深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
3201	2025-10-06	Predicting diameter and tensile strength of electrospun fibers for biomedicine: A comparison of Box-Behnken design, traditional machine learning and deep learning 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110923 PMID:40803173	研究论文	本研究系统比较了Box-Behnken设计、传统机器学习算法和人工神经网络在预测电纺纤维直径和拉伸强度方面的性能	首次对具有显著不同形态的电纺支架进行系统分析，并验证人工神经网络在小样本复杂数据集中的模式提取能力	样本量较小（n=18），Box-Behnken设计模型存在过拟合问题，传统机器学习算法在拉伸强度预测上遇到困难	比较不同建模方法在预测电纺纤维物理参数方面的性能	电纺聚己内酯支架的纤维直径和拉伸强度	机器学习	NA	电纺丝技术	人工神经网络,传统机器学习算法	实验参数数据	18个电纺支架样本（15个训练，3个测试）	NA	NA	预测精度	NA
3202	2025-10-06	BSA-Net: Boundary-prioritized spatial adaptive network for efficient left atrial segmentation 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110851 PMID:40812011	研究论文	提出一种边界优先的空间自适应网络BSA-Net，用于高效左心房分割	通过特征位置和损失优化的自适应调整策略建立长程特征关系，并强化边界区域的鲁棒特征表示	未明确说明对非标准输入数据的泛化能力	解决左心房分割中结构不完整和边界不连续的问题	左心房医学图像	计算机视觉	心血管疾病	深度学习	CNN	医学图像	三个基准数据集（LA、Utah、Waikato）	NA	BSA-Net	Dice系数	NA
3203	2025-10-06	Detection and classification of diabetic retinopathy in retinal fundus images using deep spiking Q Network optimized with partial reinforcement optimizer 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110863 PMID:40812015	研究论文	提出一种基于深度脉冲Q网络和部分强化优化器的糖尿病视网膜病变检测与分类方法	首次将深度脉冲Q网络与部分强化优化器结合用于糖尿病视网膜病变分类，通过优化网络权重参数提高分类精度	未提及模型在临床环境中的验证情况，也未说明对数据不平衡问题的处理	开发自动化的糖尿病视网膜病变检测与分类系统	视网膜眼底图像	计算机视觉	糖尿病视网膜病变	图像处理，特征提取	DSQN	图像	Eye PACS fundus image 数据集	Python	Deep Spiking Q Networks	准确率，精确率，召回率，F1分数，特异性，ROC，错误率，计算时间	NA
3204	2025-10-06	Spatio-temporal deep learning with temporal attention for indeterminate lung nodule classification 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110813 PMID:40818205	研究论文	提出一种结合时空特征和时序注意力的深度学习框架，用于不确定肺结节的良恶性分类	开发了globAttCRNN模型，首次将全局注意力机制与卷积循环神经网络结合，并提出了处理时间维度缺失数据的新策略	仅使用NLST数据集进行验证，需要更多外部数据集验证泛化能力	提高不确定肺结节的恶性预测准确性	不确定肺结节	计算机视觉	肺癌	CT扫描	CNN, RNN	医学影像	175个肺结节（来自NLST数据集的多时间点CT扫描）	NA	globAttCRNN（全局注意力卷积循环神经网络）	AUC-ROC	NA
3205	2025-10-06	A new era in colorectal cancer: Artificial Intelligence at the forefront 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110926 PMID:40818204	综述	本文通过系统文献综述探讨人工智能在结直肠癌领域的应用现状与前景	全面评估了AI在结直肠癌多方面的应用潜力，包括可解释AI和混合模型的应用分析	基于文献综述方法，缺乏原始实验数据验证	系统评估人工智能技术在结直肠癌领域的应用效果与挑战	结直肠癌相关的医学研究文献和人工智能应用案例	机器学习	结直肠癌	生物信息学工具	机器学习,深度学习,可解释AI,混合模型	医学文献数据	NA	NA	随机森林,支持向量机,卷积神经网络	准确率,延迟时间,数据隐私,鲁棒性,数据集可用性	NA
