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
12581	2025-10-07	Mental disorder preventing by worry levels detection in social media using deep learning based on psycho-linguistic features: application on the COVID-19 lockdown period 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110162 PMID:40203736	研究论文	本研究使用深度学习模型结合心理语言学特征，通过社交媒体数据检测COVID-19封锁期间的担忧情绪水平	整合语义和上下文表征与心理语言学特征，提出改进的深度学习模型用于担忧情绪检测	NA	通过社交媒体数据预测担忧情绪水平，为公共健康干预提供支持	COVID-19封锁期间的社交媒体用户	自然语言处理	精神健康障碍	社交媒体数据分析	GRU, LSTM, CNN	文本	NA	NA	GRU, LSTM, CNN	准确率, F1分数, 精确率, 召回率	NA
12582	2025-10-07	A computed tomography-based deep learning radiomics model for predicting the gender-age-physiology stage of patients with connective tissue disease-associated interstitial lung disease 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110128 PMID:40209580	研究论文	本研究开发了一种基于胸部CT图像的深度学习放射组学模型，用于预测结缔组织病相关间质性肺病患者的GAP分期	结合放射组学和深度学习特征构建诊断模型，并整合年龄、性别等临床特征生成列线图模型	样本量有限，特别是GAP III期患者仅13例，需合并分组进行分析	预测结缔组织病相关间质性肺病患者的GAP分期	264例CTD-ILD患者（GAP I期195例，II期56例，III期13例）	医学影像分析	结缔组织病相关间质性肺病	计算机断层扫描	深度学习, 支持向量机, 逻辑回归	CT图像	264例患者	NA	NA	AUC	NA
12583	2025-10-07	An informed deep learning model of the Omicron wave and the impact of vaccination 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109968 PMID:40209576	研究论文	本研究使用物理信息神经网络分析奥密克戎变异株在德国、法国和意大利的传播动态及疫苗影响	首次将物理信息神经网络应用于奥密克戎变异株传播动力学研究，并识别出与传播率增加相关的特定病毒突变	研究仅针对三个欧洲国家，可能无法完全代表全球其他地区的传播情况	分析奥密克戎变异株的传播动态、疫苗效力及再感染潜力	奥密克戎变异株（B.1.1.529）及其BA.2和BA.3亚系	机器学习	COVID-19	物理信息神经网络	PINN	流行病学时间序列数据	德国、法国和意大利三个国家的疫情数据	NA	物理信息神经网络	均方根百分比误差	NA
12584	2025-10-07	Mitosis detection and classification for breast cancer diagnosis: What we know and what is next 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110057 PMID:40209577	综述	本文回顾了过去十年用于乳腺癌组织切片中 mitosis 检测与分类的技术方法	系统梳理了机器学习与深度学习在乳腺癌有丝分裂检测领域的发展历程并预测未来趋势	NA	总结乳腺癌有丝分裂检测与分类技术发展现状并展望未来研究方向	乳腺癌组织学图像中的有丝分裂细胞	数字病理学	乳腺癌	组织学染色（H&E染色）	CNN, 深度学习	组织病理学图像	NA	NA	NA	NA	NA
12585	2025-10-07	Optimized fine-tuned ensemble classifier using Bayesian optimization for the detection of ear diseases 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110092 PMID:40215866	研究论文	开发了一种基于贝叶斯优化的加权平均投票集成分类器，用于自动检测耳部疾病	提出MobileNet和DenseNet169的加权平均投票集成分类器，并使用贝叶斯优化进行超参数选择	排除了仅有两个样本的鼓膜造孔管类别，样本量相对较小	开发自动化的耳部疾病诊断系统以提高诊断准确率	外耳和中耳疾病	计算机视觉	耳部疾病	数字耳镜检查	CNN, 集成学习	图像	282张耳镜图像	NA	MobileNet, DenseNet169	准确率, AUC	NA
