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
821	2026-03-07	Smartphone-integrated molecularly imprinted sensor with convolutional neural networks for on-site detection of Norfloxacin 2026-Apr-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345196 PMID:41765623	研究论文	本研究开发了一种集成了双发射分子印迹荧光传感器与深度学习的便携式传感平台，用于诺氟沙星的快速现场检测	结合分子印迹荧光传感器与卷积神经网络，利用智能手机捕获的荧光图像实现高灵敏度、抗环境干扰的现场定量检测	NA	开发用于诺氟沙星快速现场检测的便携式传感技术	诺氟沙星（NOR）	计算机视觉	NA	分子印迹荧光传感，配体到金属电荷转移（LMCT）机制	CNN	图像	NA	NA	CNN	检测限，回收率，相对标准偏差（RSD）	智能手机
822	2026-03-07	Critical assessment of machine learning approaches for classification, dynamic prediction and surrogate Modeling in food fermentation 2026-Apr-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2026.118403 PMID:41763759	研究论文	本研究批判性地评估了机器学习方法在葡萄酒发酵过程中的分类、动态预测和代理建模任务中的表现，并与基于知识的模型进行了比较	首次在食品发酵领域系统比较了多种监督机器学习方法与基于知识的模型在有限数据条件下的性能，并开发了一种集成知识预测与残差神经网络的混合模型以纠正系统误差	机器学习模型在训练数据有限或需要预测超出训练条件范围的结果时表现不佳，而基于知识的模型虽然泛化能力更好，但计算成本较高	评估机器学习方法在食品发酵过程中分类、动态预测和代理建模任务中的有效性，并与传统基于知识的模型进行比较	葡萄酒发酵过程、工业酵母菌株、发酵动力学数据	机器学习	NA	NA	决策树, 支持向量机, 神经网络, 残差神经网络	时间序列发酵数据, 代谢物数据, 合成数据	NA	NA	残差神经网络	准确率, 归一化均方根误差	NA
823	2026-03-07	Simultaneous detection and visualization of lipid and protein oxidation in frozen-thawed chicken meat using hyperspectral imaging 2026-Apr-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2026.118463 PMID:41763786	研究论文	本研究利用高光谱成像技术结合多任务深度学习框架，实现了冷冻-解冻鸡肉中脂质和蛋白质氧化的同时检测与可视化	提出了一种新颖的多任务深度学习框架，将格拉米安角差场与多任务卷积神经网络集成，实现了脂质和蛋白质氧化指标的同时端到端预测，避免了传统方法需为每个指标单独训练模型的低效问题	研究仅针对鸡肉进行，未涉及其他肉类或食品；实验条件限于10次冻融循环，可能未覆盖所有实际存储场景	评估冷冻-解冻鸡肉在存储过程中的脂质和蛋白质氧化程度，以改善肉类质量控制	冷冻-解冻的鸡肉样品	计算机视觉	NA	高光谱成像	CNN	图像	未明确指定样本数量，但涉及10次冻融循环的鸡肉样品	未明确指定，但基于深度学习框架	多任务卷积神经网络	相关系数R, 均方根误差RMSEP, 相对预测偏差RPD	NA
824	2026-03-07	Seeing structure, sensing softening: Decoding the microstructural mediation between optical properties and peach firmness using spatial frequency domain imaging 2026-Apr-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2026.118510 PMID:41763828	研究论文	本研究利用空间频率域成像系统，结合深度学习模型和多元统计分析，揭示了桃子光学特性与硬度之间通过微观结构介导的定量机制	首次构建了“光学-结构-力学”多维框架，并采用Cellpose-SAM深度学习模型实现复杂细胞形态的高通量分割，克服了传统方法的局限性	研究仅针对‘湖景’桃子品种，且光学测量范围限定在450-1040 nm波段，可能无法完全代表其他品种或更宽光谱范围的情况	解码桃子硬度的光学检测机制，为光学质量评估提供生物物理基础	‘湖景’桃子在成熟和贮藏阶段的光学特性、微观结构及生化属性	计算机视觉	NA	空间频率域成像	深度学习模型	图像	NA	NA	Cellpose-SAM	决定系数	NA
