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
1181	2025-12-06	Deep learning enhanced label-free cervical screening via stimulated Raman cytology 2026-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.128982 PMID:41109050	研究论文	本文提出了一种基于刺激拉曼细胞学的无标记宫颈筛查平台，结合深度学习实现宫颈细胞的快速筛查和诊断	开发了VAD-SRC平台，通过刺激拉曼散射显微镜获取细胞内在生物分子对比，结合深度卷积神经网络实现高精度诊断和细胞类型自动分割	未提及研究的具体局限性	提高宫颈癌筛查的诊断通量和灵敏度	宫颈细胞样本	数字病理学	宫颈癌	刺激拉曼散射显微镜	CNN	图像	未提及具体样本数量	NA	深度卷积神经网络	准确率, 灵敏度	NA
1182	2025-12-06	SE-PDS enhanced NIR spectral transfer learning: A machine learning approach for cross-instrument jet fuel property quantification 2026-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.129005 PMID:41124770	研究论文	本研究提出了一种改进的共享嵌入增强分段直接标准化算法，结合随机森林模型，实现了跨仪器对喷气燃料16种理化性质的定量预测	提出了改进的SE-PDS算法，整合了所有光谱段的光谱矩阵和窗口索引，使单个模型能够利用不同特征间的共享信息，并自动识别和消除光谱数据中的不规则波动和突变	研究仅使用了86个喷气燃料样本进行验证，样本量相对较小	实现跨仪器近红外光谱的迁移学习，用于喷气燃料性质的定量预测	喷气燃料的理化性质	机器学习	NA	近红外光谱	随机森林	光谱数据	86个喷气燃料样本	NA	随机森林	相关系数, 决定系数, 相对误差率	NA
1183	2025-12-06	Characterization of Gastrodiae Rhizoma from different geographical origins by HS-GC-IMS and authenticity identification combined with deep learning 2026-Jan-04, Journal of chromatography. A DOI:10.1016/j.chroma.2025.466482 PMID:41172769	研究论文	本研究结合顶空气相色谱-离子迁移谱（HS-GC-IMS）与深度学习算法，对不同产地天麻的挥发性成分进行表征并建立产地真实性鉴别方法	首次将GC-IMS二维谱图与深度学习（CNN、ResNet）相结合用于天麻产地鉴别，准确率超过99.54%，显著优于传统机器学习方法（约90%）	样本数量有限（未明确具体样本数），仅分析了挥发性成分，未涵盖其他化学组分	建立天麻产地鉴别与掺假筛查策略，确保市场产品质量	不同地理来源的天麻（Gastrodiae Rhizoma）样本	计算机视觉	NA	顶空气相色谱-离子迁移谱（HS-GC-IMS）	CNN, ResNet	图像（2D GC-IMS色谱图）	未明确具体样本数量，涉及不同产地天麻样本	NA	卷积神经网络（CNN）, 残差网络（ResNet）	准确率	NA
1184	2025-12-06	Evolution of chromatographic modeling: From mechanistic models to hybrid models with physics-based deep learning 2026-Jan-04, Journal of chromatography. A DOI:10.1016/j.chroma.2025.466565 PMID:41297511	综述	本文系统总结了基于物理的深度学习（PBDL）方法在色谱建模中的三代演进过程	提出了色谱建模从传统机理模型到融合机理理解与数据驱动的混合模型的演进框架，并阐述了PBDL如何实现物理与数据的相互反馈	未提及具体应用案例的性能局限或数据要求	综述色谱建模技术的发展历程，探讨物理驱动深度学习方法的演进与潜力	色谱建模方法	机器学习	NA	物理驱动的深度学习	神经网络	模拟数据与物理方程	NA	NA	物理信息神经网络	NA	NA
