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
1	2026-10-08	A deep learning-assisted whole-cell biosensor for catechol monitoring: Synergizing BphC recognition with a multi-feature fusion vision transformer 2027-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130638 PMID:42766880	研究论文	本文开发了一种便携式基于图像的生物传感平台，将基因工程全细胞生物催化剂与多特征融合视觉Transformer（MF-ViT）相结合，用于 catechol（Cat）的定量监测，实现了高灵敏度和选择性检测	1. 构建了表达BphC的全细胞生物传感器，特异性将Cat转化为黄色产物；2. 开发了MF-ViT模型，融合全局视觉表示与预定义比色统计特征，在环境光照下实现信号解码；3. 结合分子对接和分子动力学模拟阐明了传感器的选择性机制；4. 实现了便携式、算法辅助的酚类污染物快速筛查	摘要中未明确提及研究限制	开发一种便携式、算法辅助的 catechol 监测平台，用于现场环境分析，替代传统的台式仪器方法	catechol（Cat）污染物，以及海水和自来水样本中的加标回收测试	计算机视觉	NA	全细胞生物传感器、分子对接、分子动力学模拟、深度学习	Vision Transformer（ViT）	图像	摘要中未提供具体样本数量	NA	Multi-Feature Fusion Vision Transformer（MF-ViT），并与常规简单RGB和卷积神经网络（CNNs）进行比较	预测准确度（R = 0.944）、线性范围（12.5 to 400 nM）、检测限（1.66 nM）、加标回收测试的统计一致性	NA
2	2026-10-08	High-throughput pharmaceutical classification via short-range interferometric hyperspectral imaging 2027-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130550 PMID:42702094	研究论文	利用深度学习处理短程干涉图，实现高通量、全场短波红外高光谱成像的药品分类	直接处理原始干涉图，绕过传统傅里叶变换，仅需200个数据点和10微米镜位移即可实现高精度分类；短程干涉测量与深度学习结合，对振动鲁棒	未明确说明；可能受限于训练数据的药品类型和实验条件	开发高通量、非破坏性的药品质量控制和筛选方法	11种非处方药片	高光谱成像, 深度学习	NA	短波红外高光谱成像, 傅里叶变换光谱, 干涉测量	深度学习	干涉图, 高光谱图像	11种非处方药产品；未提供具体药片数量	NA	NA	像素级分类准确率, 整片分类准确率	NA
3	2026-10-08	Integrated GC-MS, LC-MS/MS and FTIR-deep-learning analysis for chemical differentiation and rapid discrimination of four porcini mushroom species 2027-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130595 PMID:42721737	研究论文	该研究结合GC-MS、LC-MS/MS、FTIR和深度学习，对四种牛肝菌进行化学区分和快速鉴别	提出两级分析平台，将色谱-质谱联用的化学注释与FTIR结合深度学习的快速鉴别相结合，并利用SHAP解释模型	未明确说明样本的地理来源、采集时间以及模型的泛化能力验证	实现四种牛肝菌的化学区分和快速无损鉴别，用于质量评价	四种野生牛肝菌：Boletus bainiugan、Butyriboletus roseoflavus、Lanmaoa asiatica、Rugiboletus extremiorientalis	机器学习	NA	GC-MS, LC-MS/MS, FTIR, 化学计量学, 深度学习, SHAP	BPNN, CNN	光谱数据（FTIR）、代谢组学数据（GC-MS、LC-MS/MS）	四种牛肝菌，具体样本数量未提及	NA	BPNN, CNN	F1分数	NA
