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
821	2025-12-25	Ratio Quantification of Geranium and Rose Essential Oil Mixtures via Deep Learning Analysis of Complex Raman Spectra 2025-Dec-17, ACS measurement science au IF:4.6Q1 DOI:10.1021/acsmeasuresciau.5c00088 PMID:41425308	研究论文	本研究开发了一种基于深度学习的通道注意力残差特征提取网络（CARFENet），用于通过拉曼光谱分析天竺葵和玫瑰精油混合物的比例定量	提出了CARFENet模型，该模型采用光谱捕获和光谱分离模块，能够将混合精油光谱解构为其纯组分，实现了对混合拉曼光谱中纯精油成分的有效定量分析	研究仅针对天竺葵和玫瑰精油两种特定精油混合物，未验证模型在其他精油种类或更复杂混合物中的泛化能力	开发一种基于深度学习的方法，用于精油混合物的比例定量和质量控制，以应对精油掺假问题	天竺葵精油、玫瑰精油及其混合物	机器学习	NA	拉曼光谱	CNN, 通道注意力残差特征提取网络	光谱数据	2700个拉曼光谱（包括900个玫瑰精油、900个天竺葵精油和900个混合物）	NA	CARFENet	相似性指数	NA
822	2025-12-25	Template-guided reconstruction of pulmonary segments with neural implicit functions 2025-Dec-16, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103916 PMID:41435447	研究论文	提出一种基于神经隐式函数的方法，通过变形可学习模板来重建解剖感知的精确肺段三维模型	采用神经隐式函数进行连续表示，通过变形可学习模板实现高分辨率肺段重建，并引入了两个临床相关的评估指标，同时构建了首个公开的肺段形状数据集Lung3D	未明确说明方法在极端解剖变异或病理条件下的泛化能力	实现高质量的三维肺段重建，以支持肺段切除术和肺癌治疗的手术规划	肺段及其相关解剖结构（气道、动脉、静脉、段间静脉）	计算机视觉	肺癌	NA	神经隐式函数	三维模型	800个标注的肺段三维模型及其对应的气道、动脉、静脉和段间静脉	NA	NA	两个临床相关评估指标（具体名称未在摘要中说明）	NA
823	2025-12-25	Adversarial incomplete multi-view clustering with adaptive contrastive learning 2025-Dec-16, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108484 PMID:41435732	研究论文	本文提出了一种结合自适应对比学习和对抗学习网络的不完整多视图聚类方法ACLN，以解决多视图数据中视图缺失和特征质量依赖问题	通过自适应对比学习模块动态调整参数以提取共享信息并保留互补特征，同时结合生成对抗网络提升潜在特征表示质量	未明确说明方法在极端数据缺失情况下的鲁棒性，也未讨论计算复杂度或对大规模数据集的扩展性	解决不完整多视图数据的聚类问题，优化不同视图间的贡献平衡并减少对特定视图特征质量的依赖	不完整多视图数据	机器学习	NA	自适应对比学习，对抗学习	GAN	多视图数据	六个多视图数据集	NA	生成对抗网络	聚类性能指标	NA
824	2025-12-25	Deep learning-based tooth segmentation for enhanced visualization of dental anomalies and pathologies 2025-Dec-06, Annals of anatomy = Anatomischer Anzeiger : official organ of the Anatomische Gesellschaft DOI:10.1016/j.aanat.2025.152771 PMID:41360207	研究论文	本研究开发并验证了一种基于深度学习的CBCT牙齿实例分割方法，用于增强牙齿异常和病理的可视化	提出了一种加速标注流程，通过专家标注部分图像辅助模型自动标注剩余图像，实现高效实例级牙齿分割	研究仅基于470个扫描数据训练，可能未覆盖所有牙齿异常类型，且未在更大规模外部数据集中验证	开发自动化牙齿分割工具以提升牙科异常检测效率和可视化效果	CBCT扫描图像中的牙齿实例分割	计算机视觉	牙科疾病	CBCT成像	深度学习模型	医学图像（CBCT扫描）	470个训练扫描，60个测试扫描	NA	NA	Jaccard指数，平均相对体积差异	NA
