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
1	2026-05-31	Redefining spiking neural networks through the lens of dynamical superspace 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-026-10470-y PMID:42212279	观点/展望论文	本文通过动力学超空间框架重新定义脉冲神经网络，从时间密度和状态空间复杂度角度审视神经计算，并提出从同步到异步计时、从平衡态到非平衡动力学的演进路线图	提出动力学超空间概念将神经计算重新定义为由时间密度和状态空间复杂度决定的连续层次，揭示了真实神经形态优势来源于异步计时与非平衡动力学，并构建了全局优化与局部执行的桥梁	该框架尚处于概念阶段，缺乏具体实验验证和定量分析；从理论到实际应用的技术路径未详细展开	重新定义脉冲神经网络的计算范式，揭示其作为动力系统而非高效量化的本质，为下一代智能系统提供理论基础	脉冲神经网络（SNN）的计算原理、时间动力学特性及其与生物神经电路的关系	机器学习, 神经形态计算	NA	NA	脉冲神经网络（SNN）	NA	NA	NA	NA	NA	NA
2	2026-05-31	A new method for accurate detection of counterfeit sesame oil using three-dimensional fluorescence spectroscopy 2026-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128055 PMID:42143998	研究论文	提出一种基于差分光谱重建和TabTransformer-XGBoost深度学习模型的方法，用于准确检测掺假芝麻油	首次将差分光谱重建技术与TabTransformer-XGBoost深度学习模型结合，同时实现芝麻油真伪分类和芝麻香精浓度的定量预测	未提及方法在不同品牌或不同批次芝麻油中的泛化能力，以及样本来源和数量的具体描述	开发一种高精度检测芝麻油掺假的新方法	芝麻油及掺入芝麻香精的假冒产品	机器学习	不适用	三维荧光光谱	TabTransformer-XGBoost	三维荧光光谱数据	不适用	TabTransformer, XGBoost	TabTransformer, XGBoost	准确率, 相关系数R, 均方根误差RMSE, 平均绝对百分比误差MAPE, 平均绝对误差MAE	NA
3	2026-05-31	Deep learning-assisted metasurface-enhanced near-infrared spectroscopy for alcohol detection 2026-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128007 PMID:42085821	研究论文	本研究介绍了一种深度学习辅助的超表面平台，用于近红外光谱分析，能够同时定性和定量检测多种醇类物质	结合超表面增强近红外光谱与深度学习模型（CNN-Transformer混合架构），实现了醇类物质的高精度定性和定量检测	NA	开发深度学习辅助的超表面近红外光谱平台，用于多醇类物质的定性和定量分析	多种醇类物质	机器学习, 计算机视觉	NA	近红外光谱, 超表面	CNN, Transformer	光谱数据	NA	NA	CNN, Transformer	决定系数, 均方根误差, 识别准确率	NA
4	2026-05-31	Identification of soybean variety based on spectral data and RGB image fusion combined with deep learning method 2026-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128009 PMID:42107308	研究论文	提出一种基于高光谱数据与RGB图像融合及改进YOLOv11深度学习框架的大豆品种识别方法	创新性融合高光谱与RGB图像数据，提出线性插值方法集成光谱与视觉信息，并通过优化参数效率和增强空间注意力机制改进YOLOv11架构	未明确提及局限性	实现大豆品种的高精度识别，为农产品分类和质量控制提供新策略	大豆品种	计算机视觉, 机器学习	NA	高光谱成像, RGB成像	YOLOv11	图像, 光谱数据	NA	NA	YOLOv11	准确率	NA
5	2026-05-30	Early apple moldy core classification via multi-modal sensing and SE-ResNet18 2026-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128056 PMID:42161033	研究论文	提出一种融合可见-近红外光谱与电子鼻数据的多模态图像编码方法，结合SE-ResNet18深度学习模型，实现对苹果早期霉心病的高效、无损分类	首次结合格拉米角场、马尔可夫转移场和递归图编码技术，将一维时域和光谱数据转换为图像表示，并构建基于通道注意力机制的SE-ResNet18双分支融合模型，显著提升多模态特征提取与分类性能	研究未提及模型在不同品种苹果或其他病害上的泛化能力，且在实际部署中可能存在传感器成本较高的问题	实现苹果霉心病早期内部病变的无损、高效分类，验证多模态数据互补性及注意力机制在特征融合中的有效性	苹果（早期霉心病样本）	计算机视觉, 机器学习	植物病害（苹果霉心病）	光谱分析法（可见-近红外光谱）, 电子鼻技术	卷积神经网络 (SE-ResNet18)	图像（编码后的时域和光谱图像）	未在标题和摘要中明确说明	PyTorch	SE-ResNet18（双分支架构）	分类准确率 (95.93%)	未在标题和摘要中明确说明
