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
7961	2025-01-27	A smart CardioSenseNet framework with advanced data processing models for precise heart disease detection 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109473 PMID:39631110	研究论文	本文提出了一种名为CardioSenseNet的智能框架，用于精确检测心脏病，该框架通过先进的数据处理模型提高了检测的准确性和效率	引入了新的数据预处理方法DGPN、特征选择方法STHIO和预测模型SADNet，这些方法在特征表示、特征选择和预测准确性方面具有创新性	未提及具体的数据集限制或模型在实际应用中的潜在问题	提高心脏病检测的准确性和效率，以支持心血管健康管理	心脏病患者的数据	机器学习	心血管疾病	深度学习	SADNet	结构化数据	使用了Cleveland和CVD等基准数据集
7962	2025-01-27	Leveraging deep transfer learning and explainable AI for accurate COVID-19 diagnosis: Insights from a multi-national chest CT scan study 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109461 PMID:39631112	研究论文	本文提出了一种基于深度迁移学习和可解释AI的自动化计算机辅助诊断框架XCT-COVID，用于从胸部CT扫描图像中准确预测COVID-19感染	首次在一个统一框架内开发了三种不同的模型，利用了之前未探索的大数据集和两个广泛使用的小数据集，并通过可解释AI分析模型功能	在图像质量较低的小数据集上性能显著下降	提高COVID-19诊断的准确性和可解释性	胸部CT扫描图像	计算机视觉	COVID-19	深度迁移学习	CNN（VGG16）	图像	大数据集和两个小数据集
7963	2025-01-27	Advancing cancer diagnosis and prognostication through deep learning mastery in breast, colon, and lung histopathology with ResoMergeNet 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109494 PMID:39637456	研究论文	本文介绍了一种名为ResoMergeNet的深度学习模型，用于乳腺癌、结肠癌和肺癌的组织病理学图像的多类和二分类癌症分类	ResoMergeNet集成了Resboost机制和ConvmergeNet机制，增强了特征表示和提取，提高了诊断准确性	模型在泛化到不同临床环境时可能仍面临挑战	提高癌症诊断和预后的准确性，减少诊断错误和人为偏见	乳腺癌、结肠癌和肺癌的组织病理学图像	数字病理学	乳腺癌、结肠癌、肺癌	深度学习	ResoMergeNet	图像	LC-25000和BreakHis数据集
7964	2025-01-27	Progress on the development of prediction tools for detecting disease causing mutations in proteins 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109510 PMID:39637461	综述	本文综述了用于识别蛋白质中致病突变的预测方法的发展，包括现有数据库、基于序列和结构的特征，以及基于机器学习、深度学习和大型语言模型的计算工具	强调了在预测癌症、神经退行性疾病、传染病以及膜蛋白相关突变热点方面的进展，并讨论了现有方法的局限性和可能的改进	现有方法存在局限性，需要进一步改进以提高预测准确性	开发预测工具以识别蛋白质中的致病突变，从而深入理解疾病的分子机制并制定治疗策略	蛋白质中的氨基酸残基突变	生物信息学	癌症、神经退行性疾病、传染病	机器学习、深度学习、大型语言模型	NA	序列数据、结构数据	NA
7965	2025-01-27	Predicting cancer content in tiles of lung squamous cell carcinoma tumours with validation against pathologist labels 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109489 PMID:39637460	研究论文	本文提出了一种模型，用于从肺鳞状细胞癌（SqCC）肿瘤的数字化全切片图像（WSIs）中排除非癌组织，以提高模型训练的准确性	提出了一种能够预测肺鳞状细胞癌肿瘤切片中癌症含量的模型，并通过病理学家标签进行验证	模型在癌症阈值50%时的AUC为0.83，假阳性主要出现在癌症周围组织、癌症含量低于50%的切片以及免疫活性高的区域，假阴性主要出现在显微切割缺陷区域	开发一种模型，用于从肺鳞状细胞癌的WSIs中排除非癌组织，以提高治疗生物标志物预测的研究效率	肺鳞状细胞癌（SqCC）肿瘤的数字化全切片图像（WSIs）	数字病理学	肺癌	深度学习	VGG16	图像	来自35个不同中心的116个肿瘤WSIs
