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
3081	2026-08-09	Physics-guided deep learning for improved stability and interpretability in EEM fluorescence decomposition 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128359 PMID:42419111	研究论文	本文介绍了一种基于物理引导的深度学习框架，用于三维激发-发射矩阵荧光光谱的分解，通过双重归一化提高稳定性和可解释性	提出了以双重归一化为核心的物理一致框架，解耦光谱形状与强度，并在合成数据上训练，实现稳定的逆映射	仅评估了有限测量条件下的真实数据集，且合成训练数据可能不完全代表实际复杂样本	开发一种在真实训练数据有限的情况下，稳定且可解释的EEM荧光分解方法	溶解有机物（DOM）的三维激发-发射矩阵荧光光谱	机器学习	NA	EEM荧光光谱	深度学习模型	光谱数据	合成混合物（数量未具体说明）和实验测量数据集（在有限设置下）	NA	NA	均方误差，平均绝对误差，平均最大相似度	NA
3082	2026-08-09	Quantitative analysis of nitrogen and phosphorus in dairy cow slurry based on near-infrared spectroscopy combined with deep learning and characteristic selection algorithm 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128292 PMID:42330704	研究论文	本研究结合近红外光谱、深度学习和特征选择算法，开发了奶牛粪浆中总氮和总磷的定量预测模型。	首次将BOSS特征选择算法与DNN深度学习模型结合应用于奶牛粪浆的氮磷预测，实现了更高的数据压缩和建模效率。	未提及具体限制，但可能包括样本多样性有限、模型泛化能力需进一步验证等。	实现奶牛粪浆中总氮和总磷的快速准确检测，以指导粪浆科学施用，防止土壤养分失衡和水污染。	奶牛粪浆样本中的总氮和总磷含量。	光谱分析, 深度学习	NA	近红外光谱技术	深度神经网络（DNN）、偏最小二乘回归（PLSR）、极限梯度提升（XGBoost）	光谱数据	未明确提及样本数量，但涉及奶牛粪浆样本。	NA	DNN, PLSR, XGBoost	R值（相关系数）、RPD值（相对预测偏差）	NA
3083	2026-08-09	Explainable neural network models for rapid prediction of dielectric constant and acid value in edible oils using FTIR spectroscopy 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128376 PMID:42413286	研究论文	本研究利用FTIR光谱结合化学计量学和深度学习方法，快速无损地预测食用油的介电常数和酸值，以实现质量评估和掺假检测。	将可解释人工智能技术（SHAP和Grad-CAM）应用于深度学习模型，以识别驱动预测的关键光谱特征，提高了模型的可解释性。	摘要中未明确指出局限性。	开发一种快速、非破坏性的方法，利用FTIR光谱和深度学习技术准确预测食用油的质量参数（介电常数和酸值），并提高模型的可解释性。	食用油样品，包括纯油和市场油样品。	机器学习和光谱分析	不适用	傅里叶变换红外光谱（FTIR）	一维卷积神经网络（1D-CNN）、残差网络（ResNet）、CNN-LSTM	光谱数据	未在摘要中明确说明样本数量。	未在摘要中明确说明，可能包括TensorFlow或PyTorch。	1D-CNN、ResNet、CNN-LSTM	决定系数（R²）、均方根误差（RMSE）	未在摘要中说明，可能使用GPU进行训练。
3084	2026-08-09	Non-destructive geographical origin authentication of licorice using hyperspectral imaging and a component-aware Swin transformer 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128375 PMID:42430949	研究论文	提出了一种基于高光谱成像和组件感知Swin Transformer的深度学习框架，用于甘草产地的无损鉴别。	创新性地引入了组件感知Squeeze-and-Excitation机制和3D Swin Transformer块，结合滑动窗口局部主成分分析和联合优化策略，有效处理高维小样本条件下的光谱冗余和长程依赖。	未提及具体的局限性。	实现甘草地理来源的准确、无损鉴别，以保障中药材和功能性食品的质量、安全与可追溯性。	来自三个主要产区的1045个甘草样品。	计算机视觉	不适用	高光谱成像	Swin Transformer	高光谱图像	1045个甘草样品	PyTorch	Swin Transformer, Squeeze-and-Excitation	准确率	不适用
