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
1001	2026-02-27	ClinReadNet: A clinical reading-inspired network for low-dose abdominal CT image quality assessment 2026-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108535 PMID:41494492	研究论文	提出一种名为ClinReadNet的深度学习框架，用于低剂量腹部CT图像的无参考质量评估，其设计灵感来源于放射科医生的临床阅片逻辑	提出了一个与临床阅片逻辑对齐的深度学习框架，包含三个创新模块：Sobel序数质量网络（SOQN）模块同时关注边缘细节和整体质量分布；(S)W-MTMSA模块模拟医生从整体扫描到局部聚焦的阅片过程；分层排序概率得分（HRPS）损失函数结合粗分类和细分类逻辑并关注分级标签间的距离信息	NA	开发一个模仿医生阅片习惯的低剂量无参考图像质量评估模型，以优化腹部CT成像中辐射剂量与图像质量之间的平衡	低剂量腹部CT图像	计算机视觉	NA	CT成像	深度学习	医学图像	LDCTIQAG2023数据集	NA	ClinReadNet	PLCC, SROCC, KROCC	NA
1002	2026-02-27	A physics informed neural network architecture for moving boundary problems in science and engineering 2026-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108500 PMID:41500169	研究论文	本文提出了一种专门用于解决移动边界问题的物理信息神经网络架构	设计了一种新颖且通用的物理信息神经网络架构，使用两个独立的神经网络分别预测自由边界和系统变量，以处理空间域随时间演化的移动边界问题	NA	开发一种用于科学和工程中移动边界问题的数值模拟方法	移动边界问题中的自由边界和系统变量	机器学习	NA	物理信息神经网络	神经网络	NA	NA	NA	物理信息神经网络	NA	NA
1003	2026-02-27	Leveraging hemispheric asymmetry in structural MRI with an attention-guided 3D CNN for early prediction of Alzheimer's conversion 2026-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108534 PMID:41512495	研究论文	本文提出了一种名为HemiNet的轻量级3D卷积神经网络，通过分析大脑半球不对称性，利用单次结构MRI扫描预测轻度认知障碍向阿尔茨海默病的转化	首次将大脑半球不对称性作为关键生物标志物引入深度学习模型，设计了不对称差异挖掘、对侧半球融合和病理焦点注意力三个核心模块，实现了从单时间点扫描进行早期预测	研究依赖于ADNI单一数据集，临床可行性受限于单次扫描的预测能力，未在更广泛或多样化的队列中进行验证	早期预测轻度认知障碍向阿尔茨海默病的转化	轻度认知障碍患者	数字病理学	阿尔茨海默病	结构MRI	CNN	图像	ADNI数据集	NA	3D CNN	AUC, 准确率	NA
1004	2026-02-25	Explainable End-to-End Seizure Prediction via Dynamic Multiscale Cross-Band Fusion Filter Network 2026-May, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500103 PMID:41555204	研究论文	本文提出了一种动态多尺度跨频带融合滤波网络（MCFNet），用于基于脑电图（EEG）信号的癫痫发作预测，旨在解决特征表示不足和模型可解释性有限的双重挑战	引入了动态多尺度跨频带融合滤波网络，结合了多尺度信号分解、跨频带融合注意力机制以及静态和动态滤波模块，以增强特征表示和模型可解释性	未明确提及模型在更广泛数据集或临床环境中的泛化能力，以及计算资源需求的具体细节	开发一种端到端的癫痫发作预测模型，提高预测性能并增强模型的可解释性，以促进临床应用	基于脑电图（EEG）信号的癫痫发作预测	机器学习	癫痫	脑电图（EEG）信号分析	深度学习网络	脑电图（EEG）信号	CHB-MIT数据集	未明确指定	动态多尺度跨频带融合滤波网络（MCFNet）	灵敏度, 特异性, 假阳性率（FPR）	NA
