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
901	2026-06-01	Ensemble Learning Model: A Novel Technique to Detect Malignancy in Effusion Cytology 2026-03, Cytopathology : official journal of the British Society for Clinical Cytology IF:1.2Q3 DOI:10.1111/cyt.70036 PMID:41205194	研究论文	本研究应用结合六种迁移学习架构的集成学习模型来检测积液细胞学中的恶性病变	这是首个在积液细胞学中应用六模型集成深度学习方法的创新研究	NA	开发用于积液细胞学恶性检测的集成学习模型	积液细胞学涂片的显微图像	数字病理学	积液细胞恶性病变	巴氏染色涂片显微摄影	集成学习模型（包含DenseNet121、Xception、ResNet50、MobileNetV2、InceptionV3和VGG16）	图像	110例积液细胞学病例（59例良性，51例恶性），共755张代表性显微照片	Jupyter Notebook	DenseNet121, Xception, ResNet50, MobileNetV2, InceptionV3, VGG16	灵敏度, 特异度, 准确率, 精确率, 阴性预测值, F1分数, AUROC	NA
902	2026-06-01	Short-TR Acquisition Time-of-flight MR Angiography with Deep Learning Reconstruction: Technical Feasibility and Initial Clinical Evaluation in Moyamoya Disease 2026-Feb-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2025-0139 PMID:41535020	研究论文	结合短TR采集与深度学习重建的飞行时间磁共振血管成像技术，在烟雾病中实现扫描时间减半同时保持图像质量	提出STRA-TOF技术，首次将可变密度泊松圆盘采样与展开深度学习重建相结合，实现约50%扫描时间缩短并保持或改善图像质量	烟雾病患者样本量小（仅3例），缺乏大规模临床验证	开发并评估短TR采集时间飞行时间磁共振血管成像（STRA-TOF）在颅内血管可视化中的技术可行性和临床价值	颅内动脉血管的磁共振血管成像	计算机视觉	烟雾病	磁共振血管成像（MRA）	深度学习	图像	10名健康志愿者和3名烟雾病患者	TensorFlow, PyTorch, MONAI	展开深度学习重建	信噪比（SNR）, 对比噪声比（CNR）, 图像质量评分（3点量表）	NA
903	2026-06-01	Novel algorithm for knee localization and diagnosis and grading of knee osteoarthritis based on a priori information: data from OAI 2026-02-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02235-0 PMID:41703497	研究论文	提出一种基于先验信息的深度学习算法，用于膝关节定位以及膝骨关节炎的诊断与分级，数据来自OAI	综合考了膝骨数据的先验信息，重新设计KOA评估流程，提出无锚点膝部概率计算网（AKPCNet）的膝关节感兴趣区域提取算法和基于注意力池化的低阶特征强化网络（APLFRNet），并引入注意力池化全局优化算法	未明确说明具体限制，但研究仅基于OAI数据集中的X光影像，可能存在数据来源单一和样本选择性偏倚	开发并评估一种基于深度学习的方法，实现膝关节全自动分割，并利用先验信息诊断和分级膝骨关节炎	膝骨关节炎患者的膝关节X光影像	计算机视觉	膝骨关节炎	X光影像	深度学习模型	图像	35,000张膝关节X光片（前后位视图）	NA	AKPCNet, APLFRNet	ROC AUC, 平衡准确率, 准确率	NA
904	2026-06-01	Commercially Available Artificial Intelligence Solutions for Gynaecologic Cytology Screening and Their Integration Into Clinical Workflow 2026-01, Cytopathology : official journal of the British Society for Clinical Cytology IF:1.2Q3 DOI:10.1111/cyt.70023 PMID:41028901	综述	综述了商用人工智能软件在妇科细胞学筛查中的现状，并评估其临床应用中的能力、性能、影响以及整合挑战	系统评估商用AI工具在妇科细胞学筛查中的临床整合、监管合规性和伦理考量	未提及具体局限	探讨AI如何重塑妇科细胞学并改善女性健康管理	商用人工智能解决方案在妇科细胞学筛查中的应用	数字病理学	妇科癌症	人工智能、机器学习、深度学习	NA	图像	NA	NA	NA	准确性、一致性、效率	NA