1185	2025-12-06	Multiparametric MRI deep learning model based on dynamic Contrast-enhanced and apparent diffusion coefficient map enables accurate prediction of benign and malignant breast lesions 2025-Dec-05, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00970-1 PMID:41345985	研究论文	本研究开发了一种基于动态对比增强磁共振成像和表观扩散系数图的多参数深度学习模型，用于准确区分乳腺良恶性病变	首次将DCE-MRI和ADC图结合构建深度学习模型，用于乳腺病变的良恶性鉴别，并证明其性能优于单一参数模型及初级放射科医生	研究为回顾性设计，样本量有限，且来自单一中心，未来需要在前瞻性、多中心、多扫描仪和跨国队列中进行验证	开发一个基于多参数MRI的深度学习模型，以区分乳腺良恶性病变，并评估其辅助临床决策的潜力	乳腺病变（包括良性和恶性）	数字病理	乳腺癌	动态对比增强磁共振成像，表观扩散系数图	深度学习模型	医学影像（MRI图像）	训练/验证集包含509名患者的556个病灶（307个恶性，249个良性）；独立测试集包含225名患者的243个病灶	NA	NA	AUC，准确率，灵敏度，特异性	NA
1186	2025-12-06	Potential radiation dose reduction in computed tomography with deep learning reconstruction: a retrospective monocentric study 2025-12-05, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.253513 PMID:41346133	研究论文	本研究评估了深度学习重建算法在常规临床CT扫描中相比迭代重建算法，能否在维持或提升图像质量的同时降低辐射剂量	首次在单中心、大规模回顾性研究中，系统评估了深度学习重建算法在四种不同CT协议（胸部、头部、胸腹盆肿瘤学、下肢CTA）中降低辐射剂量的一致性和有效性，证实了其广泛的临床应用潜力	研究为回顾性、单中心设计，可能存在选择偏倚，且图像质量评估仅基于子样本（200名患者）	评估深度学习重建算法在降低CT扫描辐射剂量方面的有效性和一致性	接受CT扫描的患者	医学影像	NA	计算机断层扫描	深度学习重建算法	CT图像	总人群13,060名患者，图像质量评估子样本200名患者（每组每个协议25名）	NA	NA	主观图像质量评估，标准化信噪比，对比噪声比	NA
1187	2025-12-06	Digital profile of children's hearts: automated echocardiogram strain analysis facilitates earlier detection of cardiac dysfunction 2025-Dec-05, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehaf952 PMID:41347951	研究论文	本文提出了一种名为Motion-Echo的半监督深度学习框架，用于自动化超声心动图应变分析，旨在提高儿童心脏功能障碍的早期检测能力	开发了一个大规模、供应商无关的半监督深度学习框架，整合了上下文补偿和运动估计模块，适用于不同图像质量和人群的超声心动图应变分析	NA	通过标准化和自动化超声心动图应变分析，提高儿童心脏功能评估的准确性并实现心脏功能障碍的早期检测	儿童和成人的超声心动图数据	数字病理学	心血管疾病	超声心动图	深度学习	图像	11096例儿童和11297例成人超声心动图	NA	Motion-Echo	平均绝对误差, Pearson相关系数, AUC	NA
1188	2025-12-06	Attention-Guided Deep Learning of Chemical Exchange Saturation Transfer Magnetic Resonance Imaging to Differentiate Between Tumor Progression and Radiation Necrosis in Brain Metastasis 2025-Dec-05, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.10.040 PMID:41348074	研究论文	本研究开发了一种基于注意力引导深度学习的化学交换饱和转移磁共振成像方法，用于区分脑转移瘤中的肿瘤进展与放射性坏死	提出了一种结合新型注意力机制的三维Transformer模型，并首次将多模态化学交换饱和转移MRI与T1/T2映射及常规结构MRI结合用于该诊断任务	样本量相对有限（93例患者，230个病灶），且需依赖组织病理学或长期随访影像确认结果，可能引入选择偏倚	解决脑转移瘤立体定向放射外科治疗后放射性坏死与肿瘤进展的鉴别诊断难题	接受立体定向放射外科治疗的脑转移瘤患者（共93例，包含230个病灶）	数字病理学	脑转移瘤	化学交换饱和转移磁共振成像，T1/T2映射，常规结构MRI	Transformer	磁共振图像	93例患者（230个病灶），其中训练集47例患者（184个病灶），独立测试集46例患者（46个病灶）	NA	三维Transformer模型	AUC（受试者工作特征曲线下面积）	NA