6	2026-05-31	Deep Learning-Assisted identification and quantification of cell-associated microplastics using darkfield hyperspectral imaging 2026-Oct-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129864 PMID:42019285	研究论文	开发了结合暗场高光谱成像与深度学习管道的自动化策略，用于在单细胞水平检测和量化细胞相关的聚苯乙烯微塑料	首次将Mask R-CNN、LS-SVM和圆形霍夫变换整合为完整图像分析管道，实现微塑料与细胞相互作用的单细胞分辨率定量评估	该方法需要针对不同颗粒类型和细胞系进行重新训练和验证，目前仅验证了聚苯乙烯微塑料在Caco-2细胞中的效果	建立自动化策略以检测和量化细胞相关的微塑料，评估其潜在健康风险	人结肠腺癌细胞Caco-2和聚苯乙烯微塑料	计算机视觉	微塑料相关健康风险	暗场高光谱成像	CNN, 支持向量机	图像	Caco-2细胞在不同浓度聚苯乙烯微塑料（1×10^7、1×10^8、1×10^9颗粒/mL）处理下的样本	NA	Mask R-CNN, 最小二乘支持向量机, 圆形霍夫变换	精确率, 准确率	NA
7	2026-05-31	Enhancing saline soil quality using enriched sheep manure compost and organic fertilizer: A FTIR-Deep learning evaluation of physiochemical and electrical properties 2026-Oct-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129880 PMID:42035676	研究论文	通过傅里叶变换红外光谱结合深度学习评估改良羊粪堆肥和有机肥对盐渍土壤质量的影响	首次将FTIR光谱与深度学习模型（LSTM和1D-CNN）结合，用于盐渍土壤性质的快速准确评估，并利用SHAP解释模型预测的关键光谱区域	未提及模型在不同土壤类型或长期田间条件下的泛化能力，且PLSR模型部分参数（如有机肥处理的R值为0.27）表现较差，可能受样本量或实验条件限制	建立基于FTIR光谱与机器/深度学习的框架，快速评估盐渍土壤改良效果，并预测关键理化性质	盐渍土壤样本，经改良羊粪堆肥和有机肥处理后进行理化性质分析	机器学习	不适用	傅里叶变换红外光谱	长短期记忆网络、一维卷积神经网络、偏最小二乘回归	光谱数据	未明确说明，涉及盐渍土壤样本及两种改良处理（有机肥和羊粪堆肥）	不适用	LSTM, 1D-CNN	决定系数R	未提及
8	2026-05-31	3D-printed real-time biosensing system integrating deep learning for label-free in vitro T cell culture analysis 2026-Oct-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129892 PMID:42035675	研究论文	利用3D打印模块构建的自动无标记监测平台，结合深度学习实现T细胞培养过程的实时分析	首次将3D打印模块化组件、自动化细胞培养、实时明场成像和深度学习算法集成于一个平台，实现T细胞形态、活力和迁移行为的连续追踪，无需标记	未提及对细胞代谢功能的直接检测，以及在不同T细胞亚型或临床样本中的验证	开发一种用于癌症免疫治疗中T细胞培养的实时、无标记监测技术	体外培养的T细胞	计算机视觉	癌症	NA	深度学习	明场图像	NA	NA	NA	平均精度	NA
9	2026-05-31	Chemical composition imaging and class imbalance handling using a 2D-CNN with SMOTE and threshold moving for tobacco origin classification 2026-Oct-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129950 PMID:42105520	研究论文	提出一种结合化学组分成像、2D-CNN与SMOTE及阈值移动的方法，用于烟草产地分类	将多维化学组分转换为结构化2D图像，利用2D-CNN捕捉化学指标间的复杂相关性，并结合SMOTE与阈值移动缓解类别不平衡	未提及相关限制	解决烟草产地分类中复杂的化学关系与地理样本不平衡问题	烟草样品及其化学组分	计算机视觉, 机器学习	无特定疾病分类	化学组分成像, SMOTE	2D-CNN	图像（化学组分转换的2D图像）	八个生态区域的烟草样本	NA	2D-CNN, 1D-CNN（用于对比）	准确率, 精确率, 召回率, F1分数	NA
