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	2025-12-06	Explainable Convolutional Neural Networks for the identification of the Ampullariidae genus 2026-Apr, Parasitology international IF:1.5Q3 DOI:10.1016/j.parint.2025.103200 PMID:41271157	研究论文	本研究提出了一种基于VGG16和Grad-CAM的可解释卷积神经网络架构，用于分类和解释Ampullariidae及相关属的形态特征	结合VGG16和Grad-CAM构建可解释的CNN模型，在分类的同时提供视觉解释，聚焦于属特异性壳特征（如螺旋高度、卷绕方向和孔口方向），增强了分类学的精确性和生态决策的实用性	模型主要基于尼日利亚北部采集的标本，可能在其他地理区域的泛化能力有限；数据集虽经增强，但样本量相对较小（350个Ampullariidae标本），可能影响模型的鲁棒性	开发可解释的深度学习模型，用于自动识别和分类Ampullariidae及相关属的淡水蜗牛，以支持生态监测和寄生虫控制项目	Ampullariidae家族及其相关属（如Biomphalaria、Bulinus、Lymnae、Melanoides）的淡水蜗牛标本	计算机视觉	NA	深度学习	CNN	图像	350个野外采集的Ampullariidae标本，并增强了Biomphalaria、Bulinus、Lymnae和Melanoides的标记图像	NA	VGG16	验证准确率	NA
2	2025-12-06	Deep learning enhanced quantitative debonding evaluation in tile panels using Lamb waves 2026-Feb, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107821 PMID:40945330	研究论文	本研究提出了一种利用Lamb波信号和数据驱动的深度学习方法定量评估外部陶瓷砖面板脱粘的新方法	结合Lamb波信号的时间-频率表示与二维卷积神经网络，通过混合数据集（模拟与实验数据）训练，生成全面的二维损伤指数图以识别脱粘缺陷的位置和大小	NA	开发一种可靠的定量评估陶瓷砖面板脱粘的非破坏性评估方法	外部陶瓷砖面板的脱粘缺陷	计算机视觉	NA	连续小波变换	CNN	图像	NA	NA	二维卷积神经网络	NA	NA
3	2025-12-06	Modified UNet-enhanced ultrasonic superb microvascular imaging feature extraction and grading of carpal tunnel syndrome 2026-Feb, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107834 PMID:41039691	研究论文	本研究结合超快超微血管成像与改进的UNet分割模型，通过定量图像分析客观提取微血管特征，用于腕管综合征的分级	采用分类引导的改进UNet分割模态，结合非线性二次回归模型，实现了对腕管综合征微血管特征的自动提取和分级，提高了分类准确性和AUC值	样本量相对较小（105名患者），且未提及模型在其他人群或设备上的泛化能力验证	开发一种基于超声超微血管成像和深度学习的非侵入性方法，用于腕管综合征的客观分级	腕管综合征患者（包括轻度、中度和重度）及健康对照者的腕部超微血管成像数据	计算机视觉	腕管综合征	超快超微血管成像	CNN	图像	105名患者（21名轻度、71名中度、13名重度）和21名健康对照者	NA	改进的UNet	分类准确率, AUC, Kappa系数	NA
4	2025-12-06	Firearm brand classification using deep learning on cartridge case images 2026-Feb, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112671 PMID:41061388	研究论文	本研究提出了一种基于深度学习的枪械品牌分类方法，利用弹壳图像的归一化高度图和形状指数变换，以提高法医弹道学中的枪械识别准确性和效率	首次将深度学习方法应用于弹壳图像的枪械品牌分类，通过归一化高度图和形状指数变换提取特征，并利用过采样技术处理类别不平衡问题	研究主要基于土耳其的枪械品牌数据，可能在其他地区的适用性有限；且未详细讨论模型在真实犯罪场景中的泛化能力	开发一种自动化枪械品牌分类系统，以优化法医弹道学中的弹壳比较流程，减少检查时间并提高调查效率	弹壳图像，涵盖土耳其犯罪案件中常见的21种最流行枪械品牌，包括手工枪械和改装空包手枪	计算机视觉	NA	归一化高度图，形状指数变换，图像处理	CNN, Transformer	图像	超过35万弹壳样本，通过旋转过采样扩展至超过100万样本	NA	ResNet, Vision Transformer	准确率	NA
