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
9901	2025-10-07	GeneDX-PBMC: An adversarial autoencoder framework for unlocking Alzheimer's disease biomarkers using blood single-cell RNA sequencing data 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110283 PMID:40311462	研究论文	本研究开发了一个结合自编码器和对抗学习的深度学习框架，通过血液单细胞RNA测序数据识别阿尔茨海默病的生物标志物	首次将对抗自编码器框架应用于PBMC单细胞RNA测序数据，能够捕捉传统方法忽略的细微遗传变异	单核细胞数据存在限制，需依赖随机森林分类器进行处理	识别阿尔茨海默病的血液生物标志物和治疗靶点	阿尔茨海默病患者和认知正常对照者的外周血单个核细胞	机器学习	阿尔茨海默病	单细胞RNA测序	自编码器, 分类器, 判别器	基因表达数据	阿尔茨海默病患者和正常对照者的PBMC样本	NA	对抗自编码器	精确率, 召回率, F1分数	NA
9902	2025-10-07	DeepValve: The first automatic detection pipeline for the mitral valve in Cardiac Magnetic Resonance imaging 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110211 PMID:40311468	研究论文	开发首个用于心脏磁共振成像中二尖瓣自动检测的深度学习流程DeepValve	首个针对心脏磁共振成像中二尖瓣检测的深度学习流程，提出了基于关键点回归和分割的混合模型	仅使用120例患者数据，样本量相对有限	实现心脏磁共振成像中二尖瓣的自动检测，提高诊断效率	二尖瓣疾病患者（二尖瓣脱垂和二尖瓣环分离）	医学影像分析	心血管疾病	心脏磁共振成像	深度学习	医学影像	120例心脏磁共振图像	NA	U-NET, DSNT-REG	Dice系数, Procrustes距离, 自定义Dice指标	NA
9903	2025-10-07	Deep learning meets marine biology: Optimized fused features and LIME-driven insights for automated plankton classification 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110273 PMID:40315719	研究论文	提出一种改进的浮游生物分类模型，通过特征融合和优化算法提高分类准确性和可解释性	结合特征融合和鲸鱼优化算法进行特征选择，并利用LIME增强模型可解释性	基于有限标注数据的挑战未完全解决	提高浮游生物自动分类的准确性和效率	浮游生物	计算机视觉	NA	深度学习	CNN	图像	WHOI数据集	TensorFlow, PyTorch, Scikit-learn	InceptionResNetV2, DeepPlanktonNet	准确率	NA
9904	2025-10-07	An explainable adaptive channel weighting-based deep convolutional neural network for classifying renal disorders in computed tomography images 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110220 PMID:40315718	研究论文	提出一种结合自适应通道加权和可解释人工智能的深度学习模型EACWNet，用于自动分类肾脏CT图像中的不同病变类型	在VGG-19骨干网络中引入自适应通道加权模块，结合全局和局部上下文信息优化特征图通道权重，并集成可解释AI方法增强模型透明度	模型对不同类别的精确度存在差异，特别是对结石类别的识别精确度较低，这主要由于结石固有的变异性和异质性	开发自动化深度学习模型以提高肾脏疾病诊断的工作流程效率和准确性	肾脏CT图像	计算机视觉	肾脏疾病	CT成像	CNN	图像	公开可用的肾脏CT图像数据集	NA	VGG-19	准确率, 精确度	NA
9905	2025-10-07	Optimizing stroke lesion segmentation: A dual-approach using Gaussian mixture models and nnU-Net 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110221 PMID:40318493	研究论文	本研究系统评估高斯混合模型和nnU-Net在卒中病灶分割中的表现，特别关注其在检测治疗诱导变化方面的可靠性	首次系统评估分割方法在检测治疗诱导变化方面的能力，并揭示不同真实标签定义对模型性能的影响	研究仅针对卒中病灶分割，结果可能不适用于其他医学图像分割任务	评估不同分割方法在检测治疗相关卒中体积变化方面的有效性	卒中病灶分割和治疗方法检测	数字病理	卒中	医学图像分割	GMM, nnU-Net	医学影像	NA	nnU-Net	nnU-Net	分割指标, 治疗检测准确性	NA
