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	2025-07-29	Metaverse-based deep learning framework for coronary artery stenosis classification using Monte Carlo Dropout-based ResNet-152 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110720 PMID:40639014	研究论文	本文提出了一种基于元宇宙的深度学习框架，用于冠状动脉狭窄分类，结合了Monte Carlo Dropout的ResNet-152模型	结合元宇宙和深度学习技术，提出了一种新的冠状动脉狭窄分类方法，并利用Monte Carlo Dropout提高模型的不确定性管理能力	未提及样本的具体来源和多样性，可能影响模型的泛化能力	提高冠状动脉狭窄的诊断精度，并通过元宇宙技术提供沉浸式医疗体验	冠状动脉狭窄患者	数字病理学	心血管疾病	Invasive Coronary Angiography (ICA), Quantum-Adapted Diffusion (QAD), Gray Level Co-occurrence Matrix (GLCM), Stochastic Gradient Descent (SGD)	Monte Carlo Dropout-based ResNet-152 (MCD-ResNet-152)	图像	NA
22	2025-07-29	Emotion recognition in EEG Signals: Deep and machine learning approaches, challenges, and future directions 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110713 PMID:40644885	综述	本文探讨了使用深度学习和机器学习方法从脑电图（EEG）信号中识别人类情绪的研究现状、挑战及未来方向	综述了深度学习（如CNN和RNN）在EEG信号自动特征提取中的最新应用，对比了传统机器学习方法（如SVM、KNN和RF）的优缺点	EEG信号具有受试者特异性、高噪声水平和高质量标记数据稀缺等问题，限制了模型的泛化能力和信号分析的复杂性	提高脑机交互应用的先进性和脑健康评估系统的准确性	脑电图（EEG）信号	脑机接口	NA	EEG信号分析	CNN, RNN, SVM, KNN, RF	EEG信号	流行数据集（如DEAP、SEED、AMIGOS）
23	2025-07-29	Applications of machine learning for peripheral artery disease diagnosis and management: A systematic review 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110744 PMID:40644890	系统性综述	本文系统性综述了机器学习在周围动脉疾病（PAD）诊断和管理中的应用	探讨了机器学习算法在PAD诊断和管理中的多样化应用，包括不同类型的数据、特征、性能指标和软件工具	纳入研究的偏倚风险评估显示50%的研究在所有领域中表现出低风险，但仍存在一定的偏倚可能	评估机器学习在周围动脉疾病诊断和管理中的应用效果	周围动脉疾病（PAD）患者	机器学习	心血管疾病	神经网络（全连接和卷积）、集成学习、深度学习	随机森林、回归、分类、聚类	数值和非数值数据	30项相关研究（2014年至2024年发表）
24	2025-07-29	Hierarchical deep learning system for orbital fracture detection and trap-door classification on CT images 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110732 PMID:40644886	research paper	开发并评估了一种分层深度学习系统，用于在CT图像上检测眼眶骨折并分类为凹陷型或活板门型	采用分层方法结合YOLOv8和Vision Transformer模型，首次实现了眼眶骨折的自动检测与分类	研究为单中心回顾性研究，外部验证尚未进行	开发自动化眼眶骨折诊断系统以提高临床诊断效率	眼眶骨折患者的CT图像	digital pathology	orbital fracture	CT影像分析	YOLOv8 + Vision Transformer	CT图像	686名患者的46,013张CT切片（最终使用7,809张）
25	2025-07-29	A deep learning approach for objective evaluation of microscopic neuro-drilling craniotomy skills 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110650 PMID:40644889	研究论文	本研究提出了一种基于深度学习的客观评估显微镜下神经钻孔手术技能的方法	首次引入了标注良好的显微镜下神经钻孔效果数据集，并开发了自动技能评估系统，其性能超过了独立专家评估者	研究在超低数据环境下进行，可能限制了模型的泛化能力	开发自动化、个性化的神经外科钻孔技能评估工具	显微镜下神经钻孔手术技能	数字病理	NA	深度学习	Transformer-based architectures, CNN	图像	435张图像，包括已故羊头和肩胛骨的微钻孔样本
