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
21	2025-06-09	Enhancing nuclei segmentation in breast histopathology images using U-Net with backbone architectures 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110347 PMID:40403637	研究论文	本文提出了一种基于ResNet-34骨干网络的增强U-Net架构，用于提高乳腺组织病理学图像中细胞核分割的准确性	使用ResNet-34作为U-Net的骨干网络，显著提升了细胞核分割的性能，并在多个数据集上验证了其鲁棒性	研究主要基于有限数量的医学影像数据集，可能需要在更大规模的数据集上进行进一步验证	提高乳腺组织病理学图像中细胞核分割的准确性，以支持更有效的临床诊断	乳腺组织病理学图像中的细胞核	数字病理学	乳腺癌	深度学习	U-Net with ResNet-34 backbone	图像	BreCaHad、BNS和MoNuSeg-2018数据集
22	2025-06-09	Myocardial Infarction Detection using Variational Mode Decomposition with Fuzzy Weight Particle Swarm Optimization and Depthwise Separable Convolutional Network 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110329 PMID:40403641	研究论文	该研究提出了一种结合变分模态分解与模糊权重粒子群优化（VMD-FWPSO）、主成分分析（PCA）和深度可分离卷积网络（DwSCN）的先进框架，用于提高心肌梗死（MI）在心电图（ECG）中的检测精度	创新点在于结合VMD-FWPSO进行噪声消除、PCA降维以及DwSCN分类，显著提高了ECG信号中MI检测的准确性和鲁棒性	未提及具体局限性，但可能依赖于特定数据集（PTB-ECG和MIT-BIH）的泛化能力未验证	开发高精度自动化心肌梗死检测方法以辅助临床心脏病学实践	心电图（ECG）信号中的心肌梗死（MI）特征	数字病理学	心血管疾病	变分模态分解（VMD）、模糊权重粒子群优化（FWPSO）、主成分分析（PCA）	深度可分离卷积网络（DwSCN）	ECG信号数据	PTB-ECG和MIT-BIH心律失常数据集（具体样本量未提及）
23	2025-06-09	CancerNet: A comprehensive deep learning framework for precise and intelligible cancer identification 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110339 PMID:40409034	research paper	介绍了一个名为CancerNet的深度学习框架，用于精确且可解释的癌症识别	结合了卷积、反卷积和Transformer组件，以提取层次特征并捕获医学影像数据中的长距离依赖关系	未提及具体的数据集规模限制或模型在更广泛癌症类型上的泛化能力	开发一个高效且透明的深度学习框架，用于癌症检测	肿瘤组织的组织病理学图像和胶质瘤的全幻灯片图像	digital pathology	glioma	Deep Learning	CNN, Transformer	image	未明确提及具体样本数量，但使用了Histopathological Image数据集和DeepHisto验证数据集
24	2025-06-09	Augmenting Common Spatial Patterns to deep learning networks for improved alcoholism detection using EEG signals 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110359 PMID:40409035	研究论文	本文提出了一种名为CSP-CNN-LSTM-ATTN的混合架构，用于通过EEG信号检测酗酒，结合了CSP、CNN、LSTM和注意力网络以提高分类性能	首次提出了一种结合CSP、CNN、LSTM和注意力网络的混合架构，考虑了EEG信号的时空特性，显著提高了酗酒检测的准确性	仅使用了公开的UCI EEG数据集，未在其他数据集上验证模型的泛化能力	开发一种快速、可靠、自动且非侵入性的酗酒检测方法	酗酒患者的EEG信号	机器学习	酗酒	EEG信号分析	CSP-CNN-LSTM-ATTN	EEG信号	公开的UCI EEG数据集
25	2025-06-09	A multimodal deep learning framework for enzyme turnover prediction with missing modality 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110348 PMID:40409036	research paper	提出了一种名为MMKcat的多模态深度学习框架，用于预测酶转换数（k），并处理输入模态缺失的问题	引入了一种基于先验知识的缺失模态训练机制，以及创新的辅助正则化器，以从不同模态组合中学习信息特征	未明确提及具体局限性，但可能涉及对某些特定酶或反应类型的适用性限制	开发一个能够准确预测酶转换数（k）的深度学习框架，特别是在输入模态缺失的情况下	酶、底物和反应产物	machine learning	NA	深度学习（DL）	MMKcat（多模态深度学习框架）	序列数据（酶序列、底物序列）	使用BRENDA和SABIO-RK数据库进行测试，具体样本数量未明确提及
