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
361	2025-06-26	DP-SSLoRA: A privacy-preserving medical classification model combining differential privacy with self-supervised low-rank adaptation 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108792 PMID:38964242	research paper	提出了一种结合差分隐私与自监督低秩适应的隐私保护医学分类模型DP-SSLoRA	结合自监督预训练和低秩分解方法，在差分隐私框架下提升了医学图像分类的隐私保护与性能平衡	仅在三组胸部X光数据集上验证，未测试其他医学影像模态	解决医学深度学习模型中的隐私保护问题	胸部X光医学影像数据	digital pathology	lung cancer	differential privacy, self-supervised learning, low-rank adaptation	DP-SSLoRA（基于低秩分解的神经网络）	医学影像（X光片）	三个公开胸部X光数据集（RSNA、Covid-QU-mini、Chest X-ray 15k）
362	2025-06-26	Semantic contrast with uncertainty-aware pseudo label for lumbar semi-supervised classification 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108754 PMID:38878404	研究论文	提出了一种名为SeCoFixMatch的创新方法，将语义对比和不确定性感知伪标签技术整合到半监督学习中，用于腰椎间盘突出症的MRI图像分类	结合语义对比和不确定性感知伪标签技术，通过优化KL损失计算不确定性，生成更精确的伪标签	未提及具体的数据集来源和多样性，可能影响模型的泛化能力	开发一种高效的半监督学习算法，减少腰椎间盘突出症MRI图像分类所需的标注工作量	腰椎间盘突出症的MRI图像	计算机视觉	腰椎间盘突出症	MRI	SeCoFixMatch	图像	仅需40个标注样本即可超越使用200个标注样本的基线模型
363	2025-06-26	HiRENet: Novel convolutional neural network architecture using Hilbert-transformed and raw electroencephalogram (EEG) for subject-independent emotion classification 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108788 PMID:38941902	研究论文	提出了一种名为HiRENet的新型卷积神经网络架构，结合Hilbert变换和原始脑电图(EEG)进行独立于受试者的情绪分类	首次将Hilbert变换后的EEG相位信息与原始EEG幅值信息结合，提出了HiRENet架构	实验仅使用实验室自建的EEG数据库，未在其他公开数据集上验证	提升基于深度学习的EEG解码性能	人类情绪分类	机器学习	NA	Hilbert变换	CNN（ShallowFBCSPNet和ResCNN）	EEG信号	实验室自建EEG数据库（具体数量未说明）
364	2025-06-26	Skin-CAD: Explainable deep learning classification of skin cancer from dermoscopic images by feature selection of dual high-level CNNs features and transfer learning 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108798 PMID:38925085	research paper	本文提出了一种名为Skin-CAD的可解释人工智能（XAI）系统，用于基于皮肤镜图像的皮肤癌分类	结合四种不同拓扑结构的CNN的双高层特征，并采用PCA降维和特征选择，提高了分类准确率和可解释性	仅使用了两个公开数据集进行验证，可能在实际临床应用中存在泛化性问题	开发一个可解释的AI系统，帮助皮肤科医生准确快速地检测和分类皮肤癌	皮肤镜图像	digital pathology	skin cancer	CNN, PCA, LIME	CNN	image	两个公开数据集（Skin Cancer: Malignant vs. Benign和HAM10000）
365	2025-06-26	AI-Driven localization of all impacted teeth and prediction of winter angulation for third molars on panoramic radiographs: Clinical user interface design 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108755 PMID:38897151	研究论文	本研究利用AI模型在全景X光片上检测所有阻生牙并根据Winter方法对第三磨牙进行分类	使用YOLOv8深度学习算法进行阻生牙检测和Winter分类，并设计了临床用户界面	样本量相对较小，仅来自单一牙科学院数据库	开发AI模型用于牙科影像中阻生牙的自动检测和分类	全景X光片中的阻生牙，特别是第三磨牙	数字病理	牙科疾病	深度学习	YOLOv8	图像	1197张全景X光片用于阻生牙检测，1000张用于Winter分类