12586	2025-10-07	Non-invasive diagnosis of lung diseases via multimodal feature extraction from breathing audio and chest dynamics 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110182 PMID:40215869	研究论文	提出一种融合呼吸音频和胸廓动态视觉特征的多模态方法用于肺部疾病诊断	首次将音频特征（音调、MFCCs、呼吸音频包络）与胸廓动态视觉特征相结合进行多模态肺部疾病诊断	未明确说明数据集规模和具体疾病类型的分类性能差异	开发非侵入性肺部疾病诊断方法	肺部疾病患者	计算机视觉, 自然语言处理	肺部疾病	音频分析, 视觉分析	深度学习模型	音频, 视频	NA	NA	NA	准确率	NA
12587	2025-10-07	Advancing the frontier of artificial intelligence on emerging technologies to redefine cancer diagnosis and care 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110178 PMID:40228444	综述	探讨人工智能在癌症诊断和治疗中的应用现状及发展前景	系统分析AI在放射组学、深度学习和机器学习领域对癌症诊疗的革新潜力，特别关注多组学数据整合和罕见肿瘤的挑战	罕见癌症数据不足限制AI应用，需要更多临床验证和监管规范	评估人工智能技术在癌症精准医疗中的临床应用价值和发展方向	癌症患者的多组学数据、医学影像数据和临床诊疗数据	机器学习	肺癌, 乳腺癌	DNA测序, RNA测序, 多组学分析	深度学习, 机器学习	基因组数据, 医学影像, 健康信息	NA	NA	NA	NA	NA
12588	2025-10-07	Multi-level feature fusion network for kidney disease detection 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110214 PMID:40233676	研究论文	提出一种用于肾脏疾病自动检测的多级特征融合深度学习框架	结合特征融合与ConvLSTM序列建模，利用inception块增强空间和时间特征表示能力	NA	开发自动化肾脏疾病检测系统以辅助临床决策	肾脏CT扫描图像	计算机视觉	肾脏疾病	CT扫描	CNN, ConvLSTM	医学图像	1860个肿瘤和1024个正常肾脏CT扫描（MHC-CT数据集）	NA	ResNet50, VGG19, Inception, ConvLSTM	准确率	NA
12589	2025-10-07	BenchXAI: Comprehensive benchmarking of post-hoc explainable AI methods on multi-modal biomedical data 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110124 PMID:40239236	研究论文	开发了名为BenchXAI的新型可解释AI基准测试包，用于在多模态生物医学数据上全面评估15种后处理可解释AI方法	提出了首个支持多模态生物医学数据的综合性XAI基准测试框架，并设计了样本级归一化方法用于统计评估和可视化	仅评估了15种XAI方法，且仅在三种常见生物医学任务上进行验证	比较不同后处理可解释AI方法在生物医学数据上的性能、鲁棒性和适用性	临床数据、医学图像和信号数据、生物分子数据	机器学习	NA	可解释AI方法	深度学习模型	多模态数据（临床数据、医学图像、信号数据、生物分子数据）	NA	BenchXAI	NA	鲁棒性、适用性、统计评估指标	NA
12590	2025-10-07	A new lightweight deep learning model optimized with pruning and dynamic quantization to detect freezing gait on wearable devices 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110138 PMID:40245688	研究论文	提出一种轻量级深度学习模型，通过剪枝和动态量化优化，用于在可穿戴设备上检测帕金森患者的冻结步态	结合CNN和GRU网络，引入残差注意力和高效通道注意力机制，并采用创新的特征选择方法	NA	开发适用于资源受限可穿戴设备的高精度冻结步态检测系统	帕金森患者的冻结步态症状	机器学习	帕金森病	深度学习	CNN, GRU	传感器数据	NA	NA	CNN, GRU, 残差注意力机制, 高效通道注意力机制	F1分数	可穿戴设备
12591	2025-10-07	Machine learning predictions of tumor progression: How reliable are we? 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110156 PMID:40245687	综述	本文通过系统性文献回顾分析了机器学习在肿瘤进展预测中的应用现状与可靠性	对2014-2024年间87篇相关文献进行系统性分析，重点关注机器学习模型在临床肿瘤学中的可靠性挑战	仅纳入英文文献，可能存在发表偏倚；模型可靠性问题限制了临床转化	评估机器学习在肿瘤进展预测中的可靠性并探讨临床整合策略	肿瘤进展相关研究文献	机器学习	癌症	机器学习，深度学习	支持向量机，随机森林，深度学习	肿瘤微环境数据，遗传数据，组织病理学数据，放射学数据	87篇研究论文	NA	NA	可靠性，准确性	NA
