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
3161	2025-04-01	Factor enhanced DeepSurv: A deep learning approach for predicting survival probabilities in cirrhosis data 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109963 PMID:40037171	研究论文	本文提出了一种名为Factor Enhanced DeepSurv（FE-DeepSurv）的深度神经网络模型，用于预测肝硬化患者的生存概率	FE-DeepSurv结合了因子分析降低预测变量维度，应用转换技术处理数据截尾，并利用深度神经网络预测每个时间间隔的条件失效概率，从而提高了生存概率估计的精确度	NA	开发一种能够更准确预测肝硬化患者生存概率的深度学习模型	肝硬化患者的生存数据	机器学习	肝硬化	因子分析，深度神经网络	FE-DeepSurv, Cox比例风险模型, 随机生存森林, DeepHit, DeepSurv	生存数据	来自Mayo Clinic试验的继发性数据，具体样本量未提及
3162	2025-04-01	Deep learning based image enhancement for dynamic non-Cartesian MRI: Application to "silent" fMRI 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109920 PMID:40037172	研究论文	本研究探讨了深度学习在动态非笛卡尔MRI图像增强中的应用，特别关注于保持动态时间信号变化	利用深度学习模型（2D-UNet和3D-UNet）提升非笛卡尔MRI图像质量，并成功保留BOLD信号的时间特性	研究依赖于模拟数据，可能无法完全反映真实临床场景中的复杂性	提升非笛卡尔MRI图像质量，同时保留功能MRI研究中的动态时间信号变化	非笛卡尔MRI图像，特别是静息态功能MRI数据	医学影像分析	NA	深度学习图像增强	2D-UNet, 3D-UNet	MRI图像	Human Connectome Project (HCP) 数据集
3163	2025-04-01	Deep Radon Prior: A fully unsupervised framework for sparse-view CT reconstruction 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109853 PMID:40056836	研究论文	提出一种名为Deep Radon Prior (DRP)的全无监督深度学习框架，用于稀疏视图CT重建，以减少辐射暴露并提高图像质量	DRP框架无需高质量训练数据集，通过将神经网络作为隐式先验整合到迭代重建过程中，提高了重建过程的可解释性	未提及具体样本量或临床验证结果	解决稀疏视图CT重建中的伪影问题，减少对标记数据的依赖	稀疏视图CT图像	医学影像	NA	深度学习	DRP (基于Deep Image Prior的改进框架)	CT图像	NA
3164	2025-04-01	Automatic cerebral microbleeds detection from MR images via multi-channel and multi-scale CNNs 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109938 PMID:40056835	研究论文	本文提出了四种基于CNN的算法，用于提高脑微出血（CMBs）的自动检测准确率	提出了多通道CNN优化架构和多尺度CNN结构，显著降低了假阳性率并提高了检测性能	尚未在临床实践中进行大规模验证，需要进一步研究和优化	改进脑微出血（CMBs）的自动检测算法	脑微出血（CMBs）	计算机视觉	神经系统疾病	MRI	CNN	图像	NA
3165	2025-04-01	Female autism categorization using CNN based NeuroNet57 and ant colony optimization 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109926 PMID:40056838	研究论文	本研究提出了一种名为NeuroNet57的57层CNN架构，结合蚁群优化算法，用于从fMRI数据中提取特征并分类女性自闭症	提出NeuroNet57架构，结合ACO进行特征选择，并使用多种机器学习分类器实现高精度女性自闭症分类	女性表型和基因型数据较为缺乏	开发一种准确诊断女性自闭症的深度学习方法	女性自闭症患者	数字病理学	自闭症谱系障碍	fMRI扫描	CNN, ACO, KNN	医学影像	ABIDE-I数据集14372×4096特征矩阵，ABIDE-II数据集16168×4096特征矩阵
