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
4781	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
4782	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
4783	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
4784	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
4785	2025-10-06	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	提出一种基于元宇宙的深度学习框架，用于冠状动脉狭窄分类	结合元宇宙平台与蒙特卡洛Dropout的ResNet-152模型，创建面向患者的交互式3D虚拟诊断环境	未明确说明数据集的规模和多样性限制	提高冠状动脉狭窄诊断的准确性和患者参与度	冠状动脉狭窄患者	计算机视觉	心血管疾病	侵入性冠状动脉造影	CNN	医学图像	NA	PyTorch, TensorFlow	ResNet-152	准确率	NA
4786	2025-10-06	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	本文综述了基于脑电图信号的情感识别研究中深度学习和机器学习方法的应用、挑战及未来方向	系统比较了传统机器学习与深度学习方法在EEG情感识别中的优劣，并提出了未来研究方向	面临受试者特异性、高噪声水平和高质量标注数据稀缺等挑战，限制了模型的泛化能力	探索EEG信号在情感识别中的应用，提升脑机交互和脑健康评估系统	脑电图信号和人类情感状态	脑机接口	NA	脑电图信号分析	CNN, RNN, SVM, KNN, RF	EEG信号	使用公开数据集（DEAP、SEED、AMIGOS），具体样本量未明确说明	NA	NA	NA	NA
4787	2025-10-06	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	系统综述	本文系统综述了机器学习在周围动脉疾病诊断和管理中的应用	首次系统性地总结和评估机器学习在PAD领域的应用现状，涵盖不同算法类型、数据源和性能表现	纳入研究数量有限（30项），可能存在发表偏倚，且50%的研究存在偏倚风险	探索机器学习算法在周围动脉疾病诊断和管理中的应用效果	周围动脉疾病患者相关医疗数据	机器学习	周围动脉疾病	机器学习算法分析	神经网络,集成学习,深度学习	临床记录,数值数据,非数值数据	30项相关研究（2014-2024年）	NA	全连接神经网络,卷积神经网络,随机森林	准确率,精确率,召回率,F1分数,AUC等	NA
4788	2025-10-06	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	研究论文	开发并评估用于CT图像中眼眶骨折检测和分类的分层深度学习系统	提出分层深度学习系统，结合YOLOv8和Vision Transformer分别进行骨折检测和分类	回顾性单中心研究，样本来源单一	开发自动检测和分类眼眶骨折的深度学习系统	眼眶骨折患者的CT图像	计算机视觉	眼眶骨折	CT成像	YOLOv8, Vision Transformer	CT图像	686名患者，46,013个CT切片，预处理后7,809个感兴趣区域切片	NA	YOLOv8, Vision Transformer	准确率, 敏感性, 特异性, AUC-ROC	NA
4789	2025-10-06	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	提出基于深度学习的显微神经钻孔技能客观评估方法	首次提出基于几何顺序学习的框架，在极低数据条件下有效训练Transformer模型，并创建首个带标注的显微神经钻孔技能评估数据集	数据集规模相对较小（435张图像），在超低数据设置下训练	开发自动化的神经外科钻孔技能评估系统	显微神经钻孔手术技能	计算机视觉	神经外科疾病	显微钻孔技术	Transformer, CNN	图像	435张图像（包含绵羊头部和肩胛骨标本）	NA	Transformer	均方误差, ±1准确率	NA
4790	2025-10-06	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Meta分析	本文通过系统综述和Meta分析评估深度学习模型在翼状胬肉诊断和分级中的准确性	首次对深度学习在翼状胬肉诊断和分级中的性能进行系统性评估和Meta分析	缺乏外部验证数据、病例对照研究设计偏倚、未预设决策阈值、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严重程度分级中的诊断准确性	翼状胬肉患者的前段眼部照片	医学影像分析	眼科疾病	深度学习	深度学习模型	图像	20项研究，45,913张前段眼部照片，来自超过4,460名患者	NA	NA	灵敏度, 特异性	NA
4791	2025-10-06	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	提出一种结合EEG信号量化和多步转移概率熵特征提取与LSTM网络的驾驶员 drowsiness 检测方法	采用EEG信号量化与多步转移概率熵特征提取，结合LSTM网络进行 drowsiness 状态分类	NA	通过脑电图检测驾驶员 drowsiness 状态	驾驶员脑电图信号	机器学习	NA	脑电图	LSTM, HMM	脑电图信号	NA	NA	LSTM	准确率	NA
4792	2025-10-06	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	研究论文	本研究融合生物启发优化算法与机器学习技术，通过海马体分割和分类实现阿尔茨海默病的早期诊断	首次将象群优化算法和乌鸦搜索优化算法与ResNet50分类器结合应用于阿尔茨海默病生物标志物分析	未提及研究样本量的具体数据以及外部验证结果	开发基于脑部区域分析的阿尔茨海默病早期诊断方法	脑部关键区域（胼胝体、灰质、海马体、脑室、白质），重点关注海马体	机器学习	阿尔茨海默病	深度学习，优化算法	CNN	医学图像	NA	NA	ResNet50	准确率	NA