905	2026-06-01	Artificial Intelligence Supported Analysis of Anal Sphincter and Levator Ani Muscle Using Medical Imaging Techniques: A Systematic Review 2026-01, International urogynecology journal IF:1.8Q3 DOI:10.1007/s00192-025-06385-7 PMID:41165777	系统综述	系统综述了人工智能支持下的肛门括约肌和提肛肌医学影像分析研究	首次系统评估人工智能在盆底肌影像分析中的研究质量，使用TRIPOD-AI清单评价报告标准	多数模型尚未准备好广泛临床应用，数据集多样性不足，缺乏外部验证	回顾人工智能在肛门括约肌和提肛肌医学影像分析中的应用现状、优势、局限及知识缺口	肛门括约肌和提肛肌相关健康条件的医学影像数据	计算机视觉	盆底功能障碍	超声、磁共振成像	深度学习	影像	40项研究	NA	UNet	NA	NA
906	2026-06-01	Machine learning-based prediction of hepatocellular carcinoma risk in steatotic liver disease: A nationwide cohort study 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349593 PMID:42207764	研究论文	基于机器学习开发预测脂肪肝疾病患者肝细胞癌风险的模型，并在全国队列中进行验证	利用可解释的机器学习模型和常规筛查数据，实现脂肪肝人群中肝细胞癌风险的高精度分层，并识别关键风险因素	研究基于韩国人群数据，模型需要外部验证才能推广至其他人群；队列数据限制了对混杂因素的控制	开发可解释的机器学习模型，预测脂肪肝疾病个体的肝细胞癌风险	20-79岁脂肪肝疾病成人，基于韩国国家健康保险服务数据库	机器学习	肝细胞癌，脂肪肝疾病	NA	深度神经网络集成，加权多头注意力机制	结构化数据（常规健康筛查指标）	1,241,560名脂肪肝成人，其中2,152例肝细胞癌	PyTorch	多头注意力深度神经网络	AUC，敏感性，特异性	NA
907	2026-05-31	Redefining spiking neural networks through the lens of dynamical superspace 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-026-10470-y PMID:42212279	观点/展望论文	本文通过动力学超空间框架重新定义脉冲神经网络，从时间密度和状态空间复杂度角度审视神经计算，并提出从同步到异步计时、从平衡态到非平衡动力学的演进路线图	提出动力学超空间概念将神经计算重新定义为由时间密度和状态空间复杂度决定的连续层次，揭示了真实神经形态优势来源于异步计时与非平衡动力学，并构建了全局优化与局部执行的桥梁	该框架尚处于概念阶段，缺乏具体实验验证和定量分析；从理论到实际应用的技术路径未详细展开	重新定义脉冲神经网络的计算范式，揭示其作为动力系统而非高效量化的本质，为下一代智能系统提供理论基础	脉冲神经网络（SNN）的计算原理、时间动力学特性及其与生物神经电路的关系	机器学习, 神经形态计算	NA	NA	脉冲神经网络（SNN）	NA	NA	NA	NA	NA	NA
908	2026-05-31	A new method for accurate detection of counterfeit sesame oil using three-dimensional fluorescence spectroscopy 2026-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128055 PMID:42143998	研究论文	提出一种基于差分光谱重建和TabTransformer-XGBoost深度学习模型的方法，用于准确检测掺假芝麻油	首次将差分光谱重建技术与TabTransformer-XGBoost深度学习模型结合，同时实现芝麻油真伪分类和芝麻香精浓度的定量预测	未提及方法在不同品牌或不同批次芝麻油中的泛化能力，以及样本来源和数量的具体描述	开发一种高精度检测芝麻油掺假的新方法	芝麻油及掺入芝麻香精的假冒产品	机器学习	不适用	三维荧光光谱	TabTransformer-XGBoost	三维荧光光谱数据	不适用	TabTransformer, XGBoost	TabTransformer, XGBoost	准确率, 相关系数R, 均方根误差RMSE, 平均绝对百分比误差MAPE, 平均绝对误差MAE	NA