26	2025-06-09	A general survey on medical image super-resolution via deep learning 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110345 PMID:40412085	综述	本文全面综述了基于深度学习的医学图像超分辨率技术	提供了模块化和详细的医学图像超分辨率技术关键组成部分介绍，并分析了未来发展趋势和挑战	未涉及具体实验验证或性能比较	综述医学图像超分辨率技术的发展现状和未来方向	医学图像超分辨率技术	数字病理	NA	深度学习	NA	医学图像	NA
27	2025-06-09	Comparison of three classifiers in detection of obstruction of the lower urinary tract using recorded sounds of voiding 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110337 PMID:40412086	研究论文	本研究旨在通过家庭录制的排尿声音自动检测下尿路梗阻，比较了三种分类器的性能	使用小波尺度图将排尿声音表示为图像，结合深度学习模型Inception v3进行自动分类	样本量较小（93名患者），且所有数据来自单一设备（Oppo智能手表）	开发一种自动检测下尿路梗阻的非侵入性方法	下尿路梗阻患者和非梗阻患者的排尿声音记录	数字病理学	泌尿系统疾病	小波变换，深度学习	Inception v3 CNN, SVM, MLP	音频（转换为图像）	93名患者，每人5-13条录音记录
28	2025-06-09	Meta-analysis of AI-based pulmonary embolism detection: How reliable are deep learning models? 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110402 PMID:40412084	meta-analysis	该论文通过荟萃分析评估了基于深度学习的肺栓塞检测模型的性能	比较了CNN和U-Net架构在肺栓塞检测中的诊断效能差异	研究间存在高度异质性，需要标准化前瞻性验证	评估深度学习算法在CT肺动脉造影中检测肺栓塞的准确性和比较不同架构的性能	深度学习模型在肺栓塞检测中的应用	digital pathology	pulmonary embolism	CT pulmonary angiography (CTPA)	CNN, U-Net	medical imaging	24项研究（22,984名患者）
29	2025-06-09	Deep learning-based histopathologic segmentation of peritubular capillaries in kidney transplant biopsies 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110395 PMID:40413895	研究论文	本研究介绍了一种基于深度学习的方法，用于在PAS染色的肾移植活检中检测和分割肾小管周围毛细血管（PTCs），为自动化评分肾小管周围毛细血管炎（ptc）提供了第一步	该模型是在具有形态学异常的移植活检数据集上训练的，仅需PAS染色的肾活检和CD34免疫组织化学确认的真实数据	显著的间质炎症和纤维化使PTCs变得不易识别，以及存在模仿PTCs的结构（如萎缩的肾小管）对模型构成了最大的挑战	自动化评估肾移植活检中肾小管周围毛细血管（PTCs）的炎症程度，以诊断抗体介导的排斥反应	肾移植活检中的肾小管周围毛细血管（PTCs）	数字病理学	肾脏疾病	深度学习	U-Net	图像	69例PAS染色的肾移植活检全切片图像，约28,000个PTCs用于训练和评估
30	2025-06-09	Integrating AI/ML and multi-omics approaches to investigate the role of TNFRSF10A/TRAILR1 and its potential targets in pancreatic cancer 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110432 PMID:40424767	研究论文	本文通过整合AI/ML和多组学方法，研究了TNFRSF10A/TRAILR1在胰腺癌中的潜在治疗靶点作用	结合了多组学分析和深度学习驱动的QSAR建模，预测并验证了TNFRSF10A作为胰腺癌的潜在治疗靶点，并筛选出具有调节TRAILR1作用的FDA批准药物和天然化合物	研究结果需要进一步的实验验证，且样本来源和数量未明确说明	探索胰腺导管腺癌（PDAC）的新型治疗靶点和药物	胰腺导管腺癌（PDAC）中的TNFRSF10A/TRAILR1及其潜在靶点	数字病理学	胰腺癌	多组学分析（包括基因组学、单细胞空间转录组学、蛋白质组学、ceRNA网络分析）、QSAR建模、分子动力学模拟	SELFormer（基于Transformer的深度学习模型）	基因组数据、转录组数据、蛋白质组数据、化学结构数据	NA
