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
6541	2025-02-21	Antimicrobial resistance recommendations via electronic health records with graph representation and patient population modeling 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108616 PMID:39913994	研究论文	本研究提出了一种基于电子健康记录（EHR）的深度学习框架，用于生成抗菌素耐药性（AMR）推荐	该框架首次结合了深度图神经网络、患者群体建模和多任务学习策略，以增强AMR推荐的准确性和效率	研究主要针对尿路感染患者，可能不适用于其他类型的感染	开发一种能够利用EHR数据生成AMR推荐的深度学习框架	超过110,000名尿路感染患者的EHR数据	机器学习	尿路感染	深度图神经网络	图神经网络（GNN）	电子健康记录（EHR）	超过110,000名尿路感染患者
6542	2025-02-21	Why does my medical AI look at pictures of birds? Exploring the efficacy of transfer learning across domain boundaries 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108634 PMID:39913993	研究论文	本文探讨了在医学深度学习中使用领域内预训练模型与跨领域预训练模型的效能差异	研究表明，在CT图像任务中，使用领域内（RadNet）预训练模型相比跨领域（ImageNet）预训练模型具有优势，尤其是在CT图像领域内	研究结果仅适用于CT图像领域，对于其他医学影像模态，ImageNet预训练模型表现更好	比较领域内预训练与跨领域预训练在医学深度学习任务中的效能	CT图像数据集（RadNet-12M、RadNet-1.28M）和自然图像数据集	计算机视觉	NA	自监督对比预训练	深度学习模型	图像	超过12百万/1.28百万CT图像切片，来自90,663次扫描
6543	2025-02-21	DIFLF: A domain-invariant features learning framework for single-source domain generalization in mammogram classification 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108592 PMID:39813937	研究论文	本研究提出了一种用于单源域泛化的领域不变特征学习框架（DIFLF），旨在提高深度学习模型在乳腺癌筛查中的临床应用	提出了风格增强模块（SAM）和内容-风格解耦模块（CSDM），通过增加源域特征多样性和解耦领域不变特征来减少领域偏移的影响	仅使用一个源数据集进行训练，可能限制了模型在其他数据集上的泛化能力	提高深度学习模型在乳腺癌筛查中的跨机构泛化能力	乳腺X光片	计算机视觉	乳腺癌	深度学习	DIFLF（包含SAM和CSDM）	图像	一个私有数据集（PRI1）用于训练，另一个私有数据集（PRI2）和两个公共数据集（INbreast和MIAS）用于测试
6544	2025-02-21	Neurophysiological data augmentation for EEG-fNIRS multimodal features based on a denoising diffusion probabilistic model 2025-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108594 PMID:39813939	研究论文	本文提出了一种基于去噪扩散概率模型（DDPM）和高斯噪声添加的EEG-fNIRS数据增强框架（EFDA-CDG），用于提升混合脑机接口（BCI）系统的性能	结合DDPM生成模型和传统的高斯噪声添加方法，为分类器提供更丰富的训练数据，并通过EEG特征注意力和fNIRS地形注意力提高分类准确率	数据增强的效果依赖于手动提取特征和空间映射插值的质量，且实验验证仅限于特定任务和数据库	提升混合脑机接口系统的性能	EEG和fNIRS信号	脑机接口	NA	去噪扩散概率模型（DDPM），高斯噪声添加	DDPM	EEG和fNIRS信号	三个公开数据库和一个自收集数据库
6545	2025-02-21	ViroNia: LSTM based proteomics model for precise prediction of HCV 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109573 PMID:39733555	研究论文	本文介绍了ViroNia，一种基于LSTM的蛋白质组学模型，用于高精度预测HCV病毒蛋白分类	ViroNia利用LSTM架构进行病毒蛋白分类，展示了其在分类任务中的高效性，并优于其他深度学习架构如Simple RNN、GRU、1d CNN和双向LSTM	尽管ViroNia在分类任务中表现出色，但其在更广泛数据集上的泛化能力尚未验证	开发高精度的病毒蛋白分类模型，以支持病毒研究和干预设计	HCV病毒蛋白	自然语言处理	NA	LSTM	LSTM	蛋白质序列	2250个蛋白质序列
