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
6661	2025-05-27	AdptDilatedGCN: Protein-ligand binding affinity prediction based on multi-scale interaction fusion mechanism and dilated GCN 2025-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.143751 PMID:40316081	研究论文	提出了一种名为AdptDilatedGCN的深度学习方法，用于预测蛋白质-配体结合亲和力，通过多尺度交互与融合机制充分利用蛋白质和配体的特征	结合多尺度交互与融合机制、扩张图卷积网络（GCN）和多头注意力机制，克服传统GCN的局限性，同时考虑蛋白质图中氨基酸节点间的相互作用	未提及具体的数据集限制或模型在其他数据集上的泛化能力	提高蛋白质-配体结合亲和力的预测准确性，以促进药物发现	蛋白质和配体的结合亲和力	机器学习	NA	深度学习、图卷积网络（GCN）、多头注意力机制、自适应门控循环单元（GRU）	AdptDilatedGCN（基于扩张GCN和多尺度融合机制）	蛋白质和配体的分子结构数据	在CASF-2016和CASF-2013公共测试集上进行评估
6662	2025-05-27	Inter-hospital transferability of AI: A case study on phase recognition in cholecystectomy 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110235 PMID:40328029	研究论文	本文通过胆囊切除术作为案例研究，分析了训练好的手术阶段识别模型在不同医院间的可转移性	研究了AI模型在不同医院和外科医生间的可转移性，并提出了结合公共数据和特定机构数据以提高模型性能的方法	研究仅针对胆囊切除术，样本量相对较小（104例公开手术和21例自录视频）	开发具有跨数据集泛化能力的手术阶段识别AI模型	胆囊切除术的手术视频	计算机视觉	NA	深度学习	ResNet50 + MS-TCN	视频	104例公开手术视频 + 21例自录手术视频
6663	2025-05-27	Oral cavity carcinoma detection using BAT algorithm-optimized machine learning models with transfer learning and random sampling 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110250 PMID:40328028	research paper	该研究提出了一种结合迁移学习、随机采样和BAT算法优化的集成机器学习分类器TR-ROS-BAT-ML，用于口腔癌的早期和准确检测	结合了迁移学习、随机采样和BAT算法优化策略，提出了一种新的诊断框架TR-ROS-BAT-ML	未来研究需要整合多模态数据并进一步优化以提高其临床适用性	提高口腔癌的早期和准确检测能力	口腔鳞状细胞癌(OSCC)和正常口腔上皮组织的H&E染色组织学图像	digital pathology	oral cavity carcinoma	transfer learning, random oversampling, BAT algorithm	NANSNetLarge, EfficientNetB7, EfficientNetV2L, EfficientNetV2S, EfficientNetV2M, XGBoost, AdaBoost, ET, HBGC, MLP	image	1224张H&E染色组织学图像，来自230名患者
6664	2025-05-27	Deep learning-based MRI reconstruction with Artificial Fourier Transform Network (AFTNet) 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110224 PMID:40328027	研究论文	本文介绍了一种基于深度学习的MRI重建方法，使用人工傅里叶变换网络（AFTNet）	AFTNet结合了域流形学习和复数神经网络（CVNNs），直接在频域处理原始k空间数据，利用复数运算实现频域和图像域之间的映射	NA	解决图像逆问题，特别是加速磁共振成像（MRI）重建	k空间数据和图像域数据	计算机视觉	NA	深度学习	AFTNet（人工傅里叶变换网络）	k空间数据和图像数据	NA
6665	2025-05-27	Real-time brain tumour diagnoses using a novel lightweight deep learning model 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110242 PMID:40334297	研究论文	本文提出了一种名为MK-YOLOv8的轻量级深度学习框架，用于实时检测和分类脑肿瘤的MRI图像	结合Ghost Convolution、C3Ghost模块和SPPELAN模块，提高了特征提取能力并显著降低了计算复杂度，同时增加了x-small物体检测层以提升小肿瘤检测精度	NA	开发高效的实时脑肿瘤诊断工具	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	深度学习	MK-YOLOv8（基于YOLOv8架构）	MRI图像	3,064张MRI图像（FBT数据集）和801张图像（Br35H数据集）