3206	2025-10-06	SMAS: Structural MRI-based AD Score using Bayesian supervised VAE 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110829 PMID:40818206	研究论文	本研究开发了一种基于结构MRI的阿尔茨海默病评分指标SMAS，用于量化AD相关的脑形态变化模式	提出了一种基于贝叶斯监督变分自编码器的深度学习框架，用于构建AD相关的形态计量学评分指标	研究样本主要来自两个特定队列，需要在更广泛的人群中验证	开发用于阿尔茨海默病早期识别和疾病进展追踪的生物标志物	阿尔茨海默病患者和认知健康个体的脑结构MRI数据	医学影像分析	阿尔茨海默病	结构磁共振成像	变分自编码器	医学影像	DELCODE队列415例，ADNI队列190例	NA	贝叶斯监督变分自编码器	AUC, 相关系数	NA
3207	2025-10-06	How design ability anxiety leads to design students' dependence on artificial intelligence? Internship and professional identity, feedback and evaluation mechanisms, and the role of innovative mindset 2025-Sep, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2025.105423 PMID:40818423	研究论文	本研究探讨设计能力焦虑如何通过实习与专业认同、反馈评价机制和创新思维等因素导致设计学生对人工智能生成设计的依赖	首次将技术依赖理论应用于设计教育领域，系统分析AI技术介入下设计学生产生工具依赖的心理机制和教育因素	样本仅来自设计学院学生，研究结果可能不适用于其他专业领域；横断面数据难以确定因果关系	探究设计学生产生AI工具依赖的影响因素及其作用机制	432名使用AI生成设计的设计学院学生	教育技术	NA	深度学习算法	NA	问卷调查数据	432名设计学院学生	NA	NA	中介效应分析	NA
3208	2025-10-06	A deep learning-based automatic chromosome segmentation method for metaphase cell images 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110943 PMID:40818203	研究论文	开发了一种基于深度学习的自动染色体分割方法MCSegNet，用于中期细胞图像分析	提出创新的三阶段架构，结合Swin Transformer作为骨干网络、混合任务级联和测试时间增强技术	NA	解决染色体检测、分割和方向校正的挑战，提高产前诊断的准确性和效率	中期细胞图像中的染色体	计算机视觉	遗传疾病	深度学习	Transformer, CNN	图像	30,055张染色体图像	PyTorch	Swin Transformer, Hybrid Task Cascade	准确率, 精确率, 召回率, Dice系数	NA
3209	2025-10-06	Improving skull-stripping for infant MRI via weakly supervised domain adaptation using adversarial learning 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110903 PMID:40819497	研究论文	通过弱监督域适应和对抗学习改进婴儿MRI颅骨剥离方法	在先前无监督域适应框架基础上，扩展使用弱标记新生儿MRI数据、合成数据和私有数据集，验证模型在四个不同域的泛化能力	未明确说明模型在临床环境中的实际应用限制	解决成人到新生儿脑MRI图像的域偏移问题，提升颅骨剥离模型的泛化性能	新生儿脑MRI图像	医学影像分析	NA	MRI	深度学习	医学图像	来自Developing Human Connectome Project(dHCP)的公共新生儿数据集、私有新生儿数据集和合成数据	NA	DAUnet	Dice系数,Hausdorff距离	NA
3210	2025-10-06	A state-of-the-art new method for diagnosing atrial septal defects with origami technique augmented dataset and a column-based statistical feature extractor 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110967 PMID:40834638	研究论文	本研究提出了一种使用折纸技术增强数据集和基于列的统计特征提取器来诊断房间隔缺损的新方法	首次在文献中将折纸技术应用于医学图像数据增强，并采用基于列的统计特征提取方法	仅使用成人胸部X光图像，未包含儿童或其他年龄段患者数据	开发高精度的房间隔缺损早期诊断方法	成人房间隔缺损患者的胸部X光图像	计算机视觉	心血管疾病	胸部X光成像	SVM, k-NN, 决策树	图像	来自不同成人受试者的胸部X光图像数据集	NA	NA	准确率	NA