9906	2025-10-07	Molecular landscape of endometrioid Cancer: Integrating multiomics and deep learning for personalized survival prediction 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110284 PMID:40319755	研究论文	本研究开发了一种整合多组学数据和深度学习的生存分析流程，用于子宫内膜样子宫内膜癌的个性化生存预测	设计了专门用于生存分析的深度学习自编码器，并定义了新的损失函数以更好地捕捉生物变量与生存结果之间的复杂非线性关系	研究基于TCGA-UCEC项目的样本数据，需要进一步验证在独立队列中的表现	开发个性化生存预测模型并识别与子宫内膜癌生存相关的生物标志物	TCGA-UCEC项目中的子宫内膜样子宫内膜癌样本	机器学习	子宫内膜癌	转录组测序,甲基化测序,蛋白质组测序	自编码器	多组学数据	TCGA-UCEC项目中的子宫内膜样子宫内膜癌样本	NA	自编码器	SHAP分析	NA
9907	2025-10-07	Artificial intelligence in fetal brain imaging: Advancements, challenges, and multimodal approaches for biometric and structural analysis 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110312 PMID:40319756	综述	探讨人工智能在胎儿脑成像中的应用进展、挑战及多模态整合方法	重点关注超声与磁共振成像的多模态整合方法，结合两者的互补优势提升诊断精度	缺乏多样化高质量数据集、计算效率不足、数据隐私与安全等伦理问题	提升胎儿脑成像的诊断准确性和效率，改善围产期护理效果	胎儿脑成像数据	医学影像分析	胎儿发育异常	超声成像(US), 磁共振成像(MRI)	深度学习, 注意力机制架构	医学影像	NA	NA	NA	NA	NA
9908	2025-10-07	NFR-EDL: Non-linear fuzzy rank-based ensemble deep learning for accurate diagnosis of oral and dental diseases using RGB color photography 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110279 PMID:40319757	研究论文	提出一种基于非线性模糊排序的集成深度学习模型NFR-EDL，用于通过RGB彩色摄影准确诊断口腔和牙齿疾病	将CNN基础模型生成的置信度分数映射到具有不同凹度的函数，产生非线性模糊排序，并通过组合这些排序来最小化与预期结果的偏差	NA	开发准确可靠的口腔和牙齿疾病诊断方法	口腔和牙齿疾病	计算机视觉	口腔疾病	RGB彩色摄影	CNN, 集成深度学习	图像	Kaggle、MOD、ODSI-DB和OaDD四个数据集	NA	四个深度卷积神经网络基础模型	准确率	NA
9909	2025-10-07	A transformer-based framework for temporal health event prediction with graph-enhanced representations 2025-Jun, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104826 PMID:40324665	研究论文	提出一种结合图学习和Transformer框架的GLT-Net方法，用于时序健康事件预测	通过构建患者关联图和共病关联矩阵，结合图神经网络增强诊断代码特征表示，并利用Transformer-Encoder捕捉历史就诊记录的时间依赖性	未明确说明模型在更广泛医疗数据集上的泛化能力	开发能够更好利用共病复杂交互并处理就诊记录不平衡和时序不规则性的时序健康事件预测方法	患者就诊记录和诊断代码	机器学习	多种疾病共病	图神经网络，Transformer框架	GNN, Transformer	医疗就诊记录，诊断代码	真实世界数据集（具体数量未说明）	NA	Transformer-Encoder, 图神经网络	预测性能优于基线模型	NA
9910	2025-10-07	Interpretable deep neural networks for advancing early neonatal birth weight prediction using multimodal maternal factors 2025-Jun, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104838 PMID:40339967	研究论文	本研究开发了一种基于可解释深度神经网络的临床决策支持系统，用于利用多模态母体因素早期预测新生儿出生体重	首次将TabNet架构应用于新生儿出生体重预测，强调营养因素的重要性，并提供高度可解释的预测结果	未明确说明研究样本的具体来源和数量，可能影响结果的普适性	开发精准的新生儿出生体重早期预测系统以改善临床决策	新生儿出生体重预测，重点关注低出生体重风险	机器学习	新生儿疾病	深度学习，机器学习	TabNet, 传统机器学习模型	表格数据	NA	NA	TabNet	准确率, AUC	NA
