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
16801	2025-10-06	Pediatric BurnNet: Robust multi-class segmentation and severity recognition under real-world imaging conditions 2025, SAGE open medicine IF:2.3Q2 DOI:10.1177/20503121251360090 PMID:40726838	研究论文	开发并验证一种能够在复杂真实世界成像条件下同时分割儿童烧伤创面并分级烧伤深度的深度学习模型	在DeepLabv3-ResNet101架构中集成通道和空间注意力模块、dropout强化的空洞空间金字塔池化以及加权交叉熵损失函数，专门针对真实世界儿童烧伤图像的多类分割和严重程度识别	仅使用单中心回顾性数据，图像分辨率统一调整为256×256像素可能损失部分细节信息	开发适用于真实世界成像条件的儿童烧伤自动分割和深度分级系统	儿童烧伤患者的智能手机或相机拍摄照片	计算机视觉	烧伤	深度学习图像分析	CNN	图像	4785张照片，包含14,355个烧伤区域标注	PyTorch	DeepLabv3, ResNet101	Dice系数, 交并比, 准确率, 精确率, 召回率, F1分数, AUC	NVIDIA GTX 1060 GPU
16802	2025-10-06	Cohort protocol: risk assessment of maternal inflammation and early brain development in infants and young children based on multi-source data modeling 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1530285 PMID:40726941	研究方案	基于多源数据建模评估母体炎症对婴幼儿早期大脑发育风险的研究方案	首次在'基因-影像-环境-行为'多因素复杂交互作用下，利用深度学习构建婴幼儿大脑发育早期风险评估模型	样本量相对有限（360对母子），随访时间仅至3岁	评估母体炎症对婴幼儿早期大脑发育的风险，理解早期发育机制并预防大脑发育障碍	360对孕妇及其后代组成的厦门儿童大脑发育队列	数字病理学	儿科疾病	全外显子组测序，神经影像学，行为评估，生物标志物分析	深度学习	问卷数据，医学记录，神经影像数据，行为评估数据，基因测序数据，生物标志物数据	360对孕妇及其后代	NA	NA	NA	NA
16803	2025-10-06	Enhancing action recognition in educational settings using AI-driven information systems for public health monitoring 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1592228 PMID:40726947	研究论文	提出一种融合自适应知识嵌入网络和动态个性化学习策略的AI驱动信息系统，用于教育场景中的行为识别和公共卫生监测	首次将自适应知识嵌入网络(AKEN)与动态个性化学习策略(DPLS)相结合，通过强化学习和可解释AI技术实现教育环境中复杂行为模式的实时识别与干预	未明确说明实验规模和数据采集的具体环境限制	提升教育环境中行为识别的准确性，增强公共卫生监测能力	学生行为模式（久坐行为、社交互动、卫生依从性等）	计算机视觉, 自然语言处理	公共卫生	深度学习, 强化学习, 可解释AI	深度学习模型	行为数据, 环境数据	NA	NA	自适应知识嵌入网络(AKEN)	识别准确率	NA
16804	2025-10-06	Enhanced SqueezeNet model for detecting IoT-Bot attacks: A comprehensive approach 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103499 PMID:40704174	研究论文	提出一种基于改进SqueezeNet的增强检测框架，用于检测物联网僵尸网络攻击	将改进的SqueezeNet模型与深度卷积神经网络和优化的随机混合Lp层集成，在保持计算效率的同时提高检测精度	NA	开发适用于资源受限物联网环境的实时僵尸网络攻击检测方法	物联网僵尸网络攻击	机器学习	NA	NA	CNN, DCNN	网络入侵检测数据	大规模入侵检测数据集	NA	SqueezeNet, DCNN	准确率, 精确率, 召回率, 误报率	NA
16805	2025-10-06	PA OmniNet: A retraining-free, generalizable deep learning framework for robust photoacoustic image reconstruction 2025-Oct, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100740 PMID:40703536	研究论文	提出一种无需重新训练即可泛化到不同系统配置的光声图像重建深度学习框架	通过少量示例图像（上下文集）使模型适应新系统配置，无需重新训练	未明确说明模型在极端稀疏采样条件下的性能表现	开发适用于稀疏采样光声成像的鲁棒图像重建方法	光声图像	计算机视觉	NA	光声成像	CNN	图像	包含小鼠和人类体内数据、合成数据及不同波长图像的多数据集	NA	U-net	结构相似性指数, 均方根误差, 峰值信噪比	NA
