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
11481	2026-02-24	Deep learning based generation of 3D-maximum Intensity Projection (MIP) of MRA from T1-weighted MRI scans for Cerebrovascular Abnormalities Characterization 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253273 PMID:41335960	研究论文	本研究提出了一种基于U-Net框架的深度学习方法，用于从3D T1加权MRI扫描中合成3D最大强度投影MRA图像，以辅助脑血管异常的早期检测和表征	首次利用深度学习从常规T1加权MRI生成3D MIP-MRA图像，避免了传统MRA扫描时间长、可能需要造影剂的限制，并展示了模型在不同数据集上的高泛化能力和对扫描仪的不敏感性	研究主要基于公开数据集进行训练和测试，未在更大规模或更多样化的临床数据上进行验证；合成图像的质量（如SSIM为0.8219）仍有提升空间	开发一种从常规T1加权MRI合成3D MIP-MRA图像的方法，以促进脑血管疾病的早期检测、治疗评估和管理	脑血管异常，特别是血管狭窄和不连续性，用于早期血管疾病检测	医学影像分析	脑血管疾病	磁共振成像（MRI），磁共振血管造影（MRA）	CNN	3D医学影像（T1加权MRI和MIP-MRA）	使用IXI数据集进行训练和测试，并在Bullitt、Study Forrest、SIMON和ATLAS等多个独立数据集上进行评估	未明确提及，但基于U-Net框架	U-Net	峰值信噪比（PSNR），结构相似性指数（SSIM）	NA
11482	2026-02-24	Generative Forecasting of Brain Activity Enhances Alzheimer's Classification and Interpretation 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253394 PMID:41336569	研究论文	本研究通过生成式预测大脑活动，利用LSTM和Transformer模型增强阿尔茨海默病的分类和解释能力	引入生成式预测作为数据增强方法，并采用新型Transformer-based BrainLM模型进行多变量时间序列预测，以提升阿尔茨海默病分类性能	数据集规模有限，特别是针对阿尔茨海默病等疾病特定群体，可能限制深度学习模型的泛化能力	通过数据驱动方法理解认知与内在大脑活动的关系，并增强阿尔茨海默病的分类和解释	静息态功能磁共振成像（rs-fMRI）数据，特别是从独立成分网络导出的多变量时间序列	机器学习	阿尔茨海默病	静息态功能磁共振成像（rs-fMRI）	LSTM, Transformer	多变量时间序列数据	NA	NA	LSTM, BrainLM	分类性能	NA
11483	2026-02-24	Deep learning-based optic nerve diameter sheath characterization and structure quantification on transorbital ultrasound images 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1705459 PMID:41601796	研究论文	本文提出了一种基于深度学习的神经网络，用于在经眼眶超声图像上进行视神经鞘直径表征和结构量化	结合共享和特定特征提取分支以及不确定性感知损失函数，以学习鲁棒的物体结构，并在多中心公开数据集上表现出优越性能	NA	实现视神经的精确分割和视神经鞘直径的量化，以作为颅内压升高等神经眼科疾病的非侵入性评估生物标志物	经眼眶超声图像中的视神经结构	计算机视觉	神经眼科疾病	超声成像	深度学习神经网络	图像	多中心公开数据集	NA	结合共享和特定特征提取分支的深度神经网络	Dice分数, AUROC	NA
11484	2026-02-24	Non-genetic factors determine deep learning identified ECG differences between black and white healthy subjects 2025, NPJ cardiovascular health DOI:10.1038/s44325-025-00087-1 PMID:41080706	研究论文	本研究探讨了机器学习模型能否从健康黑人和白人个体的心电图中识别基于种族的差异，并探索了这些差异的起源	揭示了心电图中的种族相关模式主要由非遗传因素决定，并通过大规模多机构数据分析验证了这一点	研究主要关注黑人和白人群体，可能未涵盖其他种族或族裔群体，且社会经济状态的影响分析可能受数据限制	调查人工智能模型从心电图数据中检测种族差异的能力及其公平性影响	来自多个机构的约176万名健康受试者的约1000万条心电图轨迹	机器学习	心血管疾病	心电图分析	CNN	心电图信号	约176万名受试者，约1000万条心电图轨迹	NA	1层晚期融合CNN	AUC	NA