5	2025-12-06	Deep learning enhanced label-free cervical screening via stimulated Raman cytology 2026-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.128982 PMID:41109050	研究论文	本文提出了一种基于刺激拉曼细胞学的无标记宫颈筛查平台，结合深度学习实现宫颈细胞的快速筛查和诊断	开发了VAD-SRC平台，通过刺激拉曼散射显微镜获取细胞内在生物分子对比，结合深度卷积神经网络实现高精度诊断和细胞类型自动分割	未提及研究的具体局限性	提高宫颈癌筛查的诊断通量和灵敏度	宫颈细胞样本	数字病理学	宫颈癌	刺激拉曼散射显微镜	CNN	图像	未提及具体样本数量	NA	深度卷积神经网络	准确率, 灵敏度	NA
6	2025-12-06	SE-PDS enhanced NIR spectral transfer learning: A machine learning approach for cross-instrument jet fuel property quantification 2026-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.129005 PMID:41124770	研究论文	本研究提出了一种改进的共享嵌入增强分段直接标准化算法，结合随机森林模型，实现了跨仪器对喷气燃料16种理化性质的定量预测	提出了改进的SE-PDS算法，整合了所有光谱段的光谱矩阵和窗口索引，使单个模型能够利用不同特征间的共享信息，并自动识别和消除光谱数据中的不规则波动和突变	研究仅使用了86个喷气燃料样本进行验证，样本量相对较小	实现跨仪器近红外光谱的迁移学习，用于喷气燃料性质的定量预测	喷气燃料的理化性质	机器学习	NA	近红外光谱	随机森林	光谱数据	86个喷气燃料样本	NA	随机森林	相关系数, 决定系数, 相对误差率	NA
7	2025-12-06	Characterization of Gastrodiae Rhizoma from different geographical origins by HS-GC-IMS and authenticity identification combined with deep learning 2026-Jan-04, Journal of chromatography. A DOI:10.1016/j.chroma.2025.466482 PMID:41172769	研究论文	本研究结合顶空气相色谱-离子迁移谱（HS-GC-IMS）与深度学习算法，对不同产地天麻的挥发性成分进行表征并建立产地真实性鉴别方法	首次将GC-IMS二维谱图与深度学习（CNN、ResNet）相结合用于天麻产地鉴别，准确率超过99.54%，显著优于传统机器学习方法（约90%）	样本数量有限（未明确具体样本数），仅分析了挥发性成分，未涵盖其他化学组分	建立天麻产地鉴别与掺假筛查策略，确保市场产品质量	不同地理来源的天麻（Gastrodiae Rhizoma）样本	计算机视觉	NA	顶空气相色谱-离子迁移谱（HS-GC-IMS）	CNN, ResNet	图像（2D GC-IMS色谱图）	未明确具体样本数量，涉及不同产地天麻样本	NA	卷积神经网络（CNN）, 残差网络（ResNet）	准确率	NA
8	2025-12-06	Evolution of chromatographic modeling: From mechanistic models to hybrid models with physics-based deep learning 2026-Jan-04, Journal of chromatography. A DOI:10.1016/j.chroma.2025.466565 PMID:41297511	综述	本文系统总结了基于物理的深度学习（PBDL）方法在色谱建模中的三代演进过程	提出了色谱建模从传统机理模型到融合机理理解与数据驱动的混合模型的演进框架，并阐述了PBDL如何实现物理与数据的相互反馈	未提及具体应用案例的性能局限或数据要求	综述色谱建模技术的发展历程，探讨物理驱动深度学习方法的演进与潜力	色谱建模方法	机器学习	NA	物理驱动的深度学习	神经网络	模拟数据与物理方程	NA	NA	物理信息神经网络	NA	NA
