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
161	2026-01-14	Rapid identification of Rhizoma Coptidis origin using terahertz spectroscopy and deep learning 2026-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127283 PMID:41365254	研究论文	本研究提出了一种结合太赫兹光谱和深度学习的方法，用于快速识别黄连的产地来源	提出了ICOA-GRU-MSA分类模型，利用改进的乌鸦优化算法优化GRU超参数，并引入多头自注意力机制增强特征识别能力	仅使用了四个不同产地的黄连样本，样本多样性有限	快速识别中药材黄连的产地来源	不同产地的黄连样品	机器学习	NA	太赫兹时域光谱	GRU, 注意力机制	光谱数据	四个不同产地的黄连样品	NA	GRU, 多头自注意力机制	分类性能	NA
162	2026-01-14	PLSTM-MTGF: A deep learning fusion model enabling real-time multi-target monitoring of penicillin fermentation via near-infrared spectroscopy 2026-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127358 PMID:41406794	研究论文	本研究提出了一种轻量级双流融合深度学习模型PLSTM-MTGF，用于通过近红外光谱实时监测青霉素发酵过程中的多个关键指标	提出了一种新颖的轻量级双流融合模型架构，结合了偏最小二乘回归进行光谱压缩、长短期记忆-自注意力网络捕获过程动态，并采用多任务门控融合机制来平衡任务特定表征	研究仅在24个工业批次数据上进行评估，样本量相对有限；模型性能可能受特定发酵条件和光谱数据质量影响	开发一种可部署的实时多目标监测系统，以优化工业青霉素发酵过程	青霉素发酵过程中的四个关键指标：残糖、氨基氮、细胞密度和效价	机器学习	NA	近红外光谱	深度学习融合模型	光谱数据	24个工业批次	NA	PLSTM-MTGF（偏最小二乘回归-长短期记忆与多任务门控融合）	相关系数R, RPD	标准CPU
163	2026-01-14	Classification and quantification of sodium metabisulfite in goji berry powder: Applications of hyperspectral technology and transformer-based hybrid models 2026-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127379 PMID:41442910	研究论文	本研究利用近红外高光谱成像技术结合基于Transformer的混合深度学习模型，对枸杞粉中的焦亚硫酸钠进行分类和定量检测	提出了一种结合局部注意力和残差路径的ResLocalformer混合模型用于分类，以及结合Transformer全局注意力和密集层的Resformer模型用于回归，在焦亚硫酸钠检测中实现了高精度	研究仅针对枸杞粉中的焦亚硫酸钠，样本量相对有限（360个样本），且未在其他食品基质或添加剂上进行广泛验证	开发一种快速、无损的方法来检测和量化枸杞粉中的焦亚硫酸钠残留	枸杞粉样品中的焦亚硫酸钠	计算机视觉	NA	近红外高光谱成像	Transformer, CNN, LSTM	高光谱图像	360个样本（包含9个浓度水平，每个水平40个重复）	NA	ResLocalformer, Resformer	准确率, R, RMSE	NA
164	2026-01-14	SemiRaman: A self-supervised contrastive representation learning-based framework for semi-supervised Raman spectral identification of pathogenic bacteria 2026-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127356 PMID:41447771	研究论文	提出了一种基于自监督对比学习的半监督拉曼光谱识别框架，用于在标记数据有限的情况下准确识别病原菌	结合无监督和监督学习模块，通过冗余减少和多层次对比学习从无标签数据中提取判别性特征，并采用多阶段微调策略以极少的标记数据实现高分类精度	NA	开发一种高效、成本效益高的方法，用于食品安全、环境监测和公共卫生领域中有害病原菌的快速准确识别	病原菌	机器学习	NA	拉曼光谱	自监督对比学习	光谱数据	Bacteria-7 和 Bacteria-14 两个数据集	NA	SemiRaman	准确率, MF1-score	NA
165	2026-01-13	Applications of artificial intelligence-based conversational agents in healthcare: A systematic umbrella review 2026-Mar-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106204 PMID:41337874	综述	本文对人工智能对话代理在医疗保健领域的应用进行了系统性的伞状综述	首次对AI对话代理在医疗保健领域的应用和有效性进行全面的全球性综合评估	难以就当前AI对话代理在医疗保健领域的整体有效性得出结论，且存在研究领域不平衡的问题	全面概述AI对话代理在医疗保健领域的当前应用及相关健康结果	2000年至2025年间发表的同行评审系统综述文章	自然语言处理	NA	深度学习	NA	文本	44篇综述文章	NA	NA	NA	NA
