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
2741	2026-08-07	Convolutional Neural Networks Assisted Peak Classification in Targeted LC-HRMS/MS for Equine Doping Control Screening Analyses 2025-02-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c03608 PMID:39901649	研究论文	该研究利用卷积神经网络辅助目标LC-HRMS/MS中的峰分类，用于马匹兴奋剂控制筛选分析，以提高自动化程度和准确性	首次将深度学习策略应用于马匹兴奋剂控制中的色谱图分类，结合CNN评分模型与LDA分类器，确保零假阴性率	未明确提及局限性，但可能受限于特定筛选方法和数据集	验证深度学习方法在马匹兴奋剂控制色谱图分类中的可行性和准确性	马匹兴奋剂控制中的色谱图数据	机器学习	不适用	超高效液相色谱-高分辨串联质谱	卷积神经网络	色谱图像	未明确	未明确	卷积神经网络和线性判别分析	假阴性率	未明确
2742	2026-08-07	UNET-FLIM: A Deep Learning-Based Lifetime Determination Method Facilitating Real-Time Monitoring of Rapid Lysosomal pH Variations in Living Cells 2025-02-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05271 PMID:39902564	研究论文	本文介绍了一种基于一维U-net的深度学习架构UNET-FLIM，用于荧光寿命成像显微镜中的寿命确定，能够处理低光子计数和高背景噪声数据，并实时监测活细胞中溶酶体pH的快速变化	提出一种基于一维U-net的深度学习架构，专门针对低光子计数和高背景噪声的快速FLIM数据，且对噪声不敏感，可适应不同时间域FLIM系统，无需修改现有系统即可实现实时监测	未在摘要中明确提及，可能依赖于模拟数据进行训练，需验证其在实际复杂生物样本中的泛化能力	开发一种深度学习方法来提高FLIM中寿命确定的准确性和实时性，以支持快速FLIM成像和活细胞动态监测	活细胞中的溶酶体，特别是其pH变化的实时监测	深度学习，荧光寿命成像显微镜	NA	荧光寿命成像显微镜（FLIM）	深度学习模型（一维U-net）	模拟衰减曲线和活细胞FLIM成像数据	模拟数据和活细胞样本，具体数量未在摘要中说明	NA	一维U-net	寿命估计的鲁棒性和准确性	NA
2743	2026-08-07	QuanFormer: A Transformer-Based Precise Peak Detection and Quantification Tool in LC-MS-Based Metabolomics 2025-02-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04531 PMID:39868899	研究论文	提出了一种基于Transformer和CNN的深度学习工具QuanFormer，用于液相色谱-质谱代谢组学中的峰检测与定量，提高了准确性和可靠性	结合CNN特征提取与Transformer全局计算能力，采用目标检测方法和二分匹配进行峰预测，无需重新训练即可在区分真假峰上达到高精度，并能校正保留时间漂移	未明确提及限制，但可能依赖于大量标注数据（近20,000个ROI）	开发一种精确的峰检测和定量工具，以提高LC-MS代谢组学分析的可靠性	LC-MS数据中的峰信号，以及乳腺癌患者临床队列中的潜在生物标志物	机器学习	乳腺癌	LC-MS	CNN-Transformer	质谱数据（峰信号）	近20,000个注释的感兴趣区域（ROI），以及乳腺癌患者临床队列（样本数量未明确）	PyTorch	Transformer	平均精度	NA
2744	2026-08-07	End-To-End Deep Learning Explains Antimicrobial Resistance in Peak-Picking-Free MALDI-MS Data 2025-02-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05113 PMID:39893590	研究论文	本文提出了一种端到端的深度学习模型，直接使用原始MALDI-MS数据预测抗生素耐药性，跳过传统的峰值提取步骤。	首次在无峰值提取的情况下，利用一维卷积神经网络对原始MALDI-MS数据进行端到端训练，实现对抗生素耐药性的直接预测，并达到最先进性能。	模型在跨时间和地点的验证中表现良好，但未提及在更大规模多中心数据上的泛化能力及对低丰度耐药表型的敏感性。	开发一种可靠的端到端深度学习方法，从原始MALDI-MS数据中预测微生物抗生素耐药性，并提升传统工作流程的性能。	微生物的MALDI-MS原始数据及其抗生素耐药性表型。	机器学习, 数字病理	抗菌素耐药性感染	MALDI-MS	卷积神经网络 (CNN)	质谱数据	未明确提供具体样本数量，但涉及多个抗菌素耐药性表型的临床样本。	NA	一维卷积神经网络 (1D-CNN)	AUC	NA
