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
1501	2026-01-01	Denoising Low-Power CEST Imaging Using a Deep Learning Approach With a Dual-Power Feature Preparation Strategy 2026-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70124 PMID:41082398	研究论文	本研究提出了一种基于深度学习的双功率特征准备策略，用于去噪低功率化学交换饱和转移成像的Z谱	利用高饱和功率的高对比度噪声比和低饱和功率的增强峰分辨率，通过双功率特征准备策略结合自编码器进行去噪	方法在模拟和BSA体模数据上验证，但实际生物组织中的复杂环境可能影响性能	开发一种深度学习方法来去噪低功率CEST Z谱，以提高图像质量和CEST效应的量化	模拟CEST数据、BSA体模、大鼠大脑和腿部肌肉的测量数据	医学影像处理	NA	化学交换饱和转移成像	自编码器	Z谱图像	模拟数据、BSA体模数据、大鼠大脑和腿部肌肉数据	NA	自编码器	峰值信噪比	NA
1502	2026-01-01	Multi-Frame Image Registration for Automated Ventricular Function Assessment in Single Breath-Hold Cine MRI Using Limited Labels 2026-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70137 PMID:41108653	研究论文	本研究开发了一种基于深度学习的自动化框架，用于从高度加速的磁共振图像中评估心脏心室功能	提出了一种将图像配准、运动补偿重建和分割集成在协同循环中的多任务深度学习框架，可在有限标注下实现稳健的心室功能分析	评估仅在内部数据集上进行，未在公开数据集或更大规模队列中验证	开发操作者独立的自动化心脏心室功能评估框架	健康受试者和心血管疾病患者的心脏磁共振图像	医学图像分析	心血管疾病	单次屏气电影磁共振成像	深度学习	磁共振图像	内部数据集（健康与心血管疾病受试者）	NA	NA	Dice相似系数, 射血分数相关性, 径向和圆周应变	NA
1503	2025-12-30	Real-Time Phase-Contrast Cardiovascular MRI Using a Deep Learning Reconstruction Network With Combined Dictionary Learning and CNN 2026-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70142 PMID:41108209	研究论文	本研究开发了一种结合字典学习和CNN的深度学习重建网络DLCNet，用于实现低延迟的实时相位对比心血管MRI成像	提出了一种名为DLCNet的新型深度学习重建网络，该网络结合了字典学习和CNN，能够同时捕获空间和时间特征，用于实时相位对比心血管MRI成像	研究仅使用了15名正常受试者的数据集进行训练和测试，样本量较小，且未在患者群体中进行验证	开发低延迟的实时相位对比心血管MRI成像技术	心血管系统，特别是升主动脉的血流测量	医学影像分析	心血管疾病	相位对比心血管MRI，金角径向序列	CNN	MRI图像	15名正常受试者	NA	DLCNet（结合字典学习和CNN的深度学习重建网络）	图像重建质量，血流测量准确性，成像速度（14.6帧/秒），图像显示延迟（<60毫秒）	Gadgetron平台，扫描仪
1504	2025-12-30	Solution to data imbalance and complex interactions in traffic conflict modeling: a hypergraph and generative AI approach 2026-Mar, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108338 PMID:41365277	研究论文	本研究提出了一种结合超图和生成式AI的方法，以解决交通冲突建模中的数据不平衡和复杂交互问题	采用增强的二维碰撞时间（2D-TTC）指标结合车辆交互关系来预测多种模式的交通冲突，并利用带自注意力层的生成对抗网络（GAN）改进过采样方法，显著提升了模型性能	未明确说明模型在极端或未见过交通场景中的泛化能力，以及计算资源需求可能较高	解决交通冲突建模中数据不平衡和复杂动态交互的挑战，提升模型预测准确性和实用性	交通冲突事件，包括冲突和非冲突样本，涉及车辆速度、车辆数量、交通流特征等	机器学习	NA	二维碰撞时间（2D-TTC）指标，生成对抗网络（GAN），自注意力机制	生成对抗网络（GAN），超图注意力网络（HGAT），机器学习模型（未指定具体类型）	交通数据（包括车辆速度、距离、时间等指标）	NA	NA	超图注意力网络（HGAT），生成对抗网络（GAN）	F1分数，准确率	NA