3166	2025-04-01	GLEAM: A multimodal deep learning framework for chronic lower back pain detection using EEG and sEMG signals 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109928 PMID:40054171	研究论文	提出了一种名为GLEAM的多模态深度学习框架，用于通过EEG和sEMG信号检测慢性下腰痛强度	开发了新型去噪GAN用于清理EEG和sEMG信号，设计了新的ETLSTM架构作为分类器，并引入了GLEAM混合深度学习框架	NA	通过深度学习技术诊断下腰痛强度	下腰痛患者	机器学习	下腰痛	EEG, sEMG	GAN, CNN, LSTM, Transformer	EEG信号, sEMG信号	NA
3167	2025-04-01	Accurate phenotyping of luminal A breast cancer in magnetic resonance imaging: A new 3D CNN approach 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109903 PMID:40054167	研究论文	本文提出了一种基于3D CNN的新方法，用于在MRI中准确识别luminal A型乳腺癌	提出了一种新的基于定量医学成像生物标志物（QIB）的3D CNN模型，用于诊断luminal A型乳腺癌，其性能优于现有方法	数据集中存在类别不平衡问题，虽然采用了类别加权策略，但可能影响模型的泛化能力	提高luminal A型乳腺癌的诊断准确性和效率，为患者制定个性化治疗方案	luminal A型乳腺癌的MRI图像	数字病理学	乳腺癌	MRI	3D CNN	3D MRI图像	公共领域MRI乳腺癌数据集（Duke-Breast-Cancer-MRI）
3168	2025-04-01	A multi-stage fusion deep learning framework merging local patterns with attention-driven contextual dependencies for cancer detection 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109916 PMID:40054172	研究论文	提出了一种多阶段融合深度学习框架PADBSRNet及其与Vision Transformer的混合方法，用于脑肿瘤、皮肤癌和肺癌的检测	整合了可分离和传统卷积层、多重注意力机制、双向循环神经网络和跨连接/多阶段特征融合策略，能有效提取局部-全局上下文特征并建模长期依赖关系	未提及模型在临床环境中的实际部署挑战或对不同医疗设备的泛化能力	提高癌症诊断的速度和准确性	脑肿瘤、皮肤癌和肺癌	数字病理	脑肿瘤、皮肤癌、肺癌	深度学习	PADBSRNet、Vision Transformer (ViT)混合模型	医学影像	Figshare脑肿瘤数据集、IQ-OTH/NCCD数据集、皮肤癌恶性与良性数据集
3169	2025-04-01	Addressing underestimation and explanation of retinal fundus photo-based cardiovascular disease risk score: Algorithm development and validation 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109941 PMID:40064120	research paper	开发并验证了一种基于视网膜眼底照片的心血管疾病风险评分深度学习模型，解决了低估问题并探讨了其机制	提出了一种序数回归深度学习模型，通过迁移学习和显著性图等方法探讨了模型理解心血管疾病风险的机制	模型性能在便携式相机数据上略有下降，且仅识别了部分与高心血管疾病风险相关的图像特征	解决AI模型在预测心血管疾病风险评分时的低估问题并研究其机制	视网膜眼底照片	digital pathology	cardiovascular disease	Deep Learning	ordinal regression DL model	image	UK Biobank数据集中的34,652名参与者，以及澳大利亚外部验证数据集中的401名参与者的1376张眼底照片
3170	2025-04-01	Predicting C- and S-linked Glycosylation sites from protein sequences using protein language models 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109956 PMID:40073495	研究论文	本研究提出两种深度学习模型DeepCSEmbed-C和DeepCSEmbed-S，用于从蛋白质序列预测C-连接和S-连接的糖基化位点	结合语言模型嵌入与序列特征，采用双分支深度学习架构（FNN与Inception分支）及多种采样策略优化模型性能，显著超越现有方法	未明确说明模型在跨物种或新型糖基化类型上的泛化能力	开发计算模型以替代昂贵的实验技术预测蛋白质糖基化位点	蛋白质序列中的C-连接和S-连接糖基化位点	生物信息学	NA	蛋白质语言模型嵌入、CE/MS（仅提及实验对比方法）	DeepCSEmbed-C（FNN+Inception）、DeepCSEmbed-S（CAT增强模型）	蛋白质序列数据	未明确说明具体样本量，但提供独立测试集性能指标