2745	2026-08-07	Deep Learning Predicts Non-Normal Transmission Distributions in High-Field Asymmetric Waveform Ion Mobility (FAIMS) Directly from Peptide Sequence 2025-02-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05359 PMID:39865577	研究论文	本文利用深度学习模型直接从肽段序列预测高场非对称波形离子迁移谱（FAIMS）中的非正态传输分布	首次采用多标签分类方案对FAIMS中肽离子的非正态传输分布进行建模，并结合随机森林和LSTM网络的集成平均提高了预测性能	模型在预测错误案例中仍存在不足，且依赖大量的训练数据	准确预测肽离子在FAIMS中的迁移行为，以加速检测方法开发和数据库搜索中的真阳性判别	人类肽段前体离子	机器学习、蛋白质组学	NA	高场非对称波形离子迁移谱（FAIMS）	随机森林、长短时记忆网络（LSTM）	肽段序列数据	超过100,000个人类肽段前体用于训练，近40,000个肽离子用于测试	NA	LSTM、随机森林	F2分数、AUROC	NA
2746	2026-08-07	An interpretable multi-scale convolutional attention residual neural network for glioma grading with Raman spectroscopy 2025-01-23, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay02068e PMID:39686848	研究论文	本文提出了一种可解释的多尺度卷积注意力残差网络，用于基于拉曼光谱的胶质瘤分级，实现了对高级别胶质瘤、低级别胶质瘤和正常组织的分类，并用Grad-CAM增强了模型的可解释性。	提出了结合多尺度通道和空间注意力机制与残差结构的M-SCA ResNet，有效适应光谱特征尺度的多样性，并提升了特征提取能力	未明确提及局限性	提高拉曼光谱胶质瘤分级的准确性和可解释性，辅助医生制定个性化手术方案	高级别胶质瘤（WHO III-IV级）、低级别胶质瘤（WHO I-II级）和正常脑组织	机器学习	胶质瘤	拉曼光谱	卷积神经网络（CNN）	光谱数据	未明确提及样本数量	NA	M-SCA ResNet（多尺度卷积注意力残差网络）	准确性、加权F1分数	NA
2747	2026-08-07	Deep Learning-Enabled Rapid Metabolic Decoding of Small Extracellular Vesicles via Dual-Use Mass Spectroscopy Chip Array 2025-01-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04106 PMID:39711466	研究论文	开发了一种双用质谱芯片阵列（DUMSCA），用于小细胞外囊泡的快速分离和检测，并结合深度学习模型实现克罗恩病的高性能诊断	DUMSCA芯片阵列相比传统方法速度提升超过50%，具备稳健存储、可重复使用、高效解吸/电离和代谢物定量能力，且无需先验知识即可进行疾病诊断	摘要中未提及具体局限性	开发一种高通量技术，用于小细胞外囊泡的快速分离和代谢解码，并应用于疾病诊断	血浆中的小细胞外囊泡（sEVs）	质谱成像	克罗恩病	质谱分析	深度学习模型（具体类型未指定）	代谢数据矩阵	未具体说明（涉及血浆sEVs样本）	NA	NA	诊断性能（具体指标未提及）	NA
2748	2026-08-07	NMRformer: A Transformer-Based Deep Learning Framework for Peak Assignment in 1D 1H NMR Spectroscopy 2025-01-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05632 PMID:39745381	研究论文	本文介绍了NMRformer，一种基于Transformer的深度学习框架，用于1D ¹H NMR光谱中的峰值分配和代谢物识别	与传统方法不同，NMRformer将光谱解释为峰值序列，并将自注意机制和峰高比率直接集成到Transformer编码器层中，能够识别峰值之间的长程依赖关系，并快速识别属于相同代谢物的峰值	NA	提高1D ¹H NMR光谱中峰值分配和代谢物识别的准确性和效率	来自多种细胞和生物液体样本的1D ¹H NMR光谱	机器学习	NA	NMR光谱	Transformer	光谱数据	四种类型的细胞样本和三种类型的生物液体样本	NA	Transformer编码器	准确率	NA
