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
9601	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
9602	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
9603	2025-12-08	Diffusion for Diffusion: A versatile multiphysics fields refinement framework in pollutants transportation 2026-Jan-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124962 PMID:41242196	研究论文	本文提出了一种基于扩散模型的多物理场细化框架，用于从稀疏测量中准确恢复污染物传输中的耦合浓度和温度场	将物理信息方程约束方案与条件扩散模型相结合，以从有限观测中恢复高维时空场，在计算效率、泛化性和预测准确性方面超越现有方法	NA	开发一个高效、通用的多物理场细化框架，用于环境风险评估和工业污染缓解中的污染物传输分析	污染物传输中的耦合浓度和温度梯度驱动的扩散场	机器学习	NA	有限元模拟，双色警报成像	扩散模型	图像，模拟数据	NA	NA	ResNet, Transformer, Fourier Neural Operator	超分辨率精度，鲁棒性	NA
9604	2025-12-08	Interpretable forecasting of dissolved oxygen leveraging foundation model for proactive aeration in rural wastewater treatment systems 2026-Jan-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124931 PMID:41297308	研究论文	本文开发了一个基于Transformer基础模型的可解释溶解氧预测框架，用于农村污水处理系统的主动曝气规划	结合了基础模型、季节性分割和SHAP可解释性，显著提升了农村污水处理系统中溶解氧预测的准确性和稳定性	研究基于单一农村污水处理设施的数据，可能限制了模型的泛化能力	提高农村污水处理系统中溶解氧的预测精度，以优化生物处理过程并降低能耗	农村稳定塘污水处理系统	时间序列预测	NA	多变量传感器数据采集	Transformer, LSTM, SVR, XGBoost	时间序列数据	近一年的多变量传感器数据	NA	Transformer, Temporal Fusion Transformer	对称平均绝对百分比误差	NA
9605	2025-12-08	YOLO-spectra: A generalized framework for rapid simultaneous detection and classification of Raman spectra in images with mobile devices for enhancing on-site applications 2026-Jan-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344914 PMID:41352951	研究论文	本研究提出了一种基于YOLO模型的通用框架，用于在移动设备上快速同时检测和分类拉曼光谱图像，以增强现场应用	引入了一种新颖的可缩放矢量图形（SVG）方法，用于自动生成大规模标注光谱图像数据集，并首次将YOLO模型应用于光谱分析，实现了对多种光谱的快速同时检测和分类	未明确说明模型在极端噪声或复杂背景下的鲁棒性，以及在实际移动设备上的部署性能限制	开发一种基于深度学习的计算机视觉模型，用于实现光谱的实时直接分类，以替代传统机器学习方法	药物混合物、痕量农药和染料的光谱数据，包括开源溶剂数据集和实验生成的拉曼/SERS数据集	计算机视觉	NA	表面增强拉曼光谱技术，便携式光谱仪	YOLO	图像	90个不同的光谱类别，包括开源溶剂数据集和实验生成的拉曼/SERS数据集	PyTorch	YOLOv8m, YOLOv8n	平均精度均值（mAP50）, mAP50-95	NA
9606	2025-12-08	Surface-based Multi-Axis Longitudinal Disentanglement Using Contrastive Learning for Alzheimer's Disease 2026, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-032-05182-0_57 PMID:41340885	研究论文	本文提出了一种基于表面的多轴纵向解耦框架，利用对比学习来建模阿尔茨海默病的复杂进展模式	提出了一种新颖的多轴解耦框架，将疾病建模为多个潜在空间轴，而非传统的单轴模型，以更好地捕捉阿尔茨海默病的异质性和复杂性	未明确提及	开发一种能够区分阿尔茨海默病进展与正常衰老的神经影像分析方法	阿尔茨海默病患者、轻度认知障碍患者和认知正常个体的神经影像数据	数字病理学	阿尔茨海默病	神经影像分析	自编码器	图像	ADNI数据集（具体数量未明确）	PyTorch	自编码器	分类准确率	未明确提及
