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
1761	2025-05-27	Review learning: Real world validation of privacy preserving continual learning across medical institutions 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110239 PMID:40339524	研究论文	本文介绍了一种名为'复习学习'(RevL)的低成本持续学习算法，用于在隐私保护深度学习(PPDL)框架内使用电子健康记录(EHR)进行诊断预测	提出了'复习学习'(RevL)算法，通过生成数据样本来回顾先前数据集的知识，解决了深度学习中灾难性遗忘的问题	NA	解决隐私保护深度学习(PPDL)中由于顺序训练不同数据集导致的灾难性遗忘问题	电子健康记录(EHR)数据	机器学习	NA	持续学习算法	深度学习模型	电子健康记录(EHR)	模拟实验涉及六个机构，真实世界实验涉及三个医疗机构的106,508名患者数据
1762	2025-05-27	Efficient polyp detection algorithm based on deep learning 2025-Jun, Scandinavian journal of gastroenterology IF:1.6Q3 DOI:10.1080/00365521.2025.2503297 PMID:40358097	research paper	提出一种基于YOLOv10的轻量高效结肠息肉检测模型EP-YOLO，通过引入GBottleneck模块、轻量级GHead检测头和SE_SPPF模块等技术，提高了检测精度和效率	引入GBottleneck模块减少参数量并加速推理，设计轻量级GHead检测头和小目标检测层增强小目标识别能力，提出SE_SPPF模块提高息肉注意力并抑制背景噪声干扰，使用Wise-IoU损失函数优化梯度分布	仅在公开数据集上进行了验证，未提及在实际临床环境中的表现	提高结肠息肉检测的准确性和效率，降低结直肠癌发病率	结肠息肉	computer vision	colorectal cancer	deep learning	YOLOv10, EP-YOLO	image	7,681张图像(LDPolypVideo数据集)、1,000张图像(Kvasir-SEG数据集)、612张图像(CVC-ClinicDB数据集)
1763	2025-05-27	A new diagnostic method and tool for cutaneous leishmaniasis based on artificial intelligence techniques 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110313 PMID:40359677	research paper	开发了一种基于人工智能和计算机视觉技术的皮肤利什曼病新型诊断方法和工具	利用YOLO 8深度学习模型在显微镜图像中检测利什曼原虫，准确率达97%，并开发了移动应用进行验证	研究样本仅来自阿尔及利亚巴斯德研究所M'sila分所，可能影响模型的泛化能力	提高皮肤利什曼病的诊断准确性和效率	显微镜图像中的利什曼原虫	computer vision	cutaneous leishmaniasis	deep learning	YOLO 8	image	显微镜图像数据集（具体数量未提及）
1764	2025-05-27	Suicide ideation detection based on documents dimensionality expansion 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110266 PMID:40367624	研究论文	本文提出了一种基于文档维度扩展的自杀意念检测方法，通过将文本数据和符号从一维空间转换并融合到二维空间，利用预训练的2D CNN模型对社交媒体帖子进行分类	通过将文本数据从1D扩展到2D空间，利用预训练的2D CNN模型（如AlexNet、Restnet-50和VGG-16）进行分类，避免了从头设计和训练新模型的需求，同时提高了分类准确性和数据隐私保护	未提及该方法在不同语言或文化背景下的适用性，以及处理更复杂或多样化非标准输入的能力	开发一种准确且安全的方法，用于分类与心理健康障碍相关的非正式文档	社交媒体帖子	自然语言处理	心理健康障碍	2D CNN模型	AlexNet, Restnet-50, VGG-16	文本和符号	NA
1765	2025-05-27	The automatic pelvic screw corridor planning for intact pelvises based on deep learning deformable registration 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110304 PMID:40367630	研究论文	本文提出了一种基于深度学习可变形配准技术的骨盆螺钉通道自动规划算法，用于骨盆创伤手术中的经皮螺钉固定技术	1) 引入通道安全范围约束以提高搜索效率；2) 应用深度学习可变形配准技术自动标注螺钉入口和出口区域及通道安全范围；3) 开发了一种高效的最优通道搜索算法，无需遍历入口和出口区域，通过基于向量的直径计算方法提高效率	当前方法仅在完整骨盆上验证，骨盆骨折场景需要进一步研究	提高骨盆创伤手术中经皮螺钉固定技术的效率和准确性	骨盆螺钉通道	数字病理	骨盆创伤	深度学习可变形配准技术	深度学习	医学影像	198个完整骨盆
