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
21	2026-05-24	A CT-based deep learning model to differentiate between benign and malignant adrenal lesions 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112907 PMID:42107149	研究论文	开发一种基于CT的深度学习模型，用于区分肾上腺病变的良恶性	结合临床、生物学和影像学特征的深度学习模型，在初次CT检查中高效区分肾上腺良恶性病变	未在论文摘要中明确提及	开发深度学习模型以区分肾上腺良性病变与恶性病变	肾上腺病变患者	机器学习	肾上腺病变	CT	深度学习模型	图像	380名患者，385个经病理证实的肾上腺病变（101个恶性，284个良性）	NA	NA	敏感性、特异性、准确性、AUC	NA
22	2026-05-19	An integrated wearable microfluidic electrochemical/colorimetric intelligent sensing platform for comprehensive sweat analysis 2026-Aug-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118746 PMID:42061345	研究论文	提出了一种集成微流控电化学/比色传感的智能可穿戴平台，用于全面汗液分析	首次将高性能CuS/PDA@MXene纳米复合材料电化学传感层与水凝胶微流控/比色传感层结合，实现汗液成分与皮肤微环境的多模态监测，并采用CNN-LSTM深度学习架构处理比色信号	未提及	开发智能可穿戴平台用于动态监测汗液成分和皮肤微环境，推动个性化健康监测和数字医疗	汗液中的葡萄糖、乳酸、钾离子、钠离子，以及汗液皮肤微环境的pH值、温度和紫外线强度	机器学习, 数字化病理学	未指定	电化学传感, 微流控比色传感	CNN-LSTM	图像信号（比色信号）	未提及	NA	CNN-LSTM	未提及	NA
23	2026-05-19	Self-supervised Deep Learning for Denoising in Ultrasound Microvascular Imaging 2026-Aug-15, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2026.110368 PMID:42147495	研究论文	提出一种自监督深度学习框架HA2HA，用于超声微血管成像中的去噪，提升图像质量	创新性地使用互补角度子集的超声射频血流数据构建自监督训练对，无需标记数据即可实现去噪，并适用于无对比剂和增强对比剂的场景	未提及	解决超声微血管成像中低信噪比问题，提高血管可视化和下游分析质量	猪肾脏、人类肾脏和人类肝脏的超声微血管成像数据	计算机视觉, 数字病理学	未提及	超声成像	深度学习	图像（超声射频血流数据）	训练数据：无对比剂猪肾脏数据；测试数据：未见过个体的无对比剂和增强对比剂猪肾脏、人类肾脏和人类肝脏数据	NA	NA	对比噪声比	NA
24	2026-05-15	Interpretable three-dimensional deep learning identifies and reveals the spatial Microstructure of multi-enzyme degradation of lignocellulose 2026-Aug, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2026.134730 PMID:42049101	研究论文	建立可解释的三维深度学习框架，结合微流控平台，表征多酶处理下木质纤维素的微结构演化	首次将可解释三维深度学习与微流控平台结合，实现多酶降解木质纤维素空间微结构的无损定量分析	仅使用均质木材作为模型底物，多样性底物的适用性未验证	理解和阐明多酶降解木质纤维素的微观结构机制	木质纤维素在多种酶处理（纤维素酶、木质素过氧化物酶、漆酶）下的微结构演化	计算机视觉	NA	共聚焦显微镜成像、扫描电子显微镜	三维卷积神经网络	三维图像	标准化微流控三维空间数据集	PyTorch	DenseNet121-CBAM	预测性能、泛化能力	NA
25	2026-04-22	Local-Contextual Feature Fusion Network Based on Nonlinear Spiking Neural Model for Semantic Segmentation of Remote Sensing Images 2026-Aug, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500292 PMID:41873601	研究论文	提出了一种基于非线性脉冲神经元模型的局部上下文特征融合网络，用于遥感图像的语义分割	设计了一种使用新型非线性脉冲神经元模型的通道注意力-特征融合模块，以有效利用局部上下文特征，辅助解码器进行更好的特征恢复	NA	解决高分辨率遥感图像在复杂场景中物体纹理丰富、边缘复杂且分布不规则带来的语义分割挑战	遥感图像	计算机视觉	NA	NA	CNN, Transformer	图像	NA	NA	ResNet-18, 局部上下文Transformer块	mIoU	NA
26	2026-04-04	Rapid and non-destructive detection of hollow defects in pecans by near-infrared spectroscopy combined with multimodal data fusion and deep learning 2026-Aug-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127752 PMID:41863999	研究论文	本研究提出了一种结合近红外光谱、多模态数据融合与深度学习的方法，用于快速、无损地检测山核桃的空心缺陷及其严重程度	首次将多模态数据融合（光谱特征与物理参数）与深度学习（CNN-MLP双流模型）相结合，用于山核桃空心缺陷检测，显著提高了检测精度	未提及样本来源的多样性或模型在更大规模或不同品种山核桃上的泛化能力	开发一种可靠、无损的山核桃质量评估方法，以检测空心缺陷	山核桃及其空心缺陷	机器学习	NA	近红外光谱	SVM, CNN, MLP	光谱数据, 物理参数	NA	NA	CNN-MLP双流模型	整体准确率	NA
27	2026-04-04	High confidence Raman spectroscopy of tumor biomarker proteins through experimental and theoretical cross-validation 2026-Aug-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127748 PMID:41863219	研究论文	本文提出了一种基于实验与理论交叉验证的高置信度拉曼光谱采集方法，用于肿瘤标志物蛋白检测	通过实验获取与第一性原理DFT计算的理论拉曼光谱相互验证，确认了四种乳腺癌肿瘤标志物蛋白的光谱峰特征差异及其归属，并展示了理论-实验交叉验证能提升基于AI的蛋白分类准确率7.62%	NA	开发一种高置信度的拉曼光谱方法，用于肿瘤标志物蛋白的快速准确检测，以支持癌症筛查和组织活检病理诊断	四种乳腺癌肿瘤标志物蛋白	机器学习	乳腺癌	拉曼光谱，超滤纯化，第一性原理密度泛函理论（DFT）	NA	光谱数据	NA	NA	NA	准确率	NA