11485	2026-02-24	Anthropometry and diagnostic aware deep learning for exercise assessment 2025, Frontiers in medical technology IF:2.7Q3 DOI:10.3389/fmedt.2025.1725661 PMID:41725682	研究论文	提出一种结合人体测量和诊断信息的深度学习框架，用于评估力量训练动作的质量和风险	首次将人体测量和诊断特征与IMU运动学数据融合，通过注意力加权进行特征融合，提升动作分类和风险预测的准确性	样本量较小（仅15名健康受试者），且未在临床患者或更大样本人群中验证	开发一个多模态深度学习框架，以分类运动质量并预测运动相关风险	健康受试者进行正确和不正确的深蹲和罗马尼亚硬拉动作	机器学习	NA	IMU（惯性测量单元）数据采集	CNN, LSTM	运动学序列数据，静态人体测量/诊断数据	15名健康受试者	NA	CNN-LSTM分支与全连接分支融合，注意力加权	序列级准确率，二元风险预测准确率	NA
11486	2026-02-24	AI-based prediction of heart failure progression in persistent atrial fibrillation using wearable electrocardiography: a brief research report 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1748673 PMID:41727311	研究论文	本研究评估了利用可穿戴心电图和人工智能模型预测持续性房颤患者心力衰竭进展的可行性	首次结合可穿戴心电图特征与临床指标，采用上下文感知深度学习模型预测心力衰竭生物标志物变化趋势	样本量较小（仅50名患者），研究结果需要更大规模验证	评估基于可穿戴心电图和人工智能预测持续性房颤患者心力衰竭进展的可行性	持续性房颤患者	机器学习	心血管疾病	可穿戴心电图监测	LSTM, 注意力机制	心电图信号, 临床数据	50名持续性房颤患者	NA	上下文感知深度学习模型	RMSE, MAE, 准确率	NA
11487	2026-02-24	Accelerated Brain Aging and Cerebral Blood Flow Reduction in Persons With Human Immunodeficiency Virus 2021-11-16, Clinical infectious diseases : an official publication of the Infectious Diseases Society of America IF:8.2Q1 DOI:10.1093/cid/ciab169 PMID:33621317	研究论文	本研究通过MRI生物标志物比较了不同病毒载量的HIV感染者与未感染者的脑老化差异，发现脑血流与年龄和病毒载量相关，而结构老化与认知功能下降相关	首次系统比较了不同病毒载量HIV感染者的脑老化特征，揭示了脑血流与结构老化的不同影响因素	横断面研究设计无法确定因果关系，样本量相对有限	探究HIV感染对脑老化的影响及其与病毒载量的关系	HIV感染者（分为可检测和不可检测病毒载量两组）与HIV未感染者	医学影像分析	人类免疫缺陷病毒感染	磁共振成像，动脉自旋标记，神经心理学测试	深度学习算法	MRI图像，神经心理学测试数据	529人（230名不可检测病毒载量HIV感染者，93名可检测病毒载量HIV感染者，206名HIV未感染者）	NA	公开可用的深度学习算法（具体架构未说明）	P值	NA
11488	2026-02-23	Adaptive sampling for efficient Lamb wavefield reconstruction in composite laminates with Spatial-Temporal Masked AutoEncoder 2026-Jun, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.107972 PMID:41592361	研究论文	本文提出了一种基于深度学习的方法，利用时空掩码自编码器（STMAE）从高度欠采样的波场数据中重建复合材料层压板中的完整兰姆波场数据	提出了一种新颖的基于贝叶斯优化的扫描路径优化方法，生成自适应稀疏空间采样模式，并与STMAE结合形成AdaSTMAE，从而在损伤区域周围实现更低的波场预测误差	未明确说明方法在更广泛工程场景或不同材料类型中的适用性限制	开发一种高效、可靠的兰姆波场数据重建方法，以提升非接触式扫描激光多普勒测振仪（SLDV）在碳纤维增强塑料（CFRP）无损检测中的实用性	碳纤维增强塑料（CFRP）层压板中的兰姆波场数据	机器学习	NA	超声兰姆波测试（ULWT），扫描激光多普勒测振仪（SLDV）	自编码器（AutoEncoder）	时间序列高稀疏度兰姆波场数据	NA	NA	时空掩码自编码器（STMAE），自适应时空掩码自编码器（AdaSTMAE）	重建误差	NA