909	2026-05-31	Deep learning-assisted metasurface-enhanced near-infrared spectroscopy for alcohol detection 2026-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128007 PMID:42085821	研究论文	本研究介绍了一种深度学习辅助的超表面平台，用于近红外光谱分析，能够同时定性和定量检测多种醇类物质	结合超表面增强近红外光谱与深度学习模型（CNN-Transformer混合架构），实现了醇类物质的高精度定性和定量检测	NA	开发深度学习辅助的超表面近红外光谱平台，用于多醇类物质的定性和定量分析	多种醇类物质	机器学习, 计算机视觉	NA	近红外光谱, 超表面	CNN, Transformer	光谱数据	NA	NA	CNN, Transformer	决定系数, 均方根误差, 识别准确率	NA
910	2026-05-31	Identification of soybean variety based on spectral data and RGB image fusion combined with deep learning method 2026-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128009 PMID:42107308	研究论文	提出一种基于高光谱数据与RGB图像融合及改进YOLOv11深度学习框架的大豆品种识别方法	创新性融合高光谱与RGB图像数据，提出线性插值方法集成光谱与视觉信息，并通过优化参数效率和增强空间注意力机制改进YOLOv11架构	未明确提及局限性	实现大豆品种的高精度识别，为农产品分类和质量控制提供新策略	大豆品种	计算机视觉, 机器学习	NA	高光谱成像, RGB成像	YOLOv11	图像, 光谱数据	NA	NA	YOLOv11	准确率	NA
911	2026-05-30	Early apple moldy core classification via multi-modal sensing and SE-ResNet18 2026-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128056 PMID:42161033	研究论文	提出一种融合可见-近红外光谱与电子鼻数据的多模态图像编码方法，结合SE-ResNet18深度学习模型，实现对苹果早期霉心病的高效、无损分类	首次结合格拉米角场、马尔可夫转移场和递归图编码技术，将一维时域和光谱数据转换为图像表示，并构建基于通道注意力机制的SE-ResNet18双分支融合模型，显著提升多模态特征提取与分类性能	研究未提及模型在不同品种苹果或其他病害上的泛化能力，且在实际部署中可能存在传感器成本较高的问题	实现苹果霉心病早期内部病变的无损、高效分类，验证多模态数据互补性及注意力机制在特征融合中的有效性	苹果（早期霉心病样本）	计算机视觉, 机器学习	植物病害（苹果霉心病）	光谱分析法（可见-近红外光谱）, 电子鼻技术	卷积神经网络 (SE-ResNet18)	图像（编码后的时域和光谱图像）	未在标题和摘要中明确说明	PyTorch	SE-ResNet18（双分支架构）	分类准确率 (95.93%)	未在标题和摘要中明确说明
912	2026-05-31	Deep Learning-Assisted identification and quantification of cell-associated microplastics using darkfield hyperspectral imaging 2026-Oct-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129864 PMID:42019285	研究论文	开发了结合暗场高光谱成像与深度学习管道的自动化策略，用于在单细胞水平检测和量化细胞相关的聚苯乙烯微塑料	首次将Mask R-CNN、LS-SVM和圆形霍夫变换整合为完整图像分析管道，实现微塑料与细胞相互作用的单细胞分辨率定量评估	该方法需要针对不同颗粒类型和细胞系进行重新训练和验证，目前仅验证了聚苯乙烯微塑料在Caco-2细胞中的效果	建立自动化策略以检测和量化细胞相关的微塑料，评估其潜在健康风险	人结肠腺癌细胞Caco-2和聚苯乙烯微塑料	计算机视觉	微塑料相关健康风险	暗场高光谱成像	CNN, 支持向量机	图像	Caco-2细胞在不同浓度聚苯乙烯微塑料（1×10^7、1×10^8、1×10^9颗粒/mL）处理下的样本	NA	Mask R-CNN, 最小二乘支持向量机, 圆形霍夫变换	精确率, 准确率	NA