9607	2025-12-08	Tracing the global origins of black tea using rapid XRF techniques coupled with advanced machine learning 2026-Jan, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117855 PMID:41352794	研究论文	本研究利用X射线荧光光谱技术和机器学习方法，开发了一种快速、准确、环保且用户友好的方法来追溯全球黑茶的地理来源	结合快速XRF技术和先进机器学习模型（包括深度学习MLP），首次在全球范围内对十个主要产区的791个真实黑茶样本进行元素分析，显著提升了地理来源鉴别的准确率	研究仅涉及十个地理标志产区，可能未覆盖所有黑茶产地；样本量虽大但分布可能不均；方法依赖于元素含量，可能受环境因素影响	开发一种快速、准确、环保且用户友好的方法来区分黑茶的地理来源，以保护地理标志产品并防止茶叶欺诈	来自全球十个主要产区的791个真实黑茶样本	机器学习	NA	X射线荧光光谱	随机森林, 支持向量机, k近邻, 线性判别分析, 多层感知机	元素含量数据	791个真实黑茶样本	NA	多层感知机	F1分数	NA
9608	2025-12-08	Improving the performance of daily pan evaporation (Evp) prediction using the ensemble empirical mode decomposition combined with deep learning models 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27255-8 PMID:41345149	研究论文	本研究提出了一种结合集合经验模态分解与深度学习模型来预测日蒸发皿蒸发量的新方法	首次将集合经验模态分解与长短期记忆网络和卷积神经网络结合，用于蒸发量预测，并通过分解输入变量为固有模态函数来简化复杂模式	研究仅针对伊朗东北部Kardeh Dam流域，模型在其他气候区域的普适性有待验证	提高日蒸发皿蒸发量的预测精度，以支持水资源管理和节水决策	蒸发皿蒸发量	机器学习	NA	集合经验模态分解	LSTM, CNN	时间序列数据	NA	NA	LSTM, CNN	RMSE, MAE, SI	NA
9609	2025-12-08	Durability and service life prediction of fly ash based geopolymer high performance concrete under extreme environmental conditions 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27229-w PMID:41345153	研究论文	本研究开发了一个基于物理信息与深度学习的集成框架，用于预测粉煤灰基地质聚合物高性能混凝土在极端环境下的耐久性与剩余使用寿命	提出了一个结合Transformer物理信息神经网络、时空图神经网络、深度强化学习混合优化、超图自监督学习和扩散概率模型的综合框架，实现了多尺度、多机制退化建模与不确定性量化	未在论文摘要中明确说明	提升粉煤灰基地质聚合物高性能混凝土在极端环境下的耐久性预测精度与使用寿命评估	粉煤灰基地质聚合物高性能混凝土	机器学习	NA	深度学习	Transformer, 图神经网络, 深度强化学习, 自监督学习, 扩散概率模型	混凝土性能数据、裂纹传播时空数据、材料微观结构数据	未在摘要中明确说明	未在摘要中明确说明	Transformer Based Physics Informed Neural Network (TPINN), Spatiotemporal Graph Neural Networks (ST-GNN), Deep Reinforcement Learning Based Mix Optimization (DRL MO), Hypergraph Self Supervised Learning (HSSL), Diffusion Probabilistic Model for Uncertainty Quantification (DPM-UQ)	预测准确性、可解释性、数据需求降低程度	未在摘要中明确说明
9610	2025-12-08	A deep learning framework for predicting aircraft trajectories from sparse satellite observations 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27064-z PMID:41345157	研究论文	本文提出了一种名为HiFormer的深度学习框架，用于从稀疏卫星观测中预测飞机轨迹	HiFormer框架首次将卷积、循环和注意力序列建模集成于统一架构，以单次前向过程捕捉短、中、长期运动依赖，并构建了大规模合成轨迹数据集	未明确提及模型在极端天气或复杂空域环境下的泛化能力	开发一种能够从稀疏卫星观测中可靠预测飞机轨迹的深度学习框架	飞机轨迹数据，包括合成轨迹和真实ADS-B飞行片段	机器学习	NA	卫星光学传感器观测，ADS-B数据	深度学习框架（集成卷积、循环和注意力机制）	轨迹数据（合成与真实飞行数据）	12,000条合成轨迹和1,000段真实ADS-B飞行片段	未明确指定，可能为PyTorch或TensorFlow	HiFormer（自定义集成架构）	多步预测误差降低百分比（合成数据30%，真实数据10%）	NA