4793	2025-10-06	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	研究论文	提出一种基于3D U-Net的预处理方法用于腹部区域分割	开发了专门针对腹部CT图像分割的预处理步骤，既能提高分割性能又能加快分割速度	仅使用特定数据集进行验证，需要进一步测试在其他数据集上的泛化能力	改进生物医学图像自动分割的预处理方法	腹部CT图像中的感兴趣区域	数字病理	腹部疾病	CT成像	3D U-Net	3D医学图像	训练集6998个切片，测试集1311个切片	NA	3D U-Net	Dice系数, Hausdorff距离, HD95, 平均对称表面距离	NA
4794	2025-10-06	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	提出一种名为深度孪生残差支持向量机(DSRSVM)的端到端学习模型，将深度神经网络与支持向量机相结合	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，实现深度学习与支持向量机的协同效应	NA	开发一种超越传统深度学习和支持向量机简单组合的协同学习框架	医学数据集	机器学习	NA	NA	SVM, 深度神经网络	医学数据	NA	NA	残差网络	准确率, 召回率, F1分数	NA
4795	2025-10-06	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	本研究通过分析脑电图信号开发机器学习模型来预测个体在模拟约会应用中的浪漫吸引和拒绝情绪	首次基于单试次事件相关电位分析实现对个体内部浪漫情绪的预测	使用模拟约会应用而非真实场景，样本量相对有限	探索脑信号是否能够揭示浪漫情绪	61名参与者（31名女性，30名男性）	机器学习	NA	脑电图（EEG），事件相关电位（ERP）	机器学习模型，深度学习模型	脑电图信号	61名参与者	NA	NA	ROC-AUC	NA
4796	2025-10-06	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	本研究通过认知任务和生理数据，利用时序融合深度学习模型检测阿片类药物滥用	首次使用时序融合变换器模型结合认知任务行为和生理信号数据来检测阿片类药物滥用	需要与客观的阿片类药物滥用测量标准进行基准比较，样本量相对有限	开发机器学习模型来检测阿片类药物滥用，预防用药过量和阿片使用障碍风险	169名使用阿片类镇痛药治疗慢性疼痛的患者	机器学习	药物滥用障碍	Current Opioid Misuse Measure (COMM), Dot Probe任务, Go/No-Go任务	时序融合变换器	生理信号数据, 行为反应数据	169名患者，9238个数据点	NA	Temporal Fusion Transformer	AUC, 特异性, 敏感性	NA
4797	2025-10-06	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	研究论文	开发基于卷积循环神经网络的深度学习模型，用于自动检测小鼠站立行为	首次将CRNN模型应用于小鼠站立行为的自动化分析，实现了与人类观察相当的检测灵敏度	仅使用C57BL/6小鼠数据，模型在其他品系小鼠上的泛化能力未验证	开发自动化工具用于啮齿类动物行为分析	C57BL/6小鼠	计算机视觉	NA	视频行为分析	CRNN	视频	C57BL/6小鼠的行为视频数据	NA	卷积循环神经网络	灵敏度	NA
4798	2025-10-06	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	研究论文	开发基于深度学习的计算机辅助诊断系统ECCADx，通过宫腔镜检测非典型子宫内膜增生和子宫内膜癌	首个将对比学习集成用于宫腔镜下AEH和EC特异性分化的系统	NA	提高子宫内膜癌和非典型子宫内膜增生的诊断准确性	宫腔镜图像中的非典型子宫内膜增生和子宫内膜癌病变	计算机视觉	子宫内膜癌	宫腔镜检查	深度学习	图像	训练集：49,646张图像来自1,204名患者；验证集：6,228张图像来自190名患者	NA	对比学习	灵敏度, 特异性	NA
4799	2025-10-06	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	系统评价与荟萃分析	通过系统评价和荟萃分析评估深度学习模型在乳腺MRI中诊断乳腺癌的性能	首次对2015-2024年间深度学习在乳腺MRI诊断乳腺癌的应用进行全面系统评价和定量荟萃分析	存在显著的固有变异性，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MRI中诊断乳腺癌的性能表现	乳腺癌诊断相关的深度学习研究	医学影像分析	乳腺癌	MRI影像分析	CNN, 混合复合模型	MRI影像	40项研究（其中21项符合定量分析）	NA	NA	AUC, 敏感性, 特异性	NA
4800	2025-10-06	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	研究论文	开发了一种可解释的注意力增强启发式范式，用于肝细胞癌多视角预后风险评分开发	提出新颖的深度学习辅助范式，通过生成可解释的多视角风险评分来补充现有方法，特别设计了注意力激活器(ATAT)启发式识别高预后风险组织	NA	开发可解释的多视角预后风险评分系统，用于肝细胞癌患者的风险分层	肝细胞癌患者	数字病理学	肝细胞癌	深度学习	神经网络	病理图像	内部数据集510例HCC患者(SYSUCC)，外部测试集341例HCC患者(TCGA-LIHC)	NA	注意力激活器(ATAT)	风险比(HR), 一致性指数(c-index)	NA