3211	2025-10-06	A novel data augmentation technique based on wheezing physiological modeling applied to asthma severity management in respiratory sounds 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110910 PMID:40834637	研究论文	提出一种基于喘息生理建模的新型数据增强技术，用于呼吸音中的哮喘严重程度管理	基于喘息生理机制开发数据增强技术，克服传统患者衍生数据和声音转换方法的不一致性	合成数据训练的模型准确率比真实数据训练低2.5%，某些罕见喘息声音可能无法完全模拟	开发能够有效生成合成喘息声音的数据增强方法，改善哮喘严重程度诊断	哮喘患者的喘息声音	数字病理	哮喘	呼吸音听诊，生理建模	CNN	音频	NA	NA	NA	准确率	NA
3212	2025-10-06	Deep learning as a bridge between intercultural sensitivity and learning outcomes: A comparative study of English-medium instruction delivery modes in Chinese higher education 2025-Sep, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2025.105410 PMID:40834781	研究论文	本研究通过构建中介框架探讨跨文化敏感度、深度学习与学习成果之间的关系，比较中国高等教育中面对面和在线两种英语授课模式	首次在英语授课环境中检验跨文化敏感度通过深度学习影响学习成果的中介机制，并比较两种授课模式的差异	使用自我报告工具收集数据，样本仅来自中国南方五所大学	探究跨文化敏感度如何通过深度学习影响学生在不同英语授课模式下的学习成果	中国高校参与英语授课课程的1192名学生	教育技术	NA	问卷调查、多群组分析	中介效应模型	问卷数据	1192名学生来自五所大学	NA	基于Biggs 3P模型构建的中介框架	中介效应分析、多群组比较	NA
3213	2025-10-06	Automatic margin line extraction using 3D deep learning on digital surface models of prepared teeth for crown generation 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110960 PMID:40839933	研究论文	提出一种基于3D深度学习的个性化数字解决方案，用于在牙冠设计中自动提取预备牙齿的边缘线	开发了端到端AI框架替代传统不可重复的手动边缘线设计流程，并提出了新颖的后处理程序来修正分割结果	测试集样本量相对较小（78例），需要在实际临床环境中进一步验证	实现预备牙齿边缘线的自动化和一致性提取，提高牙冠设计效率	预备牙齿的3D数字表面模型	计算机视觉	NA	3D扫描	深度学习	3D表面模型	1113个预备牙齿数字表面扫描（训练集1035例，测试集78例）	NA	NA	DSC（Dice相似系数）, p-value	NA
3214	2025-10-06	The virtual doctor prescribing the future: Diagnostics with interactive clinical decision support 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110968 PMID:40839937	研究论文	介绍一种名为Virtual Doctor的无人值守医疗舱系统，通过非侵入式生物医学传感器和人工智能技术提供临床决策支持	开发了集成分布式医疗数据采集系统和预训练深度学习模型的无人值守医疗诊断舱，并评估了其社会心理接受度	需要在进行严重疾病筛查时提供全面解释以减少用户焦虑和潜在抵抗	解决医疗专业人员短缺问题，提高医疗保健可及性	虚拟医疗诊断系统及其用户接受度	医疗人工智能	2型糖尿病, 皮肤癌	非侵入式生物医学传感, 深度学习	深度学习模型	生物医学传感器数据	1217名参与者	NA	预训练深度学习模型	ROC-AUC	NA
3215	2025-10-06	From images to insights: Cell counting and uniformity grading of day 3 embryos 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110872 PMID:40845581	研究论文	提出结合深度学习和图像处理的混合方法，用于自动化评估体外受精第3天胚胎的细胞计数和均匀性分级	将YOLOv8目标检测模型与GVF-snake主动轮廓模型相结合，并引入标准化均匀值(NUV)作为细胞均匀性定量评估指标	仅针对第3天胚胎进行评估，未涉及其他发育阶段；在复杂成像条件下的性能可能仍有提升空间	提高体外受精胚胎形态学评估的准确性和标准化程度	体外受精第3天人类胚胎	计算机视觉	生殖医学	显微镜成像	CNN, 主动轮廓模型	胚胎图像	NA	NA	YOLOv8, GVF-snake	细胞计数精度, 边界划分准确性, 空间测量精度	NA
