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
181	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
182	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
183	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
184	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
185	2025-12-23	Multimodal-based deep learning detected disrupted precuneus connectivity and its related genetic profiles for predicting adults with ADHD 2026-Mar-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.120821 PMID:41354103	研究论文	本研究采用基于多模态数据的图卷积网络模型预测成人ADHD，并通过下游分析揭示相关病理生理机制	首次将多模态神经影像遗传学数据与图卷积网络结合，用于成人ADHD的预测和机制解释，并识别了关键脑区功能连接及其相关遗传特征	样本量相对有限，模型准确率有待进一步提升，且结果需在独立队列中验证	通过整合神经影像和遗传数据，提高成人注意缺陷多动障碍的诊断准确性和病理生理理解	成人注意缺陷多动障碍患者和健康对照者	神经影像遗传学	注意缺陷多动障碍	功能磁共振成像，基因组学	图卷积网络	功能磁共振成像数据，基因组数据	258名成人ADHD患者和243名对照者	NA	Edge-Variational Graph Convolution Network	准确率	NA
186	2025-12-19	SynSeg: A synthetic data-driven approach for robust subcellular structure segmentation 2026-Mar-02, The Journal of cell biology IF:7.4Q1 DOI:10.1083/jcb.202506096 PMID:41410685	研究论文	本文提出了一种名为SynSeg的合成数据驱动方法，用于鲁棒地分割亚细胞结构，无需人工标注	开发了基于合成训练数据的U-Net模型分割流程，通过生成具有多样强度、形态和信号分布的合成数据集来替代耗时且可能存在偏差的人工标注	未明确说明合成数据与真实数据之间的域适应挑战或模型在未见过的细胞类型上的泛化能力限制	开发一种无需人工标注的鲁棒亚细胞结构分割方法，以促进定量细胞生物学研究	细胞和活体秀丽隐杆线虫中的囊泡、细胞骨架细丝以及疾病相关的微管形态	数字病理学	神经退行性疾病	合成数据生成	CNN	图像	NA	NA	U-Net	NA	NA
187	2025-12-17	Rethinking active learning in medical education: a comparative study of inquiry-based and team-based learning on student performance and satisfaction 2026-Mar-01, Advances in physiology education IF:1.7Q4 DOI:10.1152/advan.00199.2025 PMID:41196126	研究论文	本研究比较了医学教育中基于探究的学习（IBL）与基于团队的学习（TBL）的教学效果，重点关注学生表现和满意度	设计并实施了一个基于5E教学模型的创新IBL框架，结合了交互式临床案例、条件性解决方案揭示机制和游戏化综合活动	准实验设计可能限制了因果推断的强度，样本仅来自一年级医学生，可能影响结果的普适性	比较IBL与TBL在医学教育中的教学有效性，包括学术表现、学习者参与度、自主性和满意度	548名一年级医学生	医学教育	NA	5E教学模型、交互式临床案例、条件性解决方案揭示机制（scratch film）、游戏化综合（填字游戏）	NA	定量表现指标、行为观察数据、学生问卷数据	548名一年级医学生	NA	NA	关键学习概念保留率、扩展概念获取率、参与度、自主性、满意度、作弊倾向	NA
188	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
189	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
190	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
191	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
192	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
193	2025-12-14	Identification of Pueraria lobata origin using terahertz precision spectroscopy and CNN-transformer hybrid network algorithm 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127212 PMID:41270687	研究论文	本研究提出了一种结合太赫兹光谱与CNN-Transformer混合网络的新方法，用于无损鉴别葛根的地理来源	首次将太赫兹光谱与CNN-Transformer混合网络结合用于中药材产地鉴别，并验证了光谱特征与生物活性成分的相关性	仅针对中国八个产区的样本进行研究，样本来源范围有限	开发一种基于太赫兹光谱和深度学习的中药材产地溯源方法	葛根（Pueraria lobata）样本	计算机视觉	NA	太赫兹光谱，高效液相色谱（HPLC）	CNN, Transformer	光谱数据	来自中国八个地区的葛根样本	NA	CNN-Transformer混合网络	准确率，F1分数	NA
194	2025-12-14	Identification of early bruising degrees in blueberries using visible and near-infrared spectroscopy coupled with deep learning 2026-Mar-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127200 PMID:41273859	研究论文	本研究利用可见光和近红外光谱结合深度学习模型，识别蓝莓早期瘀伤程度	开发新型光谱系统收集高信噪比反射光谱，并首次结合CNN和TabTransformer深度学习模型进行蓝莓瘀伤程度识别	在1350-2200 nm波长范围内分类精度较低，可能由于细胞破坏和自由水释放影响水吸收带检测	识别蓝莓早期瘀伤程度以提升其经济价值	蓝莓	机器学习	NA	可见光和近红外光谱	CNN, TabTransformer	光谱数据	NA	NA	CNN, TabTransformer	准确率	NA
