深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
4721	2025-10-06	Enhanced SqueezeNet model for detecting IoT-Bot attacks: A comprehensive approach 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103499 PMID:40704174	研究论文	提出一种基于改进SqueezeNet的增强检测框架，用于检测物联网僵尸网络攻击	将改进的SqueezeNet模型与深度卷积神经网络和优化的随机混合Lp层集成，在保持计算效率的同时提高检测精度	NA	开发适用于资源受限物联网环境的实时僵尸网络攻击检测方法	物联网僵尸网络攻击	机器学习	NA	NA	CNN, DCNN	网络入侵检测数据	大规模入侵检测数据集	NA	SqueezeNet, DCNN	准确率, 精确率, 召回率, 误报率	NA
4722	2025-10-06	PA OmniNet: A retraining-free, generalizable deep learning framework for robust photoacoustic image reconstruction 2025-Oct, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100740 PMID:40703536	研究论文	提出一种无需重新训练即可泛化到不同系统配置的光声图像重建深度学习框架	通过少量示例图像（上下文集）使模型适应新系统配置，无需重新训练	未明确说明模型在极端稀疏采样条件下的性能表现	开发适用于稀疏采样光声成像的鲁棒图像重建方法	光声图像	计算机视觉	NA	光声成像	CNN	图像	包含小鼠和人类体内数据、合成数据及不同波长图像的多数据集	NA	U-net	结构相似性指数, 均方根误差, 峰值信噪比	NA
4723	2025-10-06	Using nursing data for machine learning-based prediction modeling in intensive care units: A scoping review 2025-Sep, International journal of nursing studies IF:7.5Q1 DOI:10.1016/j.ijnurstu.2025.105133 PMID:40544524	综述	本范围综述系统分析了在ICU中使用护理数据和机器学习技术预测患者预后的研究现状	首次系统梳理了ICU环境中基于护理数据的机器学习预测模型，并对护理数据类型进行了详细分类	仅关注已发表文献，可能遗漏未发表的研究；仅纳入英文文献，存在语言偏倚	识别利用护理数据和机器学习预测ICU患者健康结局的研究现状	ICU成年住院患者	机器学习	危重症	机器学习	监督学习,深度学习,神经网络	护理量表,护理评估记录,护理活动记录,护理记录	151项研究（2004-2023年）	NA	回归,提升方法,随机森林	NA	NA
4724	2025-10-06	The role of data partitioning on the performance of EEG-based deep learning models in supervised cross-subject analysis: A preliminary study 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110608 PMID:40602315	研究论文	本研究系统评估了数据划分和交叉验证策略对基于EEG的深度学习模型在跨被试分析中性能的影响	首次在EEG深度学习领域对五种交叉验证设置进行大规模定量比较，涉及超过10万个训练模型	作为初步研究，仅针对三种特定分类任务和四种架构进行评估，未涵盖所有可能的EEG应用场景	为EEG深度学习研究提供数据划分和交叉验证的最佳实践指南	脑电图信号数据	机器学习	帕金森病,阿尔茨海默病	脑电图	CNN	脑电信号	超过100,000个训练模型	NA	ShallowConvNet, EEGNet, DeepConvNet, Temporal-based ResNet	准确率,可靠性,泛化性	NA
4725	2025-10-06	The artificial intelligence challenge in rare disease diagnosis: A case study on collagen VI muscular dystrophy 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110610 PMID:40602312	研究论文	本研究探讨人工智能技术在罕见病胶原VI型先天性肌营养不良诊断中的应用	证明了在有限训练数据情况下，通过适当的数据管理和训练流程，仍能开发出高精度分类器	研究聚焦于单一罕见病，样本量有限	解决罕见病诊断中因数据稀缺而难以应用人工智能技术的问题	胶原VI型先天性肌营养不良	数字病理学	先天性肌营养不良	共聚焦显微镜成像	经典机器学习, 深度学习	图像	有限样本量（具体数量未提及）	NA	NA	准确率	NA