4	2026-10-08	Early diagnosis of cadmium stress in rice by intelligent profiling of multiple response indicators with portable Raman SERS and deep learning 2027-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130586 PMID:42731264	研究论文	该研究开发了一种结合便携式拉曼SERS和深度学习的快速准确方法，用于判别水稻中的镉胁迫水平	合成精氨酸修饰的花状银纳米颗粒（Ag NPs-Arg）以增强与三种胁迫响应指标（水杨酸、丙二醛和过氧化物酶活性）相关的拉曼信号，并建立CNN-Transformer模型进行定量预测和胁迫水平判别，使用客观加权方法整合多个指标	摘要中未明确提及	开发一种快速准确的方法，用于水稻中镉胁迫的早期诊断	水稻中的镉胁迫水平	机器学习	NA	便携式拉曼SERS、精氨酸修饰的花状银纳米颗粒（Ag NPs-Arg）、深度学习	CNN-Transformer	拉曼光谱数据、生理指标数据	NA	NA	CNN-Transformer	Rp值（水杨酸0.889、丙二醛0.832、过氧化物酶活性0.802）、准确率（95.83%）	NA
5	2026-10-05	Surface-enhanced Raman spectroscopy for breast cancer personalized management:From liquid biopsy and intraoperative navigation to therapy monitoring 2027-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130404 PMID:42628452	综述	本文系统综述了表面增强拉曼光谱（SERS）在乳腺癌精准诊疗中的应用进展，涵盖液体活检、术中导航和治疗监测	从分析方法学创新角度系统梳理SERS在乳腺癌全程管理中的应用，强调分析创新而非仅关注临床结果，并整合了人工智能和深度学习用于光谱解析的前沿进展	缺乏标准化的基底制备方案、生物基质异质性导致的信号变异性以及纳米探针的生物安全性评估尚未解决	为分析化学家和生物工程师开发下一代基于SERS的诊断平台提供综合参考资源，推动乳腺癌管理向更精准、数据驱动和个性化的范式演进	乳腺癌	数字病理学	乳腺癌	表面增强拉曼光谱（SERS）、液体活检、微流控技术	深度学习	光谱数据	NA	NA	NA	NA	NA
6	2026-10-05	"Gyroscope"-type portable device based on a bimetallic Fe/Zn-ZIF8 MOF nanozyme@agarose hydrogel with deep learning for monitoring Hg pollution 2027-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130478 PMID:42636660	研究论文	本研究开发了一种基于双金属Fe/Zn-ZIF8 MOF纳米酶@琼脂糖水凝胶的陀螺仪型便携设备，结合深度学习图像分析，用于现场监测汞污染	创新性地将双金属Fe/Zn-ZIF8 MOF纳米酶与琼脂糖水凝胶结合，利用谷胱甘肽硫醇基对汞的特异性识别调控类过氧化物酶催化活性，实现on-off-on信号响应，并嵌入3D打印陀螺仪设备，集成深度学习辅助图像分析算法，开发便携式汞可视化检测平台	未明确说明	实现矿区汞污染的快速现场监测	汞污染水体样品，包括矿山渗滤液、周边河水和水稻田水	机器学习	NA	比色法、MOF纳米酶催化、水凝胶传感、深度学习图像分析	CNN	图像	矿山渗滤液、周边河水和水稻田水样品，具体数量未明确	NA	NA	加标回收率、相对标准偏差	NA
7	2026-10-05	Analytical advances in citrus disease detection: Conventional molecular assays and emerging analytical technologies 2027-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130509 PMID:42659825	综述	本文综述了柑橘病害检测中传统分子检测方法（如PCR、qPCR、ELISA、LFA）与新兴分析技术（电化学生物传感器、拉曼光谱、SERS、LIBS、高光谱成像、荧光方法、遥感）以及人工智能和化学计量学的进展，重点讨论了分析性能、纳米材料、物联网集成及实际应用面临的挑战	系统性地将传统分子检测与新兴电化学、光谱、成像和AI辅助分析技术进行对比和整合，强调了纳米材料和先进传感界面对分析能力的提升，并探讨了化学计量学、机器学习和深度学习在多维数据诊断信息提取中的作用以及与物联网和精准农业的融合	