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
1401	2025-12-08	Deep learning approach for DCE-MRI parameter estimation: Evaluating signal intensity and concentration-time curve-based convolution-neural-networks 2026-Feb, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110559 PMID:41207450	研究论文	本文提出了一种基于浓度-时间曲线的卷积神经网络方法，用于动态对比增强MRI参数估计，旨在适应不同扫描协议并提高计算效率	采用浓度曲线而非信号强度作为输入，设计能适应多种DCE-MRI协议的CNN模型，在外部验证中展示了跨扫描仪和机构的鲁棒性	研究主要针对脑胶质瘤患者，样本量相对有限（训练集72例，测试集18例），且依赖于合成数据进行初始训练	开发一种快速、鲁棒的深度学习方法，用于估计DCE-MRI中的广义示踪动力学参数，以克服传统非线性最小二乘法计算成本高、对噪声和协议变化敏感的问题	脑胶质瘤患者（2-4级）的DCE-MRI数据	医学影像分析	脑胶质瘤	动态对比增强MRI	CNN	医学影像数据	训练集：72例胶质瘤患者；测试集：18例患者；外部验证集：跨扫描仪9例（1.5T），跨机构6例（不同医院）	NA	卷积神经网络	平均绝对误差，AUC，相关性系数	NA
1402	2025-12-08	Transformer-based multi-scale feature fusion for real-time CT bone metastasis detection 2026-Feb, Bone IF:3.5Q2 DOI:10.1016/j.bone.2025.117729 PMID:41241185	研究论文	本文提出了一种基于Transformer的实时CT骨转移检测模型BM-DETR，通过多尺度特征融合提升小尺寸、低对比度病变的检测精度	提出了集成空间上下文增强模块（SCEM）、双分支上采样的AttentionUpsample以及扩张Transformer注意力块（DTAB）的新型Transformer架构，有效解决了局部细节捕获与计算效率的平衡问题	未明确说明模型在更广泛临床数据上的泛化能力，以及在实际边缘设备部署中的具体性能表现	开发高精度、实时的CT骨转移自动检测系统，以支持早期筛查和智能诊断	CT影像中的骨转移病变	计算机视觉	骨转移癌	CT影像分析	Transformer	医学影像（CT）	OsteoScan和BMSeg两个公开数据集	未明确说明	BM-DETR（自定义Transformer架构，包含SCEM、AttentionUpsample、DTAB模块）	mAP50	未明确说明，但提及支持边缘部署
1403	2025-12-08	Deep learning-based perfusion quantification and large vessel exclusion for renal multi-TI arterial spin labelling MRI 2026-Feb, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110573 PMID:41260277	研究论文	提出了一种基于BiLSTM的深度学习方法，用于肾脏多反转时间动脉自旋标记MRI的灌注量化、大血管排除以及血流到达时间和血流长度估计	首次将BiLSTM深度学习模型应用于多反转时间ASL数据的灌注参数量化，并实现了自动大血管排除，相比传统基于Buxton模型拟合的方法，在噪声环境下更准确、更鲁棒	模拟数据与体内数据的特性存在差异，导致部分观察到的量化差异无法完全由模拟结果解释；深度学习模型在血流长度估计上误差大于传统方法	改进肾脏多反转时间动脉自旋标记MRI的灌注参数量化方法，提高其准确性和鲁棒性	肾脏灌注参数（灌注量、血流到达时间、血流长度）及大血管区域	医学影像分析	肾脏疾病	多反转时间流动敏感交替反转恢复序列动脉自旋标记MRI	BiLSTM	MRI图像序列	模拟像素级多反转时间信号数据及体内数据	NA	BiLSTM	量化误差	NA
1404	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
1405	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
1406	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
1407	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
1408	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
1409	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
1410	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
