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
1	2025-12-08	Deep learning-assisted metabolic fingerprint profiling based on V-groove and wrinkle-shaped 3D surface-enhanced Raman scattering substrate for early colorectal cancer diagnosis 2026-Feb-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.118183 PMID:41223500	研究论文	本研究开发了一种基于三维表面增强拉曼散射基底和深度学习的代谢指纹图谱分析方法，用于结直肠癌的早期诊断	提出了一种结合微V型槽阵列、皱纹图案和银纳米颗粒的新型三维SERS基底，并首次将CNN模型应用于该平台获得的早期结直肠癌代谢指纹图谱分析	未明确说明样本来源的多样性、模型在独立外部验证集上的性能以及长期临床应用的可行性	开发一种高灵敏度的早期结直肠癌诊断平台	早期结直肠癌患者的血清代谢物	机器学习	结直肠癌	表面增强拉曼散射	CNN	拉曼光谱数据	未明确说明具体样本数量	NA	NA	AUC, 准确率, 特异性	NA
2	2025-12-08	Few-shot learning for highly accelerated 3D time-of-flight MRA reconstruction 2026-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70072 PMID:40931540	研究论文	本文提出了一种基于少样本学习的深度学习重建方法，用于高度加速的3D时间飞行磁共振血管成像重建，以解决高分辨率全头血管造影采集耗时的问题	提出了一种新颖的少样本学习重建框架，采用3D变分网络，通过模拟复杂值多线圈k空间数据进行预训练，并仅使用两个实验采集的数据集进行微调，实现了在极有限原始数据下的高质量重建和鲁棒泛化	方法仅在少数健康志愿者数据上进行评估，样本规模较小，且主要针对3D TOF-MRA，未广泛验证于其他MRI序列或病理条件	开发一种深度学习重建方法，以实现高度加速的3D时间飞行磁共振血管成像，减少采集时间并提高图像质量	3D时间飞行磁共振血管成像数据，包括模拟和实验采集的k空间数据	医学影像处理	NA	磁共振成像，时间飞行血管成像	深度学习，变分网络	3D k空间数据，图像数据	模拟数据来自多样开源幅度图像，实验数据包括5名健康志愿者的回顾性欠采样数据和2名额外受试者的前瞻性欠采样数据	NA	3D变分网络	重建质量，伪影减少，血管细节保留	NA
3	2025-12-08	Ex vivo human brain volumetry: Validation of MRI measurements 2026-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70083 PMID:40937565	研究论文	本研究通过扫描离体、原位人脑标本，验证了MRI脑体积测量的准确性，并与金标准水置换法进行比较	首次使用离体、原位人脑标本作为金标准，验证多种MRI序列和分割方法（包括手动阈值分割和基于深度学习的自动分割工具SynthSeg）的脑体积测量准确性	样本量较小（仅7个解剖头部），且所有方法（除自动T1加权体积外）与金标准水置换法体积存在显著差异，表明测量可能存在一定程度的低估	验证MRI脑体积测量工具的准确性，通过离体标本扫描与金标准水置换法对比	七个用酒精-甲醛溶液固定的解剖头部（离体、原位人脑标本）	医学影像分析	NA	MRI扫描（T2加权、T1加权、MP2RAGE序列），水置换法	深度学习	MRI图像	7个解剖头部	NA	SynthSeg	体积测量准确性（与金标准水置换法比较），重复测量方差分析	NA
4	2025-12-08	Optimized T1-weighted MP-RAGE MRI of the brain at 0.55 T using variable flip angle coherent gradient echo imaging and deep learning reconstruction 2026-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70109 PMID:41024478	研究论文	本文提出并评估了一种优化的MP-RAGE协议，用于在0.55 T磁场下快速进行脑部T1加权成像	采用可变翻转角（vFA）SSFP-FID内核结合深度学习重建（DLR）方法，在低场强下实现了快速、高分辨率的脑部T1加权成像	未明确说明样本量或临床验证的局限性，且点扩散函数略有增加	优化MP-RAGE协议以在0.55 T下实现快速脑部T1加权成像	脑部白质和灰质信号	医学影像处理	NA	MP-RAGE MRI, SSFP-FID, 深度学习重建	深度学习	MRI图像	NA	NA	NA	白质信噪比（SNR）, 白质-灰质信号差异, 点扩散函数分析	NA