6546	2025-02-21	Improved early detection accuracy for breast cancer using a deep learning framework in medical imaging 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109751 PMID:39884057	研究论文	本文提出了一种新的深度学习框架，用于提高乳腺癌早期检测的准确性	结合卷积神经网络（CNN）与特征选择和融合方法，自动从图像中学习并找到相关特征，从而超越现有方法	未提及具体的数据集大小或多样性限制	提高乳腺癌早期检测的准确性	乳腺癌的医学影像	计算机视觉	乳腺癌	深度学习	CNN	图像	NA
6547	2025-02-21	Deep learning image registration for cardiac motion estimation in adult and fetal echocardiography via a focus on anatomic plausibility and texture quality of warped image 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109719 PMID:39884059	研究论文	本文提出了一种深度学习图像配准方法，用于成人和胎儿超声心动图中的心脏运动估计，重点关注变形图像的解剖合理性和纹理质量	提出了一种新的深度学习图像配准框架，通过引入解剖形状编码约束和数据驱动的纹理约束，提高了变形图像的解剖合理性和纹理质量	尽管方法在成人和胎儿超声心动图中表现出色，但未提及在其他类型医学图像上的适用性	提高超声心动图中心脏运动估计的准确性和一致性	成人和胎儿超声心动图	计算机视觉	心血管疾病	深度学习图像配准（DLIR）	深度学习模型	图像	多人口胎儿数据集和公共CAMUS成人数据集
6548	2025-02-21	A comparative study of statistical, radiomics, and deep learning feature extraction techniques for medical image classification in optical and radiological modalities 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109768 PMID:39891957	研究论文	本文比较了统计、放射组学和深度学习特征提取技术在医学图像分类中的应用效果	通过对比不同特征提取技术在多种医学影像模态下的表现，揭示了深度学习技术在准确性和速度上的优势	研究仅针对二分类问题，未涉及多分类或更复杂的医学图像分析任务	评估不同特征提取技术对医学图像分类模型性能的影响	H&E染色图像、胸部X光片和视网膜OCT图像	计算机视觉	NA	统计特征提取、放射组学特征提取、深度学习特征提取	PCA-LDA, ResNet50, DenseNet121	图像	NA
6549	2025-02-21	ABIET: An explainable transformer for identifying functional groups in biological active molecules 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109740 PMID:39894011	研究论文	本文介绍了一种名为ABIET的可解释Transformer模型，用于识别生物活性分子中药物-靶点相互作用的关键区域——功能基团	ABIET模型通过利用Transformer编码器架构的注意力权重，结合双向交互、基于层的提取和激活变换等策略，有效区分功能基团与非功能基团原子，提升了Transformer模型的可解释性	NA	提高Transformer模型在药物发现中的可解释性，识别生物活性分子中的功能基团	生物活性分子中的功能基团	自然语言处理	NA	Transformer模型	Transformer	SMILES表示的分子数据	针对多种药理学受体（包括VEGFR2、AA2A、GSK3、JNK3和DRD2）的多样化数据集
6550	2025-02-21	Automated dysphagia characterization in head and neck cancer patients using videofluoroscopic swallowing studies 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109759 PMID:39914196	研究论文	本研究介绍了一种自动化分析视频荧光吞咽研究（VFSS）的新框架，用于表征头颈癌（HNC）患者的吞咽困难	提出了一种结合深度学习标记框架、吞咽动态参数提取和机器学习分类的自动化分析方法，用于从VFSS中识别十个感兴趣区域和四种吞咽困难相关损伤	数据集大小和VFSS的变异性带来的挑战	开发自动化分析VFSS的方法，以表征头颈癌患者的吞咽困难	头颈癌患者、健康个体以及非头颈癌相关吞咽困难患者	计算机视觉	头颈癌	深度学习、机器学习	深度学习标记框架、机器学习分类器	视频	未明确提及具体样本数量，但涉及健康个体、头颈癌患者放疗前后及非头颈癌相关吞咽困难患者