11489	2026-02-23	DeepHSI: A transferable and expandable hyperspectral framework for industrial plant origin identification: A case study of Pogostemon cablin (Blanco) Benth 2026-Jun-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129474 PMID:41621286	研究论文	本研究提出了一种基于高光谱图像和深度学习的快速通用方法DeepHSI，用于识别广藿香的产地，并结合代谢组学和转录组学分析验证其可行性	开发了可迁移和可扩展的高光谱框架DeepHSI，通过多批次数据训练和迁移学习展示通用性，并引入简化的多产地识别模型融合机制以支持实际应用扩展	NA	实现广藿香产地的快速、无损识别，以支持质量控制、防伪和真实性验证	广藿香（Pogostemon cablin (Blanco) Benth）	计算机视觉	NA	高光谱成像（HSI）、代谢组学分析、转录组学分析	深度学习模型	高光谱图像	来自三个主要产地的广藿香样本，在三个实验批次条件下收集数据	NA	NA	NA	NA
11490	2026-02-23	Tomek links-based SMOTE method for class imbalance in blood cell classification with dual path sliding window attention model 2026-Jun-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129473 PMID:41628562	研究论文	本文提出了一种结合Tomek links的SMOTE方法和双路径滑动窗口注意力模型，用于解决血细胞分类中的类别不平衡问题	提出了一种新的双路径滑动窗口注意力模型，并结合了混合SMOTE-Tomek Links数据平衡策略，以解决多光谱成像数据集中的类别不平衡问题	NA	提高血细胞分类的准确性，以增强临床诊断的准确性	血细胞图像	计算机视觉	神经退行性疾病, 感染, 贫血	多光谱成像	CNN	图像	NA	NA	双路径滑动窗口注意力模型	准确率, 推理时间, GFLOPs	NA
11491	2026-02-23	A concentration detection model combining frequency-domain physical priors and deep learning: For SO2 and NO mixed gas under NH3 interference 2026-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127513 PMID:41605085	研究论文	本研究提出了一种结合频域物理先验与深度学习的混合浓度检测模型，用于在氨干扰下检测二氧化硫和一氧化氮混合气体	通过频域物理先验进行带通滤波分离目标气体频段，并设计并行双输出网络结构结合高效通道注意力机制，增强关键特征提取能力	未明确提及模型在更广泛气体混合物或不同环境条件下的泛化能力	解决在氨干扰下二氧化硫和一氧化氮混合气体光谱重叠导致的浓度检测难题	二氧化硫、一氧化氮和氨的混合气体	机器学习	NA	紫外吸收光谱分析	深度学习模型	光谱数据	通过拉丁超立方采样生成多样浓度组合的数据集	NA	并行双输出网络结构	检测限、不确定度	NA
11492	2026-02-23	Trace-level detection of free polycyclic aromatic hydrocarbons based on magnetic driving and deep learning-assisted recognition 2026-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127531 PMID:41621160	研究论文	本研究开发了一种结合磁驱动富集、环糊精特异性分子捕获和深度学习光谱分析的表面增强拉曼光谱策略，用于水中痕量多环芳烃的快速检测	整合磁驱动富集、环糊精特异性捕获和深度学习辅助光谱分析，构建了SCLA模型以解决结构相似PAHs的光谱重叠问题，实现了高分类准确率和低检测限	NA	开发一种快速、智能且可现场部署的SERS平台，用于复杂环境水样中多环芳烃的准确监测	水中的痕量多环芳烃	机器学习	NA	表面增强拉曼光谱	CNN, LSTM	光谱	NA	NA	CNN-LSTM-Attention	分类准确率, 检测限	NA