9611	2025-12-08	MedShieldFL-a privacy-preserving hybrid federated learning framework for intelligent healthcare systems 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27303-3 PMID:41345162	研究论文	本文提出了一种名为MedShieldFL的混合隐私保护联邦学习框架，用于医疗系统中的安全去中心化脑肿瘤分类	结合了同态加密和数据增强技术，在保护患者数据隐私的同时处理类别不平衡问题，相比传统联邦学习模型性能提升约2%	未明确说明框架在更大规模医疗机构的扩展性，也未讨论不同加密级别对计算效率的具体影响	开发一个隐私保护的联邦学习框架，以解决医疗数据共享中的隐私和安全问题	脑肿瘤医学图像	计算机视觉	脑肿瘤	数据增强，同态加密	CNN	图像	NA	NA	ResNet-18	准确率	NA
9612	2025-12-08	Wave masking enhances electrocardiogram reconstruction with linear regression 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27196-2 PMID:41345416	研究论文	本研究提出了一种名为波掩蔽的新型预处理技术，用于增强基于线性回归的心电图重建性能，并与深度学习方法进行了比较	将图像识别中的掩蔽技术适应到心电图时间序列信号中，以突出对重建最相关的关键部分，从而显著提升线性回归模型的性能	波掩蔽技术虽能提升线性回归性能，但未超越深度学习方法，且研究仅基于正常心电图记录，未整合到深度学习模型或多样本人口记录中进行全面探索	提高心电图重建的准确性和效率，通过预处理技术优化信号处理流程	心电图信号，特别是从减少或替代导联集中合成导联	机器学习	心血管疾病	波掩蔽预处理技术	线性回归, 深度学习模型	时间序列信号（心电图）	10,000条正常心电图记录，来自CODE-15%数据库	NA	NA	平均相关系数	NA
9613	2025-12-08	Uncertainty quantification enables reliable deep learning for protein-ligand binding affinity prediction 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27167-7 PMID:41345415	研究论文	本文系统比较了五种不确定性量化方法在蛋白质-配体结合亲和力预测中的应用，并发现贝叶斯反向传播方法结合前馈神经网络能提供优异的预测性能和可靠的不确定性估计	首次在蛋白质-配体结合亲和力预测领域应用贝叶斯反向传播方法进行不确定性量化，该方法在无需额外校准的情况下表现出优异的校准性能	NA	提高深度学习模型在蛋白质-配体结合亲和力预测中的泛化能力和预测可靠性	蛋白质-配体复合物	机器学习	NA	深度学习	前馈神经网络	分子特征数据	基于Leak-Proof PDBBind数据集，并在多个外部测试集上进行评估	NA	前馈神经网络	校准性能, 多个评估指标	NA
9614	2025-12-08	Multi-element geochemical anomaly recognition applying geologically-constrained convolutional deep learning algorithm with Butterworth filtering of frequency domain information : Of frequency domain information 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27332-y PMID:41345479	研究论文	本文提出了一种结合地质约束和频域信息滤波的卷积深度学习算法，用于识别多元素地球化学异常	开发了一种新颖的地质约束卷积深度学习算法，通过频域数据训练和Butterworth滤波增强特征提取能力，解决了传统2D CNN在多元素地球化学异常映射中的局限性	算法在特定区域（伊朗Robat Sefid地区）进行验证，可能在其他地质环境中的泛化能力未充分评估	高效检测与矿床相关的多元素地球化学异常	多元素地球化学数据表	机器学习	NA	地球化学分析	CNN	表格数据	NA	NA	一维卷积神经网络	成功率曲线	NA
9615	2025-12-08	Foundation model based prediction of lung cancer survival using temporal changes in dual time point CT scans 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26365-7 PMID:41339367	研究论文	本研究利用双时间点CT扫描和基础模型提取的特征来预测非小细胞肺癌患者的生存期	结合双时间点CT扫描的时间变化特征与基础模型，相比单时间点特征和临床数据，提高了生存预测的准确性	样本量较小（仅102名患者），且仅限于接受放射治疗的NSCLC患者，可能限制模型的泛化能力	预测非小细胞肺癌患者的生存期	非小细胞肺癌患者	数字病理学	肺癌	CT扫描	随机森林, 梯度提升生存模型	图像	102名接受放射治疗的非小细胞肺癌患者，每人包含治疗前和治疗后CT扫描	NA	基础模型（具体架构未指定）	NA	NA