未涉及具体实验数据或原始研究结果，属于综述性分析；文中指出技术就绪度、标准化、可扩展性、商业化、法规接受度、外部验证和田间实施等方面仍存在关键挑战尚无解决方案	批判性审视柑橘病害诊断技术的演进，评估传统分子和免疫学方法与新兴电化学、光谱、成像及AI辅助分析方法的分析性能，并讨论其实际应用前景与挑战	柑橘病害（由真菌、细菌和病毒病原体引起）及其诊断分析技术	机器学习, 计算机视觉, 数字病理学	植物病害	PCR, qPCR, ELISA, LFA, 电化学生物传感器, 拉曼光谱, SERS, LIBS, 高光谱成像, 荧光方法, 遥感	机器学习, 深度学习	图像, 光谱, 文本	NA	NA	NA	灵敏度, 选择性, 重复性, 基质效应, 分析稳健性	NA
8	2026-10-04	Highly sensitive self-powered pressure sensor with high power output based on electrochemical reactions for rehabilitation monitoring 2027-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130367 PMID:42503257	研究论文	本文研制了一种基于电化学反应的电流型自供电压力传感器，利用铜/锌电极和导电聚乙烯醇水凝胶电解质，并通过3D打印微结构提升灵敏度，可用于康复监测并与深度学习结合识别康复动作	采用电化学能量转换实现自供电，同时兼具高灵敏度、高输出功率和模块化集成能力；利用3D打印技术在水凝胶表面制备微结构以提高检测灵敏度；将自供电压力传感与深度学习结合用于康复动作识别	摘要中未明确提及该研究的局限性	开发兼具高灵敏度、高输出功率和模块化集成能力的自供电压力传感器，并探索其在康复监测中的应用	自供电电化学压力传感器、导电聚乙烯醇水凝胶、康复训练动作信号	机器学习	康复医学	电化学传感、3D打印微结构、水凝胶电解质、深度学习	CNN	压力信号、电信号、动作信号	NA	NA	NA	灵敏度（1.126 mA/kPa）、输出电压（1.05 V）、输出电流（16.1 mA）、最大输出功率（3.94 mW）、动作识别准确率	NA
9	2026-09-06	Automated detection of Eimeria tenella from hematoxylin and eosin-stained chicken cecal tissues using YOLOv4-based deep learning: A proof-of-concept study 2027-Feb, Parasitology international IF:1.5Q3 DOI:10.1016/j.parint.2026.103353 PMID:42508751	研究论文	本研究应用YOLOv4深度学习算法自动检测鸡盲肠组织切片中的艾美耳球虫裂殖体和配子体，作为概念验证研究。	首次将深度学习目标检测算法应用于寄生虫病的组织病理学标本检测，而非传统的涂片标本，实现了对球虫发育阶段的自动识别。	数据集规模有限，可能无法完全反映现实世界的变异性。	探讨深度学习辅助组织病理学诊断的可行性，实现对艾美耳球虫感染鸡的早期诊断和寄生虫阶段自动检测。	鸡盲肠组织中的艾美耳球虫（Eimeria tenella）的裂殖体和配子体。	数字病理学	禽球虫病	组织病理学染色（苏木精-伊红染色）	YOLOv4和YOLOv4-tiny	组织病理学图像	来自4只感染艾美耳球虫的鸡的盲肠标本，共960个图像补丁	NA	YOLOv4, YOLOv4-tiny	平均精度均值（mAP）	NA
10	2026-07-30	The perspective of artificial intelligence for NMR 2027-Feb, Magnetic resonance letters DOI:10.1016/j.mrl.2026.200290 PMID:42518522	综述	本文综述了人工智能（特别是深度学习）在核磁共振波谱技术中的应用，重点探讨了其在代谢物研究中解决灵敏度低、峰重叠严重和数据解析困难等核心挑战的创新方向	系统梳理了AI驱动NMR在代谢物研究中的三个技术革新方向：低场谱高场化、纯位移谱优化以缓解谱峰拥挤、以及代谢组学中代谢物与生物标志物的智能识别	NA	概述AI与NMR协同作用在代谢物研究中的进展，并展望其在代谢组学、精准医学等领域的应用潜力	核磁共振波谱数据与代谢物相关研究，包括低场NMR谱、纯位移谱及代谢组学数据	机器学习	高脂血症（文中提及脂蛋白代谢标志物）	核磁共振波谱，深度学习	深度学习模型	NMR波谱数据	NA	NA	NA	NA	NA