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
14341	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
14342	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
14343	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
14344	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
14345	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
14346	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
14347	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
14348	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
14349	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
14350	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
14351	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
14352	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
14353	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
14354	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
14355	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
14356	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
14357	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
14358	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
14359	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
14360	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