2749	2026-08-07	Differential Diagnosis of Urinary Cancers by Surface-Enhanced Raman Spectroscopy and Machine Learning 2025-01-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05287 PMID:39757799	研究论文	本研究开发了一种基于表面增强拉曼光谱和机器学习的方法，用于区分膀胱癌、肾癌和前列腺癌患者血清样本，实现非侵入性早期诊断	首次尝试利用SERS与机器学习策略区分多种泌尿系统癌症，使用临床血清样本完成了三种癌症的清晰分类	信息未在标题和摘要中明确说明	开发一种快速、无标记、高灵敏度的血清检测方法，以辅助泌尿系统癌症的早期诊断和筛查	膀胱癌、肾癌和前列腺癌患者的血清样本	机器学习	泌尿系统癌症	表面增强拉曼光谱	长短期记忆网络	光谱数据	信息未在标题和摘要中明确说明	NA	LSTM	准确率、敏感性、特异性、受试者工作特征曲线	NA
2750	2026-08-07	Advanced analytical methods for multi-spectral transmission imaging optimization: enhancing breast tissue heterogeneity detection and tumor screening with hybrid image processing and deep learning 2024-12-19, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay01755b PMID:39569814	研究论文	本文介绍了一种融合空间金字塔匹配模型、调制解调和帧累积技术的多光谱透射成像优化方法，旨在提高乳腺组织异质性检测和肿瘤筛查的准确性	创新性地结合SPM、M_D和FA技术以增强多光谱透射图像质量并提高深度学习网络模型的异质性分类精度	未在摘要中明确提及局限性	优化多光谱透射成像，提高乳腺组织异质性检测和肿瘤筛查的准确性	乳腺组织异质性和体模的多光谱透射图像	计算机视觉	乳腺癌	多光谱透射成像	深度学习网络模型（VGG16/19和ResNet50/101）	图像	体模（数量未具体说明）	NA	VGG16, VGG19, ResNet50, ResNet101, U-Net	准确率	NA
2751	2026-08-07	Imaging error reduction in radial cine-MRI with deep learning-based intra-frame motion compensation 2024-11-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad8831 PMID:39419112	研究论文	本研究提出了一种基于深度学习的帧内运动补偿技术，旨在减少径向电影MRI中的成像误差，提高运动目标定位精度	提出了一种新颖的TransSin-UNet网络，结合Transformer编码器和UNet子网络，用于在径向k空间重建窗口内建模运动依赖的时空特征，实现帧内运动补偿	研究仅限于数字体模模拟数据，未在真实患者数据上进行验证	通过深度学习实现帧内运动补偿，提高径向电影MRI在实时运动管理中的成像质量与目标定位准确性	25个数字仿真肺癌体模，模拟不同运动模式下的径向采样数据	机器学习	肺癌	MRI	混合模型（Transformer和UNet）	图像（MRI）	25个数字仿真肺癌体模	NA	TransSin-UNet（Transformer编码器结合UNet）	归一化均方根误差、Dice相似系数	NA
2752	2026-08-07	Investigation of scatter energy window width and count levels for deep learning-based attenuation map estimation in cardiac SPECT/CT imaging 2024-11-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad8b09 PMID:39447603	研究论文	本研究评估了深度学习在心脏SPECT/CT成像中生成衰减图时，不同散射能窗宽度和计数水平对其性能的影响	首次全面分析不同散射能窗宽度对深度学习衰减图估计的影响，并评估了在四分之一计数水平下的性能	未提及具体局限性，但可能包括对特定成像协议或设备依赖性	评估深度学习在心脏SPECT成像中估计衰减图时，散射能窗宽度和计数水平的影响	心脏SPECT/CT成像中的衰减图估计	医学影像，深度学习	心脏病	SPECT/CT成像	深度学习模型	医学影像（SPECT和CT图像）	1517名受试者，其中386名用于测试，1131名用于训练和验证	NA	NA	归一化均方误差（NMSE）	NA