7966	2025-01-27	Challenges and solutions of deep learning-based automated liver segmentation: A systematic review 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109459 PMID:39642700	系统综述	本文系统回顾了基于深度学习的自动化肝脏分割面临的挑战及其解决方案	对2016年至2022年间发表的88篇相关文献进行了全面分析，将肝脏分割挑战分为五大类，并详细探讨了每类挑战的解决方案	研究仅限于Scopus和ScienceDirect数据库中的文献，可能未涵盖所有相关研究	分析肝脏分割在先前研究中的挑战，并识别研究者为应对这些挑战对网络模型所做的修改及其他增强措施	医学图像中的肝脏分割	数字病理学	肝脏疾病	深度学习	NA	医学图像	88篇文献
7967	2025-01-27	Protein-protein interaction detection using deep learning: A survey, comparative analysis, and experimental evaluation 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109449 PMID:39644584	综述	本文对用于检测蛋白质-蛋白质相互作用（PPIs）的各种深度学习（DL）技术和算法进行了全面分析，并提供了详细的实证和实验评估	本文通过实证和实验评估，比较了不同深度学习技术在PPI检测中的表现，并提出了未来改进方向	深度神经网络（DNNs）存在过拟合和低可解释性的问题，长短期记忆网络（LSTMs）在可扩展性方面存在挑战	评估和比较深度学习技术在蛋白质-蛋白质相互作用检测中的性能	蛋白质-蛋白质相互作用（PPIs）	机器学习	NA	深度学习（DL）	DNNs, CNNs, GSNs, LSTMs	生物序列数据	NA
7968	2025-01-27	Interpretable deep learning architecture for gastrointestinal disease detection: A Tri-stage approach with PCA and XAI 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109503 PMID:39647242	研究论文	本研究提出了一种用于胃肠道疾病检测的可解释深度学习架构，采用三阶段方法结合PCA和XAI技术	提出了一种轻量级的三阶段架构，结合了PSE-CNN、PCA和DELM，并在最大的胃肠道疾病数据集GastroVision上进行了验证，同时使用了多种XAI方法提高模型的可解释性	未提及具体局限性	开发一种能够自动分类胃肠道疾病的计算机辅助诊断系统	胃肠道疾病	数字病理学	胃肠道疾病	深度学习	PSE-CNN, PCA, DELM	图像	8000张图像，涵盖27种胃肠道疾病
7969	2025-01-27	Domain generalization for mammographic image analysis with contrastive learning 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109455 PMID:39657447	研究论文	本文提出了一种新的对比学习方法MSVCL+，用于提高深度学习模型在乳腺图像分析中的风格泛化能力	开发了多风格和多视角的无监督自学习方案MSVCL+，以增强深度学习模型对风格多样性的鲁棒性	需要进一步验证在更多不同风格的数据集上的泛化能力	提高乳腺图像分析任务的域泛化能力	乳腺图像	计算机视觉	乳腺癌	对比学习	深度学习模型	图像	多个供应商风格域和多个公共数据集的乳腺图像
7970	2025-01-27	Natural compounds for Alzheimer's prevention and treatment: Integrating SELFormer-based computational screening with experimental validation 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109523 PMID:39657444	研究论文	本研究开发并应用了一种结合SELFormer和深度学习技术的新型计算管道，用于预测具有阿尔茨海默病治疗潜力的天然化合物，并通过实验验证其效果	结合了基于Transformer架构的化学语言模型SELFormer和深度学习技术，提出了一种新的计算管道，用于筛选和验证天然化合物的治疗潜力	研究主要依赖于计算预测和体外实验，缺乏体内实验验证	开发一种计算和实验相结合的方法，用于筛选和验证具有阿尔茨海默病治疗潜力的天然化合物	天然化合物及其对阿尔茨海默病相关基因的活性	自然语言处理	阿尔茨海默病	SELFormer、深度学习、分子对接分析、体外实验	Transformer、深度学习模型	化学结构数据、基因表达数据	17种高活性天然化合物