9616	2025-12-08	AI-based neoadjuvant immunotherapy response prediction across pan-cancer: a comprehensive review 2025-Dec-03, Cancer cell international IF:5.3Q1 DOI:10.1186/s12935-025-04063-8 PMID:41339875	综述	本文系统总结了基于人工智能（AI）的跨癌种新辅助免疫治疗（NIT）反应预测模型，包括间接和直接预测范式，并基于数据模态（如影像组学、病理组学、基因组学、多组学）对现有模型进行了分类	首次对跨癌种的AI驱动NIT反应预测方法进行了全面、系统的回顾，并提出了间接与直接预测范式的分类框架，以及基于多模态数据的模型分类	现有预测模型仍面临基于生物标志物和AI技术本身的重大挑战，如肿瘤异质性、数据可解释性、模型泛化能力等	总结和评估现有AI方法在预测新辅助免疫治疗反应方面的应用，以指导未来研究并推动AI在精准免疫治疗中的整合	跨多种癌症类型的新辅助免疫治疗（NIT）反应预测	机器学习	泛癌种	NA	机器学习（ML）, 深度学习（DL）	高维多模态肿瘤数据（如影像、病理、基因组学、多组学数据）	NA	NA	NA	NA	NA
9617	2025-12-08	Pan-cancer gene set discovery via scRNA-seq for optimal deep learning based downstream tasks 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27296-z PMID:41330999	研究论文	本研究提出了一种基于单细胞RNA测序数据识别泛癌基因集的方法，并通过深度学习模型验证其在多种下游任务中的优越性	首次提出利用单细胞RNA测序数据而非传统批量RNA测序数据来识别泛癌基因集，并结合高维加权基因共表达网络分析和XGBoost特征选择方法，显著提升了基因集在多种癌症下游任务中的预测性能	研究仅分析了13种癌症类型的181个肿瘤活检样本，样本量和癌症类型覆盖范围有限，且未在独立外部数据集上进行充分验证	开发一种基于单细胞RNA测序数据的特征选择方法，以优化泛癌研究中的下游任务预测性能	13种癌症类型的181个肿瘤活检样本的单细胞RNA测序数据，以及TCGA泛癌RNA测序数据	机器学习	泛癌研究	单细胞RNA测序, 批量RNA测序, 高维加权基因共表达网络分析	多层感知机, 图神经网络	基因表达数据	181个肿瘤活检样本（单细胞数据）及TCGA泛癌数据集	XGBoost, 深度学习框架（未指定具体名称）	多层感知机, 图神经网络	未明确指定具体指标，但涉及肿瘤突变负荷评估、微卫星不稳定性分类、突变预测、癌症亚型分型和分级等任务的性能比较	NA
9618	2025-12-08	A deep learning-based approach to enhance accuracy and feasibility of long-term high-resolution manometry examinations 2025-Dec-02, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01255-1 PMID:41331076	研究论文	本文提出了一种基于深度学习的自动分析方法，用于长期高分辨率测压检查，以提高诊断食管动力障碍的准确性和临床可行性	开发了一种深度学习管道，能够自动检测吞咽事件和非吞咽性动力障碍，并通过聚类将事件分类为代表性组，减少临床医生的分析负担	研究仅基于25个LTHRM样本，样本量相对较小，可能限制模型的泛化能力	提高长期高分辨率测压检查的准确性和临床可行性	食管动力障碍患者	数字病理学	食管动力障碍	高分辨率测压	深度学习	测压数据	25个长期高分辨率测压检查，包含超过23,000个专家标注事件	NA	NA	检测率	NA
9619	2025-12-08	A novel liver image classification network for accurate diagnosis of liver diseases 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-17581-2 PMID:41331299	研究论文	本文提出了一种名为CMT-Net的新型混合网络，用于CT肝脏图像分类，以准确诊断正常肝脏、脂肪肝和肝硬化	提出CMT-Net混合网络，统一了CNN的局部感知、MLP的高维映射和Transformer的全局依赖，显著提升了分类准确性	未提及模型在外部数据集上的泛化能力或计算效率的具体评估	提高CT肝脏图像分类的准确性，以辅助肝脏疾病的精确诊断	CT肝脏图像，包括正常肝脏、脂肪肝和肝硬化三类	计算机视觉	肝脏疾病	CT成像	混合网络（CNN, MLP, Transformer）	图像	来自乌鲁木齐市人民医院影像科的三类肝脏疾病数据集，具体样本数量未明确	NA	CMT-Net（包含高效Transformer模块和混合MLP模块）	准确性	NA
9620	2025-12-08	Application of MR images in radiotherapy planning for brain tumor based on deep learning 2025-Dec, The International journal of neuroscience DOI:10.1080/00207454.2024.2352784 PMID:38712669	研究论文	本研究基于深度学习探索了MRI图像在脑肿瘤放疗计划中的功能与剂量计算准确性	采用U-NET深度学习模型建立MRI到CT图像的转换模型，用于放疗剂量计算，验证了其可行性与高精度	样本量相对较小（训练集105例，测试集8例），且仅针对脑肿瘤患者，未涉及其他肿瘤类型	探索MRI图像通过深度学习转换后用于放疗剂量计算的准确性与可行性	脑肿瘤患者	数字病理	脑肿瘤	MRI, CT	CNN	图像	131例脑肿瘤患者（训练集105例，调优集26例，测试集8例）	NA	U-NET	剂量参数差异（D98, D95, D2, Dmean），伽马通过率	NA