2753	2026-08-07	Harnessing the optimization of enzyme catalytic rates in engineering of metabolic phenotypes 2024-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012576 PMID:39495797	研究论文	提出了一种基于约束的建模方法OKO，利用酶约束代谢模型预测代谢工程策略，以增加化学物质产量并保证细胞生长	首次提出计算框架OKO，能够预测基于修饰酶周转数的代谢工程策略，整合实验测量和深度学习预测的周转数数据	未明确指出，但依赖酶周转数数据的准确性和模型的简化假设	开发计算工具以预测增加化合物产量的代谢工程策略，同时保持细胞生长	大肠杆菌和酿酒酵母的酶约束代谢模型	代谢工程	不适用	酶周转数测量和深度学习预测	约束型代谢模型（OKO）	基因组规模代谢模型数据	超过40种化合物	不明确	不适用	产量增加倍数和生长惩罚	未指定
2754	2026-08-07	Structure-aware annotation of leucine-rich repeat domains 2024-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012526 PMID:39499733	研究论文	开发基于结构感知的降维方法，用于注释富含亮氨酸重复（LRR）结构域的重复单元，并纠正现有序列注释工具的误差	利用深度学习预测的蛋白质结构几何信息，通过降维技术改进LRR结构域注释，能自动检测发夹环和结构异常，弥补序列方法缺乏结构信息的不足	尚未在摘要中明确提及局限性，可能依赖于预测结构的准确性且仅适用于LRR结构域	提高蛋白质结构域注释的准确性，特别是边界和基序识别，通过整合结构信息	富含亮氨酸重复（LRR）结构域，包括拟南芥中127个LRR-containing免疫蛋白和172个手动注释的LRR结构域基准	蛋白质结构预测与注释	NA	深度学习蛋白质结构预测（如AlphaFold），降维方法	降维模型及基于深度学习的结构预测模型	蛋白质结构数据、序列数据	127个预测结构和172个手动注释的LRR结构域	NA	NA	准确性、误差纠正能力、结构异常检测能力	NA
2755	2026-08-07	Deep learning-based automatic contour quality assurance for auto-segmented abdominal MR-Linac contours 2024-10-25, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad87a6 PMID:39413822	研究论文	本研究开发并评估了基于3D卷积神经网络的自动轮廓质量保证模型，用于评估腹部MRI引导在线自适应放疗中深度学习自动分割的胰腺和十二指肠轮廓质量	首次在1.5T MR-Linac环境中针对腹部器官开发DL-based 3D ACQA模型，能够快速准确区分可接受和需编辑的轮廓，并有效识别假阳性和假阴性轮廓，支持自动轮廓校正和工具选择	仅针对胰腺和十二指肠轮廓，样本量较小，且依赖特定的分割工具和轮廓分类工具，可能限制模型的泛化性	开发并验证基于深度学习的3D自动轮廓质量保证模型，以促进腹部MRI引导在线自适应放疗中深度学习自动分割轮廓的临床接受	胰腺和十二指肠的自动分割轮廓及其质量评级	医学影像分析	腹部恶性肿瘤	NA	3D卷积神经网络	腹部磁共振图像	训练集包含103例腹部MRI，独立测试集包含34例腹部MRI	NA	3D CNN	准确率	NA
2756	2026-08-07	PET image reconstruction using weighted nuclear norm maximization and deep learning prior 2024-10-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad841d PMID:39374634	研究论文	提出一种基于加权核范数最大化和深度学习先验的PET图像重建方法，以提高图像质量和噪声控制。	首次在PET图像重建中应用加权核范数最大化而非最小化，并利用神经网络抑制由此产生的噪声。	未指明具体局限性，但可能依赖于模拟和临床数据的有限验证。	改进PET图像重建的质量，实现更好的对比度与噪声权衡，并恢复图像细节。	PET图像重建问题，包括模拟和临床低剂量PET数据集。	计算机视觉	不适用	PET成像	神经网络	图像	模拟和临床数据集（具体数量未提供）	未提及	神经网络（具体架构未提及）	对比度、噪声、病变对比恢复	未提及