366	2025-06-26	Automatic Segmentation and Alignment of Uterine Shapes from 3D Ultrasound Data 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108794 PMID:38941903	研究论文	开发了一种从3D超声数据自动分割和对齐子宫形状的系统	使用深度学习技术自动分割3D超声扫描中的子宫，并结合标准几何方法对齐形状，填补了子宫形状大规模研究的空白	研究依赖于3D超声数据的质量，且初步结果需要进一步验证	建立正常子宫的形状，促进与不孕和反复流产相关的子宫形状异常研究	女性子宫	数字病理	妇科疾病	3D超声	nnU-Net	3D图像	来自多个医疗中心的3D超声图像综合数据集
367	2025-06-26	Lesion-aware cross-phase attention network for renal tumor subtype classification on multi-phase CT scans 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108746 PMID:38878403	研究论文	提出了一种新型的病灶感知跨阶段注意力网络（LACPANet），用于在多期CT扫描上准确分类肾脏肿瘤的病理亚型	首次引入3D跨阶段病灶感知注意力机制和多尺度注意力方案，有效捕捉肾脏病灶在不同CT阶段的时间依赖性	研究仅基于收集的数据集，未提及外部验证结果	提高肾脏肿瘤病理亚型的诊断准确性	多期CT扫描中的肾脏病灶	数字病理	肾癌	多期CT扫描	LACPANet（基于注意力机制的深度学习模型）	3D时间序列医学图像	收集的肾癌患者多期CT扫描数据集（具体数量未提及）
368	2025-06-26	State-of-art technologies, challenges, and emerging trends of computer vision in dental images 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108800 PMID:38917534	综述	本文综述了计算机视觉在牙科影像中的最新技术、挑战和新兴趋势	详细总结了计算机视觉在牙科影像中的应用，包括传统图像处理技术与智能机器学习算法及深度学习技术的结合	未提及具体的技术实施细节和实验验证结果	探讨计算机视觉在牙科影像诊断中的应用及其未来发展方向	牙科影像（如X光、CT扫描、彩色图像等）	计算机视觉	牙科疾病	图像处理、机器学习、深度学习	NA	图像	NA
369	2025-06-26	Developing and validating a knowledge-based AI assessment system for learning clinical core medical knowledge in otolaryngology 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108765 PMID:38897143	研究论文	本研究开发并验证了一种基于知识的AI评估系统（MEKAS），用于耳鼻喉科临床核心医学知识（CCMK-OTO）的学习	采用知识型AI方法（如知识库技术和基于案例的推理）构建多专家知识聚合的自适应评估方案，促进CCMK-OTO学习	研究样本规模有限，且仅在单一三级转诊医院进行验证，需更大规模和多样化的机构进一步评估	开发并验证一种自适应评估系统，以促进耳鼻喉科临床核心医学知识的学习	医学实习生（包括研究生和本科生）和耳鼻喉科住院医师	医疗教育技术	耳鼻喉科疾病	知识库技术、基于案例的推理	知识型AI	问卷数据、测试成绩	实验组30人（22名UPGY实习生和8名ENT-R住院医师），对照组24名UPGY实习生
370	2025-06-26	Dual-channel end-to-end network with prior knowledge embedding for improving spatial resolution of magnetic particle imaging 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108783 PMID:38909446	研究论文	提出了一种双通道端到端网络，通过嵌入先验知识来提高磁粒子成像（MPI）的空间分辨率	首次将MPI的点扩散函数（PSF）与深度学习范式无缝集成，显著提高了空间分辨率性能	未提及该方法在临床大规模应用中的验证情况	在不降低信噪比（SNR）的前提下提高磁粒子成像的空间分辨率	磁粒子成像（MPI）系统	医学影像处理	NA	深度学习	双通道端到端网络（DENPK-MPI）	医学影像数据	仿真、体模和体内MPI实验数据