4726	2025-10-06	A deep learning model combining convolutional neural networks and a selective kernel mechanism for SSVEP-Based BCIs 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110691 PMID:40602314	研究论文	提出一种结合CNN和选择性核机制的深度学习模型FBCNN-TKS，用于SSVEP脑机接口	引入时序核选择(TKS)模块扩大感受野，结合扩张卷积和分组卷积减少参数数量	NA	解决SSVEP脑机接口中训练数据不足导致的过拟合问题，提升时序特征提取能力	稳态视觉诱发电位(SSVEP)信号	脑机接口	NA	滤波器组技术	CNN	脑电信号	NA	NA	FBCNN-TKS	分类准确率, 信息传输率(ITR)	NA
4727	2025-10-06	Improving YOLO-based breast mass detection with transfer learning pretraining on the OPTIMAM Mammography Image Database 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110581 PMID:40602320	研究论文	本研究系统评估了迁移学习和图像预处理技术对优化基于YOLO的乳腺肿块检测模型的效果	首次系统评估YOLOv9在乳腺肿块检测中的表现，并证明在OPTIMAM数据库上进行预训练可显著提升小数据集上的检测性能	研究样本量较小（仅133张乳腺X线图像），且使用专有数据集可能限制结果的普适性	优化基于深度学习的乳腺肿块检测模型在小型专有数据集上的性能	乳腺X线图像中的肿块检测	计算机视觉	乳腺癌	乳腺X线摄影	YOLO	图像	133张乳腺X线图像	NA	YOLOv9, YOLOv7	平均精度均值(mAP), F1分数	NA
4728	2025-10-06	Drug-target interaction/affinity prediction: Deep learning models and advances review 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110438 PMID:40609289	综述	本文系统回顾了2016至2025年间用于药物-靶点相互作用/亲和力预测的深度学习方法	全面分析180种预测方法，重点比较不同深度学习模型在药物-靶点相互作用预测中的架构创新和输入表示方法	NA	加速药物发现过程，提高药物-靶点相互作用预测的准确性和效率	药物-靶点相互作用和亲和力预测方法	机器学习	NA	深度学习，图神经网络	深度学习，图神经网络	NA	分析180种方法	NA	NA	NA	NA
4729	2025-10-06	Radiology report generation using automatic keyword adaptation, frequency-based multi-label classification and text-to-text large language models 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110625 PMID:40614511	研究论文	提出一种基于自动关键词适应、频率多标签分类和文本到文本大语言模型的新型放射学报告生成框架	用透明关键词列表替代传统黑盒特征，引入自动关键词适应机制和频率多标签分类策略，结合预训练文本到文本大语言模型	NA	开发可解释、准确且适应性强的放射学报告自动生成方法	胸部X射线图像	自然语言处理	NA	多标签分类，文本生成	大语言模型	医学图像，文本报告	IU-XRay和MIMIC-CXR两个公共数据集	NA	文本到文本大语言模型	NA	NA
4730	2025-10-06	Deep learning framework for cardiorespiratory disease detection using smartphone IMU sensors 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110595 PMID:40614516	研究论文	提出基于智能手机IMU传感器的深度学习框架，用于心肺疾病的早期检测	利用商用智能手机的惯性测量单元传感器，通过标准化协议采集五个胸腹区域的呼吸运动学数据，实现低成本无创远程健康监测	需要扩大数据集规模，改进长期监测方法，验证在不同临床和家庭环境中的适用性	开发创新性、可及性强且成本效益高的心肺疾病筛查解决方案	健康个体和术前心血管疾病患者（包括瓣膜功能不全、冠状动脉疾病和主动脉瘤）	机器学习	心血管疾病	惯性测量单元传感器技术	双向循环神经网络	加速度计和陀螺仪时间序列数据	未明确具体样本数量，但使用留一法交叉验证	NA	双向循环神经网络	灵敏度, 特异度, F1分数, 准确率, 真阴性率	NA
