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
9881	2025-10-07	Forecasting monthly runoff in a glacierized catchment: A comparison of extreme gradient boosting (XGBoost) and deep learning models 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321008 PMID:40408639	研究论文	比较极端梯度提升(XGBoost)与深度学习模型在冰川流域月径流预测中的性能	采用新颖统计方法评估预测模型在径流数据转折点检测中的有效性，并首次在冰川流域系统比较XGBoost与LSTM、随机森林模型的预测性能	研究仅针对瑞士Lotschental单一流域，模型在其他地理区域的适用性有待验证	提高冰川流域月径流预测精度，支持水资源管理和气候变化适应	瑞士Lotschental冰川流域的月径流数据	机器学习	NA	时间序列分析	XGBoost, LSTM, RF	时间序列数据	20年径流数据(2002-2021)，其中14年训练校准，6年测试	NA	极端梯度提升, 长短期记忆网络, 随机森林	R², RMSE, NSE, Willmott指数	NA
9882	2025-10-07	Improved noise reduction in photon-counting detector CT using prior knowledge-aware iterative denoising neural network 2024-Dec, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.S1.S12804 PMID:38799270	研究论文	开发了一种先验知识感知迭代去噪神经网络，用于降低光子计数探测器CT中高分辨率虚拟单能图像中的噪声	提出利用低噪声虚拟单能图像作为先验输入，并通过迭代构建精炼训练数据集来提升神经网络去噪性能	研究仅包含10例患者数据，样本量有限	降低光子计数探测器CT中高分辨率虚拟单能图像的噪声	光子计数探测器CT扫描的虚拟单能图像	医学影像处理	心血管疾病	CT血管造影	神经网络	医学影像	10例患者冠状动脉CT血管造影检查	NA	PKAID-Net	图像噪声、空间细节保留、定量准确性	NA
9883	2025-10-07	Local Mean Suppression Filter for Effective Background Identification in Fluorescence Images 2024-Sep-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.25.614955 PMID:39386682	研究论文	提出一种用于荧光显微镜图像背景识别的非线性滤波器	基于局部均值比较的像素级滤波方法，通过变化邻域尺寸生成多重标签并累积决策	NA	开发有效的荧光图像背景识别方法	具有密集低对比度前景的荧光显微镜图像	计算机视觉	NA	荧光显微镜成像	NA	图像	NA	Python 3	局部均值抑制滤波器	NA	NA
9884	2025-10-07	Deep Learning in Predicting Preterm Birth: A Comparative Study of Machine Learning Algorithms 2024-Jul, Maternal-fetal medicine (Wolters Kluwer Health, Inc.) DOI:10.1097/FM9.0000000000000236 PMID:40406277	研究论文	比较深度学习算法在预测早产方面的性能	首次在早产预测中比较Transformer模型与传统机器学习算法的表现	回顾性研究，数据来自单一医疗机构	评估深度学习算法预测早产的适用性	医院分娩数据	机器学习	产科疾病	NA	Transformer, logistic regression, random forest, support vector machine	临床数据	30,965例分娩数据（训练验证集24,770例，测试集6,195例）	NA	Transformer	AUC, sensitivity, specificity, PPV, NPV, accuracy	NA
9885	2025-10-07	Artificial Intelligence and Machine Learning in Rotator Cuff Tears 2023-Sep-01, Sports medicine and arthroscopy review IF:2.5Q2 DOI:10.1097/JSA.0000000000000371 PMID:37976127	综述	本文评估人工智能在肩袖撕裂管理中的当前应用与未来潜力	系统评估深度学习在肩袖撕裂诊断和预后预测中的创新应用	数据集规模较小，部分厚度撕裂分类存在复杂性	探索人工智能在肩袖撕裂诊疗管理中的应用价值	肩袖撕裂患者	医学影像分析	肩袖撕裂	磁共振成像，放射影像分析	CNN	医学影像	NA	NA	卷积神经网络	诊断准确率	NA
