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	2025-12-24	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)编码与改进的融合卷积神经网络(IFCNN)相结合，用于近红外光谱图像的融合与微塑料定量分析	仅针对五种特定类型的微塑料（PE、PET、PP、PS、PVC）与沙子的混合物进行研究，未涵盖所有微塑料类型	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
2	2025-12-24	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，实现了五种兴奋剂的高灵敏度检测与识别	首次将表面增强拉曼光谱与LSTM等深度学习算法结合，用于兴奋剂的痕量检测，并在加标血液样本中验证了实际应用潜力	研究仅针对五种特定兴奋剂，未涉及更广泛的药物类别或复杂基质干扰	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	五种兴奋剂（氯丙那林、普萘洛尔、特布他林、妥洛特罗、西马特罗）及其在加标血液样本中的检测	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	涉及五种兴奋剂的SERS光谱数据，包括加标血液样本	NA	NA	准确率	NA
3	2025-12-24	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，通过波长优化提升模型性能	利用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，并构建自定义卷积多尺度残差网络进行诊断，建立了无需针对不同品种单独建模的通用检测框架	未明确说明样本的具体数量和品种多样性，且模型在特定条件下的光谱响应差异可能影响泛化能力	开发一种跨品种的柑橘黄龙病早期准确检测方法，以控制疾病传播并减少经济损失	不同品种的柑橘叶片	计算机视觉	黄龙病	高光谱成像	SVM, MLP, CNN	高光谱图像	NA	NA	自定义卷积多尺度残差网络	准确率	NA
4	2025-12-24	Detection of peritoneal, ovarian, and bowel endometriosis using FTIR spectroscopy and machine learning 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127242 PMID:41308317	研究论文	本研究评估了傅里叶变换红外光谱结合机器学习在检测卵巢、肠道和腹膜子宫内膜异位症中的诊断潜力	应用Boruta算法识别每种子宫内膜异位症类型最具信息量的光谱区间，揭示了与异位组织分子变化相关的特征波数范围，并通过特征选择显著提升了机器学习模型的诊断性能	未提及样本量、计算资源等具体细节，可能限制了结果的可推广性和可重复性	评估傅里叶变换红外光谱结合机器学习对子宫内膜异位症的诊断潜力	卵巢、肠道和腹膜子宫内膜异位症组织	机器学习	子宫内膜异位症	傅里叶变换红外光谱	深度学习, 支持向量机, XGBoost	光谱数据	NA	NA	NA	准确率, 灵敏度, 特异性, 精确率, F1分数, MCC, ROC AUC	NA
5	2025-12-24	Exploring voltage-gated sodium channel conformations and protein-protein interactions using AlphaFold2 2026-Mar-02, The Journal of general physiology IF:3.3Q1 DOI:10.1085/jgp.202413705 PMID:41411077	研究论文	本研究利用AlphaFold2探索电压门控钠通道的多种构象及其与蛋白质伙伴的相互作用	通过改进的构象采样方法（如子采样多序列比对和循环次数变化），首次系统性地展示了AlphaFold2能够模拟钠通道的多种构象，包括实验未描述的状态和潜在中间态，并揭示了蛋白质伴侣对构象景观的显著影响	预测模型仍为假设，需实验数据验证，且存在构象采样和相互作用的建模局限性	探索AlphaFold2在模拟电压门控钠通道构象和蛋白质-蛋白质相互作用方面的能力，以增进对钠通道结构、门控和调控的理解	电压门控钠通道（NaV）的α亚基及其蛋白质伙伴（如辅助β亚基和钙调蛋白）	机器学习	NA	AlphaFold2, AlphaFold Multimer, 构象采样方法（子采样多序列比对和循环次数变化）	深度学习模型	蛋白质序列和结构数据	NA	AlphaFold2, AlphaFold Multimer	AlphaFold2架构	相关性分析, 聚类分析	NA
6	2025-12-24	Mathematical and Artificial Intelligence Techniques in Modern Drug Discovery: A Review 2026-Feb, Drug development research IF:3.5Q2 DOI:10.1002/ddr.70212 PMID:41431184	综述	本文综述了数学建模和人工智能技术在现代药物发现中的应用，探讨了它们在加速药物研发过程和降低临床试验风险与成本方面的潜力	系统性地整合了数学框架（如线性代数、优化、统计建模、图论和微分方程）与人工智能技术（如机器学习、深度学习、强化学习、自然语言处理和迁移学习），并探讨了它们在药物研发各阶段的协同应用	作为一篇综述文章，未提出新的实验数据或模型，主要依赖于现有文献的总结，可能未涵盖所有最新进展	探讨数学和人工智能技术如何加速药物发现过程，降低研发成本和风险	药物发现和开发过程，包括临床前研究、临床试验等阶段	机器学习	NA	NA	机器学习, 深度学习, 强化学习, 自然语言处理, 迁移学习	NA	NA	NA	NA	NA	NA
