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
3361	2025-11-19	Individualized mapping of aberrant cortical thickness via stochastic cortical self-reconstruction 2026-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103788 PMID:41056815	研究论文	开发了一种基于深度学习的随机皮层自重建方法，用于在顶点级别重建皮层厚度图并检测个体化异常	提出无需额外受试者信息即可在顶点级别重建皮层厚度图的新方法，能够检测局部皮层变化和细微厚度偏差	NA	开发个体化皮层厚度异常映射方法以推进神经学和精神病学诊断	健康个体、早产儿和痴呆症患者的皮层厚度数据	医学影像分析	神经退行性疾病、早产相关脑异常	皮层厚度映射	深度学习	皮层厚度图、医学影像数据	超过25,000名健康个体训练数据，独立测试集验证	NA	NA	重建误差、疾病鉴别能力	NA
3362	2025-11-19	Nested resolution mesh-graph CNN for automated extraction of liver surface anatomical landmarks 2026-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103825 PMID:41072126	研究论文	提出结合网格CNN和图CNN的两阶段自动框架，用于从肝脏表面提取解剖标志点	提出嵌套分辨率网格-图CNN框架，结合低分辨率全局理解和局部拓扑融合，并引入解剖感知Dice损失函数	数据量有限，肝脏形状和外观存在变异	实现肝脏表面解剖标志点的自动提取和分割	肝脏表面解剖标志点（镰状韧带和肝嵴）	计算机视觉	肝脏疾病	深度学习	CNN, 图卷积网络	三维网格数据	两个肝脏数据集（分布内和分布外）	PyTorch	DGCNN, MeshCNN	Dice系数	NA
3363	2025-11-19	A new time-decay radiomics integrated network (TRINet) for breast cancer risk prediction 2026-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103829 PMID:41075448	研究论文	提出一种新型时间衰减放射组学集成网络TRINet，用于乳腺癌风险预测	引入时间衰减注意力机制聚焦近期乳腺筛查图像，集成放射组学特征与注意力多示例学习框架，提出基于双侧不对称性的持续学习策略，添加时间嵌入加性风险层实现动态多年风险预测	NA	开发个性化乳腺癌筛查方案，实现动态风险预测	乳腺筛查影像数据	数字病理	乳腺癌	放射组学	深度学习	医学影像	美国EMBED数据集8528名患者，瑞典CSAW数据集8723名患者	NA	TRINet, AMIL	AUC	NA
3364	2025-11-19	DaphTrack: A deep learning-based multidimensional behavior analysis system for neonatal Daphnia magna 2026-Jan, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118771 PMID:41075546	研究论文	开发基于深度学习的多维行为分析系统DaphTrack，用于自动检测、计数和分析新生大型溞的行为	结合YOLO11n目标检测框架和优化的ByteTrack++跟踪算法，建立全面的行为参数矩阵来量化运动特征	NA	提高新生大型溞识别和行为分析的准确性与效率，阐明污染物毒理机制	新生大型溞（Daphnia magna）	计算机视觉	NA	行为分析	深度学习	视频	NA	YOLO11n, ByteTrack++	YOLO11n, ByteTrack++	识别准确率, IDF1	NA
3365	2025-11-19	Unsupervised multimodal surface registration with geometric deep learning 2026-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103821 PMID:41101194	研究论文	提出GeoMorph几何深度学习框架用于皮质表面图像配准	采用几何深度学习进行无监督多模态表面配准，通过图卷积提取特征并利用深度条件随机场确保生物合理的平滑形变	NA	开发皮质表面图像配准方法以改善脑结构对齐	皮质表面	机器学习	NA	几何深度学习	图卷积网络, 循环神经网络	表面图像	NA	PyTorch	GeoMorph	对齐精度, 形变平滑度	NA