913	2026-05-31	Enhancing saline soil quality using enriched sheep manure compost and organic fertilizer: A FTIR-Deep learning evaluation of physiochemical and electrical properties 2026-Oct-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129880 PMID:42035676	研究论文	通过傅里叶变换红外光谱结合深度学习评估改良羊粪堆肥和有机肥对盐渍土壤质量的影响	首次将FTIR光谱与深度学习模型（LSTM和1D-CNN）结合，用于盐渍土壤性质的快速准确评估，并利用SHAP解释模型预测的关键光谱区域	未提及模型在不同土壤类型或长期田间条件下的泛化能力，且PLSR模型部分参数（如有机肥处理的R值为0.27）表现较差，可能受样本量或实验条件限制	建立基于FTIR光谱与机器/深度学习的框架，快速评估盐渍土壤改良效果，并预测关键理化性质	盐渍土壤样本，经改良羊粪堆肥和有机肥处理后进行理化性质分析	机器学习	不适用	傅里叶变换红外光谱	长短期记忆网络、一维卷积神经网络、偏最小二乘回归	光谱数据	未明确说明，涉及盐渍土壤样本及两种改良处理（有机肥和羊粪堆肥）	不适用	LSTM, 1D-CNN	决定系数R	未提及
914	2026-05-31	3D-printed real-time biosensing system integrating deep learning for label-free in vitro T cell culture analysis 2026-Oct-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129892 PMID:42035675	研究论文	利用3D打印模块构建的自动无标记监测平台，结合深度学习实现T细胞培养过程的实时分析	首次将3D打印模块化组件、自动化细胞培养、实时明场成像和深度学习算法集成于一个平台，实现T细胞形态、活力和迁移行为的连续追踪，无需标记	未提及对细胞代谢功能的直接检测，以及在不同T细胞亚型或临床样本中的验证	开发一种用于癌症免疫治疗中T细胞培养的实时、无标记监测技术	体外培养的T细胞	计算机视觉	癌症	NA	深度学习	明场图像	NA	NA	NA	平均精度	NA
915	2026-05-31	Chemical composition imaging and class imbalance handling using a 2D-CNN with SMOTE and threshold moving for tobacco origin classification 2026-Oct-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129950 PMID:42105520	研究论文	提出一种结合化学组分成像、2D-CNN与SMOTE及阈值移动的方法，用于烟草产地分类	将多维化学组分转换为结构化2D图像，利用2D-CNN捕捉化学指标间的复杂相关性，并结合SMOTE与阈值移动缓解类别不平衡	未提及相关限制	解决烟草产地分类中复杂的化学关系与地理样本不平衡问题	烟草样品及其化学组分	计算机视觉, 机器学习	无特定疾病分类	化学组分成像, SMOTE	2D-CNN	图像（化学组分转换的2D图像）	八个生态区域的烟草样本	NA	2D-CNN, 1D-CNN（用于对比）	准确率, 精确率, 召回率, F1分数	NA
916	2026-05-31	A hybrid chemometric and deep learning model for monitoring quality loss in thermally processed edible oils 2026-Aug-31, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2026.119497 PMID:42215142	研究论文	提出一种结合化学计量学和深度学习的方法，用于监测热加工食用油的质量损失	将FTIR光谱和介电测量与CARS-PLS、RF-PLS和1D-CNN等先进化学计量学和深度学习模型相结合，并通过SHAP可解释AI分析揭示关键光谱贡献，实现对热加工食用油降解过程的敏感、非破坏性监测	该研究为实验室概念验证，尚未在工业或家庭真实烹饪条件下进行大规模验证	开发一种集成光谱、介电分析与预测建模的方法，用于评估食用油在热处理过程中的质量退化	花生油、芝麻油和餐厅收集油的热降解过程	机器学习	NA	FTIR光谱、介电测量	1D-CNN、CARS-PLS、RF-PLS	光谱数据、介电常数、酸值	花生油、芝麻油和餐厅收集油样本（具体数量未提及）	NA	1D-CNN	训练R值、外部测试R值、RMSE	NA