16806	2025-10-06	Using nursing data for machine learning-based prediction modeling in intensive care units: A scoping review 2025-Sep, International journal of nursing studies IF:7.5Q1 DOI:10.1016/j.ijnurstu.2025.105133 PMID:40544524	综述	本范围综述系统分析了在ICU中使用护理数据和机器学习技术预测患者预后的研究现状	首次系统梳理了ICU环境中基于护理数据的机器学习预测模型，并对护理数据类型进行了详细分类	仅关注已发表文献，可能遗漏未发表的研究；仅纳入英文文献，存在语言偏倚	识别利用护理数据和机器学习预测ICU患者健康结局的研究现状	ICU成年住院患者	机器学习	危重症	机器学习	监督学习,深度学习,神经网络	护理量表,护理评估记录,护理活动记录,护理记录	151项研究（2004-2023年）	NA	回归,提升方法,随机森林	NA	NA
16807	2025-10-06	The role of data partitioning on the performance of EEG-based deep learning models in supervised cross-subject analysis: A preliminary study 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110608 PMID:40602315	研究论文	本研究系统评估了数据划分和交叉验证策略对基于EEG的深度学习模型在跨被试分析中性能的影响	首次在EEG深度学习领域对五种交叉验证设置进行大规模定量比较，涉及超过10万个训练模型	作为初步研究，仅针对三种特定分类任务和四种架构进行评估，未涵盖所有可能的EEG应用场景	为EEG深度学习研究提供数据划分和交叉验证的最佳实践指南	脑电图信号数据	机器学习	帕金森病,阿尔茨海默病	脑电图	CNN	脑电信号	超过100,000个训练模型	NA	ShallowConvNet, EEGNet, DeepConvNet, Temporal-based ResNet	准确率,可靠性,泛化性	NA
16808	2025-10-06	The artificial intelligence challenge in rare disease diagnosis: A case study on collagen VI muscular dystrophy 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110610 PMID:40602312	研究论文	本研究探讨人工智能技术在罕见病胶原VI型先天性肌营养不良诊断中的应用	证明了在有限训练数据情况下，通过适当的数据管理和训练流程，仍能开发出高精度分类器	研究聚焦于单一罕见病，样本量有限	解决罕见病诊断中因数据稀缺而难以应用人工智能技术的问题	胶原VI型先天性肌营养不良	数字病理学	先天性肌营养不良	共聚焦显微镜成像	经典机器学习, 深度学习	图像	有限样本量（具体数量未提及）	NA	NA	准确率	NA
16809	2025-10-06	A deep learning model combining convolutional neural networks and a selective kernel mechanism for SSVEP-Based BCIs 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110691 PMID:40602314	研究论文	提出一种结合CNN和选择性核机制的深度学习模型FBCNN-TKS，用于SSVEP脑机接口	引入时序核选择(TKS)模块扩大感受野，结合扩张卷积和分组卷积减少参数数量	NA	解决SSVEP脑机接口中训练数据不足导致的过拟合问题，提升时序特征提取能力	稳态视觉诱发电位(SSVEP)信号	脑机接口	NA	滤波器组技术	CNN	脑电信号	NA	NA	FBCNN-TKS	分类准确率, 信息传输率(ITR)	NA
