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
541	2025-12-15	Comprehensive and deep learning classification for analyses of the biological complexity of growth and biofilms of Cobetia marina under different temperature growths 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0336575 PMID:41379879	研究论文	本研究利用深度学习方法分析海洋细菌Cobetia marina在不同温度下的生长动力学和生物膜形成的生物复杂性	开发了结合半自动双分类器和三分类器、新型分数阶导数生长分类方法以及SPOCU（Scaled Polynomial Constant Unit）激活函数的神经网络，用于分析温度依赖的微生物行为	研究仅针对单一模式生物Cobetia marina，结果可能无法直接推广到其他微生物物种	分析微生物在不同温度条件下的生长和生物膜形成的生物复杂性	海洋细菌Cobetia marina及其通过pUTmini-Tn5-Km转座子生成的突变菌株	机器学习	NA	高通量筛选（96孔微孔板）、转座子突变	神经网络	微生物生长和生物膜形成数据	在8°C至41°C温度范围内进行实验，使用96孔微孔板确保足够的实验重复	NA	包含SPOCU激活函数的神经网络	与SELU和RELU激活函数的性能比较	NA
542	2025-12-15	An open-source bio-logger for studying cetacean behavior and communication 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337093 PMID:41379880	研究论文	本文介绍了一种用于研究鲸类行为与通信的开源生物记录仪	开发了一种开源、非侵入式的多模态生物记录仪，可同步记录高质量音频与多种行为和环境传感器数据，支持无人机部署与GPS回收	当前实现主要针对抹香鲸通信研究，电池续航时间最长为16.8小时	促进多模态数据集的规模化收集以支持深度学习应用，并推动海洋动物生物学与通信研究	海洋动物（特别是抹香鲸）	生物声学	NA	生物记录技术，多传感器同步采集	NA	音频，传感器数据（压力、运动、方向、温度、光照），GPS数据	10次部署，44小时录音，20次潜水，最深967米	NA	NA	剪切粘附力，耐压深度（560米），电池寿命（16.8小时），音频灵敏度（-205 dB re FS/μPa），动态范围（96 dB）	NA
543	2025-12-15	Robust coffee plant disease classification using deep learning and advanced feature engineering techniques 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.3386 PMID:41383546	研究论文	本文提出了一种结合深度学习和高级特征工程的混合框架，用于咖啡植物病害的鲁棒性图像分类	系统性地整合了GoogLeNet和ResNet18进行互补特征提取，并结合PCA/SVD降维与ANOVA/卡方检验特征选择，以提升模型泛化能力和计算效率	未明确提及模型在更广泛或不同环境数据集上的泛化性能测试，以及计算资源的具体配置细节	开发一种鲁棒的咖啡植物病害分类方法，以支持咖啡生产的可持续性	咖啡植物叶片病害图像	计算机视觉	植物病害	图像分类	CNN	图像	BRACOL数据集（具体样本数量未在摘要中明确给出）	未明确指定，可能为TensorFlow或PyTorch	GoogLeNet, ResNet18	准确率, 精确率, 召回率, F1分数	NA
544	2025-12-15	Real-Time Tool Detection in Laparoscopic Datasets for Surgical Training in Low-Resource Settings 2025 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.70045 PMID:41383712	研究论文	本文测试了多种基于锚点和无锚点、卷积和Transformer架构的传统计算机视觉深度学习模型，用于低资源环境下腹腔镜手术训练中的实时工具检测	首次在腹腔镜训练数据集上系统比较了多种最先进的深度学习模型，特别关注在低成本嵌入式设备上的实时性能，并强调了在资源受限环境中应用的可能性	研究基于新构建的内部腹腔镜训练数据集，可能缺乏外部验证；且模型主要针对训练环境（无烟雾、遮挡等挑战），未直接测试在真实手术环境中的表现	开发适用于低资源环境下外科手术训练的实时工具检测方法，以支持计算机辅助手术技能评估	腹腔镜手术训练视频中的手术工具	计算机视觉	NA	深度学习	CNN, Transformer	视频	新构建的内部腹腔镜训练数据集（具体数量未明确说明）	NA	YOLOv8-X, YOLOv11-N	mAP, F1-score, 推理时间, FPS	NVIDIA Jetson Orin Nano 8GB（低成本嵌入式硬件）
