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
2601	2025-05-25	Revolutionising osseous biopsy: the impact of artificial intelligence in the era of personalized medicine 2025-Jun-01, The British journal of radiology DOI:10.1093/bjr/tqaf018 PMID:39878877	综述	本文综述了人工智能在骨肿瘤活检中的应用及其对个性化医疗的影响	探讨了AI在骨活检中的多种应用，包括提高诊断准确性、改善活检安全性及更精确的病灶定位，并讨论了相关伦理问题和技术限制	涉及AI在骨活检中的技术限制、健康公平性、泛化性、部署问题及报销挑战	探讨人工智能在骨肿瘤活检中的应用及其对个性化医疗的贡献	骨肿瘤（原发性和继发性）的活检及样本处理	数字病理学	骨肿瘤	传统机器学习、深度学习、放射组学、模拟和生成模型	NA	图像	NA
2602	2025-05-25	Deep learning and genomic best linear unbiased prediction integration: An approach to identify potential nonlinear genetic relationships between traits 2025-Jun, Journal of dairy science IF:3.7Q2 DOI:10.3168/jds.2024-26057 PMID:40252763	研究论文	提出了一种结合深度学习和基因组最佳线性无偏预测（GBLUP）的混合模型（DLGBLUP），用于识别性状间潜在的非线性遗传关系	首次将深度学习与GBLUP结合，能够识别性状间的非线性遗传关系，为多性状评估提供了新视角	在法国荷斯坦奶牛群体的实际数据中，虽然检测到非线性关系，但预测准确性未显著提高	改进基因组预测方法，识别性状间的非线性遗传关系以提高育种值预测准确性	模拟数据和法国荷斯坦奶牛群体的实际数据	机器学习	NA	深度学习，GBLUP	DLGBLUP（深度学习与GBLUP结合的混合模型）	基因组数据	模拟数据和法国荷斯坦奶牛群体的实际数据（具体样本量未提及）
2603	2025-05-25	Deep transfer learning-based decoder calibration for intracortical brain-machine interfaces 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110231 PMID:40262392	研究论文	本文提出了一种基于深度迁移学习的解码器校准方法，用于解决脑机接口中神经信号非平稳性导致的频繁重新校准问题	首次将深度迁移学习应用于脑机接口解码器校准，提出了结合领域对抗和主动学习策略的AL-DANN模型	仅在猴子实验数据上进行了验证，尚未在人类数据上测试	减少脑机接口解码器重新校准所需的时间和数据量	脑机接口系统中的解码器	机器学习	NA	深度迁移学习	AL-DANN (领域对抗神经网络结合主动学习)	神经信号数据	三只猴子在不同运动任务中记录的神经信号数据
2604	2025-05-25	FedSynthCT-Brain: A federated learning framework for multi-institutional brain MRI-to-CT synthesis 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110160 PMID:40267535	研究论文	本文介绍了一种基于联邦学习的多机构脑部MRI到CT合成框架FedSynthCT-Brain，旨在解决单中心训练数据集泛化能力不足和隐私问题	首次将联邦学习应用于MRI到合成CT的转换，采用跨机构水平联邦学习方法，允许多个中心协作训练U-Net模型	仅在4个欧美中心的数据上进行验证，样本量相对有限	提高MRI到合成CT转换的泛化能力，同时保护数据隐私	脑部MRI和CT图像	数字病理	NA	联邦学习(FL)	U-Net	医学影像(MRI和CT)	23名患者的数据进行测试，来自4个欧美中心
2605	2025-05-25	Deep-ATM DL-LSTM: A novel adaptive thresholding model with dual-layer LSTM architecture for real-time driver drowsiness detection using skin conductance signals 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110243 PMID:40273820	research paper	提出了一种基于深度学习的自适应阈值模型Deep-ATM DL-LSTM，用于实时检测驾驶员困倦状态，通过皮肤电导信号动态调整阈值	采用双层LSTM架构处理皮肤电导信号的紧张性和相位性响应，动态计算阈值，有效解决信号噪声和个体差异问题	NA	提高驾驶员困倦检测的准确性和实时性，减少因困倦导致的交通事故	驾驶员的皮肤电导信号	machine learning	NA	皮肤电导信号分析	LSTM	生理信号	专业驾驶员在高速公路、城市区域、白天和夜晚以及雨雪环境下的测试数据
