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
281	2026-07-12	Artificial intelligence for acute appendicitis diagnosis: A systematic review of current evidence, challenges, and future directions 2026-Mar-20, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000048094 PMID:41861187	综述	系统综述了人工智能在急性阑尾炎诊断中的应用现状、挑战及未来方向	首次系统整合临床、实验室和影像学多模态AI模型，并比较不同数据模态和算法（如深度学习用于CT、超声和MRI）的诊断性能	纳入研究多为回顾性、单中心，缺乏外部验证和方法学报告不一致，无法进行荟萃分析	评估人工智能在急性阑尾炎诊断中的准确性、挑战及未来转化潜力	2015年1月至2025年9月发表的英文诊断模型研究，涉及临床、实验室或影像数据	机器学习	急性阑尾炎	NA	深度学习、机器学习	临床数据、实验室数据、影像数据（CT、超声、MRI）	NA（系统综述，未提及具体样本量）	NA	NA	AUC、准确率、灵敏度、特异性、预测值	NA
282	2026-07-12	Simultaneous multi-disease detection from the same leaf: a generalized approach using deep learning and image splitting 2026-Mar-20, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15141-3 PMID:41857409	研究论文	提出一种基于深度学习与图像分割的通用方法，实现同一叶片上多种植物病害的同步检测与识别	创新性地通过图像分割隔离小叶片区域，实现多种病害的独立同步检测，且模型可泛化至未见过的作物类型	在受控环境下表现良好，但在真实田间条件下的稳定性仍需深入研究	解决现有深度学习应用无法从同一叶片同时检测多种病害的挑战，提供一种高效通用的农业病害检测方案	植物叶片图像中的多种病害	数字病理学	植物病害（通用）	深度学习与图像分割	CNN	图像	NA	NA	Small Inception, MiniVGGNet, LeNet5	分类性能	NA
283	2026-07-12	Scalable and Robust Artificial Intelligence for Spine Alignment Assessment: Multicenter Study Enabled by Real-Time Data Transformation 2026-Mar-20, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/78396 PMID:41861366	研究论文	本研究开发了一种实时数据转换方法，增强了深度学习模型在青少年特发性脊柱侧弯评估中的鲁棒性，并在多中心X光片上验证了其有效性	提出了一种基于像素强度的实时数据转换方法，可即插即用，有效解决多中心影像数据异质性带来的模型性能下降问题	未提及显著局限性	开发一种实时、即插即用的数据转换方法，增强深度学习模型在脊柱X光评估中对数据异质性的鲁棒性	青少年特发性脊柱侧弯患者的全脊柱X光影像	计算机视觉	青少年特发性脊柱侧弯	X光影像	CNN	图像	7家医院的3899张全脊柱X光片（香港2家3034张，内地5家865张）	NA	SpineHRNet+	残差分析、线性回归R²、Bland-Altman分析、灵敏度、特异度、精确度、阴性预测值、准确率、混淆矩阵	NA
284	2026-07-12	A proof-of-concept machine learning model for short-term suicide risk stratification in depressed youth 2026-Mar-19, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-026-03944-4 PMID:41856968	研究论文	基于602名中国抑郁青少年前瞻性数据，构建机器学习模型以预测治疗后30天内的自杀企图，验证了短期风险分层的技术可行性	首次在抑郁青少年群体中验证了结合支持向量机与弹性网络的集成模型用于短期自杀风险预测，通过正则化和简约性模型选择有效降低过拟合风险	低事件数导致模型稳定性不足，单一国家队列限制泛化性，缺乏时间验证无法评估模型漂移	开发用于抑郁青少年短期自杀风险分层的机器学习模型	602名15-24岁中国抑郁患者	机器学习	抑郁症	NA	支持向量机、弹性网络、随机森林、深度学习	临床与心理社会预测因子	602名患者，其中30起自杀事件	NA	支持向量机、弹性网络、LASSO	AUC	NA
