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
6721	2025-10-06	Kernelized weighted local information based picture fuzzy clustering with multivariate coefficient of variation and modified total Bregman divergence measure for brain MRI image segmentation 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110458 PMID:40527240	研究论文	提出一种基于核化加权局部信息的图像模糊聚类方法，用于脑部MRI图像分割	首次将多元变异系数理论应用于局部图像模糊信息度量，并结合改进的总Bregman散度度量，增强了噪声环境下的分割鲁棒性	NA	开发一种能够有效处理噪声图像分割的聚类方法	脑部MRI图像和CT图像	计算机视觉	脑部疾病	MRI成像，CT成像	模糊聚类	医学图像	合成图像（高斯噪声、椒盐噪声、混合噪声）、Brainweb、IBSR、MRBrainS18 MRI数据集、CT图像模板	NA	NA	Dice系数，模糊性能指数，改进分区熵，平均体积差异，XB指数	NA
6722	2025-10-06	Learning hemodynamic scalar fields on coronary artery meshes: A benchmark of geometric deep learning models 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110477 PMID:40532501	研究论文	本文对六种几何深度学习模型在冠状动脉网格上预测虚拟血流储备分数场进行了全面实证分析	首次系统比较不同几何深度学习后端在预测冠状动脉血流动力学标量场方面的性能，并确定基于Transformer的架构在复杂拓扑数据中的优势	研究主要基于合成数据和有限的患者特定数据，需要在更大规模的真实临床数据上进行验证	开发计算流体动力学模拟的有效替代方法，用于预测冠状动脉血流动力学参数	冠状动脉几何网格和相关的血流动力学标量场	几何深度学习	冠状动脉疾病	计算流体动力学，几何深度学习	几何深度学习模型	三维网格数据	1,500个左冠状动脉合成分叉和427个患者特定CFD模拟	NA	Transformer, 多种几何深度学习后端	平均每点误差，狭窄病变中vFFR预测准确性	NA
6723	2025-10-06	Patch-type wearable electrocardiography and impedance pneumography for sleep staging: A multi-modal deep learning approach 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110452 PMID:40532503	研究论文	本研究评估贴片式可穿戴设备使用单导联心电图和阻抗呼吸图进行多阶段睡眠分期的可行性	提出结合心电图和阻抗呼吸图的多模态深度学习睡眠分期方法，并采用特征降维技术显著提升计算效率	样本量相对有限（92名患者），未与其他可穿戴设备进行广泛比较	开发基于可穿戴设备的自动睡眠分期系统	睡眠分期和睡眠质量监测	机器学习	睡眠障碍	单导联心电图，阻抗呼吸图，运动传感器	RCNN	生理信号数据	92名患者	NA	RCNN	准确率，AUROC，F1-score	NA
6724	2025-10-06	Expert-level differentiation of incomplete Kawasaki disease and pneumonia from echocardiography via multiple large receptive attention mechanisms 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110478 PMID:40541073	研究论文	开发基于多尺度注意力机制的深度学习模型，通过超声心动图实现不完全川崎病与肺炎的专家级鉴别诊断	提出两种新型深度学习架构MRANet和MLRANet，首次将多尺度感受野注意力机制应用于川崎病冠状动脉异常的自动检测	样本量相对有限（203个超声心动图数据集），需要在更大规模数据集中验证模型泛化能力	开发能够实现专家级性能的算法，辅助不完全川崎病的早期诊断	不完全川崎病和肺炎患者的超声心动图数据	计算机视觉	川崎病	超声心动图	深度学习	医学图像	203个超声心动图数据集	NA	MRANet, MLRANet	灵敏度, 特异度, 诊断准确率	NA
6725	2025-10-06	Generative deep-learning-model based contrast enhancement for digital subtraction angiography using a text-conditioned image-to-image model 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110598 PMID:40543272	研究论文	本研究开发了一种基于生成式深度学习模型的数字减影血管造影对比度增强技术	首次将文本条件图像到图像模型应用于DSA对比度增强，结合ControlNet减少幻觉和LoRA进行模型微调	信噪比下降表明噪声增加，需要进一步改进伪影抑制和临床验证	开发深度学习模型增强DSA图像对比度，特别适用于慢性肾病患者减少造影剂使用	数字减影血管造影图像	计算机视觉	慢性肾病	数字减影血管造影	生成式深度学习模型	医学图像	1207个DSA序列	Stable Diffusion, ControlNet	文本条件图像到图像模型	RMS对比度, Michelson对比度, 信噪比, 熵	NA