825	2025-12-25	Frontalis Only Contracts in One Direction: AI-Quantum Elasticity and Resistance Gradient Reveals True Nature of Forehead Muscle Movement 2025-Dec, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-04924-7 PMID:40425886	研究论文	本研究通过引入量子弹性与阻力梯度模型，结合人工智能模拟，揭示了额肌收缩是单向的，皮肤褶皱源于弹性阻力而非双向力	提出了量子弹性与阻力梯度模型来解释额肌收缩时的皮肤动力学，并使用AI驱动的生物力学模型进行验证，挑战了传统的双向收缩理论	研究证据等级为III级，样本量虽多样但可能仍存在局限性，模型基于特定人群数据，普适性需进一步验证	探究额肌收缩的生物力学机制及其与皮肤的相互作用，特别是验证收缩的单向性	额肌收缩过程中的皮肤变形与肌肉力量	生物力学与人工智能交叉领域	NA	3D面部扫描、有限元分析	随机森林、深度神经网络	3D面部扫描图像	600名不同种族、性别和年龄的受试者	TensorFlow, PyTorch	深度神经网络	R2	NA
826	2025-12-25	Supervised versus unsupervised GAN for pseudo-CT synthesis in brain MR-guided radiotherapy 2025-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01606-1 PMID:40694229	研究论文	本研究比较了监督式（Pix2Pix）与无监督式（CycleGAN）深度学习模型在从T1和T2加权MR序列生成伪CT图像方面的性能	首次系统比较监督式Pix2Pix与无监督式CycleGAN在脑部MR引导放疗中伪CT合成的效果，并进行了剂量学评估验证临床可行性	研究仅基于3270个配对图像，未涉及更大规模或多中心数据验证；未探讨其他先进生成模型如扩散模型的表现	评估不同深度学习模型在MR-to-CT图像合成中的性能，为MR-only放疗计划提供技术支持	脑肿瘤患者的T1和T2加权MRI图像及对应CT图像	医学影像分析	脑肿瘤	MRI, CT	GAN	图像	3270个配对的T1和T2加权MRI与CT图像	TensorFlow, PyTorch	Pix2Pix, CycleGAN	SSIM, PSNR, MAE	NA
827	2025-12-25	Impact of artificial intelligence assistance on bone scintigraphy diagnosis 2025-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01621-2 PMID:40760395	研究论文	本研究旨在评估和改进深度学习模型MaligNet在辅助核医学医师解读骨扫描图像中的诊断性能	通过重新训练MaligNet模型，显著提升了其在骨病变检测中的性能，并首次系统评估了AI辅助对核医学医师诊断效率和准确性的影响，特别是使初级医师达到与高级医师相当的诊断水平	研究样本量相对有限（553例患者），且未涉及外部验证集来评估模型的泛化能力	提高骨闪烁扫描中骨病变的检测和分类准确性，并评估AI辅助对临床诊断的影响	553例患者的骨闪烁扫描图像，包括训练、验证和测试集	数字病理学	骨病变	骨闪烁扫描	深度学习模型	图像	553例患者，分为训练集353例、验证集100例和测试集100例	NA	MaligNet	精度-召回曲线下面积, 受试者工作特征曲线下面积, 准确率, 灵敏度, 特异性, 精确率	NA
828	2025-12-25	Enhanced detection of ovarian cancer using AI-optimized 3D CNNs for PET/CT scan analysis 2025-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01615-0 PMID:40760396	研究论文	本研究探讨了深度学习如何通过优化3D CNN模型（OCDA-Net）来增强卵巢癌的诊断和分期，利用PET/CT扫描图像数据集进行性能比较	提出了一种基于ResNet架构增强的OCDA-Net模型，专门针对[F]FDG PET图像分析设计，在卵巢癌诊断和分期任务中超越了六种传统CNN架构	数据集规模有限，未来需要扩展数据集、增强模型可解释性，并在临床环境中进一步验证	提升卵巢癌的诊断准确性和分期效果	卵巢癌患者	计算机视觉	卵巢癌	PET/CT扫描	CNN	图像	未明确指定具体样本数量，但数据集按80%训练、10%验证、10%测试随机分割	未明确指定	ResNet, DenseNet, GoogLeNet, U-Net, VGG, AlexNet, OCDA-Net	准确率, 精确率, 召回率, F-measure	未明确指定