3171	2025-04-01	Progressive multi-task learning for fine-grained dental implant classification and segmentation in CBCT image 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109896 PMID:40073494	research paper	提出了一种基于深度学习的多任务细粒度CBCT牙科种植体分类和分割方法MFPT-Net，用于自动同步分类和分割CBCT图像中的种植体系统	首次利用大规模CBCT数据集进行分析，通过渐进式训练和多尺度特征提取与增强，解决了种植体类内差异大、类间差异小的问题	NA	提高牙科种植体在CBCT图像中的分类和分割准确率，以辅助牙医进行诊断和治疗	CBCT图像中的牙科种植体	digital pathology	dental disease	deep learning	MFPT-Net	image	437个CBCT序列，包含723个牙科种植体，来自三个不同中心
3172	2025-04-01	An end-to-end four tier remote healthcare monitoring framework using edge-cloud computing and redactable blockchain 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109987 PMID:40081211	研究论文	提出了一种名为四层远程医疗监控框架（FTRHMF）的端到端安全远程医疗框架，结合边缘云计算和可编辑区块链技术	结合了混合元启发式安全联邦集群路由协议（HyMSFCRP）、多智能体深度强化学习（MA-DRL）和混合变压器深度学习（HTDL）模型，以及可编辑区块链层，提高了网络寿命和传输效率	未提及具体实施中的技术难点或实际部署中的挑战	解决医疗物联网（MIoTs）中的服务质量（QoS）问题，提升数据隐私和安全性	医疗物联网中的无线体传感器（WBS）、分布式网关（DGW）、分布式边缘服务器（DES）、区块链服务器（BS）和云服务器（CS）	医疗物联网	NA	混合元启发式算法（MTBO和SHO）、多智能体深度强化学习（MA-DRL）、混合变压器深度学习（HTDL）	Lite CNN、Swin Transformer	传感器数据	NA
3173	2025-04-01	A deep Bi-CapsNet for analysing ECG signals to classify cardiac arrhythmia 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109924 PMID:40086290	research paper	该研究提出了一种深度双向胶囊网络（Bi-CapsNet），用于分析心电图（ECG）信号以分类心律失常	提出了一种新的深度双向胶囊网络（Bi-CapsNet）模型，结合了智能深度学习分类器，提高了分类过程的准确性	研究仅使用了MIT-BIH心律失常数据库中的五种心律失常类型，可能无法涵盖所有心律失常情况	开发一种高精度的心律失常自动分类方法	心电图（ECG）信号	machine learning	cardiovascular disease	深度学习（DL）	Bi-CapsNet, CNN-RNN	ECG信号	MIT-BIH心律失常数据库中的五种心律失常类型（NOR, RBBB, PVC, APB, LBBB）
3174	2025-04-01	Deep learning-based automated segmentation of cardiac real-time MRI in non-human primates 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109894 PMID:40086292	研究论文	开发了一种基于深度学习的自动化分割方法PrimUNet，用于非人灵长类动物心脏实时MRI图像中的心室和心肌分割	首次在非人灵长类动物模型中实现了与人类研究相当的自动分割性能，Dice分数达到0.9	目前仅在恒河猴和狒狒的MRI数据上进行了测试，尚未在其他动物模型上验证	开发适用于动物模型的心脏MRI自动分割方法，提高心血管疾病研究的可靠性和可重复性	非人灵长类动物（恒河猴和狒狒）的心脏MRI图像	数字病理	心血管疾病	MRI	CNN（基于U-Net框架的PrimUNet）	图像	恒河猴和狒狒的实时MRI和电影MRI数据
3175	2025-04-01	Automated detection of arrhythmias using a novel interpretable feature set extracted from 12-lead electrocardiogram 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109957 PMID:40090185	研究论文	提出一种基于可解释特征集的自动心律失常检测方法，使用12导联心电图数据	结合高精度与临床可解释性，提出新型特征集并采用SHAP值分析进行特征筛选	外部测试数据集上的性能（68% F1分数）较交叉验证（81%）有所下降	开发兼具高准确性和临床可解释性的心律失常自动诊断系统	12导联心电图数据	机器学习	心血管疾病	傅里叶变换、小波变换、互相关分析	eXtreme Gradient Boosting (XGBoost)	心电图信号	NA（未明确提及具体样本量）
