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	2026-09-07	Data diversity vs. model complexity in the prediction of pediatric bipolar disorder: Evidence from academic and community clinical samples 2026-Dec-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.122378 PMID:42600789	研究论文	本研究评估了多种统计与机器学习方法在预测儿童双相障碍中的性能，并比较了三种建模策略，发现训练数据多样性比增加模型复杂度更能提升模型鲁棒性	对比跨数据集验证、带交互项跨数据集验证和合并数据集三种建模策略，系统评估数据多样性与模型复杂度对预测性能的影响	研究主要局限于学术和社区两个数据集，可能限制结论的普遍性；增加模型复杂度未能提升外部性能，但可能受限于数据规模	通过比较不同建模策略和模型复杂度，探索提高儿童双相障碍预测模型泛化能力的方法，强调训练数据多样性对于开发稳健精神科预测模型的重要性	儿童双相障碍患者及其预测模型，涉及学术（N=550）和社区（N=511）临床样本	机器学习	儿童双相障碍	NA	多层感知机、支持向量机、随机森林、K近邻、极端梯度提升、逻辑回归、LASSO	表格数据	学术数据集550例，社区数据集511例，共1061例样本	NA	多层感知机、支持向量机、随机森林、K近邻、极端梯度提升、逻辑回归、LASSO	区分度、校准度、预测因子重要性排序	NA
2	2026-09-07	Multimodal deep learning for detecting current depressive symptom status using wearable time-series data and structural brain MRI in high-risk occupational groups 2026-Dec-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.122270 PMID:42501836	研究论文	本研究评估了结合可穿戴时间序列数据和结构脑MRI的多模态深度学习方法，用于识别高风险职业群体（消防员和检察调查员）中当前抑郁症状状态	首次将可穿戴动态行为信号与结构脑MRI的神经解剖信息相结合，通过多模态深度学习识别当前抑郁症状，并应用于高风险职业群体	未明确提及局限性	评估多模态深度学习方法（结合可穿戴数据和结构脑MRI）是否能更客观地识别高风险职业群体的当前抑郁症状状态	消防员和检察调查员等高危职业群体中的抑郁症状检测	深度学习，多模态学习	抑郁症	可穿戴传感器、结构脑MRI	LSTM	时间序列数据（来自可穿戴设备）和图像（结构脑MRI）	291名参与者（184名消防员和107名检察调查员），平均监测时长4.8周	NA	LSTM	AUROC	NA
3	2026-09-07	Performance of MRI-based deep learning models in differentiation of triple negative breast cancer from other breast cancer subtypes: A systematic review and meta-analysis 2026-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100808 PMID:42699276	系统综述与荟萃分析	该系统综述与荟萃分析综合评估了基于MRI的深度学习模型在鉴别三阴性乳腺癌与其他乳腺癌亚型中的诊断性能	首次对MRI深度学习模型鉴别三阴性乳腺癌的诊断性能进行系统综述和荟萃分析，并采用METRICS工具评估研究质量	纳入研究存在异质性、外部验证有限、方法学质量参差不齐、证据确定性评级为低	综合评估基于MRI的深度学习模型在鉴别三阴性乳腺癌与其他乳腺癌亚型中的诊断性能	组织学确诊的乳腺癌患者，共2985例	医学影像分析, 深度学习	三阴性乳腺癌, 乳腺癌	磁共振成像（MRI）	深度学习模型	MRI图像	9项研究共包含2985例患者	不明确	不明确	曲线下面积（AUC）、敏感性、特异性、阳性似然比、阴性似然比、诊断比值比，异质性I²	不明确
