深度学习在生物医药领域中的应用

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
121	2025-07-29	Exploring advanced deep learning approaches in cardiac image analysis: A comprehensive review 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110708 PMID:40617082	review	本文全面综述了深度学习在心脏图像分析中的应用，包括常见成像模态和模型压缩技术	介绍了如transformers、基础模型和压缩技术等新方法在心脏图像分析中的应用	未提及具体实验验证或实际应用效果	探索深度学习在心脏图像分析中的最新进展和应用	心脏图像和心血管疾病	digital pathology	cardiovascular disease	deep learning	transformers, foundation models	image	NA
122	2025-07-29	Enhancing automatic multilabel diagnosis of electrocardiogram signals: A masked transformer approach 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110674 PMID:40628168	研究论文	本文提出了一种基于掩码Transformer的心电图信号多标签自动诊断方法，显著提高了分类准确率	将基于图像的掩码自编码器适应于心电图时间序列的自监督表示学习，提出MTECG模型	仅在特定数据集上验证，未说明在实时临床环境中的表现	提高心电图分类的准确性，特别是在处理复杂信号模式时	心电图信号	机器学习	心血管疾病	自监督学习	Transformer	时间序列数据	220,251条心电图记录（Fuwai数据集）及两个公共数据集
123	2025-07-29	Deep learning for giant cell arteritis diagnosis on temporal artery biopsy 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110707 PMID:40633216	研究论文	本研究评估了深度学习模型在颞动脉活检图像中诊断巨细胞动脉炎的准确性	采用基于注意力的多实例学习机制，模型在诊断巨细胞动脉炎方面达到了最先进的性能，并提供了模型决策过程的可解释性	研究样本量相对较小，外部测试队列仅包含58名患者	评估深度学习模型在颞动脉活检图像中诊断巨细胞动脉炎的准确性	颞动脉活检的数字化全切片图像	数字病理学	巨细胞动脉炎	深度学习，基于注意力的多实例学习	CTransPath	图像	训练队列366名患者（137例GCA，229例对照），外部测试队列58名患者（21例GCA，37例对照）
124	2025-07-29	Post-hoc eXplainable AI methods for analyzing medical images of gliomas (- A review for clinical applications) 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110649 PMID:40633214	综述	本文系统回顾了65项关于可解释人工智能（XAI）在胶质瘤影像分析中的应用研究，探讨了XAI方法在提高深度学习模型透明度和临床信任中的作用	提出了一个基于梯度（G-XAI）和扰动（P-XAI）的XAI方法框架，用于评估深度学习模型并解释其在胶质瘤影像分析中的应用	讨论了深度学习和XAI方法在临床整合中面临的挑战，以及未来从临床用户角度出发的研究方向	提高人工智能系统在胶质瘤影像分析中的透明度和可解释性，以促进临床决策的信任和应用	胶质瘤的磁共振成像（MRI）和组织病理学图像	数字病理学	胶质瘤	深度学习（DL），可解释人工智能（XAI）	深度学习模型	图像	65项研究
125	2025-07-29	Deep supervised transformer-based noise-aware network for low-dose PET denoising across varying count levels 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110733 PMID:40633213	research paper	开发了一种基于Swin Transformer的噪声感知网络（ST-UNN），用于在低剂量PET成像中处理不同噪声水平并重建高质量图像	提出了一种监督式Swin Transformer基础统一噪声感知网络（ST-UNN），能动态整合多个子网络输出，有效处理不同噪声水平	未提及具体的数据集大小或计算资源限制，可能影响模型的广泛适用性	开发一种能处理不同噪声水平的深度学习模型，以提高低剂量PET成像的图像质量	PET/CT数据集，涵盖整个头部及头颈部恶性病变区域	digital pathology	NA	deep learning, PET imaging	Swin Transformer	image	NA
