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
3621	2026-02-23	Tomek links-based SMOTE method for class imbalance in blood cell classification with dual path sliding window attention model 2026-Jun-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129473 PMID:41628562	研究论文	本文提出了一种结合Tomek links的SMOTE方法和双路径滑动窗口注意力模型，用于解决血细胞分类中的类别不平衡问题	提出了一种新的双路径滑动窗口注意力模型，并结合了混合SMOTE-Tomek Links数据平衡策略，以解决多光谱成像数据集中的类别不平衡问题	NA	提高血细胞分类的准确性，以增强临床诊断的准确性	血细胞图像	计算机视觉	神经退行性疾病, 感染, 贫血	多光谱成像	CNN	图像	NA	NA	双路径滑动窗口注意力模型	准确率, 推理时间, GFLOPs	NA
3622	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
3623	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
3624	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
3625	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
3626	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
3627	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
3628	2026-02-23	Exploring the feature prioritization and data sampling of PCOS diagnosis via densely connected attention based squeeze deep learning detection model 2026-Apr, The Journal of steroid biochemistry and molecular biology IF:2.7Q3 DOI:10.1016/j.jsbmb.2025.106933 PMID:41482077	研究论文	本文提出了一种结合特征优先级和数据采样的混合方法，用于提高多囊卵巢综合征（PCOS）的诊断准确性	提出了一种统一流程，同时解决PCOS检测中的三大挑战：数据集不平衡（SMOTE-ENN）、特征冗余（GS2TM）和过拟合（基于注意力的DASCD），实现了高准确性和增强的可解释性	NA	开发一个稳健的PCOS检测模型，通过有效的特征优先级处理数据平衡问题	多囊卵巢综合征（PCOS）的诊断	机器学习	多囊卵巢综合征	NA	深度学习模型	表格数据	NA	NA	密集连接注意力挤压卷积检测模型（DASCD）	准确率	NA
3629	2026-02-23	Total-body [18F]FDG-PET/CT imaging of healthy volunteers with minimal effective dose 2026-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07644-x PMID:41251746	研究论文	本研究探索了结合全身PET与深度学习生成的衰减图，以最小化健康受试者在[18F]FDG-PET/CT成像中的有效剂量	结合高灵敏度全身PET成像与深度学习生成的合成CT衰减图，实现极低放射性注射剂量下的可靠器官定量分析	研究仅针对健康高加索人群，未涵盖不同种族或疾病状态；模拟的低剂量数据基于原始数据下采样，可能未完全反映真实低剂量采集情况	开发最小化辐射暴露的全身PET/CT成像协议	47名健康高加索志愿者（25名女性/22名男性）	医学影像	NA	全身正电子发射断层扫描/计算机断层扫描（TB-PET/CT），[18F]氟代脱氧葡萄糖（[18F]FDG）成像	深度学习模型	PET原始数据，CT图像	47名健康志愿者	NA	NA	标准化摄取值（SUVbw），变异系数（CV），百分比差异	NA
3630	2026-02-23	Low-count whole-body PET denoising with deep learning in a multicenter, multi-tracer and externally validated study 2026-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07672-7 PMID:41261209	研究论文	本研究通过多中心、多示踪剂及外部验证的方式，评估了基于深度学习的PET去噪软件NUCLARITY在低计数扫描中的性能，旨在降低示踪剂剂量或扫描时间	首次在欧洲临床环境中，针对多种示踪剂和未见过的扫描仪技术，进行了盲法、多中心的PET去噪算法读者研究	研究仅基于模拟的50%低计数扫描，且未涵盖所有可能的示踪剂或扫描仪类型，临床验证范围仍有局限	评估深度学习去噪算法在低计数全身PET扫描中的临床适用性，以提升PET的可及性并降低辐射负担	来自三家欧洲医院的65次PET扫描数据，涉及[18F]FDG、[18F]PSMA、[68Ga]PSMA和[68Ga]DOTATATE示踪剂，使用GE和Siemens系统	数字病理学	NA	PET成像，深度学习去噪	深度学习	图像	65次扫描，包含243个病灶	NA	NA	RMSE, PSNR, SSIM, SUVmean, SUVmax, MTV, 敏感性, 特异性, 一致性相关系数(CCC)	NA
