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
6481	2026-01-15	Enhanced forecasting of air quality index through an integrated deep learning framework 2025-Nov, Environmental science and pollution research international DOI:10.1007/s11356-025-37269-4 PMID:41385043	研究论文	本研究提出了一种集成LSTM、CNN和GNN的混合深度学习框架，用于提升空气质量指数（AQI）的预测精度	首次将LSTM、CNN和GNN三种网络与集成学习（堆叠和提升）相结合，用于建模空气质量数据中的复杂时空拓扑依赖关系	未明确说明模型在不同气候条件或极端污染事件下的泛化能力，也未讨论计算成本与实时预测的平衡	开发一个高精度、可泛化的空气质量预测模型，以支持公共健康、城市规划和环境政策	空气质量监测数据（包括多种污染物和气象参数）	机器学习	NA	NA	LSTM, CNN, GNN	时间序列数据, 空间数据	基于北京和洛杉矶等真实世界空气质量监测机构的数据集	NA	LSTM, CNN, GNN	R分数, MAE, RMSE	NA
6482	2026-01-15	[Prospects for development of new traditional Chinese medicine drugs based on human use experience empowered by artificial intelligence] 2025-Oct, Zhongguo Zhong yao za zhi = Zhongguo zhongyao zazhi = China journal of Chinese materia medica DOI:10.19540/j.cnki.cjcmm.20250708.601 PMID:41508193	综述	本文系统回顾了人工智能在基于人用经验的中药新药全周期研发中的关键作用，并提出了构建集成智能中药新药研发平台的展望	提出了基于人用经验与人工智能深度融合的中药新药研发新范式，构建了“数据驱动、模型支持、智能决策”的闭环系统，推动中药研发从经验推理向高维知识图谱、专家-AI协同学习和多源证据整合驱动的转变	NA	探讨人工智能如何赋能基于人用经验的中药新药研发，以提升其全球竞争力	中药新药研发的全周期过程，包括候选药物选择、证据结构化、安全性预测、临床试验设计、监管提交、上市后风险识别和二次开发	自然语言处理, 机器学习	NA	自然语言处理, 大语言模型, 统计学习, 深度学习, 多模态学习, 强化学习	NA	文本, 图像（舌象）, 电子病历, 多模态异构数据	NA	NA	NA	NA	NA
6483	2026-01-15	Deep Learning-assisted Diagnosis of Extrahepatic Common Bile Duct Obstruction Using MRCP Imaging and Clinical Parameters 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056363648241215145959 PMID:39838679	研究论文	本研究开发了一种基于深度学习的融合模型，整合MRCP影像和临床参数，以辅助放射科医生更准确地诊断肝外胆总管梗阻	提出了一种多模态深度学习融合模型，结合MRCP影像特征和临床参数，并应用加权损失函数处理不同特征的重要性差异	样本量有限，仅143名患者拥有MRCP影像，且存在临床数据缺失需通过插补处理	开发一个深度学习分类模型，以提高肝外胆总管梗阻的诊断准确性	肝外胆总管梗阻患者	计算机视觉	肝外胆总管梗阻	磁共振胰胆管成像	深度学习融合模型	图像, 临床数据	465名患者（其中143名有MRCP影像）	NA	NA	准确率, 灵敏度, 特异性, AUC	NA
6484	2026-01-15	MMETHANE: interpretable AI for predicting host status from microbial composition and metabolomics data 2024-Dec-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.13.628441 PMID:39713330	研究论文	本文介绍了一个名为MMETHANE的开源软件包，用于从微生物组组成和代谢组学数据预测宿主状态	MMETHANE结合了先验生物学知识（如系统发育和化学关系），并具有内在可解释性，能输出解释其决策的英语规则集	NA	开发一种计算工具，将微生物组组成和代谢组学数据与宿主状态联系起来	微生物组组成和代谢组学数据，以及宿主状态	机器学习	炎症性肠病	微生物测序，代谢组学	深度学习模型	微生物测序数据，代谢组学数据	六个数据集，包含配对的微生物组成和代谢组学测量	NA	NA	NA	NA
6485	2026-01-15	Olfactory Visualization Sensing Array Made with CelluMOFs to Predict Fruit Ripeness Using Deep Learning 2024-10-23, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c09402 PMID:39403818	研究论文	本研究开发了一种基于染料/CelluMOFs的柔性传感器阵列，结合DenseNet深度学习模型，用于通过气味指纹识别水果成熟度	通过原位生长γ-CD-MOFs在柔性滤纸上合成CelluMOFs，显著提高了比表面积和染料负载能力，并将深度学习模型集成到传感器阵列中实现高精度模式识别	NA	开发高灵敏度、高准确度的基于比色法的嗅觉可视化传感系统，用于检测水果成熟度	水果成熟度检测	计算机视觉	NA	比色法、气体传感	CNN	图像	NA	NA	DenseNet	分类准确率	NA
6486	2026-01-15	AI-powered microscopy image analysis for parasitology: integrating human expertise 2024-07, Trends in parasitology IF:7.0Q1 DOI:10.1016/j.pt.2024.05.005 PMID:38824067	综述	本文全面综述了面向寄生虫学显微图像分析的、集成人类专家知识的知识融合深度学习模型的最新进展	提出将寄生虫学领域大量的人类专家知识整合到深度学习模型中，以增强AI驱动决策的准确性和可解释性，并展望了其在寄生虫学领域的广泛应用前景	NA	回顾和总结知识融合深度学习模型在寄生虫学显微图像分析领域的最新进展，旨在解决传统数据驱动方法缺乏可解释性和指导资源不足的问题	寄生虫学显微图像分析	计算机视觉	寄生虫病	显微图像分析	深度学习	图像	NA	NA	NA	准确性，可解释性	NA
6487	2026-01-15	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-27, Research square DOI:10.21203/rs.3.rs-4536158/v1 PMID:38978567	研究论文	本文介绍了一种名为TACIT的无监督算法，用于大规模空间生物学中的细胞类型和状态去卷积分析	开发了无需训练数据的无监督算法TACIT，通过预定义签名和偏置阈值区分阳性细胞与背景，专注于多组学检测中模糊细胞的识别	NA	解决空间生物学中细胞类型和状态识别耗时且易出错的问题，提升准确性和可扩展性	细胞类型和细胞状态	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	空间生物学数据	5个数据集，包含5,000,000个细胞和51种细胞类型	NA	TACIT	准确性、可扩展性	NA
6488	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
6489	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
6490	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
6491	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
6492	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
6493	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
6494	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
6495	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
6496	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
6497	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
6498	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
6499	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
6500	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