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
2381	2026-01-15	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.31.596861 PMID:38895230	研究论文	本文介绍了TACIT，一种用于细胞注释的无监督算法，无需训练数据，利用预定义签名和空间多组学数据识别细胞类型和状态	开发了TACIT算法，通过无偏阈值化和预定义签名，在无需训练数据的情况下实现细胞注释，提高了准确性和可扩展性，并整合了新型Shiny应用以揭示新表型	未明确说明算法在更广泛组织类型或疾病模型中的泛化能力，且依赖预定义签名可能限制对新细胞类型的发现	解决空间生物学中细胞类型和状态识别的挑战，开发无监督算法以提高注释准确性和可扩展性	来自大脑、肠道和腺体三个生态位的细胞，涉及5个数据集共5,000,000个细胞和51种细胞类型	空间生物学	炎症性腺体疾病	空间转录组学、空间蛋白质组学、多组学检测	无监督算法	空间多组学数据	5个数据集，总计5,000,000个细胞，涵盖51种细胞类型	NA	TACIT	准确性、可扩展性	NA
2382	2026-01-15	In Vivo Intelligent Fluorescence Endo-Microscopy by Varifocal Meta-Device and Deep Learning 2024-05, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307837 PMID:38488694	研究论文	本文开发了一种基于变焦超透镜和深度学习的智能荧光内窥显微镜，用于小鼠大脑的活体三维成像	结合变焦超透镜和深度学习技术，实现了无轴向移动的快速、高分辨率活体三维成像，显著提高了成像速度和系统简化度	NA	开发一种智能荧光内窥显微镜，用于实时三维可视化内部组织和亚细胞结构	小鼠大脑的详细血管和周围血管周围空间	计算机视觉	NA	荧光内窥显微镜，变焦超透镜	深度学习网络	图像	NA	NA	NA	横向分辨率3 µm，成像时间0.1秒（约快50倍）	NA
2383	2026-01-15	Deep Learning-Driven Exploration of Pyrroloquinoline Quinone Neuroprotective Activity in Alzheimer's Disease 2024-05, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202308970 PMID:38454653	研究论文	本研究利用深度学习和药理学方法探索吡咯喹啉醌在阿尔茨海默病中的神经保护潜力	结合深度学习预测血脑屏障通透性并评估化合物特性，验证了吡咯喹啉醌通过调节SIRT1和CREB通路发挥神经保护作用的新机制	研究主要基于小鼠模型，尚未在人体中进行验证，且深度学习模型的泛化能力需进一步测试	探索吡咯喹啉醌作为阿尔茨海默病神经保护剂的潜力，并整合深度学习与药理学研究	吡咯喹啉醌化合物及Aβ₁₋₄₂诱导的阿尔茨海默病小鼠模型	机器学习	阿尔茨海默病	深度学习，药理学实验，体内测试	深度学习模型	分子数据集，实验数据	Aβ₁₋₄₂诱导的阿尔茨海默病小鼠模型	NA	NA	血脑屏障通透性预测，毒性评估，认知缺陷减少效果	NA
2384	2026-01-15	Development and External Validation of an Artificial Intelligence Model for Identifying Radiology Reports Containing Recommendations for Additional Imaging 2023-09, AJR. American journal of roentgenology DOI:10.2214/AJR.23.29120 PMID:37073901	研究论文	本研究开发并外部验证了一种基于BERT的人工智能模型，用于识别放射学报告中包含额外成像建议的内容	利用预训练的BERT深度学习模型理解语言上下文和歧义，首次在放射学报告额外成像建议识别任务中应用，并展示了优于传统机器学习模型的性能	研究为回顾性设计，模型性能可能受到报告文本风格和术语变化的影响，且未在更广泛的多中心数据集上进行验证	开发并验证一种人工智能模型，以自动识别放射学报告中包含的额外成像建议，支持大规模质量改进工作	放射学报告	自然语言处理	NA	深度学习，自然语言处理	BERT	文本	总计7560份放射学报告，来自7419名独特患者（4133名女性，3286名男性；平均年龄58.8岁），其中训练集5040份，测试集1260份，外部验证集1260份	NA	BERT	精确度，召回率，F1分数，准确度	NA
2385	2026-01-14	Adversarial unpaired disentanglement network (AUDNet): Precise analysis of severely overlapping CS2/SO2 signals in UV-DOAS 2026-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127268 PMID:41351963	研究论文	本文提出了一种结合紫外差分光学吸收光谱与生成对抗网络的CS₂/SO₂混合气体检测系统，用于精确分析严重重叠的光谱信号	采用基于Wasserstein GAN的对抗性非配对解缠网络，无需混合光谱与单一纯组分光谱的严格配对即可进行训练	未明确提及系统在更广泛浓度范围或不同环境条件下的泛化能力	解决CS₂和SO₂在紫外波段光谱严重重叠导致的传统方法精度限制问题	CS₂和SO₂混合气体	机器学习和光谱分析	NA	紫外差分光学吸收光谱	GAN, WGAN-GP	光谱数据	CS₂测试范围3.81-179.2 ppb，SO₂测试范围44.43-942.73 ppb	NA	对抗性非配对解缠网络	平均绝对百分比误差	NA
2386	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
2387	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
2388	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
2389	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
2390	2026-01-14	Specific Emitter Identification by Edge Pattern Detection and Incremental Open-World Learning 2026-Feb, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3615797 PMID:41021937	研究论文	本文提出了一种用于特定发射器识别的增量开放世界学习框架，通过边缘模式检测和伪未知数据集生成来提升开放集识别能力	提出结合边缘模式检测与对抗样本生成的伪未知数据集构建方法，并设计了混合类增量学习机制以保持历史识别能力	未明确说明实际部署场景中的计算效率与实时性表现	解决开放世界场景下无线设备特定发射器的增量识别问题	无线设备发射的时域信号	机器学习	NA	边缘模式检测，对抗样本生成	深度学习模型	时域信号	真实采集数据集（未明确具体数量）	NA	NA	NA	NA
2391	2026-01-14	TransFace++: Rethinking the Face Recognition Paradigm With a Focus on Accuracy, Efficiency, and Security 2026-Feb, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3616149 PMID:41026835	研究论文	本文提出TransFace和TransFace++两种新颖的人脸识别框架，分别探索了ViTs和图像字节在人脸识别任务中的可行性，以解决现有CNN框架在全局特征捕捉、推理效率和隐私保护方面的不足	首次将ViTs和图像字节应用于人脸识别任务，提出了针对ViTs的DPAP数据增强和EHSM难样本挖掘策略，以及针对图像字节的TIBC压缩和SICA交叉注意力模块	未明确说明模型在极端光照、遮挡或跨域场景下的性能表现，也未讨论模型在移动设备上的部署可行性	提升人脸识别系统的准确性、效率和安全性	人脸图像数据	计算机视觉	NA	深度学习	Transformer, CNN	图像	未明确说明具体样本数量，但提到在流行的人脸基准数据集上进行实验	NA	Vision Transformer (ViT)	NA	NA
2392	2026-01-14	ID-Guard: A Universal Framework for Combating Facial Manipulation via Breaking Identification 2026-Feb, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3616232 PMID:41032538	研究论文	提出一个名为ID-Guard的通用框架，通过破坏身份识别特征来对抗基于深度学习的面部操纵	引入身份破坏模块（IDM）来抑制被操纵面部中的可识别特征，并采用动态加权策略优化跨模型性能	未明确说明框架在极端光照或遮挡条件下的鲁棒性，也未讨论对非面部图像或视频的适用性	开发一种主动防御方法，防止深度学习面部操纵技术的滥用	面部图像及其在深度学习模型中的操纵过程	计算机视觉	NA	对抗性扰动生成	编码器-解码器网络	图像	NA	NA	编码器-解码器网络	NA	NA
