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
7821	2025-06-22	Expression of Concern: Real-time recognition of spraying area for UAV sprayers using a deep learning approach 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326610 PMID:40540481	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7822	2025-10-06	Real-world application of a 3D deep learning model for detecting and localizing cerebral microbleeds 2024-09-26, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-06267-9 PMID:39325068	研究论文	本研究验证了一种3D深度学习模型在真实临床环境中检测和定位脑微出血的性能	开发了能够同时检测脑微出血并精确定位其解剖位置的3D深度学习模型，并在真实临床场景中验证其辅助诊断价值	样本量较小（33例患者），人群多样性不足，需要更大规模研究验证临床实用性	验证3D深度学习模型在真实临床环境中检测和定位脑微出血的性能	神经外科门诊患者，包括21例有脑微出血患者（共116个病灶）和12例无脑微出血患者	医学影像分析	脑血管疾病	磁敏感加权成像	3D深度学习模型	3D医学影像	33例患者（21例有CMBs，12例无CMBs），共116个脑微出血病灶	NA	NA	灵敏度, 假阳性数	NA
7823	2025-10-06	Deep Learning-Based Image Analysis of Liver Steatosis in Mouse Models 2023-08, The American journal of pathology DOI:10.1016/j.ajpath.2023.04.014 PMID:37236505	研究论文	开发基于深度学习的图像分析模型用于量化小鼠肝脏脂肪变性	首次使用深度学习模型在H&E染色全切片图像上同时识别和区分微泡性和大泡性脂肪变性	研究仅使用小鼠模型数据，未在人类样本上验证	开发高效研究非酒精性脂肪肝病表现和分析药物疗效的新方法	小鼠肝脏组织	数字病理学	非酒精性脂肪肝病	H&E染色，全切片成像	深度神经网络	图像	101张全切片图像（野生型小鼠和两种基因修饰小鼠模型）	Aiforia Create	NA	与病理专家评估相关性，与EchoMRI测量相关性，与总肝甘油三酯相关性	基于云平台
7824	2025-10-06	The performance of artificial intelligence in image-based prediction of hematoma enlargement: a systematic review and meta-analysis 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2515473 PMID:40497430	系统评价与荟萃分析	系统评价和荟萃分析基于医学影像的人工智能在预测血肿扩大方面的性能表现	首次对人工智能在基于影像的血肿扩大预测中的表现进行系统评价和荟萃分析，比较了深度学习和机器学习方法的性能差异	仅纳入36篇文献进行定性分析，其中仅23篇有足够信息进行定量分析，样本量有限	评估人工智能在基于医学影像预测血肿扩大方面的诊断性能	脑出血患者的血肿扩大预测	医学影像分析	脑出血	CT影像分析	深度学习, 机器学习	医学影像	36篇文献纳入定性分析，23篇文献纳入定量分析	NA	NA	灵敏度, 特异度, AUC	NA
7825	2025-10-06	DRPM: An advanced predictive model for early diabetes detection and risk stratification 2025-Sep-09, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2025.102576 PMID:40534992	研究论文	开发基于深度学习的糖尿病早期检测和风险分层预测模型	通过特征选择技术从36个变量中识别五个关键特征构建模型，并开发了用户友好的在线工具	NA	糖尿病早期诊断和风险预测	美国国家健康与营养调查(NHANES) 2011-2018年数据	机器学习	糖尿病	深度学习	深度学习模型	健康调查数据	NA	NA	NA	精确度	NA
7826	2025-10-06	Computational models for prediction of m6A sites using deep learning 2025-Aug, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.04.011 PMID:40268153	研究论文	本研究系统总结并验证了多种深度学习模型在m6A位点预测中的应用效果	验证了在m6A位点预测中未被充分利用的方法，包括专门为生物序列设计的预训练模型，并对数据集特征和模型预测进行深入分析	NA	开发准确识别m6A修饰位点的计算方法	真核生物mRNA中的N6-甲基腺苷(m6A)修饰位点	机器学习	NA	深度学习	深度学习模型	生物序列数据	基准数据集	NA	预训练模型,基础深度学习模型	NA	NA