1505	2025-12-30	Rapid flow-artifact-free high-resolution T2 mapping via multi-shot multiple overlapping-echo detachment imaging 2026-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70119 PMID:41063418	研究论文	本文提出并验证了一种具有亚毫米空间分辨率和高临床实用性的T2映射方法，通过多激发多重叠回波分离成像技术实现快速无流动伪影的高分辨率T2映射	将多激发采集方案集成到多重叠回波分离成像中，以减轻单激发MOLED的缺陷，并利用深度学习校正不连续相位跳跃，无需自校准核、导航器、门控设备或耗时后处理	未明确提及方法在更广泛临床场景或不同疾病类型中的验证情况	开发一种具有亚毫米空间分辨率、约1分钟采集时间、大体积覆盖且无需额外控制台或线圈负担的T2映射方法，并校正由脉动脑脊液引起的激发间相位变化	模型（在3T和7T下）和人类（在3T下）	医学影像	NA	多激发多重叠回波分离成像，深度学习	深度学习	磁共振图像	模型和人类数据（具体数量未明确）	NA	NA	平均绝对误差，线性回归斜率，R²值	NA
1506	2025-12-30	Balancing Bias and Variance in Deep Learning-Based Tumor Microstructural Parameter Mapping 2026-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70154 PMID:41126537	研究论文	本研究提出了一种名为B2V-Net的监督学习方法，通过可调节偏置-方差权重的损失函数，在肿瘤微结构参数映射中平衡偏置与方差，改进了现有非线性最小二乘拟合和均方误差损失网络的性能	在贝叶斯框架下重新表述了NLLS和MSE-Net，揭示了其偏置-方差行为，并提出了B2V-Net，这是一种使用可调节偏置-方差权重损失函数的监督学习方法，能够控制偏置-方差权衡	研究主要基于随机游走障碍模型作为代表性生物物理模型，可能未涵盖所有肿瘤微结构模型；在体评估仅限于头颈癌患者，需要进一步验证于其他癌症类型	研究深度学习在肿瘤微结构参数映射中的偏置-方差特性，并提出一种方法来控制拟合偏置和方差	肿瘤微结构参数映射，特别是通过时间依赖性扩散MRI进行量化	医学影像分析	头颈癌	时间依赖性扩散MRI	深度学习	MRI图像	NA	NA	B2V-Net	偏置, 方差, 标准偏差	NA
1507	2025-12-27	Deep learning model for identifying significant tricuspid regurgitation using standard 12-lead electrocardiogram 2026-Mar, International journal of cardiology. Cardiovascular risk and prevention DOI:10.1016/j.ijcrp.2025.200557 PMID:41437957	研究论文	本研究开发了一种基于深度学习模型，利用标准12导联心电图信号和临床特征来识别显著三尖瓣反流	首次结合一维卷积神经网络、高效通道注意力块和多头注意力模块，从广泛可用的12导联心电图中检测显著三尖瓣反流，避免了传统经胸超声心动图的额外成本和操作依赖性	深度学习模型的临床实用性仍需进一步验证和探索，且研究依赖于特定时间段内的患者数据	开发深度学习模型以利用12导联心电图信号和临床特征检测显著三尖瓣反流	2017年至2019年间接受12导联心电图和经胸超声心动图检查的5432名患者，其中570名患者被识别为显著三尖瓣反流	机器学习	心血管疾病	12导联心电图，经胸超声心动图	CNN	心电图信号，临床特征	5432名患者（训练集3910名，测试集435名，内部和外部验证队列）	NA	一维卷积神经网络，高效通道注意力块，多头注意力模块	准确率，灵敏度，特异性，曲线下面积	NA
1508	2025-12-24	IFCNN-based fusion of GAF and MTF encoded near-infrared spectral images for quantitative analysis of microplastics 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127069 PMID:41151179	研究论文	本研究提出了一种结合近红外光谱图像转换与深度学习图像融合的新方法，用于微塑料的定量分析	首次将Gramian Angular Fields (GAF)和Markov Transition Fields (MTF)编码与改进的融合卷积神经网络(IFCNN)相结合，用于近红外光谱图像的融合与微塑料定量分析	仅针对五种特定类型的微塑料（PE、PET、PP、PS、PVC）与沙子的混合物进行研究，未涵盖所有微塑料类型	开发一种快速、准确的微塑料定量检测方法	五种微塑料（PE、PET、PP、PS、PVC）与沙子的混合物	计算机视觉	NA	近红外光谱成像	CNN	图像	五种微塑料与沙子在六个浓度水平下的混合物样本	NA	Improved Fusion Convolutional Neural Network (IFCNN), 2D-CNN	R值（相关系数）	NA