825	2026-03-07	Efficacy of Automatic 3D Segmentation of the Upper Airway in CBCT or CT Scans via Artificial Intelligence Versus Manual Segmentation by Human Experts: A Systematic Review and Meta-Analysis 2026-Apr, Clinical and experimental dental research IF:1.7Q3 DOI:10.1002/cre2.70314 PMID:41764765	系统综述与荟萃分析	本文通过系统综述与荟萃分析，首次评估了AI在CBCT或CT扫描中自动三维分割上呼吸道的效能，并与人工分割进行比较	首次对上呼吸道AI自动分割与人工分割的效能进行荟萃分析，综合评估了多种分割性能指标	纳入研究数量有限（仅11项，其中6项用于荟萃分析），需要更多研究才能得出决定性结论	评估人工智能在CBCT或CT扫描中自动三维分割上呼吸道的效能	基于CBCT或CT扫描的上呼吸道评估研究	医学影像分析	NA	CBCT扫描, CT扫描	深度学习, 机器学习	三维医学影像（CBCT/CT）	NA	NA	NA	准确率, 精确率, Dice相似系数, 总体积差异, 交并比, 召回率	NA
826	2026-03-07	Has AI Reshaped Drug Discovery, or Is There Still a Long Way to Go? 2026-Apr, Drug development research IF:3.5Q2 DOI:10.1002/ddr.70257 PMID:41766174	综述	本文探讨了人工智能在药物发现中的应用现状、进展与挑战	系统总结了AI在药物发现各阶段（如分子性质预测、蛋白质结构建模）的整合应用，并指出尽管AI加速了早期研发，但尚未有完全由AI起源的药物获得全面监管批准，这突显了其作为辅助工具而非独立解决方案的定位	关键限制包括数据质量与可访问性差、模型可解释性不足、计算预测与化学可行性之间的差距，以及生物系统复杂性导致的转化成功受限	评估人工智能是否已重塑药物发现流程，并分析其当前角色与未来潜力	药物发现中的AI应用，包括分子、蛋白质结构及ADME/Tox预测等	机器学习	NA	深度学习	NA	多模态数据（如分子数据、文本数据）	NA	NA	NA	NA	NA
827	2026-03-07	The Evaluation of Machine Learning Models Using Matrix-Assisted Laser Desorption/Ionization Time-of-Flight Mass Spectrometry (MALDI-TOF-MS) Spectra for the Prediction of Antibiotic Resistance in Klebsiella pneumoniae 2026-Apr, MicrobiologyOpen IF:3.9Q2 DOI:10.1002/mbo3.70257 PMID:41771780	综述	本文评估了利用MALDI-TOF-MS质谱数据构建机器学习模型以预测肺炎克雷伯菌抗生素耐药性的研究现状	通过整合23项研究，系统展示了机器学习模型（尤其是集成算法和深度学习）结合MALDI-TOF-MS质谱在快速、准确预测抗生素耐药性方面的创新应用，将诊断时间从传统方法的数天缩短至数分钟或数小时	模型受到外部验证有限、质谱预处理方案不一致以及不同MALDI-TOF-MS平台间变异性的限制，可能影响模型的泛化能力和临床转化	评估机器学习模型利用MALDI-TOF-MS质谱预测肺炎克雷伯菌抗生素耐药性的有效性和应用潜力	肺炎克雷伯菌	机器学习	细菌感染	MALDI-TOF-MS	集成算法, 深度学习	质谱数据	35至超过15,000株分离株	NA	Random Forest, XGBoost, Light Gradient Boosting Machine, CNN	AUROC, 准确率	NA