5	2025-12-08	Rapid whole-brain T2* and susceptibility mapping using 3D multiple overlapping-echo detachment acquisition and missing modality synthesis embedded simulation 2026-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70108 PMID:41040040	研究论文	本文开发了一种3D多重重叠回波分离成像技术，结合数据生成和重建策略，用于快速全脑T2*和磁化率定量成像	将MOLED编码扩展至3D多激发采集，结合双回波反向EPI序列，同时获取T2*和QSM信号并减少图像畸变；采用基于深度学习的缺失模态合成方法生成配准的多参数模板，并提出了伪3D Bloch模拟以加速网络训练数据生成	NA	开发快速全脑T2*和磁化率定量成像技术	健康志愿者和临床参与者	医学影像处理	NA	3D多重重叠回波分离成像，双回波反向EPI序列，Bloch模拟	深度学习	3D磁共振图像	健康志愿者和临床参与者队列	NA	NA	图像质量评分	NA
6	2025-12-08	Deep learning approach for DCE-MRI parameter estimation: Evaluating signal intensity and concentration-time curve-based convolution-neural-networks 2026-Feb, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110559 PMID:41207450	研究论文	本文提出了一种基于浓度-时间曲线的卷积神经网络方法，用于动态对比增强MRI参数估计，旨在适应不同扫描协议并提高计算效率	采用浓度曲线而非信号强度作为输入，设计能适应多种DCE-MRI协议的CNN模型，在外部验证中展示了跨扫描仪和机构的鲁棒性	研究主要针对脑胶质瘤患者，样本量相对有限（训练集72例，测试集18例），且依赖于合成数据进行初始训练	开发一种快速、鲁棒的深度学习方法，用于估计DCE-MRI中的广义示踪动力学参数，以克服传统非线性最小二乘法计算成本高、对噪声和协议变化敏感的问题	脑胶质瘤患者（2-4级）的DCE-MRI数据	医学影像分析	脑胶质瘤	动态对比增强MRI	CNN	医学影像数据	训练集：72例胶质瘤患者；测试集：18例患者；外部验证集：跨扫描仪9例（1.5T），跨机构6例（不同医院）	NA	卷积神经网络	平均绝对误差，AUC，相关性系数	NA
7	2025-12-08	Transformer-based multi-scale feature fusion for real-time CT bone metastasis detection 2026-Feb, Bone IF:3.5Q2 DOI:10.1016/j.bone.2025.117729 PMID:41241185	研究论文	本文提出了一种基于Transformer的实时CT骨转移检测模型BM-DETR，通过多尺度特征融合提升小尺寸、低对比度病变的检测精度	提出了集成空间上下文增强模块（SCEM）、双分支上采样的AttentionUpsample以及扩张Transformer注意力块（DTAB）的新型Transformer架构，有效解决了局部细节捕获与计算效率的平衡问题	未明确说明模型在更广泛临床数据上的泛化能力，以及在实际边缘设备部署中的具体性能表现	开发高精度、实时的CT骨转移自动检测系统，以支持早期筛查和智能诊断	CT影像中的骨转移病变	计算机视觉	骨转移癌	CT影像分析	Transformer	医学影像（CT）	OsteoScan和BMSeg两个公开数据集	未明确说明	BM-DETR（自定义Transformer架构，包含SCEM、AttentionUpsample、DTAB模块）	mAP50	未明确说明，但提及支持边缘部署
8	2025-12-08	Deep learning-based perfusion quantification and large vessel exclusion for renal multi-TI arterial spin labelling MRI 2026-Feb, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110573 PMID:41260277	研究论文	提出了一种基于BiLSTM的深度学习方法，用于肾脏多反转时间动脉自旋标记MRI的灌注量化、大血管排除以及血流到达时间和血流长度估计	首次将BiLSTM深度学习模型应用于多反转时间ASL数据的灌注参数量化，并实现了自动大血管排除，相比传统基于Buxton模型拟合的方法，在噪声环境下更准确、更鲁棒	模拟数据与体内数据的特性存在差异，导致部分观察到的量化差异无法完全由模拟结果解释；深度学习模型在血流长度估计上误差大于传统方法	改进肾脏多反转时间动脉自旋标记MRI的灌注参数量化方法，提高其准确性和鲁棒性	肾脏灌注参数（灌注量、血流到达时间、血流长度）及大血管区域	医学影像分析	肾脏疾病	多反转时间流动敏感交替反转恢复序列动脉自旋标记MRI	BiLSTM	MRI图像序列	模拟像素级多反转时间信号数据及体内数据	NA	BiLSTM	量化误差	NA
