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
101	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
102	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
103	2026-02-25	Graph Embedding Comparator for Evolutionary Neural Architecture Search with Isomorphic Multi-Comparison 2026-May, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500097 PMID:41582094	研究论文	本文提出了一种基于图嵌入比较器和同构多比较机制的进化神经架构搜索框架，用于自动化设计有效的神经网络架构	引入了图嵌入比较器与同构多比较机制，直接从图结构学习架构表示，并通过对比学习确保性能相似的架构在嵌入空间中更接近	未明确说明计算资源需求及在超大规模架构搜索中的可扩展性	改进神经架构搜索方法，提高搜索效率和鲁棒性	神经网络架构的图表示	机器学习	NA	神经架构搜索	图卷积网络	图结构数据	标准NAS基准测试中的架构样本	NA	GCN	准确性，排名分数	NA
104	2026-02-25	Data-related Ablation for Reinforcing Deep Learning in Explaining Complex Phenomena 2026-May, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500061 PMID:41612853	研究论文	本文提出了一种数据相关消融框架，用于评估深度学习模型是否真正学习到复杂现象中的相关模式，而非数据偏差或偶然特征	提出了一种新颖的数据相关消融方法，作为传统模型架构消融的补充，通过分析数据特征对模型性能的影响来验证学习鲁棒性	仅以脑电图情感识别和运动执行任务作为案例研究，未在其他领域或更大规模数据集上验证	增强深度学习模型在解释复杂现象时的可靠性和可解释性	深度学习模型在复杂数据上的学习行为与验证方法	机器学习	NA	脑电图信号分析	深度学习模型	脑电图信号	NA	NA	NA	准确率	NA
105	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
106	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
107	2026-02-23	Label-free serum SERS combined with RFE-GBDT algorithm for non-invasive screening of liver cancer 2026-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127552 PMID:41662803	研究论文	本研究提出了一种基于表面增强拉曼光谱（SERS）和梯度提升决策树（GBDT）算法的无创光学诊断方法，用于肝癌分期识别和辅助筛查	结合无标记血清SERS与RFE-GBDT算法，通过递归特征消除优化特征选择，并利用LIME算法解释关键光谱波段，实现了对肝癌分期的非侵入性高精度分类	未明确说明样本来源的多样性、外部验证集的缺乏以及模型在更大人群中的泛化能力评估	开发高效便捷的非侵入性诊断技术，用于肝癌的早期筛查和分期识别	不同分期肝癌患者（T1、T2、T3）、乙型肝炎（HBV）患者及健康对照者的血清样本	机器学习	肝癌	表面增强拉曼光谱（SERS）	GBDT	光谱数据	涉及肝癌（T1、T2、T3分期）、乙型肝炎患者及健康对照者的血清样本，具体数量未明确说明	NA	梯度提升决策树（GBDT）	准确率	NA
108	2026-02-23	A hyperspectral co-design framework guided by occlusion sensitivity for early mould detection in bamboo 2026-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127546 PMID:41662805	研究论文	本研究提出了一种基于遮挡敏感性的高光谱协同设计框架，用于竹材早期霉菌检测	将遮挡敏感性分析转化为主动协同优化引擎，将模型优化与特征选择整合于统一框架	仅针对特定竹种（Schizostachyum funghomii McClure）进行验证，未在其他材料或病害中测试	开发高光谱成像与深度学习结合的早期霉菌检测方法	竹材（Schizostachyum funghomii McClure）及其霉菌感染	计算机视觉	NA	高光谱成像	CNN	高光谱图像	NA	NA	ResNet, ResNet-HS	准确率	NA
109	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
110	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
111	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
112	2026-02-14	Deep learning for depression prediction in older adults: A retrospective cohort study from CHARLS (2011-2020) with independent cohort validation in CLHLS (2008-2018) 2026-May-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.121206 PMID:41554486	研究论文	本研究开发并验证了一种名为双注意力残差网络（DARNet）的深度学习模型，用于预测中国老年人群的抑郁风险	首次系统地将深度学习应用于中国老年抑郁预测，并提出了结合注意力机制的DARNet模型，通过独立队列验证了其有效性，并利用SHAP方法进行多维可解释性分析	研究数据主要来源于中国纵向调查，未来需要整合多中心临床数据以增强模型的普适性和现实应用价值	开发个体化的早期预测工具，以识别老年抑郁高风险个体并指导分层干预	中国老年人群（年龄>60岁）	机器学习	老年疾病	LASSO回归, SHAP方法	深度学习	纵向调查数据	CHARLS队列2781名老年人（2011-2020年五波数据），CLHLS独立队列（2008-2018年）	NA	双注意力残差网络（DARNet）	准确率, F1分数, AUROC, AUPRC	NA
113	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）
114	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
115	2026-02-11	Siamese networks in Raman spectroscopy: Towards a better performance against replicate variability 2026-May-15, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129422 PMID:41579739	研究论文	本文提出了一种基于孪生神经网络的拉曼光谱分析方法，以应对训练数据与预测数据间的大变异性，提升模型泛化能力	采用孪生神经网络处理拉曼光谱数据，相比传统模型转移方法，无需测试数据信息进行模型调整，且在大型训练数据集上表现更优	尽管训练数据负担较传统网络低，但在训练与测试数据变异性纳入损失函数时，其减少程度有限	提高拉曼光谱模型的泛化性能，减少因数据变异性导致的性能下降	细菌物种和小鼠组织样本的拉曼光谱数据	机器学习	NA	拉曼光谱	孪生神经网络	光谱数据	四个细菌物种，每个物种包含九个生物重复样本，以及小鼠组织样本数据集	NA	孪生神经网络	NA	NA
116	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
117	2026-02-09	Super-adhesive sensor based on amylopectin-polyacrylic acid hydrogel for deep learning-assisted sign language recognition 2026-May, Journal of colloid and interface science IF:9.4Q1 DOI:10.1016/j.jcis.2026.139914 PMID:41570706	研究论文	本文设计了一种基于直链淀粉-聚丙烯酸水凝胶的超粘附传感器，并将其应用于深度学习辅助的手语识别系统	通过调控成分和网络结构，合理设计了聚丙烯酸/单宁酸/直链淀粉水凝胶，该凝胶集成了优异的韧性、高灵敏度、增强的电导率和强大的多表面粘附性，并首次将其无缝集成到深度学习辅助的手语识别系统中	NA	解决柔性可穿戴电子设备在高级应用领域中因粘附性差和性能不稳定而受限的问题，并探索其在人机交互和沟通中的应用	聚丙烯酸/单宁酸/直链淀粉水凝胶及其制成的传感器	机器学习	NA	NA	深度学习	传感器信号	NA	NA	NA	NA	NA
118	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