	蛋白质序列数据	NA
12	2025-07-28	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，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）的注意力深度学习架构，整合了多种变异谱数据	未明确说明样本来源的多样性或样本量是否足够代表广泛人群	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）、SNVs（单核苷酸变异）、CNVs（拷贝数变异）、SVs（结构变异）	BIO-DGI（基于注意力机制的深度学习架构）	基因组数据	NA
13	2025-07-28	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	本文全面回顾了深度学习在心脏图像分析中的最新应用，包括常见成像模态和模型压缩技术	总结了transformer、基础模型和模型压缩等新技术在心脏图像分析中的应用进展	未进行定量分析或实验验证，主要基于文献综述	探索深度学习在心血管疾病诊断中的应用	心脏图像数据	计算机视觉	心血管疾病	深度学习	transformer, 基础模型	医学影像	NA
14	2025-07-28	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	本研究提出了一种名为MTECG的掩码Transformer模型，用于提升心电图（ECG）信号的多标签自动诊断准确率	首次将基于图像的掩码自编码器技术适配到ECG时间序列的自监督表征学习中，并通过实验验证了其显著优于现有方法	研究主要基于特定数据集（Fuwai数据集）进行验证，虽然在两个公共数据集上进行了额外评估，但临床实际应用效果仍需进一步验证	提高心电图分类的准确性，特别是在处理真实临床环境中的复杂信号模式	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条由医学专家标注的ECG记录（Fuwai数据集）以及两个公共数据集
15	2025-07-28	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，模型在诊断性能上达到了最先进水平，并提供了模型决策过程的可解释性	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巨细胞动脉炎诊断中的准确性	颞动脉活检图像	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机制	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）
16	2025-07-28	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	review	本文系统回顾了65项关于可解释AI（XAI）在胶质瘤影像分析中的应用研究，探讨了如何提高AI系统的透明度和临床应用的可靠性	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，并指出未来研究需要解决这些问题	提高AI系统在胶质瘤影像分析中的透明度和可解释性，以增强临床应用的可靠性	胶质瘤的磁共振成像（MRI）和组织病理学图像	digital pathology	glioma	MRI, histopathology imaging	deep learning	image	65 studies reviewed
17	2025-07-28	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），用于处理低剂量PET成像中的不同噪声水平并重建高质量图像	提出了一种监督式Swin Transformer噪声感知网络（ST-UNN），通过动态整合多个子网络的输出来处理不同噪声水平，显著提升了低剂量PET成像的质量	研究仅针对头部和头颈部区域的PET/CT数据集，未涵盖其他身体部位	开发一种能够处理不同噪声水平的统一噪声感知网络，以提升低剂量PET成像的图像质量	低剂量PET成像中的噪声水平和图像质量	digital pathology	head and neck cancer	deep learning, PET/CT imaging	Swin Transformer	image	PET/CT数据集涵盖整个头部和头颈部区域的恶性病变
18	2025-07-28	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	本文提出了一种基于元宇宙的深度学习框架，用于冠状动脉狭窄分类，结合了Monte Carlo Dropout的ResNet-152模型	结合元宇宙和深度学习技术，提出了一种新的冠状动脉狭窄分类方法，通过虚拟现实技术为患者提供交互式3D模型，提高了诊断精度	未提及样本的具体数量，可能影响结果的泛化性	提高冠状动脉狭窄的诊断精度，并通过元宇宙技术改善患者体验	冠状动脉狭窄患者	数字病理	心血管疾病	Invasive Coronary Angiography (ICA), Quantum-Adapted Diffusion (QAD), Gray Level Co-occurrence Matrix (GLCM), Stochastic Gradient Descent (SGD)	Monte Carlo Dropout-based ResNet-152 (MCD-ResNet-152)	图像	NA
19	2025-07-28	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	review	本文综述了使用EEG信号进行情感识别的深度学习和机器学习方法，面临的挑战及未来方向	探讨了深度学习（如CNN和RNN）在EEG信号自动特征提取中的应用，对比传统方法（如SVM、KNN和RF）	EEG信号存在主体特异性、高噪声和高质量标记数据稀缺等问题，限制了模型的泛化能力和信号分析的复杂性	提升脑机交互和脑健康评估系统的先进应用	EEG信号的情感识别	脑机接口	NA	EEG信号分析	CNN, RNN, SVM, KNN, RF	EEG信号	流行数据集（如DEAP、SEED、AMIGOS）
20	2025-07-28	Applications of machine learning for peripheral artery disease diagnosis and management: A systematic review 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110744 PMID:40644890	系统综述	本文系统综述了机器学习在周围动脉疾病（PAD）诊断和管理中的应用	探讨了机器学习在PAD诊断和管理中的非侵入性和高效方法，以及其在分析大数据集和识别复杂模式方面的应用	研究中存在一定的偏倚风险，50%的研究在所有领域中表现出低风险	评估机器学习算法在PAD诊断和管理中的应用效果	周围动脉疾病（PAD）患者	机器学习	心血管疾病	神经网络（全连接和卷积）、集成学习、深度学习	随机森林、回归、分类、聚类	数值和非数值数据	30项相关研究（2014年至2024年发表）