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
41	2026-08-16	MUnet: A model-based unrolled reconstruction framework for computational photoacoustic imaging 2026-Dec, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108164 PMID:42379009	研究论文	提出一种基于模型的展开式重建框架MUnet，用于计算光声成像，结合物理信息数据保真项与监督图像域增强模块，提升重建质量和计算效率	采用非可训练的解析更新与神经网络图像细化交替进行，替代显式正则化函数或近端算子的学习，融合模型可解释性和深度学习灵活性	未明确提及，但可能受限于体内数据实验的特定条件及对临床实时应用的进一步验证需求	解决光声成像在有限视角、稀疏采样和强噪声等实际条件下的鲁棒图像重建问题，实现快速高保真成像	体内光声成像数据	计算成像、深度学习	NA	计算光声成像	展开式网络架构	图像	体内光声成像数据（具体数量未在摘要中提供）	NA	MUnet，结合模型展开和U-Net风格网络	图像质量、计算时间	NA
42	2026-08-16	Spatially-informed deep learning for full-field ultrasonic nondestructive evaluation 2026-Dec, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108185 PMID:42425047	研究论文	提出一种结合空间信息的深度学习模型，用于从激光多普勒测振仪采集的全场稳态波场响应中估计结构件局部材料厚度	采用早期融合方法将全场正交分量与距离数据结合，提供检测环境的空间上下文；同时引入可变形卷积层，提升网络对表面位置变化的空间不变性	未明确提及具体局限性	开发一种能克服扫描表面位置和角度变化引起的响应扭曲和缩放问题的深度学习方法，实现准确的局部厚度估计	铝合金6061板材，厚度和取向随机变化	无损检测、深度学习	NA	超声波激励、扫描激光多普勒测振	深度学习模型（含可变形卷积）	全场稳态波场响应测量数据、深度场测量数据	仿真数据及两块实验板的多种扫描位置、取向和距离的测量	NA	可变形卷积层、早期融合网络	性能优于未使用或仅使用一种技术的模型配置；超越非机器学习基线	NA
43	2026-08-09	Ratiometric copper nanocluster fluorescence probe coupled with deep learning for intelligent recognition of tetracycline antibiotics in food 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128268 PMID:42320161	研究论文	本研究开发了一种结合比率型铜纳米簇荧光探针与深度学习的智能检测方法，用于食品中四环素类抗生素的识别与定量分析	首次将比率型铜纳米簇荧光探针与改进的ResNet50多任务学习模型相结合，实现四环素类抗生素的分类和浓度预测，检测限低至9.26 nmol L，分类准确率100%，浓度预测准确率超过98%	摘要中未提及明显的局限性	开发一种快速、准确、智能的检测方法，用于食品中四环素类抗生素残留的监测	四环素、金霉素和强力霉素三种四环素类抗生素	机器学习、数字病理学	抗生素耐药性	荧光传感、深度学习	ResNet50（多任务学习）	图像、荧光光谱	加标牛奶、鸡蛋和蜂蜜样品	PyTorch	ResNet50	准确率、R值、回收率	NA
44	2026-08-09	Simultaneously prediction of multiple wheat leaf phenotypes using hyperspectral imaging with multi-task machine and deep learning 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128294 PMID:42335700	研究论文	利用高光谱成像结合多任务机器学习和深度学习，同时预测小麦叶片多个表型性状（叶绿素含量和含水量）并识别品种	提出了一种多任务卷积神经网络（MLT-CNN）结构，具有共享光谱特征提取模块和三个任务特定分支，并比较了三种不同加权策略，以实现品种分类、SPAD和含水量预测的联合建模；同时使用SHAP进行可视化解释	摘要中未明确提及局限性	实现精确作物监测，通过同时预测小麦叶片SPAD值、含水量和品种鉴定来评估作物生长和育种	四种小麦品种的叶片光谱信息	高光谱成像、机器学习和深度学习	不适用（植物表型分析，非疾病相关）	高光谱成像、光谱预处理、离群值筛选	支持向量机（SVM）、偏最小二乘（PLS）、卷积神经网络（CNN）、多任务CNN（MLT-CNN）	光谱数据（高光谱图像）	684个有效样本	NA	CNN、MLT-CNN（共享一维光谱特征提取模块和三个任务特定分支）	分类准确率、相关系数（r）	NA