9	2025-12-06	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形态的多轴纵向解耦框架，利用对比学习来分离阿尔茨海默病进展中的正常衰老与疾病特异性变化	提出了一个多轴疾病建模框架，能够捕捉阿尔茨海默病的异质性和复杂性，超越了传统单轴模型	未明确提及研究局限性	开发一种能够准确建模阿尔茨海默病异质性进展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	医学影像分析	阿尔茨海默病	神经影像分析	自编码器	神经影像数据	ADNI数据集（具体数量未明确说明）	NA	自编码器网络	分类准确率（CN、MCI、AD分类；稳定MCI与转化MCI分类；淀粉样蛋白状态分类）	NA
10	2025-12-06	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	本研究前瞻性比较了深度学习重建的快速HASTE序列与传统HASTE序列在上腹部3T MRI中的图像质量、诊断性能和效率	首次将深度学习重建技术应用于上腹部MRI的HASTE序列，实现了图像质量提升的同时显著减少了扫描时间和能耗	研究为单中心前瞻性研究，样本量相对有限（166例），且仅比较了两种序列，未涉及其他MRI序列或更广泛的病理类型	评估深度学习重建的快速HASTE序列在上腹部MRI中的图像质量、诊断性能及效率优势	上腹部MRI扫描的患者	医学影像分析	NA	3T MRI, T2-weighted HASTE序列	深度学习模型	MRI图像	166名患者（年龄60±14岁）	NA	NA	图像质量评分, 信噪比, 对比噪声比, 放射组学特征, 扫描时间, 能耗	NA
11	2025-12-06	Sensitive detection of structural dynamics using a statistical framework for comparative crystallography 2025-Dec-05, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adj2921 PMID:41337576	研究论文	本文提出了一种基于统计框架和深度学习的方法，用于提高X射线晶体学中结构动态变化的检测灵敏度	通过引入基于晶体学理论的多变量结构化先验，结合变分深度学习框架Careless，显著提升了蛋白质动态、元素特异性异常信号及药物候选物结合的检测能力	方法主要针对X射线晶体学数据，可能对其他结构测定方法的适用性有限	开发一种更强大的统计框架，用于比较晶体学数据集，以检测蛋白质的化学和构象变化	蛋白质结构动态变化、元素特异性异常信号、药物候选物结合	机器学习	NA	X射线晶体学	深度学习	晶体学数据集（结构因子）	NA	Careless（变分深度学习框架）	NA	NA	NA
12	2025-12-06	Multiparametric MRI deep learning model based on dynamic Contrast-enhanced and apparent diffusion coefficient map enables accurate prediction of benign and malignant breast lesions 2025-Dec-05, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00970-1 PMID:41345985	研究论文	本研究开发了一种基于动态对比增强磁共振成像和表观扩散系数图的多参数深度学习模型，用于准确区分乳腺良恶性病变	首次将DCE-MRI和ADC图结合构建深度学习模型，用于乳腺病变的良恶性鉴别，并证明其性能优于单一参数模型及初级放射科医生	研究为回顾性设计，样本量有限，且来自单一中心，未来需要在前瞻性、多中心、多扫描仪和跨国队列中进行验证	开发一个基于多参数MRI的深度学习模型，以区分乳腺良恶性病变，并评估其辅助临床决策的潜力	乳腺病变（包括良性和恶性）	数字病理	乳腺癌	动态对比增强磁共振成像，表观扩散系数图	深度学习模型	医学影像（MRI图像）	训练/验证集包含509名患者的556个病灶（307个恶性，249个良性）；独立测试集包含225名患者的243个病灶	NA	NA	AUC，准确率，灵敏度，特异性	NA