2606	2025-05-25	GDM-BC: Non-invasive body composition dataset for intelligent prediction of Gestational Diabetes Mellitus 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110176 PMID:40273822	研究论文	介绍了一个名为GDM-BC的大规模非侵入性身体成分数据集，用于智能预测妊娠期糖尿病（GDM）的风险	提出了一个包含大量非侵入性身体成分指标的数据集，并使用Residual Attention Fully Connected Network (RAFNet)模型在预测GDM方面取得了最佳性能（AUC为0.920）	数据集虽然规模大，但仅包含39,438名孕妇，且GDM诊断率为19.7%，可能无法代表所有人群	开发一种准确且经济高效的GDM预测方法，以降低该疾病的风险和经济压力	39,438名孕妇，其中7,777名被诊断为GDM	机器学习	妊娠期糖尿病	非侵入性身体成分测量	RAFNet, 传统机器学习方法, 深度学习方法	身体成分数据	39,438名孕妇
2607	2025-05-25	Deep learning for multiple sclerosis lesion classification and stratification using MRI 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110078 PMID:40279977	研究论文	该研究提出了一种基于深度学习的MRI方法，用于提高多发性硬化症(MS)病灶分类和分层的精确度	结合了深度学习重建技术和双注意力机制，改进了特征提取，特别是在皮质灰质和脑干等难以诊断的区域	NA	提高多发性硬化症病灶分类和分层的精确度	多发性硬化症(MS)患者的MRI图像	数字病理学	多发性硬化症	高分辨率T2加权成像(T2WI)和深度学习重建(DLR)	CNN	MRI图像	四个公开数据集
2608	2025-05-25	Faster R-CNN approach for estimating global QRS duration in electrocardiograms with a limited quantity of annotated data 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110200 PMID:40286493	研究论文	提出一种使用少量标注数据训练深度学习对象检测模型（Faster R-CNN）来估计心电图（ECG）中全局QRS持续时间（QRSd）的方法	利用有限标注数据训练深度学习模型，通过将ECG记录分割成单个心跳并转换为人工图像，使用Faster R-CNN模型估计全局QRSd，减少了手动标注的需求	研究仅基于258条12导联10秒数字ECG记录和140名心衰门诊患者的数据，样本量相对较小	开发一种高效的方法，利用少量标注数据训练深度学习模型，准确估计ECG中的QRSd	心电图（ECG）中的QRS持续时间（QRSd）	计算机视觉	心血管疾病	深度学习对象检测	Faster R-CNN（VGG-16, VGG-19, RESNET-18）	图像（二进制图像和RGB图像）	258条12导联10秒数字ECG记录，来自140名心衰门诊患者
2609	2025-05-25	Benchmarking HEp-2 cell segmentation methods in indirect immunofluorescence images - standard models to deep learning 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110150 PMID:40288291	研究论文	本文对HEp-2细胞在间接免疫荧光图像中的分割方法进行了系统性的文献回顾和基准测试，涵盖了从传统图像处理到深度学习的多种技术	首次对28篇关键论文中的HEp-2细胞分割技术进行了系统性回顾，并对17种未经预训练的CNN模型和8种基于ImageNet预训练的CNN模型进行了基准测试，同时探索了GAN在分割任务中的应用	GAN在分割任务中由于数据限制和对抗训练的不稳定性导致性能下降	评估和比较不同的HEp-2细胞分割方法，为未来研究提供方向	HEp-2细胞的间接免疫荧光图像	数字病理学	自身免疫疾病	间接免疫荧光(IIF)	CNN, GAN, Transformer	图像	I3A数据集（具体样本数量未提及）
2610	2025-05-25	Explainable AI for sharp injury identification using transfer learning with pre-trained deep neural networks 2025-Jun, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112476 PMID:40300435	研究论文	研究使用预训练的深度神经网络和迁移学习技术，开发了一种可解释的AI方法，用于自动识别和分类锐器伤	首次将预训练的深度神经网络和迁移学习技术应用于法医锐器伤分类，并通过类激活映射技术提供解释性分析	对砍伤的分类准确率较低（30%），且样本量不平衡可能影响模型性能	开发一种AI方法来自动识别和分类锐器伤，支持法医损伤分类	锐器伤（刺伤、砍伤和割伤）的图片数据	计算机视觉	法医损伤	迁移学习	ResNet50, GoogLeNet, ShuffleNet-V2	图像	1161张训练图片（刺伤723、砍伤314、割伤124）和212张外部测试图片