3085	2026-08-09	Deep learning-based multimodal fusion of vibrational spectroscopy and clinical data for aortic dissection diagnosis and prognosis 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128391 PMID:42435698	研究论文	提出一种名为MSFusion的多模态深度学习模型，融合红外和拉曼光谱数据以及临床指标，用于主动脉夹层的精准诊断和生存预后预测	首次将红外和拉曼光谱数据与临床数据通过多分支多尺度卷积架构、跨模态注意力模块和双向多尺度融合机制进行集成，以增强诊断准确性和预后可靠性	未明确提及局限性，但本研究基于特定数据集，可能需进一步验证泛化性	开发高效、非侵入性的多模态融合方法，用于区分主动脉夹层和心肌梗死，并预测主动脉夹层患者的术后生存结果	主动脉夹层和心肌梗死患者的光谱数据及临床指标	深度学习、多模态融合、振动光谱学	心血管疾病（主动脉夹层、心肌梗死）	振动光谱（红外光谱、拉曼光谱）	多模态深度学习模型（MSFusion）	光谱数据（红外、拉曼）和临床数据	未明确提供具体样本数量	未明确提供	多尺度卷积架构、跨模态注意力模块、双向多尺度融合机制	准确率、AUC	未明确提供
3086	2026-08-09	Near infrared spectroscopy for wood identification based on wavelet convolutional networks 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128374 PMID:42447628	研究论文	提出一种基于小波卷积网络的近红外光谱木材识别方法，通过小波变换和物理感知门控机制提升分类精度和异常检测能力	引入离散小波变换分解一维光谱信号，结合Sobolev梯度损失的物理感知门控机制生成注意力掩码，并并行自编码器实现无监督信号重建的正则化，解决数据驱动模型对高频噪声过拟合的问题	未提及具体样本数量和数据集规模限制，且仅验证了单一木材数据集上性能	提高近红外光谱木材物种识别的准确性、泛化性和异常拒绝能力	木材物种	机器学习	NA	近红外光谱(NIRS)	小波卷积网络、自编码器	光谱数据	NA	NA	小波变换网络、自编码器	分类准确率	NA
3087	2026-08-09	Deep learning-driven non-destructive quantification of chlorophyll and antioxidant activity in therapeutic plant powders using FT-IR spectroscopy 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128392 PMID:42456247	研究论文	本研究提出了一种结合傅里叶变换红外光谱与深度学习模型的快速非破坏性方法，用于同时定量治疗性植物粉末中的叶绿素a、叶绿素b、总叶绿素和总抗氧化活性	首次将一维卷积神经网络与FT-IR光谱结合用于植物粉末中叶绿素和抗氧化活性的非破坏性定量分析，相较于传统偏最小二乘回归模型显著提高了预测精度	研究仅涉及十种药用植物，样本种类有限，可能影响模型的泛化能力	开发一种快速、准确、非破坏性的方法，用于评估治疗性植物粉末的关键质量属性，以替代耗时且消耗试剂的传统检测方法	十种药用植物粉末，包括叶绿素a、叶绿素b、总叶绿素和总抗氧化活性（DPPH、ABTS、RPA法）	光谱分析	不适用	傅里叶变换红外光谱	一维卷积神经网络	光谱数据	10种药用植物粉末样本	未指定	一维卷积神经网络	决定系数、预测均方根误差、性能与偏差比	未指定
3088	2026-08-09	Multi-modal deep learning for non-invasive blood glucose prediction from terahertz reflection spectra: A simulation study with four-layer skin modeling 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128428 PMID:42468391	研究论文	本研究提出一个结合物理严格四层皮肤介电模型与深度学习的仿真框架，用于太赫兹反射光谱的非侵入性血糖预测，并评估多种CNN架构。	创新性地将物理模型（如修正的Double Debye弛豫模型、Maxwell-Garnett有效介质理论和传输矩阵法）与深度学习结合，提出多输入CNN融合光谱和辅助皮肤形态参数，显著提升预测精度。	研究基于仿真数据，未涉及真实实验验证；辅助参数的可用性依赖其他模态（如OCT）的实际测量，可能带来实际应用中的不确定性。	探索太赫兹光谱结合辅助皮肤表征的多模态深度学习在无创血糖监测中的可行性，并指导未来实验设计。	模拟的四层皮肤模型（表皮、真皮等）和50,000个由七个生理参数变化生成的太赫兹反射光谱样本。	数字病理学	糖尿病	太赫兹光谱、Double Debye弛豫模型、Maxwell-Garnett有效介质理论、传输矩阵法	卷积神经网络（CNN）	一维频谱信号及辅助皮肤形态参数（模拟数据）	50,000个模拟样本，由四层皮肤模型生成，变化七个生理参数	NA	SimpleCNN, ResCNN, AttentionCNN, 多输入CNN	RMSE, 相关系数R, MARD, Clarke Error Grid	NA