7827	2025-10-06	ViTU-net: A hybrid deep learning model with patch-based LSB approach for medical image watermarking and authentication using a hybrid metaheuristic algorithm 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110393 PMID:40460563	研究论文	提出一种结合Vision Transformer和U-Net的混合深度学习模型ViTU-Net，用于医学图像水印和认证	集成Vision Transformer编码器和U-Net解码器，结合自适应分层空间注意力模块和基于分片的LSB嵌入机制，采用混合元启发式算法TuniBee Fusion动态优化水印参数	未提及具体的研究局限性	解决医学图像水印在不可感知性、抗攻击鲁棒性和部署效率方面的挑战	胸部X光肺炎诊断图像	计算机视觉	肺炎	医学图像水印技术	Vision Transformer, U-Net	医学图像	NA	NA	ViT, U-Net	PSNR, NCC, SSIM	NA
7828	2025-10-06	Direct parametric reconstruction in dynamic PET using deep image prior and a novel parameter magnification strategy 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110487 PMID:40460562	研究论文	本研究提出了一种结合深度图像先验和参数放大策略的无监督深度学习方法，用于改善动态PET中非线性微参数图像的重建质量	首次将深度图像先验与参数放大策略相结合，专门针对PET中非线性和小值微参数（如k2、k3）的重建问题提出创新解决方案	研究主要基于模拟数据和少量真实数据验证，需要更多临床数据进一步验证方法的泛化能力	提高动态PET参数化成像中非线性微参数的重建质量和准确性	动态PET参数图像，特别是微参数k2和k3	医学影像分析	心血管疾病	正电子发射断层扫描（PET），动态成像	U-Net	医学影像数据（PET动态数据，CT图像）	模拟的82Rb和18F-FDG数据集，以及一名男性受试者的真实18F-FDG扫描数据	深度学习框架（具体未明确说明）	U-Net	PSNR, NRMSE, SSIM	NA
7829	2025-10-06	Artificial intelligence in bone metastasis analysis: Current advancements, opportunities and challenges 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110372 PMID:40466242	综述	本文综述了人工智能在骨转移分析中的当前进展、机遇与挑战	系统评估了跨多种影像模态（CT、MRI、PET、SPECT、骨闪烁扫描）的AI方法，并比较了传统机器学习与现代深度学习架构的性能表现	存在数据不平衡、过拟合风险、模型透明度不足以及临床验证和监管障碍等局限性	评估人工智能在骨转移分析中的技术发展和临床应用前景	骨转移影像数据及相关人工智能算法	医学影像分析	骨转移癌	CT、MRI、PET、SPECT、骨闪烁扫描	CNN、Transformer	医学影像	NA	NA	卷积神经网络、Transformer	NA	NA
7830	2025-10-06	Disruption of Hsp70.14-BAG2 Protein-Protein interactions using deep Learning-Driven peptide design and molecular simulations 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110443 PMID:40466244	研究论文	本研究通过深度学习驱动的肽设计和分子模拟，开发能够破坏Hsp70.14-BAG2蛋白质相互作用的抗菌肽	整合深度学习肽筛选、分子对接、分子动力学模拟和MM-GBSA自由能分析的计算框架，首次针对Hsp70.14-BAG2相互作用设计抗菌肽	尚未进行体外实验验证，肽的结构优化有待进一步研究	开发能够破坏Hsp70.14-BAG2蛋白质相互作用的新型治疗性抗菌肽	Hsp70.14和BAG2蛋白质相互作用系统	机器学习	癌症	深度学习肽筛选、分子对接、分子动力学模拟、MM-GBSA自由能分析	深度学习	蛋白质序列数据、分子结构数据	从公共数据库中筛选的抗菌肽候选物，重点分析DBAASPS_19370和DBAASPS_17167	NA	NA	结合自由能、解离常数、复合物稳定性、结构紧凑性、灵活性、溶剂暴露程度、原子堆积、残基参与度、溶剂化能量	NA