9	2025-12-08	GL-mamba-net: A magnetic resonance imaging restoration network with global-local mamba 2026-Feb, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110574 PMID:41271086	研究论文	本文提出了一种名为GL-mamba-net的双路径Mamba网络，用于加速磁共振成像的采集过程，通过融合全局与局部特征来提升图像恢复的质量和效率	提出了多尺度局部Mamba块以捕获不同区域的局部信息；设计了新的特征融合块以增强全局与局部信息的融合；构建了双路径Mamba网络架构，提升了复杂动态数据环境下的特征提取能力和适应性	未明确说明模型在特定病理条件下的泛化能力，以及在实际临床部署中的计算效率限制	加速磁共振成像采集过程，提升欠采样图像恢复的质量	欠采样的单线圈图像域数据	计算机视觉	NA	磁共振成像	Mamba	图像	NA	NA	双路径Mamba网络	多种评估指标	NA
10	2025-12-08	Enhancing and accelerating brain MRI through deep learning reconstruction using prior subject-specific imaging 2026-Feb, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110558 PMID:41274586	研究论文	本文提出了一种基于深度学习的MRI重建框架，通过整合先验个体特异性成像信息来增强和加速脑部MRI扫描	提出了一种结合初始重建网络、深度配准模型和基于Transformer的增强网络的新型深度学习MRI重建框架，显著减少了总重建时间，并提高了下游脑部分割任务的准确性	研究仅基于T1加权MRI扫描的纵向数据集，样本量相对较小（18名受试者），且未在其他MRI序列或更大规模数据集中验证	旨在通过深度学习重建方法减少MRI采集时间，提高图像质量，并加速临床实时应用	脑部T1加权MRI扫描图像	计算机视觉	NA	MRI	CNN, Transformer	图像	2808张图像来自18名受试者	PyTorch	Transformer	准确性, 体积一致性	NA
11	2025-12-08	Diffusion for Diffusion: A versatile multiphysics fields refinement framework in pollutants transportation 2026-Jan-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124962 PMID:41242196	研究论文	本文提出了一种基于扩散模型的多物理场细化框架，用于从稀疏测量中准确恢复污染物传输中的耦合浓度和温度场	将物理信息方程约束方案与条件扩散模型相结合，以从有限观测中恢复高维时空场，在计算效率、泛化性和预测准确性方面超越现有方法	NA	开发一个高效、通用的多物理场细化框架，用于环境风险评估和工业污染缓解中的污染物传输分析	污染物传输中的耦合浓度和温度梯度驱动的扩散场	机器学习	NA	有限元模拟，双色警报成像	扩散模型	图像，模拟数据	NA	NA	ResNet, Transformer, Fourier Neural Operator	超分辨率精度，鲁棒性	NA
12	2025-12-08	From wastewater to epidemiological insights: A systematic review of modeling strategies for infectious disease surveillance 2026-Jan-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124977 PMID:41260128	综述	本文系统回顾了利用废水监测数据进行传染病指标估计与预测的现有建模策略	提供了对废水监测数据建模方法的全面分类与批判性评估，强调了跨流行病学和地理背景的模型可转移性这一关键问题	模型本身存在局限性，废水数据存在固有缺陷，且整个分析流程（如临床结果与解释变量的选择、时间对齐、数据预处理、模型性能评估及结果可解释性）面临广泛挑战	支持开发一个稳健且可推广的利用废水数据进行流行病学监测的系统	废水监测数据及其在传染病指标估计与预测中的应用	机器学习	传染病	废水监测	隔室模型, 回归模型, 机器学习, 深度学习	废水数据	NA	NA	NA	NA	NA
