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
8341	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
8342	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
8343	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
8344	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
8345	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
8346	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
8347	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
8348	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
8349	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）
8350	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
8351	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
8352	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
8353	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
8354	2025-10-06	VmmScore: An umami peptide prediction and receptor matching program based on a deep learning approach 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108814 PMID:38944902	研究论文	本研究开发了一种基于深度学习的鲜味肽预测及受体匹配程序VmmScore	结合机器学习优化的分子对接评分系统，实现了鲜味肽的高效预测和受体匹配	仅对日本鲈鱼来源的肽进行了实验验证，需要扩展到更多物种	开发计算策略识别肽类物质的最佳鲜味受体	具有生理和医学意义的肽类物质，特别是鲜味肽	机器学习	NA	分子对接，虚拟筛选	深度学习，机器学习	肽序列数据，分子对接数据	日本鲈鱼来源的肽类物质，实验验证了3种肽	NA	Mlp4Umami预测模块，mm-Score评分系统	NA	NA
8355	2025-10-06	A transformer-based unified multimodal framework for Alzheimer's disease assessment 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108979 PMID:39098237	研究论文	提出基于Transformer的统一多模态框架AD-Transformer，用于阿尔茨海默病评估	首次将Transformer架构应用于阿尔茨海默病多模态数据融合，实现图像与非图像数据的统一表征学习	仅使用ADNI数据库数据，未在其他独立数据集验证泛化能力	开发统一的深度学习框架用于阿尔茨海默病诊断和轻度认知障碍转化预测	阿尔茨海默病患者和轻度认知障碍患者	医学影像分析	阿尔茨海默病	结构磁共振成像	Transformer	图像,临床数据,遗传数据	1651名受试者	NA	Transformer,Patch-CNN	AUC	NA
8356	2025-10-06	Action tremor features discovery for essential tremor and Parkinson's disease with explainable multilayer BiLSTM 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108957 PMID:39098236	研究论文	提出一种可解释的多层双向长短期记忆网络，用于区分帕金森病和特发性震颤的动作震颤特征	结合可解释人工智能与多层BiLSTM网络，能够量化震颤特征在分类中的贡献并发现关键区分区域	NA	开发能够区分帕金森病和特发性震颤动作震颤特征的可解释深度学习模型	帕金森病患者、特发性震颤患者和正常人的饮水动作震颤数据	医疗人工智能	帕金森病,特发性震颤	动作震颤分析	BiLSTM	时间序列震颤数据	NA	NA	多层双向长短期记忆网络	相关性分析	NA
8357	2025-10-06	Brain-GCN-Net: Graph-Convolutional Neural Network for brain tumor identification 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108971 PMID:39106672	研究论文	提出一种融合图卷积神经网络和卷积神经网络的深度学习模型用于脑肿瘤识别	首次将图神经网络与卷积神经网络融合，同时捕捉医学图像的空间特征和区域间关系依赖	仅在公开数据集上进行验证，尚未在临床环境中测试	改进脑肿瘤检测和分类性能	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI	GNN, CNN	图像	10847张MRI图像	NA	Brain-GCN-Net	准确率	NA
8358	2025-10-06	Contrastive learning based method for X-ray and CT registration under surgical equipment occlusion 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108946 PMID:39106676	研究论文	提出一种基于对比学习的X射线与CT配准方法，解决手术设备遮挡导致的配准精度下降问题	将遮挡与未遮挡X射线作为正样本进行对比学习，结合Transformer残差连接增强长序列映射能力，自适应检索全局有效特征	NA	提升手术导航中3D/2D配准在设备遮挡情况下的精度	包含手术设备的遮挡X射线图像	计算机视觉	NA	深度学习	Transformer	X射线图像，CT图像	NA	NA	ResTrans（Transformer残差连接）	平均目标配准误差（mTRE），运行时间	NA
8359	2025-10-06	Discovery of potential antidiabetic peptides using deep learning 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109013 PMID:39137670	研究论文	本研究利用深度学习技术开发了抗糖尿病肽预测模型并生成新候选肽	构建了单通道CNN和三通道神经网络(CNN+RNN+Bi-LSTM)模型，使用SeqGAN生成新候选ADPs，在独立测试集上达到90.48%的准确率	数据量有限，肽功能复杂性高，传统实验方法耗时昂贵	开发抗糖尿病肽的发现和预测方法	抗糖尿病肽(ADPs)和非抗糖尿病肽	机器学习	糖尿病	深度学习，进化尺度模型(ESM-2)	CNN, RNN, Bi-LSTM, SeqGAN	肽序列数据	来自BioDADPep数据库的ADPs和数千个来自抗癌、抗菌、抗病毒肽数据集的非ADPs	NA	CNN, RNN, Bi-LSTM, 三通道神经网络	准确率	NA
8360	2025-10-06	Advancing breast ultrasound diagnostics through hybrid deep learning models 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108962 PMID:39142222	研究论文	提出一种名为EfficientKNN的混合深度学习模型，用于乳腺癌超声图像分类	将EfficientNetB3的特征提取能力与k-NN算法的简洁有效性相结合，通过PCA降维和优化k-NN分类器实现创新	未明确说明数据集的具体规模和来源，PCA为选择性使用可能影响结果一致性	提高乳腺癌超声图像的分类准确率，改善医学诊断效果	乳腺超声图像（良性、恶性和正常类别）	计算机视觉	乳腺癌	医学影像分析	混合深度学习模型	医学图像	包含良性、恶性和正常类别的精选数据集（具体数量未明确）	TensorFlow, Keras	EfficientNetB3, k-NN	准确率, 精确率, F1分数	使用早停法防止过拟合，学习率0.00045，批次大小32，最多120轮训练