545	2025-12-15	DGA-Net: a dual-branch group aggregation network for liver tumor segmentation in medical images 2025, Frontiers in medical technology IF:2.7Q3 DOI:10.3389/fmedt.2025.1712952 PMID:41383832	研究论文	本文提出了一种用于医学图像中肝脏肿瘤分割的双分支组聚合网络（DGA-Net）	提出了一种包含傅里叶谱学习多尺度融合分支和多轴聚合哈达玛注意力分支的双分支编码器架构，并设计了组多头交叉注意力聚合模块，以更好地建模像素间关系并降低计算成本	未在摘要中明确说明	提高医学图像中肝脏和肿瘤区域分割的准确性，以支持肝癌的诊断和治疗规划	肝细胞癌（HCC）患者的医学图像	数字病理学	肝癌	深度学习	CNN, 注意力机制	医学图像	使用了公开数据集LiTS2017和3DIRCADb，具体样本数量未在摘要中说明	NA	DGA-Net, 包含FSMF分支, MAHA分支和GMCA模块	Dice-per-case	NA
546	2025-12-15	A machine learning approach for classifying date fruit varieties at the Rutab stage 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1678757 PMID:41383940	研究论文	本文提出了一种基于机器学习的管道，用于从图像中分类Rutab阶段的枣品种	首次将深度学习模型应用于Rutab阶段枣品种的分类，并开发了移动应用以促进文化保护和全球多样性认知	Rutab品种的分类在文献中代表性不足，且数据集仅包含八种流行类型	解决Rutab枣品种分类在文献中代表性不足的问题，通过图像识别技术进行分类	Rutab阶段的枣品种，包括八种流行类型	计算机视觉	NA	图像采集与深度学习	YOLOv12	图像	1,659张图像，涵盖八种Rutab类型	NA	YOLOv12	召回率	NA
547	2025-12-15	Quantum AI for psychiatric diagnosis: enhancing dementia classification with quantum machine learning 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1648060 PMID:41383998	研究论文	本文提出了一种结合量子计算与经典深度学习的混合量子-经典卷积神经网络，用于基于MRI图像的痴呆症分类，并通过知识蒸馏框架进一步提升模型性能	提出了一种混合量子-经典卷积神经网络，将量子特征提取与经典CNN结合，并引入知识蒸馏框架，使模型在保持高效的同时学习更具判别性的特征	未明确讨论模型在更广泛或更具噪声的真实临床数据上的泛化能力，以及量子电路在实际硬件部署中的可行性	开发一种高效、高精度的痴呆症早期检测与分类方法	阿尔茨海默病等痴呆症患者的MRI脑部图像	量子机器学习, 医学影像分析	痴呆症, 阿尔茨海默病	MRI成像, 量子机器学习	混合量子-经典卷积神经网络, 知识蒸馏	MRI图像	ADNI-1、ADNI-2和OASIS-2三个基准MRI数据集	未明确指定，可能涉及PyTorch或TensorFlow等	QCNN, 经典CNN	准确率	未明确指定，但提及量子计算机可减少训练时间
548	2025-12-15	Predicting language outcome after stroke using machine learning: in search of the big data benefit 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103858 PMID:40773787	研究论文	本研究使用机器学习方法预测中风后语言恢复结果，探讨样本量对逻辑回归和深度学习模型性能的影响	通过对比逻辑回归与深度学习模型在预测中风后语言结果中的表现，发现简单模型在现有数据规模下与复杂模型性能相当，并揭示了神经影像数据可大幅降维而不损失准确性	当前数据集规模可能限制了模型性能的进一步提升，需要更大规模数据以捕捉更复杂的模式	评估机器学习模型在预测中风后语言恢复结果中的有效性，并探索样本量对模型性能的影响	758名英语中风患者	机器学习	中风	神经影像分析	逻辑回归, CNN	神经影像数据, 表格数据	758名患者	NA	ResNet-18	准确率	NA