371	2025-06-26	Deep learning-based automated detection and segmentation of bone and traumatic bone marrow lesions from MRI following an acute ACL tear 2024-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108791 PMID:38905892	research paper	本研究利用3D U-Net模型从MRI扫描中自动检测和分割骨及创伤性骨髓病变（BML），以替代传统的手动评估方法	采用多任务学习方法和后处理算法提升分割精度，首次实现BML的自动化分割	模型在不同人群和采集条件下的泛化性需进一步验证	开发自动化工具以简化创伤性骨髓病变的临床评估流程	急性前交叉韧带（ACL）撕裂患者的MRI扫描图像	digital pathology	骨关节炎	T2脂肪抑制快速自旋回波（FS FSE）MRI序列	3D U-Net	MRI图像	采用五折交叉验证，具体样本量未明确说明
372	2025-06-26	Multi-modal deep learning from imaging genomic data for schizophrenia classification 2024, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2024.1384842 PMID:39006822	研究论文	提出了一种基于多模态深度学习的方法，结合结构磁共振成像、功能磁共振成像和遗传标记数据，用于精神分裂症分类	采用多模态数据融合和可解释AI技术，提高了分类准确性并识别了关键的功能网络连接和SNPs	实验数据集可能有限，未提及模型在其他独立数据集上的泛化能力	改进精神分裂症的检测方法	精神分裂症患者和健康对照者	机器学习	精神分裂症	sMRI, fMRI, SNP分析	DenseNet, 1D CNN, XGBoost	医学影像数据、基因组数据	未明确提及具体样本数量
373	2025-06-26	Annotation of spatially resolved single-cell data with STELLAR 2022-11, Nature methods IF:36.1Q1 DOI:10.1038/s41592-022-01651-8 PMID:36280720	research paper	本文介绍了一种名为STELLAR的几何深度学习方法，用于在空间分辨的单细胞数据集中进行细胞类型发现和识别	STELLAR方法不仅能够自动将细胞分配到注释参考数据集中存在的细胞类型，还能发现新的细胞类型和状态，并且能够跨不同解剖区域、组织和供体转移注释	NA	开发一种能够考虑空间组织的计算方法，以准确注释空间分辨的单细胞数据	空间分辨的单细胞数据	digital pathology	NA	几何深度学习	STELLAR	空间分辨的单细胞数据	260万个空间分辨的单细胞
374	2025-06-25	Refining cardiac segmentation from MRI volumes with CT labels for fine anatomy of the ascending aorta 2025-Jun-24, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-025-00926-x PMID:40553227	research paper	本研究评估了一种基于CT引导的细化方法，用于从MRI体积中进行心脏分割，重点保留Valsalva窦的详细形状	利用CT体积的标签来细化MRI体积中的心脏分割，特别是针对Valsalva窦的低空间对比度问题	尽管在某些输出中观察到Valsalva窦附近的隆起结构，但定量分割精度的改进未能得到验证	提高心脏MRI分割的精度，特别是针对Valsalva窦等复杂结构	心脏结构，特别是Valsalva窦和升主动脉	digital pathology	cardiovascular disease	MRI, CT, 深度学习	nnU-Net	image	20个MRI体积和20个CT体积
375	2025-06-25	Preoperative Assessment of Lymph Node Metastasis in Rectal Cancer Using Deep Learning: Investigating the Utility of Various MRI Sequences 2025-Jun-24, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-17717-8 PMID:40553356	研究论文	本研究旨在开发一种基于三维多参数磁共振成像（mpMRI）的深度学习模型，用于直肠癌术前淋巴结转移评估，并探讨不同MRI序列的贡献	设计了多参数多尺度EfficientNet（MMENet）模型，有效提取mpMRI中与淋巴结转移相关的特征，并在性能上优于单参数模型和其他序列组合的MMENet以及放射科医生	研究为回顾性设计，可能受到样本选择和偏倚的影响	开发深度学习模型用于直肠癌术前淋巴结转移评估	直肠癌患者	数字病理	直肠癌	mpMRI	EfficientNet（MMENet）	MRI图像	613名来自四个医疗中心的直肠癌患者