126	2025-07-29	Metaverse-based deep learning framework for coronary artery stenosis classification using Monte Carlo Dropout-based ResNet-152 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110720 PMID:40639014	研究论文	本文提出了一种基于元宇宙的深度学习框架，用于冠状动脉狭窄分类，结合了Monte Carlo Dropout的ResNet-152模型	结合元宇宙和深度学习技术，提出了一种新的冠状动脉狭窄分类方法，并利用Monte Carlo Dropout提高模型的不确定性管理能力	未提及样本的具体来源和多样性，可能影响模型的泛化能力	提高冠状动脉狭窄的诊断精度，并通过元宇宙技术提供沉浸式医疗体验	冠状动脉狭窄患者	数字病理学	心血管疾病	Invasive Coronary Angiography (ICA), Quantum-Adapted Diffusion (QAD), Gray Level Co-occurrence Matrix (GLCM), Stochastic Gradient Descent (SGD)	Monte Carlo Dropout-based ResNet-152 (MCD-ResNet-152)	图像	NA
127	2025-07-29	Emotion recognition in EEG Signals: Deep and machine learning approaches, challenges, and future directions 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110713 PMID:40644885	综述	本文探讨了使用深度学习和机器学习方法从脑电图（EEG）信号中识别人类情绪的研究现状、挑战及未来方向	综述了深度学习（如CNN和RNN）在EEG信号自动特征提取中的最新应用，对比了传统机器学习方法（如SVM、KNN和RF）的优缺点	EEG信号具有受试者特异性、高噪声水平和高质量标记数据稀缺等问题，限制了模型的泛化能力和信号分析的复杂性	提高脑机交互应用的先进性和脑健康评估系统的准确性	脑电图（EEG）信号	脑机接口	NA	EEG信号分析	CNN, RNN, SVM, KNN, RF	EEG信号	流行数据集（如DEAP、SEED、AMIGOS）
128	2025-07-29	Applications of machine learning for peripheral artery disease diagnosis and management: A systematic review 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110744 PMID:40644890	系统性综述	本文系统性综述了机器学习在周围动脉疾病（PAD）诊断和管理中的应用	探讨了机器学习算法在PAD诊断和管理中的多样化应用，包括不同类型的数据、特征、性能指标和软件工具	纳入研究的偏倚风险评估显示50%的研究在所有领域中表现出低风险，但仍存在一定的偏倚可能	评估机器学习在周围动脉疾病诊断和管理中的应用效果	周围动脉疾病（PAD）患者	机器学习	心血管疾病	神经网络（全连接和卷积）、集成学习、深度学习	随机森林、回归、分类、聚类	数值和非数值数据	30项相关研究（2014年至2024年发表）
129	2025-07-29	Hierarchical deep learning system for orbital fracture detection and trap-door classification on CT images 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110732 PMID:40644886	research paper	开发并评估了一种分层深度学习系统，用于在CT图像上检测眼眶骨折并分类为凹陷型或活板门型	采用分层方法结合YOLOv8和Vision Transformer模型，首次实现了眼眶骨折的自动检测与分类	研究为单中心回顾性研究，外部验证尚未进行	开发自动化眼眶骨折诊断系统以提高临床诊断效率	眼眶骨折患者的CT图像	digital pathology	orbital fracture	CT影像分析	YOLOv8 + Vision Transformer	CT图像	686名患者的46,013张CT切片（最终使用7,809张）
130	2025-07-29	A deep learning approach for objective evaluation of microscopic neuro-drilling craniotomy skills 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110650 PMID:40644889	研究论文	本研究提出了一种基于深度学习的客观评估显微镜下神经钻孔手术技能的方法	首次引入了标注良好的显微镜下神经钻孔效果数据集，并开发了自动技能评估系统，其性能超过了独立专家评估者	研究在超低数据环境下进行，可能限制了模型的泛化能力	开发自动化、个性化的神经外科钻孔技能评估工具	显微镜下神经钻孔手术技能	数字病理	NA	深度学习	Transformer-based architectures, CNN	图像	435张图像，包括已故羊头和肩胛骨的微钻孔样本