11493	2026-02-23	MoistureVision: Rapid non-destructive prediction of cotton seed moisture using hyperspectral imaging and machine learning 2026-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127511 PMID:41616672	研究论文	本研究开发了一种基于高光谱成像和机器学习的棉花种子水分含量快速无损预测方法	结合高光谱成像与机器学习，实现了棉花种子水分含量的像素级预测和空间分布可视化	研究仅使用了单一品种（Jinken 1161）的棉花种子，样本量有限	快速、无损、准确地预测棉花种子水分含量，以评估种子活力和提高储存能力	棉花种子（品种：Jinken 1161）	机器视觉	NA	高光谱成像	CNN, LSTM, 传统机器学习模型	高光谱图像	未明确具体数量，但提及当前样本量有限	未明确指定，可能涉及多种机器学习库	卷积神经网络，长短期记忆网络，偏最小二乘回归，多元线性回归	预测相关系数（R2 p），预测均方根误差，残差预测偏差	NA
11494	2026-02-23	Qualitative identification of Bombyx batryticatus and its counterfeits using hyperspectral imaging and deep learning 2026-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127526 PMID:41628526	研究论文	本研究提出了一种结合高光谱成像与深度学习技术，用于高效、无损地鉴别中药材僵蚕及其伪品的方法	提出了一种改进的ResNeXt50-KS模型，集成了空间与通道协同注意力模块和Kolmogorov-Arnold网络；并利用生成对抗网络增强光谱数据，构建一维卷积神经网络进行特征自动提取，实现了真伪鉴别和产地分类的双重任务	未明确提及模型在其他中药材或更广泛样本上的泛化能力，以及实际市场部署的可行性	开发一种快速、无损的方法，用于中药材僵蚕的真伪鉴别和产地分类，以支持中药材质量控制和市场监管	中药材僵蚕及其经硼砂处理的伪品	计算机视觉	NA	高光谱成像	CNN, GAN	图像, 光谱数据	NA	NA	ResNeXt50, 一维卷积神经网络	准确率	NA
11495	2026-02-23	Exploring the feature prioritization and data sampling of PCOS diagnosis via densely connected attention based squeeze deep learning detection model 2026-Apr, The Journal of steroid biochemistry and molecular biology IF:2.7Q3 DOI:10.1016/j.jsbmb.2025.106933 PMID:41482077	研究论文	本文提出了一种结合特征优先级和数据采样的混合方法，用于提高多囊卵巢综合征（PCOS）的诊断准确性	提出了一种统一流程，同时解决PCOS检测中的三大挑战：数据集不平衡（SMOTE-ENN）、特征冗余（GS2TM）和过拟合（基于注意力的DASCD），实现了高准确性和增强的可解释性	NA	开发一个稳健的PCOS检测模型，通过有效的特征优先级处理数据平衡问题	多囊卵巢综合征（PCOS）的诊断	机器学习	多囊卵巢综合征	NA	深度学习模型	表格数据	NA	NA	密集连接注意力挤压卷积检测模型（DASCD）	准确率	NA
11496	2026-02-23	Total-body [18F]FDG-PET/CT imaging of healthy volunteers with minimal effective dose 2026-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07644-x PMID:41251746	研究论文	本研究探索了结合全身PET与深度学习生成的衰减图，以最小化健康受试者在[18F]FDG-PET/CT成像中的有效剂量	结合高灵敏度全身PET成像与深度学习生成的合成CT衰减图，实现极低放射性注射剂量下的可靠器官定量分析	研究仅针对健康高加索人群，未涵盖不同种族或疾病状态；模拟的低剂量数据基于原始数据下采样，可能未完全反映真实低剂量采集情况	开发最小化辐射暴露的全身PET/CT成像协议	47名健康高加索志愿者（25名女性/22名男性）	医学影像	NA	全身正电子发射断层扫描/计算机断层扫描（TB-PET/CT），[18F]氟代脱氧葡萄糖（[18F]FDG）成像	深度学习模型	PET原始数据，CT图像	47名健康志愿者	NA	NA	标准化摄取值（SUVbw），变异系数（CV），百分比差异	NA
