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	2025-12-05	Golay-Net: Deep learning-based Golay coded excitation for ultrasound imaging 2026-Mar, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107881 PMID:41176826	研究论文	本文提出了一种基于深度学习的Golay编码激励方法，用于提升超声成像的信噪比和成像深度，同时保持帧率不变	开发了Golay-Net，一种基于1-D U-Net的深度学习框架，能够从Code A的回波信号中合成Code B的回波信号，从而避免了传统Golay编码激励需要两次传输导致的帧率降低问题	未在摘要中明确提及具体限制，可能包括模型泛化能力、计算复杂度或对特定成像条件的依赖性	提高超声成像的信噪比和成像深度，同时不牺牲帧率	超声成像中的Golay编码激励技术	医学影像处理	NA	Golay编码激励	深度学习	超声回波信号	NA	NA	1-D U-Net	信噪比, 成像深度, 帧率	NA
2	2025-12-05	End-to-end design of multi-functional acoustic holograms via heterogeneous physics constraints 2026-Mar, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107879 PMID:41192313	研究论文	本文提出了一种端到端异质物理约束深度学习框架，用于设计多功能声学全息图，以解决传统相位设计方法在理论预测与物理实现间的性能差距	引入了首个端到端异质物理约束深度学习框架，直接设计物理全息图结构，同时考虑全息图内部复杂声学特性和波在复杂介质（如颅骨）中的传播，显著提高了声场模式的保真度	研究主要作为概念验证展示，在更具挑战性的生物医学应用中的大规模验证和临床转化仍需进一步探索	开发一种能够设计物理上可实现、多功能声学全息图的新方法，以用于非侵入性治疗和接触式操控等生物医学应用	声学全息图及其产生的声场	机器学习	NA	声学全息技术	深度学习	物理模拟数据	NA	NA	NA	峰值信噪比, 相关性保真度	NA
3	2025-12-05	High-precision wavefield simulation and deep learning-based sound speed reconstruction for transcranial ultrasound imaging 2026-Mar, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107860 PMID:41129992	研究论文	本研究提出了一种结合高精度波场模拟与深度学习反演的经颅声速局部重建框架，旨在提升经颅超声成像质量	开发了定制波场模拟算法生成训练数据集，并提出了集成波前注意力模块（WAM）和梯度正则化损失函数的WAM-Net网络，以精确重建颅骨声速	NA	通过准确重建颅骨声速，实现有效的相位校正，从而提升经颅超声成像质量	颅骨声速分布	医学影像处理	脑部疾病	超声成像	深度学习	模拟波场数据	数值模拟、仿体实验（AlO和PMMA仿体）及食蟹猴活体实验	NA	WAM-Net	平均绝对误差（MAE）	NA
4	2025-12-05	Laser spectral enhancement and analysis based on blind-spot networks and Kolmogorov-Arnold networks 2026-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.128806 PMID:40934630	研究论文	本文提出了一种结合盲点网络和Kolmogorov-Arnold网络的自监督深度学习框架，用于增强激光诱导击穿光谱的分析性能	提出了一种无需干净参考数据的自监督光谱去噪网络（BSSDN），并首次将Kolmogorov-Arnold网络（KANs）架构应用于LIBS定量分析，通过自适应样条基函数和局部加权改进了传统多层感知机的局限性	研究仅在六种认证不锈钢参考材料上进行了验证，样本类型和数量有限，未在其他材料或更复杂基体中进行广泛测试	解决激光诱导击穿光谱技术中光谱噪声干扰和定量分析精度有限的问题，提升LIBS的分析性能	激光诱导击穿光谱数据，特别是来自六种认证不锈钢参考材料（JZG201-JZG206B）的光谱	机器学习	NA	激光诱导击穿光谱	盲点网络, Kolmogorov-Arnold网络	光谱数据	六种认证不锈钢参考材料（36 × 36 mm固体块）	NA	盲点光谱去噪网络, Kolmogorov-Arnold网络	平均光谱相对标准偏差, 特征峰保留率, 强度保真度, 决定系数, 预测均方根误差	NA
5	2025-12-05	ResFusionNet-TSMT: A residual network for pesticide detection using surface-enhanced Raman spectroscopy 2026-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.128852 PMID:40972279	研究论文	本文提出了一种名为ResFusionNet-TSMT的新型深度学习框架，用于基于表面增强拉曼光谱同时进行农药分类和浓度定量检测	该模型创新性地将残差网络的局部特征提取能力与Transformer的全局依赖建模相结合，采用双流架构处理原始和多尺度光谱输入，引入注意力池化机制聚焦判别性峰值，并利用Transformer编码器进行鲁棒特征融合，同时通过新颖的类别注意力机制优化分类与回归任务的联合学习	NA	提高农药检测的准确性，解决光谱干扰和信号变异性问题	农药	机器学习	NA	表面增强拉曼散射	CNN, Transformer	光谱	NA	NA	ResNet, Transformer	准确率, F1分数, 平均绝对误差, 相关系数R	NA