45	2026-08-09	Unveiling the sensing mechanism of a Nile Red-naphthoquinone H₂S fluorescent probe: theoretical calculation and deep learning prediction 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128304 PMID:42335704	研究论文	该研究通过理论计算和深度学习预测，解析了Nile Red-萘醌H₂S荧光探针的传感机制，证明其荧光猝灭源于光诱导电子转移（PET）过程。	结合量子化学计算与深度学习预测，系统揭示了H₂S荧光探针的PET淬灭机制，并展示了AI在光学功能材料研发中的互补价值。	未明确讨论实际生物样品中可能的环境干扰因素，且未涵盖动态或活体检测的验证。	阐明H₂S荧光探针NR-H₂S的传感机制，并验证深度学习预测的准确性，以推动探针设计与材料研发。	Nile Red-萘醌荧光探针NR-H₂S及其反应产物NR-OH。	计算化学与机器学习	NA	理论计算（ALIE、DOS、CDA）、深度学习预测（FLSF模型）	深度学习预测模型（FLSF，基于fluoroScaFfold驱动）	分子结构数据、光物理性质数据	两个分子（NR-H₂S和NR-OH）	NA	fluoroScaFfold驱动模型	光致发光量子产率（预测值与实验对比）	NA
46	2026-08-09	A highly efficient and interpretable framework for high-precision lithological identification integrating SERS and XGBoost 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128286 PMID:42372367	研究论文	本研究提出一个集成表面增强拉曼散射（SERS）和XGBoost的高精度岩性识别框架，实现了快速、准确且可解释的岩石分类	首次将SERS技术与XGBoost算法结合用于岩性识别，并利用SHAP解释模型分类过程，实现了高精度、可解释和计算高效的地质监测	文献中未提供明确的局限性信息	开发一种快速、准确、可解释且计算高效的岩性识别方法，用于地质勘探和深地工程中的实时监测	八种不同类型的岩石样本	机器学习	NA	表面增强拉曼散射（SERS）	XGBoost	光谱数据	自建SERS数据集，包含八种岩石类型（样本数量未明确说明）	NA	XGBoost	准确率	NA
47	2026-08-09	Rapid species authentication and protein prediction of porcini mushrooms using FTIR-2DCOS coupled with deep learning 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128347 PMID:42401141	研究论文	本研究利用傅里叶变换红外光谱结合化学计量学算法，同时鉴别牛肝菌物种并预测其粗蛋白含量	采用三步红外分析框架，结合二维相关光谱成像与残差卷积神经网络实现100%物种分类准确率，并融合多种特征筛选方法以提高预测效能	未提及	解决商业脱水牛肝菌因形态相似导致的分类错误问题，实现快速物种鉴别和粗蛋白预测	商业脱水的牛肝菌样品	光谱分析	不适用	傅里叶变换红外光谱、二维相关光谱成像	残差卷积神经网络	光谱图像	未明确提及	未明确提及	ResNet	分类准确率	未提及
48	2026-08-09	Physics-guided deep learning for improved stability and interpretability in EEM fluorescence decomposition 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128359 PMID:42419111	研究论文	本文介绍了一种基于物理引导的深度学习框架，用于三维激发-发射矩阵荧光光谱的分解，通过双重归一化提高稳定性和可解释性	提出了以双重归一化为核心的物理一致框架，解耦光谱形状与强度，并在合成数据上训练，实现稳定的逆映射	仅评估了有限测量条件下的真实数据集，且合成训练数据可能不完全代表实际复杂样本	开发一种在真实训练数据有限的情况下，稳定且可解释的EEM荧光分解方法	溶解有机物（DOM）的三维激发-发射矩阵荧光光谱	机器学习	NA	EEM荧光光谱	深度学习模型	光谱数据	合成混合物（数量未具体说明）和实验测量数据集（在有限设置下）	NA	NA	均方误差，平均绝对误差，平均最大相似度	NA