6726	2025-10-06	Spindle Autoencoder-CNN hybrid model for cardiac arrhythmia classification 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110593 PMID:40543278	研究论文	提出一种结合改进纺锤形自编码器和卷积神经网络的深度学习框架，用于心电信号心律失常分类	使用改进的纺锤形自编码器提取心电信号复杂特征，与传统自编码器相比具有更深且对称的隐藏层结构	仅在MIT-BIH心律失常数据库上进行验证，未提及在其他数据集上的泛化能力	开发自动心律失常检测系统以提高诊断效率	心电信号中的正常和异常心跳	机器学习	心血管疾病	心电信号分析	自编码器, CNN	心电信号	MIT-BIH心律失常数据库中的心跳记录	NA	改进纺锤形自编码器, 卷积神经网络	准确率	NA
6727	2025-10-06	PMFF-Net: A deep learning-based image classification model for UIP, NSIP, and OP 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110618 PMID:40543280	研究论文	开发基于深度学习的PMFF-Net模型用于分类间质性肺病的三种常见类型和正常影像	提出并行多尺度特征融合网络(PMFF-Net)用于间质性肺病影像分类，并与不同级别医院和资历的医生进行诊断效能对比	样本量相对较小（130例患者），仅来自昆明四家三甲医院，缺乏外部验证	开发深度学习分类模型辅助医生诊断间质性肺病，提高诊断准确性	间质性肺病患者的HRCT影像，包括UIP、NSIP、OP三种类型及正常对照	计算机视觉	间质性肺病	高分辨率计算机断层扫描(HRCT)	CNN	医学影像	130例患者HRCT扫描+50例正常对照	Python	PMFF-Net（并行多尺度特征融合网络）	准确率,精确率,召回率,F1分数	NA
6728	2025-10-06	BioTransX: A novel bi-former based hybrid model with bi-level routing attention for brain tumor classification with explainable insights 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110515 PMID:40543279	研究论文	提出一种基于双形式编码器和双级路由注意力的混合模型BioTransX，用于脑肿瘤分类并提供可解释性分析	结合双形式编码器机制（基于动态稀疏注意力的Transformer）与集成卷积网络，集成Grad-CAM和梯度注意力展开技术增强模型可解释性	仅在特定数据集上验证，未在更广泛的临床环境中测试	开发高精度、可解释的脑肿瘤自动检测系统	脑肿瘤MRI图像	计算机视觉	脑肿瘤	对比度受限自适应直方图均衡化(CLAHE)	Transformer, CNN	医学图像(MRI)	Kaggle MRI数据集、BraTS数据集、Figshare数据集	NA	Bi-former, 集成卷积网络	准确率, F1分数	资源受限的临床基础设施
6729	2025-10-06	SE-ATT-YOLO- A deep learning driven ultrasound based respiratory motion compensation system for precision radiotherapy 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110638 PMID:40544802	研究论文	开发了一种基于超声和深度学习的呼吸运动补偿系统，用于精准放射治疗	在YOLOv8n基础上引入压缩激励块进行通道重校准和增强注意力机制，提出SE-ATT-YOLO模型	NA	减轻放射治疗中呼吸运动引起的肿瘤位移影响	人体膈肌超声运动	计算机视觉	肿瘤	超声成像	CNN, YOLO	超声图像	NA	NA	YOLOv8n, SE-ATT-YOLO	mAP, RMSE, FPS	NA
6730	2025-10-06	Ensemble-based Convolutional Neural Networks for brain tumor classification in MRI: Enhancing accuracy and interpretability using explainable AI 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110555 PMID:40554976	研究论文	提出一种基于集成卷积神经网络和可解释AI的脑肿瘤MRI分类方法	结合多种预训练CNN架构的集成学习策略，并集成Grad-CAM++和Integrated Gradients等可解释性技术增强临床可信度	未提及具体的数据集规模和外部验证结果	提高脑肿瘤MRI分类的准确性和可解释性	脑肿瘤MRI图像，包括胶质瘤、脑膜瘤、垂体腺瘤和良性病例	计算机视觉	脑肿瘤	MRI	CNN	图像	NA	NA	VGG16, DenseNet121, Inception-ResNet-v2	准确率	NA