16810	2025-10-06	Improving YOLO-based breast mass detection with transfer learning pretraining on the OPTIMAM Mammography Image Database 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110581 PMID:40602320	研究论文	本研究系统评估了迁移学习和图像预处理技术对优化基于YOLO的乳腺肿块检测模型的效果	首次系统评估YOLOv9在乳腺肿块检测中的表现，并证明在OPTIMAM数据库上进行预训练可显著提升小数据集上的检测性能	研究样本量较小（仅133张乳腺X线图像），且使用专有数据集可能限制结果的普适性	优化基于深度学习的乳腺肿块检测模型在小型专有数据集上的性能	乳腺X线图像中的肿块检测	计算机视觉	乳腺癌	乳腺X线摄影	YOLO	图像	133张乳腺X线图像	NA	YOLOv9, YOLOv7	平均精度均值(mAP), F1分数	NA
16811	2025-10-06	Drug-target interaction/affinity prediction: Deep learning models and advances review 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110438 PMID:40609289	综述	本文系统回顾了2016至2025年间用于药物-靶点相互作用/亲和力预测的深度学习方法	全面分析180种预测方法，重点比较不同深度学习模型在药物-靶点相互作用预测中的架构创新和输入表示方法	NA	加速药物发现过程，提高药物-靶点相互作用预测的准确性和效率	药物-靶点相互作用和亲和力预测方法	机器学习	NA	深度学习，图神经网络	深度学习，图神经网络	NA	分析180种方法	NA	NA	NA	NA
16812	2025-10-06	Radiology report generation using automatic keyword adaptation, frequency-based multi-label classification and text-to-text large language models 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110625 PMID:40614511	研究论文	提出一种基于自动关键词适应、频率多标签分类和文本到文本大语言模型的新型放射学报告生成框架	用透明关键词列表替代传统黑盒特征，引入自动关键词适应机制和频率多标签分类策略，结合预训练文本到文本大语言模型	NA	开发可解释、准确且适应性强的放射学报告自动生成方法	胸部X射线图像	自然语言处理	NA	多标签分类，文本生成	大语言模型	医学图像，文本报告	IU-XRay和MIMIC-CXR两个公共数据集	NA	文本到文本大语言模型	NA	NA
16813	2025-10-06	Deep learning framework for cardiorespiratory disease detection using smartphone IMU sensors 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110595 PMID:40614516	研究论文	提出基于智能手机IMU传感器的深度学习框架，用于心肺疾病的早期检测	利用商用智能手机的惯性测量单元传感器，通过标准化协议采集五个胸腹区域的呼吸运动学数据，实现低成本无创远程健康监测	需要扩大数据集规模，改进长期监测方法，验证在不同临床和家庭环境中的适用性	开发创新性、可及性强且成本效益高的心肺疾病筛查解决方案	健康个体和术前心血管疾病患者（包括瓣膜功能不全、冠状动脉疾病和主动脉瘤）	机器学习	心血管疾病	惯性测量单元传感器技术	双向循环神经网络	加速度计和陀螺仪时间序列数据	未明确具体样本数量，但使用留一法交叉验证	NA	双向循环神经网络	灵敏度, 特异度, F1分数, 准确率, 真阴性率	NA
16814	2025-10-06	Towards reliable WMH segmentation under domain shift: An application study using maximum entropy regularization to improve uncertainty estimation 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110639 PMID:40614515	研究论文	本研究探讨了领域偏移对白质高信号分割的影响，并提出最大熵正则化技术来改善模型校准和不确定性估计	提出使用最大熵正则化技术增强模型在校准和不确定性估计方面的能力，特别是在领域偏移情况下	研究仅使用两个公开数据集进行验证，需要更多临床环境下的实际测试	提高白质高信号分割在领域偏移情况下的可靠性和不确定性估计	白质高信号分割模型在领域偏移下的性能表现	医学图像分析	多发性硬化症	MRI成像	CNN	医学图像	两个公开数据集：WMH分割挑战赛和3D-MR-MS数据集	NA	U-Net	Dice系数, Hausdorff距离, 期望校准误差, 基于熵的不确定性估计	NA