49	2026-08-09	Quantitative analysis of nitrogen and phosphorus in dairy cow slurry based on near-infrared spectroscopy combined with deep learning and characteristic selection algorithm 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128292 PMID:42330704	研究论文	本研究结合近红外光谱、深度学习和特征选择算法，开发了奶牛粪浆中总氮和总磷的定量预测模型。	首次将BOSS特征选择算法与DNN深度学习模型结合应用于奶牛粪浆的氮磷预测，实现了更高的数据压缩和建模效率。	未提及具体限制，但可能包括样本多样性有限、模型泛化能力需进一步验证等。	实现奶牛粪浆中总氮和总磷的快速准确检测，以指导粪浆科学施用，防止土壤养分失衡和水污染。	奶牛粪浆样本中的总氮和总磷含量。	光谱分析, 深度学习	NA	近红外光谱技术	深度神经网络（DNN）、偏最小二乘回归（PLSR）、极限梯度提升（XGBoost）	光谱数据	未明确提及样本数量，但涉及奶牛粪浆样本。	NA	DNN, PLSR, XGBoost	R值（相关系数）、RPD值（相对预测偏差）	NA
50	2026-08-09	Explainable neural network models for rapid prediction of dielectric constant and acid value in edible oils using FTIR spectroscopy 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128376 PMID:42413286	研究论文	本研究利用FTIR光谱结合化学计量学和深度学习方法，快速无损地预测食用油的介电常数和酸值，以实现质量评估和掺假检测。	将可解释人工智能技术（SHAP和Grad-CAM）应用于深度学习模型，以识别驱动预测的关键光谱特征，提高了模型的可解释性。	摘要中未明确指出局限性。	开发一种快速、非破坏性的方法，利用FTIR光谱和深度学习技术准确预测食用油的质量参数（介电常数和酸值），并提高模型的可解释性。	食用油样品，包括纯油和市场油样品。	机器学习和光谱分析	不适用	傅里叶变换红外光谱（FTIR）	一维卷积神经网络（1D-CNN）、残差网络（ResNet）、CNN-LSTM	光谱数据	未在摘要中明确说明样本数量。	未在摘要中明确说明，可能包括TensorFlow或PyTorch。	1D-CNN、ResNet、CNN-LSTM	决定系数（R²）、均方根误差（RMSE）	未在摘要中说明，可能使用GPU进行训练。
51	2026-08-09	Non-destructive geographical origin authentication of licorice using hyperspectral imaging and a component-aware Swin transformer 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128375 PMID:42430949	研究论文	提出了一种基于高光谱成像和组件感知Swin Transformer的深度学习框架，用于甘草产地的无损鉴别。	创新性地引入了组件感知Squeeze-and-Excitation机制和3D Swin Transformer块，结合滑动窗口局部主成分分析和联合优化策略，有效处理高维小样本条件下的光谱冗余和长程依赖。	未提及具体的局限性。	实现甘草地理来源的准确、无损鉴别，以保障中药材和功能性食品的质量、安全与可追溯性。	来自三个主要产区的1045个甘草样品。	计算机视觉	不适用	高光谱成像	Swin Transformer	高光谱图像	1045个甘草样品	PyTorch	Swin Transformer, Squeeze-and-Excitation	准确率	不适用
52	2026-08-09	Deep learning-based multimodal fusion of vibrational spectroscopy and clinical data for aortic dissection diagnosis and prognosis 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128391 PMID:42435698	研究论文	提出一种名为MSFusion的多模态深度学习模型，融合红外和拉曼光谱数据以及临床指标，用于主动脉夹层的精准诊断和生存预后预测	首次将红外和拉曼光谱数据与临床数据通过多分支多尺度卷积架构、跨模态注意力模块和双向多尺度融合机制进行集成，以增强诊断准确性和预后可靠性	未明确提及局限性，但本研究基于特定数据集，可能需进一步验证泛化性	开发高效、非侵入性的多模态融合方法，用于区分主动脉夹层和心肌梗死，并预测主动脉夹层患者的术后生存结果	主动脉夹层和心肌梗死患者的光谱数据及临床指标	深度学习、多模态融合、振动光谱学	心血管疾病（主动脉夹层、心肌梗死）	振动光谱（红外光谱、拉曼光谱）	多模态深度学习模型（MSFusion）	光谱数据（红外、拉曼）和临床数据	未明确提供具体样本数量	未明确提供	多尺度卷积架构、跨模态注意力模块、双向多尺度融合机制	准确率、AUC	未明确提供
