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
1841	2025-12-04	LUMIR: an LLM-driven unified agent framework for multi-task infrared spectroscopy reasoning 2026-Jan-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344857 PMID:41330688	研究论文	本文介绍了一个名为LUMIR的LLM驱动的统一智能体框架，用于在低数据条件下实现多任务红外光谱分析的自动化与增强	提出了首个将结构化文献知识库、自动化预处理、特征提取和预测建模集成到统一流程中的LLM驱动框架，通过挖掘同行评审文献中的已验证策略并结合小样本学习，实现了在资源有限条件下的鲁棒光谱分析	框架在更广泛的光谱类型和极端数据稀缺场景下的泛化能力仍需进一步验证，且依赖于文献知识库的质量和覆盖范围	开发一个数据高效、可自动化的统一框架，以解决红外光谱分析中工作流程构建复杂、泛化能力差的问题	红外光谱数据	机器学习	NA	红外光谱分析	LLM	光谱数据	多个数据集，包括公开的牛奶近红外数据集、中草药、不同储存时长的陈皮、工业废水COD数据集以及Tecator和Corn两个公共基准数据集	NA	基于智能体的统一框架（LUMIR）	与已建立的机器学习和深度学习模型性能相当（具体指标未明确列出，但涉及分类、回归和异常检测任务）	NA
1842	2025-12-04	AI-driven aging digital twins: A roadmap for clinical translation in precision geriatrics 2026-Jan, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102931 PMID:41192800	综述	本文综述了AI驱动的衰老数字孪生在精准老年医学中的临床转化路线图，探讨了其潜力与挑战	提出了基于AI和多源异构数据整合的衰老数字孪生技术，用于实时健康监测、预测分析和个性化干预	训练数据集中存在年龄分层偏差，老年人群数据质量差异可能限制模型泛化性，数据隐私、算法透明度和临床验证问题尚未解决	探讨AI驱动的衰老数字孪生在精准老年医学中的临床转化潜力	衰老及相关疾病（如神经退行性疾病、心血管疾病和癌症）	机器学习	老年疾病	深度学习	NA	多源异构数据	NA	NA	NA	NA	NA
1843	2025-12-04	Artificial intelligence for fall detection in older adults: A comprehensive survey of machine learning, deep learning approaches, and future directions 2026-Jan, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102948 PMID:41265569	综述	本文全面综述了面向老年人的跌倒检测技术，重点关注机器学习与深度学习方法，并探讨了未来研究方向	整合了AI驱动系统的监管框架，跨工程、计算机科学和老年学等多个领域，并明确了跌倒检测与骨质疏松症、神经系统疾病等病症之间的联系	NA	综述老年人跌倒检测技术的最新进展，特别是应对数据稀缺的挑战，并推动稳健AI系统的临床转化与监管批准	老年人跌倒检测系统	机器学习和计算机视觉	老年疾病	NA	NA	传感器数据和视觉数据	NA	NA	NA	NA	NA
1844	2025-12-04	Magnetic resonance imaging analysis for Alzheimer's disease diagnosis using artificial intelligence: Methods, challenges, and opportunities 2026-Jan, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102943 PMID:41265570	综述	本文综述了人工智能在利用磁共振成像诊断阿尔茨海默病领域的最新进展、挑战与机遇	系统性地总结了AI在MRI数据分析用于AD诊断中的最新方法、性能评估、临床应用潜力与局限性，并指明了未来研究方向	作为一篇综述文章，其局限性在于主要整合现有研究，而非提出新的原创方法或模型	为阿尔茨海默病的早期、准确诊断提供人工智能辅助的磁共振成像分析方法概述	用于阿尔茨海默病诊断的磁共振成像数据及基于此的人工智能模型	医学影像分析	阿尔茨海默病	磁共振成像	深度学习	磁共振图像	NA	NA	NA	NA	NA
1845	2025-12-04	Explainable machine learning and deep learning models for predicting TAS2R-bitter molecule interactions 2026-Jan, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.109187 PMID:41092497	研究论文	本研究开发了可解释的机器学习和深度学习模型，用于预测苦味分子与TAS2R受体之间的相互作用	结合传统机器学习和深度学习方法，构建高性能且易于应用的模型，并通过协同集成增强模型的可解释性，促进对苦味化合物分子特性的全面理解	NA	预测苦味分子与TAS2R受体之间的相互作用，以辅助实验研究、药物设计及理解苦味受体功能	苦味分子与TAS2R（苦味受体）之间的相互作用	机器学习	NA	NA	机器学习,深度学习	实验验证数据	NA	NA	NA	NA	NA
