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
5021	2025-03-05	Addressing imbalance in health data: Synthetic minority oversampling using deep learning 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109830 PMID:39983361	研究论文	本文提出了一种基于深度学习的合成少数类过采样方法，用于解决医疗数据中的类别不平衡问题	提出了一种结合辅助引导条件变分自编码器（ACVAE）和对比学习的深度学习方法，并引入集成技术，通过ACVAE生成合成正样本，并使用编辑质心位移最近邻（ECDNN）算法减少多数类样本	方法在复杂数据分布和异构数据类型处理上仍有改进空间	解决医疗数据中的类别不平衡问题，以提高机器学习模型的性能	医疗数据	机器学习	NA	深度学习	ACVAE, ECDNN	医疗数据	12个不同的医疗数据集
5022	2025-03-05	A multi-task self-supervised approach for mass detection in automated breast ultrasound using double attention recurrent residual U-Net 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109829 PMID:39983360	研究论文	本文提出了一种基于自监督框架的新型计算机辅助检测系统，用于自动乳腺超声中的肿块检测，旨在减少放射科医生的工作量并提高检测准确性	引入了自监督框架，利用未标注的ABUS数据集改进检测结果，并提出了创新的3D卷积神经网络DATTR2U-Net，采用多任务学习方法同时训练修复和去噪任务	高度依赖训练样本数量，可能在平衡检测准确性和假阳性率方面存在挑战	开发高效的计算机辅助检测系统，以提高乳腺超声中肿块检测的准确性并减少放射科医生的工作量	自动乳腺超声（ABUS）图像	计算机视觉	乳腺癌	自监督学习	DATTR2U-Net（双注意力循环残差U-Net）	3D图像	TDSCABUS公共数据集
5023	2025-03-05	RNA structure prediction using deep learning - A comprehensive review 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109845 PMID:39983363	综述	本文综述了使用深度学习技术进行RNA结构预测的多种策略，包括特征提取方法、现有最先进的学习模型架构和预测方法	强调了深度学习在RNA二级结构预测中的应用，提供了对现有技术和模型的比较分析，并指出了文献中的空白和当前挑战	文章主要集中于现有技术的综述，未涉及具体实验验证或新方法的提出	旨在提供RNA结构预测领域的深度学习技术综述，促进该领域的进一步研究	RNA二级结构	计算生物学	NA	深度学习	NA	NA	NA
5024	2025-03-05	AI-MET: A deep learning-based clinical decision support system for distinguishing multisystem inflammatory syndrome in children from endemic typhus 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109815 PMID:39987695	研究论文	本文介绍了一种基于深度学习的临床决策支持系统AI-MET，用于区分儿童多系统炎症综合征（MIS-C）和地方性斑疹伤寒	AI-MET系统能够在患者急诊科就诊的前六小时内，仅使用临床和实验室特征，及时区分MIS-C和地方性斑疹伤寒，且在所有评估指标上表现优异	研究样本量相对较小，仅包括87名斑疹伤寒患者和133名MIS-C患者，且验证数据集仅包含111名MIS-C患者	开发一种能够区分MIS-C和地方性斑疹伤寒的临床决策支持系统，以改善这两种疾病的早期诊断	儿童多系统炎症综合征（MIS-C）和地方性斑疹伤寒患者	数字病理	儿童多系统炎症综合征	深度学习	深度学习模型	临床和实验室数据	87名斑疹伤寒患者和133名MIS-C患者，验证数据集包含111名MIS-C患者
5025	2025-03-05	Improving explanations for medical X-ray diagnosis combining variational autoencoders and adversarial machine learning 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109857 PMID:39999495	研究论文	本文提出了一种结合变分自编码器和对抗性机器学习的新型深度学习架构，旨在提高医学X光诊断的可解释性	利用变分自编码器在低维嵌入空间中生成图像的线性修改，并在原始图像空间中重建这些修改为非线性解释，通过全局和局部正则化潜在空间来存储图像的视觉和语义信息	未提及具体局限性	提高医学X光诊断的可解释性	医学X光图像	计算机视觉	NA	变分自编码器，对抗性机器学习	变分自编码器，多目标遗传算法	图像	未提及具体样本数量