3366	2025-11-19	Deep learning-based optimal adaptive regulation pathway of algal blooms in urban rivers under long-term uncertainties 2026-Jan-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124677 PMID:41101274	研究论文	本研究开发了一种基于深度学习的自适应调控框架，用于优化城市河流藻华控制策略以应对长期气候不确定性	结合动态自适应政策路径框架、深度学习代理模型和优化算法，首次系统量化了气候不确定性对城市藻华调控的影响	研究基于苏州案例，结果在其他地区的适用性需要进一步验证	开发应对气候不确定性的城市河流藻华自适应调控策略	城市河流藻华动态和调控措施	环境科学与机器学习交叉领域	NA	动态自适应政策路径框架，深度学习代理模型	AdaBoost, Bagging, NSGA-II	气候情景数据，调控情景数据，藻华动态数据	8个气候变化情景和19个调控情景	NA	集成学习框架（AdaBoost+Bagging）	R²，模拟时间	NA
3367	2025-11-19	A Comparative Study of Unsupervised and Deep Learning Methods for Automatic Segmentation of Abdominal Aortic Aneurysm on CT Images: Preliminary Results 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03394-9_33 PMID:41252020	研究论文	比较无监督方法和深度学习方法在CT图像上自动分割腹主动脉瘤的性能	首次使用18例新患者CT数据比较传统图像分析与深度学习方法在AAA分割中的表现	样本量较小(18例患者)，仅为初步研究结果	开发准确的腹主动脉瘤自动分割方法以改善临床工作流程	腹主动脉瘤患者的CT图像	医学图像分析	心血管疾病	X射线计算机断层扫描	深度学习	CT图像	18例确诊腹主动脉瘤患者的CT数据	nnU-Net	TotalSegmentor	Sorensen-Dice系数,Jaccard指数	NA
3368	2025-11-19	Building a GUI Tool for Automated Aortic Segmentation in Low-Dose Chest CT Images with PET-Based Standard Uptake Value (SUV) Analysis 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03394-9_29 PMID:41252016	研究论文	开发基于深度学习的自动主动脉分割工具，用于低剂量胸部CT图像的PET标准摄取值分析	首次将UNET模型与ResNet-18骨干网络结合，实现主动脉自动分割和SUVmax计算，显著提升工作效率	概念验证研究，样本量有限，需要进一步验证和推广	开发自动化工具以改进PET-CT诊断工作流程，提高主动脉分割和标准摄取值分析的效率	PET-CT扫描图像，包括血管炎、淋巴瘤患者和健康对照组的主动脉区域	数字病理	血管炎, 淋巴瘤	PET-CT, FDG示踪剂	CNN	医学影像	包含血管炎、淋巴瘤患者和健康对照组的PET-CT扫描图像	NA	UNET, ResNet-18	IoU, SUVmax	NA
3369	2025-11-19	A Rule-Based System for Condition-Specific Recommendations and Sentiment Classification Using Machine Learning and Deep Learning after the Application of a Semantic-Based Sentiment Analysis Methodology on the UCI Drug Reviews Dataset 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03394-9_41 PMID:41252028	研究论文	本研究通过语义情感分析和机器学习技术，在UCI药物评论数据集上实现疾病特异性药物推荐和情感分类	提出医疗领域特定的语义过滤方法，开发结合情感评分、评论评级和社交验证指标的自定义度量标准	未应用于实时数据源，预测准确性有待进一步提升	开发基于药物评论的疾病特异性推荐系统和情感分类方法	UCI药物评论数据集中的患者药物评论	自然语言处理	多种疾病	语义情感分析，词嵌入技术	Bi-LSTM, CNN-BiLSTM	文本	UCI药物评论数据集	NA	Bidirectional LSTM, CNN-Bidirectional LSTM	准确率	NA
3370	2025-11-19	Nondestructive detection of biogenic amines in muscle of Chinese mitten crab (Eriocheir sinensis): A basis for quality assessment using infrared spectroscopy and deep learning 2025-Dec-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.146354 PMID:40945266	研究论文	本研究结合近红外光谱和深度学习技术，开发了一种用于中华绒螯蟹肌肉中生物胺无损检测和质量评估的方法	首次将CNN-LSTM-SE混合深度学习模型应用于蟹类生物胺的无损检测，实现了对腐败蟹100%的准确识别	研究仅针对特定储存条件（8±1°C）下的中华绒螯蟹，模型在其他温度或蟹类物种的适用性未验证	开发水生产品质量评估的无损检测方法	中华绒螯蟹肌肉组织中的生物胺含量	机器学习	NA	近红外光谱技术	CNN, LSTM	光谱数据	NA	NA	CNN-LSTM-SE（卷积神经网络-长短期记忆网络-挤压激励混合模型）	相关系数R, 均方根误差RMSE, 准确率	NA