2611	2025-05-25	Comparative analysis of deep learning models for predicting biocompatibility in tissue scaffold images 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110281 PMID:40306018	研究论文	本研究比较了ANN和CNN模型在预测组织支架生物相容性方面的性能，发现ANN模型在数值设计参数上表现更优	首次比较ANN和CNN模型在预测组织支架生物相容性方面的性能，并发现ANN模型在处理结构化数据时表现更优	样本量较小（仅5个支架组织），且未来需要解决过拟合问题并优化模型	比较ANN和CNN模型在预测组织支架生物相容性方面的性能，以找到最适合的方法	PrusaSlicer生成的组织支架设计和图像	数字病理	NA	PrusaSlicer设计、ANN和CNN模型分析	ANN, CNN	图像, 数值参数	5个支架组织
2612	2025-05-25	Cancer type and survival prediction based on transcriptomic feature map 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110267 PMID:40311464	研究论文	通过将转录组特征转化为特征图并采用深度学习模型，实现了癌症类型和生存时间的预测	构建了泛癌转录组特征图，并利用Inception网络和门控卷积模块实现了高精度的癌症分类和生存预测，同时鉴定了与癌症进展相关的关键基因	研究仅基于TCGA数据库的数据，未涉及外部验证数据集	开发一种基于转录组特征图的癌症类型和生存时间预测方法	27种癌症类型的转录组数据和10种癌症类型的生存数据	数字病理学	癌症	转录组测序	Inception网络和门控卷积模块	转录组数据	TCGA数据库中的27种癌症类型和10种癌症类型的生存数据
2613	2025-05-25	GeneDX-PBMC: An adversarial autoencoder framework for unlocking Alzheimer's disease biomarkers using blood single-cell RNA sequencing data 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110283 PMID:40311462	研究论文	利用单细胞RNA测序数据和深度学习技术识别阿尔茨海默病的血液生物标志物和治疗靶点	结合自编码器、分类器和判别器的深度学习框架，分析外周血单个核细胞中基因表达，发现传统方法忽略的细微遗传变异	单细胞RNA测序数据的样本量可能有限，且模型在单核细胞数据上的表现依赖于随机森林分类器	识别阿尔茨海默病的血液生物标志物和治疗靶点	阿尔茨海默病患者和认知正常对照的外周血单个核细胞	数字病理学	阿尔茨海默病	scRNA-seq	对抗自编码器	基因表达数据	NA
2614	2025-05-25	DeepValve: The first automatic detection pipeline for the mitral valve in Cardiac Magnetic Resonance imaging 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110211 PMID:40311468	research paper	介绍了一种名为DeepValve的深度学习流程，用于在心脏磁共振成像中自动检测二尖瓣	首次提出用于心脏磁共振成像中二尖瓣自动检测的深度学习流程DeepValve，并测试了三种瓣膜检测模型	研究仅基于120例确诊二尖瓣疾病患者的临床数据集，样本量可能有限	开发自动检测二尖瓣的深度学习流程，以提高诊断准确性	二尖瓣在心脏磁共振成像中的自动检测	digital pathology	cardiovascular disease	deep learning	UNET-REG, UNET-SEG, DSNT-REG	image	120例确诊二尖瓣疾病患者的临床数据集
2615	2025-05-25	Deep learning meets marine biology: Optimized fused features and LIME-driven insights for automated plankton classification 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110273 PMID:40315719	research paper	提出了一种改进的浮游生物分类模型，通过特征融合和优化算法提高分类准确性和可解释性	结合InceptionResNetV2和DeepPlanktonNet模型的特征融合，利用鲸鱼优化算法(WOA)进行特征选择，并采用LIME增强模型可解释性	模型在有限标记数据下的高准确性和计算效率仍具挑战性	提高浮游生物自动分类的准确性和效率，支持大规模生态调查和水质监测	浮游生物	computer vision	NA	特征融合, 鲸鱼优化算法(WOA), LIME	InceptionResNetV2, DeepPlanktonNet	image	WHOI数据集