7	2025-12-24	Artificial intelligence revolutionize food detection? Vision, olfaction and taste integrated with machine learning/deep learning in food detection 2026-Jan-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.147377 PMID:41365156	综述	本文综述了人工智能（AI）如何通过机器学习（ML）和深度学习（DL）技术，整合视觉、嗅觉和味觉感知系统，革新食品检测领域	系统阐述了AI在食品检测中实现特征自动提取、模式识别和决策反馈的机制，并展望了多模态数据融合和大语言模型（LLMs）的潜在应用	总结了AI在食品检测中仍面临的主要挑战	阐明AI在食品检测领域的理论框架和技术范式变革，分析其优势与局限，并展望未来发展方向	食品检测技术	机器学习	NA	计算机视觉、电子鼻、电子舌	机器学习、深度学习	复杂信号（视觉、嗅觉、味觉数据）	NA	NA	NA	检测精度、鲁棒性	NA
8	2025-12-24	Prediction of influenza virus infection based on deep learning and peripheral blood proteomics: A diagnostic study 2026-Jan, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.051 PMID:40158620	研究论文	本研究基于深度学习和外周血蛋白质组学，建立并验证了流感病毒感染的诊断预测模型，并识别了SAA2作为流感感染的特异性分子标志物	结合蛋白质组学与机器学习方法，首次发现SAA2蛋白可作为流感感染的辅助诊断指标，并通过ELISA实验验证	样本量相对有限（共1115例），且未涉及其他呼吸道病毒的验证，模型在更广泛人群中的泛化能力有待进一步评估	预测流感病毒感染的关键分子标志物，并建立诊断模型	850名患者（包括流感、COVID-19和混合感染）和265名健康个体的外周血样本	机器学习	流感	蛋白质组测序, ELISA	随机森林, LASSO回归	蛋白质组学数据, 临床特征数据	1115例（850例患者和265例健康个体）	NA	NA	ROC曲线分析	NA
9	2025-12-24	Surface-Enhanced Raman Spectroscopy Semi-Quantitative Molecular Profiling with a Convolutional Neural Network 2026-Jan, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028251377474 PMID:40887786	研究论文	本研究开发了一种结合表面增强拉曼光谱与卷积神经网络和支持向量回归的层次分析框架，用于复杂环境中多种分子的半定量分析	提出了一种集成深度学习和回归技术的层次分析框架，首次将多标签CNN用于SERS光谱中结构相似分析物的识别，并结合SVR进行半定量浓度比测定	目前仅验证了短链脂肪酸二元混合物，尚未扩展到更复杂的多组分系统或临床样本	解决复杂环境中多种分子物种的识别和定量分析挑战	短链脂肪酸（SCFAs）作为代表性生物分子靶标	机器学习	NA	表面增强拉曼光谱（SERS）	CNN, SVR	光谱数据	NA	NA	卷积神经网络	分类准确率	NA
10	2025-12-24	Integrating Deep Model-Based Learning With Modular State-Based Stackelberg Games for Self-Optimizing Distributed Production Systems 2026-Jan, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3610707 PMID:40996999	研究论文	本文提出了一种将深度模型学习与模块化状态Stackelberg博弈相结合的新方法，用于制造系统的分布式自优化	使用深度学习替代数字表示来学习系统动态，并在虚拟环境中训练博弈参与者，从而减少实际系统交互需求	NA	开发一种样本高效的方法，用于分布式生产系统的自优化	制造系统	机器学习	NA	深度学习	深度学习模型	系统动态数据	NA	NA	NA	交互减少率	NA
11	2025-12-24	Accurate multi-b-value DWI generation using two-stage deep learning: multicenter study 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112497 PMID:41161267	研究论文	本研究开发并验证了一种两阶段深度学习框架（DC2Anet-MineGAN），用于高保真多器官、多b值DWI合成和准确ADC恢复，以解决DWI采集的实际限制	提出了一种结合DC2Anet和MineGAN的两阶段深度学习框架，首次实现跨多个解剖区域和b值的高质量DWI合成与ADC恢复，克服了临床DWI采集的局限性	存在潜在的幻觉或失真风险，需要进一步的多中心临床验证	开发并验证一个深度学习框架，用于高保真多器官、多b值DWI合成和准确ADC恢复，以解决DWI采集的实际限制	来自三家医院和TCIA数据库的DWI图像，涵盖脑、乳腺、腹部、颈部和骨盆五个解剖区域，b值范围为0-1000 s/mm²	医学影像分析	NA	扩散加权成像（DWI）	深度学习	医学影像（DWI图像）	总计50,000张图像，按8:2比例分为训练集和测试集	NA	DC2Anet, MineGAN	MSE, MAE, PSNR, SSIM, ICC	NA