6731	2025-10-06	Towards a comprehensive characterization of arteries and veins in retinal imaging 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110516 PMID:40554981	研究论文	提出一种新颖的集成方法，通过多阶段流程准确重建视网膜血管路径并提取血管级特征	首次将血管分割、路径重建和特征提取集成到统一框架中，超越传统仅关注血管分割的方法	未明确说明方法在复杂病理情况下的泛化能力	开发能够全面表征视网膜动静脉的计算机辅助诊断方法	视网膜眼底图像中的动脉和静脉血管	计算机视觉	糖尿病、高血压相关眼病	视网膜眼底成像	深度语义分割网络, 循环神经网络	视网膜图像	NA	NA	NA	定性评估, 定量评估	NA
6732	2025-10-06	SER inspired deep learning approach to detect cardiac arrhythmias in electrocardiogram signals using Temporal Convolutional Network and graph neural network 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110536 PMID:40580615	研究论文	提出一种结合时序卷积网络和图卷积网络的深度学习方法来检测心电信号中的心律失常	将心电信号构建为周期图，利用图信号处理增强数据表示，结合TCN和GCN提高分类精度	未提及具体的研究局限性	开发稳健的心律失常自动检测方法	心电信号和心律失常分类	机器学习	心血管疾病	心电信号分析	TCN, GCN	心电信号	使用Chapman和Shaoxing 12导联心电数据库	NA	时序卷积网络, 图卷积网络	准确率	NA
6733	2025-10-06	A comprehensive hybrid model: Combining bioinspired optimization and deep learning for Alzheimer's disease identification 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110654 PMID:40580613	研究论文	提出一种结合生物启发优化和深度学习的混合模型，用于阿尔茨海默病的脑区分割和分类识别	首次将灰狼优化(GWO)和哈里斯鹰优化(HHO)相结合用于脑区分割，并与深度学习分类模型集成	NA	开发新的混合技术用于阿尔茨海默病识别，满足临床发现主要生物标志物的目标	阿尔茨海默病患者和正常对照组的脑部数据	医学影像分析	阿尔茨海默病	脑影像分割和分类	深度学习	脑部影像数据	NA	NA	NA	准确率	NA
6734	2025-10-06	Data-driven trends in critical care informatics: a bibliometric analysis of global collaborations using the MIMIC database (2004-2024) 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110670 PMID:40580617	研究论文	对MIMIC数据库相关研究进行文献计量分析，揭示全球合作模式和主题演变趋势	首次对MIMIC数据库相关研究进行系统性文献计量分析，涵盖2004-2024年期间2769篇出版物，采用多软件工具综合分析研究动态	基于单中心数据，模型透明度不足，国际协作率相对较低	分析MIMIC相关研究的文献计量特征，识别主题演变和全球研究趋势	2769篇MIMIC相关出版物	医疗信息学	重症监护	文献计量分析	NA	文献元数据	2769篇出版物	R, Bibliometrix, VOSviewer, Pajek	NA	引用率, 年增长率, 国际合作率	R v4.4.3, RStudio v2024.12.1, Bibliometrix v4.3.2, VOSviewer v1.6.20, Pajek v6.01
6735	2025-10-06	D2-RD-UNet: A dual-stage dual-class framework with connectivity correction for hepatic vessels segmentation 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110530 PMID:40580621	研究论文	提出一种用于肝血管分割的双阶段双类别框架D2-RD-UNet，通过连接性校正提升血管拓扑结构保持能力	首次开发基于中心线的多类别血管连接性校正后处理算法和基于半径的分支算法，构建包含385个CT扫描的大型病理多类别数据集AIMS-HPV-385	依赖CT扫描数据，在极端病理变异情况下泛化能力仍需验证	提升肝血管分割的准确性和血管拓扑结构保持能力，支持肝脏手术术前规划	肝静脉和门静脉血管系统	医学图像分割	肝脏疾病	计算机断层扫描(CT)	U-Net变体	3D和4D CT图像数据	385个CT扫描（训练集327个，测试集58个），额外在3D-IRCADb-01的20个CT扫描上验证	NA	D2-RD-UNet（密集连接和残差连接的U-Net变体）	血管重建准确性，血管连续性保持，分支尺度精度评估	NA