285	2026-07-12	SiaCon-DetNet with HySHO: a cutting-edge transformer-based deep learning framework for emotion-aware facial recognition 2026-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41890-9 PMID:41857089	研究论文	提出一种融合SiaCon-DetNet和HySHO算法的面部表情识别深度学习框架	将卷积特征学习与Transformer注意力机制结合用于细粒度面部特征检测，并创新性地将生物启发式拓扑优化与深度学习相集成以自适应调整模型参数	未明确提及局限性	开发一种鲁棒性强、泛化能力好的面部表情识别模型	面部表情图像中的情感识别	计算机视觉	NA	NA	Transformer	图像	JAFFE数据库	NA	SiaCon-DetNet	准确率, 精确率, 召回率, F1分数	NA
286	2026-07-12	Feasibility of short-term hospital mask demand forecasting using a backpropagation neural network under data scarcity 2026-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44754-4 PMID:41857156	research paper	评估在数据稀缺条件下使用浅层反向传播神经网络进行短期医院口罩需求预测的可行性	在极端数据稀缺条件下，验证浅层反向传播神经网络用于短期医院物资需求预测的可行性，并与常用统计和深度学习基线模型进行比较	结果仅作为可行性验证，而非可部署的预测系统，且需使用更大规模、多中心数据集进一步验证	评估数据稀缺条件下浅层反向传播神经网络用于短期医院物资需求预测的可行性	中国某三级医院连续24天的口罩消耗数据	machine learning	NA	NA	反向传播神经网络	时间序列数据	连续24天的口罩消耗数据	NA	NA	均方根误差, 平均绝对误差, 平均绝对百分比误差, 对称平均绝对百分比误差	NA
287	2026-07-12	Comparing YOLO and U-net deep learning algorithms in chronic wound image segmentation 2026-03-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02266-7 PMID:41857518	研究论文	比较YOLOv8、YOLO11与U-Net在慢性伤口图像分割中的性能	首次系统比较YOLOv8和YOLO11与U-Net在慢性伤口分割中的表现，并在跨数据集验证中证明了YOLO模型的优越性	NA	评估YOLO深度学习算法在慢性伤口医学图像分割中的有效性和泛化能力	慢性伤口图像	计算机视觉	慢性伤口	NA	YOLO, U-Net	图像	使用FUSeg和Wound Data两个数据库进行训练和测试	PyTorch	YOLOv8, YOLO11, U-Net	IoU, 精度, 召回率, DSC	NA
288	2026-07-12	Automated Segmentation and Characterization of Retinal Hyperreflective Foci in Age-Related Macular Degeneration 2026-Mar-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.3.20 PMID:41860312	研究论文	开发了一种名为Foci-Net的卷积神经网络，用于自动分割年龄相关性黄斑变性中的视网膜高反射灶	通过用精细到粗糙的特征提取块替换瓶颈层，改进U-Net架构，以同时分割小和大尺寸的HRF	NA	实现视网膜高反射灶的自动检测和特征描述，以支持AMD进展的生物标志物预测	诊断为中度至晚期AMD的患者眼和健康对照眼	数字病理学	年龄相关性黄斑变性	光学相干断层扫描	卷积神经网络	图像	61个体积OCT扫描（50个AMD和11个健康对照眼），来自50名参与者	NA	Foci-Net	F1分数, AUC, 精确率, 灵敏度, 特异度	NA