9886	2025-10-07	A framework for real-time traffic risk prediction incorporating cost-sensitive learning and dynamic thresholds 2025-Aug, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108087 PMID:40328008	研究论文	提出一种融合成本敏感学习和动态阈值的实时交通风险预测框架	将交通风险细分为四个等级并引入误分类成本考量，结合动态阈值解决多分类任务性能下降问题	NA	提升实时交通风险预测的可靠性	车辆轨迹数据	机器学习	NA	车辆轨迹数据分析	机器学习/深度学习模型	轨迹数据	HighD数据集	NA	CSL-DTs集成模型	精确率, 计算时间	遗传算法优化
9887	2025-10-07	Deep learning models link local cellular features with whole-animal growth dynamics in zebrafish 2025-Aug, Life science alliance IF:3.3Q1 DOI:10.26508/lsa.202503319 PMID:40399066	研究论文	本研究使用深度学习模型通过斑马鱼皮肤细胞图像预测其整体生长尺寸	首次证明仅需少量细胞图像即可预测宏观生物体尺寸，建立了微观细胞特征与宏观生长状态的联系	研究仅针对斑马鱼幼虫，样本数量相对有限（722张图像）	探索微观细胞特征与宏观动物生长状态之间的关联性	斑马鱼幼虫的皮肤细胞	计算机视觉	NA	显微成像	Vision Transformer (ViT)	图像	722张皮肤细胞图像及对应的斑马鱼尺寸数据	NA	Vision Transformer	F-score	NA
9888	2025-10-07	Challenges, optimization strategies, and future horizons of advanced deep learning approaches for brain lesion segmentation 2025-Jul, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.04.016 PMID:40306473	综述	本文系统综述了2021-2024年间深度学习在脑部病变分割领域的最新进展、挑战与未来发展方向	基于250余篇最新综述论文的系统性分析，提出了针对类别不平衡和多模态数据的解决方案，并首次系统探讨了隐私保护学习框架在脑病变分割中的应用前景	作为综述性论文，未包含原始实验验证，主要依赖已有文献的二次分析	为脑部病变检测和卒中分割任务的研究人员和系统设计者提供技术指南和发展方向	脑肿瘤和卒中病变的医学影像分割	计算机视觉	脑部疾病	医学影像分析	深度学习	医学影像	NA	NA	轻量级神经网络,多层架构	NA	NA
9889	2025-10-07	Revolutionising osseous biopsy: the impact of artificial intelligence in the era of personalized medicine 2025-Jun-01, The British journal of radiology DOI:10.1093/bjr/tqaf018 PMID:39878877	综述	本文综述了人工智能在骨肿瘤活检中的多种应用及其对个性化医疗的影响	系统性地探讨了AI在骨活检中从影像组学到生成模型的多种技术应用，并首次整合了相关开源工具资源	存在技术局限性、健康公平性、泛化能力、部署问题和报销挑战等现实障碍	探索人工智能如何革新骨活检技术并推动个性化医疗发展	骨肿瘤（原发性和继发性）的影像引导活检和标本处理	数字病理	骨肿瘤	影像组学, 传统机器学习, 深度学习, 生成模型	NA	医学影像, 病理图像	NA	NA	NA	诊断准确性, 活检安全性, 靶向精确性	NA
9890	2025-10-07	Deep learning and genomic best linear unbiased prediction integration: An approach to identify potential nonlinear genetic relationships between traits 2025-Jun, Journal of dairy science IF:3.7Q2 DOI:10.3168/jds.2024-26057 PMID:40252763	研究论文	提出一种结合深度学习和基因组最佳线性无偏预测的混合模型，用于识别性状间的非线性遗传关系	首次将深度学习与GBLUP结合，能够检测和建模性状间的非线性遗传关系	在真实奶牛数据集上未观察到预测准确性的显著提升	改进多性状基因组预测方法，捕捉性状间的非线性遗传关系	法国荷斯坦奶牛群体的繁殖和生产性状	机器学习	NA	基因组预测	深度学习, GBLUP	基因组数据, 表型数据	模拟数据和法国荷斯坦奶牛真实数据集	NA	深度学习神经网络	预测准确性, 遗传进展	NA