9911	2025-10-07	Interpretable and Adaptive GAN-BiLSTM Approach for Cyber Threat Detection in IoMT-based Healthcare 5.0 2025-May-23, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3573097 PMID:40408219	研究论文	提出一种可解释的自适应深度学习安全框架，用于医疗5.0中基于IoMT的网络威胁检测	集成GAN解决数据不平衡问题，结合BiLSTM动态识别时序特征，并引入SHAP和PFI增强模型可解释性	仅在NSL-KDD数据集上进行验证，未涉及真实医疗环境数据	开发可解释的自适应网络威胁检测方法以增强医疗5.0系统的安全性	医疗5.0系统中的网络威胁数据	机器学习	NA	网络威胁检测	GAN, BiLSTM	网络流量数据	NSL-KDD数据集	NA	生成对抗网络, 双向长短期记忆网络	准确率, F1分数	NA
9912	2025-10-07	End-to-end prognostication in pancreatic cancer by multimodal deep learning: a retrospective, multicenter study 2025-May-23, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11694-y PMID:40410330	研究论文	本研究开发了一种多模态深度学习模型，用于预测胰腺癌患者的短期与长期生存预后	首次将临床变量与增强CT图像相结合，通过多模态深度学习进行胰腺癌端到端预后预测	回顾性研究设计，样本量相对有限，外部验证性能存在差异	提高胰腺癌患者生存预后的预测准确性	胰腺导管腺癌(PDAC)患者	数字病理	胰腺癌	深度学习，医学影像分析	深度学习模型	临床变量，CT图像	开发队列401例患者，外部验证队列361例患者	NA	多模态深度学习架构	时间依赖性ROC曲线下面积(AUC)	NA
9913	2025-10-07	WDGBANDTI: A Deep Graph Convolutional Network-Based Bilinear Attention Network for Drug-Target Interaction Prediction with Domain Adaptation 2025-May-23, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00714-6 PMID:40410523	研究论文	提出一种基于深度图卷积网络和双线性注意力网络的药物-靶点相互作用预测框架WDGBANDTI	在分子层面到原子层面深化分析，识别影响相互作用的关键子结构，并通过领域适应增强模型对未识别靶点配对的预测能力	NA	预测药物-靶点相互作用并增强模型解释性	药物分子和靶点蛋白质	机器学习	NA	深度学习	Deep Graph Convolutional Network, Bilinear Attention Network	分子图数据	多个常用且覆盖度高的数据集	NA	Deep-GCN, BAN	准确率, 灵敏度, 特异性	NA
9914	2025-10-07	CancerNet: A comprehensive deep learning framework for precise and intelligible cancer identification 2025-May-22, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110339 PMID:40409034	研究论文	提出了一种名为CancerNet的深度学习框架，用于从医学影像数据中精确识别癌症	结合卷积、反卷积和Transformer组件，从通道和空间域提取分层特征并捕获长程依赖关系	NA	开发精确且可解释的癌症识别深度学习框架	肿瘤组织病理学图像和胶质瘤全切片图像	数字病理学	癌症	医学影像分析	CNN,Transformer	图像	广泛的组织病理学图像数据集和DeepHisto数据集	NA	CancerNet（包含卷积、反卷积和Transformer组件）	准确率	NA
9915	2025-10-07	Augmenting Common Spatial Patterns to deep learning networks for improved alcoholism detection using EEG signals 2025-May-22, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110359 PMID:40409035	研究论文	提出一种结合CSP特征提取与深度学习网络的混合架构，用于基于EEG信号的酒精成瘾检测	首次提出CSP-CNN-LSTM-ATTN混合架构，同时考虑EEG信号的时空特性，通过注意力机制增强特征加权	仅使用公开UCI EEG数据集，未在其他数据集验证泛化能力	开发快速、可靠、自动化的非侵入性酒精成瘾检测方法	酒精成瘾患者与正常对照组的EEG脑电信号	机器学习	酒精成瘾	脑电图(EEG)	CNN, LSTM, 注意力网络	EEG信号	公开UCI EEG数据集	NA	CSP-CNN-LSTM-ATTN	准确率, F1分数, 召回率, 精确率, MCC, AUC	NA
9916	2025-10-07	Deep learning-based forecasting of daily maximum ozone levels and assessment of socioeconomic and health impacts in South Korea 2025-May-22, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179684 PMID:40409021	研究论文	本研究利用深度学习模型预测韩国地面臭氧浓度，并评估其与健康和社会经济指标的关系	首次将高精度臭氧预测与按省份和性别分类的健康社会经济指标相结合，评估环境影响的性别和地区差异	研究仅针对韩国19个省份，结果可能不适用于其他地区；女性就业的线性相关性较弱	开发准确的臭氧预测模型并评估其对公共健康和社会经济的影响	韩国19个省份的每日最大臭氧浓度及相关健康社会经济数据	机器学习	呼吸系统疾病,心血管疾病	空气质量监测	CNN,LSTM,DNN	时间序列数据,环境监测数据,健康统计资料	韩国19个省份的7天预测数据	NA	Deep-CNN,LSTM,DNN	一致性指数,皮尔逊相关系数,斯皮尔曼等级相关系数,p值	NA