829	2025-12-25	Clinical evaluation of motion robust reconstruction using deep learning in lung CT 2025-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01633-y PMID:40928606	研究论文	本研究旨在定量评估一种基于深度学习的运动校正重建方法CLEAR Motion在肺部CT成像中的临床实用性	开发并评估了首个结合深度学习与运动校正技术的重建方法CLEAR Motion，用于减少肺部CT中的运动伪影	研究样本量相对较小（129例），且未详细探讨方法对不同病理状况的适用性	定量评估深度学习运动校正重建方法在肺部CT中的临床效果	肺部CT图像	医学影像分析	肺部疾病	CT成像	深度学习	医学图像	129例肺部CT扫描	NA	NA	拉普拉斯方差, 峰值信噪比	NA
830	2025-12-25	3D CoAt U SegNet-enhanced deep learning framework for accurate segmentation of acute ischemic stroke lesions from non-contrast CT scans 2025-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01626-x PMID:40986248	研究论文	本文提出了一种名为CoAt U SegNet的新型深度学习模型，用于从非对比CT扫描中准确分割急性缺血性卒中病灶	提出了一种先进的3D深度学习模型CoAt U SegNet，通过引入扩张率为1、3、5的编码器卷积块来有效捕获多尺度特征，并采用增强相似性指数来优化病灶分割，以区分半暗带与核心梗死区域	训练数据量相对较小（仅50个NCCT扫描用于训练），且未与其他最先进的3D分割模型进行广泛的性能比较	开发一种计算机辅助检测和分割工具，以支持临床医生进行卒中诊断	急性缺血性卒中病灶	数字病理学	心血管疾病	非对比CT扫描	深度学习	3D医学图像	训练集50个NCCT扫描，验证集10个，测试集500个	NA	CoAt U SegNet	Dice相似系数, Jaccard指数	NA
831	2025-12-25	Intelligent multimodal sensor fusion for early knee disorder detection and injury prevention using prosthetic gait control 2025-Dec, International journal of injury control and safety promotion IF:2.3Q2 DOI:10.1080/17457300.2025.2572095 PMID:41175030	研究论文	本研究提出了一种结合非侵入式筛查与自适应假肢控制的两阶段集成框架，用于膝关节疾病的早期检测和损伤预防	提出了新颖的时频特征（增强平均绝对值/增强波长）用于异常检测，并利用多模态传感器融合实现实时健康自适应假肢控制，动态调整相位转换时间、肌电阈值和电机增益	研究在基于LabVIEW的控制环境中进行验证，尚未在真实临床环境中大规模应用	开发一种用于膝关节疾病早期检测和自适应假肢控制的智能多模态传感器融合系统	膝关节疾病患者和假肢使用者	机器学习	肌肉骨骼疾病	多模态传感器融合（EMG, FSR, IMU）	Extra Trees, XGBoost	传感器信号（肌电信号、力敏电阻信号、惯性测量单元数据）	未明确说明样本数量，但使用了10折交叉验证	未明确说明	Extra Trees, XGBoost	准确率, SHAP分析, 95%置信区间, Friedman/Nemenyi统计检验	未明确说明
832	2025-12-25	Skin Lesion Classification Using Focal Modulation Networks 2025-Dec, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.70139 PMID:41178745	研究论文	本研究提出了一种基于焦点调制网络（FMNs）的框架，用于皮肤病变分类，并在多个公开数据集上验证了其性能	首次将焦点调制网络应用于皮肤病变分类，该网络能高效捕获局部和全局特征，解决了基于Transformer的模型在处理高分辨率医学图像时的局限性，同时通过调制器可视化提供模型可解释性	未提及	开发一种准确、高效且透明的自动皮肤病变分类方法，以辅助皮肤癌的早期诊断和治疗	皮肤镜图像中的皮肤病变	计算机视觉	皮肤癌	NA	焦点调制网络	图像	三个公开数据集：ISIC 2017、ISIC 2018和ISIC 2019	NA	焦点调制网络（Tiny, Small, Base, Large 变体）	准确率	NA