1846	2025-12-03	A semi-supervised learning-based framework for quantifying litter fluxes in river systems 2026-Jan-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124833 PMID:41161028	研究论文	本文提出了一种结合半监督学习和切片辅助超推理的框架，用于量化河流横截面漂浮垃圾通量	首次将半监督学习与SAHI方法结合用于河流漂浮垃圾通量量化，解决了监督学习依赖大量标注数据和小垃圾物品检测困难的问题	框架仍会严重低估垃圾通量（比人工测量低3-4倍），主要因透明垃圾和困在水葫芦中的物品漏检	开发一种更高效准确的河流漂浮垃圾通量量化方法，以支持污染评估	河流水面漂浮的宏观塑料垃圾（>5毫米）	计算机视觉	NA	半监督学习，切片辅助超推理	CNN	图像	来自荷兰、印度尼西亚和越南水道的图像数据，具体数量未明确说明	PyTorch	ResNet50, Faster R-CNN	F1分数	NA
1847	2025-12-03	Floc image-driven deep learning enhanced by temporal windows and transformers for carbon emission reduction in drinking water treatment plants 2026-Jan-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124868 PMID:41202793	研究论文	本研究通过引入絮体形态特征提取、时间窗口选择和Transformer架构集成等策略，优化深度学习模型，用于饮用水处理厂的精确混凝剂投加，以实现碳减排	提出了创新的絮体形态特征提取方法、时间窗口选择策略以及Transformer架构的集成，显著提升了深度学习模型在短期数据下的性能	研究仅基于一个月的数据进行训练，虽然通过自更新机制确保长期适应性，但初始数据量有限可能影响模型的泛化能力	优化深度学习算法以实现饮用水处理厂中混凝剂的精确投加，从而提升水净化效率并减少碳排放	饮用水处理厂中的混凝剂投加过程	机器学习	NA	絮体图像分析	CNN, LSTM, GAN, Transformer	图像, 时间序列数据	一个月的数据	TensorFlow, PyTorch	Temporal Convolutional Network (TCN), Transformer	R, R²	NA
1848	2025-12-03	Will artificial intelligence solve the riddle of athlete development? A critical review of how AI is being used for athlete identification, selection, and development 2026-Jan, Psychology of sport and exercise IF:3.1Q1 DOI:10.1016/j.psychsport.2025.102978 PMID:41038088	综述	本文批判性地回顾了人工智能在运动员识别、选拔和发展领域的应用现状与挑战	系统梳理了人工智能在体育科学中应用于运动员发展的三个主要领域，并强调了创新与批判性评估的平衡方法	未明确提及具体研究限制，但暗示了该领域应用范围与效用尚不完全明确	探讨人工智能在运动员发展（包括识别、选拔和培养）中的使用范围、效用及相关挑战	体育科学研究中使用人工智能的文献	机器学习	NA	机器学习，深度学习	NA	NA	NA	NA	NA	NA	NA
1849	2025-12-03	Machine Learning Approaches for Predicting RNA-RNA/DNA Interactions 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4670-0_14 PMID:41174207	综述	本章介绍用于预测RNA-RNA/DNA相互作用的机器学习方法，这对于理解非编码RNA功能至关重要	利用深度学习技术和来自高通量测序方法的大规模相互作用数据，开发出比传统基于能量方法更准确的预测工具	存在过拟合风险和需要第三方验证等挑战	预测RNA-RNA/DNA相互作用以理解非编码RNA功能	原核小RNA、一般RNA-RNA相互作用、miRNAs、box C/D snoRNAs、lncRNA-DNA三链体、CRISPR引导RNA设计	机器学习	NA	高通量测序	深度学习	相互作用数据	NA	NA	NA	准确性	NA