5026	2025-03-05	Prediction and detection of terminal diseases using Internet of Medical Things: A review 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109835 PMID:39999492	综述	本文综述了人工智能（AI）与医疗物联网（IoMT）结合在疾病预测和检测中的应用，探讨了数据异质性、隐私问题和模型泛化能力等挑战	本文创新性地评估了AI-IoMT技术在预测慢性病和终末期疾病中的有效性，并提出了改进模型鲁棒性、数据安全性和互操作性的先进策略，如联邦学习、迁移学习和区块链技术	尽管本文提出了多种改进策略，但仍需进一步研究数据协调、安全框架和多疾病模型的开发，以实现可扩展和全面的AI-IoMT解决方案	研究目的是评估AI-IoMT技术在疾病预测和检测中的有效性，并探讨其面临的挑战和改进策略	研究对象包括心血管疾病、阿尔茨海默病和癌症等慢性病和终末期疾病	医疗物联网	心血管疾病、阿尔茨海默病、癌症	联邦学习、迁移学习、区块链	XGBoost、随机森林、CNN、LSTM	医疗数据	NA
5027	2025-03-05	Deep learning-based LDL-C level prediction and explainable AI interpretation 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109905 PMID:40010176	研究论文	本研究探讨了使用深度学习模型预测低密度脂蛋白胆固醇（LDL-C）水平，并通过可解释的AI方法解释预测结果	使用深度学习模型（如CNN、RNN和LSTM）预测LDL-C水平，并通过LIME方法解释模型预测结果，相比传统方法和公式，深度学习模型在预测LDL-C水平上表现更优	深度学习模型的解释需要更多的计算资源	预测低密度脂蛋白胆固醇（LDL-C）水平，并评估其在心血管疾病风险评估和制定治疗方案中的应用	低密度脂蛋白胆固醇（LDL-C）水平	机器学习	心血管疾病	深度学习	CNN, RNN, LSTM	医疗数据（包括甘油三酯、总胆固醇和高密度脂蛋白胆固醇）	来自纽约-长老会医院/威尔康奈尔医学中心的数据集
5028	2025-03-05	ResGEM: Multi-Scale Graph Embedding Network for Residual Mesh Denoising 2025-Apr, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3378309 PMID:38498760	研究论文	本文提出了一种新的多尺度图嵌入网络ResGEM，用于残差网格去噪，通过并行处理法线和顶点分支来平衡平滑度和几何细节	引入了ResGEM，一种新的图卷积网络，具有多尺度嵌入模块和残差解码结构，用于网格去噪，并提出新的正则化项以增强网络的平滑和泛化能力	NA	提高3D网格去噪的精度和效率，特别是在处理具有不规则拓扑结构的网格时	噪声污染的3D网格	计算机视觉	NA	图卷积网络(GCNs)	ResGEM	3D网格数据	合成和真实扫描的数据集
5029	2025-03-05	Cooperative multi-task learning and interpretable image biomarkers for glioma grading and molecular subtyping 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103435 PMID:39778265	研究论文	本文提出了一种新的协作多任务学习网络（CMTLNet），用于同时预测胶质瘤的组织学分级和分子亚型，并提供可靠的影像生物标志物	提出了一种新的协作多任务学习网络（CMTLNet），包括任务通用特征提取模块、任务特定特征提取模块和特征协作分类模块，通过SHAP值和相关性分析探索了每个胶质瘤预测任务的深度特征引导的可解释放射组学生物标志物	NA	准确预测胶质瘤的组织学分级和分子亚型，并提供可靠的影像生物标志物	胶质瘤	计算机视觉	胶质瘤	深度学习	CMTLNet	图像	超过1800例的多中心数据集
5030	2025-03-05	EAMAPG: Explainable Adversarial Model Analysis via Projected Gradient Descent 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109788 PMID:39946791	研究论文	本研究提出了一种新的可解释性方法，使用投影梯度下降（PGD）生成对抗样本来分析医学图像，以提高深度学习模型的透明度	通过引入投影梯度下降（PGD）生成对抗样本，分析影响模型决策的关键特征，为医学图像分析提供了一种新的可解释性方法	研究仅测试了六种常见的卷积神经网络模型，可能无法涵盖所有深度学习模型的特性	提高深度学习模型在医学图像分析中的透明度和可解释性	脑肿瘤、眼病和COVID-19数据集	计算机视觉	脑肿瘤、眼病、COVID-19	投影梯度下降（PGD）	CNN（包括DenseNet121、InceptionV3、ResNet101等）	图像	NA