828	2026-03-06	A Deep Learning Framework for Predicting Teprotumumab Treatment Response in Thyroid Eye Disease 2026-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101098 PMID:41783079	研究论文	开发并评估一个基于深度学习的框架，用于量化甲状腺眼病（TED）在替妥木单抗治疗前后的严重程度，并创建预测模型以预测个体患者对治疗的反应	整合基于CT的眶容积特征和临床数据，开发深度学习分类模型来量化TED严重程度，并构建回归模型预测治疗反应，为个体化治疗规划提供数据驱动工具	回顾性单中心研究，样本量有限（治疗反应组仅19例患者），需要外部验证和前瞻性研究确认	开发深度学习框架以客观量化TED严重程度并预测替妥木单抗治疗反应	甲状腺眼病患者（184例）和正常眶解剖个体（44例作为对照），以及治疗前后影像的19例患者	数字病理	甲状腺眼病	计算机断层扫描（CT）	深度学习分类模型, 回归模型	图像, 临床数据	184例TED患者, 44例正常对照, 19例治疗反应患者	NA	NA	准确率, AUC, 均方根误差, 决定系数（R²）	NA
829	2026-03-05	Development and Validation of an Automated Pipeline for the Detection of Monteggia Fracture Dislocations in Pediatric Radiographs 2026-Apr-01, Journal of pediatric orthopedics DOI:10.1097/BPO.0000000000003196 PMID:41395634	研究论文	本研究开发并验证了一种用于自动检测儿童X光片中Monteggia骨折脱位的深度学习流程	首次提出结合分割网络（U-Net++）测量桡骨头脱位与二分类器检测尺骨骨折的自动化流程，用于儿童Monteggia骨折的检测	研究样本量有限（桡骨分割训练320张，尺骨骨折检测训练157张），且为回顾性研究（证据等级III级），未在临床环境中进行前瞻性验证	开发一种自动化工具以提高儿童Monteggia骨折脱位在初始X光评估中的检出率	儿童肘部前后位（AP）和侧位X光片	计算机视觉	骨科损伤	X光成像	深度学习	图像	桡骨分割训练使用320张儿童肘部X光片（AP和侧位），尺骨骨折检测训练使用157对配对AP和侧位X光片	未明确提及	U-Net++	Dice分数, IoU, 灵敏度, 特异性, 准确率, AUC	NA
830	2026-03-02	An explainable and transferable deep learning framework for spatiotemporal urban flood prediction by integrating Vision Transformer and U-Net 2026-Apr-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125504 PMID:41662782	研究论文	本研究提出了一种结合Vision Transformer和U-Net的可解释、可迁移深度学习框架ViTUN，用于城市洪水的时空预测	提出了一种结合Vision Transformer和U-Net的混合深度学习框架，能够捕捉洪水在变化降雨和地形条件下的时空传播特征，并具有较好的可迁移性和可解释性	模型训练和评估基于中国岳阳的水动力模拟数据，在其他城市或地区的适用性可能需要进一步验证	开发一个快速、可解释且可迁移的城市洪水预测框架，以支持实时预警、应急响应和洪水风险管理	城市洪水淹没深度	计算机视觉	NA	水动力模拟	深度学习	时空数据	基于中国岳阳水动力模拟生成的淹没数据	NA	Vision Transformer, U-Net	Critical Success Index (CSI), R, Mean Absolute Error (MAE)	NA
831	2026-03-02	Screening toxic transformation products of emerging pollutants in advanced oxidation processes with 3D deep learning and in vitro assays 2026-Apr-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125499 PMID:41679042	研究论文	本文开发了一种名为ToxD4C的新型多模态深度学习框架，用于快速准确评估化学污染物及其在水处理过程中形成的副产物的毒性	ToxD4C框架创新性地整合了三维分子几何结构、图注意力网络和SE(3)-等变Transformer架构，能够有效捕捉复杂的立体化学和电子分子特征	NA	开发深度学习工具以改进水处理和环境风险评估中化学污染物及其转化产物的毒性预测	化学污染物及其在水处理过程中形成的转化产物	机器学习	NA	密度泛函理论（DFT）优化结构	图注意力网络, Transformer	三维分子几何结构	NA	NA	SE(3)-等变Transformer, Uni-Mol	NA	NA