6	2025-12-05	Metabolic profiling of Yangxinshi tablet based on time-staggered ion list dynamic detection integrated with metabolic molecular network 2026-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.128910 PMID:41016099	研究论文	本文开发了一种基于时间交错离子列表动态检测与代谢分子网络整合的综合分析策略，用于系统表征大鼠口服养心氏片后的体内代谢谱	创新性地建立了BS-VPMDF-tsPIL-AE数据采集模式，结合代谢分子网络和深度学习辅助的质量缺陷过滤智能分类，有效提升了低丰度药物衍生成分的检测能力	研究仅在大鼠血浆和尿液中进行，未涉及其他组织或物种，且部分原型成分仅通过标准品对比初步鉴定，需进一步验证	系统表征养心氏片在大鼠体内的代谢产物，以推进中药药效物质基础研究	大鼠口服养心氏片后的血浆和尿液样本	代谢组学	NA	质谱分析，代谢分子网络，深度学习辅助质量缺陷过滤	深度学习	质谱数据	大鼠血浆和尿液样本，具体数量未明确说明	R编程，Python	NA	NA	NA
7	2025-12-05	Study on discrimination of Glycyrrhizae Radix et Rhizoma (Licorice) varieties and origin traceability based on composite feature reconstruction combined with HLOA-CNN algorithm 2026-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.128821 PMID:40946482	研究论文	本研究提出了一种基于复合特征重构与HLOA-CNN算法的甘草品种鉴别与产地溯源方法	整合多源表型和化学特征，并采用角蜥蜴优化算法（HLOA）优化CNN超参数，构建了HLOA-CNN分类模型，实现了对甘草品种和产地的精确识别	未明确提及模型在其他数据集或实际应用场景中的泛化能力测试	开发一种准确鉴别甘草品种和追溯其产地的智能方法，以保障功能性食品的真实性	甘草（Glycyrrhizae Radix et Rhizoma）样本	机器学习	NA	多源特征提取（RGB颜色、可见光谱、Tamura纹理）、化学成分测量、主成分分析（PCA）、偏最小二乘判别分析（PLS-DA）	CNN	多源特征数据（表型特征、化学特征）	未明确说明具体样本数量，但提及收集了甘草样本并构建了多源特征数据集	NA	CNN（具体架构未指定，但由HLOA优化超参数）	准确率	NA
8	2025-12-05	Deep-learning-driven spectral image analysis for intelligent monitoring of multiple pesticides and antibiotics 2026-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.128942 PMID:41052491	研究论文	本研究提出了一种基于深度学习的谱图像分析方法，用于智能监测农业水体中的多种农药和抗生素	采用微调的ResNet-50深度学习模型，通过建立光谱特征与参考浓度之间的映射，实现了对未知污染物浓度的有效预测，为农药和抗生素的快速识别提供了新视角	在3.8-10 μg/L浓度范围内，自然水样的异常预测频率有所增加，尽管整体准确率仍相对较高	开发一种快速、同时检测多种农药和抗生素的智能监测方法，以应对环境污染物带来的健康风险	农业水体中的农药（草甘膦、苯达松）和抗生素（苄青霉素钾、盐酸四环素）	计算机视觉	NA	光谱分析	CNN	光谱图像	6100个样本，包含草甘膦、苯达松、苄青霉素钾和盐酸四环素，浓度范围为3.8-550 μg/L	NA	ResNet-50	决定系数, 可靠预测率, 检测限	NA
9	2025-12-05	Swin-EffuseNet: A dual-stream attention-based model combining Swin transformer V2 and EfficientNet-BO for bone fracture classification 2026-Feb, Journal of orthopaedics IF:1.5Q3 DOI:10.1016/j.jor.2025.10.016 PMID:41340716	研究论文	提出了一种名为Swin-EffuseNet的双流深度学习模型，用于X射线图像中的骨折分类	通过注意力机制融合Swin Transformer V2和EfficientNet-B0，结合全局语义特征与细粒度局部纹理，提升骨折分类性能	未明确提及模型在更广泛数据集或临床环境中的泛化能力限制	开发一个准确、高效且可解释的智能骨折分类模型，以支持诊断工作流程	X射线图像中的骨折分类，包括无骨折、发丝状骨折、简单骨折和复杂骨折四类	计算机视觉	骨折	深度学习	Transformer, CNN	图像	4370张X射线图像，来自两个公开数据集	NA	Swin Transformer V2, EfficientNet-B0	准确率, 精确率, 召回率, F1分数, ROC-AUC, 对数损失	NA