1189	2025-12-06	Low-dose CBCT image reconstruction: a review 2025-Dec-05, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-025-02492-y PMID:41348234	综述	本文深入分析了低剂量锥束计算机断层扫描（CBCT）图像重建领域的最新研究进展	系统性地综述了低剂量CBCT图像重建中解析重建算法、迭代重建算法和深度学习方法的进展、特点与应用，并指出了当前技术的挑战与未来方向	作为一篇综述，其本身不包含原创性实验或新模型验证，主要基于现有文献进行分析	旨在通过综述低剂量CBCT图像重建技术，推动该领域发展，在降低患者辐射风险的同时保持图像质量	低剂量CBCT图像重建的相关算法与方法	医学影像处理	NA	锥束计算机断层扫描（CBCT）	NA	CBCT图像	NA	NA	NA	NA	NA
1190	2025-12-06	Radiological Image and Text-Based Medical Concept Detection in Social Networks Using Hybrid Deep Learning 2025-Dec-05, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02311-y PMID:41348245	研究论文	本研究利用混合深度学习模型，从社交媒体中的放射学图像及其相关评论中自动检测和分类医学概念	首次将深度学习模型应用于从社交媒体收集的放射学数据，进行多标签医学概念分类	未提及具体的数据偏差或模型泛化能力限制	通过自动分配相关医学概念，对社交媒体上的放射学图像进行多标签分类	社交媒体上的放射学图像及其相关评论	计算机视觉	NA	深度学习	CNN, 前馈神经网络	图像, 文本	使用ImageCLEF 2019数据集和自定义数据集Rdpd_Test_Ds	NA	VGG-19, DenseNet-121, ResNet-101, Xception, Efficient-B7	精确率, 召回率, F1分数	NA
1191	2025-12-06	Bioinformatics and artificial intelligence in genomic data analysis: current advances and future directions 2025-Dec-05, Molecular genetics and genomics : MGG IF:2.3Q3 DOI:10.1007/s00438-025-02314-x PMID:41348251	综述	本文全面综述了人工智能（特别是机器学习和深度学习）在基因组数据分析中的应用、当前进展与未来方向	系统整合了AI在基因组分析全流程（从变异检测到多组学整合和个性化医疗）的应用，并批判性评估了可解释AI和联邦学习等新兴技术	面临数据标准化、计算成本高、算法可解释性不足以及隐私和算法偏见等伦理挑战	探讨人工智能如何变革基因组数据分析，并解决传统生物信息学方法的关键局限	2010年至2024年间发表的同行评审研究，涵盖PubMed、Scopus和Google Scholar数据库	生物信息学, 机器学习	NA	下一代测序	机器学习, 深度学习	基因组数据	NA	NA	NA	准确性	NA
1192	2025-12-06	Photon-Counting Detector CT of the Brain Reduces Variability of Hounsfield Units and Has a Mean Offset Compared with Energy-Integrating Detector CT 2025-Dec-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8910 PMID:40592542	研究论文	本研究比较了光子计数探测器CT与能量积分探测器CT在脑部成像中Hounsfield单位的变异性、灰质与白质对比及图像噪声	首次使用基于深度学习的自动化脑部分割技术，系统比较了新型光子计数探测器CT与传统能量积分探测器CT在脑组织衰减测量精度和图像质量方面的差异	研究为回顾性设计，未包含脑部病理患者，且未探讨窗口预设调整的临床影响	评估光子计数探测器CT技术在脑部成像中对组织衰减值测量精度和图像质量的改进效果	接受脑部CT扫描的无脑部病理患者	医学影像分析	NA	CT成像，深度学习分割	深度学习模型	CT图像	总计509名患者（EID-CT组329名，PCD-CT组180名），年龄匹配子集157名	NA	NA	Hounsfield单位，灰白质比率，对比噪声比	NA