289	2026-07-12	Remote monitoring of heart failure exacerbations using a smartwatch 2026-Mar, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-026-04247-3 PMID:41862772	研究论文	利用苹果手表数据预测心力衰竭患者的峰值摄氧量，并评估其与不良健康事件的关系	首次利用可穿戴设备（苹果手表）数据预测心衰患者每日峰值摄氧量，并证明其在早期风险识别上优于现有能力评估指标和临床标志物	未提及具体限制，但可能包括样本量有限、外部验证中传感器能力减弱等	评估智能手表数据在远程监测心衰患者日间症状变化和预测不良健康事件中的价值	心衰患者	数字病理学、机器学习	心血管疾病	可穿戴设备传感技术	深度学习	可穿戴设备传感器数据	训练集154人（46女，108男），验证集63人（24女，39男），外部验证来自All of Us项目	NA	NA	Pearson相关系数、危险比、95%置信区间	NA
290	2026-07-12	Development and validation of a high-resolution hyperspectral imaging system for the retina 2026-Mar, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.31.3.036006 PMID:41858558	研究论文	开发并验证一种用于视网膜的高分辨率高光谱成像系统	结合快照式高光谱相机、高分辨率RGB相机、分束器和成像内窥镜构建系统，并采用深度学习全色锐化算法同时提取视网膜血管直径和血氧饱和度	未明确提及局限性	创建高分辨率视网膜高光谱成像系统，用于早期检测阿尔茨海默病、糖尿病视网膜病变或黄斑变性	小鼠视网膜	计算机视觉	阿尔茨海默病, 糖尿病视网膜病变, 黄斑变性	高光谱成像	深度学习	图像（高光谱图像和RGB图像）	小鼠视网膜，具体数量未提供	NA	全色锐化算法（深度学习）	均方根误差 (RMSE)、相关系数 (CC)、光谱角评分 (Spectral Angle Score)、误差相对全局无量纲合成 (ERGAS)	NA
291	2026-07-12	Clinical Utility of Deep Learning-based Multiple Arterial Phase MRI in Hepatocellular Carcinoma 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.250538 PMID:41860367	研究论文	评估基于深度学习的超快速多动脉期MRI在肝细胞癌诊断中的临床效用	首次比较基于深度学习的多动脉期MRI与传统单动脉期MRI在肝细胞癌诊断中的表现，并验证其在不同造影剂（细胞外和肝胆特异性）中的适用性	未提及具体局限性	评估深度学习超快速多动脉期MRI在肝细胞癌诊断中的临床效用	疑似肝细胞癌患者	医学影像	肝细胞癌	MRI	深度学习模型	MRI图像	128名接受ECA增强MRI的患者（64名多动脉期，64名单动脉期）和108名接受HBA增强MRI的患者（54名多动脉期，54名单动脉期）	NA	深度学习	晚期动脉期捕获率、图像质量评分（整体质量、运动伪影、噪声、肝脏病灶边缘锐利度、病灶显著性）、诊断性能（病灶检出率、动脉期高增强检出率、HCC检出率）、肝动脉可视化评分	NA
292	2026-07-12	Research on epilepsy detection and recognition based on the combination of time frequency transform and deep learning model 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0336764 PMID:41860927	研究论文	本文比较了连续小波变换和短时傅里叶变换与三种神经网络模型（EEGNet、AlexNet和Shallow ConvNet）结合的效果，并引入针对性优化设计以提高癫痫脑电图信号检测性能	引入Focal Loss、动态数据增强和早停机制提升模型鲁棒性；对EEGNet集成Squeeze-and-Excitation注意力模块并改进深度可分离卷积；对Shallow ConvNet引入分层卷积提取“时频”特征和平均池化适应长时段数据块	未提及具体局限性	提高癫痫脑电图信号检测性能并解决其非平稳特性	癫痫脑电图信号	机器学习	癫痫	连续小波变换、短时傅里叶变换、脑电图	卷积神经网络	脑电图信号	未提及	未提及	EEGNet, AlexNet, Shallow ConvNet	精度	未提及