833	2025-12-25	Privacy-hardened and hallucination-resistant synthetic data generation with logic-solvers 2025-Dec-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf600 PMID:41191651	研究论文	本文介绍了一种名为Genomator的逻辑求解方法，用于生成隐私强化且抗幻觉的合成数据，特别应用于基因组数据	采用逻辑求解方法（SAT求解）高效生成隐私且真实的合成数据，相比现有方法在准确性、隐私保护和效率方面有显著提升，并能扩展到全基因组规模	未明确提及具体局限性，但可能涉及方法在非基因组数据上的泛化能力或计算资源需求	开发一种能平衡隐私与准确性的合成数据生成方法，以支持医疗研究和全球数据交换	基因组数据，作为最复杂和私密的信息类型	机器学习	NA	逻辑求解（SAT求解）	NA	基因组数据	NA	NA	NA	准确性, 隐私度	NA
834	2025-12-25	Chick embryo development assessment and fertility detection using pixel-wise hyperspectral image analysis and deep learning 2025-Dec, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.106064 PMID:41205430	研究论文	本研究利用线扫高光谱成像系统和深度学习技术，对白壳鸡蛋的受精情况和胚胎发育进行非破坏性实时评估	结合像素级高光谱图像分析和深度学习模型，实现了对鸡蛋受精和胚胎发育阶段的高精度分类与空间可视化	研究仅针对白壳鸡蛋，且仅覆盖了孵化前四天，未涉及更长孵化周期或其他蛋壳颜色的鸡蛋	提高家禽孵化过程中的受精检测准确性和胚胎发育评估效率	白壳鸡蛋（包括受精蛋和未受精蛋）	计算机视觉	NA	线扫高光谱成像	人工神经网络, 随机森林, 深度神经网络, 卷积神经网络	高光谱图像	未明确具体数量，但涉及受精和未受精鸡蛋在孵化前四天的数据	NA	NA	F1分数	NA
835	2025-12-25	Periodicity-aware deep learning for polymers 2025-Dec, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00903-9 PMID:41266677	研究论文	本文提出了一种名为PerioGT的周期性感知深度学习框架，用于聚合物化学研究，通过整合周期性先验知识提升模型性能	首次构建了化学知识驱动的周期性先验，并通过对比学习和微调中的周期性提示将其融入深度学习框架，同时采用虚拟节点图增强策略建模复杂化学相互作用	未明确说明模型在处理非周期性或高度不规则聚合物结构时的适用性限制	为聚合物化学开发统一的深度学习框架，以解决现有方法忽略结构周期性导致的泛化能力不足问题	聚合物化学系统	机器学习	NA	深度学习，对比学习，图增强	图神经网络	化学结构数据	NA	NA	PerioGT	在16个下游任务中达到最先进性能	NA
836	2025-12-25	Immunological risk factors for recurrent implantation failure using a deep learning model: a multicenter retrospective cohort study 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27561-1 PMID:41326470	研究论文	本研究利用深度学习模型（TabNet）分析复发性种植失败患者的免疫学风险因素，以预测活产结局	首次将TabNet深度学习模型应用于复发性种植失败患者的活产预测，并识别出关键的免疫学风险因素组合	研究为回顾性队列设计，可能存在选择偏倚；样本仅来自特定医疗中心，外部验证尚需进行	预测复发性种植失败患者的活产结局，并识别相关的免疫学风险因素	2463名无妇科及解剖异常的复发性种植失败患者	机器学习	生殖系统疾病	临床免疫学检测	深度学习	临床数据	2463名患者	TabNet	TabNet	准确率, AUROC, 混淆矩阵, ROC曲线, 校准图	NA