1850	2025-12-03	Deep learning-based hyperspectral oil spill detection for marine pollution monitoring in the Gulf of Mexico: A step toward marine pollution monitoring and SDG 14 compliance 2026-Jan, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118908 PMID:41202730	研究论文	本研究应用高光谱遥感数据与深度学习技术，提高墨西哥湾石油泄漏检测的准确性和效率	结合高光谱影像的丰富光谱信息与深度学习分割模型，实现可靠的石油污染区域检测	数据稀缺和高维度问题通过主成分分析和标准化补丁输入处理，但未讨论模型泛化能力或实时检测限制	增强石油泄漏检测精度和效率，支持海洋污染监测和可持续发展目标14的合规性	墨西哥湾的石油泄漏污染区域	计算机视觉	NA	高光谱遥感	CNN	图像	使用公开可用的高光谱石油泄漏数据库（HOSD）	NA	U-Net, DeepLabv3	IoU, F1分数, 精确率, 召回率	NA
1851	2025-12-03	A deep learning-based method for marine oil spill detection and its application in UAV imagery 2026-Jan, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118889 PMID:41166779	研究论文	本研究开发了一种基于YOLOv12的无人机图像海洋溢油检测框架，旨在提高溢油检测的准确性和边界划分的精度	提出了一种基于YOLOv12的无人机图像溢油检测框架，通过高分辨率输入、预训练权重初始化和余弦退火学习率调度策略，增强了污染特征表示能力	未明确提及模型在极端天气或夜间条件下的性能，也未讨论计算资源需求或实时处理速度的详细限制	开发高效智能的海洋溢油检测机制，以支持早期预警和快速响应，保护海洋生态系统和沿海经济安全	无人机图像中的海洋溢油区域	计算机视觉	NA	无人机遥感成像	CNN	图像, 视频	构建了一个包含多样溢油形态、不同海洋干扰条件和多尺度目标的遥感图像数据集	NA	YOLOv12	F1 Score, mAP@0.5, mAP@0.5-0.95, 精确率-召回率曲线	NA
1852	2025-12-01	A 2D-digital spectral sensing method for rapid antibiotic detection in water 2026-Jan-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2025.123279 PMID:41202958	研究论文	提出一种结合二维数字光谱图像与深度学习技术的水体抗生素快速检测方法	开发新型光谱成像系统与组合化学探针，将样本信息转化为具有二维全息光谱特征的图像，并构建端到端的定量分析模型	NA	建立高效低成本的水体抗生素快速监测技术	水体中的抗生素污染物	计算机视觉	NA	光谱成像技术、组合化学探针	CNN	二维数字光谱图像	NA	NA	数字光谱卷积神经网络（DSCNN）	R值（0.85-0.93），检测限（1.94 mg/L）	NA
1853	2025-12-01	A deep learning framework to iDentify prOgnostically releVant cancEr Regions (DOVER) within whole slide histopathology images 2026-Jan-01, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2025.218134 PMID:41238099	研究论文	提出一种深度学习框架DOVER，用于在组织病理学全切片图像中识别具有预后相关性的癌症区域	首次开发能够精确定位全切片图像中预后相关区域的方法，通过从组织微阵列点中学习预后模式并映射到更大切片	需要进一步验证框架的泛化能力，目前仅在两种癌症类型中测试	解决肿瘤形态异质性带来的预后预测挑战，精确定位最具预后价值的肿瘤区域	非小细胞肺癌(NSCLC)和口咽鳞状细胞癌(OPSCC)患者的全切片图像	数字病理学	肺癌,头颈癌	全切片成像,组织微阵列,定量免疫荧光	深度学习	组织病理学图像,临床数据	2041名患者(NSCLC:1141例, OPSCC:900例)	NA	NA	c-index	NA
1854	2025-11-28	Scale-adjusted distance transform and its applications to segmentation of multimodal images 2026-Jan, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.11.003 PMID:41207402	研究论文	提出一种尺度调整距离变换方法，用于多模态图像中多尺度对象的精确分割	提出与传统距离变换概念不同的尺度调整距离变换，其值独立于对象尺度并在山脊处统一为'1'，具有平移、旋转和各向同性缩放不变性	未与现代深度学习方法进行广泛对比，主要验证了在特定生物医学图像上的应用	开发一种尺度不变的距离变换方法，解决多尺度对象的结构分析问题	二维和三维多模态图像中的结构对象，特别是生物医学图像中的细胞核和血管	计算机视觉	NA	距离变换，梯度流路径分析	模糊方法	二维显微图像，三维肺部CT图像	猪肺模型的三维CT数据和二维显微图像数据集	NA	NA	分割准确性	NA