6666	2025-05-27	Improving microsurgical suture training with automated phase recognition and skill assessment via deep learning 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110238 PMID:40339525	research paper	本研究开发了一种基于深度学习的自动化方法，用于显微外科缝合中的阶段识别和技能评估	使用改进的LRCN模型进行显微外科视频的阶段分类和技能评估，并采用数据增强和跳跃窗口策略处理类别不平衡和代表性帧选择	在识别具有重叠视觉和时间特征的阶段时存在挑战	提高显微外科缝合训练的效果和技能评估的准确性	显微外科缝合视频	computer vision	NA	deep learning	LRCN	video	包含新手和专家外科医生的数据集
6667	2025-05-27	Review learning: Real world validation of privacy preserving continual learning across medical institutions 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110239 PMID:40339524	研究论文	本文介绍了一种名为'复习学习'(RevL)的低成本持续学习算法，用于在隐私保护深度学习(PPDL)框架内使用电子健康记录(EHR)进行诊断预测	提出了'复习学习'(RevL)算法，通过生成数据样本来回顾先前数据集的知识，解决了深度学习中灾难性遗忘的问题	NA	解决隐私保护深度学习(PPDL)中由于顺序训练不同数据集导致的灾难性遗忘问题	电子健康记录(EHR)数据	机器学习	NA	持续学习算法	深度学习模型	电子健康记录(EHR)	模拟实验涉及六个机构，真实世界实验涉及三个医疗机构的106,508名患者数据
6668	2025-05-27	A new diagnostic method and tool for cutaneous leishmaniasis based on artificial intelligence techniques 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110313 PMID:40359677	research paper	开发了一种基于人工智能和计算机视觉技术的皮肤利什曼病新型诊断方法和工具	利用YOLO 8深度学习模型在显微镜图像中检测利什曼原虫，准确率达97%，并开发了移动应用进行验证	研究样本仅来自阿尔及利亚巴斯德研究所M'sila分所，可能影响模型的泛化能力	提高皮肤利什曼病的诊断准确性和效率	显微镜图像中的利什曼原虫	computer vision	cutaneous leishmaniasis	deep learning	YOLO 8	image	显微镜图像数据集（具体数量未提及）
6669	2025-05-27	Suicide ideation detection based on documents dimensionality expansion 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110266 PMID:40367624	研究论文	本文提出了一种基于文档维度扩展的自杀意念检测方法，通过将文本数据和符号从一维空间转换并融合到二维空间，利用预训练的2D CNN模型对社交媒体帖子进行分类	通过将文本数据从1D扩展到2D空间，利用预训练的2D CNN模型（如AlexNet、Restnet-50和VGG-16）进行分类，避免了从头设计和训练新模型的需求，同时提高了分类准确性和数据隐私保护	未提及该方法在不同语言或文化背景下的适用性，以及处理更复杂或多样化非标准输入的能力	开发一种准确且安全的方法，用于分类与心理健康障碍相关的非正式文档	社交媒体帖子	自然语言处理	心理健康障碍	2D CNN模型	AlexNet, Restnet-50, VGG-16	文本和符号	NA
6670	2025-05-27	The automatic pelvic screw corridor planning for intact pelvises based on deep learning deformable registration 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110304 PMID:40367630	研究论文	本文提出了一种基于深度学习可变形配准技术的骨盆螺钉通道自动规划算法，用于骨盆创伤手术中的经皮螺钉固定技术	1) 引入通道安全范围约束以提高搜索效率；2) 应用深度学习可变形配准技术自动标注螺钉入口和出口区域及通道安全范围；3) 开发了一种高效的最优通道搜索算法，无需遍历入口和出口区域，通过基于向量的直径计算方法提高效率	当前方法仅在完整骨盆上验证，骨盆骨折场景需要进一步研究	提高骨盆创伤手术中经皮螺钉固定技术的效率和准确性	骨盆螺钉通道	数字病理	骨盆创伤	深度学习可变形配准技术	深度学习	医学影像	198个完整骨盆
