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
2581	2026-08-10	Segmentation of Pancreatic Subregions in Computed Tomography Images 2022-Jul-12, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging8070195 PMID:35877639	研究论文	本文提出了一种多阶段解剖引导框架，用于在CT图像中自动分割胰腺亚区域（头、体、尾），并验证了其性能。	据我们所知，这是首个自动化胰腺亚区域分割模型，并建立了NIH数据集的参考解剖标签数据集。	未提及，NA	实现CT图像中胰腺亚区域的准确、自动3D分割，以辅助胰腺癌的诊断和治疗规划。	胰腺亚区域（头、体、尾）在CT图像中的分割	计算机视觉	胰腺癌	CT成像	朴素贝叶斯分类器和U-Net	计算机断层扫描（CT）图像	三个数据集：一个公共NIH健康胰腺数据集，以及两个分别用于癌前和癌性胰腺的数据集（具体样本数未提供）	NA	U-Net	性能指标未在摘要中明确提及	NA
2582	2026-08-10	Systematic characterization of mutations altering protein degradation in human cancers 2021-03-18, Molecular cell IF:14.5Q1 DOI:10.1016/j.molcel.2021.01.020 PMID:33567269	研究论文	利用多组学数据系统分析人类癌症中泛素-蛋白酶体系统（UPS）相关突变，揭示其作为癌症驱动基因的作用，并开发深度学习模型预测降解子（degron）缺失突变	首次大规模表征人类癌症中影响蛋白质降解的突变，开发深度学习模型deepDegron预测degron缺失，并实验验证GATA3和PPM1D截短突变增加蛋白质稳定性的预测	摘要中未明确说明局限性	系统表征人类癌症中影响蛋白质降解的突变，并揭示UPS失调在癌症中的作用及治疗潜力	人类肿瘤样本中的UPS基因和底物	机器学习, 数字病理学	多种癌症类型（33种）	多组学分析（如基因组、转录组等）	深度学习模型（deepDegron）	多组学数据（如基因组、转录组等）	超过9,000个人类肿瘤样本	NA	NA	NA	NA
2583	2026-08-10	Quantitative imaging of cancer in the postgenomic era: Radio(geno)mics, deep learning, and habitats 2018-12-15, Cancer IF:6.1Q1 DOI:10.1002/cncr.31630 PMID:30383900	综述	本文探讨了后基因组时代癌症的定量影像分析，包括放射(基因)组学、深度学习和肿瘤栖息地，旨在利用影像特征量化肿瘤异质性，为精准肿瘤学提供决策支持。	提出了将放射组学与深度学习及肿瘤栖息地分析相结合，用于无创量化肿瘤内异质性，超越了传统单一影像特征提取方法。	未提及具体技术限制或临床转化障碍，可能需要更多验证研究。	阐述放射组学及其扩展（深度学习和栖息地分析）在癌症精准医学中的应用前景和潜力。	癌症患者的影像数据及其反映的肿瘤异质性。	医学影像分析	癌症	放射组学、深度学习、影像分析	卷积神经网络	医学影像	不适用	不适用	卷积神经网络	不适用	不适用
2584	2026-08-10	Fast and accurate view classification of echocardiograms using deep learning 2018, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-017-0013-1 PMID:30828647	研究论文	本文开发了一种基于深度学习的心动超声图像视图分类方法，实现了对15种标准视图的快速准确识别	首次将卷积神经网络应用于心动超声多视图分类，在15种视图间达到97.8%的准确率，且性能优于专家医师	研究样本量有限（267例超声心动图），且模型仅在单中心数据上训练和验证	验证深度学习是否能够学会识别心动超声标准视图，为后续计算机辅助超声心动图解读奠定基础	267例经胸超声心动图采集的标注图像和视频，涵盖15种标准视图	计算机视觉, 医疗图像分析	心血管疾病	NA	卷积神经网络	图像（超声图像）和视频	267例超声心动图	NA	卷积神经网络	准确率	NA
2585	2026-08-10	Automated Segmentation of Hyperintense Regions in FLAIR MRI Using Deep Learning 2016-Dec, Tomography (Ann Arbor, Mich.) DOI:10.18383/j.tom.2016.00166 PMID:28066806	研究论文	提出一种基于卷积自编码器的深度学习方法，用于FLAIR MRI图像中高信号区域的自动分割	首次将卷积自编码器应用于FLAIR MRI高信号区域分割，并证明其性能与专家间变异性相当	未提及具体局限性	开发一种自动分割FLAIR MRI中肿瘤高信号区域的方法	脑肿瘤患者的FLAIR MRI图像	数字病理学	脑肿瘤	磁共振成像	卷积自编码器	图像	BRATS公开数据集及含3个专家分割的数据集	未提及	卷积自编码器	Dice系数、Jaccard系数、真阳性分数、假阴性分数	未提及
2586	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
2587	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
2588	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
2589	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
2590	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
2591	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
2592	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
2593	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。
2594	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
2595	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
2596	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
2597	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
2598	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
2599	2026-08-09	Digital dimension of plant science research: A bird's eye view of AI integration 2026-Oct, Plant science : an international journal of experimental plant biology IF:4.2Q1 DOI:10.1016/j.plantsci.2026.113297 PMID:42336290	研究论文	本文综合概述了人工智能在植物科学研究中的整合应用，涵盖从分子信号到生态系统层面的数据数字化，以及AI驱动的表型分析、精准农业和作物改良等方向	提出了AI与植物科学整合的平台视角，强调了从描述性生物学向预测性、系统级和设计导向研究领域的转变，并涵盖了IoT、机器人、微流体和数字孪生等新兴技术的集成	指出了数据标准化、基础设施需求、模型可解释性和数字素养差距等挑战，这些因素限制了技术的广泛采用	提供一个AI与植物科学整合的全面概述，并总结关键见解以帮助弥合技术采用障碍，推动可持续、数据驱动的植物研究	植物科学领域中的AI整合应用，包括作物改良、精准农业、生物多样性保护等	机器学习	NA	高通量表型分析、多组学、物联网、机器人技术、微流体、数字孪生	机器学习、深度学习	多模态数据（分子、表型、生态系统层面）	NA	NA	NA	NA	NA
2600	2026-08-09	Age estimation from thoracic CT using 3D convolutional neural networks 2026-Oct, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2026.113014 PMID:42172947	研究论文	本研究探讨了使用三维深度学习模型从常规胸部CT扫描估算实足年龄的可行性，并检查不同CT重建窗对模型性能的贡献。	首次利用3D DenseNet架构结合多重建窗（肺窗、骨窗、纵隔窗）的三通道配置进行胸部CT年龄估算，并采用集成学习和Grad-CAM提供可视化解释。	研究为单中心回顾性设计，样本量有限（1278名成人），可能限制泛化性；未提供计算资源细节。	评估深度学习模型从胸部CT图像估算年龄的准确性，并分析不同重建窗的贡献。	1278名20-80岁成人的胸部CT扫描。	医学影像分析	无特定疾病	CT成像	3D卷积神经网络（3D CNN）	图像（CT扫描）	1278名成人的胸部CT扫描	NA	DenseNet（3D变体）	平均绝对误差（MAE）、均方根误差（RMSE）、决定系数（R²）、皮尔逊相关系数（r）	NA