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
7561	2025-10-06	Model-based federated learning for accurate MR image reconstruction from undersampled k-space data 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108905 PMID:39067156	研究论文	提出一种基于模型的联邦学习框架ModFed，用于从欠采样k空间数据中精确重建磁共振图像	设计了注意力辅助的基于模型神经网络、自适应动态聚合方案以及空间拉普拉斯注意力机制和个性化客户端损失正则化	NA	解决多中心数据异构性挑战，提高磁共振图像重建的准确性和泛化能力	磁共振图像重建	医学影像分析	NA	磁共振成像	深度学习	k空间数据，磁共振图像	三个体内数据集	NA	注意力辅助的基于模型神经网络	重建性能，泛化能力	NA
7562	2025-10-06	PIDiff: Physics informed diffusion model for protein pocket-specific 3D molecular generation 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108865 PMID:39067153	研究论文	提出一种考虑物理化学原理的蛋白质口袋特异性3D分子生成扩散模型	首次在3D分子生成中同时考虑几何结构和蛋白质-配体结合的物理化学原理，特别是结合自由能最小化	未明确说明模型在处理复杂蛋白质结构或大规模药物筛选时的计算效率限制	开发能够生成与特定蛋白质口袋结合的配体分子的计算方法	蛋白质-配体复合物	计算化学, 几何深度学习	NA	扩散模型, 几何深度学习	扩散模型	3D分子结构数据	CrossDocked2020基准数据集	NA	PIDiff	多种评估指标（具体未在摘要中说明）	NA
7563	2025-10-06	SYSTCM: A systemic web platform for objective identification of pharmacological effects based on interplay of "traditional Chinese Medicine-components-targets" 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108878 PMID:39043107	研究论文	开发了一个基于深度学习和机器学习的系统性网络平台SYSTCM，用于客观识别中药药理作用	首次构建了包含424个分子描述符和465个药理靶点的相互作用网络图，并集成卷积神经网络和支持向量机建立药理作用识别模型	数据集规模有限，仅包含636种中药和8190个成分，模型泛化能力需要进一步验证	开发客观的中药药理作用识别方法，减少传统方法对专家经验的主观依赖	中药成分、药理靶点、药理作用和中药功效	机器学习	NA	深度学习、机器学习	CNN, SVM	网络图数据、分子描述符数据	70,961个术语，包括636种中药、8190个成分、40种药理作用和18种功效	NA	GoogLeNet	AUC, MCC, ACC	NA
7564	2025-10-06	Random effects during training: Implications for deep learning-based medical image segmentation 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108944 PMID:39096609	研究论文	评估训练过程中随机效应对深度学习医学图像分割模型性能比较可靠性的影响	首次系统量化分析训练随机性对医学图像分割模型性能比较的影响，揭示了统计显著性检验在算法比较中的局限性	仅使用nnU-Net算法和三种医学图像分割任务，结果可能不适用于其他算法或任务类型	评估训练随机性对深度学习分割模型性能比较方法可靠性的影响	脑肿瘤、海马体和心脏的三维医学图像分割	医学图像分析	脑肿瘤、心脏疾病	深度学习	nnU-Net	3D医学图像	三种分割任务各50次不同随机种子的训练	PyTorch	U-Net	Dice系数, 配对t检验, Wilcoxon符号秩检验	NA
7565	2025-10-06	CytoGAN: Unpaired staining transfer by structure preservation for cytopathology image analysis 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108942 PMID:39096614	研究论文	提出一种名为CytoGAN的染色转换模型，用于生成保留细胞结构的不同染色风格的细胞病理学图像	设计了结构保留模块和染色自适应模块，能在源域和目标域分辨率或细胞大小不匹配时仍保持细胞结构	NA	解决细胞病理学图像分析中不同染色方式对算法性能的影响	子宫内膜细胞学图像	数字病理学	子宫内膜癌	GAN	GAN	细胞病理学图像	NA	NA	CytoGAN	准确率	NA
