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
1441	2025-12-09	MRomicsNet: A morphomics-radiomics-driven adaptive topological model for AD diagnosis on clinically routine T1-weighted images 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109160 PMID:41260107	研究论文	本研究提出了一种基于形态组学和影像组学的自适应拓扑模型（MRomicsNet），用于在临床常规T1加权图像上进行阿尔茨海默病诊断	首次将形态组学和影像组学特征整合到一个自适应拓扑模型中，通过深度学习框架强化重要脑区间连接并抑制无关连接，以优化脑网络构建	研究主要依赖于特定数据集（ADNI和EDSD），未在更广泛或多样化临床数据上进行验证，且模型复杂度可能较高	开发一种结合形态组学和影像组学优势的自适应拓扑模型，以提升基于T1加权图像的阿尔茨海默病诊断准确性	阿尔茨海默病患者及健康对照者的脑部T1加权图像	数字病理学	阿尔茨海默病	T1加权磁共振成像	图卷积网络	图像	ADNI和EDSD数据集，具体样本数量未在摘要中明确说明	深度学习框架（具体未指定，可能为PyTorch或TensorFlow）	MRomicsNet（包含morphGCN通道和mrGCN通道）	诊断准确率	NA
1442	2025-12-09	GICAF-Net: A cross-attentional graph-image fusion network for hyperspectral pathological diagnosis of FNH and HCC 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109171 PMID:41289808	研究论文	本研究提出了一种名为GICAF-Net的图-图像交叉注意力融合网络，用于肝局灶性结节性增生（FNH）和肝细胞癌（HCC）的高光谱病理诊断	提出了一种新颖的双分支网络架构，结合了残差卷积和残差图卷积，并引入了拓扑感知交叉注意力融合模块（TACA）以及结合交叉熵、预测置信度和跨模态注意力一致性的多约束融合损失函数，以增强跨模态信息融合和分类稳定性	研究样本量相对较小（共120例），且未在更广泛的外部数据集上进行验证	提高肝肿瘤（FNH与HCC）术中高光谱病理诊断的准确性和效率	肝局灶性结节性增生（FNH）和肝细胞癌（HCC）的病理样本	数字病理	肝癌	高光谱成像	CNN, GCN	高光谱图像	包含60例HCC和60例FNH的平衡高光谱肝肿瘤数据集，共120例	NA	GICAF-Net, 残差卷积, 残差图卷积	AUC, 准确率, F1分数	NA
1443	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
1444	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
1445	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
1446	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
1447	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
1448	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
1449	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
1450	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
1451	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
1452	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
1453	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
1454	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
1455	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
1456	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
1457	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
1458	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
1459	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
1460	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