131	2025-07-29	Deep learning for diagnosing and grading pterygium: A systematic review and meta-analysis 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110743 PMID:40644893	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估深度学习模型在翼状胬肉诊断和严重程度评估中的准确性	首次对深度学习在翼状胬肉诊断和分级中的应用进行系统评价，并与临床专家表现进行对比	方法学局限包括缺乏外部验证、病例对照研究设计、未预设决策阈值以及未考虑个体内相关性	评估深度学习模型在翼状胬肉诊断和分级中的准确性	翼状胬肉患者的前节段照片	数字病理	眼科疾病	深度学习	DL	图像	45,913张前节段照片（来自>4460名患者）
132	2025-07-29	EEG quantization and entropy of multi-step transition probabilities for driver drowsiness detection via LSTM 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110758 PMID:40651200	研究论文	本研究提出了一种结合特征提取流程和LSTM网络的驾驶员嗜睡检测方法，通过EEG信号的量化和转移概率熵来提取特征	使用EEG信号的量化和多步转移概率熵作为特征，结合LSTM网络进行嗜睡检测，并在单通道上实现了先进的准确率	未提及模型在不同EEG设备或环境下的泛化能力	开发一种高效的驾驶员嗜睡检测方法	驾驶员的EEG信号	机器学习	NA	EEG信号处理，HMM，熵计算	LSTM	EEG信号	平衡和不平衡的EEG数据集，具体样本数量未提及
133	2025-07-29	Fusion of bio-inspired optimization and machine learning for Alzheimer's biomarker analysis 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110746 PMID:40651201	research paper	该研究结合生物启发优化和机器学习技术，用于阿尔茨海默病生物标志物分析，以提高早期诊断准确性	创新点在于融合了Elephant Herding Optimization (EHO)和Crow Search Optimization (CSO)优化技术，并与ResNet50分类器结合，用于海马体区域的分割和分类	研究未提及样本的具体来源或多样性，可能影响模型的泛化能力	提高阿尔茨海默病的早期诊断准确性，并优化治疗效果评估	阿尔茨海默病患者的大脑区域，特别是海马体	digital pathology	geriatric disease	histogram equalization, Otsu's thresholding, EHO, CSO	ResNet50	image	NA
134	2025-07-29	A preprocessing method based on 3D U-Net for abdomen segmentation 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110709 PMID:40652756	research paper	本研究提出了一种基于3D U-Net的预处理方法，用于腹部区域的分割，旨在提高分割性能并加快分割速度	提出了一种新的预处理步骤，结合3D U-Net和Connected Components Analysis (CCA)来识别腹部感兴趣区域(ROI)，并在不同损失函数下评估分割效果	研究仅使用了特定的数据集（CHAOS和AbdomenCT-1K），可能限制了方法的泛化能力	提高生物医学图像自动分割的性能和效率	腹部CT图像	digital pathology	NA	3D U-Net, Connected Components Analysis (CCA)	3D U-Net	image	训练数据集包含6998张切片，测试数据集包含1311张切片
135	2025-07-29	Deep siamese residual support vector machine with applications to disease prediction 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110693 PMID:40664125	研究论文	提出了一种名为深度孪生残差支持向量机（DSRSVM）的端到端学习模型，整合了深度神经网络和支持向量机（SVM）的优势	通过深度残差网络孪生预训练和深度残差支持向量机微调两阶段学习，实现了深度神经网络和SVM的协同效应，超越了传统端到端协作框架的性能	未提及具体的数据集规模或模型在特定疾病上的泛化能力限制	开发一种新型的端到端学习模型，以提高疾病预测的准确性、召回率和F1分数	公开可用的医学数据集	机器学习	NA	SVM, 深度残差网络	DSRSVM, CNN	NA	NA
