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
1161	2026-08-07	Integrating cyclodextrin fluorescence sensing array and machine learning for rapid screening and detection of perfluoroalkyl substances 2025-12-01, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344680 PMID:41093532	研究论文	本研究开发了一种基于β-环糊精荧光传感阵列与机器学习相结合的方法，用于快速筛选和检测水中的全氟烷基物质（PFASs）。	利用β-环糊精聚合物与四种荧光染料的主客体化学构建4×6传感器阵列，结合机器学习实现多种PFASs的同时检测，克服了传统荧光传感器缺乏多重检测能力或制备复杂的局限性，并实现了与LC-MS相当的检测精度。	摘要中未提及明显的局限性。	开发一种便携、成本效益高且快速的荧光传感平台，用于水环境中多种PFASs的现场筛选和定量检测，以解决传统LC-MS方法的高成本和复杂性。	六种全氟烷基物质（PFOA、PFOS、PFDA、PFNA、PFHpA、PFHxA）以及含有这些PFASs的水样（包括表面水和污染水）。	传感器技术、机器学习	不适用	荧光传感、主客体化学、机器学习（线性判别分析和深度学习）	线性判别分析（LDA）和深度学习模型	荧光响应数据	传感器阵列包含4种染料和6种PFASs，用于构建和验证；实际水样加标5 μg/L PFOA用于验证。	NA	NA（LDA和模块化深度学习平台未指明具体架构）	检测限、相对误差、分类准确率	NA
1162	2026-08-07	Chemically and Electromagnetically dual-enhanced COFs-Au@AgNPs SERS sensor integrated with deep learning for ultrasensitive detection of neonicotinoid pesticides 2025-11-01, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344501 PMID:40915725	研究论文	本研究开发了一种基于COFs-Au@AgNPs的双重增强SERS传感器，结合改进的Informer深度学习模型，用于超灵敏检测食用油中的新烟碱类农药残留	首次将共价有机框架（COFs）与Au@Ag纳米粒子结合，实现化学和电磁双重增强机制，并集成深度学习模型进行农药残留的痕量检测	未提及明显局限性	开发快速、灵敏的方法检测食用油中的新烟碱类农药残留，确保食品安全	特级初榨橄榄油中的三种新烟碱类农药：噻虫胺（CTD）、吡虫啉（IMD）和啶虫脒（AMP）	数字病理学	不适用	表面增强拉曼光谱（SERS）、有限差分时域（FDTD）模拟、密度泛函理论（DFT）计算	深度学习模型（改进的Informer模型，称为S-informer）	光谱数据（拉曼光谱）	包含三种农药的混合物样本，具体样本数量未明确	PyTorch	Informer（改进版）	准确率、决定系数（R²p）、相对分析误差（RPD）	未明确提及
1163	2026-08-07	DiffRaman: A conditional latent denoising diffusion probabilistic model for enhancing bacterial identification via Raman spectra generation under limited data 2025-10-22, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344372 PMID:40903108	研究论文	提出一种基于条件潜在去噪扩散概率模型的拉曼光谱数据生成方法，以增强细菌识别在数据有限情况下的性能	首次将条件潜在去噪扩散概率模型应用于细菌拉曼光谱生成，结合VQ-VAE和条件DDPM，提高生成质量和计算效率	未明确提及局限性，但可能受限于拉曼光谱数据的具体类型和实验条件	解决拉曼光谱数据不足时深度学习诊断性能下降的问题，通过数据生成增强细菌识别准确性	细菌拉曼光谱数据，用于快速鉴定病原细菌	机器学习	细菌感染	拉曼光谱	生成模型（扩散模型）	光谱数据（图像形式）	未提供具体数量，但涉及细菌拉曼光谱数据集	PyTorch（推测，未明确说明）	VQ-VAE, DDPM	生成质量、计算效率、诊断模型性能（未具体列出指标）	未提供具体信息
1164	2026-08-07	N2G calibrator: a cross-subject domain adversarial training framework for gait tracking from neural signals in Parkinson's disease 2025-Oct-09, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.08.25337508 PMID:41282855	研究论文	提出一种跨受试者域对抗训练框架N2G校准器，利用集体神经数据跟踪帕金森病患者的步态表现	利用域对抗学习校准目标用户的神经信号，消除同步步态记录系统的需求，实现临床环境外的个性化模型校准	未提及	开发一种无需同步步态记录系统即可跨受试者跟踪帕金森病步态的性能的深度学习框架	帕金森病患者的神经信号和步态表现	机器学习	帕金森病	神经信号记录	域对抗网络	神经信号数据	未提及	未提及	域对抗网络	错误率	未提及