7566	2025-10-06	Comparison of AI with and without hand-crafted features to classify Alzheimer's disease in different languages 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108950 PMID:39096605	研究论文	比较使用手工特征和不使用手工特征的AI模型在不同语言中分类阿尔茨海默病的性能	首次使用相同方法从两种语言数据集中提取声学特征进行AD诊断，验证模型的语言无关性	仅测试了韩语和英语两种语言，未涵盖更多语言类型	开发语言无关的阿尔茨海默病实时诊断模型	阿尔茨海默病患者和健康对照者的语音数据	自然语言处理	阿尔茨海默病	声学特征提取	机器学习,深度学习	语音	韩语和英语语音数据集	NA	NA	准确率,分类时间	NA
7567	2025-10-06	CBAM VGG16: An efficient driver distraction classification using CBAM embedded VGG16 architecture 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108945 PMID:39094328	研究论文	提出一种嵌入卷积注意力模块的VGG16架构，用于提升驾驶员分心行为分类性能	将CBAM注意力模块与传统VGG16架构结合，增强模型特征提取能力	NA	改进驾驶员分心行为分类准确率	驾驶员分心行为图像	计算机视觉	NA	深度学习	CNN	图像	AUCD2数据集（摄像头1和摄像头2图像）	NA	CBAM VGG16	准确率, 损失值, 精确率, F1分数, 召回率, 混淆矩阵	NA
7568	2025-10-06	Deep learning for rapid virtual H&E staining of label-free glioma tissue from hyperspectral images 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108958 PMID:39094325	研究论文	本研究开发了一种基于深度学习的高光谱图像虚拟H&E染色方法，用于快速生成神经胶质瘤组织的虚拟H&E染色图像	首次将深度学习与高光谱成像技术结合，实现无标记神经胶质瘤组织的快速虚拟H&E染色，克服传统染色方法的局限性	论文未明确说明样本量的具体数量和研究对象的详细特征	开发快速准确的虚拟H&E染色技术，替代传统染色方法	神经胶质瘤组织样本	数字病理学	神经胶质瘤	高光谱成像技术	深度学习	高光谱图像	NA	NA	U-Net	SSIM, PSNR	NA
7569	2025-10-06	Shape prior-constrained deep learning network for medical image segmentation 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108932 PMID:39079416	研究论文	提出一种形状先验约束的多尺度特征融合分割网络用于医学图像分割	训练框架包含形状先验约束和多尺度特征融合两个创新模块，测试阶段采用形状生成自编码器与分割网络的循环协作框架	NA	解决医学图像分割中低对比度和邻近器官强度相似的问题	心脏、COVID-19 CT肺部、肝脏医学图像	医学图像分割	心血管疾病, COVID-19, 肝脏疾病	深度学习	自编码器, 分割神经网络	CT扫描图像	三个不同数据集：ACDC MICCAI'17挑战数据集、COVID-19 CT肺部数据集、LiTS2017肝脏数据集	NA	形状先验约束多尺度特征融合网络	Dice系数	NA
7570	2025-10-06	Optimal interval and feature selection in activity data for detecting attention deficit hyperactivity disorder 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108909 PMID:39053333	研究论文	本研究通过特征选择和时间区间优化，利用机器学习模型分析活动数据来检测注意力缺陷多动障碍	揭示了早晨和夜间活动数据对ADHD预测的重要性，并证明精确特征选择可显著提升模型性能	未明确说明样本来源和具体数据采集方式，缺乏外部验证	开发基于活动数据的ADHD自动检测方法	注意力缺陷多动障碍患者和临床对照组	机器学习	注意力缺陷多动障碍	活动数据监测	随机森林, 机器学习模型	活动数据	NA	NA	NA	准确率, 精确率, F1分数, 召回率	NA