10	2026-05-31	A hybrid chemometric and deep learning model for monitoring quality loss in thermally processed edible oils 2026-Aug-31, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2026.119497 PMID:42215142	研究论文	提出一种结合化学计量学和深度学习的方法，用于监测热加工食用油的质量损失	将FTIR光谱和介电测量与CARS-PLS、RF-PLS和1D-CNN等先进化学计量学和深度学习模型相结合，并通过SHAP可解释AI分析揭示关键光谱贡献，实现对热加工食用油降解过程的敏感、非破坏性监测	该研究为实验室概念验证，尚未在工业或家庭真实烹饪条件下进行大规模验证	开发一种集成光谱、介电分析与预测建模的方法，用于评估食用油在热处理过程中的质量退化	花生油、芝麻油和餐厅收集油的热降解过程	机器学习	NA	FTIR光谱、介电测量	1D-CNN、CARS-PLS、RF-PLS	光谱数据、介电常数、酸值	花生油、芝麻油和餐厅收集油样本（具体数量未提及）	NA	1D-CNN	训练R值、外部测试R值、RMSE	NA
11	2026-05-31	Deep learning-based non-contrast cine CMR for optimized prediction of left ventricular adverse remodeling after ST-elevation myocardial infarction 2026-08-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2026.134499 PMID:42031064	研究论文	基于非对比剂心脏磁共振的深度学习模型用于预测ST段抬高型心肌梗死后左心室不良重构	首次评估基于非对比剂心脏磁共振的深度学习模型预测STEMI患者左心室不良重构的可行性，并整合成像、形态和运动特征，无需使用钆对比剂	研究为回顾性设计，样本量相对有限（252例），且深度学习模型决策过程的解释性仍需进一步验证	评估非对比剂心脏磁共振的深度学习模型预测急性ST段抬高型心肌梗死后左心室不良重构的性能	急性ST段抬高型心肌梗死患者	计算机视觉	心血管疾病	心脏磁共振	3D U形网络及分类模型	图像	252名STEMI患者，来自两个医疗中心，训练集176例，测试集76例	NA	3D U形网络	AUC、准确率、敏感性、特异性、F1分数	NA
12	2026-05-31	How receptor conformation depends on lipid nanodisc size: Adenosine A2A receptor and implications for class-A GPCR proteins 2026-Jul, Biochimica et biophysica acta. Biomembranes DOI:10.1016/j.bbamem.2026.184535 PMID:42061733	研究论文	通过原子级模拟比较膜蛋白在脂质纳米盘和无应变平面膜中的环境差异，聚焦腺苷A2A受体，探究纳米盘尺寸对受体构象的影响	首次揭示脂质纳米盘尺寸对GPCR受体构象分布的调节作用，发现直径约19nm的纳米盘能更好模拟无应变平面膜环境	仅基于简单脂质组成模拟，未考虑真实细胞膜复杂成分及膜支架蛋白的潜在影响	评估脂质纳米盘环境对膜蛋白构象行为的影响，为优化纳米盘实验设计提供指导	腺苷A2A受体（GPCR蛋白家族）的构象状态与脂质纳米盘环境的关系	机器学习	NA	分子动力学模拟	深度学习	模拟轨迹数据	两种纳米盘尺寸（直径约11nm和19nm）及平面膜系统	NA	NA	NA	原子级分子动力学模拟（具体GPU型号未说明）
13	2026-05-31	Artificial intelligence for marine oil spill management: Recent advances and future directions 2026-Jul, Marine environmental research IF:3.0Q2 DOI:10.1016/j.marenvres.2026.108108 PMID:42119407	综述	系统综述人工智能在海洋溢油全生命周期管理中的最新进展，涵盖检测、评估和应急响应等环节	首次从溢油管理全生命周期视角整合AI赋能的多种技术方法，包括物理信息驱动建模、深度学习轨迹预测、不确定性量化及自主机器人遥感集成系统	数据可用性不足、模型泛化能力有限、可解释性欠缺以及系统集成困难等关键挑战尚未解决	总结AI在海洋溢油风险管理中的现有进展与实践，识别关键挑战并提出未来研究方向	海洋溢油事件及其管理全过程中的AI技术应用	machine learning, computer vision	NA	机器学习、计算机视觉、智能传感、机器人技术	深度学习	多源遥感数据、溢油轨迹数据、环境监测数据	NA	NA	物理信息神经网络、深度学习轨迹预测架构	轨迹预测精度、不确定性量化指标	NA
14	2026-05-31	LRF-CNN: An explainable lightweight receptive field-based CNN for colorectal cancer histopathological image classification 2026-Jun-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.115997 PMID:42211130	研究论文	提出了一种轻量级可解释感受野卷积神经网络（LRF-CNN），用于结直肠癌组织病理图像分类	集成了多分支轻量级感受野模块和注意力模块，并通过事后激活量化和多阶段特征图可视化提升模型可解释性	未提及具体局限性	开发一种准确、高效且可解释的深度学习模型，用于结直肠癌组织病理图像分类	结直肠癌组织病理图像	数字病理学	结直肠癌	组织病理学图像分析	卷积神经网络	图像	公共五类结直肠组织病理图像数据集	NA	轻量级感受野卷积神经网络	准确率	NA