1005	2026-02-23	A concentration detection model combining frequency-domain physical priors and deep learning: For SO2 and NO mixed gas under NH3 interference 2026-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127513 PMID:41605085	研究论文	本研究提出了一种结合频域物理先验与深度学习的混合浓度检测模型，用于在氨干扰下检测二氧化硫和一氧化氮混合气体	通过频域物理先验进行带通滤波分离目标气体频段，并设计并行双输出网络结构结合高效通道注意力机制，增强关键特征提取能力	未明确提及模型在更广泛气体混合物或不同环境条件下的泛化能力	解决在氨干扰下二氧化硫和一氧化氮混合气体光谱重叠导致的浓度检测难题	二氧化硫、一氧化氮和氨的混合气体	机器学习	NA	紫外吸收光谱分析	深度学习模型	光谱数据	通过拉丁超立方采样生成多样浓度组合的数据集	NA	并行双输出网络结构	检测限、不确定度	NA
1006	2026-02-23	Trace-level detection of free polycyclic aromatic hydrocarbons based on magnetic driving and deep learning-assisted recognition 2026-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127531 PMID:41621160	研究论文	本研究开发了一种结合磁驱动富集、环糊精特异性分子捕获和深度学习光谱分析的表面增强拉曼光谱策略，用于水中痕量多环芳烃的快速检测	整合磁驱动富集、环糊精特异性捕获和深度学习辅助光谱分析，构建了SCLA模型以解决结构相似PAHs的光谱重叠问题，实现了高分类准确率和低检测限	NA	开发一种快速、智能且可现场部署的SERS平台，用于复杂环境水样中多环芳烃的准确监测	水中的痕量多环芳烃	机器学习	NA	表面增强拉曼光谱	CNN, LSTM	光谱	NA	NA	CNN-LSTM-Attention	分类准确率, 检测限	NA
1007	2026-02-23	MoistureVision: Rapid non-destructive prediction of cotton seed moisture using hyperspectral imaging and machine learning 2026-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127511 PMID:41616672	研究论文	本研究开发了一种基于高光谱成像和机器学习的棉花种子水分含量快速无损预测方法	结合高光谱成像与机器学习，实现了棉花种子水分含量的像素级预测和空间分布可视化	研究仅使用了单一品种（Jinken 1161）的棉花种子，样本量有限	快速、无损、准确地预测棉花种子水分含量，以评估种子活力和提高储存能力	棉花种子（品种：Jinken 1161）	机器视觉	NA	高光谱成像	CNN, LSTM, 传统机器学习模型	高光谱图像	未明确具体数量，但提及当前样本量有限	未明确指定，可能涉及多种机器学习库	卷积神经网络，长短期记忆网络，偏最小二乘回归，多元线性回归	预测相关系数（R2 p），预测均方根误差，残差预测偏差	NA
1008	2026-02-23	Qualitative identification of Bombyx batryticatus and its counterfeits using hyperspectral imaging and deep learning 2026-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127526 PMID:41628526	研究论文	本研究提出了一种结合高光谱成像与深度学习技术，用于高效、无损地鉴别中药材僵蚕及其伪品的方法	提出了一种改进的ResNeXt50-KS模型，集成了空间与通道协同注意力模块和Kolmogorov-Arnold网络；并利用生成对抗网络增强光谱数据，构建一维卷积神经网络进行特征自动提取，实现了真伪鉴别和产地分类的双重任务	未明确提及模型在其他中药材或更广泛样本上的泛化能力，以及实际市场部署的可行性	开发一种快速、无损的方法，用于中药材僵蚕的真伪鉴别和产地分类，以支持中药材质量控制和市场监管	中药材僵蚕及其经硼砂处理的伪品	计算机视觉	NA	高光谱成像	CNN, GAN	图像, 光谱数据	NA	NA	ResNeXt50, 一维卷积神经网络	准确率	NA
1009	2026-02-14	Gaborformer: A method for depression detection through hybrid acoustic feature extraction and fusion 2026-May-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.121172 PMID:41513150	研究论文	提出了一种名为Gaborformer的新型抑郁症检测框架，通过混合声学特征提取与融合来提升检测性能	提出了结合可学习Gabor滤波器与CNN的GaborNet模块，并引入分类迭代邻域成分分析（CINCA）进行特征选择，同时采用Conformer模型捕捉高维信号中的抑郁相关特征	未在摘要中明确说明研究的局限性	开发一种基于语音的抑郁症检测（SDD）先进方法	抑郁症患者的语音数据	自然语言处理	抑郁症	混合声学特征提取与融合	CNN, Conformer	语音数据	DAIC-WOZ和MODMA两个数据集	NA	GaborNet, Conformer	NA	NA