166	2026-01-13	Spectral anomaly detection in physiological time-series data: A systematic review 2026-Mar-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106212 PMID:41411902	系统综述	本文系统综述了机器学习在生理时间序列数据（特别是ECG和EEG频谱）中异常检测的应用方法及效果	通过系统综述比较了不同机器学习方法在生理频谱异常检测中的性能，并指出无监督Transformer模型在该领域表现最优	综述仅纳入了AUC、准确率或F1分数高于0.95的研究，可能遗漏了其他有价值但性能略低的方法	评估机器学习在生理时间序列频谱数据异常检测中的应用效果，并推荐最佳方法	ECG（心电图）和EEG（脑电图）的频谱数据	机器学习	心血管疾病	频谱分析	变分自编码器, 生成对抗网络, 扩散模型, Transformer, 孤立森林, 支持向量数据描述	时间序列数据	NA	NA	Transformer	AUC, 准确率, F1分数	NA
167	2026-01-12	A multi-scale deep CNN based on attention mechanism for EEG emotion recognition 2026-Mar, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110662 PMID:41418936	研究论文	提出一种基于通道注意力和空间注意力的多尺度卷积神经网络，用于脑电信号情感识别	结合通道注意力和空间注意力机制，通过多尺度卷积神经网络提取更全面的脑电信号特征，增强关键通道特征并抑制噪声，同时精确定位与情感相关的关键区域	仅在DEAP和SEED两个公开数据集上进行了验证，未在更多样化的数据集或实际应用场景中测试	提高脑电信号情感识别的准确性和特征判别能力	脑电信号	机器学习	NA	脑电信号采集	CNN	脑电信号	DEAP和SEED数据集	NA	多尺度卷积神经网络, 通道注意力, 空间注意力	准确率	NA
168	2026-01-11	A comprehensive evaluation of self-attention for detecting regulatory feature interactions 2026-Mar, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf209 PMID:41503157	研究论文	本文全面评估了自注意力机制在检测调控特征相互作用中的应用，并通过引入熵项提高了注意力图的可解释性	通过添加熵项生成高精度稀疏注意力图，增强了模型的可解释性，并首次对不同注意力变体在转录因子协同性发现中的性能进行了全面评估	NA	评估自注意力机制在计算生物学中提取生物信息的能力，特别是用于预测转录因子结合的协同性	基因调控网络中的转录因子协同性	计算生物学	NA	自注意力机制	自注意力模型	NA	NA	NA	自注意力层	精度	NA
169	2026-01-08	Reply to comment on impact of deep learning on CT-based organ-at-risk delineation for flank irradiation in paediatric renal tumours: A SIOP-RTSG radiotherapy committee 2026-Mar, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101087 PMID:41487396	回复	本文是对评论的回应，澄清了关于深度学习在儿童肾肿瘤侧腹放疗中CT自动轮廓勾画研究的方法学和临床方面	通过回应评论，强调了研究中对STAPLE共识轮廓偏见的处理，并解释了为何剂量分析和不确定性量化在当前阶段非必需	研究在受控的研讨会环境中进行，未能完全反映真实世界的临床工作流程	评估深度学习在儿童肾肿瘤侧腹放疗中器官风险自动轮廓勾画的影响	儿童肾肿瘤患者	数字病理学	肾肿瘤	CT成像	深度学习	CT图像	NA	NA	NA	几何评估	NA
170	2026-01-07	Predictive modeling of hospital emergency department demand using artificial intelligence: A systematic review 2026-Mar-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106215 PMID:41401760	系统综述	本文系统综述了使用人工智能预测医院急诊科需求的相关研究	系统比较了传统时间序列模型与AI模型（特别是机器学习和深度学习）在急诊需求预测中的表现，并强调了整合外部变量（如天气、空气质量）的重要性	纳入研究数量有限（11篇），缺乏外部验证，且可解释性AI方法应用不足	系统回顾用于医院急诊科需求预测的预测模型，重点关注算法、变量、验证策略及疫情前后的发展	关于医院急诊科需求预测的同行评审研究文献	机器学习	NA	NA	ARIMA, SARIMA, XGBoost, Random Forest, LSTM, CNN	时间序列数据	NA	NA	NA	平均绝对误差, 均方根误差, 平均绝对百分比误差	NA