1855	2025-11-25	The role of AI in pre-analytical phase - use cases 2026-Jan-27, Clinical chemistry and laboratory medicine IF:3.8Q1 DOI:10.1515/cclm-2025-1220 PMID:41091119	综述	本文探讨人工智能在检验医学分析前阶段的应用现状与挑战	系统梳理AI在七个关键分析前领域的应用场景，揭示研究原型与商业部署之间的转化差距	研究存在单中心验证、回顾性设计、系统集成困难等局限	评估人工智能技术在检验医学分析前阶段的应用效果与实施路径	实验室检测分析前流程（包括凝血块检测、错误采血管识别等七个领域）	医疗人工智能	实验室医学	人工智能与机器学习技术	神经网络,XGBoost,深度学习	实验室检测数据	NA	NA	NA	准确率,AUC	NA
1856	2025-11-24	Walking Assistance System with Electrical Stimulation from Secondary Muscle Groups 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03398-7_49 PMID:41273591	研究论文	本文提出了一种结合电刺激和电子手套设备的创新足部运动康复系统	通过将手部动作转化为腿部肌肉电刺激，利用次要肌群实现下肢康复的新方法	NA	开发更易获取且可定制的下肢康复解决方案	足部运动功能障碍患者	医疗康复工程	运动功能障碍	电刺激技术	深度学习模型	传感器数据	NA	NA	NA	NA	NA
1857	2025-11-24	Deep Learning Discrimination for BCI Implementation Using 3D Convolutional Neural Network and EEG Topographic Maps 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03398-7_38 PMID:41273580	研究论文	本研究利用分层3D卷积神经网络对脑电图地形图进行分类，以提升脑机接口系统中运动意图识别的性能	提出将分层3D卷积神经网络应用于脑电图地形图分析，采用分步分类策略解码运动意图，并比较了三种优化器的性能表现	仅涉及4种运动任务的分类，未说明样本规模和数据多样性限制	通过深度学习技术提升脑机接口系统的分类准确性和可靠性	运动障碍患者的脑电图信号	脑机接口	运动障碍	脑电图信号采集与地形图提取	3D CNN	脑电图地形图	NA	NA	分层3D卷积神经网络	准确率	NA
1858	2025-11-24	Integrating Neuroimaging and Machine Learning to Predict Mental Disorder Outcomes: A Systematic Review 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03398-7_41 PMID:41273583	综述	系统回顾神经影像学与机器学习整合应用于精神障碍预后预测的研究进展	系统整合多模态神经影像数据与机器学习方法，探索精神障碍的神经生物标志物预测模型	模型可解释性、泛化能力和临床适用性存在局限	通过神经影像与机器学习预测精神障碍的诊疗结果	精神障碍患者（包括精神分裂症、抑郁症、双相情感障碍、自闭症谱系障碍）	机器学习	精神疾病	结构成像、功能成像、弥散张量成像（DTI）	支持向量机、随机森林、深度学习	神经影像数据	NA	NA	NA	NA	NA
1859	2025-11-24	Enhanced Brain Tumor Classification with Convolutional Neural Networks 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03398-7_48 PMID:41273590	研究论文	提出一种基于卷积神经网络的脑肿瘤图像分类方法，用于区分不同类型的脑肿瘤	通过综合数据增强和严格超参数调优显著提升分类准确率，实现脑肿瘤类型的自动精准分类	NA	提高脑肿瘤诊断精度并优化治疗策略	脑肿瘤图像，包括胶质瘤、脑膜瘤和转移性肿瘤	计算机视觉	脑肿瘤	深度学习	CNN	医学图像	NA	NA	包含多个卷积层、池化层和全连接层的CNN架构	分类准确率	NA
1860	2025-11-24	Artificial Intelligence and Machine Learning-Based Approaches for Genetic Damage Prediction 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4976-3_27 PMID:41273702	综述	本章重点介绍遗传毒性预测领域，系统分类了各类检测方法并详细阐述了人工智能和机器学习在遗传损伤预测中的应用	系统总结了AI模型在遗传毒性预测中的三大分类（QSAR、机器学习和深度学习），并提供了专门针对遗传毒性预测的详细数据表	作为章节综述，未涉及具体实验验证，主要基于现有文献总结	探讨人工智能和机器学习方法在遗传损伤预测中的应用	遗传毒性检测方法和AI预测模型	机器学习	NA	Ames测试等遗传毒性检测方法	QSAR, 机器学习, 深度学习	分子描述符和指纹数据（拓扑、静电、量子描述符）	NA	NA	NA	预测分数和不同评估指标	NA