1010	2026-02-14	Peptide-responsive photonic hydrogels integrated with deep learning assistance for early MMP-9 detection 2026-May-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118444 PMID:41619461	研究论文	本文开发了一种基于肽响应光子水凝胶与深度学习辅助的早期MMP-9检测平台	结合MMP-9响应性光子水凝胶和深度学习智能手机应用，实现快速、便携、高灵敏度的视觉与定量检测	未明确提及长期稳定性、大规模临床验证或与其他生物标志物的交叉反应性	开发一种用于早期检测MMP-9的快速、便携、低成本检测方法	基质金属蛋白酶-9（MMP-9）	生物传感器与深度学习	炎症性疾病与癌症	酶联免疫吸附试验（ELISA）、迈克尔型加成反应、智能手机成像	深度学习模型	图像数据（水凝胶颜色变化）	复杂生物流体样本（具体数量未提及）	未明确指定	未明确指定	灵敏度（10.60 nm mL/ng）、检测限（0.62 ng/mL）、与ELISA的一致性	智能手机平台（具体型号未指定）
1011	2026-02-11	Rapid identification of Polygonatum kingianum processed by nine steaming and nine drying based on FT-NIR and ATR-FTIR combined with deep learning 2026-May-15, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129390 PMID:41544396	研究论文	本研究结合FT-NIR和ATR-FTIR光谱技术与深度学习，快速鉴别九蒸九制黄精样品	首次将同步二维相关光谱图像与ResNet模型结合，用于黄精九蒸九制过程的快速鉴别，并利用代谢组学分析关键代谢物	研究仅针对黄精一种药材，未验证方法在其他药材或更广泛样本中的适用性	建立一种快速准确的黄精九蒸九制工艺鉴别方法	九蒸九制处理后的黄精样品	机器学习	NA	FT-NIR光谱, ATR-FTIR光谱, 气相色谱-质谱联用	CNN	光谱图像	九种处理样品	NA	ResNet	准确率	NA
1012	2026-02-11	Surface-enhanced Raman scattering (SERS) in antibiotic resistance detection: Advances, challenges, and future perspectives 2026-May, Colloids and surfaces. B, Biointerfaces DOI:10.1016/j.colsurfb.2026.115423 PMID:41519006	综述	本文系统综述了表面增强拉曼散射（SERS）与人工智能（AI）结合在抗生素耐药性检测中的最新进展、挑战与未来前景	将SERS技术与AI（特别是机器学习和深度学习方法）相结合，实现了前所未有的耐药性检测准确性和效率	NA	应对全球公共卫生危机，实现早期、快速、准确的耐药细菌检测与识别	耐药细菌	机器学习和光学检测	抗生素耐药性	表面增强拉曼散射（SERS）	机器学习（ML）和深度学习（DL）	光学光谱数据	NA	NA	NA	准确性，效率	NA
1013	2026-01-20	SERS on analyte-enriched blood for rapid, culture-free sepsis recognition and causative pathogen identification with super operational neural networks 2026-May-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.129332 PMID:41478040	研究论文	本研究提出了一种结合表面增强拉曼光谱与深度学习的工作流程，用于直接从血液中快速、无需培养地识别败血症及其致病病原体	开发了基于超操作神经网络的轻量级一维分类器SuperRamanNet，并首次在独立外部队列中展示了接近临床级别的性能，实现了从富集血液中直接进行败血症识别和病原体分类	残留混淆主要集中在对照组与大肠杆菌之间以及某些革兰氏阴性菌类别之间，表明在血液样本收集中需要改进原始类别平衡	开发一种快速、无需培养的败血症诊断和病原体识别方法	败血症患者及健康对照者的血液样本	机器学习	败血症	表面增强拉曼光谱	深度学习	光谱数据	653份主要数据集样本（来自卡塔尔一家三级医院）和70份独立外部盲测队列样本	NA	超操作神经网络	准确率	NA