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	2025-06-08	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	research paper	本文提出了一种使用ResNet-34作为骨干网络的增强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	采用ResNet-34作为U-Net的骨干网络，结合数据增强技术，显著提升了细胞核分割的准确性和鲁棒性	研究主要基于有限医学影像数据集，可能在其他类型或更大规模的数据集上表现未经验证	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和治疗策略	乳腺组织病理学图像中的细胞核	digital pathology	breast cancer	deep learning, data augmentation	U-Net with ResNet-34 backbone	image	BreCaHad, BNS, and MoNuSeg-2018 datasets
22	2025-06-08	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及深度可分离卷积网络的高级框架，用于提高心肌梗塞检测的准确性	结合VMD-FWPSO进行噪声消除，PCA降维，以及DwSCN进行精确分类，显著提高了心肌梗塞检测的准确率	未提及模型在实时应用中的性能或计算资源需求	提高心肌梗塞（MI）的自动检测准确率	心电图（ECG）信号	数字病理	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	PTB-ECG和MIT-BIH心律失常数据集
23	2025-06-08	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	介绍了一种名为CancerNet的综合深度学习框架，用于精确且可理解的癌症识别	结合了卷积、内卷和变换器组件，以从医学影像数据中提取层次特征并捕获长距离依赖关系，同时整合了可解释AI技术以提高决策过程的透明度	未明确提及具体局限性	开发一个深度学习框架以提高癌症识别的精确性和可解释性	医学影像数据，特别是组织病理学图像和全切片图像	digital pathology	glioma	Deep Learning	CNN, Transformer	image	大量组织病理学图像和DeepHisto数据集中的全切片图像
24	2025-06-08	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，用于从EEG信号中提取非线性非平稳的时空特征，以准确分类酒精成瘾者和对照组	首次提出结合CSP特征提取、CNN空间表示、LSTM时间学习和注意力网络特征加权的深度学习模型，充分利用EEG信号的时空特性	仅使用公开的UCI EEG数据集进行验证，未在其他数据集上测试模型的泛化能力	开发快速、可靠、自动且非侵入性的酒精成瘾检测方法	酒精成瘾患者的EEG信号	机器学习	酒精成瘾	EEG信号分析	CSP-CNN-LSTM-ATTN混合模型	EEG信号	公开的UCI EEG数据集
25	2025-06-08	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	提出了一种多模态深度学习框架MMKcat，用于预测酶转换数（kcat），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，并设计了一个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，但可能依赖于现有数据库（如BRENDA和SABIO-RK）的数据完整性和质量	提高酶转换数（kcat）的预测准确性，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）	多模态深度学习框架（MMKcat）	序列数据（酶序列、底物）	使用BRENDA和SABIO-RK数据库中的数据，未明确提及具体样本数量
26	2025-06-08	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	本文对基于深度学习的医学图像超分辨率技术进行了模块化和详细的介绍	提供了对医学图像超分辨率网络关键组件的全面分析，包括有效架构、上采样模块、学习策略和图像质量评估	未提及具体的实验验证或实际应用案例	探讨基于深度学习的医学图像超分辨率技术的现状、问题和未来发展趋势	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	2025-06-08	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记录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	提出了一种基于小波尺度图将排尿声音表示为图像，并结合深度学习模型Inception v3进行分类的新方法	样本量较小（93名患者），且数据收集依赖于患者自行使用智能手表	帮助医疗专业人员自动检测下尿路梗阻	下尿路梗阻患者和非梗阻患者	数字病理	下尿路疾病	小波变换	Inception v3 CNN, SVM, MLP	音频	93名患者，每人5-13条排尿记录