1411	2025-12-08	Artificial intelligence-enabled nanomedicine: enhancing drug design and predictive modeling in pharmaceutics 2025-Dec-07, The Journal of pharmacy and pharmacology IF:2.8Q2 DOI:10.1093/jpp/rgaf113 PMID:41353571	综述	本文综述了人工智能与纳米医学的整合如何革新药物设计、靶向递送和个性化治疗	利用深度学习、强化学习和图神经网络等AI技术，结合纳米载体系统，显著提升了药代动力学预测的准确性和药物开发效率	面临数据标准化、算法透明度和监管合规性等挑战，缺乏统一且灵活的框架以适应快速技术发展	探索人工智能在纳米医学中的应用，以优化药物设计、预测建模和个性化治疗	纳米载体系统（如脂质体、聚合物纳米颗粒、树枝状聚合物）及相关药物开发过程	机器学习	NA	NA	深度学习, 强化学习, 图神经网络	高维数据集	NA	NA	NA	NA	NA
1412	2025-12-08	Deep Learning in Vertebral Fracture Detection: Systematic Review and Meta-analysis of Subject- vs. Vertebra-Level Approaches 2025-Dec-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.023 PMID:41353070	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了深度学习在椎体骨折检测中基于患者层面与椎体层面方法的性能差异	首次在椎体骨折检测领域区分患者层面与椎体层面的深度学习算法，并量化了关键技术和方法学因素的影响	研究中存在患者选择偏倚风险，61%的研究被识别出高偏倚风险，且方法学质量在不同研究间存在差异	评估深度学习算法在椎体骨折检测中的性能，并指导任务特异性临床应用和标准化报告	椎体骨折检测的深度学习算法研究	医学影像分析	椎体骨折	深度学习	深度学习模型	图像	36项研究，涉及96,956名患者和171,552张图像	NA	NA	灵敏度, 特异度, AUC	NA
1413	2025-12-08	Characterization of error-related potentials during the command of a lower-limb exoskeleton based on deep learning 2025-Dec-06, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-025-01833-3 PMID:41353180	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1414	2025-12-08	A foundation model for rock thin-section images analysis 2025-Dec-06, Communications engineering DOI:10.1038/s44172-025-00565-5 PMID:41353266	研究论文	本文介绍了RoImAI，一个专门用于岩石薄片显微镜图像分析的视觉基础模型，旨在实现快速、精确的岩石分割、识别和岩性报告生成	提出了首个针对岩石薄片显微镜图像设计的视觉基础模型，利用Transformer技术实现高精度分割，并采用分层分类策略准确识别岩石颗粒，在效率和准确性上超越人类专家	NA	开发一个自动化、高效的岩石薄片图像分析模型，以替代传统依赖专家视觉检查的主观、耗时方法	岩石薄片显微镜图像	计算机视觉	NA	显微镜成像	Transformer	图像	30,336张图像，包含来自17个不同地区的大约两百万个岩石颗粒	NA	Transformer	效率, 准确性	NA
1415	2025-12-08	Reproducibility of digital pathology features extracted from deep learning and foundational AI models on sequential tissue slides 2025-Dec-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30947-w PMID:41353287	研究论文	本研究评估了从正常前列腺组织连续切片中提取的深度学习特征和基础AI模型特征的可重复性	首次系统评估了深度学习模型和基础模型在相同组织连续切片上提取特征的可重复性，并量化了切片物理距离对特征变异性的影响	研究仅针对50例正常前列腺样本，未涉及病变组织；仅评估了特定DL模型和FMs，未涵盖所有可用模型	评估数字病理学中深度学习特征提取在组织连续切片上的可重复性	50例独立正常前列腺组织样本的连续切片	数字病理学	前列腺癌	苏木精-伊红染色，组织切片	深度学习模型，基础AI模型	数字病理图像	50例正常前列腺样本，每个样本3个连续切片	NA	NA	组内相关系数，最大均值差异，Wasserstein距离	NA