1509	2025-12-24	Deep learning-assisted surface-enhanced Raman spectroscopy detection of stimulants 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127086 PMID:41176858	研究论文	本研究结合表面增强拉曼光谱与深度学习算法，实现了五种兴奋剂的高灵敏度检测与识别	首次将表面增强拉曼光谱与LSTM等深度学习算法结合，用于兴奋剂的痕量检测，并在加标血液样本中验证了实际应用潜力	研究仅针对五种特定兴奋剂，未涉及更广泛的药物类别或复杂基质干扰	开发高灵敏度、快速响应的兴奋剂检测技术以应对滥用问题	五种兴奋剂（氯丙那林、普萘洛尔、特布他林、妥洛特罗、西马特罗）及其在加标血液样本中的检测	机器学习	NA	表面增强拉曼光谱，密度泛函理论计算	SVM, DNN, RNN, LSTM	光谱数据	涉及五种兴奋剂的SERS光谱数据，包括加标血液样本	NA	NA	准确率	NA
1510	2025-12-24	A cross-cultivar hyperspectral framework for huanglongbing detection in citrus via wavelength optimization and deep learning 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127189 PMID:41242125	研究论文	本文提出了一种基于高光谱成像和深度学习的跨品种柑橘黄龙病检测框架，通过波长优化提升模型性能	利用连续投影算法和粒子群优化算法提取跨品种一致的特征波长，并构建自定义卷积多尺度残差网络进行诊断，建立了无需针对不同品种单独建模的通用检测框架	未明确说明样本的具体数量和品种多样性，且模型在特定条件下的光谱响应差异可能影响泛化能力	开发一种跨品种的柑橘黄龙病早期准确检测方法，以控制疾病传播并减少经济损失	不同品种的柑橘叶片	计算机视觉	黄龙病	高光谱成像	SVM, MLP, CNN	高光谱图像	NA	NA	自定义卷积多尺度残差网络	准确率	NA
1511	2025-12-24	Detection of peritoneal, ovarian, and bowel endometriosis using FTIR spectroscopy and machine learning 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127242 PMID:41308317	研究论文	本研究评估了傅里叶变换红外光谱结合机器学习在检测卵巢、肠道和腹膜子宫内膜异位症中的诊断潜力	应用Boruta算法识别每种子宫内膜异位症类型最具信息量的光谱区间，揭示了与异位组织分子变化相关的特征波数范围，并通过特征选择显著提升了机器学习模型的诊断性能	未提及样本量、计算资源等具体细节，可能限制了结果的可推广性和可重复性	评估傅里叶变换红外光谱结合机器学习对子宫内膜异位症的诊断潜力	卵巢、肠道和腹膜子宫内膜异位症组织	机器学习	子宫内膜异位症	傅里叶变换红外光谱	深度学习, 支持向量机, XGBoost	光谱数据	NA	NA	NA	准确率, 灵敏度, 特异性, 精确率, F1分数, MCC, ROC AUC	NA
1512	2025-12-23	Multimodal-based deep learning detected disrupted precuneus connectivity and its related genetic profiles for predicting adults with ADHD 2026-Mar-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.120821 PMID:41354103	研究论文	本研究采用基于多模态数据的图卷积网络模型预测成人ADHD，并通过下游分析揭示相关病理生理机制	首次将多模态神经影像遗传学数据与图卷积网络结合，用于成人ADHD的预测和机制解释，并识别了关键脑区功能连接及其相关遗传特征	样本量相对有限，模型准确率有待进一步提升，且结果需在独立队列中验证	通过整合神经影像和遗传数据，提高成人注意缺陷多动障碍的诊断准确性和病理生理理解	成人注意缺陷多动障碍患者和健康对照者	神经影像遗传学	注意缺陷多动障碍	功能磁共振成像，基因组学	图卷积网络	功能磁共振成像数据，基因组数据	258名成人ADHD患者和243名对照者	NA	Edge-Variational Graph Convolution Network	准确率	NA