28	2025-06-08	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	本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，并比较了CNN和U-Net架构的诊断效果	首次通过荟萃分析比较了CNN和U-Net架构在肺栓塞检测中的表现，揭示了两种架构在敏感性和特异性上的互补优势	研究间存在高度异质性（I2≈97%），且部分数据基于假设的50%肺栓塞患病率进行重建	评估深度学习算法在CT肺动脉造影中检测肺栓塞的综合性能，并比较不同神经网络架构的诊断效能	深度学习模型（CNN和U-Net）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（涉及22,984名患者）
29	2025-06-08	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	本研究提出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），为自动化评估肾小管周围毛细血管炎（ptc）提供了第一步	该模型是在一组具有形态学异常的移植活检样本上训练的，仅需PAS染色的肾脏活检和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变得难以识别，以及存在模拟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的肾小管周围毛细血管炎症程度，以辅助诊断抗体介导的排斥反应	肾移植活检样本中的肾小管周围毛细血管（PTCs）	数字病理学	肾脏疾病	PAS染色、CD34免疫组织化学	U-Net	图像	69例肾移植活检样本，约28,000个PTCs用于训练和评估
30	2025-06-08	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	该研究通过整合AI/ML和多组学方法，探讨TNFRSF10A/TRAILR1在胰腺癌中的潜在治疗靶点作用	结合了多组学分析、深度学习驱动的QSAR建模和基于Transformer的SELFormer方法，发现了新的FDA批准药物和天然化合物作为潜在TRAILR1调节剂	研究主要基于计算模型和体外实验，需要进一步的体内实验验证	探索胰腺导管腺癌(PDAC)的新型治疗靶点和药物	TNFRSF10A/TRAILR1及其潜在调节化合物	数字病理学	胰腺癌	多组学分析(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	Transformer-based deep learning (SELFormer)	基因组数据、转录组数据、蛋白质组数据、化学结构数据	NA
31	2025-06-08	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	研究论文	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膝关节骨关节炎加速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	预测准确性仍有提升空间，且模型在外部数据集上的泛化能力需进一步验证	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	数字病理学	骨关节炎	深度学习，生存分析	随机生存森林模型，Lasso Cox特征选择方法	临床变量，磁共振图像，放射线图像，定量和半定量图像评估	547名受试者用于模型训练和测试，518名和164名受试者分别用于外部测试
32	2025-06-08	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、亚群识别和空间分布模式分析	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，并提出AI与其他新兴技术（如单细胞测序、多重免疫荧光等）的结合	未具体提及样本量或数据集的局限性	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	癌症	单细胞测序、多重免疫荧光、空间转录组学	CNN	图像	NA
33	2025-06-08	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	利用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，有效减少了对标注数据的需求	未明确提及	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	语义引导表示训练模型	text	CCKS2019和CMeEE数据集
34	2025-06-08	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	研究论文	本文提出了一种多类集成框架，用于增强前列腺腺体分割，结合了Self-ONN解码器与EfficientNet	通过结合EfficientNetB4编码器和基于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	提升前列腺癌诊断和治疗的自动化分割技术	前列腺腺体及其分区区域（外周区、过渡区和整个腺体）	数字病理学	前列腺癌	深度学习	EfficientNetB4编码器与Self-ONN解码器结合	MRI数据集	基于大规模PI-CAI挑战数据集，使用5折交叉验证
35	2025-06-08	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，用于早期预测脓毒症，并结合保形预测框架处理不确定性	结合保形预测框架的深度学习模型，显著降低假阳性率，并在低监测频率的非ICU环境中实现高精度预测	模型性能验证主要依赖MIMIC-IV和eICU-CRD数据集，实际临床环境中的泛化能力需进一步验证	开发适用于非ICU住院患者的脓毒症早期诊断工具，以改善临床决策和资源分配	非ICU住院患者	machine learning	脓毒症	深度学习，保形预测框架	DL	临床时间序列数据	83,813名患者（训练集），eICU-CRD数据集（验证集）