16815	2025-10-06	DeepPerfusion: A comprehensible two-branched deep learning architecture for high-precision blood volume pulse extraction based on imaging photoplethysmography 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110571 PMID:40614513	研究论文	提出一种名为DeepPerfusion的双分支深度学习架构，用于基于成像光体积描记术的高精度血容量脉搏提取	结合精确皮肤分割与加权以及BVP提取于单一模型，开发了基于块的时间归一化机制和创新训练流程	NA	提高成像光体积描记术在非均匀照明或头部运动情况下的血容量脉搏提取精度	156名来自三个公开数据集的受试者	计算机视觉	心血管疾病	成像光体积描记术	深度学习	图像	156名受试者	NA	双分支深度学习架构	平均绝对误差, 信噪比	NA
16816	2025-10-06	Transformer attention-based neural network for cognitive score estimation from sMRI data 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110579 PMID:40614523	研究论文	提出一种基于Transformer注意力的神经网络，从结构MRI数据联合预测多种认知评分	将Transformer注意力机制与3D位置编码和3D卷积层结合，自适应捕捉全脑 discriminative 成像特征，关注关键认知相关区域	NA	基于结构MRI准确预测认知评分，用于理解痴呆病理阶段和预测阿尔茨海默病	阿尔茨海默病患者的结构MRI数据	医学影像分析	阿尔茨海默病	结构MRI	CNN, Transformer	3D医学影像	ADNI数据集	NA	3D CNN, Transformer	NA	NA
16817	2025-10-06	EnsemPred-ACP: Combining machine and deep learning to improve anticancer peptide prediction 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110668 PMID:40614519	研究论文	提出一种结合机器学习和深度学习的集成框架EnsemPred-ACP，用于改进抗癌肽预测	引入二元轮廓特征(BPF)增强预训练蛋白质嵌入，采用双管道架构整合传统特征和深度特征	未明确说明模型的计算复杂度和在实际临床应用中的验证	提高抗癌肽的计算预测准确性	抗癌肽(ACP)	机器学习	癌症	蛋白质序列分析	机器学习,深度学习	蛋白质序列数据	NA	NA	集成框架,双管道架构	准确率,灵敏度,特异性,AUC	NA
16818	2025-10-06	A comprehensive targeted panel of 295 genes: Unveiling key disease initiating and transformative biomarkers in multiple myeloma 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110619 PMID:40617081	研究论文	本研究开发了一种结合传统统计方法和深度学习架构的AI工作流程，用于识别多发性骨髓瘤的关键生物标志物并设计295个基因的检测panel	提出了BIO-DGI（生物启发图网络学习基因-基因交互）注意力深度学习架构，整合多组学变异数据和基因-基因交互网络	NA	通过识别关键生物标志物、基因组改变和基因交互，在分子水平区分多发性骨髓瘤与意义未明的单克隆丙种球蛋白病	多发性骨髓瘤患者基因组数据	机器学习	多发性骨髓瘤	全外显子测序, 全基因组测序	深度学习, 图神经网络	基因组变异数据	NA	NA	BIO-DGI	ShAP分析, 社区分析, 生存分析, 通路富集分析	NA
16819	2025-10-06	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	综述	本文全面综述了深度学习在心脏图像分析中的最新应用进展	系统总结了Transformer、基础模型和模型压缩等新兴技术在心脏图像分析中的应用	作为综述文章，不包含原始实验数据，主要依赖已有文献分析	探索深度学习在心脏图像分析中的先进方法与应用	心脏图像和心血管疾病	计算机视觉	心血管疾病	心脏成像技术	深度学习模型	医学图像	NA	NA	Transformer, 基础模型	NA	NA
16820	2025-10-06	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	提出一种基于掩码Transformer的心电图信号多标签自动诊断方法，通过自监督表示学习提升分类性能	首次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	仅在特定数据集上验证，在更广泛临床环境中的泛化能力需进一步验证	提高心电图信号多标签分类的准确性	心电图信号	医疗信号处理	心血管疾病	心电图信号分析	Transformer	时间序列信号	220,251条心电图记录（Fuwai数据集）+两个公共数据集	NA	Masked Transformer	macro F1分数	NA