1165	2026-08-07	Artificial Intelligence Deep Learning Models to Predict Spaceflight Associated Neuro-Ocular Syndrome 2025-10, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.06.009 PMID:40505849	研究论文	本研究利用深度学习人工智能模型，通过视神经头光学相干断层扫描图像预测太空飞行相关神经眼综合征的发生	首次使用深度学习模型结合飞行数据和地面头低位卧床数据预测SANS，并评估了跨训练模型的性能和类激活图	数据受限，样本量小，模型性能中等至较高，但置信区间较宽，提示结果不确定性大	创建深度学习AI模型，利用OCT图像预测SANS的发生，并验证地面模型作为SANS地球模型的合理性	宇航员和头低位卧床研究参与者	计算机视觉	太空飞行相关神经眼综合征	光学相干断层扫描	卷积神经网络	图像	飞行数据和地面数据，均为OCT图像，具体数量未提及	NA	ResNet50	受试者工作特征曲线下面积	NA
1166	2026-08-07	Deep Learning Approach Readily Differentiates Papilledema, Non-Arteritic Anterior Ischemic Optic Neuropathy, and Healthy Eyes 2025-08, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.04.006 PMID:40220884	研究论文	开发并验证了一种基于深度学习的算法，用于区分视乳头水肿、非动脉炎性前部缺血性视神经病变和健康眼睛的眼底照片。	首次专门针对IIH和NAION与健康眼睛的眼底照片进行区分，采用了迁移学习（ResNet-50）和梯度加权类激活映射可视化，并在大规模数据上进行了严格的内外部验证。	研究主要依赖二维眼底照片，可能无法捕捉动态变化；外部验证数据源多样但数量有限，且模型对早期或轻微视盘肿胀的区分能力可能需要进一步评估。	开发并验证一个深度学习模型，以帮助区分由特发性颅内高压引起的视乳头水肿、非动脉炎性前部缺血性视神经病变和健康眼睛，辅助神经眼科诊断。	眼底照片，包括IIH（Frisén分级≥1）患者、急性NAION患者和健康对照的眼睛。	计算机视觉	神经眼科疾病（特发性颅内高压、非动脉炎性前部缺血性视神经病变）	眼底摄影	卷积神经网络（CNN）	图像	15,088张眼底照片来自5866只眼睛（内部验证），外加1126张照片来自928只眼睛（外部验证）	PyTorch	ResNet-50	准确率、AUC-ROC、精确率、召回率、F1分数、混淆矩阵	未提及具体GPU型号或平台
1167	2026-08-07	Spatial features of tumor-infiltrating lymphocytes in primary lesions of lung adenocarcinoma predict lymph node metastasis 2025-07-25, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06860-1 PMID:40713757	研究论文	本研究利用全切片图像分析肿瘤浸润淋巴细胞的空间特征，预测肺腺癌的淋巴结转移风险	首次探索原发肿瘤中TIL空间特征与肺腺癌淋巴结转移的关系，并应用热点分析和深度学习方法识别空间TIL簇	未提及明确的局限性信息	评估原发肿瘤全切片图像中TIL特征与肺腺癌淋巴结转移的关系，以识别高风险患者	肺腺癌患者原发肿瘤的全切片图像中的肿瘤浸润淋巴细胞	数字病理学	肺腺癌	全切片图像分析	随机森林	图像	训练队列312例，验证队列78例，独立测试队列148例	NA	随机森林	AUC、决策曲线分析	NA
1168	2026-08-07	Medical laboratory data-based models: opportunities, obstacles, and solutions 2025-07-24, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06802-x PMID:40707923	研究论文	本文全面探讨了基于医学实验室数据的模型在疾病筛查、诊断、个性化医疗和健康管理中的机遇、挑战及解决方案	提出了包括标准化数据格式、深度学习框架、分布式计算、联邦学习及算法优化等一系列创新性解决方案，以应对数据质量、模型优化和隐私保护等挑战	未具体说明实验验证或案例研究，仅基于理论分析	系统分析医学实验室数据模型的潜力、障碍及解决策略，并展望未来发展方向	医学实验室数据及其在临床和健康管理中的应用模型	机器学习	非特定疾病	NA	NA	医疗大数据	NA	NA	NA	诊断准确性	分布式计算