1766	2025-05-27	Local mean suppression filter for effective background identification in fluorescence images 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110296 PMID:40375425	research paper	提出了一种易于使用的非线性滤波器，用于在荧光显微镜图像中有效识别背景，特别适用于前景密集且对比度低的图像	基于像素强度与局部邻域平均强度的比较进行像素级滤波，通过变化邻域大小生成多个标签并累积以决定最终像素标签	未明确提及具体性能限制或适用场景限制	开发一种有效的背景识别方法以提升荧光显微镜图像处理效果	荧光显微镜图像	digital pathology	NA	非线性滤波	NA	image	NA
1767	2025-05-27	Improving skin lesion classification through saliency-guided loss functions 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110299 PMID:40375427	研究论文	提出了一种通过将显著性分数直接整合到损失函数中来提高深度学习分类器性能的有效方法	通过整合显著性分数到损失函数中，不仅提升了模型性能，还增强了模型预测的可解释性	未提及	提高皮肤病变分类的性能和模型预测的可解释性	皮肤病变图像	计算机视觉	皮肤病变	深度学习	Inception-ResNet-v2, EfficientNet-B3, ResNeXt	图像	HAM10000和PH2数据集
1768	2025-05-27	QRS-centric beat-wise atrial fibrillation detection in ECG signals using deep neural networks 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110282 PMID:40378565	research paper	提出了一种基于深度学习的逐搏心房颤动（AF）检测方法，用于心电图（ECG）信号分析	采用QRS中心的自适应搏动分割方法，结合CNN和双向LSTM网络，实现了高精度的逐搏AF检测	未提及模型在噪声环境下的鲁棒性测试	提高心房颤动的早期检测精度，实现逐搏级别的心律失常识别	心电图信号中的心房颤动搏动	digital pathology	cardiovascular disease	ECG信号分析	CNN + bidirectional LSTM	ECG信号	MIT-BIH心律失常数据库、MIT-BIH心房颤动数据库、MIMIC-III和Simband数据集
1769	2025-05-27	Automatic head and neck tumor segmentation through deep learning and Bayesian optimization on three-dimensional medical images 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110309 PMID:40378562	research paper	该研究提出了一种基于深度学习和贝叶斯优化的两阶段方法，用于三维医学图像中头颈部肿瘤的自动分割	提出两阶段贝叶斯优化调度（BOS）方法用于超参数优化，并引入批量大小与学习率（B2L）比率同时优化这两个关键参数	研究仅针对头颈部肿瘤，未验证在其他类型肿瘤或医学图像上的适用性	提高三维医学图像中头颈部肿瘤分割的准确性和效率	头颈部肿瘤的CT和PET扫描图像	digital pathology	head and neck cancer	deep learning, Bayesian optimization	3D V-Net	3D medical images (CT and PET scans)	NA
1770	2025-05-27	Advancing label-free cell classification with connectome-inspired explainable models and a novel LIVECell-CLS dataset 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110274 PMID:40381472	research paper	该研究提出了一个名为LIVECell-CLS的新型无标记细胞分类基准数据集，并比较了16种深度学习模型的性能，同时提出了一种基于C.elegans连接组启发的模块来改进分类性能	提出了最大的无标记细胞分类数据集LIVECell-CLS，并引入了一种基于C.elegans连接组启发的Tensor Network变体来提升模型性能	研究中使用的数据集虽然庞大，但仅包含8种细胞系，可能限制了模型的泛化能力	开发准确且可推广的无标记细胞分类模型	无标记细胞图像	digital pathology	NA	深度学习	ResNets, ViTs, MLP-Mixers, Swin-Transformers, EfficientNetV2	image	超过160万张图像，涵盖8种不同的细胞系