53	2026-08-09	Near infrared spectroscopy for wood identification based on wavelet convolutional networks 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128374 PMID:42447628	研究论文	提出一种基于小波卷积网络的近红外光谱木材识别方法，通过小波变换和物理感知门控机制提升分类精度和异常检测能力	引入离散小波变换分解一维光谱信号，结合Sobolev梯度损失的物理感知门控机制生成注意力掩码，并并行自编码器实现无监督信号重建的正则化，解决数据驱动模型对高频噪声过拟合的问题	未提及具体样本数量和数据集规模限制，且仅验证了单一木材数据集上性能	提高近红外光谱木材物种识别的准确性、泛化性和异常拒绝能力	木材物种	机器学习	NA	近红外光谱(NIRS)	小波卷积网络、自编码器	光谱数据	NA	NA	小波变换网络、自编码器	分类准确率	NA
54	2026-08-09	Deep learning-driven non-destructive quantification of chlorophyll and antioxidant activity in therapeutic plant powders using FT-IR spectroscopy 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128392 PMID:42456247	研究论文	本研究提出了一种结合傅里叶变换红外光谱与深度学习模型的快速非破坏性方法，用于同时定量治疗性植物粉末中的叶绿素a、叶绿素b、总叶绿素和总抗氧化活性	首次将一维卷积神经网络与FT-IR光谱结合用于植物粉末中叶绿素和抗氧化活性的非破坏性定量分析，相较于传统偏最小二乘回归模型显著提高了预测精度	研究仅涉及十种药用植物，样本种类有限，可能影响模型的泛化能力	开发一种快速、准确、非破坏性的方法，用于评估治疗性植物粉末的关键质量属性，以替代耗时且消耗试剂的传统检测方法	十种药用植物粉末，包括叶绿素a、叶绿素b、总叶绿素和总抗氧化活性（DPPH、ABTS、RPA法）	光谱分析	不适用	傅里叶变换红外光谱	一维卷积神经网络	光谱数据	10种药用植物粉末样本	未指定	一维卷积神经网络	决定系数、预测均方根误差、性能与偏差比	未指定
55	2026-08-09	Multi-modal deep learning for non-invasive blood glucose prediction from terahertz reflection spectra: A simulation study with four-layer skin modeling 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128428 PMID:42468391	研究论文	本研究提出一个结合物理严格四层皮肤介电模型与深度学习的仿真框架，用于太赫兹反射光谱的非侵入性血糖预测，并评估多种CNN架构。	创新性地将物理模型（如修正的Double Debye弛豫模型、Maxwell-Garnett有效介质理论和传输矩阵法）与深度学习结合，提出多输入CNN融合光谱和辅助皮肤形态参数，显著提升预测精度。	研究基于仿真数据，未涉及真实实验验证；辅助参数的可用性依赖其他模态（如OCT）的实际测量，可能带来实际应用中的不确定性。	探索太赫兹光谱结合辅助皮肤表征的多模态深度学习在无创血糖监测中的可行性，并指导未来实验设计。	模拟的四层皮肤模型（表皮、真皮等）和50,000个由七个生理参数变化生成的太赫兹反射光谱样本。	数字病理学	糖尿病	太赫兹光谱、Double Debye弛豫模型、Maxwell-Garnett有效介质理论、传输矩阵法	卷积神经网络（CNN）	一维频谱信号及辅助皮肤形态参数（模拟数据）	50,000个模拟样本，由四层皮肤模型生成，变化七个生理参数	NA	SimpleCNN, ResCNN, AttentionCNN, 多输入CNN	RMSE, 相关系数R, MARD, Clarke Error Grid	NA
56	2026-08-03	Optimized cortical EEG modeling for Parkinson disease diagnosis with snow Shepherd Stride tuning mechanism 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10406-y PMID:41657964	研究论文	提出了一种结合堆叠自编码器和MobileNet的CortiMoS-Net模型，用于从EEG信号中准确检测帕金森病，并引入优化的S3C-Tune混合调优算法提升性能	首次将深度堆叠自编码器与低计算量的MobileNet卷积块结合用于帕金森病EEG信号分类，并提出新的Snow Shepherd Stride配置调优（S3C-Tune）混合优化技术以增强模型收敛和参数优化	未明确提及局限，但可推断可能存在对EEG噪声的敏感性以及跨受试者泛化性的挑战	开发一种准确、计算可扩展的EEG分析方法，旨在改善帕金森病的早期诊断和临床管理	帕金森病患者与健康对照的脑电图（EEG）信号	机器学习, 数字病理学	帕金森病	脑电图（EEG）信号分析	堆叠自编码器, MobileNet	信号数据（EEG）	未明确提供	NA	堆叠自编码器, MobileNet	准确率, 精确率, 召回率, F1分数, 错误率, 损失值	NA