549	2025-12-15	A fault diagnosis method for rotating machinery components based on enhanced YOLO v8 and integrated attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338387 PMID:41385552	研究论文	本文提出了一种基于增强YOLO v8和集成注意力机制的旋转机械部件故障诊断方法	通过引入Omni-dimensional Dynamic Convolution改进C2F模块，并融合CBAM注意力机制，以增强小目标故障特征提取并抑制不必要特征	NA	提高旋转机械部件故障诊断的准确性和可靠性	旋转机械部件，如轴承	计算机视觉	NA	连续小波变换	CNN	图像	NA	NA	YOLO v8	准确率	NA
550	2025-12-15	Precise energy modeling and green retrofitting optimization of existing buildings based on BIM and deep learning approaches 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337469 PMID:41385581	研究论文	本研究提出了一种结合Transformer、图神经网络和生成对抗网络的新方法，利用BIM数据进行建筑能效预测与绿色改造优化	首次将Transformer模型与图神经网络集成，用于建筑能效预测，并结合GAN生成多样化的绿色改造方案，增强了模型的时空学习能力和优化路径	未明确说明模型在非BIM数据环境或不同气候区域建筑中的泛化能力，也未详细讨论计算复杂性和实施成本	提高现有建筑的能效预测精度和绿色改造优化效果，以支持智能城市的可持续发展和节能减排目标	现有建筑及其BIM数据，包括空间结构、能耗模式和建筑组件关系	机器学习	NA	BIM数据建模，深度学习	Transformer, GNN, GAN	BIM数据（包含空间结构和能耗模式）	NA	NA	Transformer, GNN, GAN	节能效果（提升近4%），优于传统能效优化模型	NA
551	2025-12-15	Concurrent optogenetic motor mapping of multiple limbs in awake mice reveals cortical organization of coordinated movements 2024 Nov-Dec, Brain stimulation IF:7.6Q1 DOI:10.1016/j.brs.2024.10.010 PMID:39476952	研究论文	本研究开发了一种多肢体光遗传运动映射（MOMM）方法，结合光遗传刺激、深度学习姿态估计和三维三角测量，在清醒小鼠中同时映射多个肢体的运动表征	首次实现了在清醒动物中同时跟踪多个肢体的三维运动，并揭示了皮层按运动程序进行地形组织的原则	研究仅在小鼠中进行，未涉及其他物种；方法依赖于光遗传刺激，可能不适用于所有运动映射场景	开发多肢体光遗传运动映射技术，并探究协调运动在皮层的地形组织	清醒小鼠的多个肢体运动	机器学习和神经科学	NA	光遗传刺激、深度学习姿态估计、三维三角测量	深度学习	视频、运动数据	多个小鼠	DeepLabCut	NA	NA	NA
552	2025-12-15	Tiny Lungs, Big Challenges: Pediatric and Premature Lung Segmentation using Deep Learning 2024-Nov, ... International Symposium on Medical Information Processing and Analysis. International SIPAIM Workshop DOI:10.1109/sipaim62974.2024.10783643 PMID:41383822	研究论文	本文提出了一种基于深度学习的两步法，用于儿科和早产儿X射线图像的肺部分割，以应对小尺寸肺部、解剖变异和放射伪影的挑战	采用两步策略，先进行肺部检测，再分割心后肺区域，并结合加权损失函数在儿科和早产儿数据集上微调预训练的UNETR模型	未明确提及模型在更广泛或多样化数据集上的泛化能力，以及临床验证的细节	开发一种自动化的肺部分割方法，以支持儿科和早产儿肺部疾病的临床诊断和严重程度分级	儿科和早产儿的胸部X射线图像	计算机视觉	肺部疾病	X射线成像	深度学习	图像	儿科407张图像，早产儿193张图像，预训练使用约31,000张扫描	未明确指定，可能基于PyTorch或TensorFlow	UNETR	Dice系数, Hausdorff距离	未明确指定