1771	2025-05-27	Exploring interpretable echo analysis using self-supervised parcels 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110322 PMID:40383057	研究论文	探索使用自监督学习进行可解释的心脏超声分析，以提高患者护理和治疗计划	利用自监督学习在无标签数据上发现特征，生成可解释的心脏解剖子区域分割，提高模型的稳健性和可解释性	需要大量无标签数据进行预训练，且依赖公开数据集的可用性	解决医学影像中标签数据稀缺的问题，提升心脏影像分析的效率和可解释性	心脏超声影像	医学影像分析	心血管疾病	自监督学习	Transformer (STEGO网络) 和 DINO	影像	大量无标签数据集和公开数据集
1772	2025-05-27	Optimised Hybrid Attention-Based Capsule Network Integrated Three-Pathway Network for Chronic Disease Detection in Retinal Images 2025-Jun, Journal of evaluation in clinical practice IF:2.1Q2 DOI:10.1111/jep.70126 PMID:40415584	research paper	该研究提出了一种优化的深度学习系统，用于检测视网膜图像中的慢性疾病，并解决现有问题	结合优化的混合注意力胶囊网络和三通路网络，提高了慢性疾病检测的准确性和效率	可能存在计算成本高和过拟合的问题	开发一种优化的深度学习系统，用于检测视网膜图像中的慢性疾病	视网膜图像	digital pathology	chronic disease	Normalization, HSI Colour Conversion	Inception-V3, ResNet-152, Conv-ViT, Hybrid Attention-based Capsule Network	image	Diabetic Retinopathy 224×224 (2019 Data) 和 APTOS-2019 数据集
1773	2025-05-27	Toward Accurate PAH IR Spectra Prediction: Handling Charge Effects with Classical and Deep Learning Models 2025-May-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00372 PMID:40339059	研究论文	本研究利用机器学习和深度学习模型预测多环芳烃（PAHs）的红外光谱，特别关注中性及电离分子的光谱预测	首次实现了带电PAHs红外光谱的快速准确预测，并引入了XGBoost和GNN两种模型	异原子PAHs数据稀缺	提高PAHs红外光谱预测的准确性，特别是针对带电分子	多环芳烃（PAHs）的中性和电离分子	机器学习	NA	机器学习（ML）、图神经网络（GNN）	XGBoost、GNN	分子图表示、Morgan指纹	NA
1774	2025-05-27	Predicting the Brain-To-Plasma Unbound Partition Coefficient of Compounds via Formula-Guided Network 2025-May-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00590 PMID:40340403	research paper	该研究通过建立公开的大鼠数据集并开发公式引导的深度学习模型CMD-FGKpuu，预测脑-血浆未结合分配系数，以评估血脑屏障通透性	开发了公式引导的深度学习模型CMD-FGKpuu，并在多个基准测试中表现良好，展示了深度学习在预测脑-血浆未结合分配系数中的潜力	现有经验评分模型的通用性和适用性尚未充分探索，且数据稀缺，多为内部数据	预测脑-血浆未结合分配系数，以评估血脑屏障通透性，为药物开发提供有效工具	大鼠	machine learning	NA	深度学习	CMD-FGKpuu	实验数据	NA
1775	2025-05-27	Methodological Challenges in Deep Learning-Based Detection of Intracranial Aneurysms: A Scoping Review 2025-May-26, Neurointervention IF:1.2Q4 DOI:10.5469/neuroint.2025.00283 PMID:40415390	综述	本文全面评估了36项应用深度学习在CTA或MRA上检测颅内动脉瘤的研究，重点关注研究设计、验证策略、报告实践和参考标准	揭示了当前研究中存在的方法学局限性和普遍性问题，提出了未来研究需要采纳更严格的设计和标准化报告实践	研究存在高偏倚风险和有限的临床适用性，缺乏前瞻性研究设计和外部验证	评估深度学习在颅内动脉瘤检测中的应用及其临床转化的局限性	应用深度学习检测颅内动脉瘤的36项研究	数字病理学	颅内动脉瘤	深度学习	NA	图像（CTA和MRA）	36项研究