10	2025-12-05	REST: Holistic Learning for End-to-End Semantic Segmentation of Whole-Scene Remote Sensing Imagery 2026-Jan, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3609767 PMID:40938720	研究论文	本文提出了一种名为REST的端到端框架，用于实现全场景遥感影像的整体语义分割	首次提出了一种真正端到端的框架，通过新颖的空间并行交互机制（SPIM）克服GPU内存限制，实现全场景遥感影像的整体分割，无需依赖裁剪或融合等次优策略	NA	解决全场景遥感影像（WRI）的整体语义分割问题，克服GPU内存限制	全场景遥感影像（WRI），包括多光谱、高光谱影像，以及卫星和无人机平台获取的数据	计算机视觉	NA	NA	NA	图像	NA	NA	NA	NA	GPU
11	2025-12-05	Robust Brain Extraction Tool for Nonenhanced CT and CT Angiography: CTA-BET 2026-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.240847 PMID:41147859	研究论文	开发并评估了一种基于深度学习的脑提取模型CTA-BET，用于CT血管造影和非增强CT图像的精确脑部分割	提出了一种专门针对CTA和NCCT图像的鲁棒脑提取工具，在两种模态上均优于现有基准工具	研究为回顾性研究，训练数据来自多机构但样本量有限（CTA训练100例），未在更广泛的外部数据集上进行前瞻性验证	开发一种适用于CT血管造影和非增强CT图像的准确脑提取工具，以增强临床和研究中的自动化成像分析	CT血管造影图像和非增强CT图像中的脑组织	数字病理学	NA	CT血管造影，非增强CT	CNN	3D医学图像	训练集：100例CTA患者（多机构）；验证集：50例外部CTA患者；NCCT验证：132例患者（CQ500公开数据集）	NA	NA	Dice分数，Hausdorff距离，分数归一化直方图	NA
12	2025-12-05	Adnexal Lesion Discrimination Using Deep Learning Analysis of Dynamic Contrast-enhanced US Images 2026-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.240786 PMID:41190943	研究论文	本研究开发了一种基于动态对比增强超声图像的多模态深度学习模型（OCNet），用于分类附件病变	开发了首个结合动态对比增强超声图像的多模态深度学习模型（OCNet），用于附件病变分类，其性能超越了现有的O-RADS US和ADNEX模型，并能提升初级放射科医生的诊断能力	研究为回顾性设计，样本量相对有限（395例），且仅在中国14家医院进行，可能存在选择偏倚	开发并验证一种深度学习模型，以提高附件病变（尤其是良恶性鉴别）的诊断准确性	经病理证实的附件病变患者，包括良性和恶性病变	数字病理	卵巢癌	动态对比增强超声	深度学习模型	图像	395名女性患者（252例良性，143例恶性），分为训练集（275例）、内部测试集（57例）和外部测试集（63例）	NA	OCNet	AUC, 特异性	NA
13	2025-12-05	Unsupervised Gaze Representation Learning by Switching Features 2026-Jan, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3600680 PMID:40828694	研究论文	提出一种无监督学习框架，通过切换特征来分离注视相关和注视无关信息，以改进3D注视估计	通过编码图像对并切换部分潜在特征来提取共享信息，从而区分注视相关和注视无关信息	未明确说明框架在极端光照或遮挡条件下的鲁棒性	开发无监督学习框架以提升3D注视估计的准确性	眼睛图像和面部图像	计算机视觉	NA	无监督学习	编码器-解码器	图像	NA	NA	Cross-Encoder, Cross-Encoder++	NA	NA
14	2025-12-05	GAN-Based Domain Adaptation for Image-Aware Layout Generation in Advertising Poster Design 2026-Jan, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3602846 PMID:40857181	研究论文	本文提出了一种基于GAN的域适应方法，用于在广告海报设计中生成图像感知的布局	引入了内容感知图形布局数据集（CGL-Dataset），并设计了两种GAN模型（CGL-GAN和PDA-GAN），其中PDA-GAN结合了无监督域适应和像素级判别器，以生成基于输入图像视觉纹理的图像感知布局	未明确说明模型在更广泛设计风格或不同产品类型上的泛化能力	研究基于深度学习的图像感知布局生成，以提升广告海报设计的自动化水平	广告海报的图形布局	计算机视觉	NA	GAN, 无监督域适应	GAN	图像	60,548对修复后的海报标注和121,000张干净产品图像	NA	CGL-GAN, PDA-GAN	准确性, 精确度, 召回率, F1分数, AUC	NA