2393	2026-01-14	Performance Assessment of a Deep Learning-based Algorithm for Ovarian Cancer Histotyping in an Independent Data Set 2026-Feb-01, The American journal of surgical pathology DOI:10.1097/PAS.0000000000002481 PMID:41251420	研究论文	本研究评估了基于对抗性傅里叶域适应（AIDA）的深度学习算法在独立数据集上对卵巢癌组织亚型分类的性能	开发并验证了AIDA模型以应对跨机构病理切片变异性带来的领域偏移问题，通过多数投票和额外切片重训练策略提升了分类准确性	模型对子宫内膜样癌（EC）的分类准确性较低（62.4%），常见误分类包括黏液性癌误判为EC以及EC误判为高级别浆液性癌或低级别浆液性癌	评估深度学习算法在独立队列中分类五种主要卵巢癌亚型的性能，以提升临床诊断准确性	经手术治疗的卵巢癌患者，包括透明细胞癌、子宫内膜样癌、高级别浆液性癌、低级别浆液性癌和黏液性癌亚型	数字病理学	卵巢癌	深度学习，对抗性傅里叶域适应	深度学习模型	病理切片图像	来自阿姆斯特丹大学医学中心（1985-2022年）的独立患者队列，具体样本数量未在摘要中明确说明	未明确说明，但涉及深度学习框架	AIDA（对抗性傅里叶域适应模型）	平衡准确率	未在摘要中明确说明
2394	2026-01-14	Deep Neural Network Parameter Selection via Dataset Similarity Under Meta-Learning Framework 2026-Feb, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3618991 PMID:41056167	研究论文	本文提出了一种基于元学习的框架，通过数据集相似性联合推荐超参数和初始权重，以优化深度神经网络的性能	引入了一种新颖的元学习框架，首次联合考虑超参数和权重初始化，并利用浅层和深层元特征捕捉数据集多样性，通过数据集相似性进行参数推荐	未明确说明框架在非图像数据集上的泛化能力，且依赖于历史数据集的覆盖范围	优化深度神经网络在图像分类任务中的性能，通过数据集驱动的参数推荐减少调优负担	105个真实世界图像分类数据集，包括75个历史数据集和30个查询数据集	机器学习	NA	元学习，图像特征提取	Vision Transformer, CNN	图像	105个图像数据集	NA	Vision Transformer, 卷积神经网络	NA	NA
2395	2026-01-14	Synergistic integration of multidimensional differential spectroscopy and deep learning for robust phenol monitoring in complex industrial effluents 2026-Feb-01, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344989 PMID:41526095	研究论文	本研究提出了一种结合化学选择性、多维光学传感和定制并行关联神经网络（PSNN）的新策略，用于复杂工业废水中苯酚的稳健监测	通过苯酚特异性溴化消除其光谱特征，构建双通道可变光程系统生成三维差分光谱矩阵，并开发了新型并行关联神经网络（PSNN），显著提升了监测精度和鲁棒性	实验室条件与现场测试存在性能差异，现场测试的MAE（172.9 μg/L）高于实验室条件（72.09 μg/L），且方法在复杂环境中的普适性需进一步验证	开发一种高选择性、高灵敏度的智能系统，用于复杂工业废水中苯酚的准确、实时在线监测	工业废水中的苯酚污染物，特别是来自焦化和炼油等过程的废水	机器学习	NA	紫外-可见光谱法，高效液相色谱法（HPLC）作为基准	CNN, PSNN	光谱数据（三维差分光谱矩阵）	NA	NA	并行关联神经网络（PSNN）	平均绝对误差（MAE）	NA
2396	2026-01-14	A deep learning model for inferring the reverse intersystem crossing rate of TADF organic light-emitting diodes, overcoming the uncertainty of recombination dynamics 2026-Jan-13, Materials horizons IF:12.2Q1 DOI:10.1039/d5mh01156f PMID:40990544	研究论文	本研究开发了一种串联深度神经网络模型，用于从TADF OLED的瞬态电致发光行为中预测反向系间窜越速率，以克服极化子重组动力学的不确定性	通过串联深度神经网络模型，结合重组和激子动力学的逐步分析，实现了对RISC速率的高精度预测，克服了传统方法中极化子重组动力学的不确定性	NA	预测TADF OLED中的反向系间窜越速率，以优化器件性能	热激活延迟荧光有机发光二极管	机器学习	NA	瞬态电致发光分析	深度神经网络	电致发光行为数据	NA	NA	串联深度神经网络	决定系数	NA
2397	2026-01-14	Computational design of protein complexes: influence of binding affinity 2026-Jan-13, Chemical communications (Cambridge, England) DOI:10.1039/d5cc04821d PMID:41311232	综述	本文综述了蛋白质复合物结合亲和力的计算预测与设计策略	整合了AI驱动的结构预测与机器学习方法，用于跨蛋白质-蛋白质、蛋白质-DNA/RNA及蛋白质-碳水化合物复合物的亲和力预测与理性设计	NA	探讨蛋白质复合物结合亲和力的计算预测与设计方法	蛋白质复合物（包括蛋白质-蛋白质、蛋白质-DNA/RNA、蛋白质-碳水化合物复合物）	机器学习	NA	AI驱动的结构预测、机器学习、深度学习	NA	结构数据、序列数据	NA	NA	NA	NA	NA
2398	2026-01-14	Machine learning pipelines for the design of solid-state electrolytes 2026-Jan-13, Materials horizons IF:12.2Q1 DOI:10.1039/d5mh01525a PMID:41358912	综述	本文首次提出了一个系统框架，将固态电解质（SSE）发现中的五个相互关联的挑战与新兴的人工智能解决方案对应起来，为从业者提供了战略路线图	首次系统地将SSE发现中的挑战与AI解决方案对应，并特别关注多价导体（Mg、Ca、Zn、Al）的数据缺口，通过迁移学习和主动学习框架提供具体策略	NA	为下一代AI加速的固态电池材料发现建立全面的路线图	固态电解质（SSE）	机器学习	NA	NA	经典模型, 深度学习架构, 生成模型, Transformer, 图神经网络	NA	NA	NA	Transformer, 图神经网络	NA	NA
2399	2026-01-14	Peptide-based drug design using generative AI 2026-Jan-13, Chemical communications (Cambridge, England) DOI:10.1039/d5cc04998a PMID:41376388	综述	本文综述了利用生成式人工智能进行肽类药物设计的最新进展，重点关注生成架构、相互作用建模、AI驱动的筛选与递送优化	整合了生成式AI（如图神经网络、Transformer、扩散模型）与肽化学创新（如环化、订书、非经典氨基酸）来加速药物发现，并将发现周期从数年缩短至数月	预测生成肽序列的溶解度、免疫原性和毒性仍具挑战性，且数据质量和自主药物发现存在实际困难	加速肽类药物的设计与发现过程	肽类治疗剂	机器学习	代谢性疾病, 肿瘤学	NA	图神经网络, Transformer, 扩散模型	序列数据	NA	NA	NA	NA	NA
2400	2026-01-14	Interpretable deep learning for enhanced multi-class classification of gastrointestinal endoscopic images 2026-Jan-13, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae2b72 PMID:41380180	研究论文	本研究提出了一种基于EfficientNetB3的增强方法，用于提高胃肠道内窥镜图像的多类分类准确性，并利用LIME提升模型可解释性	在无需数据增强的情况下，通过EfficientNetB3架构实现了高分类准确率，并集成了LIME显著性图以增强模型的可解释性	研究仅基于Kvasir数据集的8,000张图像，可能未涵盖所有临床场景或疾病变体	提高胃肠道内窥镜图像的多类分类准确性，并增强深度学习模型在医学影像应用中的可解释性和可用性	胃肠道内窥镜图像	计算机视觉	胃肠道疾病	内窥镜成像	CNN	图像	8,000张标记的内窥镜图像，分为八个类别	未明确指定，但提及了Gradio用于界面开发	EfficientNetB3	准确率, 精确率, 召回率	NA