31	2025-06-09	Estimation of time-to-total knee replacement surgery with multimodal modeling and artificial intelligence 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110364 PMID:40435672	research paper	开发并评估了一种基于人工智能的模型，用于通过分析纵向膝关节数据和识别与加速膝关节骨关节炎进展相关的关键特征来预测全膝关节置换术的时间	结合深度学习特征与临床和图像评估特征进行生存分析，提高了预测全膝关节置换术时间的准确性	预测方法仍需进一步验证以增强其稳健性和准确性	预测全膝关节置换术的时间，以帮助医生个性化治疗策略并改善患者预后	547名在骨关节炎倡议中接受全膝关节置换术的受试者，以及来自多中心骨关节炎研究和内部医院数据的额外受试者	digital pathology	geriatric disease	deep learning, Lasso Cox feature selection, random survival forest model	DL, Lasso Cox, random survival forest	clinical variables, MR images, radiographs, quantitative and semi-quantitative assessments	547名受试者用于模型训练和测试，518名和164名受试者用于外部测试
32	2025-06-09	Integrating multi-omics data with artificial intelligence to decipher the role of tumor-infiltrating lymphocytes in tumor immunotherapy 2025-Jul, Pathology, research and practice DOI:10.1016/j.prp.2025.156035 PMID:40435910	综述	本文综述了人工智能在评估肿瘤浸润淋巴细胞（TILs）中的应用进展，包括自动化定量、亚群识别及空间分布模式分析	整合多组学数据与人工智能技术，探索TILs在肿瘤免疫治疗中的作用，并探讨AI与其他新兴技术的结合	NA	阐明TILs在各种癌症中的预后价值及其对免疫治疗和新辅助治疗反应的预测能力	肿瘤浸润淋巴细胞（TILs）	数字病理学	肿瘤	单细胞测序、多重免疫荧光、空间转录组学	CNN	图像	NA
33	2025-06-09	A medical information extraction model with contrastive tuning and tagging layer training 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110465 PMID:40446547	research paper	提出了一种新的医学信息提取模型，通过对比调优和标记层训练来减少对标注数据的依赖	提出了一种语义引导的表示训练模型，通过对比损失机制在同一语义空间中训练医学文本和医学信息类别的表示	未明确提及具体局限性	改进医学信息提取任务，减少对大量标注数据的依赖	临床文本中的结构化信息	natural language processing	NA	对比损失机制	语义引导的表示训练模型	text	CCKS2019和CMeEE数据集
34	2025-06-09	Multiclass ensemble framework for enhanced prostate gland Segmentation: Integrating Self-ONN decoders with EfficientNet 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110459 PMID:40449047	research paper	该研究提出了一种多类集成框架，用于增强前列腺腺体的分割，结合了Self-ONN解码器与EfficientNet编码器	通过结合EfficientNetB4编码器与基于Self-ONN的解码器，解决了传统CNN线性神经元模型在捕捉生物神经系统的复杂动态方面的局限性	NA	提高前列腺癌（PCa）的诊断和治疗质量	前列腺腺体及其分区区域（外周区PZ、移行区TZ和整个腺体）	digital pathology	prostate cancer	Self-organized Operational Neural Network (Self-ONN), EfficientNetB4	CNN, Self-ONN	MRI	大规模PI-CAI Challenge数据集，使用5折交叉验证
35	2025-06-09	Time-series deep learning and conformal prediction for improved sepsis diagnosis in primarily Non-ICU hospitalized patients 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110497 PMID:40450820	research paper	该研究开发了一种针对非ICU环境优化的深度学习模型，用于早期脓毒症诊断，并采用保形预测框架处理不确定性	结合深度学习和保形预测框架，显著减少了假阳性率，并在低监测环境下实现了高精度的早期脓毒症预测	研究依赖于特定数据集（MIMIC-IV和eICU-CRD），可能影响模型在其他医疗环境中的泛化能力	提高非ICU住院患者脓毒症的早期诊断准确率，优化临床资源分配	非ICU住院患者	machine learning	sepsis	deep learning, conformal prediction	DL	time-series clinical data	83,813名患者（训练集），eICU-CRD数据集（验证集）