13	2025-12-06	Potential radiation dose reduction in computed tomography with deep learning reconstruction: a retrospective monocentric study 2025-12-05, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.253513 PMID:41346133	研究论文	本研究评估了深度学习重建算法在常规临床CT扫描中相比迭代重建算法，能否在维持或提升图像质量的同时降低辐射剂量	首次在单中心、大规模回顾性研究中，系统评估了深度学习重建算法在四种不同CT协议（胸部、头部、胸腹盆肿瘤学、下肢CTA）中降低辐射剂量的一致性和有效性，证实了其广泛的临床应用潜力	研究为回顾性、单中心设计，可能存在选择偏倚，且图像质量评估仅基于子样本（200名患者）	评估深度学习重建算法在降低CT扫描辐射剂量方面的有效性和一致性	接受CT扫描的患者	医学影像	NA	计算机断层扫描	深度学习重建算法	CT图像	总人群13,060名患者，图像质量评估子样本200名患者（每组每个协议25名）	NA	NA	主观图像质量评估，标准化信噪比，对比噪声比	NA
14	2025-12-06	Digital profile of children's hearts: automated echocardiogram strain analysis facilitates earlier detection of cardiac dysfunction 2025-Dec-05, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehaf952 PMID:41347951	研究论文	本文提出了一种名为Motion-Echo的半监督深度学习框架，用于自动化超声心动图应变分析，旨在提高儿童心脏功能障碍的早期检测能力	开发了一个大规模、供应商无关的半监督深度学习框架，整合了上下文补偿和运动估计模块，适用于不同图像质量和人群的超声心动图应变分析	NA	通过标准化和自动化超声心动图应变分析，提高儿童心脏功能评估的准确性并实现心脏功能障碍的早期检测	儿童和成人的超声心动图数据	数字病理学	心血管疾病	超声心动图	深度学习	图像	11096例儿童和11297例成人超声心动图	NA	Motion-Echo	平均绝对误差, Pearson相关系数, AUC	NA
15	2025-12-06	Attention-Guided Deep Learning of Chemical Exchange Saturation Transfer Magnetic Resonance Imaging to Differentiate Between Tumor Progression and Radiation Necrosis in Brain Metastasis 2025-Dec-05, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.10.040 PMID:41348074	研究论文	本研究开发了一种基于注意力引导深度学习的化学交换饱和转移磁共振成像方法，用于区分脑转移瘤中的肿瘤进展与放射性坏死	提出了一种结合新型注意力机制的三维Transformer模型，并首次将多模态化学交换饱和转移MRI与T1/T2映射及常规结构MRI结合用于该诊断任务	样本量相对有限（93例患者，230个病灶），且需依赖组织病理学或长期随访影像确认结果，可能引入选择偏倚	解决脑转移瘤立体定向放射外科治疗后放射性坏死与肿瘤进展的鉴别诊断难题	接受立体定向放射外科治疗的脑转移瘤患者（共93例，包含230个病灶）	数字病理学	脑转移瘤	化学交换饱和转移磁共振成像，T1/T2映射，常规结构MRI	Transformer	磁共振图像	93例患者（230个病灶），其中训练集47例患者（184个病灶），独立测试集46例患者（46个病灶）	NA	三维Transformer模型	AUC（受试者工作特征曲线下面积）	NA
16	2025-12-06	Boosting brain tumor detection with an optimized ResNet and explainability via Grad-CAM and LIME 2025-Dec-05, Brain informatics DOI:10.1186/s40708-025-00279-6 PMID:41348154	研究论文	本研究通过优化ResNet架构并集成可解释性技术（Grad-CAM和LIME），提升脑肿瘤检测的准确性和模型可解释性	结合动态学习率调整、架构增强（如解冻层、集成不同模块、池化和Dropout层）与可解释性AI技术，以同时提升CNN模型的性能、泛化能力和临床可解释性	研究仅基于三个公开的多类肿瘤数据集，未在更大规模或更临床多样化的数据上进行验证	提高CNN在脑肿瘤检测中的准确性、泛化能力和可解释性，以促进临床采纳	脑肿瘤的MRI医学影像	计算机视觉	脑肿瘤	MRI	CNN	图像	三个公开的多类脑肿瘤数据集	NA	ResNet	准确率	NA
