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
12601	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
12602	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
12603	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
12604	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
12605	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
12606	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
12607	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
12608	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
12609	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
12610	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
12611	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
12612	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
12613	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
12614	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
12615	2025-10-07	Deep learning based abiotic crop stress assessment for precision agriculture: A comprehensive review 2025-May, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125158 PMID:40203709	综述	本文全面综述了深度学习在作物非生物胁迫评估中的应用，涵盖多种模型架构和数据模态	系统整合了ANN、CNN、RNN、ViT等多种深度学习模型在作物非生物胁迫评估中的应用，并详细分析了水、营养、盐度、温度和重金属等五种主要胁迫条件	存在标记数据有限、模型可解释性不足和互操作性等挑战	推进数据驱动的精准农业中的作物非生物胁迫评估	遭受非生物胁迫的农作物	计算机视觉, 机器学习	NA	遥感技术, IoT传感器, 热成像, 光谱成像, RGB成像	ANN, CNN, RNN, ViT	传感器数据, 热成像数据, 光谱数据, RGB图像, 无人机影像, 卫星影像	NA	NA	人工神经网络, 卷积神经网络, 循环神经网络, 视觉变换器	NA	NA
12616	2025-10-07	Advancing harmful algal bloom predictions using chlorophyll-a as an Indicator: Combining deep learning and EnKF data assimilation method 2025-May, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.125441 PMID:40254001	研究论文	本研究结合深度学习和集合卡尔曼滤波数据同化方法，利用叶绿素a作为指标来预测有害藻华	首次将数据同化方法引入数据驱动的深度学习有害藻华预测模型，以解决模型结构局限性和生成过程不确定性问题	NA	提高有害藻华预测的准确性和可靠性	有害藻华及其指示物叶绿素a	机器学习	NA	数据同化	LSTM, GRU	高频传感器数据（pH、温度、电导率、浊度、溶解氧、氧化还原电位等）	NA	NA	LSTM, GRU	RMSE	NA
12617	2025-10-07	Quaternary stabilization of a GH2 β-galactosidase from the psychrophile A. ikkensis, a flexible and unstable dimeric enzyme 2025-May, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70141 PMID:40277444	研究论文	本研究对嗜冷菌Alkalilactibacillus ikkensis的GH2 β-半乳糖苷酶进行四聚体稳定性研究，揭示其冷适应机制	结合AlphaFold结构预测、SAXS和流动诱导分散分析，提出可逆单体-二聚体模型，并通过生成深度学习模型成功设计形成稳定二聚体和四聚体的功能变体	该酶在室温下即出现早期解折叠事件，化学和热稳定性极低	研究冷活性酶的四级结构稳定性和冷适应机制	嗜冷菌Alkalilactibacillus ikkensis的GH2 β-半乳糖苷酶(AiLac)	结构生物学，生物信息学	NA	内源荧光光谱，圆二色谱，小角X射线散射(SAXS)，流动诱导分散分析，AlphaFold结构预测	生成深度学习模型	结构数据，光谱数据，散射数据	NA	NA	NA	NA	NA
12618	2025-10-07	Predicting seizure episodes and high-risk events in autism through adverse behavioral patterns 2025-Apr-28, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adcafd PMID:40203864	研究论文	通过分析自闭症患者的历史行为数据预测癫痫发作和高风险行为事件	首次证明行为模式可预测癫痫发作及不良行为，扩展了预测模型在自闭症谱系障碍中的临床应用	仅分析七个最常见行为类别，其他行为被归为'其他'类别可能丢失部分信息	通过历史行为数据预测自闭症患者癫痫发作和高风险行为事件，实现早期干预	353名重度自闭症谱系障碍患者	机器学习	自闭症谱系障碍	深度学习算法	深度学习	行为数据和癫痫数据	353名患者九年的行为数据	NA	NA	准确率	NA
12619	2025-10-07	Heat Capacity of Ionic Liquids: Toward Interpretable Chemical Structure-Based Machine Learning Approaches 2025-Apr-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00238 PMID:40208008	研究论文	本研究使用多种机器学习方法预测离子液体的热容，并着重于模型结果的可解释性分析	不仅追求预测准确性，更强调模型结果的可解释性，填补了预测建模研究中常被忽视的空白	未使用复杂的深度学习架构，可能限制了模型性能的进一步提升	开发可解释的化学结构基机器学习方法来预测离子液体的热容量	322种离子液体的热容数据	机器学习	NA	化学结构特征分析	支持向量机, 实例学习, 集成学习, 神经网络, 线性回归	结构化数据	13,893个数据点，涵盖322种离子液体	XGBoost, Scikit-learn	XGBoost, 浅层神经网络	RMSE, R², AARD	NA
12620	2025-10-07	Crystal Structure Prediction Using a Self-Attention Neural Network and Semantic Segmentation 2025-Apr-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02345 PMID:40228012	研究论文	开发了一种基于自注意力神经网络和语义分割的晶体结构预测模型	采用自注意力机制从三维结构中学习局部和全局特征，将晶体中的原子视为点集进行语义分割	训练数据稀缺，难以覆盖所有可能的晶体构型多样性	加速新材料开发过程，提高晶体结构预测准确性	晶体结构	机器学习	NA	晶体学信息文件分析	自注意力神经网络	晶体结构数据	数千个来自现有晶体结构数据库的晶体学信息文件	NA	自注意力神经网络	结构预测准确率	NA