36	2025-06-09	Deep Learning Reveals Liver MRI Features Associated With PNPLA3 I148M in Steatotic Liver Disease 2025-Jul, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.70164 PMID:40478199	研究论文	本研究利用深度学习分析肝脏MRI图像，探索与PNPLA3 I148M基因变异相关的脂肪肝病特征	首次应用深度学习模型于MRI图像，非侵入性检测PNPLA3 I148M纯合子，揭示该变异与肝脏脂肪分布模式的关联	研究排除了杂合子个体，可能限制了结果的普遍适用性，且样本仅来自UK Biobank数据库	开发基于深度学习的非侵入性方法，识别与脂肪肝病相关的PNPLA3 I148M基因变异携带者	UK Biobank中的45,603名个体的MRI图像和常见基因变异数据	数字病理学	脂肪肝病	MRI水脂分离技术、基因分型	Vision Transformer、U-Net	图像	45,603名UK Biobank参与者（含600张手动标注的肝脏分割图像）
37	2025-06-09	An attention-based approach for Koopman modeling and predictive control of nonlinear systems 2025-Jul, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2025.04.011 PMID:40295151	research paper	开发了一种基于注意力的深度学习方法，用于构建Koopman特征函数，以解决非线性系统建模的挑战	引入了注意力机制和可逆神经网络架构，以更精确地近似非线性系统与其线性化对应物之间的拓扑共轭关系	NA	提高非线性系统的建模精度和预测控制能力	非线性系统的建模与控制	machine learning	NA	deep learning, attention mechanism, invertible neural networks	CNN (conditional affine coupling layers)	numerical data	numerical examples and a physical experiment
38	2025-06-09	Enhancing forensic shoeprint analysis: Application of the Shoe-MS algorithm to challenging evidence 2025-Jul, Science & justice : journal of the Forensic Science Society IF:1.9Q3 DOI:10.1016/j.scijus.2025.101255 PMID:40480703	研究论文	本文探讨了Shoe-MS算法，一种基于深度学习的框架，专为法医鞋印分析设计，输入为两幅配对图像，输出为0到1之间的相似度评分	提出Shoe-MS算法，用于法医鞋印分析，能够处理质量较差的犯罪现场图像，并生成可靠的相似度评分	算法无法完全替代人工检查，仍需检查员进行概率性、可重复和可再现的评估	提高法医鞋印分析的准确性和效率	法医鞋印图像	计算机视觉	NA	深度学习	Shoe-MS算法	图像	两个不同的数据库
39	2025-06-09	Visualizing what's missing: Using deep learning and Bow-Tie diagrams to identify and visualize missing leading indicators in industrial construction 2025-Jul, Journal of safety research IF:3.9Q2 DOI:10.1016/j.jsr.2025.02.007 PMID:40483046	研究论文	本研究利用深度学习和Bow-Tie图来识别和可视化工业建筑中缺失的安全领先指标	结合NLP、文本挖掘和深度学习技术（如SBERT）分析建筑项目中的事故和检查报告，识别未被安全领先指标捕捉到的危险	研究仅基于2015年至2018年加拿大一个建筑项目的数据，可能无法完全推广到其他地区或行业	识别安全领先指标在检查中未捕捉到的危险，以提升安全管理系统的有效性	建筑行业的安全事故和检查报告	自然语言处理	NA	NLP, 文本挖掘, SBERT, N-gram模型, 共现网络	SBERT	文本	633起事故和9,681份检查描述
40	2025-06-09	Decoding EEG-based cognitive load using fusion of temporal and functional connectivity features 2025-Jun-08, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2514132 PMID:40483616	research paper	提出了一种结合时间和功能连接特征的深度学习架构，用于增强基于EEG信号的认知负荷评估	提出了一种新颖的深度学习架构，整合了时间信息特征和功能连接特征，通过融合策略结合两者的互补优势，提高了分类性能	EEG信号的低信噪比和个体间变异性可能影响模型的泛化能力	提高基于EEG信号的认知负荷评估的准确性和泛化能力	EEG信号	Brain-Computer Interfaces (BCI)	NA	EEG信号分析	LSTM网络结合注意力机制	EEG信号	两个公开数据集