4	2026-09-07	LocaliType: Development of locality-based social determinants of health archetypes using census tract data from the UCSF Health Atlas 2026-Dec, Wellbeing, space and society DOI:10.1016/j.wss.2026.100440 PMID:42699821	研究论文	利用UCSF健康图谱的普查区数据开发基于地区的健康社会决定因素原型（LocaliTypes），并验证其能反映地区健康不平等。	提出了基于地区的健康社会决定因素原型概念，并结合大语言模型文本嵌入、主成分分析和无监督深度学习识别原型，以保护数据机密性。	未在摘要中明确说明局限性，但可能包括依赖普查区数据的空间结构、原型标签随机分配、验证基于历史数据等。	开发并验证一种全新的地方原型（LocaliTypes）框架，用于捕捉多维健康社会决定因素及其空间结构，从而研究地区健康不平等并支持政策相关研究。	美国普查区及其居民，涵盖健康社会决定因素指标和健康结果。	机器学习	非特定（多种慢性疾病负担）	NA（基于公开普查数据和文本嵌入技术，非实验技术）	无监督深度学习模型（例如自编码器或聚类网络，具体未指定）	表格数据（社会人口、社会经济、环境暴露、灾害风险）及文本数据（用于变量描述的嵌入）	77,054个普查区，代表美国92.6%的人口	NA（未指定具体框架）	大语言模型（用于文本嵌入）、无监督深度学习模型（具体架构未指定）	全局检验p值、成对比较（涉及差异显著性）、历史红线和健康结局的比例差异	NA（未提及具体资源）
5	2026-09-07	An autonomous YOLOv9-edge-to-cloud intelligence system for proactive honeybee mortality mitigation 2026-Nov, Journal of invertebrate pathology IF:3.6Q1 DOI:10.1016/j.jip.2026.108691 PMID:42442461	研究论文	本研究提出一种集成YOLOv9深度学习与实时物联网框架的自动化预警系统，用于区分自然死亡蜜蜂和神经毒性中毒蜜蜂，及时减轻蜜蜂死亡率	创新性地将YOLOv9与物联网框架结合，实现边缘到云端的自动早期预警，并对神经毒性中毒特征形态进行自动识别	面对密集尸体堆积和遮挡的挑战，可能影响检测精度	开发一种自动早期预警系统以区分自然死亡与神经毒性中毒导致的蜜蜂死亡，支持及时调查和样本采集	蜂蜜蜜蜂（意大利蜜蜂），重点鉴别神经毒性农药暴露相关的形态特征	计算机视觉, 物联网	农药中毒	深度学习, 物联网通信	YOLOv9（目标检测模型）	图像数据	来自台湾屏东县枋山乡养蜂场的现场数据集（具体数量未在标题和摘要中提供）	未指明（可能使用PyTorch，但在摘要未提及）	YOLOv9	平均精度（mAP@0.5）	边缘端图像采集终端和远程服务器（具体GPU类型等未在摘要中提及）
6	2026-09-07	Spatiotemporal self-attention network ST-GranNet for granary temperature prediction 2026-Oct, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.70849 PMID:42390028	研究论文	本文提出了一种基于自注意力机制的时空预测框架ST-GranNet，用于粮仓温度预测，并在实际玉米存储数据集上验证了其有效性。	创新性地提出了ST-GranNet，采用通道嵌入和点嵌入分别捕获传感器间的空间相关性和温度序列的长期依赖性，并通过新型融合方法整合时空特征，克服了传统方法难以有效提取时空特征的局限。	未提及具体的局限性。	开发高精度的粮仓温度预测工具，以支持智能储粮管理、实时监控和风险预警，减少粮食损失并优化存储条件。	粮仓内的温度传感器及其采集的温度序列数据，以及外部特征变量。	机器学习、时间序列预测	不适用	自注意力机制、深度学习	自注意力网络	时间序列数据	来自Sinograin重庆仓库的玉米存储数据集，具体样本数量未提供。	未提及	ST-GranNet（包含通道嵌入、点嵌入和融合模块）	平均绝对误差、均方误差	未提及
7	2026-09-07	Whole-Genome Deep Learning Predicts Chemotherapy Response in Colorectal Cancer 2026-Oct, Biochemical genetics IF:2.1Q3 DOI:10.1007/s10528-026-11368-4 PMID:41964737	研究论文	开发了一种结合CNN和BiLSTM的混合深度学习框架，利用全基因组体细胞突变、进化保守性、染色质可及性和3D基因组架构预测结直肠癌化疗反应	首次将全基因组非编码变异与深度学习相结合预测化疗反应，识别出TP53、KRAS和PIK3CA调控区域中的非编码预测因子，并揭示了新的非编码耐药机制	未明确提及限制，但可能包括依赖于TCGA队列的回顾性研究设计，以及需要外部前瞻性验证	预测结直肠癌化疗反应并揭示非编码耐药机制，以推进精准肿瘤学	结直肠癌患者及其全基因组体细胞突变数据	深度学习	结直肠癌	全基因组测序（WGS）数据，结合进化保守性、染色质可及性和3D基因组结构分析	混合模型：卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM），结合注意力机制	基因组变异数据	2,546名TCGA结直肠癌患者	未提及，可能为TensorFlow或PyTorch	CNN和BiLSTM	AUC，ΔAUC，风险比（HR），p值	未提及