136	2025-07-29	Can your brain signals reveal your romantic emotions? 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110754 PMID:40664128	研究论文	本研究通过EEG信号分析，探索了基于单次试验的事件相关电位（ERP）预测个体浪漫吸引和拒绝情绪的能力	首次基于单次试验的ERP分析预测个体浪漫情绪，并发现挑剔的参与者其浪漫情绪预测准确率更高	样本量较小（61名参与者），且使用模拟约会应用可能无法完全反映真实情境	探索脑电信号是否能够揭示个体的浪漫情绪	61名参与者（31名女性和30名男性）在使用模拟约会应用时的EEG脑电活动	机器学习	NA	EEG, ERP	机器学习和深度学习模型	EEG信号	61名参与者（31名女性和30名男性）
137	2025-07-29	Opioid misuse detection from cognitive and physiological data with temporal fusion deep learning 2025-Sep-01, Drug and alcohol dependence IF:3.9Q1 DOI:10.1016/j.drugalcdep.2025.112774 PMID:40684523	研究论文	利用深度学习和生理认知数据检测阿片类药物滥用	采用时间融合变换器机器学习模型，结合生理信号和认知任务数据预测阿片类药物滥用状态	需要与客观的阿片类药物滥用测量标准进行基准测试	通过机器学习和生理认知数据检测阿片类药物滥用，预防相关风险	169名被开具阿片类镇痛药以管理慢性疼痛的患者	机器学习	药物滥用	时间融合变换器机器学习模型	Temporal Fusion Transformer	生理信号和认知任务数据	169名患者（116名有滥用迹象，53名无滥用迹象），共9238个数据点
138	2025-07-29	Automated analysis of mouse rearing using deep learning 2025-Sep, Journal of pharmacological sciences IF:3.0Q2 DOI:10.1016/j.jphs.2025.06.002 PMID:40713344	research paper	本研究开发了一个卷积循环神经网络(CRNN)模型，用于通过俯视视频检测小鼠的站立行为	首次使用CRNN模型自动分析小鼠的站立行为，其敏感性(89.2%)与人类观察相当	研究仅使用了C57BL/6小鼠的数据，可能不适用于其他品系	开发自动化工具来评估啮齿类动物的焦虑和探索倾向	C57BL/6小鼠的站立行为	computer vision	NA	深度学习视频分析	CRNN(卷积循环神经网络)	视频	C57BL/6小鼠在光照和黑暗条件下的行为数据
139	2025-07-29	Deep Learning Can be Used to Classify the Disease Status of the Canine Middle Ear From Computed Tomographic Images 2025-Sep, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association IF:1.3Q2 DOI:10.1111/vru.70065 PMID:40714864	研究论文	本研究开发了一种基于深度学习的模型，用于通过CT图像诊断犬中耳疾病	首次将深度学习技术应用于兽医放射学领域，特别是犬中耳疾病的CT图像分类	数据集相对较小，仅有535张犬CT图像	开发能够诊断犬中耳疾病的深度学习模型	犬中耳	数字病理	中耳疾病	CT扫描	ResNet	图像	535张犬CT图像
140	2025-07-29	A deep learning-based computer-aided diagnosis system for detecting atypical endometrial hyperplasia and endometrial cancer through hysteroscopy 2025-Aug-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113045 PMID:40703442	research paper	介绍了一种基于深度学习的计算机辅助诊断系统ECCADx，用于通过宫腔镜检测非典型子宫内膜增生和子宫内膜癌	首个将对比学习应用于宫腔镜图像中非典型子宫内膜增生和子宫内膜癌特异性区分的系统	未提及	提高子宫内膜癌和非典型子宫内膜增生的诊断准确性	非典型子宫内膜增生和子宫内膜癌患者	digital pathology	endometrial cancer	contrastive learning	deep learning	image	49,646张图像来自1,204名患者，并在两个独立测试数据集（6,228张图像来自190名患者）上进行验证