293	2026-07-10	Prediction of nutritional quality characteristics of faba bean based on deep learning method 2026-Dec-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128164 PMID:42235452	研究论文	本研究建立了一种基于近红外光谱与深度学习相结合的蚕豆营养成分快速无损检测方法	首次系统比较了多种光谱预处理与特征波长选择算法的组合策略，并验证了多层感知器在预测蚕豆多种营养成分方面优于传统机器学习方法	根据摘要未明确提及具体局限性	实现蚕豆中淀粉、蛋白质、水分和膳食纤维四种主要营养成分的快速、无损、定量检测	蚕豆样本的营养成分	机器学习	NA	近红外光谱	多层感知器	光谱数据	未明确提及样本数量	NA	多层感知器	相关系数	NA
294	2026-07-10	Infrared spectroscopy and machine learning for post-consumer plastics recycling 2026-Dec-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128139 PMID:42259048	研究论文	将红外光谱与机器学习结合用于消费后塑料回收分类	首次将红外光谱与先进机器学习算法（包括传统算法与卷积神经网络）集成，实现对四种常见消费后塑料的高精度自动分类，准确率达1.000	仅针对四种塑料类型（HDPE-B、HDPE-P、LDPE和PP），未涵盖更广泛的塑料种类，且依赖专用红外光谱数据库	提高消费后塑料回收中聚合物识别的准确性和可靠性，支持高质量再生聚合物的工业转型	四种消费后塑料：高密度聚乙烯（HDPE-B和HDPE-P）、低密度聚乙烯（LDPE）和聚丙烯（PP）	机器学习	NA	红外光谱	卷积神经网络（CNN）、随机森林（RF）等传统机器学习算法	光谱数据	基于原始实验测量生成的红外光谱数据库，具体样本数量未提及	Quasar平台	卷积神经网络（CNN）、随机森林（RF）	准确率	Quasar平台，具体计算资源未提及
295	2026-07-10	Deep learning of SHERLOC Raman spectra for facilitating Mars Astromaterial identification 2026-Dec-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128181 PMID:42263572	研究论文	首次利用深度学习模型对SHERLOC拉曼光谱进行六种矿物类别的自动识别，最佳准确率达89.3%	首次对三种机器学习和两种深度学习模型在SHERLOC拉曼光谱矿物识别任务中进行基准测试，并证明深度学习在非诊断和未标记数据上的有效性	仍依赖专家标注的光谱数据，且仅在两类矿物数据上验证，未涉及更复杂的地质材料或非平衡类别问题	探索深度学习在拉曼光谱自动识别火星天体材料中的应用潜力，辅助行星探测中的光谱解释	六种矿物类别的SHERLOC拉曼光谱数据	机器学习	NA	拉曼光谱	CNN, LSTM	光谱数据	两个探测战役（Crater Floor和Upper Fan）的专家标注光谱数据	PyTorch, TensorFlow	卷积神经网络（CNN）、长短期记忆网络（LSTM）	准确率（accuracy）、类别加权性能（类不平衡条件下）	NA
296	2026-07-10	Quantitative detection of cadmium pollution in lettuce leaves under selenium influence via fluorescence hyperspectral imaging 2026-Dec-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128214 PMID:42269347	研究论文	利用荧光高光谱成像技术，在硒影响下定量检测生菜叶片中的镉污染	提出多模态差分融合选择器（MDFS）以提取与镉相关的敏感特征，结合1D-CNN构建预测模型，有效应对硒镉交互作用下的复杂光谱关系	未提及具体限制，但可能涉及样本规模、实际田间环境验证等	探索荧光高光谱成像在硒影响下检测生菜叶片镉污染的可行性，并建立定量预测模型	生菜叶片	计算机视觉, 数字病理学	重金属污染（镉污染）	荧光高光谱成像	1D-CNN	光谱图像	NA	PyTorch, scikit-learn	VGG	相关系数（R）、均方根误差（RMSEP）、相对分析偏差（RPD）	NA
