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
3581	2025-04-02	Neurodegeneration: 2023 update 2023-Jan, Free neuropathology DOI:10.17879/freeneuropathology-2023-4899 PMID:37694160	综述	本文回顾了作者从前一年的神经退行性神经病理学文献中精选的十项具有高度影响力的研究	强调了人类组织基础的实验，涵盖了多种疾病类别、方法和方法论，展示了研究领域的广度	仅选择了十项研究，可能未能涵盖所有重要进展	突出与神经病理学家最相关的人类组织基础研究	神经退行性疾病相关的人类组织研究	神经病理学	阿尔茨海默病、进行性核上性麻痹、Gerstmann-Sträussler-Scheinker病、慢性创伤性脑病等	冷冻电子显微镜（cryo-EM）、功能基因组学、深度学习	弱监督多实例学习范式	蛋白质组学、转录组学、基因表达数据、图像数据	NA
3582	2025-04-01	Deep learning-driven prediction in healthcare systems: Applying advanced CNNs for enhanced breast cancer detection 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109858 PMID:40020549	研究论文	该研究利用卷积神经网络（CNNs）开发了一个强大的乳腺癌检测系统，旨在提高早期检测的准确性和可靠性	研究采用了多种CNN架构，并通过迁移学习对FT-ResNet50模型进行微调，达到了97.54%的准确率，优于现有最先进模型	研究仅使用了Mini-DDSM数据集，样本量为1952张扫描胶片乳腺X光片，可能无法涵盖所有乳腺癌类型和人群	通过深度学习技术提高乳腺癌的早期检测和治疗方法的准确性	乳腺癌的早期检测	数字病理学	乳腺癌	深度学习	CNN, FT-VGG19, FT-ResNet152, FT-ResNet50	图像	1952张扫描胶片乳腺X光片
3583	2025-04-01	Deep learning models for improving Parkinson's disease management regarding disease stage, motor disability and quality of life 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109961 PMID:40037167	研究论文	该研究利用LSTM深度学习模型，通过单一惯性传感器数据对帕金森病患者的疾病阶段、运动状况和生活质量进行分类	提出了一种基于LSTM架构的深度学习模型，能够从单一惯性传感器数据中实现对帕金森病疾病阶段、运动状况和生活质量的全面评估	研究样本量较小（40名患者），可能影响模型的泛化能力	改善帕金森病的诊断和管理，提供客观量化的评估方法	帕金森病患者	机器学习	帕金森病	惯性传感器	LSTM	传感器数据	40名帕金森病患者
3584	2025-04-01	Deep learning models for early and accurate diagnosis of ventilator-associated pneumonia in mechanically ventilated neonates 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109942 PMID:40037168	研究论文	本研究探讨了深度学习模型在新生儿重症监护室（NICU）中用于早期和准确诊断呼吸机相关性肺炎（VAP）的可行性	使用深度学习模型（特别是RegNetX80和ResNet50的组合模型）提高了VAP诊断的特异性和准确性，并通过可解释性AI（XAI）增强了医生对AI辅助诊断的信心	需要未来的前瞻性试验来验证其临床实用性和减少医疗资源的效果	优化新生儿VAP的诊断策略，减少不必要的抗生素使用	670名接受机械通气的新生儿，其中确诊VAP的399例	数字病理学	呼吸机相关性肺炎	深度学习	RegNetX80, ResNet50, VGG, DenseNet	胸部X光图像	670名新生儿（900张胸部X光图像）
3585	2025-04-01	Potential of AI and ML in oncology research including diagnosis, treatment and future directions: A comprehensive prospective 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109918 PMID:40037170	综述	本文综述了人工智能（AI）和机器学习（ML）在肿瘤学研究中的潜力，包括诊断、治疗及未来发展方向	强调了AI和ML在癌症预测、诊断和治疗中的最新应用，包括FDA批准的技术	探讨了AI在医疗保健中的挑战、限制、监管考虑和伦理问题	评估AI和ML在肿瘤学研究和治疗中的应用潜力	癌症研究、诊断和治疗	机器学习	肿瘤学	深度学习（DL）、机器学习（ML）	CNN、MLP	NA	NA
3586	2025-04-01	Predictive modeling and optimization in dermatology: Machine learning for skin disease classification 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109946 PMID:40037169	研究论文	本研究利用机器学习分类器提高皮肤疾病诊断准确性，基于活检样本的组织病理学特征预测皮肤疾病	采用多种机器学习分类器进行皮肤疾病分类，并通过特征选择技术识别影响预测的最相关属性	未来工作需优化特征选择方法、扩大数据集以提高泛化能力，并探索更先进的深度学习技术	提高皮肤疾病诊断的准确性和自动化水平	皮肤疾病	机器学习	皮肤疾病	机器学习分类器	Random Forest, Logistic Regression, SGD Classifier, SVM, AdaBoost, Naive Bayes	组织病理学特征	NA
3587	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
3588	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
3589	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
3590	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
3591	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
3592	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
3593	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）
3594	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
3595	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
3596	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
3597	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
3598	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
3599	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）
3600	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