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
441	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
442	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
443	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
444	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
445	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
446	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
447	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
448	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
449	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
450	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
451	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
452	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
453	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
454	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
455	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
456	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
457	2025-12-14	Single-nucleus transcriptome atlas of orbitofrontal cortex in ALS with a deep learning-based decoding of alternative polyadenylation mechanisms 2025-Dec-10, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.101007 PMID:40967225	研究论文	本研究通过单核转录组测序构建了肌萎缩侧索硬化症（ALS）患者眶额叶皮层的转录组图谱，并利用深度学习模型APA-Net解码了替代性多聚腺苷酸化（APA）机制	首次在ALS/FTLD背景下构建了眶额叶皮层的单核转录组图谱，并开发了多模态深度学习模型APA-Net来预测细胞类型特异性的APA模式	研究样本量相对有限，且主要聚焦于C9orf72相关ALS和散发性ALS，未涵盖所有ALS亚型	揭示ALS和FTLD的细胞类型特异性分子病理机制，特别是替代性多聚腺苷酸化（APA）的调控作用	C9orf72相关ALS（伴或不伴FTLD）和散发性ALS患者的眶额叶皮层组织	数字病理学	肌萎缩侧索硬化症	单核RNA测序	深度学习模型	转录组序列数据, RNA结合蛋白表达谱	未明确指定样本数量，但涉及C9orf72相关ALS和散发性ALS患者的前额叶皮层组织	未明确指定	APA-Net（替代性多聚腺苷酸化网络）	NA	NA
458	2025-12-14	The Application of Deep Learning Human Pose Estimation in Sport: A Systematic Review 2025-Dec-10, Sports medicine - open DOI:10.1186/s40798-025-00953-3 PMID:41369858	综述	本文首次从体育科学视角，系统回顾了基于深度学习的人体姿态估计在体育领域的应用现状、数据集特点、算法方法及面临的挑战	首次从体育科学视角对基于深度学习的人体姿态估计进行系统性评估，并提出了针对未来研究和应用的实际指导建议	大多数研究依赖私有数据集进行算法训练和验证，限制了研究的可重复性和泛化能力；缺乏开放数据集和标准化实践	系统评估基于深度学习的人体姿态估计在体育领域的应用，分析其数据集可用性、方法可重复性及人为因素的影响	体育运动中的人体姿态估计相关研究	计算机视觉	NA	深度学习	深度学习模型	2D和3D视觉数据	371篇相关文章	NA	NA	NA	NA
459	2025-12-14	Transformer-based deep learning enhances discovery in migraine GWAS 2025-Dec-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-65991-7 PMID:41372126	研究论文	本研究开发了一种基于Transformer的深度学习模型InsightGWAS，通过整合功能注释并利用来自重度抑郁症GWAS数据的迁移学习，增强了偏头痛的遗传发现	首次将Transformer模型应用于GWAS数据，结合功能注释和跨疾病迁移学习，显著提高了偏头痛相关基因座的发现能力	模型依赖于现有GWAS数据集和功能注释的完整性，可能受限于数据质量和样本代表性	增强偏头痛的遗传发现，揭示新的遗传位点和相关生物学通路	偏头痛患者与对照组的GWAS数据	机器学习	偏头痛	GWAS, 迁移学习	Transformer	基因组关联数据	53,109例病例和230,876例对照	NA	Transformer	验证位点准确性	NA
460	2025-12-14	A hybrid CNN-transformer framework optimized by Grey Wolf Algorithm for accurate sign language recognition 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27390-2 PMID:41372241	研究论文	本文提出了一种结合CNN、Transformer和灰狼优化算法的深度学习框架，用于准确高效地识别动态手语手势，特别是在美国手语中	提出了一种新颖的混合CNN-Transformer框架，并利用灰狼优化算法进行超参数调优，以提高模型性能和收敛速度	NA	开发一个高精度、高效率的手语识别系统，以辅助沟通技术	美国手语中的动态手势识别	计算机视觉	NA	深度学习	CNN, Transformer	图像	两个基准数据集：ASL Alphabet和ASL MNIST	NA	CNN-Transformer混合架构	准确率, F1分数, Matthews相关系数, AUC	NA