1193	2025-12-06	Artificial Intelligence-Driven Detection of Large Vessel Occlusions on NCCT: A Multi-Institutional Study 2025-Dec-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8923 PMID:41067911	研究论文	本研究评估了深度学习算法“Triage Stroke”在非增强CT上检测前循环大血管闭塞的能力，通过多机构数据验证其性能	首次在多机构研究中验证了深度学习算法在非增强CT上自动检测大血管闭塞的性能，并证明其优于放射科医生，尤其在结合NIHSS评分时优化了预测价值	研究仅针对前循环大血管闭塞，样本量相对有限（612例），且未涵盖所有卒中类型或后循环病变	评估深度学习算法在非增强CT影像中识别急性缺血性卒中患者前循环大血管闭塞的预测能力	疑似急性缺血性卒中的患者，包括有和无前循环大血管闭塞的平衡队列	数字病理学	心血管疾病	非增强CT成像	深度学习算法	医学影像	612名患者，来自3个美国综合卒中中心	NA	Triage Stroke	灵敏度, 特异度, 阳性预测值, 阴性预测值, AUC	NA
1194	2025-12-06	An automated classification of brain white matter inherited disorders (Leukodystrophy) using MRI image features 2025-Dec-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae2336 PMID:41285048	研究论文	本研究提出了一种基于MRI图像特征的自动化分类方法，用于诊断脑白质遗传性疾病（脑白质营养不良症）	首次将深度学习CNN模型（特别是InceptionV3）应用于3D脑MRI图像，对五种主要脑白质营养不良亚型进行自动化分类，并系统比较了传统机器学习与深度学习方法的表现	研究样本量相对较小（115例患者），仅包含五种主要亚型，可能无法涵盖所有脑白质营养不良变异类型	开发可靠的自动化工具，辅助神经科医生进行脑白质营养不良症的鉴别诊断	115名确诊脑白质营养不良症患者的脑部MRI图像，涵盖五种主要亚型	医学影像分析	脑白质营养不良症	脑部MRI成像	传统机器学习算法, CNN	3D MRI图像	115例患者	NA	InceptionV3	准确率, 精确率, 召回率, 特异性, F1分数, AUC	NA
1195	2025-12-06	Semantic Correspondence: Unified Benchmarking and a Strong Baseline 2025-Dec-04, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3640429 PMID:41343305	综述	本文首次对语义对应方法进行了全面综述，提出了一种分类法，汇总了各方法在多个基准测试上的结果，并提出了一个简单有效的基线模型	提出了首个语义对应方法的广泛综述，创建了统一的分类法和性能比较表，并通过控制实验深入分析了不同方法的组件有效性，同时提出了一个在多个基准测试上达到最先进性能的简单基线模型	NA	对语义对应任务进行全面综述、分析和基准测试，为该领域提供统一的评估框架和强基线	语义对应方法	计算机视觉	NA	NA	NA	图像	NA	NA	NA	NA	NA
1196	2025-12-06	Better Image Filter for Pansharpening 2025-Dec-04, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3637675 PMID:41343325	研究论文	本文提出了一种基于深度学习的对称框架，用于寻找比传统调制传递函数定制滤波器更优的图像滤波器，以提升全色锐化的性能与泛化能力	提出了基于深度学习的对称框架，通过嵌入可学习的各向异性高斯滤波器与任意图像滤波器来模拟最优图像滤波器，并能捕捉图像间的细微偏移并保持全局变形场的平滑性	未明确说明模型在极端成像条件或噪声环境下的鲁棒性，也未讨论计算复杂度与实时处理能力的权衡	寻找比传统MTF-TIF更优的图像滤波器，以提升全色锐化方法的性能与泛化一致性	全色图像与多光谱图像	计算机视觉	NA	全色锐化	深度学习框架	卫星图像	多个卫星数据集（未指定具体数量）	NA	对称深度学习框架	泛化能力、全色锐化性能	NA