7831	2025-10-06	UltraBones100k: A reliable automated labeling method and large-scale dataset for ultrasound-based bone surface extraction 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110435 PMID:40472504	研究论文	提出一种超声骨表面自动标注方法并构建了大规模数据集UltraBones100k	通过追踪CT模型与超声图像精确配准实现自动标注，特别解决了低强度区域和无回声区域的标注难题	基于离体样本数据，需要进一步验证在体应用的可行性	改进超声骨表面分割技术，建立有效的模型基准	人体下肢骨骼（腓骨、胫骨和足骨）	计算机视觉	骨科疾病	超声成像，CT扫描	神经网络	超声图像	10万张离体人体下肢超声图像	NA	NA	准确率，完整性，F1分数	NA
7832	2025-10-06	Vascular segmentation of functional ultrasound images using deep learning 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110377 PMID:40472502	研究论文	本文提出首个基于深度学习的fUS图像血管分割方法，能够根据血流方向区分动静脉信号	首次将深度学习应用于fUS图像分割，利用ULM自动标注实现基于垂直血流方向的信号区分和动态CBV量化	无法达到ULM的完整粒度分辨率	开发功能超声图像中血管分割和血流方向识别的方法	大鼠大脑皮层血管系统	医学图像分析	NA	功能超声成像，超声定位显微镜	深度学习	功能超声图像序列	100个时间帧的fUS图像堆栈	NA	UNet	准确率，F1分数，IoU，线性相关系数	NA
7833	2025-10-06	Comparative analysis of semantic-segmentation models for screen film mammograms 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110437 PMID:40479791	研究论文	本研究对十种语义分割模型在屏幕胶片乳腺X线摄影图像上的性能进行了比较分析	首次系统比较了十种语义分割模型在乳腺X线摄影图像上的性能，并确定了ResNet50为最优模型	研究仅使用了DDSM数据集中的518张图像，样本量相对有限	比较不同语义分割模型在乳腺X线摄影图像分割任务中的性能	乳腺X线摄影图像中的肿块分割	计算机视觉	乳腺癌	乳腺X线摄影	CNN	医学图像	518张来自DDSM数据集的图像，包括208张BIRAD3、150张BIRAD4和160张BIRAD5类肿块图像	NA	VGG16,VGG19,U-Net,ResNet18,ResNet50,ShuffleNet,XceptionNet,InceptionV2,MobileNetV2,混合U-Net	JI（Jaccard指数）,F1分数	NA
7834	2025-10-06	Multivariate multi-horizon time-series forecasting for real-time patient monitoring based on cascaded fine tuning of attention-based models 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110406 PMID:40499368	研究论文	提出一种基于注意力机制模型级联微调的多变量多时间范围预测框架，用于ICU患者生命体征的实时监测	首次将时序融合变换器与级联微调策略相结合，并构建了基于Apache Kafka和Flink的实时部署流水线模拟	研究基于MIMIC-III数据库的回顾性数据，需在真实临床环境中进一步验证	开发实时预测ICU患者关键生理指标的AI系统，支持早期临床干预	ICU患者的血氧饱和度(SpO2)和呼吸频率(RR)等生命体征数据	时间序列预测	危重症监护	时间序列分析	TFT, TCN, LSTM, GRU, Bi-LSTM, Bi-GRU, CNN, Seq2Seq	生理时间序列数据	MIMIC-III数据库中的患者生理数据	TensorFlow, PyTorch	时序融合变换器, 时序卷积网络, 序列到序列模型	RMSE, MAE	NA
7835	2025-10-06	Towards more reliable prostate cancer detection: Incorporating clinical data and uncertainty in MRI deep learning 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110440 PMID:40505283	研究论文	提出一种结合临床数据和MRI影像的双模态深度学习模型，用于前列腺癌检测并评估预测不确定性	首次将临床数据与MRI影像相结合的双模态模型，并引入不确定性评估框架以提高预测可靠性	NA	提高前列腺癌检测的可靠性和临床应用价值	前列腺癌病例	医学影像分析	前列腺癌	双参数磁共振成像(bpMRI)	深度学习	影像数据, 临床数据	NA	NA	NA	AUC, 敏感度, 特异性, 不确定性准确度	NA