297	2026-07-10	Multi-task deep learning for sub-clinical screening of mood and sleep disturbances using physical activity biomarkers 2026-Nov-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.122055 PMID:42217638	研究论文	开发并验证了一个多任务深度学习框架MUSCLE，利用体力活动生物标志物同时筛查情绪障碍和睡眠障碍风险	首次将多任务深度学习应用于亚临床情绪与睡眠障碍筛查，利用体力活动数据实现了并发风险识别，并显著优于传统机器学习与单任务神经网络	未明确提及，但可能包括样本来自单一国家数据集（台湾）以及依赖自我报告幸福感指标等局限性	开发并验证一个利用体力活动生物标志物进行情绪障碍和睡眠障碍亚临床筛查的多任务深度学习框架	台湾全国体力活动评估与自我报告幸福感指标数据集（n=69,559），经过预处理后使用44,477条完整记录	机器学习	情绪障碍、睡眠障碍	体力活动生物标志物分析	CNN-LSTM（卷积神经网络结合长短期记忆网络）	体力活动评估数据与自我报告幸福感指标	69,559个样本，经预处理后使用44,477条完整记录	PyTorch	MUSCLE（多任务同步卷积LSTM评估器），集成CNN与LSTM	精确率、召回率、F1分数	未明确提及，但10折交叉验证可能使用标准GPU（如NVIDIA RTX系列）或云端计算资源
298	2026-07-10	Week-ahead prediction of depressive episodes using wearable-derived circadian biomarkers: A multicenter deep learning study with risk-based operating thresholds 2026-Nov-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.122076 PMID:42242428	研究论文	基于可穿戴设备衍生的昼夜节律生物标志物，利用深度学习模型提前一周预测抑郁发作	首次将心率与睡眠时间衍生的两种互补昼夜节律标志物整合到深度学习中，并引入风险基操作阈值增强临床可解释性	需要外部验证、概率校准、可迁移性评估以及前瞻性发作起点评估后才能应用于临床	评估基于可穿戴设备数据的深度学习模型在提前一周预测抑郁发作方面的可行性	144名情感障碍患者的昼夜节律数据（心率余弦峰值和基于睡眠时间的褪黑素相位起点代理指标）	机器学习	情感障碍（抑郁发作）	NA	时间序列模型（深度学习）	可穿戴设备数据（心率、睡眠时间）	144名参与者，共90281人天的数据	NA	NA	AUROC, 阳性预测值, 风险排名捕获率, 预后提升倍数, 审查负担	NA
299	2026-07-10	Deep Learning Outperforms Descriptor-Based Classification of Food Items Using Chromatography-Mass Spectrometry Data 2026-Oct-15, Rapid communications in mass spectrometry : RCM IF:1.8Q2 DOI:10.1002/rcm.70134 PMID:42421483	研究论文	比较卷积神经网络与传统描述符方法在食物分类和掺假检测中的性能，展示深度学习优势	首次将端到端深度学习应用于色谱-质谱数据指纹进行食物分类，显著优于基于描述符的传统方法，并实现了高灵敏度的掺假检测	使用计算模拟数据而非实验获取的质谱数据，需要在真实实验数据上验证	展示深度学习在食物认证、掺假筛查和基于数据驱动的配对发现中的可扩展优势	15种食品项目的色谱-质谱数据	机器学习	NA	色谱-质谱联用	卷积神经网络	质谱数据	3000个计算模拟质谱数据，每类200个	NA	SimpleCNN	准确率、敏感性、特异性、轮廓系数、Davies-Bouldin指数、余弦相似度	NA
300	2026-07-10	Liquid-liquid phase separation in metabolic engineering: Mechanistic insights, emerging applications, and future challenges 2026-Oct, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2026.108931 PMID:42225537	综述	系统总结液-液相分离在代谢工程中的设计原理、分子决定因素和调控策略，并探讨人工智能和深度学习在该领域的应用	首次系统整合了基于液-液相分离的人工凝集体在代谢工程中的应用，特别是引入人工智能和深度学习用于数据驱动的固有无序区域设计，建立定量序列-相行为关系，推动从经验设计向预测性工程框架的转变	凝集体的老化和与宿主细胞环境的兼容性问题尚未解决	为合成生物学和代谢工程领域提供液-液相分离的理论框架和未来展望，促进新一代稳定的、可编程的微生物细胞工厂平台的开发	基于液-液相分离的人工凝集体及其在代谢通道、基因表达控制和可编程细胞功能模块构建中的应用	机器学习	NA	NA	深度学习模型	序列数据	NA	NA	NA	NA	NA