2757	2026-08-07	Enhancing bone scan image quality: an improved self-supervised denoising approach 2024-10-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad7e79 PMID:39312947	研究论文	本研究提出一种改进的自监督去噪方法，以提高骨扫描图像质量，减少与临床标准的偏差	提出了一种改进的自监督去噪技术（iN2N），通过插值版本最小化深度学习去噪与全扫描图像之间的差异，并针对不同扫描时间进行训练，以提高骨扫描图像质量	未明确提及，但可能包括对特定扫描时间范围的依赖以及模型在极端噪声条件下的性能限制	提高骨扫描图像质量，减少深度学习去噪与临床标准的偏差，以增强诊断性能	351个全身骨扫描数据集	医学影像	骨骼疾病	深度学习去噪	自监督深度学习模型	医学图像	351个全身骨扫描数据集	未提及	N2N, N2F, iN2N	定量分析和临床评估	未提及
2758	2026-08-07	Dual convolution-transformer UNet (DCT-UNet) for organs at risk and clinical target volume segmentation in MRI for cervical cancer brachytherapy 2024-10-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad84b2 PMID:39378904	研究论文	提出了一种名为DCT-UNet的双卷积-Transformer UNet模型，用于宫颈癌近距离放疗中MRI图像的危及器官和高风险临床靶体积的自动分割	设计了双路径编码器，结合卷积和Transformer模块，并采用尺寸自适应多模型方法处理HR-CTV的可变尺寸	未明确提及，但可能包括对特定数据集依赖和未进行外部验证	实现宫颈癌近距离放疗中MRI图像的OARs和HR-CTV的快速、准确自动分割	女性盆腔MRI图像中的膀胱、直肠、乙状结肠和HR-CTV	医学影像分析	宫颈癌	深度学习，MRI成像	DCT-UNet（卷积和Transformer结合的UNet）	MRI图像	未明确说明样本数量	PyTorch（推测）	DCT-UNet（双卷积-Transformer UNet架构）	Dice相似系数（DSC），均值±标准差	未明确说明，但代码可在GitHub上获取
2759	2026-08-07	MFCA-MICNN: a convolutional neural network with multiscale fast channel attention and multibranch irregular convolution for noise removal in dMRI 2024-10-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad8294 PMID:39412243	研究论文	提出一种名为MFCA-MICNN的卷积神经网络，用于扩散磁共振成像（dMRI）图像去噪，通过多尺度快速通道注意力和多分支不规则卷积提升去噪性能	首次提出多尺度快速通道注意力机制，用于跨通道的高效多尺度特征提取与注意力权重计算；设计多分支不规则卷积架构以打破空间噪声相关性并捕获噪声特征；开发了在边缘和平坦区域均表现优越的新型损失函数	摘要中未提及明确的局限性	提高dMRI图像去噪性能，解决水分子自由扩散导致的信噪比降低问题，从而提升微结构数据的准确性和精确性	dMRI图像中的噪声去除，涉及脑组织微结构和白质纤维束重建	计算机视觉	NA	NA	卷积神经网络（CNN）	图像（dMRI图像）	NA	NA	多尺度快速通道注意力（MFCA）和多分支不规则卷积（MICNN）	定量指标（未明确列出具体指标）和定性评估	NA
2760	2026-08-07	A dynamic approach for MR T2-weighted pelvic imaging 2024-10-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad8335 PMID:39362274	研究论文	本文提出一种动态方法用于MR T2加权盆腔成像，通过快速动态数据采集和基于深度平衡模型的未滚动重建技术，解决蠕动引起的运动伪影问题，无需患者准备。	引入互补采样轨迹的快速动态采集策略，实现高欠采样运动抵抗性数据采样，并利用基于深度平衡模型的未滚动方法进行图像重建，其定点收敛特性确保重建稳定性。	摘要中未明确提及研究的局限性。	解决盆腔T2加权成像中因蠕动引起的运动伪影和模糊问题，无需患者准备。	盆腔结构的MR T2加权成像，包括回顾性和前瞻性数据。	医学影像	不适用	MR成像，动态数据采集	深度平衡模型	图像	回顾性和前瞻性数据，具体数量未在摘要中提及	未提及	深度平衡模型	运动伪影减少和结构细节描绘的准确性，具体指标未在摘要中详述	未提及