57	2026-07-30	From annotation to analysis: a deep-learning pipeline for optical coherence tomography (OCT)-based measurements of biofilm morphology 2026-Dec, Biofilm IF:5.9Q1 DOI:10.1016/j.bioflm.2026.100383 PMID:42518799	研究论文	提出基于深度学习的管道，利用光学相干断层扫描（OCT）成像和自动图像处理流程，快速表征生物膜形态	首次将YOLOv8和SegFormer两种先进分割模型应用于生物膜OCT图像，并开发完整框架从分割图像提取厚度、粗糙度和密度分布等关键形态特征	未提及模型的泛化能力验证及计算资源需求，未比较方法与传统手动标注的时间成本差异	实现基于OCT图像的高通量、自动化生物膜形态表征	四种分类学上不同的多物种生物膜	计算机视觉、数字病理学	不适用	光学相干断层扫描（OCT）	YOLOv8, SegFormer	图像	八种挑战性生物膜条件及四种多物种生物膜	PyTorch	YOLOv8, SegFormer	准确率、交并比（IoU）	不适用
58	2026-07-27	Early detection of severe fetal growth restriction using multimodal deep learning based on ultrasound and prenatal biomarkers 2026-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2026.2688297 PMID:42403100	研究论文	开发并评估一种整合早孕期和中孕期超声图像与早孕期母体血清生物标志物的多模态深度学习模型，用于早期预测重度胎儿生长受限	首次将多模态深度学习模型（结合超声图像与血清标志物）用于重度FGR的早期预测，并引入多注意力机制和动态卷积模块提升性能	NA	早期预测重度胎儿生长受限	重度胎儿生长受限（FGR）病例及对照孕妇	计算机视觉	胎儿生长受限	超声成像、血清生物标志物检测	卷积神经网络（CNN）	超声图像、血清标志物数据、母体年龄	598例单胎妊娠（299例重度FGR，299例对照）	PyTorch	多层级注意力与动态卷积CNN	AUC, 准确率, F1分数, 马修斯相关系数	NA
59	2026-07-27	AutoBiGluNet: transformer-based time series modeling for blood glucose prediction in Type 1 diabetes patients 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-026-00469-4 PMID:42395262	研究论文	利用基于Transformer的时间序列模型AutoBiGluNet预测1型糖尿病患者的血糖水平	提出AutoBiGluNet混合深度学习模型，结合Autoformer和BiLSTM网络捕获全局模式和时序依赖，实现高精度血糖预测	需要前瞻性临床验证后才能考虑集成到闭环胰岛素输送系统	开发鲁棒的时间序列模型，处理噪声和异构医疗数据，辅助1型糖尿病患者临床决策	BrisT1D和OhioT1DM数据集中的1型糖尿病患者，包括CGM数据、胰岛素泵数据、智能手表活动数据和饮食碳水化合物数据	时间序列预测	1型糖尿病	持续血糖监测（CGM）、胰岛素泵数据、智能手表活动数据、碳水化合物数据	Autoformer + BiLSTM混合深度学习模型	多模态时间序列数据（CGM、胰岛素、活动、饮食）	BrisT1D和OhioT1DM两个公开数据集	NA	Autoformer、BiLSTM	RMSE、MAE、R²	NA
60	2026-07-15	Interpretable feature-transformer framework for cross-subject MCI detection using nonlinear dynamical and graph-theoretic EEG features 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-026-10458-8 PMID:42428048	研究论文	提出一种可解释的特征变换框架，利用非线性动力学和图论脑电图特征进行跨被试轻度认知障碍检测	将手工设计的熵与图论特征与Transformer网络结合，并利用SHAP分析实现模型可解释性	未明确提及局限性	探索基于熵和图论的脑电图特征在区分轻度认知障碍与正常对照中的有效性	轻度认知障碍患者与健康对照者的静息态闭眼脑电图数据	机器学习	轻度认知障碍	脑电图	Transformer	信号	183名参与者（127名健康对照，56名轻度认知障碍），每人20通道脑电图数据，分割为3秒片段	NA	Transformer	准确率	NA