12592	2025-10-07	Explainable deep stacking ensemble model for accurate and transparent brain tumor diagnosis 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110166 PMID:40249992	研究论文	提出一种可解释的深度堆叠集成模型，用于脑肿瘤的精确和透明诊断	结合多种特征提取技术（EfficientNetB0、MobileNetV2、GoogleNet和多级胶囊网络）的堆叠集成模型，使用CatBoost作为元学习器，并集成可解释人工智能技术	NA	开发鲁棒且可解释的多类别脑肿瘤分类方法	脑部MRI图像中的肿瘤	计算机视觉	脑肿瘤	MRI成像	集成学习,CNN,胶囊网络	医学图像	整合四个来源（BraTS、Msoud、Br35H、SARTAJ）的大型MRI数据集	NA	EfficientNetB0,MobileNetV2,GoogleNet,Multi-level CapsuleNet	F1分数,PR AUC	NA
12593	2025-10-07	Automated engineered-stone silicosis screening and staging using Deep Learning with X-rays 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110153 PMID:40252290	研究论文	本研究开发了一种基于深度学习的自动化系统，用于使用胸部X光片进行人造石硅肺病的筛查和分期	首次将深度学习技术应用于人造石硅肺病的自动筛查和分期，通过肋骨分割预处理和先进分类模型实现了高精度诊断	在区分单纯性硅肺病与进行性大块纤维化方面存在困难，特别是在疾病过渡期评估具有主观性	开发自动化硅肺病筛查和分期系统以提高诊断准确性和效率	暴露于人造石英 conglomerates 的工人群体	计算机视觉	硅肺病	胸部X光成像	深度学习	图像	从暴露于人造石英 conglomerates 的工人医疗记录中获取的综合数据集	NA	NA	准确率, ROC AUC	NA
12594	2025-10-07	Enhancing robustness and generalization in microbiological few-shot detection through synthetic data generation and contrastive learning 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110141 PMID:40253923	研究论文	提出一种结合合成数据生成和对比学习的微生物少样本检测方法，旨在提升检测鲁棒性和泛化能力	提出基于扩散模型的细菌菌落生成器，在真实琼脂平板背景上生成合成菌落，结合解耦特征分类策略实现少样本检测	仅使用25张真实图像进行训练，样本规模有限	解决微生物菌落检测中训练数据不足的问题，提升自动化检测性能	琼脂平板中的微生物菌落	计算机视觉	NA	扩散模型，数据增强	扩散模型，前馈神经网络	图像	25张真实图像	NA	扩散模型，前馈网络	mAP，AP	NA
12595	2025-10-07	Sharper insights: Adaptive ellipse-template for robust fovea localization in challenging retinal landscapes 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110125 PMID:40258324	研究论文	提出一种基于自适应椭圆模板的黄斑定位方法，通过血管轨迹和视盘定位的数学模型提升在复杂视网膜图像中的检测鲁棒性	采用动态调整椭圆参数的自适应模板，替代传统固定模板模型，显著提升在病变干扰和低对比度条件下的检测性能	未明确说明对极端图像质量退化情况的处理能力，且仅针对视网膜图像验证	开发鲁棒的黄斑自动定位方法以辅助糖尿病视网膜病变等眼部疾病诊断	视网膜眼底图像中的黄斑区域	计算机视觉	糖尿病视网膜病变	数学建模	基于模板的模型	视网膜眼底图像	十个公开数据库（MESSIDOR, DRIVE, DIARETDB0, DIARETDB1, HRF, IDRiD, HEIMED, ROC, GEI, NETRALAYA）	NA	自适应椭圆模板	检测效率, 平均欧几里得距离, 标准差	NA