13	2025-12-08	Interpretable forecasting of dissolved oxygen leveraging foundation model for proactive aeration in rural wastewater treatment systems 2026-Jan-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124931 PMID:41297308	研究论文	本文开发了一个基于Transformer基础模型的可解释溶解氧预测框架，用于农村污水处理系统的主动曝气规划	结合了基础模型、季节性分割和SHAP可解释性，显著提升了农村污水处理系统中溶解氧预测的准确性和稳定性	研究基于单一农村污水处理设施的数据，可能限制了模型的泛化能力	提高农村污水处理系统中溶解氧的预测精度，以优化生物处理过程并降低能耗	农村稳定塘污水处理系统	时间序列预测	NA	多变量传感器数据采集	Transformer, LSTM, SVR, XGBoost	时间序列数据	近一年的多变量传感器数据	NA	Transformer, Temporal Fusion Transformer	对称平均绝对百分比误差	NA
14	2025-12-08	YOLO-spectra: A generalized framework for rapid simultaneous detection and classification of Raman spectra in images with mobile devices for enhancing on-site applications 2026-Jan-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344914 PMID:41352951	研究论文	本研究提出了一种基于YOLO模型的通用框架，用于在移动设备上快速同时检测和分类拉曼光谱图像，以增强现场应用	引入了一种新颖的可缩放矢量图形（SVG）方法，用于自动生成大规模标注光谱图像数据集，并首次将YOLO模型应用于光谱分析，实现了对多种光谱的快速同时检测和分类	未明确说明模型在极端噪声或复杂背景下的鲁棒性，以及在实际移动设备上的部署性能限制	开发一种基于深度学习的计算机视觉模型，用于实现光谱的实时直接分类，以替代传统机器学习方法	药物混合物、痕量农药和染料的光谱数据，包括开源溶剂数据集和实验生成的拉曼/SERS数据集	计算机视觉	NA	表面增强拉曼光谱技术，便携式光谱仪	YOLO	图像	90个不同的光谱类别，包括开源溶剂数据集和实验生成的拉曼/SERS数据集	PyTorch	YOLOv8m, YOLOv8n	平均精度均值（mAP50）, mAP50-95	NA
15	2025-12-08	Surface-based Multi-Axis Longitudinal Disentanglement Using Contrastive Learning for Alzheimer's Disease 2026, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-032-05182-0_57 PMID:41340885	研究论文	本文提出了一种基于表面的多轴纵向解耦框架，利用对比学习来建模阿尔茨海默病的复杂进展模式	提出了一种新颖的多轴解耦框架，将疾病建模为多个潜在空间轴，而非传统的单轴模型，以更好地捕捉阿尔茨海默病的异质性和复杂性	未明确提及	开发一种能够区分阿尔茨海默病进展与正常衰老的神经影像分析方法	阿尔茨海默病患者、轻度认知障碍患者和认知正常个体的神经影像数据	数字病理学	阿尔茨海默病	神经影像分析	自编码器	图像	ADNI数据集（具体数量未明确）	PyTorch	自编码器	分类准确率	未明确提及
16	2025-12-08	Deep Learning HASTE for Upper Abdominal MRI: Improved Image Quality, Speed, and Energy Efficiency in a Prospective Study 2026-Jan, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70183 PMID:41346174	研究论文	本研究通过前瞻性比较，评估了深度学习重建的快速HASTE序列在3T MRI上腹部成像中，相较于传统HASTE序列在图像质量、扫描速度及能效方面的优势	首次在前瞻性研究中系统评估深度学习重建的快速HASTE序列在上腹部MRI中的应用，并量化了其在图像质量提升、扫描时间缩短（62.5%）及能耗降低（每次扫描节省0.34 kW）方面的综合效益	研究为单中心前瞻性设计，样本量相对有限（166例），且未长期追踪临床结局以验证诊断性能的改善是否转化为患者预后获益	比较深度学习重建与传统T2加权HASTE序列在上腹部3T MRI中的图像质量、诊断性能及扫描效率	166名计划接受上腹部MRI检查的患者（平均年龄60±14岁）	医学影像分析	上腹部疾病（未特指具体疾病）	3T MRI，T2加权半傅里叶采集单次激发快速自旋回波（HASTE）序列	深度学习模型（具体类型未在摘要中说明）	MRI图像	166例患者	NA	NA	图像质量评分（5点李克特量表），信噪比（SNR），对比噪声比（CNR），放射组学特征差异，Fleiss' Kappa（评估者间一致性），扫描时间，能耗	NA