6551	2025-02-21	You get the best of both worlds? Integrating deep learning and traditional machine learning for breast cancer risk prediction 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109733 PMID:39914201	研究论文	本文提出了一种结合深度学习和传统机器学习的方法，用于基于图像的乳腺癌风险预测	结合深度学习和传统机器学习方法进行乳腺癌风险预测，探索了图像数据在风险预测中的应用	需要进一步验证以确认其临床适用性	开发一种基于图像的乳腺癌风险预测模型，以个性化筛查需求	乳腺癌风险预测	计算机视觉	乳腺癌	深度学习, 传统机器学习	深度学习模型, 传统机器学习模型	图像	3720例对照组和1471例风险病例的乳腺X光片
6552	2025-02-21	REMED-T2D: A robust ensemble learning model for early detection of type 2 diabetes using healthcare dataset 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109771 PMID:39914204	研究论文	本文介绍了一种名为REMED-T2D的集成机器学习模型，用于早期检测2型糖尿病，通过整合多种机器学习算法提高预测准确性和鲁棒性	REMED-T2D是首个使用Pima数据集进行综合分析的模型，结合了多种机器学习算法，并开发了公开可访问的Web服务器	模型主要在亚洲女性数据集上进行验证，可能在其他人群中的适用性有限	开发一种高效的机器学习模型，用于早期检测2型糖尿病	2型糖尿病患者	机器学习	糖尿病	集成学习	集成学习模型	医疗数据集	Pima Indian Diabetes数据集，RTML1和Pabna数据集
6553	2025-02-21	QMaxViT-Unet+: A query-based MaxViT-Unet with edge enhancement for scribble-supervised segmentation of medical images 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109762 PMID:39919665	研究论文	本文提出了一种基于涂鸦监督的医学图像分割新框架QMaxViT-Unet+，通过改进U-Net架构并引入多轴视觉Transformer块和边缘增强模块，提高了分割精度	QMaxViT-Unet+框架结合了多轴视觉Transformer块和边缘增强模块，有效提升了模型在局部和全局特征学习上的能力，同时通过查询式Transformer解码器优化特征	尽管在多个数据集上表现优异，但模型在特定数据集（如BUSI）上的性能仍有提升空间，且依赖于涂鸦标签的质量	解决医学图像分割中高质量标注数据稀缺的问题，提出一种弱监督学习方法	心脏结构、结肠息肉和乳腺癌的医学图像	计算机视觉	心血管疾病、结肠癌、乳腺癌	深度学习	QMaxViT-Unet+（基于U-Net和多轴视觉Transformer）	医学图像	四个公开数据集：ACDC、MS-CMRSeg、SUN-SEG、BUSI
6554	2025-02-21	Point-annotation supervision for robust 3D pulmonary infection segmentation by CT-based cascading deep learning 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109760 PMID:39923589	研究论文	本研究提出了一种基于级联点注释的深度学习框架，用于3D肺部感染分割，以减少标注工作量并提高分割性能	提出了一种新的级联点注释框架，通过比较标注点和未标注体素的表示以及建立全局不确定性，开发了两种正则化策略，以在稀疏注释下约束网络对病变模式的更全面理解	虽然方法在未见过的感染亚型（如肺炎支原体）上表现出鲁棒性，但未明确讨论其在其他类型感染或更广泛数据集上的泛化能力	开发一种高效且准确的肺部感染分割方法，以减少标注工作量并提高分割性能	肺部感染的3D CT图像	计算机视觉	肺部感染	深度学习	级联深度学习模型	3D CT图像	1,072个CT体积
6555	2025-02-21	Explainable AI-driven scalogram analysis and optimized transfer learning for sleep apnea detection with single-lead electrocardiograms 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109769 PMID:39923592	研究论文	本文提出了一种利用单导联心电图信号和深度学习技术检测睡眠呼吸暂停的独特方法	使用连续小波变换将心电图信号转换为尺度图，以捕捉时间和频率域信息，并采用优化的预训练GoogLeNet架构进行迁移学习	需要进一步验证在更大规模数据集上的泛化能力	开发一种基于单导联心电图信号的睡眠呼吸暂停检测方法	睡眠呼吸暂停患者的心电图信号	机器学习	睡眠障碍	连续小波变换	GoogLeNet	心电图信号	PhysioNet Apnea ECG数据集、UCDDB数据集和MIT-BIH多导睡眠图数据集