7971	2025-01-27	MRI classification of progressive supranuclear palsy, Parkinson disease and controls using deep learning and machine learning algorithms for the identification of regions and tracts of interest as potential biomarkers 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109518 PMID:39662313	研究论文	本研究旨在开发和比较基于人工智能的MRI分析算法，以区分进行性核上性麻痹（PSP）、帕金森病（PD）和健康对照组，通过分析大脑结构和微结构的变化	本研究首次比较了多种机器学习方法和深度学习神经网络在区分PSP、PD和健康对照组中的应用，并识别了关键的大脑区域和纤维束作为潜在的生物标志物	研究样本来自多个站点，可能存在数据异质性，且样本量相对较小	比较多种机器学习方法和深度学习神经网络在区分PSP、PD和健康对照组中的应用，并识别关键的大脑区域和纤维束	进行性核上性麻痹（PSP）、帕金森病（PD）患者和健康对照组	医学影像分析	神经退行性疾病	扩散张量成像（DTI）和T1加权成像（T1-w）	随机森林算法和深度学习神经网络	MRI图像	74名PSP患者、63名健康对照组（3.0T多站点数据），66名PSP患者、66名PD患者、44名健康对照组（1.5T单站点数据）
7972	2025-01-27	MultiSCCHisto-Net-KD: A deep network for multi-organ explainable squamous cell carcinoma diagnosis with knowledge distillation 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109469 PMID:39662318	研究论文	本文提出了一种名为MultiSCCHisto-Net-KD的深度网络模型，用于多器官鳞状细胞癌的可解释诊断，并采用知识蒸馏技术	提出了一种新的深度神经网络模型MultiSCCHisto-Net，能够检测任何器官的鳞状细胞癌，并通过知识蒸馏技术压缩模型，同时保持性能并增强学生模型的泛化能力	模型主要针对低倍镜下的结构异常进行识别，可能在高倍镜下的细胞异常识别上存在不足	开发一个能够跨器官检测鳞状细胞癌的鲁棒模型，并提高模型的可解释性	多器官来源的鳞状细胞癌组织病理学图像	数字病理学	鳞状细胞癌	知识蒸馏，梯度加权类激活映射	MultiSCCHisto-Net, MultiSCCHisto-Net-KD	图像	来自多个中心的私有多中心数据集和公开数据集
7973	2025-01-27	An interpretable deep learning model for hallux valgus prediction 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109468 PMID:39662315	研究论文	本研究开发了一种可解释的深度学习模型，用于自动标注足部X光图像中的关键点并计算拇外翻角度（HVA）和跖骨间角度（IMA），以提高拇外翻（HV）诊断的效率和准确性	提出了一种可解释的深度学习模型，能够自动识别足部X光图像中的12个关键点并计算HVA和IMA，显著减少了人工计算的时间和误差	模型在测试集中的平均误差距离为1.9 mm至5.6 mm，虽然表现良好，但仍存在一定的误差	提高拇外翻诊断的效率和准确性	足部X光图像	计算机视觉	拇外翻	深度学习	AG-UNet, SE-DNN	图像	2000张足部X光图像
7974	2025-01-27	Unsupervised reconstruction of accelerated cardiac cine MRI using neural fields 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109467 PMID:39672009	研究论文	本文提出了一种基于隐式神经场表示的无监督方法NF-cMRI，用于加速心脏电影MRI的重建	提出了一种无监督的深度学习方法，不需要大规模训练数据集，避免了数据偏差	未提及具体局限性	加速心脏电影MRI的重建，提高图像清晰度和鲁棒性	心脏电影MRI数据	医学影像处理	心血管疾病	隐式神经场表示	无监督深度学习	MRI图像	未提及具体样本数量
7975	2025-01-27	Enhancing motor imagery EEG signal decoding through machine learning: A systematic review of recent progress 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109534 PMID:39672015	综述	本文系统回顾了神经科学与深度学习在解码运动想象脑电图（EEG）信号方面的最新进展，旨在提高运动障碍患者的生活质量	总结了自2017年以来相关研究的关键发现，重点关注数据集、预处理方法、特征提取技术和深度学习模型	EEG信号在个体间存在固有变异性且信噪比低，这在实际应用中带来了挑战	探索神经科学与深度学习的结合，以解码运动想象EEG信号，从而改善运动障碍患者的生活质量	运动想象EEG信号	机器学习	运动障碍	EEG	深度学习模型	EEG信号	NA