171	2026-01-06	Functional near-infrared spectroscopy-based computer-aided diagnosis of major depressive disorder using explainable artificial intelligence: Comparison with conventional machine learning 2026-Mar-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.120985 PMID:41422962	研究论文	本研究开发了一种基于可解释人工智能的功能性近红外光谱计算机辅助诊断模型，用于识别重度抑郁症患者与健康对照者之间的脑半球间不对称性差异	首次将可解释人工智能技术（如层相关传播）应用于功能性近红外光谱数据，以可视化深度学习模型的决策过程，并揭示重度抑郁症患者脑功能不对称性的关键特征	样本量相对较小（共116名参与者），且仅基于单一言语流畅性任务的数据，可能限制了模型的泛化能力	开发并验证一种基于功能性近红外光谱和可解释人工智能的重度抑郁症计算机辅助诊断方法	48名重度抑郁症患者和68名健康对照者	机器学习	重度抑郁症	功能性近红外光谱	CNN	光谱数据	116名参与者（48名患者，68名健康对照）	NA	卷积神经网络	准确率, 灵敏度, 特异性	NA
172	2026-01-04	Classification prediction of drug target binding affinity based on the MolrProtTrans model 2026-Mar, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2025.116029 PMID:41352674	研究论文	本研究提出了一种基于MolrProtTrans模型的药物靶点结合亲和力分类预测方法，通过整合分子和蛋白质信息，提高了预测准确性	结合Molr和ProtTrans网络进行特征提取，并引入转置注意力机制与三重损失自监督学习方法，以改进传统模型在蛋白质特征忽略和GPCR数据集标签反转任务上的性能	未明确说明模型在其他类型数据集上的泛化能力或计算效率的具体限制	预测药物与靶点之间的结合亲和力，以推进虚拟药物筛选和药物发现	小分子药物和蛋白质靶点，特别是G蛋白偶联受体（GPCR）数据集和人类靶点数据集	机器学习	NA	深度学习	Transformer	分子和蛋白质特征数据	NA	NA	MolrProtTrans, TransformerCPI	AUC	NA
173	2026-01-01	Denoising Low-Power CEST Imaging Using a Deep Learning Approach With a Dual-Power Feature Preparation Strategy 2026-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70124 PMID:41082398	研究论文	本研究提出了一种基于深度学习的双功率特征准备策略，用于去噪低功率化学交换饱和转移成像的Z谱	利用高饱和功率的高对比度噪声比和低饱和功率的增强峰分辨率，通过双功率特征准备策略结合自编码器进行去噪	方法在模拟和BSA体模数据上验证，但实际生物组织中的复杂环境可能影响性能	开发一种深度学习方法来去噪低功率CEST Z谱，以提高图像质量和CEST效应的量化	模拟CEST数据、BSA体模、大鼠大脑和腿部肌肉的测量数据	医学影像处理	NA	化学交换饱和转移成像	自编码器	Z谱图像	模拟数据、BSA体模数据、大鼠大脑和腿部肌肉数据	NA	自编码器	峰值信噪比	NA
174	2026-01-01	Multi-Frame Image Registration for Automated Ventricular Function Assessment in Single Breath-Hold Cine MRI Using Limited Labels 2026-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70137 PMID:41108653	研究论文	本研究开发了一种基于深度学习的自动化框架，用于从高度加速的磁共振图像中评估心脏心室功能	提出了一种将图像配准、运动补偿重建和分割集成在协同循环中的多任务深度学习框架，可在有限标注下实现稳健的心室功能分析	评估仅在内部数据集上进行，未在公开数据集或更大规模队列中验证	开发操作者独立的自动化心脏心室功能评估框架	健康受试者和心血管疾病患者的心脏磁共振图像	医学图像分析	心血管疾病	单次屏气电影磁共振成像	深度学习	磁共振图像	内部数据集（健康与心血管疾病受试者）	NA	NA	Dice相似系数, 射血分数相关性, 径向和圆周应变	NA
175	2025-12-30	Real-Time Phase-Contrast Cardiovascular MRI Using a Deep Learning Reconstruction Network With Combined Dictionary Learning and CNN 2026-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70142 PMID:41108209	研究论文	本研究开发了一种结合字典学习和CNN的深度学习重建网络DLCNet，用于实现低延迟的实时相位对比心血管MRI成像	提出了一种名为DLCNet的新型深度学习重建网络，该网络结合了字典学习和CNN，能够同时捕获空间和时间特征，用于实时相位对比心血管MRI成像	研究仅使用了15名正常受试者的数据集进行训练和测试，样本量较小，且未在患者群体中进行验证	开发低延迟的实时相位对比心血管MRI成像技术	心血管系统，特别是升主动脉的血流测量	医学影像分析	心血管疾病	相位对比心血管MRI，金角径向序列	CNN	MRI图像	15名正常受试者	NA	DLCNet（结合字典学习和CNN的深度学习重建网络）	图像重建质量，血流测量准确性，成像速度（14.6帧/秒），图像显示延迟（<60毫秒）	Gadgetron平台，扫描仪