17	2025-12-08	Tracing the global origins of black tea using rapid XRF techniques coupled with advanced machine learning 2026-Jan, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117855 PMID:41352794	研究论文	本研究利用X射线荧光光谱技术和机器学习方法，开发了一种快速、准确、环保且用户友好的方法来追溯全球黑茶的地理来源	结合快速XRF技术和先进机器学习模型（包括深度学习MLP），首次在全球范围内对十个主要产区的791个真实黑茶样本进行元素分析，显著提升了地理来源鉴别的准确率	研究仅涉及十个地理标志产区，可能未覆盖所有黑茶产地；样本量虽大但分布可能不均；方法依赖于元素含量，可能受环境因素影响	开发一种快速、准确、环保且用户友好的方法来区分黑茶的地理来源，以保护地理标志产品并防止茶叶欺诈	来自全球十个主要产区的791个真实黑茶样本	机器学习	NA	X射线荧光光谱	随机森林, 支持向量机, k近邻, 线性判别分析, 多层感知机	元素含量数据	791个真实黑茶样本	NA	多层感知机	F1分数	NA
18	2025-12-08	Artificial intelligence-enabled nanomedicine: enhancing drug design and predictive modeling in pharmaceutics 2025-Dec-07, The Journal of pharmacy and pharmacology IF:2.8Q2 DOI:10.1093/jpp/rgaf113 PMID:41353571	综述	本文综述了人工智能与纳米医学的整合如何革新药物设计、靶向递送和个性化治疗	利用深度学习、强化学习和图神经网络等AI技术，结合纳米载体系统，显著提升了药代动力学预测的准确性和药物开发效率	面临数据标准化、算法透明度和监管合规性等挑战，缺乏统一且灵活的框架以适应快速技术发展	探索人工智能在纳米医学中的应用，以优化药物设计、预测建模和个性化治疗	纳米载体系统（如脂质体、聚合物纳米颗粒、树枝状聚合物）及相关药物开发过程	机器学习	NA	NA	深度学习, 强化学习, 图神经网络	高维数据集	NA	NA	NA	NA	NA
19	2025-12-08	Deep Learning in Vertebral Fracture Detection: Systematic Review and Meta-analysis of Subject- vs. Vertebra-Level Approaches 2025-Dec-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.023 PMID:41353070	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了深度学习在椎体骨折检测中基于患者层面与椎体层面方法的性能差异	首次在椎体骨折检测领域区分患者层面与椎体层面的深度学习算法，并量化了关键技术和方法学因素的影响	研究中存在患者选择偏倚风险，61%的研究被识别出高偏倚风险，且方法学质量在不同研究间存在差异	评估深度学习算法在椎体骨折检测中的性能，并指导任务特异性临床应用和标准化报告	椎体骨折检测的深度学习算法研究	医学影像分析	椎体骨折	深度学习	深度学习模型	图像	36项研究，涉及96,956名患者和171,552张图像	NA	NA	灵敏度, 特异度, AUC	NA
20	2025-12-08	Characterization of error-related potentials during the command of a lower-limb exoskeleton based on deep learning 2025-Dec-06, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-025-01833-3 PMID:41353180	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA