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	2025-12-14	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
2	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
3	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
4	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
5	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
6	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
7	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
8	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
9	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
10	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
11	2025-12-14	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，并结合XGBoost机器学习模型，显著提高了诊断准确性	未明确提及样本来源、具体样本量或外部验证集，可能影响结果的泛化性	开发一种非侵入性方法，用于检测和区分卵巢、肠道和腹膜子宫内膜异位症	子宫内膜异位组织（卵巢、肠道、腹膜）	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
12	2025-12-14	Short-Term driving speed prediction under consecutive Variable speed Limits: An interpretable deep learning approach using Wide-Area trajectory data 2026-Feb, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108316 PMID:41252811	研究论文	本研究提出了一种可解释的深度学习框架，用于预测连续可变限速控制下的短期驾驶速度，并分析了驾驶员行为	首次利用广域轨迹数据，结合多视图时空注意力机制增强的CNN-BiLSTM模型，对连续VSL下的短期速度进行预测，并提供了可解释的时空注意力模式	研究仅基于山西五盂高速公路一段2.2公里路段的数据，可能无法完全推广到其他道路或交通条件	预测连续可变限速控制下的短期驾驶速度，并评估时空特征对驾驶员响应的影响	在连续可变限速标志控制下的驾驶员行为	机器学习	NA	广域轨迹数据采集	CNN, BiLSTM	轨迹数据	山西五盂高速公路一段2.2公里路段，包含两个连续VSL标志的广域轨迹数据	NA	CNN-BiLSTM with Multi-View Spatio-Temporal Attention Mechanism	MAE, RMSE	NA
13	2025-12-14	A systematic review on deep learning based brain tumor segmentation and detection using MRI: Past insights, present techniques and future trends 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108696 PMID:41046785	综述	本文系统回顾了基于深度学习的MRI脑肿瘤分割与检测技术，总结了历史见解、当前技术与未来趋势	对脑肿瘤分割与检测的深度学习方法进行了全面综述，包括时间序列分析、性能对比以及研究缺口识别	作为综述文章，未提出新的算法模型，主要依赖现有文献的分析与总结	概述脑肿瘤分割与检测技术，分析深度学习模型在处理MRI数据中的应用	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	磁共振成像（MRI）	深度学习模型	医学图像（MRI）	NA	NA	NA	NA	NA
14	2025-12-14	NMR-based deep learning classification of raw cow's milk samples in different stages of mastitis 2026-Jan-30, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.70200 PMID:40959907	研究论文	本研究利用核磁共振（NMR）数据和深度强化学习（DRL）协议，开发了一个用于对生牛奶样本在不同乳腺炎阶段进行分类的可靠预测模型	首次将未经预处理的生牛奶NMR数据作为指纹图谱，结合先进的张量分解方法和深度强化学习（DRL）协议，用于乳腺炎阶段的分类	未明确说明样本的具体数量，且模型在仅使用一半训练集时达到82%的准确率，可能表明数据量有限或模型泛化能力有待进一步验证	评估核磁共振（NMR）数据作为指纹图谱，结合深度强化学习（DRL）开发可靠的预测模型，以对生牛奶样本在不同乳腺炎阶段进行分类	健康奶牛（两组）以及患有亚临床（四组）和临床（一组）乳腺炎的奶牛的生牛奶样本	机器学习	乳腺炎	核磁共振（NMR），包括1H-NMR和扩散排序光谱（DOSY）NMR	深度神经网络（DNN），深度强化学习（DRL）	光谱数据（2D DOSY NMR谱）	NA	NA	NA	准确率	NA
15	2025-12-14	Artificial intelligence-based pollen classification machine in apiculture: design, implementation and evaluation 2026-Jan-30, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.70238 PMID:41051118	研究论文	本文开发了一种基于人工智能的花粉分类系统，用于养蜂业中花粉的自动化分类和质量控制	利用深度学习模型（特别是DenseNet201和YOLOv8）基于颜色特性对花粉样本进行分类，实现了高精度（98.5%）和实时处理能力	实验室规模验证，可能未涵盖所有实际环境中的花粉类型和变异	开发一种标准化、可追溯的花粉产品分类系统，以支持养蜂业的可持续和卫生花粉采集	花粉样本，特别是单花种花粉类型	计算机视觉	NA	深度学习驱动的图像分类	CNN	图像	未明确指定样本数量，但涉及实验室规模验证	未明确指定，但可能基于TensorFlow或PyTorch	MobileNet, InceptionV3, Xception, NasNet Large, DenseNet201, YOLOv8	准确率	未明确指定
16	2025-12-14	Pediatric brain tumor classification using digital pathology and deep learning: Evaluation of SOTA methods on a multi-center Swedish cohort 2026-Jan, Brain pathology (Zurich, Switzerland) DOI:10.1111/bpa.70029 PMID:40589103	研究论文	本研究采用弱监督多实例学习方法和预训练特征提取器，对瑞典多中心队列的儿童脑肿瘤全切片图像进行分类	首次在瑞典多中心儿童脑肿瘤队列中评估了基于预训练组织学基础模型和弱监督多实例学习的分类方法，并比较了不同特征提取器和聚合策略的性能	研究依赖于多中心数据，但性能在跨中心测试时有所下降，且样本量相对有限	开发并评估基于数字病理和深度学习的儿童脑肿瘤分类方法	儿童脑肿瘤的H&E全切片图像	数字病理	脑肿瘤	数字病理，全切片图像分析	弱监督多实例学习	图像	540名受试者（年龄8.5±4.9岁）的WSI，来自瑞典六所大学医院	NA	ResNet50, UNI, CONCH, ABMIL, CLAM	马修斯相关系数	NA
17	2025-12-14	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的混合注意力机制，能有效提取蛋白质序列的长程依赖和相互作用特征	依赖于蛋白质序列的预训练语言模型嵌入，可能受限于序列数据的质量和覆盖范围	提高蛋白质-蛋白质相互作用网络预测的准确性和泛化能力	蛋白质序列及其相互作用网络	自然语言处理	NA	深度学习，大型语言模型	混合注意力机制	蛋白质序列	使用种内和多物种数据集进行5折交叉验证，并包括四个独立物种和真实PPI网络数据集	NA	ProtT5, 自注意力, 交叉注意力	准确率	NA
18	2025-12-14	Fast operating room scattered radiation calculation in x-ray guided interventions by using deep learning 2025-Dec-12, Journal of radiological protection : official journal of the Society for Radiological Protection IF:1.4Q3 DOI:10.1088/1361-6498/ae268e PMID:41330002	研究论文	本研究提出了一种结合蒙特卡洛模拟与深度学习的方法，用于实时估计X射线引导手术中手术室内的三维散射辐射	首次将蒙特卡洛模拟与深度学习相结合，实现手术室内三维散射辐射的实时快速计算，并能适应不同的临床场景	未提及具体临床验证规模及长期稳定性数据	提高X射线引导手术中医护人员免受散射电离辐射危害的安全性	手术室内的散射辐射分布	医学影像分析	NA	蒙特卡洛模拟，X射线成像	深度学习神经网络	模拟辐射图，患者形态数据，成像参数	未明确说明	未明确说明	未明确说明	平均绝对百分比误差，器官剂量误差	NVIDIA RTX 2080 GPU
19	2025-12-14	Lightweight deep learning models for EEG decoding: a review 2025-Dec-12, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae2717 PMID:41330041	综述	本文系统综述了用于脑电图信号分类的轻量级深度学习模型，总结了现有方法、新兴趋势及未来研究方向	首次系统性地将轻量级深度学习模型在EEG解码中的应用进行分类，提出了基于多尺度特征融合、隐藏层优化和结构优化的混合改进策略三大策略	作为综述文章，未提出新的实验模型或进行性能比较，主要依赖现有文献总结	旨在为满足实际脑机接口应用需求，设计高效、鲁棒的EEG分类架构提供参考	脑电图信号及其在脑机接口中的解码应用	机器学习	NA	脑电图	深度神经网络	脑电图信号	NA	NA	NA	NA	NA
20	2025-12-14	Comprehensive review of machine learning and deep learning techniques for epileptic seizure detection and prediction based on neuroimaging modalities 2025-Dec-11, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-025-00208-8 PMID:41372680	综述	本文全面回顾了基于神经影像模态的癫痫发作检测和预测的机器学习和深度学习技术	系统性地分类了从传统信号处理到先进机器学习及深度学习算法的技术演变，并分析了关键研究趋势与挑战	NA	为癫痫发作检测和预测提供技术综述，以改进临床治疗和患者护理	脑电信号，包括头皮脑电图（EEG）和颅内脑电图	机器学习	癫痫	脑电图（EEG），神经影像模态	支持向量机，随机森林，卷积神经网络，循环神经网络，Transformer，图神经网络，混合架构	信号	NA	NA	NA	NA	NA