17	2025-12-06	Low-dose CBCT image reconstruction: a review 2025-Dec-05, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-025-02492-y PMID:41348234	综述	本文深入分析了低剂量锥束计算机断层扫描（CBCT）图像重建领域的最新研究进展	系统性地综述了低剂量CBCT图像重建中解析重建算法、迭代重建算法和深度学习方法的进展、特点与应用，并指出了当前技术的挑战与未来方向	作为一篇综述，其本身不包含原创性实验或新模型验证，主要基于现有文献进行分析	旨在通过综述低剂量CBCT图像重建技术，推动该领域发展，在降低患者辐射风险的同时保持图像质量	低剂量CBCT图像重建的相关算法与方法	医学影像处理	NA	锥束计算机断层扫描（CBCT）	NA	CBCT图像	NA	NA	NA	NA	NA
18	2025-12-06	Radiological Image and Text-Based Medical Concept Detection in Social Networks Using Hybrid Deep Learning 2025-Dec-05, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02311-y PMID:41348245	研究论文	本研究利用混合深度学习模型，从社交媒体中的放射学图像及其相关评论中自动检测和分类医学概念	首次将深度学习模型应用于从社交媒体收集的放射学数据，进行多标签医学概念分类	未提及具体的数据偏差或模型泛化能力限制	通过自动分配相关医学概念，对社交媒体上的放射学图像进行多标签分类	社交媒体上的放射学图像及其相关评论	计算机视觉	NA	深度学习	CNN, 前馈神经网络	图像, 文本	使用ImageCLEF 2019数据集和自定义数据集Rdpd_Test_Ds	NA	VGG-19, DenseNet-121, ResNet-101, Xception, Efficient-B7	精确率, 召回率, F1分数	NA
19	2025-12-06	Bioinformatics and artificial intelligence in genomic data analysis: current advances and future directions 2025-Dec-05, Molecular genetics and genomics : MGG IF:2.3Q3 DOI:10.1007/s00438-025-02314-x PMID:41348251	综述	本文全面综述了人工智能（特别是机器学习和深度学习）在基因组数据分析中的应用、当前进展与未来方向	系统整合了AI在基因组分析全流程（从变异检测到多组学整合和个性化医疗）的应用，并批判性评估了可解释AI和联邦学习等新兴技术	面临数据标准化、计算成本高、算法可解释性不足以及隐私和算法偏见等伦理挑战	探讨人工智能如何变革基因组数据分析，并解决传统生物信息学方法的关键局限	2010年至2024年间发表的同行评审研究，涵盖PubMed、Scopus和Google Scholar数据库	生物信息学, 机器学习	NA	下一代测序	机器学习, 深度学习	基因组数据	NA	NA	NA	准确性	NA
20	2025-12-06	Can CTA-Based Machine Learning Identify Patients for Whom Successful Endovascular Stroke Therapy Is Insufficient? 2025-Dec-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8885 PMID:40533350	研究论文	本研究评估了一种基于CTA的机器学习方法，用于预测大血管闭塞急性缺血性卒中患者在接受成功血管内治疗后，即使最终梗死体积较小，仍可能出现不良功能结局的情况	首次利用预处理CTA图像，通过深度学习模型预测成功血管内治疗后功能结局不佳的患者，相比仅使用临床变量的模型，表现出显著更好的预测性能	样本量较小（仅48例用于微调和交叉验证），且为多中心前瞻性注册队列研究，可能存在选择偏倚	识别血管内卒中治疗后功能结局不佳的患者，以指导额外干预措施	大血管闭塞急性缺血性卒中患者，接受成功血管内治疗且最终梗死体积小于30毫升	数字病理学	心血管疾病	CTA	深度学习	图像	预训练1542例，微调和交叉验证48例	NA	DeepsymNet-v3, DSN-CTA	AUROC	NA