832	2026-03-02	Deep learning for psychiatric genomics: from tools to applications 2026-Apr, Current opinion in genetics & development IF:3.7Q2 DOI:10.1016/j.gde.2026.102442 PMID:41690236	综述	本文综述了深度学习在精神疾病基因组学中的应用进展，从工具到具体应用	探讨了基础模型（包括基因组语言模型、单细胞基础模型和大型语言模型）在解析精神疾病复杂遗传结构中的变革性影响	作为综述文章，未直接进行实证研究，主要依赖现有文献进行总结和展望	为精神疾病基因组学研究者提供深度学习方法的全面概述，以促进新治疗策略的开发	精神疾病的遗传架构和风险位点	自然语言处理, 机器学习	精神疾病	基因组关联研究, 深度学习	神经网络, 基础模型, 大型语言模型	基因组数据, 单细胞数据, 文本数据	NA	NA	基因组语言模型, 单细胞基础模型, 大型语言模型	NA	NA
833	2026-03-02	Deep Learning segmentation with metal intrusion for quantitative microstructure analysis of hardened cement paste 2026-Apr, Micron (Oxford, England : 1993) DOI:10.1016/j.micron.2026.104005 PMID:41722543	研究论文	本文提出了一种结合金属侵入和深度学习分割的方法，用于增强硬化水泥浆体的微观结构定量分析	创新点在于将低熔点金属（Field metal）注入水泥样本以增强背散射电子成像中的孔隙与固相区分，并应用深度学习模型进行分割，简化了水泥复合材料的微观结构分析	未明确提及具体局限性，但可能涉及金属侵入过程的技术复杂性或样本制备的潜在影响	研究目的是通过金属侵入和深度学习分割改进硬化水泥浆体的微观结构定量分析，以评估材料行为和优化水泥复合材料性能	研究对象为硬化水泥浆体样本，包括孔隙、未水化和已水化水泥相	计算机视觉	NA	金属侵入技术、背散射电子成像	深度学习分割模型	图像	未明确提及具体样本数量	NA	Linknet, Unet	平均IoU	NA
834	2026-03-01	UltraMN: Advancing Real-Time Median Nerve Ultrasound Monitoring With a Multitask Deep Learning Framework 2026-Apr, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.12.002 PMID:41506963	研究论文	本研究提出了一种名为UltraMN的多任务深度学习框架，用于提升实时超声监测正中神经的性能	提出了一种新颖的多任务学习模型，将标准平面分类（UltraCLS）和组织分割（UltraSEG）集成到一个框架中，用于正中神经的全面分析	本研究仅基于健康正中神经的超声数据，其对于病理情况（如腕管综合征）的泛化能力需要进一步验证	开发一种先进的深度学习框架，以克服与实时超声监测正中神经相关的挑战	正中神经的超声图像和视频	计算机视觉	NA	超声成像	深度学习	图像, 视频	446个病例，每个病例双侧采集8个视频，总计3568个视频和249,985张图像，涵盖四个标准化成像平面	Python	UltraMN, UltraCLS, UltraSEG	准确率, 精确率, 召回率, F1分数, 平均交并比	NA
835	2026-03-01	From Recognition to Action: Integrating Deep Learning and Robotic Control in Transthoracic Echocardiography 2026-Apr, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.12.007 PMID:41530021	综述	本文综述了人工智能在经胸超声心动图图像分析和机器人辅助超声系统方面的最新进展，并探讨了语义到运动映射的未来方向	整合了深度学习与机器人控制，提出了语义到运动映射的讨论框架，为自动化心脏诊断提供了新的视角	作为一篇综述文章，未提出新的实验数据或模型，主要基于现有文献进行分析和展望	探讨人工智能和机器人技术在经胸超声心动图检查中的应用现状与未来方向，以应对人口老龄化带来的心力衰竭诊断负担	经胸超声心动图图像、机器人超声系统	计算机视觉, 机器人技术	心血管疾病	NA	NA	图像	NA	NA	NA	NA	NA