1776	2025-05-27	AI in Orthopedic Research: A Comprehensive Review 2025-May-26, Journal of orthopaedic research : official publication of the Orthopaedic Research Society IF:2.1Q2 DOI:10.1002/jor.26109 PMID:40415515	review	本文综述了人工智能在骨科研究和临床实践中的应用及其进展	探讨了AI在骨科领域的最新进展，包括深度学习算法在骨折检测、骨关节炎分级和病理识别中的应用，以及预测分析、机器人技术、增强现实和数字孪生技术等新兴应用	存在数据异质性、算法偏见、模型'黑箱'问题以及稳健验证不足等挑战	整合AI到肌肉骨骼护理中，提升诊断准确性、优化治疗策略并简化临床工作流程	骨科研究和临床实践	digital pathology	geriatric disease	deep learning	NA	image	NA
1777	2025-05-27	Multimodal integration of longitudinal noninvasive diagnostics for survival prediction in immunotherapy using deep learning 2025-May-26, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf074 PMID:40418276	研究论文	该研究开发了一种新型的人工神经网络架构MMTSimTA，用于整合多模态纵向非侵入性诊断数据，以预测接受免疫治疗的癌症患者的生存率	提出了一种新型的多模态变压器基础简单时间注意力网络(MMTSimTA)，整合了治疗前后的血液测量、处方药物和CT扫描的器官体积数据，用于生存预测	研究仅基于694名患者的队列，可能需要更大样本量验证模型的泛化能力	通过深度学习整合多模态纵向非侵入性数据，改进免疫治疗癌症患者的生存预测	接受免疫治疗的694名泛癌患者	机器学习	癌症	深度学习	MMTSimTA网络(基于transformer的神经网络)	多模态数据(血液测量、处方药物、CT图像)	694名接受免疫治疗的泛癌患者
1778	2025-05-27	Optimizing MRI sequence classification performance: insights from domain shift analysis 2025-May-26, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11671-5 PMID:40418319	研究论文	本研究通过评估预训练模型在成人到儿科MRI数据领域转移条件下的有效性，优化了MRI序列分类性能	结合CNN和Transformer的混合架构MedViT模型在领域转移条件下表现出色，并通过专家领域知识调整进一步提升准确性	研究仅针对成人到儿科MRI数据的领域转移问题，未涉及其他类型的领域转移	解决多中心研究中MRI序列分类因成像协议变异性导致的领域转移问题	成人和儿科MRI数据	医学影像分析	NA	MRI序列分类	ResNet-18, MedViT(CNN-Transformer混合模型)	MRI图像	成人MRI数据集用于训练，儿科MRI数据集用于测试
1779	2025-05-27	Applications of artificial intelligence in abdominal imaging 2025-May-26, Abdominal radiology (New York) DOI:10.1007/s00261-025-04990-0 PMID:40418375	review	本文综述了人工智能在腹部影像学中的应用及其潜力	探讨了AI在腹部影像学中的创新应用，包括疾病检测、分类和个性化护理	数据异质性、缺乏多中心验证、依赖回顾性单中心研究以及AI模型的'黑箱'性质限制了广泛应用	研究AI在腹部影像学中的应用及其对疾病检测、分类和个性化护理的影响	腹部影像学中的多种疾病，如弥漫性肝实质疾病、局灶性肝脏病变、胰腺导管腺癌（PDAC）、肾脏肿瘤和肠道病变	digital pathology	liver cancer, pancreatic cancer, renal tumors, bowel pathologies	deep learning, radiomics	NA	image	NA
1780	2025-05-27	Drug repurposing to identify potential FDA-approved drugs targeting three main angiogenesis receptors through a deep learning framework 2025-May-26, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11214-6 PMID:40418485	研究论文	本研究通过深度学习框架，从FDA批准的药物中识别潜在的血管生成受体多靶点抑制剂	采用新颖的集成方法，结合分类和回归模型，同时考虑三个靶点受体（VEGFR、FGFR、EGFR），提高了药物发现的成功率	研究仅针对FDA批准的药物进行筛选，可能遗漏其他潜在有效化合物	开发一种方法学，用于发现针对血管生成关键受体的多靶点抑制剂	2000多种FDA批准的药物	机器学习	癌症	深度学习	深度自编码器分类模型和回归模型	药物分子数据	2000多种FDA批准药物