8	2026-09-07	Machine learning-driven smart colorimetric sensor arrays for food freshness monitoring: Advances, challenges, and future prospects 2026-Oct-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.150455 PMID:42468430	综述	本文综述了机器学习驱动的比色传感器阵列在食品新鲜度监测中的进展、挑战和未来前景	系统性地探讨了机器学习集成于比色传感器阵列数据分析中的最新进展，并强调了从传统算法到深度学习模型的过渡，以及其在便携式、智能手机和嵌入式平台上的应用	实际部署受限于传感器退化、环境变异性、响应不一致性以及缺乏标准化成像和评估协议	旨在全面分析机器学习加强的比色传感器阵列在食品新鲜度监测中的应用，以提升监测的快速性、非破坏性和可靠性，并探讨未来发展方向	食品新鲜度监测中的比色传感器阵列及其与机器学习的集成应用	机器学习	NA	比色传感器阵列	传统机器学习算法与深度学习模型	图像和比色响应数据	NA	NA	多种，未具体指定	灵敏度、特异性、分类准确度	NA
9	2026-09-07	Using Sydney Triage to Admission Risk Tool With Artificial Intelligence (START-AI) to Predict Inpatient Admitting Specialty for Emergency Department Patients: Single Centre Deep Learning Analysis 2026-Oct, Emergency medicine Australasia : EMA IF:1.7Q2 DOI:10.1111/1742-6723.70341 PMID:42692462	研究论文	本研究旨在评估基于人工智能的悉尼分诊至入院风险工具（START-AI）模型能否利用急诊科患者的临床记录预测特定的住院接收专科团队	利用预训练语言模型（Bio-ClinicalBERT）微调，将急诊科患者的临床病史记录分类到20个专科住院接收团队，展示了在单中心急诊科环境中预测入院专科的创新应用	研究为单中心设计，未涉及多中心外部验证，限制了泛化性；预测精度（阳性预测值）中等，可能影响临床实用性	旨在验证START-AI模型是否能基于急诊科的临床记录准确预测住院患者的接收专科团队，以支持分诊和资源规划	主要研究对象为澳大利亚悉尼一家内城三级转诊医院急诊科中，2023年1月至2025年6月期间所有被收入住院病房的成年患者	自然语言处理	非特定疾病	电子病历分析	预训练语言模型	文本数据（临床病史记录）	共40,054例病例	PyTorch（推断，未明确说明）	Bio-ClinicalBERT（基于Transformer架构）	AUROC（加权平均0.97），精度（加权平均0.71），准确率（0.75），前二预测准确率（0.88）	未指定
10	2026-09-07	Deriving OCT-Equivalent Retinal Nerve Fiber Layer Thickness Maps from Fundus Photographs with Deep Learning Improves Glaucoma Diagnosis 2026-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101325 PMID:42699245	研究论文	开发并评估一种深度学习模型，从眼底照片直接预测等效于OCT的视网膜神经纤维层厚度图，并评估其对青光眼视野缺损的诊断价值	与既往只预测RNFLT汇总值的研究不同，该模型生成完整的RNFLT厚度图，更好地支持青光眼分类且优于仅使用眼底图像	未在摘要中明确提及具体局限	评估从眼底照片预测RNFLT厚度图及其在青光眼检测中的诊断价值	15031对眼底照片和频谱域OCT扫描（来自马萨诸塞州眼耳医院，2011-2022年）	医学影像分析, 深度学习	青光眼	眼底照相, 光学相干断层扫描	U-Net	图像（眼底照片和OCT图像）	15031对配对眼底照片和OCT扫描	NA	U-Net	平均绝对误差, 结构相似性指数, ROC曲线下面积, 准确率	NA