1416	2025-12-08	Multi-MoleScale: a multi-scale approach for molecular property prediction with graph contrastive and sequence learning 2025-Dec-06, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01126-w PMID:41353381	研究论文	本文提出了一种名为Multi-MoleScale的多尺度框架，通过结合图对比学习和序列模型来预测分子性质	提出了一种新颖的多尺度框架，首次将图对比学习与BERT等序列模型结合，以同时捕获分子的结构特征和上下文关系，无需手工特征	未在摘要中明确说明	提高分子性质预测的准确性，解决分子图结构与序列信息融合的挑战	分子	机器学习	乳腺癌	图对比学习，序列学习	GCL, BERT	分子图，分子序列	12个分子性质数据集、ADMET数据集和14个乳腺癌细胞系数据集	NA	BERT	NA	NA
1417	2025-12-08	A novel two-stage deep learning approach for lung cancer using enhanced ResNet50 segmentation and LungSwarmNet classification 2025-Dec-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31000-6 PMID:41353462	研究论文	本文提出了一种基于增强ResNet50分割和LungSwarmNet分类的两阶段深度学习模型，用于从肺部CT图像中检测肺癌	提出了一种名为LungSwarmNet的新型深度神经网络架构，该架构将DenseNet201与粒子群优化算法相结合，并采用两阶段方法（先分割后分类）进行肺癌检测	未在摘要中明确说明	开发一种高精度的深度学习模型，用于从肺部CT扫描图像中早期检测和分类肺癌	肺部CT扫描图像	计算机视觉	肺癌	计算机断层扫描	CNN	图像	NA	NA	ResNet50, DenseNet201	准确率	NA
1418	2025-12-08	Accurate Mediterranean Sea forecasting via graph-based deep learning 2025-Dec-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31177-w PMID:41353460	研究论文	本文介绍了一种名为SeaCast的基于图神经网络的深度学习模型，用于高分辨率地中海区域海洋预报，相比传统数值模型在预测精度和时效上均有显著提升	提出了一种结合图神经网络框架的海洋预报模型SeaCast，能够有效处理复杂海洋网格几何结构，并整合区域特定的外部强迫数据，将技能预测窗口从10天延长至15天	研究仅针对地中海区域进行验证，尚未在其他海域测试；未详细讨论模型在不同季节或极端天气条件下的稳定性	开发高效准确的区域海洋预报系统，以支持航运、水产养殖、环境监测和海岸风险管理等应用	地中海海域的海洋动力学过程	机器学习	NA	图神经网络，深度学习	图神经网络	海洋网格数据，大气强迫数据	基于地中海业务化数值预报系统的高分辨率实验数据	NA	SeaCast（基于图神经网络的定制架构）	预测技能（与业务模型对比的准确性提升），预测时效延长评估	NA
1419	2025-12-08	Integration of multi-scale radiomics and deep learning for Ki-67 prediction in clear cell renal carcinoma 2025-Dec-06, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01214-y PMID:41353523	研究论文	本研究开发并验证了一种整合多尺度影像组学和深度学习特征的多模态模型，用于肾透明细胞癌中Ki-67表达的非侵入性术前预测	通过集成多尺度影像组学（瘤内、生境、瘤周）、2D/3D深度学习和临床特征，并采用堆叠策略融合最佳单模态模型，显著提升了Ki-67术前预测性能	研究为回顾性设计，可能存在选择偏倚；模型性能虽优于单模态方法，但AUC仍有提升空间	开发非侵入性术前预测肾透明细胞癌Ki-67表达的方法，以指导个体化手术和监测策略	627名肾透明细胞癌患者	数字病理学	肾癌	CT影像分析	集成机器学习算法,深度学习	CT图像	627名患者	NA	NA	AUC	NA
1420	2025-12-08	Deep Learning-Based Cardiac MRI Planning from Localizers to Cine Views Using Landmark Detection 2025-Dec-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.028 PMID:41353071	研究论文	本研究评估了一种基于深度学习的全自动框架，用于提高心脏MRI规划的效率和准确性	开发了一个全自动深度学习框架，用于从定位器到电影视图的心脏MRI规划，通过地标检测实现自动化	研究为回顾性设计，可能受到数据选择偏差的影响，且仅评估了特定患者群体	评估深度学习框架在心脏MRI规划中的效率和准确性	1023名接受心脏MRI检查的患者（年龄8-90岁）	计算机视觉	心血管疾病	心脏MRI	深度学习模型	图像	1023名患者	NA	NA	中位地标距离, 平面角度差异	NA