12	2025-12-24	Multicenter deep learning-based automatic delineation of CTV and PTV in uterine malignancy CT imaging 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111212 PMID:41120056	研究论文	本文提出了一种基于深度学习的多中心自动分割模型，用于在CT影像中准确勾画子宫恶性肿瘤的临床靶区（CTV）和计划靶区（PTV）	开发了一个能够跨多种子宫恶性肿瘤（宫颈癌和子宫内膜癌）准确分割CTV和PTV的深度学习模型，并进行了多中心外部验证，提高了模型的泛化能力和临床适用性	研究为回顾性设计，且仅基于对比增强CT影像，未来需要前瞻性研究和多模态数据验证	开发一个自动、准确且可泛化的深度学习模型，用于子宫恶性肿瘤放疗中的靶区勾画，以减轻临床工作量并提高一致性	子宫恶性肿瘤患者，包括宫颈癌和子宫内膜癌	数字病理	子宫恶性肿瘤	CT成像	深度学习分割模型	CT图像	602例对比增强CT扫描（302例来自内部机构，包括宫颈癌和子宫内膜癌；300例宫颈癌来自外部中心）	NA	2D分割网络, 全分辨率3D网络, 级联3D网络	Dice相似系数（DSC）, 95%豪斯多夫距离（HD95）, 平均表面距离（ASD）	NA
13	2025-12-24	Artificial intelligence-based lesion characterization and outcome prediction of prostate cancer on [18F]DCFPyL PSMA imaging 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111265 PMID:41202884	研究论文	本研究开发了基于人工智能的模型，用于前列腺癌[18F]DCFPyL PET/CT成像中的病灶特征描述和预后预测	开发了结合PET和CT模态的输入串联深度学习模型，在PSMA-RADS评分、恶性分类、治疗反应预测和生存预测等多个任务中表现出优越性能	生存预测的C指数相对较低（内部测试集0.58，前瞻性测试集0.60），模型性能有待进一步提升	开发人工智能工具以改善前列腺癌的病灶特征描述和患者预后预测，辅助临床决策	接受[18F]DCFPyL PET/CT成像的前列腺癌患者	数字病理学	前列腺癌	[18F]DCFPyL PET/CT成像	深度学习模型	医学影像（PET和CT图像）	训练和内部测试集238例患者，前瞻性测试集36例患者	NA	输入串联模型（单模态和多模态深度学习模型）	AUROC（受试者工作特征曲线下面积）, C-index（一致性指数）	NA
14	2025-12-24	AttnSeq-PPI: Enhancing protein-protein interaction network prediction using transfer learning-driven hybrid attention 2026-Jan-01, Biochimica et biophysica acta. Proteins and proteomics DOI:10.1016/j.bbapap.2025.141102 PMID:41138794	研究论文	提出了一种基于混合注意力机制的深度学习框架AttnSeq-PPI，用于增强蛋白质-蛋白质相互作用网络预测	结合自注意力和交叉注意力设计混合注意力机制，利用ProtT5语言模型嵌入蛋白质序列，有效捕获序列内长程依赖和蛋白质间相互作用特征	未明确说明模型在特定蛋白质类型或复杂相互作用场景下的局限性	开发一种基于序列的蛋白质-蛋白质相互作用预测方法，以克服实验和计算技术的限制	蛋白质序列及其相互作用网络	自然语言处理	NA	深度学习，大语言模型	混合注意力机制	蛋白质序列	基于种内和多物种数据集进行5折交叉验证，并使用四个独立物种和真实PPI网络数据集进行验证	未明确指定	自注意力，交叉注意力	准确率	NA
15	2025-12-24	Association of a Lifestyle Risk Index With Visceral and Subcutaneous Adipose Tissue in the German National Cohort (NAKO) 2026-Jan, Obesity (Silver Spring, Md.) DOI:10.1002/oby.70071 PMID:41261047	研究论文	本研究通过横断面分析，探讨了生活方式风险指数与内脏和皮下脂肪组织的关系，并利用深度学习进行图像分割	结合多种生活方式因素构建综合风险指数，并首次在德国国家队列中应用深度学习技术分析MRI数据以量化内脏脂肪体积	研究为横断面设计，无法确定因果关系；样本可能受自我报告偏差影响；结果在肥胖人群中关联较弱	评估生活方式风险指数与脂肪组织（特别是内脏脂肪）的关联	德国国家队列中30,920名参与者的MRI扫描数据	数字病理学	心血管疾病	MRI扫描	深度学习	图像	30,920名参与者	NA	NA	NA	NA