1169	2026-08-07	Integrating Plasma Cell-Free DNA Fragment End Motif and Size with Genomic Features Enables Lung Cancer Detection 2025-05-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-1517 PMID:40136052	研究论文	本研究开发并验证了一种整合血浆游离DNA片段末端基序、大小及基因组特征的深度学习方法，用于提高肺癌检测的准确性。	首次将片段末端基序和片段大小结合为新的特征，并整合基因组覆盖度构建集成分类器，显著提高检测性能，并在不同种族人群中验证了泛化能力。	未提供具体计算资源、模型架构细节及局限性分析。	开发并验证一种整合cfDNA片段组学和基因组特征的深度学习方法，以提高跨人群肺癌检测的准确性。	来自多机构研究的肺癌患者和对照组参与者，包括韩国和独立的高加索人队列。	数字病理学	肺癌	全基因组测序	深度学习分类器	基因组测序数据	韩国发现队列218例肺癌患者和2559例对照，韩国验证队列111例肺癌患者和1136例对照，独立高加索验证队列50例肺癌患者和50例对照	NA	NA	AUC	NA
1170	2026-08-07	Using a Deep Learning Model to Predict Postoperative Visual Outcomes of Idiopathic Epiretinal Membrane Surgery 2025-04, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.01.003 PMID:39814096	研究论文	本研究评估了多种深度学习模型基于术前光学相干断层扫描图像预测特发性视网膜前膜手术术后效果的性能。	首次应用多种深度学习模型（Inception-v3、ResNet-101、VGG-19）预测特发性视网膜前膜手术结果，并结合Grad-CAM热力图分析模型决策逻辑，且与眼科医生的评估进行比较。	研究中未明确提及局限性。	验证深度学习模型基于术前OCT图像预测特发性视网膜前膜手术术后视力改善情况的有效性。	特发性视网膜前膜患者的OCT图像。	计算机视觉	视网膜前膜	光学相干断层扫描	卷积神经网络	图像	内部数据集共696只眼的1392张OCT图像，外部测试集共76只眼的152张OCT图像。	未明确说明	Inception-v3、ResNet-101、VGG-19	召回率、特异性、精确率、F1分数、准确率、AUROC	未明确说明
1171	2026-08-07	ChatExosome: An Artificial Intelligence (AI) Agent Based on Deep Learning of Exosomes Spectroscopy for Hepatocellular Carcinoma (HCC) Diagnosis 2025-03-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06677 PMID:39932366	研究论文	开发了一个名为ChatExosome的基于大语言模型的人工智能代理，用于肝细胞癌的拉曼光谱外泌体诊断	首次提出了专注于外泌体光谱学与诊断的人工智能代理，结合了基于补丁的一维自注意力机制的特征融合Transformer（FFT）和检索增强生成（RAG）方法	未在文中明确提及限制，但可能包括样本数量有限、临床验证范围不足等	利用大型语言模型和深度学习方法，实现肝细胞癌的智能、交互式光谱诊断，提高诊断准确性和可解释性	肝细胞癌（HCC）患者来源的外泌体拉曼光谱数据	数字病理学	肝细胞癌	拉曼光谱	特征融合Transformer（FFT）、大型语言模型（LLM）	光谱数据、文本数据	细胞来源的外泌体样本和165例临床样本	PyTorch	特征融合Transformer（FFT）	准确率	未明确提及，可能使用GPU进行深度学习训练
1172	2026-08-07	TimePAD─Unveiling Temporal Sequence ELISA Signal by Deep Learning for Rapid Readout and Improved Accuracy in a Microfluidic Paper-Based Analytical Platform 2025-03-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c06001 PMID:39960863	研究论文	本文介绍了一种通过深度学习训练时间序列比色数据而非静态数据，以提升纸基微流控ELISA性能的新方法	首次利用时间序列视频数据而非传统终点静态图像进行ELISA信号分析，通过动态变化捕捉提高检测速度和准确性	未提及具体局限性	提高纸基微流控ELISA检测的速度和准确性，尤其是用于即时检测应用	Rabbit IgG作为ELISA模型，以及疾病生物标志物cTnI	计算机视觉	心血管疾病	ELISA、纸基微流控	YOLOv8	视频数据（时间序列比色数据）	未明确提及具体样本数量	PyTorch	YOLOv8	准确性	未提及