26	2025-07-29	Deep learning for diagnosing and grading pterygium: A systematic review and meta-analysis 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110743 PMID:40644893	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估深度学习模型在翼状胬肉诊断和严重程度评估中的准确性	首次对深度学习在翼状胬肉诊断和分级中的应用进行系统评价，并与临床专家表现进行对比	方法学局限包括缺乏外部验证、病例对照研究设计、未预设决策阈值以及未考虑个体内相关性	评估深度学习模型在翼状胬肉诊断和分级中的准确性	翼状胬肉患者的前节段照片	数字病理	眼科疾病	深度学习	DL	图像	45,913张前节段照片（来自>4460名患者）
27	2025-07-29	EEG quantization and entropy of multi-step transition probabilities for driver drowsiness detection via LSTM 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110758 PMID:40651200	研究论文	本研究提出了一种结合特征提取流程和LSTM网络的驾驶员嗜睡检测方法，通过EEG信号的量化和转移概率熵来提取特征	使用EEG信号的量化和多步转移概率熵作为特征，结合LSTM网络进行嗜睡检测，并在单通道上实现了先进的准确率	未提及模型在不同EEG设备或环境下的泛化能力	开发一种高效的驾驶员嗜睡检测方法	驾驶员的EEG信号	机器学习	NA	EEG信号处理，HMM，熵计算	LSTM	EEG信号	平衡和不平衡的EEG数据集，具体样本数量未提及
28	2025-07-29	Fusion of bio-inspired optimization and machine learning for Alzheimer's biomarker analysis 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110746 PMID:40651201	research paper	该研究结合生物启发优化和机器学习技术，用于阿尔茨海默病生物标志物分析，以提高早期诊断准确性	创新点在于融合了Elephant Herding Optimization (EHO)和Crow Search Optimization (CSO)优化技术，并与ResNet50分类器结合，用于海马体区域的分割和分类	研究未提及样本的具体来源或多样性，可能影响模型的泛化能力	提高阿尔茨海默病的早期诊断准确性，并优化治疗效果评估	阿尔茨海默病患者的大脑区域，特别是海马体	digital pathology	geriatric disease	histogram equalization, Otsu's thresholding, EHO, CSO	ResNet50	image	NA
29	2025-07-29	A preprocessing method based on 3D U-Net for abdomen segmentation 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110709 PMID:40652756	research paper	本研究提出了一种基于3D U-Net的预处理方法，用于腹部区域的分割，旨在提高分割性能并加快分割速度	提出了一种新的预处理步骤，结合3D U-Net和Connected Components Analysis (CCA)来识别腹部感兴趣区域(ROI)，并在不同损失函数下评估分割效果	研究仅使用了特定的数据集（CHAOS和AbdomenCT-1K），可能限制了方法的泛化能力	提高生物医学图像自动分割的性能和效率	腹部CT图像	digital pathology	NA	3D U-Net, Connected Components Analysis (CCA)	3D U-Net	image	训练数据集包含6998张切片，测试数据集包含1311张切片
30	2025-07-29	Deep siamese residual support vector machine with applications to disease prediction 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110693 PMID:40664125	研究论文	提出了一种名为深度孪生残差支持向量机（DSRSVM）的端到端学习模型，整合了深度神经网络和支持向量机（SVM）的优势	通过深度残差网络孪生预训练和深度残差支持向量机微调两阶段学习，实现了深度神经网络和SVM的协同效应，超越了传统端到端协作框架的性能	未提及具体的数据集规模或模型在特定疾病上的泛化能力限制	开发一种新型的端到端学习模型，以提高疾病预测的准确性、召回率和F1分数	公开可用的医学数据集	机器学习	NA	SVM, 深度残差网络	DSRSVM, CNN	NA	NA