15	2026-05-31	Automated detection of neonatal pulmonary hypertension in echocardiograms with a deep learning model 2026-Jun, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-025-04404-3 PMID:40993360	研究论文	提出一种基于深度学习模型自动检测新生儿超声心动图中肺动脉高压的方法	利用时空卷积神经网络结合超声心动图标准切面实现高准确率自动检测，并通过梯度加权类激活映射增强模型可解释性	未提及数据集在不同设备或人群中的泛化性验证，且仅依赖偏心指数作为金标准可能忽略其他临床指标	开发自动化检测新生儿肺动脉高压的深度学习模型，提高诊断效率并验证其准确性	年龄3-90天的新生儿超声心动图视频	计算机视觉	肺动脉高压	超声心动图	空间卷积神经网络与时空卷积神经网络	视频帧	训练验证集975个视频（13530帧），保留测试集378个视频	NA	空间CNN与时空CNN	AUROC	NA
16	2026-01-25	Deep learning reconstruction enhances 1.5T MR angiography beyond 3T in vascular visualization for Moyamoya disease 2026-Jun, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01945-9 PMID:41579320	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
17	2026-02-19	Improved image quality and greater diagnostic suitability in myocardial delayed enhancement CT with deep learning image reconstruction 2026-Jun, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-026-01958-y PMID:41701468	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
18	2026-05-31	Distinguishing lumpy skin disease from coat patterns using morphological priors in deep learning 2026-Jun, Veterinary journal (London, England : 1997) DOI:10.1016/j.tvjl.2026.106630 PMID:41780580	研究论文	开发基于形态学先验的深度学习模型，用于区分牛结节性皮肤病与皮毛图案	提出形态学驱动的图像分析框架，包含局部纹理细化模块和全局形态一致性模块，模拟兽医视觉判断过程，有效区分结节病变与复杂的皮毛纹理	输出为图像级分类（健康/病变），不能替代临床检查和实验室检测，仅作为辅助筛查工具	开发实用的形态学驱动筛查工具，用于牛群层面的图像监测，及早发现牛结节性皮肤病病变	牛结节性皮肤病（LSD）的图像检测	计算机视觉, 数字病理学	牛结节性皮肤病	形态学驱动的图像分析	CNN	图像	基于典型农场条件的多个数据集	NA	包含局部纹理细化模块和全局形态一致性模块的特定架构	图像级分类准确率	NA
19	2026-03-23	Deep learning-driven MRI segmentation of choroid plexus volume: a novel biomarker for cognitive impairment in type 2 diabetes mellitus 2026-Jun, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01944-w PMID:41863666	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
20	2026-05-31	Deep learning-based computer-aided diagnosis for parotid gland tumors on MRI 2026-Jun, Auris, nasus, larynx DOI:10.1016/j.anl.2026.02.012 PMID:41865703	research paper	研究基于深度学习（DL）的计算机辅助诊断（CAD）系统在MRI上区分腮腺肿瘤良恶性的增量临床价值	首次证明DL-CAD系统能提高不同经验阅片者在MRI上诊断腮腺肿瘤的准确性，尤其对高级别和局部晚期肿瘤具有增量价值	未详细说明数据来源的潜在偏倚，对低级别或pT1期肿瘤的改善不显著	评估基于深度学习的计算机辅助诊断系统在MRI上鉴别腮腺肿瘤良恶性的临床价值	腮腺肿瘤患者（2000-2022年间手术病例）的MRI数据	machine learning	腮腺肿瘤	MRI	EfficientNet-based CNN	image	170例经组织学确诊的病例用于模型开发，134例用于阅片研究	PyTorch	EfficientNet	准确率、敏感度、特异度、AUC	NA