3371	2025-11-19	Molecular networking and deep learning synergy for bioactive metabolite discovery in L. plantarum-Fermented Sea buckthorn milk 2025-Dec-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.146361 PMID:40945267	研究论文	本研究开发了结合分子网络与深度学习的代谢组学方法，用于分析植物乳杆菌发酵沙棘奶中的生物活性代谢物	首次将基于特征的分子网络与深度学习相结合，克服传统数据库驱动方法的注释限制，成功发现两种未报道的异戊酰基黄酮醇苷和四氢哈尔满-3-羧酸	NA	识别新型生物活性化合物并改善发酵沙棘奶的营养和感官特性	植物乳杆菌发酵的沙棘奶代谢物	代谢组学	NA	非靶向代谢组学，基于特征的分子网络，深度学习	深度学习	代谢组学数据	NA	NA	NA	NA	NA
3372	2025-11-19	Leveraging pre-trained computer vision models for accurate classification of meat freshness 2025-Dec-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.146430 PMID:41045854	研究论文	本研究通过预训练深度卷积神经网络和随机编码聚合深度激活图的方法，开发了一种基于图像数据的肉类新鲜度分类新方法	提出结合预训练DCNN特征提取与随机编码聚合深度激活图(RADAM)的新方法，实现了更简单高效的肉类新鲜度分类	NA	开发快速、非破坏性的肉类新鲜度评估方法	牛肉和鸡肉的新鲜度	计算机视觉	NA	图像分类	深度卷积神经网络, 传统机器学习分类器	图像	三个数据集中的牛肉和鸡肉样本	NA	预训练深度卷积神经网络	准确率	NA
3373	2025-11-19	Deciphering Gut Microbiome Dynamics in Irritable Bowel Syndrome Using Deep Learning 2025-Dec, Neurogastroenterology and motility IF:3.5Q2 DOI:10.1111/nmo.70153 PMID:40908531	研究论文	本研究利用深度学习技术分析肠道微生物组数据以识别肠易激综合征	将深度神经网络应用于高维度、复杂相互作用的微生物组数据分析，在疾病分类中实现92.79%的准确率	未详细说明数据预处理的具体方法，模型比较的深度可能不足	探索肠道微生物组在肠易激综合征诊断中的应用价值	人类肠道微生物组数据和肠易激综合征患者	机器学习	肠易激综合征	微生物组分析	DNN, XGBoost, RandomForest, Logistic Regression, LightGBM	微生物组谱数据	综合微生物组谱数据集（具体数量未说明）	Python库	深度神经网络（密集层结构）	准确率, 敏感性, 特异性	NA
3374	2025-11-19	Understanding the relationship between rosemary odor and mental workload through deep learning 2025-Nov-19, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.09.038 PMID:41072604	研究论文	本研究通过深度学习分析脑电图信号，探索迷迭香气味与心理负荷之间的关系	首次结合嗅觉刺激和深度学习直接分析原始EEG信号进行心理负荷分类，无需手动特征工程	样本量较小(30名志愿者)，仅研究单一气味(迷迭香)	研究迷迭香气味对心理负荷的影响及其通过深度学习的检测方法	30名志愿者在迷迭香气味暴露下执行神经心理学测试时的EEG信号	机器学习	NA	脑电图(EEG)	LSTM, CNN	EEG信号	30名志愿者	NA	LSTM, CNN	准确率	NA
3375	2025-11-19	A deep learning approach to artifact removal in Transcranial Electrical Stimulation: From shallow methods to deep neural networks and state space models 2025-Nov-19, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.10.004 PMID:41101623	研究论文	本研究分析机器学习方法在经颅电刺激噪声伪影去除中的应用，比较了从浅层方法到深度神经网络和状态空间模型的性能差异	首次系统比较11种伪影去除技术在不同tES刺激类型下的性能，发现最优方法取决于刺激类型，并为不同tES模式提供了方法选择指南	使用合成数据集而非真实临床数据，可能无法完全反映实际应用场景	开发有效的经颅电刺激伪影去除方法以改善脑电信号分析	经颅电刺激产生的EEG伪影	机器学习	神经系统疾病	经颅电刺激，脑电图	CNN, 状态空间模型	脑电信号	合成数据集（清洁EEG数据与合成tES伪影组合）	NA	Complex CNN, M4	RRMSE, 相关系数	NA