2616	2025-05-25	An explainable adaptive channel weighting-based deep convolutional neural network for classifying renal disorders in computed tomography images 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110220 PMID:40315718	研究论文	提出了一种名为EACWNet的自动化深度学习模型，用于分类肾脏CT图像中的不同疾病类别	结合了自适应通道加权的深度卷积神经网络和可解释人工智能技术，提高了分类准确率	模型在结石类别的精确度较低，因为结石具有固有的变异性和异质性	提高肾脏疾病诊断的工作流程效率和准确性	肾脏CT图像	计算机视觉	肾脏疾病	深度学习	CNN (VGG-19改进版)	图像	公开可用的肾脏CT图像数据集
2617	2025-05-25	Optimizing stroke lesion segmentation: A dual-approach using Gaussian mixture models and nnU-Net 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110221 PMID:40318493	research paper	本文系统评估了高斯混合模型（GMM）和nnU-Net在识别中风体积治疗相关变化中的有效性	首次将GMM与nnU-Net结合用于中风病灶分割，并评估其在检测治疗诱导变化方面的可靠性	nnU-Net仅基于手动分割训练时无法检测显著的治疗诱导中风体积减少，可能导致假阴性结果	评估不同分割方法在检测中风治疗反应中的有效性	中风病灶分割模型	digital pathology	cardiovascular disease	GMM, nnU-Net	GMM, nnU-Net	image	NA
2618	2025-05-25	Molecular landscape of endometrioid Cancer: Integrating multiomics and deep learning for personalized survival prediction 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110284 PMID:40319755	研究论文	本研究提出了一种结合多组学数据和深度学习的创新生存分析方法，用于子宫内膜样癌的个性化生存预测	开发了一种新的深度学习自编码器，设计了专门用于自编码器的新损失函数，以捕捉生物变量与生存结果之间的复杂非线性关系	NA	研究影响子宫内膜样癌患者预后的因素，识别潜在的生存生物标志物	子宫内膜样癌患者的多组学数据（转录组、甲基化和蛋白质组数据）	数字病理学	子宫内膜癌	多组学分析（转录组、甲基化、蛋白质组）	自编码器（Autoencoder）	多组学数据	来自TCGA-UCEC项目的子宫内膜样癌样本
2619	2025-05-25	Artificial intelligence in fetal brain imaging: Advancements, challenges, and multimodal approaches for biometric and structural analysis 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110312 PMID:40319756	review	本文综述了人工智能在胎儿脑成像中的应用，重点探讨了超声和磁共振成像的多模态整合及其在提高诊断准确性方面的潜力	强调了多模态方法整合超声和磁共振成像的互补优势，以及AI在实时诊断工具和人机协作框架中的创新应用	面临的主要挑战包括高质量多样化数据集的稀缺、计算效率不足以及数据隐私和安全的伦理问题	探索人工智能如何提升胎儿脑成像的诊断准确性和效率，改善围产期护理结果	胎儿脑成像，特别是通过超声和磁共振成像进行的生物测量和结构分析	数字病理	NA	超声(US)和磁共振成像(MRI)	深度学习框架和基于注意力的架构	图像	NA
2620	2025-05-25	NFR-EDL: Non-linear fuzzy rank-based ensemble deep learning for accurate diagnosis of oral and dental diseases using RGB color photography 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110279 PMID:40319757	research paper	提出一种基于非线性模糊排序的集成深度学习模型NFR-EDL，用于通过RGB彩色摄影准确诊断口腔和牙齿疾病	结合四种深度CNN基础模型，通过非线性模糊排序和不确定性决策融合，提高诊断准确性和可靠性	未提及模型在多样化人群或不同光照条件下的泛化能力	开发高准确度的AI工具以改善口腔和牙齿疾病的早期诊断	口腔和牙齿疾病	digital pathology	oral and dental diseases	RGB color photography	CNN, NFR-EDL	image	Kaggle, MOD, ODSI-DB, and OaDD datasets