837	2025-12-25	Deep-learning-based polarization-dependent switching metasurface in dual-band for optical communication 2025-Dec, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2025-0370 PMID:41426087	研究论文	本研究提出了一种基于深度学习的智能逆向设计框架，用于设计偏振复用超表面，实现双波段光通信的动态波段切换	提出了一种结合并行卷积层和级联回归模块的混合深度神经网络架构，用于单步计算发现能在一个平面器件中编码两种不同光学功能的超表面设计，实现了仅通过偏振调制即可在O波段和C波段产生独立传输峰的动态波段切换机制	NA	解决传统波段切换技术速度慢、能耗高和机械不稳定的关键限制，为下一代光通信开发超快、智能和高效的光子系统	偏振复用超表面	机器学习	NA	深度学习驱动的逆向设计	深度神经网络	NA	NA	NA	并行卷积层与级联回归模块的混合架构	切换效率	NA
838	2025-12-25	Diffusion model-based inverse design of photonic crystals for customized refraction 2025-Dec, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2025-0499 PMID:41426119	研究论文	本文提出了一种基于扩散模型的新型生成设计框架，用于实现高精度和定制化折射结构的光子晶体逆向设计	采用扩散模型结合U-Net模型进行光子晶体的逆向设计，解决了传统生成模型如生成对抗网络和变分自编码器在训练不稳定或噪声过多方面的挑战	如果数据集中的结构类型增加，解决方案空间可以进一步扩展，但当前研究可能受限于数据集规模和多样性	实现光子晶体的自动化逆向设计，以定制化折射结构	光子晶体（PhCs）及其折射结构	机器学习	NA	有限差分时域（FDTD）模拟和数值分析	扩散模型，U-Net	图像（结构模式）	包含操作频率、折射角和相应结构模式的数据集，分辨率64×64，测试了1000个折射角	NA	U-Net	L2范数测量的折射角误差	NA
839	2025-12-25	Dosimetric evaluation of synthetic kilo-voltage CT images generated from megavoltage CT for head and neck tomotherapy using a conditional GAN network 2025-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01603-4 PMID:40719836	研究论文	本研究提出了一种基于条件GAN网络（pix2pix）的深度学习方法，用于从兆伏级CT（MVCT）生成高质量的合成千伏级CT（skVCT）图像，以提升头颈部螺旋断层放疗中的剂量学评估准确性	首次将pix2pix网络应用于从MVCT生成skVCT图像，显著提升了图像质量，并验证了其在剂量学评估中的等效性	研究样本量较小（训练集25例，测试集15例），且仅针对头颈部肿瘤进行了验证，未涉及其他解剖部位	提升兆伏级CT图像的对比度，以支持更准确的放疗剂量计算和自适应放疗	头颈部肿瘤患者的MVCT和kVCT配对图像	医学影像分析	头颈部肿瘤	CT成像（MVCT与kVCT）	GAN	医学影像（CT图像）	40例患者（25例训练，15例测试）	NA	pix2pix	PSNR, SSIM, gamma pass rate	NA
840	2025-12-25	Comparative study of multi-headed and baseline deep learning models for ADHD classification from EEG signals 2025-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01609-y PMID:40856936	研究论文	本研究比较了多头深度学习框架与传统基线单模型方法在利用EEG信号分类ADHD方面的性能	提出了一种多头深度学习框架，通过并行使用BiLSTM、LSTM和GRU架构来捕获通道间关系并提取更丰富的时序特征，以降低计算复杂度并避免过拟合	研究样本量相对较小（79名参与者），且仅使用了五个EEG通道，可能限制了模型的泛化能力	开发并比较深度学习模型，以实现基于EEG信号的ADHD准确分类与早期诊断	ADHD患者与健康成人的EEG信号	机器学习	注意缺陷多动障碍	脑电图	LSTM, BiLSTM, GRU	信号	79名参与者（42名健康成人，37名ADHD患者）	NA	Bidirectional Long Short-Term Memory, Long Short-Term Memory, Gated Recurrent Unit	准确率	NA