7571	2025-10-06	Deep learning-based IDH1 gene mutation prediction using histopathological imaging and clinical data 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108902 PMID:39038392	研究论文	本研究使用深度学习技术结合组织病理学图像和临床数据预测胶质瘤患者的IDH1基因突变状态	采用集成学习方法结合WSI图像模型和临床数据模型，使用MaxViT和LightGBM组合实现IDH1突变预测	研究样本量相对有限（546例患者），未提及外部验证结果	通过WSI和临床数据分类IDH1基因突变状态以改善胶质瘤分类	胶质瘤患者，包括星形细胞瘤、少突胶质细胞瘤和胶质母细胞瘤	数字病理学	脑肿瘤/胶质瘤	苏木精-伊红染色，全切片成像	深度学习，集成学习，注意力机制	图像，临床数据	546例患者	PyTorch, LightGBM	MaxViT, ABMIL	AUC, 准确率	NA
7572	2025-10-06	ToxinPred 3.0: An improved method for predicting the toxicity of peptides 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108926 PMID:39038391	研究论文	本文提出了改进的肽毒性预测方法ToxinPred 3.0，通过多种计算模型提升预测性能	开发了结合基于模体的方法和机器学习模型的混合方法，在独立数据集上达到AUROC 0.98和MCC 0.81的最佳性能	未明确说明训练数据的样本规模和具体来源	提高治疗性肽的毒性预测准确性和可靠性	肽序列	生物信息学	NA	BLAST, MERCI软件, 机器学习, 深度学习	ANN-LSTM, Extra Tree, 大语言模型	序列数据	NA	NA	LSTM, ESM2-t33	AUROC, MCC, 特异性, 敏感性	NA
7573	2025-10-06	A systematic literature analysis of multi-organ cancer diagnosis using deep learning techniques 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108910 PMID:39032244	综述	本文对2012-2023年间使用深度学习技术进行多器官癌症诊断的研究进行了系统性文献分析	首次系统综述了深度学习在多器官癌症诊断中的应用，特别关注五种主要肿瘤类型	仅基于特定国际数据库的文献，可能存在发表偏倚	系统分析深度学习在医学影像中用于多器官癌症诊断的技术现状	乳腺癌、脑癌、肺癌、皮肤癌和肝癌五种主要肿瘤	医学影像	多器官癌症	医学影像分析	CNN, 集成深度学习模型	医学影像	NA	NA	卷积神经网络	NA	NA
7574	2025-10-06	A dual-encoder double concatenation Y-shape network for precise volumetric liver and lesion segmentation 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108870 PMID:39024904	研究论文	提出一种双编码器双连接Y形网络，用于精确的肝脏和病灶体积分割	开发了DEDC-Net网络，利用残差连接和跳跃连接增强特征重用，实现肝脏和肿瘤的同时分割，无需额外的注意力机制即可达到优越性能	未明确说明计算成本对比和实时性能分析	开发精确的肝脏和肿瘤自动分割方法以辅助肝细胞癌诊断和术前规划	腹部CT图像中的肝脏和肿瘤区域	计算机视觉	肝癌	CT成像	CNN	CT体积图像	LiTS数据集、IRCADb-01和COMET数据集	未明确说明	DEDC-Net, VGG19, ResNet	Dice Score	NA
7575	2025-10-06	Self-adaptive deep learning-based segmentation for universal and functional clinical and preclinical CT image analysis 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108853 PMID:39013341	研究论文	提出基于深度学习的自适应分割方法，用于临床和临床前CT图像的通用功能分析	开发了能够同时处理临床CT和临床前μCT图像的自适应分割方法，实现了跨成像类型的统一分析	需要进一步优化以扩展应用范围	自动化从CT和μCT图像中提取定量数据，监测心脏功能	人类患者心脏CT图像、野生型和加速衰老小鼠的μCT图像	医学影像分析	心血管疾病	CT成像、μCT成像	深度学习	CT图像、μCT图像	40例人类心脏CT图像、野生型和加速衰老小鼠μCT图像	nnU-Net	U-Net	Dice系数	NA