176	2025-12-30	Solution to data imbalance and complex interactions in traffic conflict modeling: a hypergraph and generative AI approach 2026-Mar, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108338 PMID:41365277	研究论文	本研究提出了一种结合超图和生成式AI的方法，以解决交通冲突建模中的数据不平衡和复杂交互问题	采用增强的二维碰撞时间（2D-TTC）指标结合车辆交互关系来预测多种模式的交通冲突，并利用带自注意力层的生成对抗网络（GAN）改进过采样方法，显著提升了模型性能	未明确说明模型在极端或未见过交通场景中的泛化能力，以及计算资源需求可能较高	解决交通冲突建模中数据不平衡和复杂动态交互的挑战，提升模型预测准确性和实用性	交通冲突事件，包括冲突和非冲突样本，涉及车辆速度、车辆数量、交通流特征等	机器学习	NA	二维碰撞时间（2D-TTC）指标，生成对抗网络（GAN），自注意力机制	生成对抗网络（GAN），超图注意力网络（HGAT），机器学习模型（未指定具体类型）	交通数据（包括车辆速度、距离、时间等指标）	NA	NA	超图注意力网络（HGAT），生成对抗网络（GAN）	F1分数，准确率	NA
177	2025-12-30	Rapid flow-artifact-free high-resolution T2 mapping via multi-shot multiple overlapping-echo detachment imaging 2026-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70119 PMID:41063418	研究论文	本文提出并验证了一种具有亚毫米空间分辨率和高临床实用性的T2映射方法，通过多激发多重叠回波分离成像技术实现快速无流动伪影的高分辨率T2映射	将多激发采集方案集成到多重叠回波分离成像中，以减轻单激发MOLED的缺陷，并利用深度学习校正不连续相位跳跃，无需自校准核、导航器、门控设备或耗时后处理	未明确提及方法在更广泛临床场景或不同疾病类型中的验证情况	开发一种具有亚毫米空间分辨率、约1分钟采集时间、大体积覆盖且无需额外控制台或线圈负担的T2映射方法，并校正由脉动脑脊液引起的激发间相位变化	模型（在3T和7T下）和人类（在3T下）	医学影像	NA	多激发多重叠回波分离成像，深度学习	深度学习	磁共振图像	模型和人类数据（具体数量未明确）	NA	NA	平均绝对误差，线性回归斜率，R²值	NA
178	2025-12-30	Balancing Bias and Variance in Deep Learning-Based Tumor Microstructural Parameter Mapping 2026-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70154 PMID:41126537	研究论文	本研究提出了一种名为B2V-Net的监督学习方法，通过可调节偏置-方差权重的损失函数，在肿瘤微结构参数映射中平衡偏置与方差，改进了现有非线性最小二乘拟合和均方误差损失网络的性能	在贝叶斯框架下重新表述了NLLS和MSE-Net，揭示了其偏置-方差行为，并提出了B2V-Net，这是一种使用可调节偏置-方差权重损失函数的监督学习方法，能够控制偏置-方差权衡	研究主要基于随机游走障碍模型作为代表性生物物理模型，可能未涵盖所有肿瘤微结构模型；在体评估仅限于头颈癌患者，需要进一步验证于其他癌症类型	研究深度学习在肿瘤微结构参数映射中的偏置-方差特性，并提出一种方法来控制拟合偏置和方差	肿瘤微结构参数映射，特别是通过时间依赖性扩散MRI进行量化	医学影像分析	头颈癌	时间依赖性扩散MRI	深度学习	MRI图像	NA	NA	B2V-Net	偏置, 方差, 标准偏差	NA
179	2025-12-27	Deep learning model for identifying significant tricuspid regurgitation using standard 12-lead electrocardiogram 2026-Mar, International journal of cardiology. Cardiovascular risk and prevention DOI:10.1016/j.ijcrp.2025.200557 PMID:41437957	研究论文	本研究开发了一种基于深度学习模型，利用标准12导联心电图信号和临床特征来识别显著三尖瓣反流	首次结合一维卷积神经网络、高效通道注意力块和多头注意力模块，从广泛可用的12导联心电图中检测显著三尖瓣反流，避免了传统经胸超声心动图的额外成本和操作依赖性	深度学习模型的临床实用性仍需进一步验证和探索，且研究依赖于特定时间段内的患者数据	开发深度学习模型以利用12导联心电图信号和临床特征检测显著三尖瓣反流	2017年至2019年间接受12导联心电图和经胸超声心动图检查的5432名患者，其中570名患者被识别为显著三尖瓣反流	机器学习	心血管疾病	12导联心电图，经胸超声心动图	CNN	心电图信号，临床特征	5432名患者（训练集3910名，测试集435名，内部和外部验证队列）	NA	一维卷积神经网络，高效通道注意力块，多头注意力模块	准确率，灵敏度，特异性，曲线下面积	NA
180	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