5031	2025-03-05	Gabor-modulated depth separable convolution for retinal vessel segmentation in fundus images 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109789 PMID:39946785	研究论文	本文提出了一种基于Gabor调制深度可分离卷积的UNet模型，用于眼底图像中的视网膜血管分割	结合Gabor滤波器的方向敏感性和深度可分离卷积的效率，有效解决了视网膜血管分割中的几何变换问题	模型在数据可用性有限的情况下表现良好，但在更广泛的数据集上的泛化能力仍需验证	提高糖尿病视网膜病变中视网膜血管分割的准确性	眼底图像中的视网膜血管	计算机视觉	糖尿病视网膜病变	Gabor滤波器和深度可分离卷积	UNet	图像	DRIVE、STARE和CHASE_DB1数据集
5032	2025-03-05	X-scPAE: An explainable deep learning model for embryonic lineage allocation prediction based on single-cell transcriptomics revealing key genes in embryonic cell development 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109787 PMID:39946788	研究论文	本文介绍了一种基于单细胞转录组学的可解释深度学习模型X-scPAE，用于预测胚胎细胞谱系分配并揭示胚胎细胞发育中的关键基因	提出了基于Counterfactual Gradient Attribution算法的可解释PCA-注意力自编码器模型X-scPAE，用于预测单细胞转录组数据中的谱系分配并解释基因表达差异	NA	准确预测细胞谱系分配并识别谱系间的差异，以理解细胞分化过程并减少人类早期妊娠流产	人类和小鼠的单细胞转录组数据	机器学习	NA	单细胞转录组学	PCA-注意力自编码器	单细胞转录组数据	NA
5033	2025-03-05	Multitask learning approach for PPG applications: Case studies on signal quality assessment and physiological parameters estimation 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109798 PMID:39946784	研究论文	本文开发了多任务学习方法，利用PPG相关任务之间的共享特性，以提高基于PPG的应用性能	提出了定制的多任务深度学习模型，用于PPG质量评估和同时估计心率和呼吸率，显著优于单任务模型	研究仅基于46名受试者的数据，样本量相对较小	提高PPG信号质量评估和生理参数估计的准确性	PPG信号及其相关生理参数（心率和呼吸率）	机器学习	NA	多任务学习（MTL）	深度学习模型	PPG信号	46名受试者
5034	2025-03-05	The state-of-the-art in cardiac MRI reconstruction: Results of the CMRxRecon challenge in MICCAI 2023 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103485 PMID:39946779	研究论文	本文介绍了2023年MICCAI会议上举办的CMRxRecon挑战赛，旨在推动心脏MRI重建技术的发展	挑战赛提供了一个广泛的心脏k空间数据集，并吸引了大量团队参与，展示了深度学习在心脏MRI重建中的主导地位	公开可用的心脏k空间数据集和评估平台的稀缺性限制了数据驱动重建算法的发展	加速心脏MRI扫描并提高成像性能	心脏MRI数据	医学图像计算	心血管疾病	深度学习	E2E-VarNet, U-Net	k空间数据	超过285个团队和600名参与者
5035	2025-03-05	A spatiotemporal CNN-LSTM deep learning model for predicting soil temperature in diverse large-scale regional climates 2025-Mar-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.178901 PMID:39987832	研究论文	本研究开发了一种结合CNN和LSTM的深度学习模型，用于预测不同气候区域下的土壤温度	结合CNN和LSTM模型，首次用于预测大范围区域内的土壤温度，并在多种气候条件下验证了其准确性	研究仅针对加拿大和美国的五个气候区域，未涵盖全球其他气候类型	开发一种可靠的土壤温度预测模型，以支持农业、水文和气候适应等领域的决策	土壤温度	机器学习	NA	深度学习	CNN-LSTM	时间序列数据	加拿大和美国的五个气候区域的年度小时时间序列土壤温度数据