9891	2025-10-07	Deep transfer learning-based decoder calibration for intracortical brain-machine interfaces 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110231 PMID:40262392	研究论文	提出一种基于深度迁移学习的解码器校准方法，用于解决脑机接口中神经信号非平稳性导致的频繁重新校准问题	首次将深度迁移学习应用于脑机接口解码器校准，结合领域对抗和主动学习策略，仅需每类四个新样本即可完成校准	仅在猴子实验中验证，尚未在人类受试者中测试	减少脑机接口解码器重新校准所需时间和数据量	三只猴子执行不同运动任务时记录的神经信号	机器学习	NA	神经信号记录	深度迁移学习,领域对抗神经网络,主动学习	神经信号数据	三只猴子的神经信号数据，每类仅需四个新样本	NA	AL-DANN（主动学习领域对抗神经网络）	解码性能，重新校准时间减少百分比	NA
9892	2025-10-07	FedSynthCT-Brain: A federated learning framework for multi-institutional brain MRI-to-CT synthesis 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110160 PMID:40267535	研究论文	提出基于联邦学习的多中心脑部MRI-to-CT合成框架FedSynthCT-Brain	首次将联邦学习应用于脑部MRI-to-CT合成任务，采用跨机构横向联邦学习方法	仅在四个欧美中心的真实多中心数据上验证，样本量相对有限	开发能够保护数据隐私的多中心脑部MRI-to-CT合成方法	脑部医学影像数据	医学影像分析	脑部疾病	磁共振成像(MRI), 计算机断层扫描(CT)	深度学习	医学影像	4个欧美中心的患者数据，包含23名独立测试患者	联邦学习框架	U-Net	平均绝对误差(MAE), 结构相似性指数(SSIM), 峰值信噪比(PSNR)	NA
9893	2025-10-07	Deep-ATM DL-LSTM: A novel adaptive thresholding model with dual-layer LSTM architecture for real-time driver drowsiness detection using skin conductance signals 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110243 PMID:40273820	研究论文	提出一种基于双层LSTM架构的自适应阈值模型，用于通过皮肤电信号实时检测驾驶员 drowsiness	开发了双层LSTM架构来动态计算 tonic 和 phasic 响应的阈值，有效解决个体差异和信号失真问题	NA	提高驾驶员 drowsiness 检测的准确性和实时性	专业驾驶员在高速公路、城市区域以及不同天气条件下的皮肤电信号	机器学习	NA	皮肤电信号采集	LSTM	生理信号	NA	NA	双层LSTM	准确率, AUC-ROC, F1-score	NA
9894	2025-10-07	GDM-BC: Non-invasive body composition dataset for intelligent prediction of Gestational Diabetes Mellitus 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110176 PMID:40273822	研究论文	本文介绍了一个用于妊娠期糖尿病智能风险预测的大规模非侵入性体成分数据集GDM-BC	提出了首个大规模非侵入性体成分数据集，为GDM预测提供了新视角；开发了表现最佳的RAFNet模型	未明确说明模型在其他人群中的泛化能力，也未详细讨论数据采集的具体标准化流程	开发基于非侵入性体成分数据的妊娠期糖尿病智能风险预测方法	39,438名孕妇，其中7,777名(19.7%)被诊断为妊娠期糖尿病	机器学习	妊娠期糖尿病	体成分测量	深度学习,传统机器学习	体成分数据	39,438名孕妇	NA	Residual Attention Fully Connected Network (RAFNet)	AUC	NA
9895	2025-10-07	Deep learning for multiple sclerosis lesion classification and stratification using MRI 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110078 PMID:40279977	研究论文	本研究开发了一种结合深度学习和优化MRI协议的创新方法，用于多发性硬化病灶的精确分类和分层	提出了专门针对高分辨率T2加权成像的CNN架构，整合了空间和通道双重注意力机制，并采用深度学习重建技术增强特征提取能力	研究主要依赖公开数据集，未在更广泛的临床环境中进行验证	提高多发性硬化病灶分类和分层的精确度，特别是在传统MRI难以检测的皮质灰质和脑干区域	多发性硬化患者的MRI影像数据	医学影像分析	多发性硬化	磁共振成像，深度学习重建	CNN	MRI影像	四个公开数据集	NA	整合空间和通道注意力机制的卷积神经网络	精确度, 灵敏度, 特异性, AUC	NA