3176	2025-04-01	Extraction of fetal heartbeat locations in abdominal phonocardiograms using deep attention transformer 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110002 PMID:40096767	研究论文	提出一种名为FHSU-NETR的深度学习模型，用于从原始PCG信号中提取胎儿和母体心率	利用transformer的自注意力机制，增强远程交互模拟和全局上下文捕捉能力，提高胎儿心跳定位的准确性和复杂性	研究样本量较小（20名正常受试者），需要进一步验证模型的泛化能力	提高胎儿健康监测的可及性和可靠性，特别是在资源匮乏的环境中	胎儿和母体的心率信号	数字病理学	胎儿心律失常	PCG（心音图）	FHSU-NETR（基于transformer的U-Net变体）	PCG信号	20名正常受试者，包括一例胎儿心动过速心律失常病例
3177	2025-04-01	Revolutionizing biological digital twins: Integrating internet of bio-nano things, convolutional neural networks, and federated learning 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109970 PMID:40101583	research paper	提出了一种结合生物纳米物联网、卷积神经网络和联邦学习的新型框架，用于解决生物数字孪生在微观和纳米尺度实施中的挑战	整合了IoBNT、CNN和FL技术，实现了高精度的细菌分类和高效的数据传输，同时保证了数据安全	未提及框架在实际工业应用中的具体实施障碍和成本效益分析	解决生物数字孪生在微观和纳米尺度实施中的数据提取、传输和计算复杂性	微生物（如细菌）的数字孪生模型	digital pathology	NA	IoBNT, FL	CNN	microscopic data	33 bacteria categories
3178	2025-04-01	Artificial intelligence in emergency neuroradiology: Current applications and perspectives 2025-Apr, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.11.002 PMID:39672753	综述	本文综述了人工智能在急诊神经放射学中的当前应用及未来展望	提供了关于人工智能在急诊神经放射学中应用的最新进展和深度分析，包括多种成像模态和现有商业产品的描述	未提及具体的技术局限性，但呼吁更多基于临床需求的开发和儿科神经影像学的关注	探讨人工智能在急诊神经放射学中的应用现状和未来发展	急诊神经放射学中的急性缺血性卒中、颅内出血、颅内动脉瘤、动静脉畸形等疾病	数字病理学	脑血管疾病	机器学习和深度学习算法	NA	影像数据	NA
3179	2025-04-01	Near-term prediction of sustained ventricular arrhythmias applying artificial intelligence to single-lead ambulatory electrocardiogram 2025-Mar-30, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehaf073 PMID:40157386	研究论文	本研究开发了一种基于深度学习的单导联动态心电图模型，用于短期预测持续性室性心律失常	首次将深度学习应用于单导联动态心电图，以预测短期内的持续性室性心动过速风险，并揭示了早期去极化模式作为潜在预测因子	研究为回顾性设计，且阳性事件发生率较低（0.5%）	开发能预测致命性室性心律失常的AI模型以预防心脏骤停/猝死	来自6个国家的247254份14天动态心电图记录	数字病理学	心血管疾病	深度学习	深度学习模型	心电图信号	247254份动态心电图记录（开发集183177份，内部验证集43580份，外部验证集20497份）
3180	2025-04-01	Digital twin-assisted graph matching multi-task object detection method in complex traffic scenarios 2025-Mar-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87914-8 PMID:40155390	研究论文	提出一种基于数字孪生的跨领域目标检测迁移方法，以解决交通数据收集和标注耗时耗力的问题	结合数字孪生技术构建虚拟交通场景数据集，并引入基于图匹配的多任务目标检测算法，通过注意力机制和对抗训练提升模型鲁棒性	未提及实际部署中的计算资源消耗和实时性表现	提升复杂交通场景下的目标检测性能	虚拟和真实交通场景中的目标物体	计算机视觉	NA	数字孪生、对抗训练	多任务网络、图匹配模块	图像	未明确说明具体样本数量，包含虚拟生成和真实交通数据集