917	2026-05-31	Deep learning-based non-contrast cine CMR for optimized prediction of left ventricular adverse remodeling after ST-elevation myocardial infarction 2026-08-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2026.134499 PMID:42031064	研究论文	基于非对比剂心脏磁共振的深度学习模型用于预测ST段抬高型心肌梗死后左心室不良重构	首次评估基于非对比剂心脏磁共振的深度学习模型预测STEMI患者左心室不良重构的可行性，并整合成像、形态和运动特征，无需使用钆对比剂	研究为回顾性设计，样本量相对有限（252例），且深度学习模型决策过程的解释性仍需进一步验证	评估非对比剂心脏磁共振的深度学习模型预测急性ST段抬高型心肌梗死后左心室不良重构的性能	急性ST段抬高型心肌梗死患者	计算机视觉	心血管疾病	心脏磁共振	3D U形网络及分类模型	图像	252名STEMI患者，来自两个医疗中心，训练集176例，测试集76例	NA	3D U形网络	AUC、准确率、敏感性、特异性、F1分数	NA
918	2026-05-31	How receptor conformation depends on lipid nanodisc size: Adenosine A2A receptor and implications for class-A GPCR proteins 2026-Jul, Biochimica et biophysica acta. Biomembranes DOI:10.1016/j.bbamem.2026.184535 PMID:42061733	研究论文	通过原子级模拟比较膜蛋白在脂质纳米盘和无应变平面膜中的环境差异，聚焦腺苷A2A受体，探究纳米盘尺寸对受体构象的影响	首次揭示脂质纳米盘尺寸对GPCR受体构象分布的调节作用，发现直径约19nm的纳米盘能更好模拟无应变平面膜环境	仅基于简单脂质组成模拟，未考虑真实细胞膜复杂成分及膜支架蛋白的潜在影响	评估脂质纳米盘环境对膜蛋白构象行为的影响，为优化纳米盘实验设计提供指导	腺苷A2A受体（GPCR蛋白家族）的构象状态与脂质纳米盘环境的关系	机器学习	NA	分子动力学模拟	深度学习	模拟轨迹数据	两种纳米盘尺寸（直径约11nm和19nm）及平面膜系统	NA	NA	NA	原子级分子动力学模拟（具体GPU型号未说明）
919	2026-05-31	Artificial intelligence for marine oil spill management: Recent advances and future directions 2026-Jul, Marine environmental research IF:3.0Q2 DOI:10.1016/j.marenvres.2026.108108 PMID:42119407	综述	系统综述人工智能在海洋溢油全生命周期管理中的最新进展，涵盖检测、评估和应急响应等环节	首次从溢油管理全生命周期视角整合AI赋能的多种技术方法，包括物理信息驱动建模、深度学习轨迹预测、不确定性量化及自主机器人遥感集成系统	数据可用性不足、模型泛化能力有限、可解释性欠缺以及系统集成困难等关键挑战尚未解决	总结AI在海洋溢油风险管理中的现有进展与实践，识别关键挑战并提出未来研究方向	海洋溢油事件及其管理全过程中的AI技术应用	machine learning, computer vision	NA	机器学习、计算机视觉、智能传感、机器人技术	深度学习	多源遥感数据、溢油轨迹数据、环境监测数据	NA	NA	物理信息神经网络、深度学习轨迹预测架构	轨迹预测精度、不确定性量化指标	NA
920	2026-05-31	LRF-CNN: An explainable lightweight receptive field-based CNN for colorectal cancer histopathological image classification 2026-Jun-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.115997 PMID:42211130	研究论文	提出了一种轻量级可解释感受野卷积神经网络（LRF-CNN），用于结直肠癌组织病理图像分类	集成了多分支轻量级感受野模块和注意力模块，并通过事后激活量化和多阶段特征图可视化提升模型可解释性	未提及具体局限性	开发一种准确、高效且可解释的深度学习模型，用于结直肠癌组织病理图像分类	结直肠癌组织病理图像	数字病理学	结直肠癌	组织病理学图像分析	卷积神经网络	图像	公共五类结直肠组织病理图像数据集	NA	轻量级感受野卷积神经网络	准确率	NA