3089	2026-08-09	Digital dimension of plant science research: A bird's eye view of AI integration 2026-Oct, Plant science : an international journal of experimental plant biology IF:4.2Q1 DOI:10.1016/j.plantsci.2026.113297 PMID:42336290	研究论文	本文综合概述了人工智能在植物科学研究中的整合应用，涵盖从分子信号到生态系统层面的数据数字化，以及AI驱动的表型分析、精准农业和作物改良等方向	提出了AI与植物科学整合的平台视角，强调了从描述性生物学向预测性、系统级和设计导向研究领域的转变，并涵盖了IoT、机器人、微流体和数字孪生等新兴技术的集成	指出了数据标准化、基础设施需求、模型可解释性和数字素养差距等挑战，这些因素限制了技术的广泛采用	提供一个AI与植物科学整合的全面概述，并总结关键见解以帮助弥合技术采用障碍，推动可持续、数据驱动的植物研究	植物科学领域中的AI整合应用，包括作物改良、精准农业、生物多样性保护等	机器学习	NA	高通量表型分析、多组学、物联网、机器人技术、微流体、数字孪生	机器学习、深度学习	多模态数据（分子、表型、生态系统层面）	NA	NA	NA	NA	NA
3090	2026-08-09	Age estimation from thoracic CT using 3D convolutional neural networks 2026-Oct, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2026.113014 PMID:42172947	研究论文	本研究探讨了使用三维深度学习模型从常规胸部CT扫描估算实足年龄的可行性，并检查不同CT重建窗对模型性能的贡献。	首次利用3D DenseNet架构结合多重建窗（肺窗、骨窗、纵隔窗）的三通道配置进行胸部CT年龄估算，并采用集成学习和Grad-CAM提供可视化解释。	研究为单中心回顾性设计，样本量有限（1278名成人），可能限制泛化性；未提供计算资源细节。	评估深度学习模型从胸部CT图像估算年龄的准确性，并分析不同重建窗的贡献。	1278名20-80岁成人的胸部CT扫描。	医学影像分析	无特定疾病	CT成像	3D卷积神经网络（3D CNN）	图像（CT扫描）	1278名成人的胸部CT扫描	NA	DenseNet（3D变体）	平均绝对误差（MAE）、均方根误差（RMSE）、决定系数（R²）、皮尔逊相关系数（r）	NA
3091	2026-08-09	Acute effects of cadmium and zinc on crayfish (Procambarus clarkii): Insights from deep learning-based behavioral analysis and physiological assessments 2026-Oct-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2026.128607 PMID:42314823	研究论文	本研究利用深度学习姿态估计工具DeepLabCut定量分析了镉和锌对克氏原螯虾行为和生理的影响，发现镉暴露导致行为和生理毒性，而锌补充缓解了这些毒性效应。	首次将深度学习姿态估计（DeepLabCut）应用于水生生物行为毒理学研究，实现了对重金属暴露下细微行为变化的精确量化。	未涉及长期暴露效应和不同浓度的剂量-反应关系，且样本量可能有限。	评估亚致死浓度镉和锌对克氏原螯虾行为、生理、生化和肠道微生物组的影响，并验证深度学习行为分析的敏感性。	克氏原螯虾（Procambarus clarkii）。	计算机视觉	非疾病（生态毒理学）	行为分析（DeepLabCut）、组织病理学、生化分析（ROS、MDA、抗氧化酶）、肠道微生物组测序	深度学习（DeepLabCut）	视频、图像、生化数据、微生物组数据	未明确提供具体样本量，但涉及多组实验（对照、Cd、Zn、Cd+Zn等）	未明确说明，但DeepLabCut通常基于TensorFlow或PyTorch	DeepLabCut（基于卷积神经网络，如ResNet）	行为指标（速度、加速度、互动强度）、组织损伤评分、生化指标（ROS、MDA、抗氧化酶活性）、免疫指标（溶菌酶）、微生物组丰度	未明确说明，但DeepLabCut通常需要GPU加速（如NVIDIA）
3092	2026-08-09	A novel and robust deep learning model for sibling firearm matching 2026-Oct, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2026.113061 PMID:42385549	研究论文	本文提出一种用于弹壳兄弟匹配的新型稳健深度学习模型，该模型利用弹壳底火区域的光度立体图像，并在前所未有的真实案例数据集上验证其性能。	引入三元组损失框架，结合半硬负样本挖掘和显式边距项，并加入预对比损失，这是该领域首次探索的方法。	摘要中未明确提及局限性，但可能包括数据集的特定性和模型泛化能力的潜在限制。	开发一种新颖且稳健的方法，用于从弹壳底火区域的光度立体图像中进行弹壳兄弟匹配。	弹壳底火区域的光度立体图像，包括来自老旧、磨损或故意修改枪支的弹壳。	计算机视觉	NA	光度立体成像	深度学习模型（基于三元组损失）	图像（光度立体图像）	包含真实世界案例工作的数据集，规模空前，具体样本数量未在摘要中说明。	NA	深度学习模型架构（具体未在摘要中说明）	成功率（前20个候选中的命中率）	NA