1513	2025-12-19	SynSeg: A synthetic data-driven approach for robust subcellular structure segmentation 2026-Mar-02, The Journal of cell biology IF:7.4Q1 DOI:10.1083/jcb.202506096 PMID:41410685	研究论文	本文提出了一种名为SynSeg的合成数据驱动方法，用于鲁棒地分割亚细胞结构，无需人工标注	开发了基于合成训练数据的U-Net模型分割流程，通过生成具有多样强度、形态和信号分布的合成数据集来替代耗时且可能存在偏差的人工标注	未明确说明合成数据与真实数据之间的域适应挑战或模型在未见过的细胞类型上的泛化能力限制	开发一种无需人工标注的鲁棒亚细胞结构分割方法，以促进定量细胞生物学研究	细胞和活体秀丽隐杆线虫中的囊泡、细胞骨架细丝以及疾病相关的微管形态	数字病理学	神经退行性疾病	合成数据生成	CNN	图像	NA	NA	U-Net	NA	NA
1514	2025-12-17	Rethinking active learning in medical education: a comparative study of inquiry-based and team-based learning on student performance and satisfaction 2026-Mar-01, Advances in physiology education IF:1.7Q4 DOI:10.1152/advan.00199.2025 PMID:41196126	研究论文	本研究比较了医学教育中基于探究的学习（IBL）与基于团队的学习（TBL）的教学效果，重点关注学生表现和满意度	设计并实施了一个基于5E教学模型的创新IBL框架，结合了交互式临床案例、条件性解决方案揭示机制和游戏化综合活动	准实验设计可能限制了因果推断的强度，样本仅来自一年级医学生，可能影响结果的普适性	比较IBL与TBL在医学教育中的教学有效性，包括学术表现、学习者参与度、自主性和满意度	548名一年级医学生	医学教育	NA	5E教学模型、交互式临床案例、条件性解决方案揭示机制（scratch film）、游戏化综合（填字游戏）	NA	定量表现指标、行为观察数据、学生问卷数据	548名一年级医学生	NA	NA	关键学习概念保留率、扩展概念获取率、参与度、自主性、满意度、作弊倾向	NA
1515	2025-12-14	ATR-FTIR spectroscopy coupled with deep learning for the identification and quantitative detection of Panax notoginseng adulteration 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127118 PMID:41197414	研究论文	本研究开发了一种结合衰减全反射-傅里叶变换红外光谱与深度学习的方法，用于快速、低成本地识别和定量检测三七主根粉中的掺杂物	首次将ATR-FTIR光谱与深度学习模型（CNN和Transformer）结合，用于三七掺假物的高精度识别与定量检测，超越了传统机器学习方法	研究未明确提及样本量的具体大小，且可能仅限于实验室环境下的粉末样品，未涉及更复杂的产品形式或大规模实地应用验证	开发一种高效、低成本的方法，以检测三七产品中的掺假问题，保障消费者健康与食品安全	三七主根粉及其掺杂物，包括三七须根粉、郁金粉和大米粉	机器学习	NA	衰减全反射-傅里叶变换红外光谱	CNN, Transformer	光谱数据	NA	NA	CNN, Transformer	准确率, R值	NA
1516	2025-12-14	Advanced artificial intelligence combined with SERS platforms for diagnosis and therapeutic effects of cancer in clinical applications 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127053 PMID:41207163	综述	本文综述了人工智能与表面增强拉曼光谱技术结合在癌症诊断和治疗效果评估中的临床应用进展	将人工智能算法集成到SERS平台中，实现了光谱数据的自动化预处理、噪声去除、关键信息提取和精准分类，提升了癌症早期诊断、分型和治疗监测的能力	面临数据标准化、模型可解释性以及监管机构审批等关键转化挑战，限制了其在临床肿瘤学中的常规应用	探讨AI-SERS技术在癌症诊断、治疗效果评估和复发预测中的临床应用	多种癌症类型，包括乳腺癌、肺癌、前列腺癌、皮肤癌、口腔癌、胃肠道癌、结直肠癌、胰腺癌和卵巢癌	机器学习	癌症	表面增强拉曼光谱	传统机器学习,深度学习	光谱数据	NA	NA	NA	NA	NA