11497	2026-02-23	Low-count whole-body PET denoising with deep learning in a multicenter, multi-tracer and externally validated study 2026-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07672-7 PMID:41261209	研究论文	本研究通过多中心、多示踪剂及外部验证的方式，评估了基于深度学习的PET去噪软件NUCLARITY在低计数扫描中的性能，旨在降低示踪剂剂量或扫描时间	首次在欧洲临床环境中，针对多种示踪剂和未见过的扫描仪技术，进行了盲法、多中心的PET去噪算法读者研究	研究仅基于模拟的50%低计数扫描，且未涵盖所有可能的示踪剂或扫描仪类型，临床验证范围仍有局限	评估深度学习去噪算法在低计数全身PET扫描中的临床适用性，以提升PET的可及性并降低辐射负担	来自三家欧洲医院的65次PET扫描数据，涉及[18F]FDG、[18F]PSMA、[68Ga]PSMA和[68Ga]DOTATATE示踪剂，使用GE和Siemens系统	数字病理学	NA	PET成像，深度学习去噪	深度学习	图像	65次扫描，包含243个病灶	NA	NA	RMSE, PSNR, SSIM, SUVmean, SUVmax, MTV, 敏感性, 特异性, 一致性相关系数(CCC)	NA
11498	2026-02-23	Prospective evaluation of artificial intelligence (AI) in lumbar spine magnetic resonance imaging (MRI) workflow: from deep learning (DL)-enhanced accelerated acquisition to simultaneous vision-language model (VLM)-based automated report generation 2026-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112695 PMID:41579672	研究论文	本研究前瞻性评估了AI在腰椎MRI工作流程中的应用，包括深度学习加速采集和视觉语言模型自动报告生成	首次将深度学习加速MRI采集与视觉语言模型自动报告生成结合，在腰椎MRI中实现从采集到解释的全流程AI集成	样本量较小（70例患者），仅在两所机构进行，需要更大规模的多中心研究验证	评估AI在腰椎MRI工作流程中的临床可行性，包括加速采集和自动报告生成	腰椎MRI图像及相应的病理发现	医学影像分析	脊柱疾病	磁共振成像	深度学习模型, 视觉语言模型	医学图像	70例患者，共140次MRI扫描	NA	NA	信噪比, 对比噪声比, 诊断一致性	NA
11499	2026-02-23	Enhanced YOLO-based framework and benchmarking for automated Plasmodium vivax detection 2026-Feb-19, Parasitology research IF:1.8Q2 DOI:10.1007/s00436-026-08642-0 PMID:41709048	研究论文	本研究提出了一种基于改进YOLO框架的自动化检测方法，用于在厚血涂片图像中精确识别间日疟原虫	提出了一种结合YOLOv3与改进的MobileNetV2主干网络，并引入具有多尺度纹理敏感性的转换卷积层（TCL）的新型深度学习框架	研究主要针对间日疟原虫（P. vivax），未涵盖所有疟原虫种类；模型性能在低寄生虫密度下的表现未详细讨论	开发一种鲁棒、可扩展且可解释的自动化诊断框架，用于早期疟疾检测和改善疾病管理	间日疟原虫（Plasmodium vivax）	计算机视觉	疟疾	厚血涂片显微成像	CNN, 目标检测	图像	NA	PyTorch（基于YOLO系列推断）	YOLOv3, YOLOv4, YOLOv5, YOLOv8, MobileNetV2	精确度, 准确率, F1分数, 召回率, 平均精度均值（mAP）	NA
11500	2026-02-23	Different BI-RADS breast cancer diagnosis using MobileNetV1 and vision transformer based on explainable artificial intelligence (XAI) 2026-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37199-2 PMID:41702964	研究论文	本文提出了一种结合MobileNetV1和Vision Transformer的混合深度学习框架，用于基于BI-RADS分类的乳腺癌多类别诊断	通过双流结构融合轻量级CNN（MobileNetV1）和Vision Transformer，结合特征级融合和基于Bagging的逻辑回归分类器，并应用可解释人工智能技术提供可视化解释	使用的公开数据集存在类别不平衡问题，且未明确说明模型在其他数据集上的泛化能力	开发精确、有效且可解释的计算机辅助诊断系统，用于乳腺癌的BI-RADS多类别分类	乳腺X线摄影图像（包括CC和MLO视图），按BI-RADS分类方案组织	计算机视觉	乳腺癌	乳腺X线摄影	CNN, Transformer	图像	使用公开的King Abdulaziz University BC Mammogram Dataset (KAUBC)，具体样本数量未明确说明	未明确说明，可能为TensorFlow或PyTorch	MobileNetV1, Vision Transformer (ViT)	准确率(ACC), 灵敏度(SEN), 特异性(SPE)	未明确说明