11	2026-09-07	Editorial Commentary: Calling Balls and Strikes: For Artificial Intelligence Models to Accurately Predict Rotator Cuff Retear, We Must Carefully Define the Strike Zone 2026-Sep-06, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1002/arj.70483 PMID:42701888	评论	本文是对利用深度学习预测肩袖修复术后再撕裂的编辑评论，强调了准确定义模型评估标准的重要性	将棒球术语“好球带”比喻为模型预测的标准，强调清晰定义评估标准对于人工智能模型预测肩袖再撕裂的必要性	未提及	探讨人工智能和深度学习在预测肩袖修复术后再撕裂中的潜力和挑战，强调模型泛化性和减少偏倚的重要性	肩袖修复术患者及其术后再撕裂的预测	医学影像分析	肩袖损伤	医学影像	卷积神经网络	图像	未提及	NA	卷积神经网络	准确性	NA
12	2026-09-07	Multi-variant GWAS and genomic prediction dissect the genetic architecture underlying tomato fruit weight 2026-Sep-05, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik DOI:10.1007/s00122-026-05326-2 PMID:42700247	研究论文	本研究利用多变异类型（SNP、INDEL、SV）的GWAS和基因组预测，解析了番茄果实重量的遗传架构，并评估了不同变异类别在关联定位和预测中的贡献	首次将SNP、INDEL和SV三类变异整合用于番茄果实重量的GWAS和基因组预测，提高了候选基因发现能力，并鉴定出染色体5上的稳定改良相关位点（如390-bp缺失）	预测精度受验证场景和算法选择影响较大，不同标记类别的差异总体较小，且未提及计算资源细节	解析番茄果实重量（番茄果实重量）的遗传架构，评估多变异类型（SNP、INDEL、SV）在关联定位和基因组预测中的价值，以支持遗传解析和基因组辅助育种	番茄品种群体（Varitome群体），包含Solanum pimpinellifolium (SP)、S. lycopersicum var. cerasiforme (SLC) 和栽培种 S. lycopersicum (SLL)的个体	遗传学、基因组学	不适用（作物性状研究）	全基因组关联研究（GWAS）、基因组预测、变异检测（SNP、INDEL、SV）	PLS（偏最小二乘回归）、BGLR（贝叶斯线性回归）、RF（随机森林）、DL（深度学习）	基因组变异数据（SNP、INDEL、SV）	未明确给出个体数量，涉及多环境下的番茄品种群体（SP、SLC、SLL）	NA	PLS、BGLR、RF、DL（未指定具体深度学习架构）	基因组预测准确性（可能包括皮尔逊相关或均方误差，但未明确具体指标）	NA
13	2026-09-07	A novel framework for the discovery of MAPK-activated protein kinase 2 (MAPKAPK2) inhibitors using a multi-feature deep learning ensemble 2026-Sep-05, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-026-00935-x PMID:42700280	研究论文	本研究开发并验证了一种基于多特征深度学习集成的框架，用于发现MAPKAPK2抑制剂。	提出了一种集成多种分子特征和架构的深度学习方法，通过投票机制提高了预测准确性，并在体外实验中成功鉴定出新型抑制剂。	仅对少量化合物进行了实验验证，框架在不同数据集上的泛化能力有待进一步测试。	开发并验证一种用于MAPKAPK2抑制剂发现的新型计算框架，以加速抑制剂鉴定过程。	MAPKAPK2蛋白激酶及化合物库中的潜在抑制剂。	机器学习	多种疾病（如炎症性疾病）	分子特征指纹、分子对接	深度神经网络	分子结构数据	训练集和测试集未具体说明，但使用21种分子特征和28种层大小设置，实验测试了7种化合物。	NA	深度神经网络（DNN），具体架构未指定。	准确率	NA