1173	2026-08-07	Deep Learning-Assisted Fluorescence Single-Particle Detection of Fumonisin B1 Powered by Entropy-Driven Catalysis and Argonaute 2025-02-25, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05913 PMID:39868471	研究论文	开发了一种基于深度学习辅助的熵驱动催化与Argonaute介导的荧光单颗粒适配体传感平台，用于超灵敏检测农产品和食品中的伏马菌素B1	将适配体、熵驱动催化与Argonaute技术集成，拓宽了Argonaute的靶标范围并提高了灵敏度；同时利用深度学习显著提升单颗粒检测的分析效率	未明确说明具体局限	实现对食品中痕量伏马菌素B1的超灵敏、特异性检测，以保障食品安全和公共健康	农产品和食品中的伏马菌素B1	生物传感、深度学习、数字病理学	NA	荧光单颗粒检测、熵驱动催化、Argonaute介导的切割反应	深度学习模型（YOLOv9）	共聚焦荧光图像	多种实际食品样本	深度学习框架（具体未提及，可能为PyTorch或类似）	YOLOv9	检出限、线性范围、回收率	NA
1174	2026-08-07	Application of Surface-Enhanced Raman Spectroscopy in Head and Neck Cancer Diagnosis 2025-02-25, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c02796 PMID:39951652	综述	本文综述了表面增强拉曼光谱（SERS）在头颈癌诊断中的应用现状与前景，涵盖分子生物学、组织识别、治疗监测及与人工智能和多组学整合等方面	系统性地概述了SERS在头颈癌诊断中的多种创新应用，包括液体活检中的高吞吐侧流分析和唾液诊断，以及SERS与人工智能和多组学的整合	未明确提及局限性，但作为综述，可能缺少对SERS技术标准化和临床转化障碍的深入讨论	总结SERS在头颈癌诊断中的应用进展，并展望未来方向和挑战	头颈癌的分子标志物（如EGFR、PD-1/PD-L1）、基因表达、肿瘤微环境、液体活检样本（如ctDNA）、组织样本	医学影像分析	头颈癌	表面增强拉曼光谱（SERS）	NA	光谱数据	不适用（综述文章，未涉及具体样本）	NA	NA	NA	NA
1175	2026-08-07	Rapid detection and quantitative analysis of thiram in fruits using a shape-adaptable flexible SERS substrate combined with deep learning 2025-02-20, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay02098g PMID:39925033	研究论文	本文开发了一种形状自适应的柔性表面增强拉曼散射（SERS）基底，结合深度学习算法，用于快速检测和定量分析水果表面的福美双残留。	创新点在于开发了一种波纹状Ag NPs@PDMS柔性SERS基底，能够贴合弯曲表面，同时保持高灵敏度、可重复性和机械鲁棒性，并首次将1D CNN模型应用于SERS信号的定量分析。	摘要中未提及明确的局限性。	实现水果表面福美双农药残留的快速、灵敏和定量检测，以确保食品安全。	番茄和蓝莓果皮上的福美双残留。	机器学习, 数字病理学, 计算机视觉	NA	表面增强拉曼散射（SERS）	1D CNN	拉曼光谱数据	番茄和蓝莓果皮上的福美双浓度低至10 M（具体样本数量未提供）	NA	1D CNN	决定系数（R²）、均方根误差（RMSE）	NA
1176	2026-08-07	Lens-Free Holographic Imaging-Based Immunosensor Using Unpaired Data Set Signal-to-Noise Ratio-Enhanced Modal Transformation for Biosensing 2025-02-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04453 PMID:39901522	研究论文	本研究提出了一种基于无透镜全息成像和未配对数据集模态转换的免疫传感器，结合CuO@SiO纳米颗粒点击反应信号放大策略，用于抗生素的高灵敏检测	利用未配对数据集构建模态转换模型，解决了传统方法要求数据集一一对应的复杂性，实现了大视场成像和信噪比增强的全息重建	摘要中未提及明显局限性	开发一种便携、高灵敏度的免疫传感器，用于抗生素检测，克服传统显微镜在透镜和视场之间的权衡限制	氯霉素抗生素检测	计算成像与生物传感	不适用	无透镜全息成像	模态转换模型（深度学习）	全息图像	不适用	NA	模态转换网络	信噪比、结构相似性指数、检测限、动态范围	NA