3093	2026-08-09	Exploring the potential of neural networks for firearms classification on bullet images 2026-Oct, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2026.113066 PMID:42424904	研究论文	本研究探索了卷积神经网络在弹道图像上对同型号枪支进行分类的潜力，以回应PCAST报告对火器检验自动化和减少主观性的呼吁。	利用CNN处理原始图像以减少人类输入，聚焦于同型号枪支的自动分类，并强调了数据集结构对模型性能的重要性。	模型性能在不同数据集上表现差异大，预测准确率波动显著，显示神经网络的脆弱性，尤其是依赖于所用数据集。	评估深度学习算法在枪支分类中的有效性，以减少主观性并处理大量数据。	同型号枪支的弹道图像。	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	图像	三个数据集，每个包含同型号枪支的子弹图像，具体数量未说明	NA	CNN（未指定具体架构，如ResNet等）	准确率	NA
3094	2026-08-09	Clinical Applicability of Artificial Intelligence-Driven Implant Planning and Surgical Guide Design in the Maxillary Esthetic Zone: A Registry-Based Cohort Study 2026-Aug, Clinical oral implants research IF:4.8Q2 DOI:10.1111/clr.70144 PMID:42237361	研究论文	本研究评估了人工智能辅助与人类专家在美学上颌前牙区种植体规划中的准确性、时间效率和流程一致性，并比较了AI设计的手术导板与人工设计导板的适配性	首次在注册队列研究中综合评估AI驱动种植规划与手术导板设计在美学区的临床应用，采用混合AI框架结合规则约束与深度学习分割，并全面比较了多项临床指标	样本量较小（35例），且为回顾性研究，可能影响结果的普遍性	评估人工智能辅助种植规划在美学上颌前牙区的准确性、时间效率和一致性，以及与人类专家规划的对比	35例单颗前牙上颌病例，配对锥形束CT和口内扫描数据	数字病理学	无特定疾病	锥形束CT，口内扫描	深度学习分割模型	医学影像（CBCT和口内扫描）	35例患者	NA	NA	线性偏差（冠状、根尖）、角度偏差、骨厚度、蜡型对齐、手术导板适配、规划时间、一致性	NA
3095	2026-08-09	Comprehensive framework for evaluation of deep neural networks in detection and quantification of lymphoma from PET/CT images: Clinical insights, pitfalls, and observer agreement analyses 2026-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105832 PMID:42284693	研究论文	提出了一个评估深度学习网络在PET/CT图像中检测和量化淋巴瘤的综合框架，包括临床见解、陷阱和观察者一致性分析	提出了一个以临床相关性为导向的评估框架，包含对病变级别特征的分析、新的分割标准（标准3），以及专家观察者间的变异性分析	未明确提及限制	解决自动化淋巴瘤分割评估中的关键空白，如泛化性、观察者变异性和病变级别评估	来自多机构数据集的611例PET/CT淋巴瘤病例，涵盖不同淋巴瘤亚型和病变特征	医学图像分析	淋巴瘤	PET/CT成像	深度分割网络	PET/CT图像	611例PET/CT病例	NA	ResUNet, SegResNet, DynUNet, SwinUNETR	Dice相似系数，预测误差，检测标准1和2，提出的标准3	NA
3096	2026-08-09	A novel multi-task deep learning framework for classification and detection of intracranial structures in first-trimester fetal ultrasound images 2026-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105806 PMID:42308601	研究论文	开发一种新的多任务深度学习框架，用于自动分类和检测早期妊娠胎儿超声图像中的颅内结构。	首次整合深度学习特征选择、统计建模和基于Transformer的检测方法，用于早期胎儿大脑评估，提高了分类准确性和检测性能，并增强了临床可解释性。	未提及	开发一种深度学习框架以自动化分类和检测早期妊娠胎儿超声图像中的颅内结构，提高产前筛查的准确性和临床实用性。	胎儿的九个关键脑结构，在孕11-14周的超声图像中。	计算机视觉	胎儿脑部异常（产前筛查）	超声成像	卷积神经网络（CNN）、Transformer	图像	2569张矢状超声图像，来自2560名孕妇（孕11-14周），收集自四个临床中心。	PyTorch（基于common usage），但未明确指定	EfficientNet、VGG16、YOLOv11、Swin Transformer	准确率、AUC、IoU、平均精确度（mAP）、校准曲线、决策曲线分析	未提及