195	2025-12-12	Enhanced magnetic hyperthermia in graphene-magnetite nanohybrids for cancer therapy: Artificial intelligence-driven validation via Nonlinear Autoregressive with Exogenous Inputs-Long Short-Term Memory (NARX-LSTM) forecasting 2026-Mar, Biomaterials advances IF:5.5Q2 DOI:10.1016/j.bioadv.2025.214572 PMID:41151171	研究论文	本研究评估了石墨烯-磁铁矿纳米杂化物在不同成分和交变磁场下的加热效率，并利用NARX-LSTM混合深度学习模型预测温度演变，以优化癌症磁热疗效果	结合人工智能（NARX-LSTM模型）与纳米技术，实现磁热疗中温度演变的精确预测和个性化癌症治疗优化	高频（982 kHz）下因纳米颗粒弛豫动力学不匹配导致疗效降低，模型可能受实验数据范围限制	优化磁热疗的加热效率，推动个性化癌症治疗	石墨烯-磁铁矿纳米杂化物（GMNHs）	机器学习	癌症	磁热疗，交变磁场（AMFs）	NARX-LSTM	实验数据（温度、成分、磁场参数）	不同FeO:石墨烯比例（0-100%）和交变磁场条件（163-982 kHz, 12.7-23.9 mT）下的纳米杂化物样本	NA	NARX-LSTM	R值（≥0.997）	NA
196	2025-12-12	Advancing deep learning based knee cartilage segmentation in MRI: Innovations, challenges and applications 2026-Mar, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2025.100702 PMID:41362327	综述	本文综述了基于深度学习的膝关节软骨MRI分割的最新进展、挑战与应用	系统评估了多种深度学习架构与技术，并重点讨论了数据稀缺、域偏移和成像变异性等关键挑战的解决方案，如半监督学习、域适应、数据增强策略和基础模型	未提出新的原创模型或算法，主要基于现有文献进行综述；未涉及具体实验验证或性能比较	回顾和评估深度学习在膝关节软骨MRI分割中的最新方法、挑战及临床意义	膝关节软骨的MRI图像分割	计算机视觉	骨关节炎	MRI	深度学习模型	MRI图像	NA	NA	NA	分割准确性, 效率	NA
197	2025-12-12	Advancing biomaterial research with artificial intelligence 2026-Mar, Biomaterials advances IF:5.5Q2 DOI:10.1016/j.bioadv.2025.214535 PMID:41075468	综述	本文详细探讨了人工智能（包括机器学习和深度学习）在聚合物、金属、陶瓷和复合材料等各类生物材料研究中的应用，并讨论了AI在解决前向和逆向设计问题中的角色及其局限性	系统综述了AI在生物材料研究中的多类别应用，并引入了可解释人工智能（如SHAP和LIME）作为解决模型可解释性等挑战的新兴方案	讨论了AI在生物材料研究中的关键限制，包括模型可解释性、数据质量和过拟合问题	加速生物材料的开发与创新，提升其性能、效率和可扩展性，同时应对传统制造与表征过程中的挑战	各类生物材料，包括聚合物、金属、陶瓷和复合材料	机器学习	NA	NA	机器学习, 深度学习	NA	NA	NA	NA	NA	NA
198	2025-12-05	Golay-Net: Deep learning-based Golay coded excitation for ultrasound imaging 2026-Mar, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107881 PMID:41176826	研究论文	本文提出了一种基于深度学习的Golay编码激励方法，用于提升超声成像的信噪比和成像深度，同时保持帧率不变	开发了Golay-Net，一种基于1-D U-Net的深度学习框架，能够从Code A的回波信号中合成Code B的回波信号，从而避免了传统Golay编码激励需要两次传输导致的帧率降低问题	未在摘要中明确提及具体限制，可能包括模型泛化能力、计算复杂度或对特定成像条件的依赖性	提高超声成像的信噪比和成像深度，同时不牺牲帧率	超声成像中的Golay编码激励技术	医学影像处理	NA	Golay编码激励	深度学习	超声回波信号	NA	NA	1-D U-Net	信噪比, 成像深度, 帧率	NA
199	2025-12-05	End-to-end design of multi-functional acoustic holograms via heterogeneous physics constraints 2026-Mar, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107879 PMID:41192313	研究论文	本文提出了一种端到端异质物理约束深度学习框架，用于设计多功能声学全息图，以解决传统相位设计方法在理论预测与物理实现间的性能差距	引入了首个端到端异质物理约束深度学习框架，直接设计物理全息图结构，同时考虑全息图内部复杂声学特性和波在复杂介质（如颅骨）中的传播，显著提高了声场模式的保真度	研究主要作为概念验证展示，在更具挑战性的生物医学应用中的大规模验证和临床转化仍需进一步探索	开发一种能够设计物理上可实现、多功能声学全息图的新方法，以用于非侵入性治疗和接触式操控等生物医学应用	声学全息图及其产生的声场	机器学习	NA	声学全息技术	深度学习	物理模拟数据	NA	NA	NA	峰值信噪比, 相关性保真度	NA
200	2025-12-05	High-precision wavefield simulation and deep learning-based sound speed reconstruction for transcranial ultrasound imaging 2026-Mar, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107860 PMID:41129992	研究论文	本研究提出了一种结合高精度波场模拟与深度学习反演的经颅声速局部重建框架，旨在提升经颅超声成像质量	开发了定制波场模拟算法生成训练数据集，并提出了集成波前注意力模块（WAM）和梯度正则化损失函数的WAM-Net网络，以精确重建颅骨声速	NA	通过准确重建颅骨声速，实现有效的相位校正，从而提升经颅超声成像质量	颅骨声速分布	医学影像处理	脑部疾病	超声成像	深度学习	模拟波场数据	数值模拟、仿体实验（AlO和PMMA仿体）及食蟹猴活体实验	NA	WAM-Net	平均绝对误差（MAE）	NA