4731	2025-10-06	Towards reliable WMH segmentation under domain shift: An application study using maximum entropy regularization to improve uncertainty estimation 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110639 PMID:40614515	研究论文	本研究探讨了领域偏移对白质高信号分割的影响，并提出最大熵正则化技术来改善模型校准和不确定性估计	提出使用最大熵正则化技术增强模型在校准和不确定性估计方面的能力，特别是在领域偏移情况下	研究仅使用两个公开数据集进行验证，需要更多临床环境下的实际测试	提高白质高信号分割在领域偏移情况下的可靠性和不确定性估计	白质高信号分割模型在领域偏移下的性能表现	医学图像分析	多发性硬化症	MRI成像	CNN	医学图像	两个公开数据集：WMH分割挑战赛和3D-MR-MS数据集	NA	U-Net	Dice系数, Hausdorff距离, 期望校准误差, 基于熵的不确定性估计	NA
4732	2025-10-06	DeepPerfusion: A comprehensible two-branched deep learning architecture for high-precision blood volume pulse extraction based on imaging photoplethysmography 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110571 PMID:40614513	研究论文	提出一种名为DeepPerfusion的双分支深度学习架构，用于基于成像光体积描记术的高精度血容量脉搏提取	结合精确皮肤分割与加权以及BVP提取于单一模型，开发了基于块的时间归一化机制和创新训练流程	NA	提高成像光体积描记术在非均匀照明或头部运动情况下的血容量脉搏提取精度	156名来自三个公开数据集的受试者	计算机视觉	心血管疾病	成像光体积描记术	深度学习	图像	156名受试者	NA	双分支深度学习架构	平均绝对误差, 信噪比	NA
4733	2025-10-06	Transformer attention-based neural network for cognitive score estimation from sMRI data 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110579 PMID:40614523	研究论文	提出一种基于Transformer注意力的神经网络，从结构MRI数据联合预测多种认知评分	将Transformer注意力机制与3D位置编码和3D卷积层结合，自适应捕捉全脑 discriminative 成像特征，关注关键认知相关区域	NA	基于结构MRI准确预测认知评分，用于理解痴呆病理阶段和预测阿尔茨海默病	阿尔茨海默病患者的结构MRI数据	医学影像分析	阿尔茨海默病	结构MRI	CNN, Transformer	3D医学影像	ADNI数据集	NA	3D CNN, Transformer	NA	NA
4734	2025-10-06	EnsemPred-ACP: Combining machine and deep learning to improve anticancer peptide prediction 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110668 PMID:40614519	研究论文	提出一种结合机器学习和深度学习的集成框架EnsemPred-ACP，用于改进抗癌肽预测	引入二元轮廓特征(BPF)增强预训练蛋白质嵌入，采用双管道架构整合传统特征和深度特征	未明确说明模型的计算复杂度和在实际临床应用中的验证	提高抗癌肽的计算预测准确性	抗癌肽(ACP)	机器学习	癌症	蛋白质序列分析	机器学习,深度学习	蛋白质序列数据	NA	NA	集成框架,双管道架构	准确率,灵敏度,特异性,AUC	NA
4735	2025-10-06	A comprehensive targeted panel of 295 genes: Unveiling key disease initiating and transformative biomarkers in multiple myeloma 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110619 PMID:40617081	研究论文	本研究开发了一种结合传统统计方法和深度学习架构的AI工作流程，用于识别多发性骨髓瘤的关键生物标志物并设计295个基因的检测panel	提出了BIO-DGI（生物启发图网络学习基因-基因交互）注意力深度学习架构，整合多组学变异数据和基因-基因交互网络	NA	通过识别关键生物标志物、基因组改变和基因交互，在分子水平区分多发性骨髓瘤与意义未明的单克隆丙种球蛋白病	多发性骨髓瘤患者基因组数据	机器学习	多发性骨髓瘤	全外显子测序, 全基因组测序	深度学习, 图神经网络	基因组变异数据	NA	NA	BIO-DGI	ShAP分析, 社区分析, 生存分析, 通路富集分析	NA