3376	2025-11-19	Deep Learning-Enabled Real-Time Single-Shot Refocusing of Microwell Array for Digital Melting Curve Analysis 2025-Nov-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05194 PMID:41188072	研究论文	提出一种基于深度学习的单次自适应点扩散函数注意力重聚焦模型，用于数字熔解曲线分析中的微孔阵列实时重聚焦	首次将深度学习与点扩散函数自校准调制结合，实现无机电运动的数字PCR微阵列自动聚焦	未明确说明模型在更广泛温度范围内的泛化能力及对不同样本类型的适应性	提升数字熔解曲线分析在宽温度范围内的准确性和分辨率	数字PCR微孔阵列中的核酸样本	计算机视觉	呼吸道病原体感染	数字PCR, 熔解曲线分析, 荧光成像	深度学习, 注意力机制	荧光图像	NA	NA	单次自适应点扩散函数注意力重聚焦模型	识别准确率, 变异系数, 分辨率	NA
3377	2025-11-19	Integrating Model-Based Reconstruction and Deep Learning for Accelerating Mass Spectrometry Imaging 2025-Nov-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04075 PMID:41199627	研究论文	提出一种结合模型重建与深度学习的方法来加速质谱成像	将光栅扫描前向模型与深度学习先验结合，无需针对不同采集设置重新训练即可重建高分辨率离子图像	未明确说明方法在极端稀疏采样条件下的性能边界	解决质谱成像中光栅扫描数据采集耗时长的问题，实现高效组织成像和3D重建	脑部和肾脏等生物组织结构	计算成像	NA	质谱成像	深度学习	质谱图像	多种组织类型（脑部、肾脏等）	NA	基于预训练网络的去噪器	图像保真度	NA
3378	2025-11-19	Plasmonic Scattering Interferometric Microscopy: Decoding the Dynamic Interfacial Chemistry of Single Nanoparticles 2025-Nov-18, Accounts of chemical research IF:16.4Q1 DOI:10.1021/acs.accounts.5c00294 PMID:40845220	研究论文	介绍等离子体散射干涉显微镜技术及其在单纳米粒子界面化学动态研究中的应用	开发高分辨率等离子体散射干涉显微镜技术，实现单纳米粒子水平实时观测电催化活性和反应动力学	当前技术仍存在一定局限性，需要进一步改进和优化	开发新型光学显微技术用于纳米材料界面化学研究	单纳米粒子及其界面化学反应	纳米科学	NA	等离子体散射干涉显微镜	深度学习	光学图像	NA	NA	NA	空间分辨率，时间分辨率	NA
3379	2025-11-19	Leveraging Artificial Intelligence to Transform Thoracic Radiology for Lung Nodules and Lung Cancer: Applications, Challenges, and Future Directions 2025-Nov-18, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000866 PMID:41246950	综述	回顾人工智能在胸部放射学中肺结节和肺癌应用的历史发展、当前挑战与未来方向	系统梳理了从早期基于临床知识的AI方法到深度学习再到Transformer架构的演进历程，并探讨了基础模型、多模态AI和多组学方法在肺结节和肺癌领域的新兴应用	作为综述文章，主要基于文献分析，未涉及原始实验数据验证	探讨人工智能在胸部放射学中肺结节和肺癌诊断、评估和预测方面的应用与发展	肺结节和肺癌的医学影像分析	医学影像分析	肺癌	医学影像分析，深度学习，Transformer	深度学习模型，Transformer	医学影像	NA	NA	Transformer	NA	NA
3380	2025-11-19	Analysis of deep learning-based segmentation of lymph nodes on full-dose and reduced-dose body CT 2025-Nov-18, Abdominal radiology (New York) DOI:10.1007/s00261-025-05253-8 PMID:41251734	研究论文	验证基于深度学习的全自动模型在常规剂量和模拟低剂量CT上对淋巴结检测与分割的性能	首次在模拟低剂量CT（5%-75%剂量）上系统评估3D nnU-Net对淋巴结分割的性能，并提出通过多剂量数据增强提升模型鲁棒性	使用模拟而非真实低剂量CT数据，样本量相对有限	评估深度学习模型在不同剂量CT扫描中对淋巴结自动分割的鲁棒性	人体CT图像中的淋巴结	医学影像分析	淋巴结相关疾病	CT成像，噪声模拟技术	3D CNN	CT医学影像	151例患者CT（15,341个淋巴结标注）+120例外部验证CT	nnU-Net	3D nnU-Net	精确度，灵敏度，Dice相似系数，豪斯多夫距离	NA