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
61	2025-10-30	Impact of deep learning on CT-based organ-at-risk delineation for flank irradiation in paediatric renal tumours: a SIOP-RTSG radiotherapy committee study 2026-Jan, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101051 PMID:41141653	研究论文	评估深度学习自动轮廓勾画结合人工修订在儿童肾肿瘤侧腹放疗中危及器官勾画的应用效果	首次在儿童放疗领域系统评估深度学习自动轮廓勾画结合人工修订对勾画时间、准确性和观察者间变异性的影响	研究样本量有限（12名放射肿瘤科医生），仅针对儿童肾肿瘤患者（1-6岁）	评估深度学习自动轮廓勾画在儿童侧腹放疗中危及器官勾画的临床应用价值	儿童肾肿瘤患者的8个胸腹部危及器官	数字病理	肾肿瘤	CT成像	深度学习模型	CT图像	12名儿科放射肿瘤科医生，122个手动勾画和254个基于深度学习的修订	NA	NA	Dice相似系数, 95% Hausdorff距离, 平均表面距离	NA
62	2025-10-06	Optimizing delamination imaging via full wavefield segmentation using augmented simulated wavefield data 2026-Jan, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107789 PMID:40819597	研究论文	提出一种结合波数滤波与混合噪声翻转增强的数据预处理策略，用于提升深度学习模型在全波场分割中对碳纤维增强聚合物分层损伤的成像性能	通过频域隔离分层引入的导波模态，结合噪声增强和翻转增强技术，引导深度学习模型更有效聚焦分层相关特征	仅使用模拟数据进行训练，虽在实验测量中验证有效，但实际应用场景的多样性可能仍需进一步验证	优化碳纤维增强聚合物中分层损伤的全波场分割成像	碳纤维增强聚合物中的分层损伤	计算机视觉	NA	全波场分割、波数滤波、导波模态分析	深度学习模型	波场数据	NA	NA	NA	交并比	NA
63	2025-10-06	Integration of coagulation parameters Enhances deep Learning-Based survival prediction in High-Grade serous ovarian Cancer: A comprehensive prognostic model 2026-Jan-01, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120512 PMID:40738419	研究论文	开发并验证了一个整合凝血参数和临床病理因素的深度学习生存预测模型用于高级别浆液性卵巢癌	首次将凝血参数（特别是D-二聚体水平）与传统预后因素结合到机器学习模型中，提高了生存预测的准确性	需要进一步的前瞻性验证研究	开发改进的高级浆液性卵巢癌预后预测模型	高级别浆液性卵巢癌患者	机器学习	卵巢癌	机器学习算法	深度学习	临床数据,分子数据,凝血参数	216例训练患者+108例外部验证患者	NA	NA	时间依赖性AUC,一致性指数,校准曲线	NA
64	2025-10-06	Enhancing 5-Day Particulate Matter (PM10) Forecasts in Morocco Using U-Net: A Deep Learning Approach 2026-Jan, Atmospheric research IF:4.5Q1 DOI:10.1016/j.atmosres.2025.108439 PMID:40933727	研究论文	本研究使用U-Net深度学习模型改进摩洛哥地区未来5天颗粒物(PM10)的预测精度	这是中东和北非地区首个使用U-Net模型进行颗粒物预测的研究，并修改了U-Net架构以在不同分辨率下进行预测而无需插值	模型误差受到CAMS预报升级周期的影响，需要定期用更新数据重新训练以保持可靠性	提高摩洛哥地区颗粒物(PM10)的5天预报精度	摩洛哥地区的颗粒物(PM10)浓度	环境科学, 深度学习	呼吸系统疾病	深度学习后处理技术	U-Net	大气监测数据, 再分析数据	NA	NA	U-Net	平均绝对误差, 均方根误差, 决定系数, 一致性指数, 偏差	NA