9917	2025-10-07	A multimodal deep learning framework for enzyme turnover prediction with missing modality 2025-May-22, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110348 PMID:40409036	研究论文	提出一种多模态深度学习框架MMKcat，用于预测酶转换数并处理缺失模态问题	采用先验知识引导的缺失模态训练机制，将底物和酶序列作为必需输入，其他模态作为可掩码项，并引入辅助正则化器增强多模态组合的特征学习	未明确说明模型对特定酶类或反应类型的泛化能力限制	准确预测酶转换数(kcat)以评估催化效率和理解生化反应机制	酶、底物和反应产物	机器学习	NA	深度学习	多模态深度学习	序列数据、化学结构数据	基于BRENDA和SABIO-RK数据库	NA	NA	RMSE, R, SRCC	NA
9918	2025-10-07	Deep learning-based automatic differentiation of acute angle closure with or without zonulopathy using ultrasound biomicroscopy: a comparison of diagnostic performance with ophthalmologists 2025-May-22, BMJ open ophthalmology IF:2.0Q2 DOI:10.1136/bmjophth-2024-002114 PMID:40409764	研究论文	本研究开发基于超声生物显微镜的AI模型用于术前区分伴或不伴晶状体悬韧带病变的急性房角关闭，并与眼科医生的诊断性能进行比较	首次开发基于UBM的AI模型用于急性房角关闭伴或不伴晶状体悬韧带病变的自动鉴别诊断，并与眼科医生的两种诊断方法进行系统比较	稳健性验证中AI模型在UBM和AS-OCT图像上的准确率分别为66.67%和61.11%，仍有提升空间	开发AI模型用于急性房角关闭伴或不伴晶状体悬韧带病变的术前鉴别诊断	537只眼睛的超声生物显微镜图像和眼部参数	医学影像分析	眼科疾病	超声生物显微镜，前段光学相干断层扫描	深度学习模型	医学图像	537只眼睛	NA	NA	AUC，准确率，诊断处理时间	NA
9919	2025-10-07	Assessment of contour accuracy in head and neck replanning: Deep learning trained model compared with deformable image registration propagation technique 2025-May-22, Medical dosimetry : official journal of the American Association of Medical Dosimetrists IF:1.1Q3 DOI:10.1016/j.meddos.2025.04.004 PMID:40410074	研究论文	比较深度学习模型与形变图像配准技术在头颈部自适应放疗中轮廓勾画准确性的研究	首次系统比较商业预训练深度学习模型与多种形变图像配准工具在头颈部自适应放疗轮廓勾画中的性能差异	样本量较小（仅9名患者），仅评估了特定商业软件，结果可能不适用于其他解剖部位	评估头颈部自适应放疗中不同自动轮廓勾画方法的准确性	头颈部放疗患者的CT图像和轮廓数据	医学图像分析	头颈部肿瘤	CT成像，自适应放疗	深度学习模型	CT医学图像	9名患者，18组CT图像	商业软件（Mirada，Velocity，MIM，Eclipse）	Mirada DLC04，DLC13，DLC14，DLCExpert	Dice相似系数，平均距离一致性，Hausdorff距离，体积比，剂量比	NA
9920	2025-10-07	Mammography-based artificial intelligence for breast cancer detection, diagnosis, and BI-RADS categorization using multi-view and multi-level convolutional neural networks 2025-May-21, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01983-x PMID:40397242	研究论文	开发基于多视图多层级卷积神经网络的人工智能系统，用于乳腺X线摄影中的乳腺癌检测、诊断和BI-RADS分类	采用多视图多层级卷积神经网络架构，能够同时处理乳腺X线摄影的多个视图并进行多层次特征分析	研究仅针对亚洲女性人群，样本来源相对单一	开发人工智能系统以提升乳腺癌的检测和诊断准确性，并辅助BI-RADS分类	12,433名亚洲女性的24,866个乳房影像数据	计算机视觉	乳腺癌	乳腺X线摄影	CNN	医学影像	24,866个乳房影像（来自12,433名亚洲女性）	NA	多视图多层级卷积神经网络	AUC, 敏感度, 特异度, 准确率, F1分数	NA