14	2026-09-07	Brain organoids, high-density MEAs, and deep learning: A new paradigm for functional neurobiomarker discovery 2026-Sep-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111921 PMID:42700517	综述	本文综述了通过结合人类诱导多能干细胞来源的脑类器官、高密度微电极阵列和深度学习算法，实现功能性神经生物标志物发现的新范式。	提出了功能性"数字表型"这一新概念，利用深度学习分析脑类器官电生理数据，可在结构损伤前检测疾病相关的异常网络活动，与传统的静态分子组学方法形成对比。	未明确提及，可能包括类器官成熟度限制、深度学习模型的可解释性以及体外模型向临床转化的挑战。	探讨如何利用脑类器官、高密度微电极阵列和深度学习来发现功能性神经生物标志物，以推动早期神经疾病诊断和个性化治疗。	脑类器官、高密度微电极阵列、深度学习算法（如卷积神经网络和图神经网络）	神经科学、机器学习	神经发育疾病、神经退行性疾病	人类诱导多能干细胞培养、高密度微电极阵列、深度学习	卷积神经网络、图神经网络	电生理数据（脉冲序列等）	不适用（综述文章）	未明确提及	卷积神经网络、图神经网络	未明确提及	未明确提及
15	2026-09-07	GIN-CRC-Pareto: A graph-based pareto-optimized multi-task learning framework to identify miRNA-target interactions in colorectal cancer 2026-Sep-05, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105099 PMID:42700827	研究论文	提出GIN-CRC-Pareto框架，一种基于图的Pareto优化多任务学习方法，用于预测结直肠癌中miRNA-mRNA相互作用	采用Pareto优化的梯度平衡策略动态调整多任务学习中的任务权重，同时进行miRNA-mRNA结合对预测、种子匹配识别和亚型分类	摘要未提及明确的局限性	开发能准确识别结直肠癌中miRNA靶标相互作用的可扩展方法，并提升泛化能力至多种癌症类型	结直肠癌中的miRNA-mRNA相互作用及结合模式	数字病理学、机器学习	结直肠癌	NA	图神经网络	序列数据	NA	NA	图神经网络	准确率、精确率、AUC	NA
16	2026-09-07	Dual-Approach AI for Pediatric Supracondylar Fractures: Multiclass Radiograph Classification with Explainable AI and Diagnostic Meta-analysis of AI-Based Computational Approaches 2026-Sep-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.08.048 PMID:42701043	研究论文	开发了首个用于儿童肱骨髁上骨折多分类（无骨折、Gartland I-III型）的深度学习模型，并通过诊断测试准确性荟萃分析系统比较了不同AI计算方法的表现	首次实现SCF的Gartland亚型多分类而非仅二分类，并结合可解释AI（NormEnsemble-HiResCAM）提供决策可视化，还首次进行了SCF相关的诊断准确性荟萃分析	I型骨折样本量较小可能限制对无移位骨折的泛化能力；荟萃分析纳入研究数量有限且存在显著异质性，结果仍属初步	建立首个多分类深度学习模型用于儿童肱骨髁上骨折检测和Gartland分型，并通过荟萃分析系统比较AI计算诊断方法（包括深度学习和影像组学）的性能	儿童肘关节X光片（包括正常、Gartland I-III型骨折）以及基于CNN和影像组学的AI分类方法	医学影像分析、深度学习	儿童肱骨髁上骨折	X光影像分析	YOLOv11 Nano（目标检测/分类模型）	X光图像	1082张儿童肘关节X光片（训练/测试），荟萃分析纳入4项研究共2232张图像	未明确指定（可能是PyTorch或TensorFlow），但涉及YOLOv11	YOLOv11 Nano	准确率、敏感性、特异性、诊断优势比、95%置信区间、I²统计量	未明确说明（无GPU/云平台信息）