9896	2025-10-07	Faster R-CNN approach for estimating global QRS duration in electrocardiograms with a limited quantity of annotated data 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110200 PMID:40286493	研究论文	提出一种基于Faster R-CNN的深度学习方法，使用有限标注数据实现心电图全局QRS时程的自动估计	通过将心电信号转换为人工图像并利用目标检测模型，在少量标注数据下实现高精度QRS时程估计	仅使用258条12导联心电图记录，数据规模有限	开发在有限标注数据下准确估计心电图QRS时程的深度学习方法	心力衰竭门诊患者的心电图记录	计算机视觉	心血管疾病	心电图分析	Faster R-CNN	图像	258条12导联10秒数字心电图记录，来自140名独特患者	NA	Faster R-CNN, VGG-16, VGG-19, RESNET-18	均方根误差, 平均绝对误差	NA
9897	2025-10-07	Benchmarking HEp-2 cell segmentation methods in indirect immunofluorescence images - standard models to deep learning 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110150 PMID:40288291	研究论文	本论文系统评估了HEp-2细胞图像分割方法，从传统图像处理到深度学习模型	首次对HEp-2细胞分割方法进行全面基准测试，包括17个未预训练CNN模型和8个ImageNet预训练CNN模型，并探索了领域特定预训练和GAN框架的应用	GAN分割实验因数据限制和对抗训练不稳定性导致性能下降	为自身免疫疾病检测提供准确的HEp-2细胞分割方法基准	间接免疫荧光染色的HEp-2细胞图像	计算机视觉	自身免疫疾病	间接免疫荧光成像	CNN, GAN, Transformer	医学图像	I3A数据集	PyTorch, TensorFlow	Pix2Pix, 多种CNN架构	Dice系数, IOU, 准确率, 精确率, 灵敏度, 特异性, AU-ROC, AU-PR	NA
9898	2025-10-07	Explainable AI for sharp injury identification using transfer learning with pre-trained deep neural networks 2025-Jun, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112476 PMID:40300435	研究论文	本研究开发了一种基于迁移学习的可解释AI方法，用于自动识别和分类锐器伤	首次将预训练深度神经网络应用于法医锐器伤分类，并通过类激活映射技术提供模型解释性	对砍伤的分类准确率较低，样本量不平衡可能影响模型性能	开发AI方法支持法医损伤分类和识别	锐器伤图像（刺伤、砍伤、割伤）	计算机视觉	创伤	深度学习，迁移学习	CNN	图像	1161张训练图像（刺伤723，砍伤314，割伤124）+ 212张外部测试图像	NA	ResNet50, GoogLeNet, ShuffleNet-V2	准确率, 精确率, 召回率, F1分数, 分类时间	NA
9899	2025-10-07	Comparative analysis of deep learning models for predicting biocompatibility in tissue scaffold images 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110281 PMID:40306018	研究论文	本研究比较了人工神经网络和卷积神经网络在预测组织支架生物相容性方面的性能	首次系统比较ANN和CNN模型在组织支架生物相容性预测中的表现，发现ANN模型在结构化参数数据上表现更优	样本量较小（仅5个支架组织验证），存在过拟合风险，模型泛化能力有待进一步验证	比较不同深度学习模型在预测组织支架生物相容性方面的性能，寻找最优预测方法	PrusaSlicer设计的组织支架	计算机视觉	NA	生物打印技术	ANN, CNN	图像, 数值参数	5个支架组织进行实验验证	NA	人工神经网络, 卷积神经网络	准确率, 精确率, 召回率, F1分数, 混淆矩阵	NA
9900	2025-10-07	Cancer type and survival prediction based on transcriptomic feature map 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110267 PMID:40311464	研究论文	本研究通过将转录组特征转换为特征图并采用深度学习模型，实现了癌症类型和生存时间的预测	构建了泛癌转录组特征图，并利用Inception网络和门控卷积模块进行癌症分类和生存预测	仅使用TCGA数据库数据，未包含外部验证数据集	开发基于转录组数据的癌症类型分类和生存预测方法	TCGA数据库中27种癌症类型的转录组数据和10种癌症类型的生存数据	生物信息学	泛癌	转录组测序	CNN	转录组数据，特征图	TCGA数据库中27种癌症类型的样本	NA	Inception网络，门控卷积模块	准确率，AUC	NA