36	2025-06-08	Deep learning-based applicator selection between Syed and T&O in high-dose-rate brachytherapy for locally advanced cervical cancer: a retrospective study 2025-Jun-06, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/addea5 PMID:40444332	研究论文	本研究开发了一种基于深度学习的决策支持工具，用于在局部晚期宫颈癌高剂量率近距离放疗中选择合适的施源器	首次提出使用深度学习模型辅助医生选择施源器，减少依赖临床经验带来的治疗质量和结果差异	研究为回顾性研究，样本量有限，未来需要更多数据进行验证	提高局部晚期宫颈癌高剂量率近距离放疗中施源器选择的准确性和一致性	局部晚期宫颈癌患者	数字病理	宫颈癌	深度学习	3D CNN	3D图像	184名患者，共422次施源器插入
37	2025-06-08	Image-based evaluation of single-cell mechanics using deep learning 2025-Jun-05, Cell regeneration (London, England) DOI:10.1186/s13619-025-00239-9 PMID:40468050	研究论文	本研究利用深度学习技术，基于图像非侵入性地预测单细胞力学特性，为细胞力学研究提供了高通量、高灵敏度的新方法	首次将深度学习应用于单细胞力学特性评估，实现了对间充质干细胞和巨噬细胞刚度范围的高通量原位预测	研究仅针对间充质干细胞和巨噬细胞两种细胞类型，模型在其他细胞类型上的适用性有待验证	开发一种基于图像的深度学习方法来评估单细胞力学特性，以克服传统方法在通量和复杂性上的限制	间充质干细胞(MSCs)和巨噬细胞	数字病理	NA	深度学习	CNN	图像	未明确说明具体样本数量，但涉及间充质干细胞和巨噬细胞两种细胞类型
38	2025-06-08	Fundus Refraction Offset as an Individualized Myopia Biomarker 2025-Jun-05, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2025.1513 PMID:40471629	研究论文	本研究提出了一种新的眼底水平指标——眼底屈光偏移（FRO），并探讨了其与光学相干断层扫描（OCT）得出的眼部参数的关联	提出了一种新的个体化近视生物标志物FRO，用于捕捉后段解剖结构的个体差异	研究主要基于横断面数据，无法确定因果关系	探讨FRO与眼部参数的关联，为个性化近视风险预测提供依据	健康眼睛（来自UK Biobank和Caledonian队列）	数字病理	近视	光学相干断层扫描（OCT）	深度学习模型	图像	UK Biobank中的45180只健康眼睛和Caledonian队列中的152只右眼
39	2025-06-08	Prenatal detection of congenital heart defects using the deep learning-based image and video analysis: protocol for Clinical Artificial Intelligence in Fetal Echocardiography (CAIFE), an international multicentre multidisciplinary study 2025-Jun-05, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-101263 PMID:40473283	研究论文	该研究旨在开发基于深度学习的AI模型，用于实时检测胎儿先天性心脏缺陷（CHD），特别是在资源匮乏或非专业医疗机构中	提出国际多中心多学科合作研究（CAIFE），利用大规模、多样化的超声图像和视频数据训练AI模型，以提高胎儿CHD的检测准确率	当前AI模型在临床实践中的准确性不足，部分原因是缺乏足够的超声数据，CHD的罕见性和异质性，以及研究的回顾性性质	开发支持临床医生实时检测胎儿CHD的AI模型，特别是在资源匮乏或非专业医疗机构中	正常胎儿心脏和患有CHD的胎儿心脏的超声图像和视频	数字病理	先天性心脏病	深度学习	AI模型	图像和视频	总计16,400例回顾性和前瞻性超声扫描（包括13,000例正常胎儿心脏和1,000例CHD胎儿心脏的回顾性数据，以及2,000例正常胎儿心脏和400例主要CHD胎儿心脏的前瞻性数据）
40	2025-06-08	Direct detection of 8-oxo-dG using nanopore sequencing 2025-Jun-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60391-3 PMID:40473638	研究论文	该研究开发了一种利用纳米孔测序直接检测8-oxo-dG的策略，并通过深度学习模型揭示其在基因组中的分布特征	首次提出利用合成寡核苷酸生成长链8-oxo-dG变体DNA分子，结合纳米孔测序和深度学习实现直接检测，并揭示其与5-mC的相互作用	模型训练依赖于合成DNA数据，可能无法完全模拟真实生物样本中的复杂情况	开发直接检测DNA氧化损伤标志物8-oxo-dG的新方法	8-oxo-7,8-dihydro-2'-deoxyguanosine (8-oxo-dG) DNA氧化损伤标志物	基因组学	NA	纳米孔测序，深度学习，合成DNA技术	深度学习模型	DNA序列数据	合成寡核苷酸生成的变体DNA分子（具体数量未说明）