6671	2025-05-27	Improving skin lesion classification through saliency-guided loss functions 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110299 PMID:40375427	研究论文	提出了一种通过将显著性分数直接整合到损失函数中来提高深度学习分类器性能的有效方法	通过整合显著性分数到损失函数中，不仅提升了模型性能，还增强了模型预测的可解释性	未提及	提高皮肤病变分类的性能和模型预测的可解释性	皮肤病变图像	计算机视觉	皮肤病变	深度学习	Inception-ResNet-v2, EfficientNet-B3, ResNeXt	图像	HAM10000和PH2数据集
6672	2025-05-27	Automatic head and neck tumor segmentation through deep learning and Bayesian optimization on three-dimensional medical images 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110309 PMID:40378562	research paper	该研究提出了一种基于深度学习和贝叶斯优化的两阶段方法，用于三维医学图像中头颈部肿瘤的自动分割	提出两阶段贝叶斯优化调度（BOS）方法用于超参数优化，并引入批量大小与学习率（B2L）比率同时优化这两个关键参数	研究仅针对头颈部肿瘤，未验证在其他类型肿瘤或医学图像上的适用性	提高三维医学图像中头颈部肿瘤分割的准确性和效率	头颈部肿瘤的CT和PET扫描图像	digital pathology	head and neck cancer	deep learning, Bayesian optimization	3D V-Net	3D medical images (CT and PET scans)	NA
6673	2025-05-27	Advancing label-free cell classification with connectome-inspired explainable models and a novel LIVECell-CLS dataset 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110274 PMID:40381472	research paper	该研究提出了一个名为LIVECell-CLS的新型无标记细胞分类基准数据集，并比较了16种深度学习模型的性能，同时提出了一种基于C.elegans连接组启发的模块来改进分类性能	提出了最大的无标记细胞分类数据集LIVECell-CLS，并引入了一种基于C.elegans连接组启发的Tensor Network变体来提升模型性能	研究中使用的数据集虽然庞大，但仅包含8种细胞系，可能限制了模型的泛化能力	开发准确且可推广的无标记细胞分类模型	无标记细胞图像	digital pathology	NA	深度学习	ResNets, ViTs, MLP-Mixers, Swin-Transformers, EfficientNetV2	image	超过160万张图像，涵盖8种不同的细胞系
6674	2025-05-27	Exploring interpretable echo analysis using self-supervised parcels 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110322 PMID:40383057	研究论文	探索使用自监督学习进行可解释的心脏超声分析，以提高患者护理和治疗计划	利用自监督学习在无标签数据上发现特征，生成可解释的心脏解剖子区域分割，提高模型的稳健性和可解释性	需要大量无标签数据进行预训练，且依赖公开数据集的可用性	解决医学影像中标签数据稀缺的问题，提升心脏影像分析的效率和可解释性	心脏超声影像	医学影像分析	心血管疾病	自监督学习	Transformer (STEGO网络) 和 DINO	影像	大量无标签数据集和公开数据集
6675	2025-05-27	Optimised Hybrid Attention-Based Capsule Network Integrated Three-Pathway Network for Chronic Disease Detection in Retinal Images 2025-Jun, Journal of evaluation in clinical practice IF:2.1Q2 DOI:10.1111/jep.70126 PMID:40415584	research paper	该研究提出了一种优化的深度学习系统，用于检测视网膜图像中的慢性疾病，并解决现有问题	结合优化的混合注意力胶囊网络和三通路网络，提高了慢性疾病检测的准确性和效率	可能存在计算成本高和过拟合的问题	开发一种优化的深度学习系统，用于检测视网膜图像中的慢性疾病	视网膜图像	digital pathology	chronic disease	Normalization, HSI Colour Conversion	Inception-V3, ResNet-152, Conv-ViT, Hybrid Attention-based Capsule Network	image	Diabetic Retinopathy 224×224 (2019 Data) 和 APTOS-2019 数据集