3631	2026-02-23	Energy-driven innovations in computational de novo protein engineering 2026-Mar, Progress in biophysics and molecular biology DOI:10.1016/j.pbiomolbio.2026.01.005 PMID:41570866	综述	本文综述了计算从头蛋白质工程中能量模型的创新应用，旨在设计具有定制功能的新型蛋白质	整合了经典力场、量子力学方法和人工智能驱动的预测，提出了基于物理和数据驱动的协同策略路线图，以推动治疗和工业蛋白质设计	NA	通过能量模型驱动计算从头蛋白质工程，设计具有定制功能的新型蛋白质，应用于生物技术、医学和合成生物学	蛋白质	机器学习	NA	分子动力学、热力学积分、蒙特卡洛采样	NA	NA	NA	NA	NA	准确性、成本、通量	NA
3632	2026-02-23	Prospective evaluation of artificial intelligence (AI) in lumbar spine magnetic resonance imaging (MRI) workflow: from deep learning (DL)-enhanced accelerated acquisition to simultaneous vision-language model (VLM)-based automated report generation 2026-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112695 PMID:41579672	研究论文	本研究前瞻性评估了AI在腰椎MRI工作流程中的应用，包括深度学习加速采集和视觉语言模型自动报告生成	首次将深度学习加速MRI采集与视觉语言模型自动报告生成结合，在腰椎MRI中实现从采集到解释的全流程AI集成	样本量较小（70例患者），仅在两所机构进行，需要更大规模的多中心研究验证	评估AI在腰椎MRI工作流程中的临床可行性，包括加速采集和自动报告生成	腰椎MRI图像及相应的病理发现	医学影像分析	脊柱疾病	磁共振成像	深度学习模型, 视觉语言模型	医学图像	70例患者，共140次MRI扫描	NA	NA	信噪比, 对比噪声比, 诊断一致性	NA
3633	2026-02-23	Deep learning outperformed radiomics based on MRI in the differentiation of sinonasal small round cell and non-small round cell malignant tumors 2026-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112700 PMID:41604786	研究论文	本研究比较了基于MRI的深度学习和放射组学模型在区分鼻腔鼻窦小圆细胞恶性肿瘤与非小圆细胞恶性肿瘤中的诊断性能	首次系统比较了多种CNN架构与放射组学模型在鼻腔鼻窦恶性肿瘤MRI图像分类任务中的性能，发现基于CE-T1WI序列的ResNet-34模型表现最佳	研究为回顾性设计，样本量相对有限（325例），且深度学习模型与放射组学模型在独立测试集上的性能差异未达到统计学显著性	评估和比较深度学习和放射组学方法在术前MRI图像上区分鼻腔鼻窦小圆细胞与非小圆细胞恶性肿瘤的诊断能力	经病理证实的鼻腔鼻窦恶性肿瘤患者（163例小圆细胞恶性肿瘤和162例非小圆细胞恶性肿瘤）	计算机视觉	鼻腔鼻窦恶性肿瘤	MRI成像（T1WI、T2WI、CE-T1WI）	CNN	医学影像（MRI图像）	325例患者	NA	ResNet-18, ResNet-34, ResNet-50, VGG13, VGG16	AUC, 准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值	NA
3634	2026-02-23	Computational advances in RNA-small molecule binding site prediction 2026-Mar, Progress in biophysics and molecular biology DOI:10.1016/j.pbiomolbio.2026.02.003 PMID:41654089	综述	本文综述了RNA-小分子结合位点预测的计算方法进展，包括从早期统计模型到现代机器学习和深度学习框架的演变	总结了计算方法从依赖手工描述符的统计模型到整合序列、结构、能量和拓扑信息的多模态机器学习框架的演变，并特别强调了大型语言模型在捕获长程序列依赖性和上下文模式方面的最新应用	NA	加速合理的RNA靶向药物发现	RNA-小分子相互作用	计算生物学, 机器学习	NA	NA	统计模型, 机器学习, 深度学习, 大型语言模型	序列数据, 结构数据, 能量数据, 拓扑数据	NA	NA	NA	NA	NA
3635	2026-02-23	Association between cognitive status and structural brain changes in Alzheimer's disease: Clinical implication of lightweight deep learning-aided diagnosis 2026-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112678 PMID:41558396	研究论文	本研究构建了一个轻量级深度学习模型，用于揭示阿尔茨海默病中认知状态与大脑结构变化之间的关联，并评估其在临床诊断中的实用性	通过结合组卷积、全局池化和高效通道注意力机制，设计了一个参数少但性能竞争性的轻量级深度学习模型，并提供了病理可解释的结构变化分析	模型基于单一数据库（ADNI）的数据，可能缺乏外部验证，且样本量相对有限	构建一个轻量级深度学习模型，用于阿尔茨海默病的诊断，并探索认知状态与大脑结构变化之间的关联	阿尔茨海默病患者和年龄匹配的认知正常受试者	数字病理学	阿尔茨海默病	T1加权磁共振成像	CNN	图像	418名AD患者和418名年龄匹配的认知正常受试者	NA	NA	准确率	NA