65	2025-10-06	Efficient wheat variety identification using Raman hyperspectral imaging in combination with deep learning 2026-Jan-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126722 PMID:40694955	研究论文	本研究开发了一种结合拉曼高光谱成像和深度学习技术的小麦品种高效识别方法	提出基于Segment Anything Model的ROI提取框架，利用化学先验知识选择拉曼特征峰增强可解释性，并设计融合多尺度特征提取和Transformer模块的拉曼光谱注意力网络	NA	开发高效、可解释的小麦品种识别方法	小麦籽粒	计算机视觉	NA	拉曼高光谱成像	Transformer, 深度学习	高光谱图像	8个小麦品种	NA	Segment Anything Model, Transformer	准确率	NA
66	2025-10-06	Discriminant research on edible oil components by oblique-incidence reflectivity difference 2026-Jan-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126746 PMID:40737913	研究论文	通过斜入射反射差技术和深度学习算法对食用油成分进行鉴别研究	首次将斜入射反射差(OIRD)技术与八种深度学习算法结合用于食用油成分分析	仅针对三种脂肪酸成分(亚油酸、油酸、α-亚麻酸)进行研究，样本范围有限	开发基于OIRD和深度学习的食用油成分快速鉴别方法	食用油中的亚油酸、油酸和α-亚麻酸成分	机器学习	NA	斜入射反射差(OIRD)	深度学习	光谱反射数据	NA	NA	Time Series Transformer	精确率,召回率,F1分数	NA
67	2025-10-06	Enhanced bi-branch deep learning network for in vivo hyperspectral imaging recognition of organs and tissues 2026-Jan-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126815 PMID:40845607	研究论文	开发了一种增强型双分支深度学习网络，用于活体高光谱成像中器官和组织的识别	结合图卷积网络(GCN)和Transformer的双分支架构，通过特征增强模块提升模型性能，能够同时提取局部区域信息和长程边界依赖关系	NA	提高活体高光谱成像中器官和组织结构的识别精度	猪器官数据集和斑马鱼活体器官组织	计算机视觉	NA	高光谱成像，漫反射近红外光谱	GCN, Transformer	高光谱图像	公共猪数据集和斑马鱼活体测量数据	NA	双分支网络，图卷积网络，Transformer	精度	NA
68	2025-10-06	Detection of aging-induced vascular remodeling based on Raman imaging and deep learning 2026-Jan-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.126832 PMID:40848497	研究论文	本研究结合拉曼成像和深度学习技术检测小鼠主动脉的老化诱导血管重塑	首次使用拉曼成像同时分析主动脉组织中五种成分的含量和分布变化，并结合深度学习实现年轻与老化组织的准确区分	研究仅基于小鼠主动脉组织，尚未在人类样本中验证	开发早期检测血管老化的无标记成像方法	小鼠主动脉组织切片	医学影像分析	血管老化相关疾病	拉曼成像，代谢组学，MCR-ALS分析	深度学习	拉曼光谱图像	未明确说明样本数量的小鼠主动脉组织	NA	NA	AUC	NA
69	2025-10-06	A novel colorimetric detection based on bifunctionalized gold nanoparticle combined with machine learning and deep learning models to identify microbial transglutaminase in foods 2026-Jan-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.128533 PMID:40602019	研究论文	开发了一种结合双功能化金纳米颗粒与机器学习/深度学习的比色检测方法，用于食品中微生物转谷氨酰胺酶的识别与预测	首次将双功能化金纳米颗粒的比色检测与机器学习和深度学习模型相结合，用于检测食品中的微生物转谷氨酰胺酶活性	NA	开发高效检测食品中微生物转谷氨酰胺酶活性的方法	食品中的微生物转谷氨酰胺酶	机器学习	NA	比色检测、金纳米颗粒技术	决策树,随机森林,多层感知器	吸光度数据	648个mTG浓度-吸光度数据点，来自6种不同食品类型	NA	多层感知器	准确率	NA