7976	2025-01-27	Exploring diabetes through the lens of AI and computer vision: Methods and future prospects 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109537 PMID:39672014	研究论文	本文探讨了人工智能和计算机视觉在糖尿病早期诊断和治疗中的应用及其未来前景	本文创新性地将人工智能和计算机视觉技术应用于糖尿病的诊断和治疗，提出了利用这些技术处理糖尿病相关问题的潜力	本文未提及具体的技术实施细节和实验结果，更多是理论探讨和未来展望	研究目的是探讨人工智能和计算机视觉技术在糖尿病诊断和治疗中的应用	研究对象是糖尿病患者及其相关临床数据	计算机视觉	糖尿病	人工智能、计算机视觉、机器学习、深度学习	NA	临床数据	NA
7977	2025-01-27	DCA-Enhanced Alzheimer's detection with shearlet and deep learning integration 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109538 PMID:39674071	研究论文	本研究提出了一种结合剪切波变换和深度学习的增强型阿尔茨海默病检测方法，旨在通过MRI数据实现早期诊断	结合3D剪切波变换和深度学习的特征提取方法，并使用判别相关分析（DCA）整合特征，提高了阿尔茨海默病早期诊断的准确性	MRI数据集的高维度、训练样本有限以及受试者内外的变异性可能影响模型的泛化能力	开发一种能够准确诊断早期阿尔茨海默病的模型，以促进有效的干预和管理	阿尔茨海默病患者、轻度认知障碍患者及认知正常人群	数字病理学	老年病	MRI	CNN, SVM, DTB	图像	200名患者（50名AD患者、50名进展性轻度认知障碍患者、50名稳定轻度认知障碍患者、50名认知正常者）
7978	2025-01-27	Proximity adjusted centroid mapping for accurate detection of nuclei in dense 3D cell systems 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109561 PMID:39693688	研究论文	本文提出了一种基于3D U-net的方法PAC-MAP，用于在密集3D细胞系统中准确检测细胞核中心点	PAC-MAP方法通过预测细胞核中心点及其邻近关系，解决了高密度细胞系统中的细胞核分割难题，显著提高了召回率	模型训练依赖于有限的专家标注数据（30张图像），且在处理异质分辨率和对比度的3D图像时仍存在挑战	开发一种在密集3D细胞系统中准确检测细胞核中心点的方法，以支持细胞定量分析和细胞浸润模式研究	密集3D细胞系统中的细胞核	计算机视觉	胶质母细胞瘤	3D U-net	U-net	3D图像	30张专家标注图像和超过2300张弱监督批量数据
7979	2025-01-27	Deep Learning techniques to detect and analysis of multiple sclerosis through MRI: A systematic literature review 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109530 PMID:39693692	系统文献综述	本文对使用深度学习技术通过MRI检测和分析多发性硬化症（MS）的研究进行了系统文献综述	提供了关于深度学习在MS检测和分析中的应用的全面综述，并以结构化表格形式总结了这些技术	仅关注了MRI数据，未涉及其他类型的医学数据	探讨深度学习技术在多发性硬化症（MS）检测和分析中的应用	多发性硬化症（MS）	医学影像分析	多发性硬化症	深度学习	卷积神经网络（CNN）	MRI图像	82篇相关研究
7980	2025-01-27	Generating synthetic CT images from unpaired head and neck CBCT images and validating the importance of detailed nasal cavity acquisition through simulations 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109568 PMID:39700859	研究论文	本研究提出了一种利用循环一致性生成对抗网络（cycleGAN）对头颈部锥形束CT（CBCT）图像进行去噪并生成合成CT（sCT）图像的方法，并通过计算流体动力学（CFD）分析了精细分割鼻腔对气流的影响	使用cycleGAN结合多种损失函数和数据增强策略对CBCT图像进行去噪，生成高质量的sCT图像，并通过自动分割和CFD分析验证了鼻腔精细分割的重要性	研究中未提及样本量的具体信息，且未讨论模型在其他类型医学图像上的泛化能力	提高CBCT图像质量以替代传统CT，并验证精细分割鼻腔对气流模拟的影响	头颈部CBCT图像	数字病理学	NA	cycleGAN, 计算流体动力学（CFD）	cycleGAN	图像	NA