7836	2025-10-06	Implementation of biomedical segmentation for brain tumor utilizing an adapted U-net model 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110531 PMID:40505287	研究论文	本研究通过改进U-Net模型实现脑肿瘤的医学图像分割	比较了三种U-Net架构（标准U-Net、注意力U-Net和自注意力U-Net）在脑肿瘤分割中的性能，证明自注意力机制能提升对模糊结构的分割质量	仅进行了5个训练周期，可能未充分挖掘模型潜力；仅使用单一MRI数据集	研究U-Net架构改进对脑肿瘤分割性能的提升	脑肿瘤MRI图像	数字病理	脑肿瘤	磁共振成像	U-Net	图像	3064张MRI图像	NA	U-Net, Attention U-Net, self-attention U-Net	损失函数, 验证损失函数, 准确率, 验证准确率	NA
7837	2025-10-06	Accelerating Diffusion: Task-Optimized latent diffusion models for rapid CT denoising 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110517 PMID:40513477	研究论文	提出一种结合潜在扩散模型和冷扩散过程的低剂量CT去噪新框架	将潜在扩散模型与冷扩散过程相结合，在低维潜在空间进行扩散过程降低计算成本，并采用任务特定的退化方法替代高斯噪声	未提及具体的数据集限制或临床验证范围	开发高效实用的低剂量CT图像去噪方法	低剂量CT图像	计算机视觉	NA	CT成像	扩散模型	医学图像	NA	NA	潜在扩散模型, 冷扩散过程	PSNR, SSIM, RMSE	NA
7838	2025-10-06	Multimodal deep learning for enhanced breast cancer diagnosis on sonography 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110466 PMID:40513478	研究论文	本研究开发了一种新型多模态深度学习模型，用于通过双视角乳腺超声图像和相应放射学报告区分良恶性乳腺肿块	首次将双视角乳腺超声图像与放射学报告相结合，通过专门设计的图像和文本编码器以及特征对齐转换层实现多模态特征融合	未明确说明研究样本的具体来源和多样性，可能影响模型的泛化能力	提高乳腺癌症诊断的准确性和可靠性	乳腺肿块（良性和恶性）	计算机视觉,自然语言处理	乳腺癌	超声成像	深度学习,多模态学习	图像,文本	NA	NA	多模态编码器,特征对齐转换层	AUC,Youden指数	NA
7839	2025-10-06	A review: Lightweight architecture model in deep learning approach for lung disease identification 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110425 PMID:40517598	综述	本文系统回顾了2020-2025年间23项关于轻量级深度学习架构在肺部疾病识别中的应用研究	首次系统比较多种轻量级架构在肺部疾病检测中的性能表现，识别出SqueezeNet和EfficientNetV2+ELM组合为最优方案	仅基于23项研究进行综述，样本量有限；未涉及临床实际部署验证	评估轻量级深度学习架构在肺部疾病识别中的有效性和效率	肺部疾病医学图像	计算机视觉	肺部疾病	医学影像分析	CNN	医学图像（X光、CT扫描）	23项研究涉及的多个公共数据集	NA	SqueezeNet, UNet, SegNet, EfficientNetV2, VGG	准确率, 参数量, 计算时间	移动设备等低规格处理器
7840	2025-10-06	Sign language detection dataset: A resource for AI-based recognition systems 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111703 PMID:40534917	研究论文	本研究构建了一个手语检测数据集并开发了基于CNN的手势识别系统	创建了包含26,000张图像的大规模标准化手语数据集，采用多参与者数据采集和多种数据增强技术	仅包含字母表手势，未涵盖完整的手语词汇和句子级表达	开发基于深度学习的手语自动检测系统	手语手势图像数据	计算机视觉	NA	图像采集与数据增强	CNN	图像	26,000张手语手势图像，涵盖26个字母符号，每个符号3,000张图像	NA	CNN	准确率	NA