553	2025-12-14	IFCNN-based fusion of GAF and MTF encoded near-infrared spectral images for quantitative analysis of microplastics 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127069 PMID:41151179	研究论文	本研究提出了一种结合近红外光谱图像转换与深度学习图像融合的新方法，用于微塑料的定量分析	首次将Gramian Angular Fields (GAF)和Markov Transition Fields (MTF)编码与Improved Fusion Convolutional Neural Network (IFCNN)融合，用于近红外光谱图像的定量分析	仅针对五种特定类型微塑料与沙子的混合物进行研究，未涵盖所有微塑料类型或复杂环境基质	开发一种快速、准确的微塑料定量检测方法	五种微塑料（PE、PET、PP、PS、PVC）与沙子的混合物	计算机视觉	NA	近红外光谱成像	CNN	图像	五种微塑料与沙子在六个浓度水平下的混合物样本	NA	Improved Fusion Convolutional Neural Network (IFCNN), 2D-CNN	R值（相关系数）	NA
554	2025-12-14	Deep learning-assisted surface-enhanced Raman spectroscopy detection of stimulants 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127086 PMID:41176858	研究论文	本研究结合表面增强拉曼光谱与深度学习算法，实现了对五种兴奋剂的高灵敏度检测与识别	将SERS技术与多种深度学习算法（特别是LSTM）结合用于兴奋剂检测，并在加标血液样本中实现了痕量检测验证	仅针对五种特定兴奋剂进行了验证，方法在其他兴奋剂或复杂基质中的普适性有待进一步研究	开发高灵敏度、快速响应的兴奋剂检测技术，以应对滥用问题对公共健康和体育竞技的威胁	五种兴奋剂分子：氯丙那林、普萘洛尔、特布他林、妥洛特罗、西马特罗	机器学习	NA	表面增强拉曼光谱，密度泛函理论计算	SVM, DNN, RNN, LSTM	光谱数据	NA	NA	NA	准确率	NA
555	2025-12-14	ATR-FTIR spectroscopy coupled with deep learning for the identification and quantitative detection of Panax notoginseng adulteration 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127118 PMID:41197414	研究论文	本研究开发了一种结合衰减全反射-傅里叶变换红外光谱与深度学习的方法，用于快速、低成本地识别和定量检测三七主根粉中的掺杂物	首次将ATR-FTIR光谱与深度学习模型（CNN和Transformer）结合，用于三七掺假物的高精度识别与定量检测，超越了传统机器学习方法	研究未明确提及样本量的具体大小，且可能仅限于实验室环境下的粉末样品，未涉及更复杂的产品形式或大规模实地应用验证	开发一种高效、低成本的方法，以检测三七产品中的掺假问题，保障消费者健康与食品安全	三七主根粉及其掺杂物，包括三七须根粉、郁金粉和大米粉	机器学习	NA	衰减全反射-傅里叶变换红外光谱	CNN, Transformer	光谱数据	NA	NA	CNN, Transformer	准确率, R值	NA
556	2025-12-14	Advanced artificial intelligence combined with SERS platforms for diagnosis and therapeutic effects of cancer in clinical applications 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127053 PMID:41207163	综述	本文综述了人工智能与表面增强拉曼光谱技术结合在癌症诊断和治疗效果评估中的临床应用进展	将人工智能算法集成到SERS平台中，实现了光谱数据的自动化预处理、噪声去除、关键信息提取和精准分类，提升了癌症早期诊断、分型和治疗监测的能力	面临数据标准化、模型可解释性以及监管机构审批等关键转化挑战，限制了其在临床肿瘤学中的常规应用	探讨AI-SERS技术在癌症诊断、治疗效果评估和复发预测中的临床应用	多种癌症类型，包括乳腺癌、肺癌、前列腺癌、皮肤癌、口腔癌、胃肠道癌、结直肠癌、胰腺癌和卵巢癌	机器学习	癌症	表面增强拉曼光谱	传统机器学习,深度学习	光谱数据	NA	NA	NA	NA	NA