4736	2025-10-06	Exploring advanced deep learning approaches in cardiac image analysis: A comprehensive review 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110708 PMID:40617082	综述	本文全面综述了深度学习在心脏图像分析中的最新应用进展	系统总结了Transformer、基础模型和模型压缩等新兴技术在心脏图像分析中的应用	作为综述文章，不包含原始实验数据，主要依赖已有文献分析	探索深度学习在心脏图像分析中的先进方法与应用	心脏图像和心血管疾病	计算机视觉	心血管疾病	心脏成像技术	深度学习模型	医学图像	NA	NA	Transformer, 基础模型	NA	NA
4737	2025-10-06	Enhancing automatic multilabel diagnosis of electrocardiogram signals: A masked transformer approach 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110674 PMID:40628168	研究论文	提出一种基于掩码Transformer的心电图信号多标签自动诊断方法，通过自监督表示学习提升分类性能	首次将基于图像的掩码自编码器适应于心电图时间序列的自监督表示学习	仅在特定数据集上验证，在更广泛临床环境中的泛化能力需进一步验证	提高心电图信号多标签分类的准确性	心电图信号	医疗信号处理	心血管疾病	心电图信号分析	Transformer	时间序列信号	220,251条心电图记录（Fuwai数据集）+两个公共数据集	NA	Masked Transformer	macro F1分数	NA
4738	2025-10-06	Deep learning for giant cell arteritis diagnosis on temporal artery biopsy 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110707 PMID:40633216	研究论文	本研究开发了一种基于深度学习的模型，用于从颞动脉活检图像中诊断巨细胞动脉炎	首次使用基于注意力的多示例学习机制和CTransPath特征表示来诊断GCA，并提供了模型决策过程的可解释性分析	样本量相对有限，训练队列366例，外部测试队列仅58例	评估深度学习模型在颞动脉活检图像中诊断巨细胞动脉炎的准确性	巨细胞动脉炎患者的颞动脉活检组织样本	数字病理学	巨细胞动脉炎	苏木精-伊红-藏红染色，全玻片成像	深度学习，多示例学习	病理图像	训练队列：366例患者（137例GCA，229例对照）；外部测试队列：58例患者（21例GCA，37例对照）	NA	基于注意力的多示例学习机制，CTransPath	AUROC	NA
4739	2025-10-06	Post-hoc eXplainable AI methods for analyzing medical images of gliomas (- A review for clinical applications) 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110649 PMID:40633214	综述	本文系统回顾了65项用于胶质瘤医学影像分析的事后可解释人工智能方法研究	首次系统性地对胶质瘤影像分析中的事后XAI方法进行分类和评估，提出了基于梯度和扰动的XAI方法框架	主要关注事后解释方法，未涵盖内在可解释模型；临床实际应用验证仍不足	评估深度学习模型在胶质瘤影像分析中的可解释性方法及其临床应用价值	胶质瘤医学影像（MRI和组织病理学图像）	医学影像分析	胶质瘤	磁共振成像, 组织病理学成像	深度学习	医学影像	NA	NA	NA	NA	NA
4740	2025-10-06	Deep supervised transformer-based noise-aware network for low-dose PET denoising across varying count levels 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110733 PMID:40633213	研究论文	提出一种基于Swin Transformer的噪声感知网络ST-UNN，用于处理不同噪声水平的低剂量PET图像去噪	开发了统一噪声感知网络，通过自适应权重机制动态集成多个针对特定噪声水平的子网络，解决了现有方法在不同采集条件下泛化能力不足的问题	NA	开发能够处理不同噪声水平并重建高质量图像的低剂量PET成像去噪方法	包含头部整体和头颈部恶性病变的PET/CT数据集	医学影像处理	头颈部癌症	PET成像	Transformer	医学影像	NA	NA	Swin Transformer	SSIM, PSNR, SUV均值偏差, SUVmax偏差, RMSE	NA