5036	2025-03-05	[Advances in breast cancer tumor-infiltrating lymphocytes evaluation and deep learning applications] 2025-Mar-08, Zhonghua bing li xue za zhi = Chinese journal of pathology DOI:10.3760/cma.j.cn112151-20241226-00875 PMID:40032427	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5037	2025-03-05	ChatExosome: An Artificial Intelligence (AI) Agent Based on Deep Learning of Exosomes Spectroscopy for Hepatocellular Carcinoma (HCC) Diagnosis 2025-Mar-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06677 PMID:39932366	研究论文	本文介绍了一种基于深度学习的AI代理ChatExosome，用于通过外泌体光谱分析进行肝细胞癌（HCC）诊断	首次开发了一个专注于外泌体光谱和诊断的AI代理，结合了深度学习和大型语言模型（LLM），提高了分类结果的可解释性	NA	开发一种基于外泌体光谱分析的AI系统，用于肝细胞癌（HCC）的诊断	肝细胞癌（HCC）患者的外泌体	机器学习	肝癌	拉曼光谱分析	特征融合变换器（FFT）	光谱数据	165个临床样本
5038	2025-03-05	TimePAD─Unveiling Temporal Sequence ELISA Signal by Deep Learning for Rapid Readout and Improved Accuracy in a Microfluidic Paper-Based Analytical Platform 2025-Mar-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06001 PMID:39960863	研究论文	本文介绍了一种通过深度学习改进纸基微流控酶联免疫吸附测定（ELISA）性能的新方法，利用时间序列比色数据而非传统静态数据进行训练	提出了一种时间序列增强的纸基分析设备（TimePAD），通过捕捉ELISA反应的连续视频数据，利用YOLOv8深度学习算法，实现了更快的反应时间读取和更高的准确性	NA	提高纸基微流控ELISA的灵敏度和特异性，加速诊断结果的解释	纸基微流控ELISA反应	数字病理	NA	ELISA	YOLOv8	视频数据	NA
5039	2025-03-05	Hybrid ladybug Hawk optimization-enabled deep learning for multimodal Parkinson's disease classification using voice signals and hand-drawn images 2025-Mar-04, Network (Bristol, England) DOI:10.1080/0954898X.2025.2457955 PMID:40035544	研究论文	本研究开发了一种优化的深度学习模型，用于通过语音信号和手绘螺旋图像进行帕金森病分类	结合了ZFNet和DRN模型，并利用LHO算法进行训练，通过多数投票选择最佳输出	未提及模型在不同数据集上的泛化能力	开发一种用于帕金森病早期诊断的深度学习模型	帕金森病患者	深度学习	帕金森病	深度学习	ZFNet, DRN	语音信号, 手绘图像	未提及具体样本数量
5040	2025-03-05	New AI explained and validated deep learning approaches to accurately predict diabetes 2025-Mar-04, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03338-6 PMID:40035798	研究论文	本文提出了两种新的深度学习模型LeDNet和HiDenNet，用于早期和准确的糖尿病预测，并通过实验验证了其优越性能	提出了两种新的深度学习模型LeDNet和HiDenNet，结合了LeNet、Dual Attention Network、highway network和DenseNet的特点，并采用多数加权少数过采样技术解决了类别不平衡问题	模型在Diabetes Health Indicators数据集上训练，该数据集存在固有的类别不平衡问题，可能导致预测偏差	提高糖尿病预测的准确性和可解释性	糖尿病患者	机器学习	糖尿病	深度学习	LeDNet, HiDenNet	结构化数据	Diabetes Health Indicators数据集