15	2025-12-05	An End-to-End Depth-Based Pipeline for Selfie Image Rectification 2026-Jan, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3604574 PMID:40889307	研究论文	提出一种基于深度学习的端到端自拍图像校正流程，通过预测面部深度、调整相机参数和修复缺失像素来减轻透视畸变	采用端到端训练框架，一次性处理全帧图像无需人脸裁剪，结合可微分渲染器优化深度估计，并引入辅助模块预测相机水平移动以减少修复区域	依赖合成数据集进行训练，在真实场景中的泛化能力未充分验证	开发自拍图像透视畸变校正技术	自拍图像中的人脸及身体区域	计算机视觉	NA	深度学习，合成数据生成	CNN	图像	使用虚幻引擎生成的大规模合成人脸数据集，包含多样化的主体、姿态、表情、配饰和光照条件	未明确说明	未明确说明	定量评估与定性比较	未明确说明
16	2025-12-05	Rethinking Adnexal Mass Diagnosis with Dynamic Contrast-enhanced US and Deep Learning 2026-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.250977 PMID:41335002	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
17	2025-12-05	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（AD）的异质性进展模式	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，而非传统单轴模型，以更好地捕捉AD的复杂性和异质性；并引入纵向对比损失进行自监督学习，无需显式标签即可分离疾病轨迹	未明确说明模型在其他神经退行性疾病或不同数据集上的泛化能力；也未详细讨论多轴数量选择的依据或优化方法	准确建模阿尔茨海默病的异质性进展，区分正常衰老与疾病特异性变化，并分离不同的疾病轨迹	阿尔茨海默病（AD）患者、轻度认知障碍（MCI）患者和认知正常（CN）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，深度学习解耦技术	自编码器（Autoencoder），对比学习	神经影像数据（表面形态数据）	阿尔茨海默病神经影像倡议（ADNI）数据集（具体数量未在摘要中说明）	NA	自编码器网络	分类性能（用于区分CN、MCI、AD，稳定MCI与转化MCI，以及淀粉样蛋白状态）	NA
18	2025-12-05	Artificial Intelligence in Ocular Oncology: Differentiating Choroidal Melanocytic Lesions 2026-Jan, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100948 PMID:41341795	综述	本文探讨了人工智能在眼肿瘤学中区分脉络膜黑色素细胞病变（特别是脉络膜痣和小型黑色素瘤）的应用	利用深度学习技术分析高维医学图像，自动分类眼科数据，识别临床医生可能难以察觉的细微模式和特征	需要解决监管和实施方面的挑战，以充分发挥其益处	提高脉络膜黑色素细胞病变的诊断准确性，以改善患者管理和预后	脉络膜黑色素细胞病变，特别是脉络膜痣和小型黑色素瘤	计算机视觉	眼肿瘤	深度学习	人工神经网络	医学图像	NA	NA	NA	诊断准确性	NA
19	2025-12-05	Directed Vectors for Generation of Independent Subspaces in the Bio-inpired Networks 2025-Dec-15, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500790 PMID:41293813	研究论文	本文提出了一种基于生物视网膜网络的不对称网络，用于解释网络功能并生成独立子空间	通过计算模拟展示了分层不对称网络中生成方向性运动向量，这些向量能创建独立子空间，从而促进感官信息向高效特征提取、分类和学习的传输	NA	解释复杂深度神经网络的结构和功能，并探索生物启发网络在特征提取和分类中的应用	生物视网膜网络和不对称神经网络	机器学习	NA	NA	神经网络	NA	NA	NA	不对称网络	分类性能	NA
20	2025-12-05	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变分深度学习的方法Careless，用于增强X射线晶体学中结构动力学的敏感检测	引入了源自晶体学理论的多变量结构化先验，结合变分深度学习框架，显著提高了蛋白质动态、元素特异性异常信号及药物候选物结合的检测能力	未明确说明方法在其他结构测定方法中的普适性验证细节	开发一种更强大的比较晶体学方法，以敏感检测蛋白质的结构动态和化学变化	蛋白质的化学和构象变化，包括结构动力学、元素特异性异常信号和药物候选物结合	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	变分深度学习框架	Careless	检测灵敏度	NA