3216	2025-10-06	Enhancing diagnostic precision for thyroid C-TIRADS category 4 nodules: a hybrid deep learning and machine learning model integrating grayscale and elastographic ultrasound features 2025-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-594 PMID:40893494	研究论文	开发并验证了一种结合深度学习和机器学习的混合模型C-TNet，用于提高甲状腺C-TIRADS 4类结节的诊断精度	首次将灰度超声和弹性成像超声特征相结合，通过深度神经网络特征提取与随机森林分类器的混合模型进行甲状腺结节良恶性鉴别	研究样本主要来自单一医疗中心（3,463例），外部验证集样本量相对较小（82例）	开发智能评估模型以提高甲状腺C-TIRADS 4类结节的诊断准确性	经病理证实的C-TIRADS 4类甲状腺结节患者	医学影像分析	甲状腺癌	实时弹性成像超声，灰度超声	深度学习，机器学习	超声图像	3,545例患者（3,463例训练和内部验证，82例外部验证）	NA	深度神经网络，随机森林	AUC	NA
3217	2025-10-06	Feasibility of fully automatic assessment of cervical canal stenosis using MRI via deep learning 2025-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-67 PMID:40893491	研究论文	本研究开发并验证了一种基于深度学习的全自动评估颈椎管狭窄程度的AI算法	首次开发了全自动评估颈椎管狭窄的深度学习模型，结合CNN和Transformer架构，实现了多中心验证	回顾性研究，排除了有脊柱内固定或图像质量不佳的患者	开发并验证用于评估颈椎管狭窄的人工智能算法	颈椎MRI扫描图像	医学影像分析	颈椎管狭窄	磁共振成像(MRI)	CNN, Transformer	医学影像	795名患者（平均年龄55±14岁，346名女性），其中589例用于训练和验证，206例用于内部测试，95例用于外部测试	NA	CNN用于感兴趣区域检测，Transformer用于分类	准确率, 敏感度, 特异度, AUC, 检测精度, 评估者间一致性	NA
3218	2025-10-06	Improved image quality and diagnostic performance of coronary computed tomography angiography-derived fractional flow reserve with super-resolution deep learning reconstruction 2025-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2075 PMID:40893520	研究论文	评估超分辨率深度学习重建算法在改善冠状动脉CT血管成像质量和CT-FFR诊断性能方面的效果	首次系统比较超分辨率深度学习重建与传统重建方法在冠状动脉CT血管成像质量和CT-FFR诊断性能方面的差异	回顾性研究设计，样本量相对较小（50例患者），仅22例患者有侵入性FFR作为参考标准	评估不同图像重建算法对冠状动脉CT血管成像质量和CT-FFR诊断准确性的影响	接受冠状动脉CT血管成像和后续侵入性冠状动脉造影的50例患者	医学影像分析	心血管疾病	冠状动脉CT血管成像，侵入性冠状动脉造影，分数流储备测量	深度学习重建算法	医学影像数据	50例患者，其中22例包含45个病灶有侵入性FFR结果	深度学习框架	超分辨率深度学习重建，传统深度学习重建	图像噪声，信噪比，边缘锐度，敏感性，特异性，阳性预测值，阴性预测值，准确率，AUC	NA
3219	2025-10-06	Deep learning-based super-resolution method for projection image compression in radiotherapy 2025-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2024-2962 PMID:40893517	研究论文	本研究探索基于深度学习的超分辨率方法用于放疗投影图像压缩	将深度学习超分辨率技术与视频编解码器结合用于医疗投影图像压缩，显著提高压缩比	未提及临床验证和实际部署的可行性	开发经济高效的放疗投影图像存储方法	锥形束CT投影图像	计算机视觉	癌症	锥形束CT成像	CNN, ResNet, GAN	投影图像	NA	NA	CNN, ResNet, GAN	压缩比, PSNR, VQM, SSIM	NA
3220	2025-10-06	YOLOv8-BCD: a real-time deep learning framework for pulmonary nodule detection in computed tomography imaging 2025-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-824 PMID:40893530	研究论文	提出一种基于YOLOv8改进的实时深度学习框架YOLOv8-BCD，用于CT影像中肺结节的检测	集成BiFormer注意力机制、CARAFE上采样方法和DO-DConv增强卷积，并采用SRGAN进行图像增强预处理	NA	开发高精度、快速的肺结节检测深度学习框架，促进肺癌早期诊断	CT影像中的肺结节	计算机视觉	肺癌	CT成像	YOLO, GAN, CNN	医学影像	LUNA16数据集的550张CT图像，外加天池肺结节数据集	PyTorch	YOLOv8, BiFormer, CARAFE, DO-DConv, SRGAN	准确率, mAP0.5, mAP0.5-0.95, FPS	NA