7576	2025-10-06	deepbet: Fast brain extraction of T1-weighted MRI using Convolutional Neural Networks 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108845 PMID:39002314	研究论文	开发了一种基于卷积神经网络的快速脑部提取工具deepbet，用于T1加权MRI数据的脑部分割	使用包含7837张T1加权MR图像的大规模多数据集组合，实现了跨数据集验证的最先进性能，并在计算效率上比现有方法快约10倍	主要针对成人T1加权MRI图像，对其他类型MRI或不同年龄群体的适用性未充分验证	开发快速、高精度的脑部提取工具以改进神经影像预处理流程	T1加权磁共振成像(MRI)数据中的脑部组织	医学影像分析	神经影像分析	T1加权磁共振成像	CNN	医学影像	7837张T1加权MR图像，来自191个不同的OpenNeuro数据集	NA	UNet	Dice分数	低端硬件（处理单张图像约2秒）
7577	2025-10-06	Improving brain atrophy quantification with deep learning from automated labels using tissue similarity priors 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108811 PMID:38991315	研究论文	提出一种基于深度学习的脑萎缩量化流程，通过组织相似性正则化改进自动标签的准确性	利用短时间间隔扫描的组织体积相似性先验知识，通过加权损失项实现组织相似性正则化	依赖于参考分割方法生成的训练目标，可能继承其固有偏差	改进基于MRI的脑萎缩量化方法，提高神经退行性疾病诊断和预后的准确性	健康对照者和阿尔茨海默病患者的脑部MRI扫描	医学影像分析	阿尔茨海默病	T1加权磁共振成像	深度学习	MRI图像	MIRIAD和ADNI1两个数据集，包含健康对照者和阿尔茨海默病患者	NA	NA	Cohen's d效应量	NA
7578	2025-10-06	Optimized efficient attention-based network for facial expressions analysis in neurological health care 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108822 PMID:38986286	研究论文	提出一种基于卷积块注意力模块的轻量级深度学习网络，用于神经疾病患者的面部表情分析	首次将高效轻量化的卷积块注意力模块应用于真实神经疾病患者的面部表情分析，模型仅占3MB存储空间	模型准确率为73.2%，仍有提升空间，且仅在特定神经疾病数据集上验证	开发自动面部表情分析系统辅助神经疾病诊断和治疗	阿尔茨海默症和帕金森病等神经疾病患者	计算机视觉	神经疾病	面部表情分析	CNN,注意力机制	面部图像	真实神经疾病患者数据	NA	卷积块注意力模块(CBAM)	准确率	资源受限的移动医疗设备
7579	2025-10-06	Unveiling the evolution of policies for enhancing protein structure predictions: A comprehensive analysis 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108815 PMID:38986287	综述	本文全面分析了蛋白质结构预测的政策演变和技术发展历程	系统梳理了蛋白质结构预测从模板建模到无模板策略的转变，并介绍了革命性的端到端全原子扩散技术	预测效果仍受限于输入特征质量，且当前准确度尚未完全满足结构知识的应用需求	探讨提高蛋白质结构预测准确性的有效策略和技术发展	蛋白质结构预测方法和技术	计算生物学	NA	多重序列比对(MSA), 蛋白质语言建模, 深度学习	扩散模型	蛋白质序列数据, 结构数据	NA	NA	NA	预测准确性	NA
7580	2025-10-06	Evaluation of Cellpose segmentation with sequential thresholding for instance segmentation of cytoplasms within autofluorescence images 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108846 PMID:38976959	研究论文	本文提出并评估了一种用于自发荧光图像中细胞质实例分割的方法，结合Cellpose分割和细胞质后处理算法	开发了细胞质后处理算法(CPPA)，结合深度学习分割和强度阈值处理，实现了自发荧光图像中细胞质的精确实例分割	仅在三种细胞类型（静止T细胞、活化T细胞和MCF7细胞）的五张NAD(P)H图像上测试，样本量有限	开发准确的细胞质实例分割方法，用于单细胞代谢分析	静止T细胞、活化T细胞和MCF7细胞的NAD(P)H自发荧光图像	数字病理	NA	自发荧光成像，NAD(P)H成像	深度学习分割模型	图像	5张NAD(P)H图像，包含三种细胞类型	Cellpose	Cellpose	F-measure	NA