836	2026-02-28	Artificial Intelligence in Drug Discovery: Integrative Advances From Data to Therapeutic Innovation 2026-Apr, Drug development research IF:3.5Q2 DOI:10.1002/ddr.70229 PMID:41630488	综述	本文综述了人工智能在药物发现中的整合进展，从数据到治疗创新	全面整合了机器学习、深度学习和强化学习等AI技术，以加速药物发现的关键流程，包括靶点识别、虚拟筛选、从头药物设计、毒性预测以及临床试验优化	存在数据质量保证、模型可解释性提升、监管接受度以及伦理问题等限制	加速药物发现过程，提高新药研发效率并推动个性化医疗	药物发现流程，包括靶点识别、虚拟筛选、药物设计、毒性预测、临床试验等	机器学习	NA	机器学习（ML）、深度学习（DL）、强化学习（RL）	NA	NA	NA	NA	NA	NA	NA
837	2026-02-27	Artificial intelligence in trauma care: applications, ethical challenges, and pathways toward responsible integration 2026-Apr-01, Current opinion in anaesthesiology DOI:10.1097/ACO.0000000000001615 PMID:41669936	综述	本文综述了人工智能在创伤护理中的应用、伦理挑战及负责任整合的路径	及时综合了人工智能在创伤护理中的新兴应用、伦理挑战及监管框架，强调了负责任、以人为中心的整合	大多数系统仍处于概念验证阶段，外部验证有限，伦理和治理挑战是临床转化的主要障碍	探讨人工智能在创伤护理中的负责任整合，包括应用、伦理挑战及监管框架	创伤护理系统，涵盖院前分诊到院内决策	机器学习	创伤	NA	机器学习, 深度学习	NA	NA	NA	NA	准确性	NA
838	2026-02-27	Artificial intelligence-driven triage and decision-making in trauma systems/settings 2026-Apr-01, Current opinion in anaesthesiology DOI:10.1097/ACO.0000000000001619 PMID:41744264	综述	本文综述了人工智能在创伤系统/场景中用于分诊和决策支持的最新进展	探讨了人工智能如何通过处理复杂生理信号、预测临床轨迹和增强跨护理阶段的共享心智模型，来增强临床判断，特别是在院前、急诊科和群体伤亡场景中的应用	前瞻性评估显示，人工智能向可测量的临床效益的转化存在差异，需要关注可用性、工作流整合和持续校准监测	回顾人工智能在创伤护理分诊和决策支持方面的最新发展	创伤系统/场景，包括院前、急诊科和群体伤亡环境	机器学习	创伤	NA	机器学习模型, 深度学习系统	生理信号, 影像数据, 传感器数据	NA	NA	NA	NA	NA
839	2026-02-26	PadelTracker100: A dataset for intelligent player and ball tracking in padel sports 2026-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112546 PMID:41737792	研究论文	本文介绍了PadelTracker100数据集，一个用于壁球运动智能球员和球跟踪的大规模全标注数据集	首次为壁球运动提供了大规模、全标注的专业数据集，包含球轨迹跟踪、球员位置、姿态估计和击球事件识别，填补了该领域数据集的空白	数据集仅基于两场2022年世界壁球巡回赛决赛，使用单一标准摄像机角度，可能限制了视角多样性和泛化能力	推动壁球运动的计算机视觉分析，支持自动化技术开发和大规模比赛分析	壁球运动中的球员和球，包括轨迹、位置、姿态及击球事件	计算机视觉	NA	视频采集与标注	YOLO, ViTPose-L	视频帧	近100,000帧，来自两场2022年世界壁球巡回赛决赛	NA	YOLO, ViTPose-L	NA	NA
840	2026-02-25	Cost-effective ecological monitoring in shallow waters using amphibious unmanned aerial vehicles (AUAV) and deep learning-based computer vision 2026-Apr, Marine environmental research IF:3.0Q2 DOI:10.1016/j.marenvres.2026.107911 PMID:41679001	研究论文	本研究提出了一种结合两栖无人机和深度学习的方法，用于浅水生态监测，实现了水下垃圾检测和海参实例分割	集成两栖无人机与YOLOv8模型，实现空中和水下成像，并在浅水监测中提高了检测精度和效率	无人机续航时间约30分钟，监测范围限于浅水区域（0.5-10米），可能不适用于深水或长时间任务	开发一种成本效益高且高效的浅水生态监测方法	水下垃圾和海参	计算机视觉	NA	无人机成像、深度学习	YOLOv8	图像	NA	NA	YOLOv8	平均精度均值	NA