6556	2025-02-21	Multi-modality medical image classification with ResoMergeNet for cataract, lung cancer, and breast cancer diagnosis 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109791 PMID:39933267	研究论文	本文提出了一种名为ResoMergeNet（RMN）的多模态医学图像分类模型，用于白内障、肺癌和乳腺癌的诊断	RMN结合了迁移学习和先进技术（ResBoost框架和ConvMergeNet），能够有效处理多模态医学图像分类问题，并在不同数据集上表现出色	未明确提及模型的局限性	提高多模态医学图像分类的准确性，以支持白内障、肺癌和乳腺癌的早期诊断	白内障、肺癌和乳腺癌的医学图像	计算机视觉	白内障、肺癌、乳腺癌	迁移学习、ResBoost框架、ConvMergeNet	ResoMergeNet（RMN）	图像	白内障数据集（二分类）、肺癌数据集（三分类）、BreakHis数据集（八分类）
6557	2025-02-21	Review on computational methods for the detection and classification of Parkinson's Disease 2025-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109767 PMID:39938340	review	本文系统地调查了用于帕金森病检测和分类的计算方法，特别是通过不同的成像模态	本文提供了对现有机器学习和深度学习模型的深入分析，并强调了改进现有方法以处理诊断准确性挑战的需求	现有数据集的应用性有限，需要扩展其适用性	系统调查帕金森病检测和分类的最新方法	帕金森病的生物标志物，包括解剖和神经递质变化、血清和遗传特征	machine learning	帕金森病	T1加权MRI	machine learning, deep learning	image	NA
6558	2025-02-21	Atomic force microscopy combined with microfluidics for label-free sorting and automated nanomechanics of circulating tumor cells in liquid biopsy 2025-Feb-20, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr04033c PMID:39865849	研究论文	本文介绍了一种结合原子力显微镜（AFM）和微流控技术的无标记分选和自动化纳米力学测量方法，用于液体活检中的循环肿瘤细胞（CTCs）研究	创新点在于结合AFM和微流控技术，实现了CTCs的无标记分选和自动化纳米力学测量，为临床提供了新的可能性	研究仍处于概念验证阶段，样本量有限，需要进一步验证和优化	研究目的是开发一种高效测量液体活检中CTCs机械性能的方法，以推动癌症管理	研究对象为液体活检中的循环肿瘤细胞（CTCs）	数字病理学	癌症	原子力显微镜（AFM）、微流控技术、深度学习光学图像识别模型	深度学习模型	图像、力学数据	三个实验样本系统，包括不同大小的混合微球、不同类型癌细胞的混合物以及癌细胞和血细胞的混合物
6559	2025-02-21	Rapid detection and quantitative analysis of thiram in fruits using a shape-adaptable flexible SERS substrate combined with deep learning 2025-Feb-20, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay02098g PMID:39925033	研究论文	本文开发了一种形状适应性强的柔性表面增强拉曼散射（SERS）基底，结合深度学习算法，用于快速检测和定量分析水果表面的福美双	创新性地设计了一种柔性SERS基底，通过将银纳米颗粒沉积在波纹状的PDMS薄膜上，提高了物理灵活性，确保了与曲面的共形接触，同时实现了高灵敏度、重现性和机械鲁棒性	NA	快速检测和定量分析水果表面的福美双，以确保食品安全	水果表面的福美双	计算机视觉	NA	表面增强拉曼散射（SERS）	一维卷积神经网络（1D CNN）	SERS信号	NA
6560	2025-02-21	Improved Assessment of Juxtacortical Lesions in Multiple Sclerosis Using Highly-accelerated High-resolution Double Inversion Recovery MR Imaging with Deep Learning-based Reconstruction 2025-Feb-20, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0126 PMID:39971311	研究论文	本研究旨在使用深度学习重建技术（DLS）实现高分辨率双反转恢复（DIR）成像，并比较其在检测多发性硬化症（MS）皮质旁病变中的诊断性能与传统DIR（C-DIR）的差异	开发了一种新的基于深度学习的重建技术（DLS），用于重建高度欠采样的MR数据，并在检测MS皮质旁病变中表现出优于压缩感知的性能	研究样本量较小，仅包括25名MS患者	比较DLS-DIR和C-DIR在检测MS皮质旁病变中的诊断性能	25名多发性硬化症患者的MRI数据	医学影像	多发性硬化症	深度学习重建技术（DLS）	深度学习	MRI图像	25名多发性硬化症患者