17	2026-09-07	Hands-on Artificial Intelligence Education for Radiology Residents: A Three-year Feasibility and Curriculum Implementation Study 2026-Sep-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.08.095 PMID:42701044	研究论文	本研究描述并评估了一项为期三年的、面向放射科住院医师的动手人工智能课程的实施可行性和初步教育效果	该研究提出了一个将核心计算原理与临床影像应用相结合的结构化动手AI课程，并在连续三个独立队列中验证了其可行性和可重复性	研究局限于单中心、小样本，且缺乏中心化存档的个人成绩，评估基于事后知识演示和混合至偏正向的定性反馈，而非严格的前后对比或验证性结果数据	评估在放射科住院医师培训中整合结构性动手AI课程的可行性、可重复性及初步教育成果	3年期间完成AI轮转的诊断放射科住院医师，2023年9名，2024年8名，2025年10名，共27名	医学教育	不适用	不适用	不适用	文本（测验和问卷调查）	27名放射科住院医师（2023年9名，2024年8名，2025年10名）	不适用	不适用	正确率和Likert量表评分	不适用
18	2026-09-07	Automated detection of active and structural MRI lesions in the sacroiliac joints in axial spondyloarthritis: training and validation across 3 phase III clinical trial datasets 2026-Sep-05, Annals of the rheumatic diseases IF:20.3Q1 DOI:10.1016/j.ard.2026.08.003 PMID:42701084	研究论文	该研究评估了一种全自动深度学习系统在检测中轴型脊柱关节炎骶髂关节活动性和结构性MRI病灶的性能，并在三个III期临床试验数据集上进行了验证。	开发了一种两阶段自动流水线，用于区分左右骶髂关节并检测五种MRI定义的病灶类型，且无需额外训练即可在不同独立数据集上泛化。	未在摘要中明确提及局限性。	评估全自动DL系统检测骶髂关节MRI病灶的性能，并验证其在独立临床试验数据集上的泛化能力。	骶髂关节MRI图像中的活动性和结构性病灶，包括骨髓水肿、侵蚀、脂肪病灶、硬化和强直。	计算机视觉	中轴型脊柱关节炎	MRI	深度学习模型	MRI图像（T1加权和短tau反转恢复序列）	MEASURE 1试验132名患者（训练），PREVENT试验555名患者，SURPASS试验414名患者（独立验证）	NA	两阶段自动流水线架构（具体架构未指定）	AUC, 平衡准确率, 敏感性, 特异性, kappa	NA
19	2026-09-07	Deep learning-based multi-class misbehavior classification in fog-enabled vehicular ad hoc networks 2026-Sep-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-66695-8 PMID:42701108	研究论文	本研究在雾计算增强的车载自组网中，利用深度学习方法进行多类不当行为分类，以提升入侵检测效率。	提出四种混合LSTM和CNN的分类方案，分别在两个分类器中应用，以同时分类车辆类型和通用行为类别，性能优于现有工作。	未明确提及局限性。	提高雾计算增强的VANET中不当行为检测的准确性，以应对交通碰撞和拥堵问题。	车载自组网中的车辆不当行为数据。	机器学习	不适用	不适用	LSTM, CNN	时间序列数据	不适用	不适用	LSTM, CNN	精确率, 召回率, F1分数	不适用
20	2026-09-07	Development of a YOLO-guided automated (microplastic) particle analysis workflow 2026-Sep-04, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d6ay00142d PMID:42694007	研究论文	开发了一种基于YOLO引导的自动化微塑料颗粒分析工作流程，将图像检测结果转换为显微镜可执行的操作	首次将YOLO11实例分割模型作为自动IR/Raman显微镜微塑料分析的前端模块，实现了从图像级检测到显微镜操作的无缝转换，包括坐标恢复和程序控制	在背景较脏的图像上检测性能下降，如商业盐样品所示	解决深度学习在自动化微塑料分析中作为前端模块的不足，实现端到端自动化监测	微塑料颗粒及其显微镜图像	计算机视觉	不适用	显微镜成像（亮场显微术）	YOLO11实例分割模型	图像	626张亮场显微图，包含7010个颗粒，另有一个来自自来水的测试集	Ultralytics	YOLO11	精确率、召回率、F1分数	不适用