3097	2026-08-09	Inflammatory bowel disease burden in China and the United States from 1990-2023 and prediction to 2050 2026-Aug, Internal and emergency medicine IF:3.2Q1 DOI:10.1007/s11739-026-04352-8 PMID:41986557	研究论文	本研究比较了1990年至2023年间中国和美国炎症性肠病（IBD）的疾病负担，并使用多种算法预测至2050年的趋势。	采用多算法预测框架，针对不同国家和指标选择最优模型，以处理两国间异质的流行病学模式。	未在摘要中明确提及局限性，可能包括数据源限制、模型假设或预测不确定性。	比较中国和美国IBD疾病负担，并预测未来趋势至2050年，以指导国家特定策略。	中国和美国人群中IBD的发病率、患病率、死亡率和伤残调整生命年。	流行病学	炎症性肠病	NDA	多种算法，包括传统时间序列模型、机器学习和深度学习	流行病学数据（发病率、患病率、死亡率和DALYs）	NA	NA	ElasticNet、Prophet、Holt's阻尼趋势模型、连接点回归和内在估计器	平均绝对百分比误差（MAPE），平均年度百分比变化（AAPC）	NA
3098	2026-08-09	Personalized Deep Networks for Enhanced ECG Segmentation 2026-Aug, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-026-00835-z PMID:42010029	研究论文	提出一种个性化深度神经网络方法，用于增强心电图分割，通过结合CNN、BiLSTM和注意力机制，并引入新颖的损失函数，提高波形分割精度。	引入了个性化微调策略和针对心电图分割的新损失函数，以增强模型对患者特异性变化的适应性和分割精度。	研究未指明具体局限性，可能需要进一步验证模型在不同数据库或更大样本上的泛化能力。	提升心电图语义分割的准确性和可解释性，通过个性化模型适应患者特异性形态，改善临床诊断基础。	心电图（ECG）波形数据，特别是QT数据库中的P波、QRS波群和T波。	机器学习、数字病理学	心血管疾病	NA	CNN、BiLSTM、注意力机制	时间序列数据（心电图波形）	QT数据库（具体样本量未在摘要中提供）	NA	CNN、BiLSTM、注意力机制	分割精度（如P波、QRS波群和T波偏移的定位精度）	NA
3099	2026-08-09	An innovative deep learning paradigm for automated detection and accurate classification of lung nodules in magnetic resonance imaging 2026-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105866 PMID:42330579	研究论文	本研究提出了一种用于磁共振成像中肺部结节自动检测和准确分类的深度学习新范式	创新性地将深度学习应用于MRI图像中的肺结节检测，采用11层深度卷积神经网络进行自动特征提取和分类，并结合强度归一化和数据增强策略提高性能	未明确提及局限，但可能受限于单一数据来源（仅来自一家医院）以及数据集规模较小（243幅图像）	开发一种深度学习方法来识别磁共振成像中的肺部结节，并区分良性和恶性结节，以提高诊断准确性	肺部结节（良性和恶性）	机器学习, 医学影像分析	肺癌	磁共振成像（MRI）	卷积神经网络（CNN）	图像	来自深圳大学第一附属医院的243幅T2加权MR图像	NA	11层卷积神经网络	准确率、Dice相似系数（DSC）	NA
3100	2026-08-09	AI-augmented thyroid scintigraphy for robust classification of disease 2026-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105854 PMID:42391725	研究论文	本研究评估了三种数据增强策略（包括Stable Diffusion、Flow Matching和传统增强）对甲状腺闪烁扫描图像分类性能的提升效果	首次将Flow Matching和Stable Diffusion等先进生成模型用于甲状腺闪烁扫描图像增强，并证明其优于传统增强方法	未提及明确局限性，但基于单中心数据验证，可能需多中心外部验证	提升深度学习模型在甲状腺闪烁扫描图像分类中的性能，尤其在数据有限且不平衡的情况下	甲状腺闪烁扫描图像，分为弥漫性甲状腺肿、结节性甲状腺肿、正常和甲状腺炎四类	医学图像分析	甲状腺疾病	甲状腺闪烁扫描	卷积神经网络（ResNet18）	医学图像（闪烁扫描图像）	来自九个医疗中心的2954例患者	PyTorch	ResNet18	精确率、召回率、F1分数、ROC AUC、FID、KID	未提及