1197	2025-12-06	InfoARD: Enhancing Adversarial Robustness Distillation with Attack-Strength Adaptation and Mutual-Information Maximization 2025-Dec-04, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3637689 PMID:41343323	研究论文	本文提出了一种名为InfoARD的对抗性鲁棒性蒸馏方法，通过攻击强度自适应和互信息最大化增强紧凑模型的对抗鲁棒性	引入了攻击强度自适应机制以动态调整攻击强度，并采用互信息最大化策略确保学生模型从多层次特征表示和注意力模式中有效学习	未明确说明方法在极端攻击场景下的性能或计算开销	提高深度神经网络对抗对抗攻击的鲁棒性，通过教师-学生交互保护紧凑模型	深度神经网络模型，特别是教师和学生模型在对抗性环境中的交互	机器学习	NA	对抗性蒸馏，对抗性训练	深度神经网络	图像数据（基于数据集推断）	NA	NA	NA	对抗鲁棒性评估指标（未具体说明）	NA
1198	2025-12-06	BayesOpGAN: A Bayesian-Optimized GAN Framework with Fourier-Based Evaluation for Quality-Controlled Raman Spectral Data Augmentation 2025-Dec-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04540 PMID:41344223	研究论文	本文提出了一种名为BayesOpGAN的生成对抗网络框架，用于从小样本（少于30个）中生成高质量的拉曼光谱数据，以解决深度学习模型在小数据集上过拟合和泛化能力差的问题	引入了贝叶斯优化的损失函数（BayesOpLoss）和平滑上采样模块，并采用傅里叶距离作为一维信号的频域度量来定量评估生成光谱的质量	生成数据量超过一定范围会降低分类器性能，存在最佳增强范围，且研究主要基于RRUFF拉曼数据库的混合质量数据集	开发一种可靠且可扩展的小样本光谱数据增强方法，以提升拉曼光谱分类模型的性能	拉曼光谱数据	机器学习	NA	拉曼光谱	GAN	光谱数据（一维信号）	少于30个样本	NA	GAN, ResNet-50	准确率, 傅里叶距离	NA
1199	2025-12-06	Application of Deep Learning-Based Multimodal Data Fusion for the Diagnosis of Skin Neglected Tropical Diseases: Systematic Review 2025-Dec-04, JMIR AI DOI:10.2196/67584 PMID:41344666	综述	本文对基于深度学习的多模态数据融合方法在皮肤被忽视热带病及相关疾病诊断中的应用进行了系统性回顾	首次系统性地回顾了深度学习多模态数据融合方法在皮肤被忽视热带病诊断中的应用，并分析了伦理风险和潜在偏倚风险	目前相关研究数量较少（仅14篇），数据稀缺，且算法选择、融合策略及在资源有限地区的应用仍需进一步探索	评估深度学习多模态数据融合方法在皮肤被忽视热带病及相关非热带皮肤疾病诊断中的有效性、应用现状及未来方向	皮肤被忽视热带病及相关非热带皮肤疾病	计算机视觉	皮肤被忽视热带病	NA	CNN, Transformer, RNN, 生成模型	多模态数据（如图像、文本等）	NA	NA	基于CNN的模型, Transformer, RNN, 生成模型	NA	NA
1200	2025-12-06	Sleep-wakeup based secure multipath routing in wsn using fennec fox optimized deep learning framework 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30622-0 PMID:41345208	研究论文	提出一种基于睡眠唤醒的安全多路径路由框架，用于降低无线传感器网络的能耗并延长其寿命	结合Fennec Fox优化算法与深度学习模型（TCN-BiGRU）进行簇头选择和路径预测，并引入动态睡眠唤醒调度机制	未提及框架在异构网络或大规模部署中的性能表现	提高无线传感器网络的能量效率和安全性	无线传感器网络中的传感器节点	机器学习	NA	NA	深度学习, 优化算法	网络路由数据	NA	NA	TCN-BiGRU	能耗降低百分比, 延迟降低百分比	NA