31	2025-07-29	Can your brain signals reveal your romantic emotions? 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110754 PMID:40664128	研究论文	本研究通过EEG信号分析，探索了基于单次试验的事件相关电位（ERP）预测个体浪漫吸引和拒绝情绪的能力	首次基于单次试验的ERP分析预测个体浪漫情绪，并发现挑剔的参与者其浪漫情绪预测准确率更高	样本量较小（61名参与者），且使用模拟约会应用可能无法完全反映真实情境	探索脑电信号是否能够揭示个体的浪漫情绪	61名参与者（31名女性和30名男性）在使用模拟约会应用时的EEG脑电活动	机器学习	NA	EEG, ERP	机器学习和深度学习模型	EEG信号	61名参与者（31名女性和30名男性）
32	2025-07-29	Opioid misuse detection from cognitive and physiological data with temporal fusion deep learning 2025-Sep-01, Drug and alcohol dependence IF:3.9Q1 DOI:10.1016/j.drugalcdep.2025.112774 PMID:40684523	研究论文	利用深度学习和生理认知数据检测阿片类药物滥用	采用时间融合变换器机器学习模型，结合生理信号和认知任务数据预测阿片类药物滥用状态	需要与客观的阿片类药物滥用测量标准进行基准测试	通过机器学习和生理认知数据检测阿片类药物滥用，预防相关风险	169名被开具阿片类镇痛药以管理慢性疼痛的患者	机器学习	药物滥用	时间融合变换器机器学习模型	Temporal Fusion Transformer	生理信号和认知任务数据	169名患者（116名有滥用迹象，53名无滥用迹象），共9238个数据点
33	2025-07-29	Automated analysis of mouse rearing using deep learning 2025-Sep, Journal of pharmacological sciences IF:3.0Q2 DOI:10.1016/j.jphs.2025.06.002 PMID:40713344	research paper	本研究开发了一个卷积循环神经网络(CRNN)模型，用于通过俯视视频检测小鼠的站立行为	首次使用CRNN模型自动分析小鼠的站立行为，其敏感性(89.2%)与人类观察相当	研究仅使用了C57BL/6小鼠的数据，可能不适用于其他品系	开发自动化工具来评估啮齿类动物的焦虑和探索倾向	C57BL/6小鼠的站立行为	computer vision	NA	深度学习视频分析	CRNN(卷积循环神经网络)	视频	C57BL/6小鼠在光照和黑暗条件下的行为数据
34	2025-07-29	Deep Learning Can be Used to Classify the Disease Status of the Canine Middle Ear From Computed Tomographic Images 2025-Sep, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association IF:1.3Q2 DOI:10.1111/vru.70065 PMID:40714864	研究论文	本研究开发了一种基于深度学习的模型，用于通过CT图像诊断犬中耳疾病	首次将深度学习技术应用于兽医放射学领域，特别是犬中耳疾病的CT图像分类	数据集相对较小，仅有535张犬CT图像	开发能够诊断犬中耳疾病的深度学习模型	犬中耳	数字病理	中耳疾病	CT扫描	ResNet	图像	535张犬CT图像
35	2025-07-29	A deep learning-based computer-aided diagnosis system for detecting atypical endometrial hyperplasia and endometrial cancer through hysteroscopy 2025-Aug-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113045 PMID:40703442	research paper	介绍了一种基于深度学习的计算机辅助诊断系统ECCADx，用于通过宫腔镜检测非典型子宫内膜增生和子宫内膜癌	首个将对比学习应用于宫腔镜图像中非典型子宫内膜增生和子宫内膜癌特异性区分的系统	未提及	提高子宫内膜癌和非典型子宫内膜增生的诊断准确性	非典型子宫内膜增生和子宫内膜癌患者	digital pathology	endometrial cancer	contrastive learning	deep learning	image	49,646张图像来自1,204名患者，并在两个独立测试数据集（6,228张图像来自190名患者）上进行验证
36	2025-07-29	Deep learning-based breast cancer diagnosis in breast MRI: systematic review and meta-analysis 2025-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11406-6 PMID:39907762	meta-analysis	本文通过系统综述和荟萃分析评估了深度学习模型在乳腺癌MRI诊断中的性能	首次对深度学习模型在乳腺癌MRI诊断中的性能进行了全面的荟萃分析，揭示了其高准确性和潜在的临床应用价值	分析中存在显著的固有变异性，且仅有21项研究符合定量分析条件	评估深度学习模型在乳腺癌MRI诊断中的性能	乳腺癌MRI影像	digital pathology	breast cancer	MRI	CNN, HCM	image	40项研究（其中21项符合定量分析条件）