12596	2025-04-29	Prediction of mammographic breast density based on clinical breast ultrasound images using deep learning: a retrospective analysis 2025-Jun, Lancet regional health. Americas DOI:10.1016/j.lana.2025.101096 PMID:40290129	research paper	该研究利用深度学习从临床乳腺超声图像预测乳腺密度，并与传统方法进行比较	首次使用AI从乳腺超声图像预测BI-RADS乳腺密度类别，为乳腺超声在乳腺癌风险评估中的应用提供了新方法	研究为回顾性分析，可能存在选择偏差，且仅来自三个机构的数据	探索AI在从乳腺超声图像预测BI-RADS乳腺密度类别中的应用	临床乳腺超声图像	digital pathology	breast cancer	deep learning, machine learning	AI model	image	14,066名女性的405,120张临床乳腺超声图像	NA	NA	NA	NA
12597	2025-04-29	Enhanced electrocardiogram classification using Gramian angular field transformation with multi-lead analysis and segmentation techniques 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103297 PMID:40292189	研究论文	本研究探讨了将1D ECG信号转换为2D Gramian Angular Field (GAF)图像以提高四种ECG分类的潜力	使用GAF转换和多导联分析及分割技术提升ECG分类性能	5000×5000分辨率计算量大，256×256分辨率因细节丢失导致准确率下降	提高ECG分类的准确性和效率	心房颤动(AFib)、左心室肥厚(LVH)、右心室肥厚(RVH)和正常ECG	计算机视觉	心血管疾病	Gramian Angular Field (GAF)转换	ConvNext	图像	NA	NA	NA	NA	NA
12598	2025-04-29	Enhanced bearing health indicator extraction using slope adaptive signal decomposition for predictive maintenance 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103310 PMID:40292192	研究论文	本研究介绍了一种名为斜率自适应信号分解（SASD）的新算法，用于从振动数据中提取增强的机器健康指标	提出了一种新的信号分解算法SASD，结合动态Savitzky-Golay滤波、分割和基于趋势的重新校准技术，实现了更好的噪声衰减和趋势保留	目前仅在PRONOSTIA平台的轴承数据集上进行验证，需要扩展到其他工业数据集以验证其普适性	开发一种改进的信号处理方法，用于预测性维护任务中的轴承健康监测和剩余使用寿命（RUL）估计	轴承振动数据	信号处理与预测性维护	NA	动态Savitzky-Golay滤波、信号分割、趋势重新校准	GRU, LSTM, 混合架构	振动信号数据	PRONOSTIA平台的轴承数据集	NA	NA	NA	NA
12599	2025-10-07	Deep learning for cerebral vascular occlusion segmentation: A novel ConvNeXtV2 and GRN-integrated U-Net framework for diffusion-weighted imaging 2025-May-14, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.04.010 PMID:40204150	研究论文	提出一种集成ConvNeXtV2和GRN的新型U-Net框架，用于脑部血管闭塞的扩散加权成像分割	首次将ConvNeXtV2应用于脑血管闭塞分割领域，并在U-Net架构中集成ConvNeXtV2块和基于GRN的多层感知器	预处理阶段移除了小病灶（≤5像素），可能影响微小病变的检测	开发高效准确的脑部血管闭塞自动分割方法以支持临床诊断	脑部血管闭塞病变区域	计算机视觉	脑血管疾病	磁共振成像（MRI），扩散加权成像	U-Net	医学图像	ISLES 2022数据集	NA	U-Net, ConvNeXtV2, GRN-based MLP	IoU, Dice系数	NA
12600	2025-10-07	A fully automatic radiomics pipeline for postoperative facial nerve function prediction of vestibular schwannoma 2025-May-14, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.04.008 PMID:40210197	研究论文	提出基于多序列MRI的全自动深度学习流程，用于预测前庭神经鞘瘤患者术后面神经功能	开发了结合Transformer和U-Net的2.5D Trans-UNet分割网络，并构建了集成1DCNN和GRU的深度学习网络，实现了从图像分割到特征提取再到功能预测的全自动化流程	仅使用私有和公共数据集进行验证，需要进一步多中心验证	预测前庭神经鞘瘤患者术后面神经功能	前庭神经鞘瘤患者	医学影像分析	前庭神经鞘瘤	多序列磁共振成像	Transformer, U-Net, 1DCNN, GRU	医学影像	公共数据集和私有数据集	NA	2.5D Trans-UNet, 1DCNN-GRU	准确率	NA