557	2025-12-14	Multi-task learning on microscopic hyperspectral data enables accurate classification of graphene oxide films 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127169 PMID:41237732	研究论文	本文提出了一种结合显微高光谱成像与多任务学习深度学习架构的新框架，用于对氧化石墨烯薄膜进行精确分类	首次将显微高光谱成像与多任务学习深度学习架构相结合，用于氧化石墨烯薄膜的高通量、非破坏性表征，显著提升了分类精度	未明确提及模型在其他材料或更复杂场景下的泛化能力，以及计算效率在实际工业应用中的评估	开发一种精确、高通量的氧化石墨烯表征方法，以支持先进技术应用和工业质量控制	氧化石墨烯薄膜	计算机视觉	NA	显微高光谱成像	深度学习神经网络	高光谱图像	未明确提及具体样本数量，但包含独立测试集	未明确提及	多任务学习深度学习架构	分类准确率	未明确提及
558	2025-12-14	Deep learning-assisted SERS platform for label-free detection of celecoxib in serum using ag@Pt@porous silicon Bragg mirror composite substrate 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127165 PMID:41242102	研究论文	本研究提出了一种基于表面增强拉曼散射（SERS）与深度学习结合的创新检测方案，用于血清中塞来昔布的定性识别和定量检测	开发了Ag@Pt@多孔硅布拉格镜复合SERS基底，并首次将深度学习模型（GoogleNet、ResNet、VGG）应用于SERS光谱数据，以实现血药浓度的分类	深度学习模型的最高分类准确率为84.17%，仍有提升空间，且研究可能未涉及更广泛的药物浓度范围或复杂基质干扰	实现塞来昔布在血清中的高灵敏度、无标记检测，以支持治疗药物监测和个性化关节炎治疗	塞来昔布（一种非甾体抗炎药）在血清中的浓度	机器学习	关节炎	表面增强拉曼散射（SERS）	CNN	拉曼光谱	涉及五种血药浓度的光谱数据集，具体样本数量未明确说明	NA	GoogleNet, ResNet, VGG	分类准确率	NA
559	2025-12-14	In-situ NIR spectroscopy study on microgravity-induced articular cartilage degeneration with ResNet-18 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127188 PMID:41242109	研究论文	本研究利用近红外光谱结合深度学习模型，对微重力环境下关节软骨的退行性变化进行了原位监测与分类分析	首次将近红外光谱技术应用于微重力环境下关节软骨退行性变化的原位评估，并结合ResNet-18深度学习模型实现了高精度的多分类识别	研究基于尾部悬吊模拟微重力环境，可能与实际太空微重力条件存在差异；样本量相对有限	探究微重力环境下关节软骨的退行性变化，并开发一种原位、快速的软骨退化评估方法	关节软骨（模拟微重力环境下的尾部悬吊软骨样本）	数字病理学	关节疾病	近红外光谱技术	SVM, CNN	光谱数据	控制组和尾部悬吊组（7、14、21天）的软骨样本	NA	ResNet-18	准确率	NA
560	2025-12-14	A cross-cultivar hyperspectral framework for huanglongbing detection in citrus via wavelength optimization and deep learning 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127189 PMID:41242125	研究论文	本文提出了一种基于高光谱成像和深度学习的跨品种柑橘黄龙病检测框架	通过结合连续投影算法和粒子群优化算法提取跨品种一致的特征波长，并构建了定制的卷积多尺度残差网络模型，实现了无需为不同柑橘品种单独建模的通用检测框架	未明确说明模型在不同环境条件或不同生长阶段的泛化能力，以及计算资源需求可能较高	开发一种跨品种通用的柑橘黄龙病早期准确检测方法	不同品种的柑橘叶片	计算机视觉	柑橘黄龙病	高光谱成像	SVM, MLP, CNN	高光谱图像	未明确说明具体样本数量，但涉及多个柑橘品种	未明确说明，可能为TensorFlow或PyTorch	自定义的卷积多尺度残差网络	准确率	NA