6736	2025-10-06	Classification of knee osteoarthritis severity using markerless motion capture and long short-term memory fully convolutional network 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110647 PMID:40582166	研究论文	本研究结合无标记运动捕捉和深度学习技术，基于步态运动学对膝关节骨关节炎严重程度进行分类	首次将无标记运动捕捉与长短期记忆全卷积网络相结合用于膝关节骨关节炎严重程度分类	模型在受试者划分策略下泛化能力下降，早期和中期严重程度组因步态特征重叠而分类错误率较高	开发基于步态分析的膝关节骨关节炎自动严重程度分类方法	膝关节骨关节炎患者的步态运动学数据	计算机视觉	骨关节炎	无标记运动捕捉	LSTM-FCN	运动捕捉数据	未明确说明	NA	长短期记忆全卷积网络	准确率	NA
6737	2025-10-06	Evaluation of meibomian gland dysfunction with deep learning model considering different datasets and gland morphology 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110679 PMID:40582168	研究论文	本研究提出了一种结合图像嵌入和睑板腺形态特征的深度学习框架，用于自动预测睑板腺功能障碍的meiboscore评分	首次将原始图像嵌入与睑板腺形态属性（面积、长度、厚度、弯曲度）相结合进行自动meiboscore预测，并在不同数据集上验证模型鲁棒性	研究使用的数据集规模有限（共1261张图像），且来自不同的成像设备	开发自动化的睑板腺功能障碍评估方法，提高诊断效率和一致性	睑板腺功能障碍患者的睑板腺图像	计算机视觉	干眼症	睑板腺成像技术	深度学习模型	医学图像	两个数据集：BCH数据集（145名患者的261张图像）和MGD-1K数据集（320名患者的1000张图像）	NA	NA	准确率	NA
6738	2025-10-06	Radio DINO: A foundation model for advanced radiomics and AI-driven medical imaging analysis 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110583 PMID:40582167	研究论文	本文提出Radio DINO基础模型，通过自监督学习技术实现医学影像的鲁棒特征提取和高级影像组学分析	开发了基于DINO和DINOV2的Radio DINO基础模型家族，能够捕获丰富的语义嵌入而无需手动特征工程，在多个临床任务中表现优异并提供可解释性可视化	未明确说明模型在特定疾病类型上的泛化能力及计算资源需求的具体限制	开发用于高级影像组学和AI驱动医学影像分析的基础模型	医学影像数据	医学影像分析	NA	自监督学习	基础模型	医学影像	基于RadImageNet数据集预训练，在MedMNISTv2数据集上评估	NA	DINO, DINOV2	NA	NA
6739	2025-10-06	A novel speech signal feature extraction technique to detect speech impairment in children accurately 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110681 PMID:40587935	研究论文	提出一种用于儿童言语障碍检测的新型语音特征提取方法	首次将感知噪声倒谱系数(PNCC)特征应用于儿童言语障碍检测	NA	寻找儿童言语障碍检测的最优特征提取技术	儿童语音信号	语音信号处理	言语语言障碍	语音信号处理	Transformer, TCN, TabNet	语音信号	NA	NA	Transformer, Temporal Convolutional Networks, TabNet	准确率	NA
6740	2025-10-06	Integrating multi-source data for skin burn classification using deep learning 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110556 PMID:40561574	研究论文	本研究开发了一种基于深度学习的皮肤烧伤分类方法，通过整合多源数据构建高质量数据集并采用级联分类器进行烧伤程度分类和植皮决策	提出级联分类器方法进行烧伤程度分类，整合多源数据构建专注于埃及肤色的多样化数据集，并首次将植皮决策作为二元分类任务	烧伤程度分类准确率为63.23%仍有提升空间，模型在不同人群中的泛化能力需要进一步验证	开发AI辅助的皮肤烧伤分类系统以支持临床决策	皮肤烧伤图像	计算机视觉	皮肤烧伤	深度学习	CNN	图像	整合多源数据的多样化数据集，特别包含埃及肤色样本	NA	ResNet50,DenseNet,MobileNet,VGG16,ShuffleNet	准确率,F1分数	NA