376	2025-06-25	Neural network-based multi-task learning to assist planning of posterior spinal fusion surgery for adolescent idiopathic scoliosis 2025-Jun-24, Spine deformity IF:1.6Q3 DOI:10.1007/s43390-025-01125-9 PMID:40553418	研究论文	本研究开发了一种基于神经网络的多任务学习模型，用于辅助青少年特发性脊柱侧弯后路脊柱融合手术的规划	首次将多任务学习神经网络应用于青少年特发性脊柱侧弯手术规划，能够同时预测多个手术相关参数	样本量相对较小（189例患者），且仅针对Lenke 1A和2A型曲线的患者	改善青少年特发性脊柱侧弯后路脊柱融合手术的规划效果	青少年特发性脊柱侧弯患者	数字病理学	青少年特发性脊柱侧弯	深度学习	NNML（神经网络多任务学习模型）	临床和影像数据	189例AIS患者（训练集179例，外部验证10例）
377	2025-06-24	Physically grounded deep learning-enabled gold nanoparticle localization and quantification in photonic resonator absorption microscopy for digital resolution molecular diagnostics 2025-Aug-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117455 PMID:40233489	research paper	提出了一种名为LOCA-PRAM的深度学习方法，结合光子共振吸收显微镜（PRAM），利用金纳米颗粒（AuNPs）作为分子标签，实现数字分辨率的生物分子检测	LOCA-PRAM通过光子晶体（PC）-AuNP共振耦合增强信号对比度，无需将样品分割成液滴或进行酶扩增，即可实现目标分子的精确量化	NA	实现数字分辨率的分子生物标志物检测，用于疾病诊断、治疗研究和生物医学研究	金纳米颗粒（AuNPs）作为分子标签	digital pathology	NA	光子共振吸收显微镜（PRAM）、扫描电子显微镜（SEM）	deep learning	image	NA
378	2025-06-24	Deep learning approaches to surgical video segmentation and object detection: A scoping review 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110482 PMID:40460561	综述	本文回顾了2014年至2024年间关于手术视频中解剖结构语义分割和物体检测的深度学习模型的最新研究进展	总结了深度学习在手术视频语义分割和物体检测中的最新性能，特别是实时应用的潜力	对于较小结构（如神经）的分割准确性较低，数据可用性和模型泛化性仍是未来发展的关键挑战	评估手术视频中解剖结构语义分割的最新技术水平，并探讨深度学习模型在临床应用中的进展	手术视频中的解剖结构	计算机视觉	NA	深度学习	U-Net, DeepLab	视频	61项已发表研究，涉及普通外科、结直肠外科和神经外科等多种手术类型
379	2025-06-24	Radiomics and deep learning characterisation of liver malignancies in CT images - A systematic review 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110491 PMID:40466239	系统综述	本文系统综述了基于机器学习的放射组学和深度学习在CT图像中表征肝脏恶性肿瘤的方法、成就、局限性和性能结果	综合评估了放射组学和深度学习在肝脏恶性肿瘤CT图像分析中的应用及两者结合的最新趋势	数据稀缺和缺乏标准化协议等挑战仍然存在	评估机器学习在肝脏恶性肿瘤CT图像分析中的应用效果	肝脏恶性肿瘤的CT图像	数字病理学	肝癌	CT成像	CNN	图像	49项研究（17项放射组学研究，24项深度学习研究，8项结合研究）
380	2025-06-24	Enhancing and advancements in deep learning for melanoma detection: A comprehensive review 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110533 PMID:40483855	review	本文对深度学习在黑色素瘤检测中的应用进行了全面回顾，探讨了其趋势和差距	强调了深度学习模型在黑色素瘤检测中的可复制性和泛化性，以及需要更多样化和高质量数据的需求	现有模型对不同肤色人群的适用性有限，且许多研究缺乏数据分区的透明度，导致模型过拟合和可重复性问题	探讨深度学习在黑色素瘤检测中的应用趋势和挑战	深度学习模型在黑色素瘤图像分析中的应用	computer vision	melanoma	deep learning	ResNet, Inception	image	公共数据库如ISIC和HAM10000