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
1461	2025-10-07	Deep learning-assisted 10-μL single droplet-based viscometry for human aqueous humor 2025-Sep-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117530 PMID:40359807	研究论文	开发了一种基于深度学习的微流控粘度测量方法，用于测量仅10微升的人眼房水样本	首次实现了对10微升人眼房水粘度的测量，采用单液滴微流控技术和深度学习分析方案	样本量有限，仅能处理微量生物流体	优化青光眼治疗中微管分流器的设计	人眼房水	生物医学工程	青光眼	微流控技术	深度学习	视频/图像	10微升单液滴人眼房水样本	NA	NA	NA	NA
1462	2025-10-07	Multi-modal multi-task deep neural networks for sleep disordered breathing assessment using cardiac and audio signals 2025-Sep, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105932 PMID:40286704	研究论文	提出一种基于心电信号和音频信号的多模态多任务深度学习方法来评估睡眠呼吸障碍	首次将心电信号与音频信号相结合用于SDB评估，采用多任务学习框架同时进行呼吸事件检测、AHI估计和睡眠分期	样本量相对有限（161名受试者），严重程度分类准确率有待提高（57.8%）	开发成本效益高且易于获取的睡眠呼吸障碍检测方法	睡眠呼吸障碍患者	机器学习	睡眠呼吸障碍	心电信号分析，音频信号分析	深度神经网络	心电信号，音频信号	161名受试者的夜间记录	NA	多模态多任务深度神经网络	F1分数，相关系数，准确率	NA
1463	2025-10-07	Using longitudinal data and deep learning models to enhance resource allocation in home-based medical care 2025-Sep, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105953 PMID:40300486	研究论文	本研究利用纵向数据和深度学习模型预测家庭医疗护理阶段，以优化资源分配	首次将Transformer编码器与LSTM、GRU等深度学习模型应用于家庭医疗护理阶段预测，并比较不同连续就诊次数对预测性能的影响	研究为回顾性设计，数据来源单一（仅台北市医院），未进行外部验证	通过人工智能预测家庭医疗护理阶段，优化家庭医疗护理资源分配	家庭医疗护理患者	机器学习	老年疾病	NA	Transformer, LSTM, GRU	医疗记录（住院、门诊、家庭医疗护理记录）	4,343名患者，平均年龄85.04±11.47岁	NA	Transformer编码器, LSTM, GRU	准确率, 精确率, 召回率, AUC	NA
1464	2025-10-07	Detecting the authenticity of two monofloral honeys based on the Canny-GoogLeNet deep learning network combined with three-dimensional fluorescence spectroscopy 2025-Sep-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144509 PMID:40306056	研究论文	基于Canny-GoogLeNet深度学习网络结合三维荧光光谱技术检测两种单花蜜的真实性	将Canny边缘检测算法与改进的GoogLeNet架构相结合，通过优化Block 2中的inception模块、在全连接层应用L2正则化以及实施监控训练网络模型来提升性能	仅针对两种单花蜜（油菜蜜和枸杞蜜）进行验证，样本量较小（训练集133个，验证集33个，测试集12个）	开发基于深度学习的三维荧光光谱蜂蜜真伪检测方法	两种单花蜜（油菜蜜和枸杞蜜）及其掺假样品（玉米糖浆或其他蜂蜜）	计算机视觉	NA	三维荧光光谱	CNN	光谱数据	178个蜂蜜样本（训练集133，验证集33，测试集12）	NA	Canny-GoogLeNet	准确率	NA
1465	2025-04-24	Comprehensive Raman spectroscopy analysis for differentiating toxic cyanobacteria through multichannel 1D-CNNs and SHAP-based explainability 2025-Sep-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.127845 PMID:40081250	研究论文	结合拉曼光谱和深度学习技术对四种有毒蓝藻进行分类的研究	采用多通道一维卷积神经网络（1D-CNN）结合SHAP解释性方法，提高了分类准确率并增强了模型的可解释性	仅针对四种蓝藻物种进行研究，样本多样性可能有限	开发一种快速准确识别有毒蓝藻物种的方法，以支持水质监测和有害藻华早期检测	四种有毒蓝藻物种：Dolichospermum crassum, Aphanizomenon sp., Planktothrix agardhii 和 Microcystis aeruginosa	机器学习	NA	拉曼光谱	1D-CNN	光谱数据	四种蓝藻物种的光谱数据	NA	NA	NA	NA
1466	2025-04-24	Advanced SERSome-based artificial-intelligence technology for identifying medicinal and edible homologs 2025-Sep-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.127931 PMID:40112588	研究论文	本研究提出了一种结合表面增强拉曼光谱（SERS）和深度学习的新方法，用于快速识别药食同源物质（MEHs）	利用基于光谱集的SERS（称为'SERSome'）与深度学习结合，开发了一种新型识别模型，避免了反应过程中额外保护剂的使用，并克服了MEHs的荧光干扰	NA	提高药食同源物质的质量控制和快速识别能力	药食同源物质（MEHs）	机器学习	NA	表面增强拉曼光谱（SERS）	深度学习	光谱数据	NA	NA	NA	NA	NA
1467	2025-04-24	Transformer-based deep learning models for quantification of La, Ce, and Nd in rare earth ores using laser-induced breakdown spectroscopy 2025-Sep-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.127937 PMID:40127553	研究论文	本文提出了一种基于iTransformer-BiLSTM（iTBi）深度学习算法和随机森林（RF）算法的LIBS定量分析模型，用于精确测定稀土矿石中的La、Ce和Nd元素浓度	提出iTBi-LIBS和iTBi-RF-LIBS集成模型，有效降低基质效应和光谱重叠干扰，提高了定量分析的准确性	样本量较小（35个样本），且浓度范围有限（La: 0-1.924wt%, Ce: 0-2.917wt%, Nd: 0-1.492wt%）	开发一种高效的LIBS定量分析方法，用于稀土矿石中La、Ce和Nd元素的实时定量分析	稀土矿石中的La、Ce和Nd元素	机器学习	NA	激光诱导击穿光谱（LIBS）	iTransformer-BiLSTM（iTBi）、随机森林（RF）	光谱数据	35个样本	NA	NA	NA	NA