6676	2025-05-27	Toward Accurate PAH IR Spectra Prediction: Handling Charge Effects with Classical and Deep Learning Models 2025-May-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00372 PMID:40339059	研究论文	本研究利用机器学习和深度学习模型预测多环芳烃（PAHs）的红外光谱，特别关注中性及电离分子的光谱预测	首次实现了带电PAHs红外光谱的快速准确预测，并引入了XGBoost和GNN两种模型	异原子PAHs数据稀缺	提高PAHs红外光谱预测的准确性，特别是针对带电分子	多环芳烃（PAHs）的中性和电离分子	机器学习	NA	机器学习（ML）、图神经网络（GNN）	XGBoost、GNN	分子图表示、Morgan指纹	NA
6677	2025-05-27	Predicting the Brain-To-Plasma Unbound Partition Coefficient of Compounds via Formula-Guided Network 2025-May-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00590 PMID:40340403	research paper	该研究通过建立公开的大鼠数据集并开发公式引导的深度学习模型CMD-FGKpuu，预测脑-血浆未结合分配系数，以评估血脑屏障通透性	开发了公式引导的深度学习模型CMD-FGKpuu，并在多个基准测试中表现良好，展示了深度学习在预测脑-血浆未结合分配系数中的潜力	现有经验评分模型的通用性和适用性尚未充分探索，且数据稀缺，多为内部数据	预测脑-血浆未结合分配系数，以评估血脑屏障通透性，为药物开发提供有效工具	大鼠	machine learning	NA	深度学习	CMD-FGKpuu	实验数据	NA
6678	2025-05-27	Optimizing MRI sequence classification performance: insights from domain shift analysis 2025-May-26, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11671-5 PMID:40418319	研究论文	本研究通过评估预训练模型在成人到儿科MRI数据领域转移条件下的有效性，优化了MRI序列分类性能	结合CNN和Transformer的混合架构MedViT模型在领域转移条件下表现出色，并通过专家领域知识调整进一步提升准确性	研究仅针对成人到儿科MRI数据的领域转移问题，未涉及其他类型的领域转移	解决多中心研究中MRI序列分类因成像协议变异性导致的领域转移问题	成人和儿科MRI数据	医学影像分析	NA	MRI序列分类	ResNet-18, MedViT(CNN-Transformer混合模型)	MRI图像	成人MRI数据集用于训练，儿科MRI数据集用于测试
6679	2025-05-27	Applications of artificial intelligence in abdominal imaging 2025-May-26, Abdominal radiology (New York) DOI:10.1007/s00261-025-04990-0 PMID:40418375	review	本文综述了人工智能在腹部影像学中的应用及其潜力	探讨了AI在腹部影像学中的创新应用，包括疾病检测、分类和个性化护理	数据异质性、缺乏多中心验证、依赖回顾性单中心研究以及AI模型的'黑箱'性质限制了广泛应用	研究AI在腹部影像学中的应用及其对疾病检测、分类和个性化护理的影响	腹部影像学中的多种疾病，如弥漫性肝实质疾病、局灶性肝脏病变、胰腺导管腺癌（PDAC）、肾脏肿瘤和肠道病变	digital pathology	liver cancer, pancreatic cancer, renal tumors, bowel pathologies	deep learning, radiomics	NA	image	NA
6680	2025-05-27	Training a deep learning model to predict the anatomy irradiated in fluoroscopic x-ray images 2025-May-26, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03422-0 PMID:40418509	研究论文	开发一种深度学习算法，用于从荧光X射线图像中预测受辐照的解剖区域，以提高患者剂量估计的精确性	提出了一种结合ResNet架构和元数据处理的方法，能够有效整合患者特定信息（年龄和性别），实现从2D图像到特定解剖坐标的精确转换	在婴儿体模的Z坐标预测中存在较大误差，主要由于训练数据中这些区域的代表性不足	提高荧光引导干预（FGI）中患者剂量估计的准确性	荧光X射线图像和计算体模中的解剖区域	计算机视觉	NA	DeepDRR模拟和ResNet深度学习	ResNet	图像	多样化的模拟荧光图像数据集，涵盖不同区域和视野大小