16	2025-12-24	Deep Feature Learning From Electromyographic Signals for Gesture Recognition Systems 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3635419 PMID:41264458	综述	本文全面综述了用于肌电信号手势识别系统的最新深度学习模型，并从数据表示的角度对先进架构进行了分类	首次从数据表示（如时域波形、空间图像、谱域和图结构）的视角对深度学习架构进行分类，并探讨了半监督与自监督学习作为全监督范式的补充方法	高质量标注的肌电数据集有限，阻碍了研究成果向实际应用的转化	开发用于肌电信号解码的通用且鲁棒的深度学习模型，以推动手势识别系统在人机交互、神经接口和康复机器人等领域的应用	肌电信号	机器学习	NA	肌电图	深度学习模型	肌电信号（可表示为时域波形、空间图像、谱域和图结构）	NA	NA	NA	NA	NA
17	2025-12-24	Modality-AGnostic image Cascade (MAGIC) for multi-modality cardiac substructure segmentation 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111296 PMID:41271169	研究论文	本文提出并验证了一种名为MAGIC的模态无关图像级联深度学习管道，用于多模态心脏亚结构分割	通过复制nnU-Net骨干网络的编码和解码分支来处理多模态输入和重叠标签，实现了在单一模型中分割多种图像模态和重叠结构，同时显著减少了训练时间和参数数量	未明确说明模型在更广泛或未见过的模态上的泛化能力，以及在实际临床环境中的部署验证	开发一种高效、轻量化的深度学习解决方案，用于多模态心脏亚结构分割，以减轻轮廓勾画负担并提高治疗规划中的心脏保护	心脏亚结构，包括心脏整体、心腔、大血管、瓣膜、冠状动脉和传导节点	数字病理学	心血管疾病	深度学习	CNN	图像	训练集151例，验证集15例，测试集30例，涉及心脏CT血管造影、模拟CT和低场MR-Linac等多种模态	PyTorch	nnU-Net	Dice相似系数, Wilcoxon符号秩检验	NA
18	2025-12-24	Evaluation of compartmentalized automatic segmentation for definition of the GTV in glioblastoma radiotherapy 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111308 PMID:41308924	研究论文	本研究评估了深度学习模型Neosoma Glioma在胶质母细胞瘤放疗中自动分割大体肿瘤体积的临床应用价值	首次评估了基于深度学习的自动分割模型在术后胶质母细胞瘤放疗靶区勾画中的临床应用，并验证了其几何相似性和剂量学等效性	研究为回顾性分析，样本量有限（100例），且仅在一家医疗机构进行验证	评估自动分割模型在胶质母细胞瘤放疗靶区定义中的临床应用可行性	术后胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	多模态MRI	深度学习模型	医学影像	100例胶质母细胞瘤病例	NA	Neosoma Glioma	Dice相似系数	NA
19	2025-12-24	Dynamic prediction of Radiotherapy toxicities in Head and neck cancer using clinical and imaging data 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111312 PMID:41314396	研究论文	本研究开发了一个动态深度学习模型，用于预测头颈癌放疗期间的三种主要毒性反应，通过整合临床数据和每日锥形束CT影像进行评估	首次将每日CBCT影像的解剖变形特征（雅可比行列式矩阵）与临床数据结合，用于动态预测头颈癌放疗毒性，并评估了序列影像或剂量学特征对早期预测的改进效果	研究为回顾性分析，影像数据（早期Jf或影像组学）未显示出对预测性能的改进，可能受限于数据特征或模型架构	开发一个动态深度学习模型，以早期预测头颈癌放疗期间的毒性反应，优化患者管理	头颈癌患者	数字病理学	头颈癌	锥形束计算机断层扫描（CBCT），影像组学分析	CNN, MLP	影像（CBCT），临床数据	1,012名头颈癌患者	NA	3D ResNet50, 多层感知机	准确率	NA
20	2025-12-24	Artificial intelligence in modern clinical practice (Review) 2026 Jan-Feb, Medicine international DOI:10.3892/mi.2025.289 PMID:41424576	综述	本文综述了人工智能在现代临床实践中的作用，探讨了其机遇与挑战	综合近期研究成果，系统讨论了AI在临床决策支持、影像分析、个性化医疗等领域的应用及其面临的伦理、监管和实施障碍	训练数据可能存在偏见，许多模型作为'黑箱'运行难以理解逻辑，临床标准与法规滞后于技术发展，且整合到医疗系统成本高、难度大	探讨人工智能在现代临床实践中的角色，并强调未来的机遇与挑战	临床实践中的AI应用，包括决策支持、预测模型、机器人手术、影像分析及个性化医疗	机器学习	NA	NA	NA	临床数据	NA	NA	NA	NA	NA