37	2025-07-29	Explainable attention-enhanced heuristic paradigm for multi-view prognostic risk score development in hepatocellular carcinoma 2025-Aug, Hepatology international IF:5.9Q1 DOI:10.1007/s12072-025-10793-8 PMID:40089963	research paper	本研究提出了一种新颖的深度学习辅助范式，用于生成可解释的多视角风险评分，以分层肝细胞癌（HCC）患者的预后风险	引入了可解释的注意力增强启发式范式，结合微观到宏观的多视角风险评分系统，提高了预后分层的准确性	研究依赖于内部和外部数据集，可能存在数据偏差，且模型的可解释性仍需进一步验证	开发一种可解释的多视角预后风险评分系统，以改进肝细胞癌（HCC）患者的预后分层	肝细胞癌（HCC）患者	digital pathology	liver cancer	deep learning, attention mechanism	neural network with attention mechanism (ATAT)	medical imaging, clinical data	内部数据集（SYSUCC）510例HCC患者，外部测试队列（TCGA-LIHC）341例HCC患者
38	2025-07-29	A deep learning model for multiclass tooth segmentation on cone-beam computed tomography scans 2025-Aug, American journal of orthodontics and dentofacial orthopedics : official publication of the American Association of Orthodontists, its constituent societies, and the American Board of Orthodontics IF:2.7Q1 DOI:10.1016/j.ajodo.2025.02.014 PMID:40186597	研究论文	开发并验证了一种深度学习算法，用于从锥形束计算机断层扫描中自动创建人类牙齿的三维表面模型	提出了一个深度学习模型，能够自动进行多类牙齿分割，且在测试集上达到了较高的准确率	未提及具体局限性	开发并验证用于牙齿分割的深度学习算法	人类牙齿的锥形束计算机断层扫描图像	医学图像分析	NA	深度学习	深度学习模型	图像	210例扫描（140例训练集，40例验证集，30例测试集）
39	2025-07-29	Application of a pulmonary nodule detection program using AI technology to ultra-low-dose CT: differences in detection ability among various image reconstruction methods 2025-Aug, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01781-x PMID:40343649	research paper	本研究探讨了基于AI的肺结节检测程序在超低剂量CT成像中的性能，重点关注不同图像重建方法对检测准确性的影响	首次在超低剂量CT中比较了多种图像重建方法对AI肺结节检测程序性能的影响	仅使用了胸部体模进行研究，未涉及真实患者数据	评估不同图像重建方法对AI肺结节检测程序性能的影响	人工肺结节（实性结节和磨玻璃结节）	digital pathology	lung cancer	ultra-low-dose CT (ULDCT)	AI-based detection program	CT图像	胸部体模（包含12mm、8mm、5mm和3mm的实性结节和磨玻璃结节）
40	2025-07-29	Automated Microbubble Discrimination in Ultrasound Localization Microscopy by Vision Transformer 2025-Aug, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3570496 PMID:40372868	研究论文	本文提出了一种基于Vision Transformer的自动化微泡鉴别方法，用于超声定位显微镜(ULM)中的微血管成像	提出了一种减少先验知识的通用ULM流程，采用高效的通道注意力Vision Transformer和渐进式学习策略，能够在不估计脉冲响应和微泡数量的情况下从每帧图像中提取微泡信号并减少斑点噪声	虽然使用了大量合成数据进行训练，但仍可能存在真实临床数据适应性不足的问题	提高超声定位显微镜在微血管成像中的性能	微泡信号和微血管结构	医学影像分析	肿瘤(小鼠肿瘤模型)和脑血管疾病(大鼠脑部模型)	超声定位显微镜(ULM)和k-Wave模拟工具箱	Vision Transformer(ViT)	超声图像	1个计算机模拟数据集(含真实值)和4个活体数据集(小鼠肿瘤、大鼠脑部、大鼠脑部团注和大鼠肾脏)