1177	2026-08-07	Convolutional Neural Networks Assisted Peak Classification in Targeted LC-HRMS/MS for Equine Doping Control Screening Analyses 2025-02-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c03608 PMID:39901649	研究论文	该研究利用卷积神经网络辅助目标LC-HRMS/MS中的峰分类，用于马匹兴奋剂控制筛选分析，以提高自动化程度和准确性	首次将深度学习策略应用于马匹兴奋剂控制中的色谱图分类，结合CNN评分模型与LDA分类器，确保零假阴性率	未明确提及局限性，但可能受限于特定筛选方法和数据集	验证深度学习方法在马匹兴奋剂控制色谱图分类中的可行性和准确性	马匹兴奋剂控制中的色谱图数据	机器学习	不适用	超高效液相色谱-高分辨串联质谱	卷积神经网络	色谱图像	未明确	未明确	卷积神经网络和线性判别分析	假阴性率	未明确
1178	2026-08-07	UNET-FLIM: A Deep Learning-Based Lifetime Determination Method Facilitating Real-Time Monitoring of Rapid Lysosomal pH Variations in Living Cells 2025-02-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05271 PMID:39902564	研究论文	本文介绍了一种基于一维U-net的深度学习架构UNET-FLIM，用于荧光寿命成像显微镜中的寿命确定，能够处理低光子计数和高背景噪声数据，并实时监测活细胞中溶酶体pH的快速变化	提出一种基于一维U-net的深度学习架构，专门针对低光子计数和高背景噪声的快速FLIM数据，且对噪声不敏感，可适应不同时间域FLIM系统，无需修改现有系统即可实现实时监测	未在摘要中明确提及，可能依赖于模拟数据进行训练，需验证其在实际复杂生物样本中的泛化能力	开发一种深度学习方法来提高FLIM中寿命确定的准确性和实时性，以支持快速FLIM成像和活细胞动态监测	活细胞中的溶酶体，特别是其pH变化的实时监测	深度学习，荧光寿命成像显微镜	NA	荧光寿命成像显微镜（FLIM）	深度学习模型（一维U-net）	模拟衰减曲线和活细胞FLIM成像数据	模拟数据和活细胞样本，具体数量未在摘要中说明	NA	一维U-net	寿命估计的鲁棒性和准确性	NA
1179	2026-08-07	QuanFormer: A Transformer-Based Precise Peak Detection and Quantification Tool in LC-MS-Based Metabolomics 2025-02-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04531 PMID:39868899	研究论文	提出了一种基于Transformer和CNN的深度学习工具QuanFormer，用于液相色谱-质谱代谢组学中的峰检测与定量，提高了准确性和可靠性	结合CNN特征提取与Transformer全局计算能力，采用目标检测方法和二分匹配进行峰预测，无需重新训练即可在区分真假峰上达到高精度，并能校正保留时间漂移	未明确提及限制，但可能依赖于大量标注数据（近20,000个ROI）	开发一种精确的峰检测和定量工具，以提高LC-MS代谢组学分析的可靠性	LC-MS数据中的峰信号，以及乳腺癌患者临床队列中的潜在生物标志物	机器学习	乳腺癌	LC-MS	CNN-Transformer	质谱数据（峰信号）	近20,000个注释的感兴趣区域（ROI），以及乳腺癌患者临床队列（样本数量未明确）	PyTorch	Transformer	平均精度	NA
1180	2026-08-07	End-To-End Deep Learning Explains Antimicrobial Resistance in Peak-Picking-Free MALDI-MS Data 2025-02-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05113 PMID:39893590	研究论文	本文提出了一种端到端的深度学习模型，直接使用原始MALDI-MS数据预测抗生素耐药性，跳过传统的峰值提取步骤。	首次在无峰值提取的情况下，利用一维卷积神经网络对原始MALDI-MS数据进行端到端训练，实现对抗生素耐药性的直接预测，并达到最先进性能。	模型在跨时间和地点的验证中表现良好，但未提及在更大规模多中心数据上的泛化能力及对低丰度耐药表型的敏感性。	开发一种可靠的端到端深度学习方法，从原始MALDI-MS数据中预测微生物抗生素耐药性，并提升传统工作流程的性能。	微生物的MALDI-MS原始数据及其抗生素耐药性表型。	机器学习, 数字病理	抗菌素耐药性感染	MALDI-MS	卷积神经网络 (CNN)	质谱数据	未明确提供具体样本数量，但涉及多个抗菌素耐药性表型的临床样本。	NA	一维卷积神经网络 (1D-CNN)	AUC	NA