1517	2025-12-14	Multi-task learning on microscopic hyperspectral data enables accurate classification of graphene oxide films 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127169 PMID:41237732	研究论文	本文提出了一种结合显微高光谱成像与多任务学习深度学习架构的新框架，用于对氧化石墨烯薄膜进行精确分类	首次将显微高光谱成像与多任务学习深度学习架构相结合，用于氧化石墨烯薄膜的高通量、非破坏性表征，显著提升了分类精度	未明确提及模型在其他材料或更复杂场景下的泛化能力，以及计算效率在实际工业应用中的评估	开发一种精确、高通量的氧化石墨烯表征方法，以支持先进技术应用和工业质量控制	氧化石墨烯薄膜	计算机视觉	NA	显微高光谱成像	深度学习神经网络	高光谱图像	未明确提及具体样本数量，但包含独立测试集	未明确提及	多任务学习深度学习架构	分类准确率	未明确提及
1518	2025-12-14	Deep learning-assisted SERS platform for label-free detection of celecoxib in serum using ag@Pt@porous silicon Bragg mirror composite substrate 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127165 PMID:41242102	研究论文	本研究提出了一种基于表面增强拉曼散射（SERS）与深度学习结合的创新检测方案，用于血清中塞来昔布的定性识别和定量检测	开发了Ag@Pt@多孔硅布拉格镜复合SERS基底，并首次将深度学习模型（GoogleNet、ResNet、VGG）应用于SERS光谱数据，以实现血药浓度的分类	深度学习模型的最高分类准确率为84.17%，仍有提升空间，且研究可能未涉及更广泛的药物浓度范围或复杂基质干扰	实现塞来昔布在血清中的高灵敏度、无标记检测，以支持治疗药物监测和个性化关节炎治疗	塞来昔布（一种非甾体抗炎药）在血清中的浓度	机器学习	关节炎	表面增强拉曼散射（SERS）	CNN	拉曼光谱	涉及五种血药浓度的光谱数据集，具体样本数量未明确说明	NA	GoogleNet, ResNet, VGG	分类准确率	NA
1519	2025-12-14	In-situ NIR spectroscopy study on microgravity-induced articular cartilage degeneration with ResNet-18 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127188 PMID:41242109	研究论文	本研究利用近红外光谱结合深度学习模型，对微重力环境下关节软骨的退行性变化进行了原位监测与分类分析	首次将近红外光谱技术应用于微重力环境下关节软骨退行性变化的原位评估，并结合ResNet-18深度学习模型实现了高精度的多分类识别	研究基于尾部悬吊模拟微重力环境，可能与实际太空微重力条件存在差异；样本量相对有限	探究微重力环境下关节软骨的退行性变化，并开发一种原位、快速的软骨退化评估方法	关节软骨（模拟微重力环境下的尾部悬吊软骨样本）	数字病理学	关节疾病	近红外光谱技术	SVM, CNN	光谱数据	控制组和尾部悬吊组（7、14、21天）的软骨样本	NA	ResNet-18	准确率	NA
1520	2025-12-14	Identification of Pueraria lobata origin using terahertz precision spectroscopy and CNN-transformer hybrid network algorithm 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127212 PMID:41270687	研究论文	本研究提出了一种结合太赫兹光谱与CNN-Transformer混合网络的新方法，用于无损鉴别葛根的地理来源	首次将太赫兹光谱与CNN-Transformer混合网络结合用于中药材产地鉴别，并验证了光谱特征与生物活性成分的相关性	仅针对中国八个产区的样本进行研究，样本来源范围有限	开发一种基于太赫兹光谱和深度学习的中药材产地溯源方法	葛根（Pueraria lobata）样本	计算机视觉	NA	太赫兹光谱，高效液相色谱（HPLC）	CNN, Transformer	光谱数据	来自中国八个地区的葛根样本	NA	CNN-Transformer混合网络	准确率，F1分数	NA