3636	2026-02-23	Enhanced YOLO-based framework and benchmarking for automated Plasmodium vivax detection 2026-Feb-19, Parasitology research IF:1.8Q2 DOI:10.1007/s00436-026-08642-0 PMID:41709048	研究论文	本研究提出了一种基于改进YOLO框架的自动化检测方法，用于在厚血涂片图像中精确识别间日疟原虫	提出了一种结合YOLOv3与改进的MobileNetV2主干网络，并引入具有多尺度纹理敏感性的转换卷积层（TCL）的新型深度学习框架	研究主要针对间日疟原虫（P. vivax），未涵盖所有疟原虫种类；模型性能在低寄生虫密度下的表现未详细讨论	开发一种鲁棒、可扩展且可解释的自动化诊断框架，用于早期疟疾检测和改善疾病管理	间日疟原虫（Plasmodium vivax）	计算机视觉	疟疾	厚血涂片显微成像	CNN, 目标检测	图像	NA	PyTorch（基于YOLO系列推断）	YOLOv3, YOLOv4, YOLOv5, YOLOv8, MobileNetV2	精确度, 准确率, F1分数, 召回率, 平均精度均值（mAP）	NA
3637	2026-02-23	The consensus molecular subtypes of esophageal squamous cell carcinoma 2026-Feb-19, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-026-02577-9 PMID:41714596	研究论文	本研究通过基于网络的方法整合了八个现有分类系统，定义了食管鳞状细胞癌的四种共识分子亚型，并开发了基于深度学习的图像分类框架imECMS，用于从H&E染色全切片图像中准确分类亚型	首次建立了食管鳞状细胞癌的共识分子亚型分类系统，并创新性地开发了基于组织病理学图像的深度学习分类框架imECMS，实现了从分子到图像的多模态精准分型	研究未明确说明样本的种族或地域分布代表性，且深度学习模型的泛化能力需在更广泛的外部数据集中进一步验证	为食管鳞状细胞癌建立一个标准化的分子亚型分类系统，以促进精准治疗和临床分层	食管鳞状细胞癌患者及其组织样本	数字病理学	食管鳞状细胞癌	深度学习算法，基于苏木精-伊红染色的全切片图像分析	深度学习模型	组织病理学图像	多个独立队列的样本，具体数量未在摘要中明确	NA	NA	NA	NA
3638	2026-02-23	SCMO: a deep learning model integrating the single-cell resolution TME ecosystem and multi-omics for survival prediction in CRC patients 2026-Feb-19, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07417-y PMID:41715092	研究论文	本研究开发了一个名为SCMO的深度学习模型，通过整合单细胞分辨率的肿瘤微环境生态系统和多组学数据，用于结直肠癌患者的生存预测	首次将单细胞RNA测序构建的结直肠癌特异性肿瘤微环境图谱与多组学数据通过自归一化神经网络整合，用于生存预测，并利用集成梯度算法增强模型可解释性，同时识别出TRAP1作为潜在药物靶点	模型在测试集上1年预测的AUC相对较低（0.639），且样本量（213个单细胞样本）可能限制泛化能力	提高结直肠癌患者生存预测的准确性和可解释性，以指导临床决策	结直肠癌患者	数字病理学	结直肠癌	单细胞RNA测序, 批量RNA测序, 空间转录组学	自归一化神经网络	单细胞RNA测序数据, 批量RNA测序数据, 临床数据, 基因组数据, 转录组数据, 微生物数据	213个结直肠癌单细胞RNA测序样本（共339,060个细胞），以及来自TCGA-CRC队列的批量RNA测序数据	NA	自归一化神经网络	一致性指数, 曲线下面积	NA
3639	2026-02-23	Different BI-RADS breast cancer diagnosis using MobileNetV1 and vision transformer based on explainable artificial intelligence (XAI) 2026-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37199-2 PMID:41702964	研究论文	本文提出了一种结合MobileNetV1和Vision Transformer的混合深度学习框架，用于基于BI-RADS分类的乳腺癌多类别诊断	通过双流结构融合轻量级CNN（MobileNetV1）和Vision Transformer，结合特征级融合和基于Bagging的逻辑回归分类器，并应用可解释人工智能技术提供可视化解释	使用的公开数据集存在类别不平衡问题，且未明确说明模型在其他数据集上的泛化能力	开发精确、有效且可解释的计算机辅助诊断系统，用于乳腺癌的BI-RADS多类别分类	乳腺X线摄影图像（包括CC和MLO视图），按BI-RADS分类方案组织	计算机视觉	乳腺癌	乳腺X线摄影	CNN, Transformer	图像	使用公开的King Abdulaziz University BC Mammogram Dataset (KAUBC)，具体样本数量未明确说明	未明确说明，可能为TensorFlow或PyTorch	MobileNetV1, Vision Transformer (ViT)	准确率(ACC), 灵敏度(SEN), 特异性(SPE)	未明确说明
3640	2026-02-23	RGTFormer: Predicting mutation-associated multi-drug resistance in Mycobacterium tuberculosis using a categorical gated transformer and relational graph convolutional network 2026-Feb-17, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108950 PMID:41722285	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA