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
721	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
722	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
723	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
724	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
725	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
726	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
727	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
728	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
729	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
730	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
731	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
732	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
733	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
734	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
735	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
736	2025-12-14	Deep learning-based artificial intelligence models predict survival in patients with oral cavity squamous cell carcinoma 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27428-5 PMID:41372262	研究论文	本研究应用深度学习人工智能模型整合多种临床因素，预测口腔鳞状细胞癌患者的生存期	开发了用于多组分类的深度神经网络，整合了传统TNM分期中未充分代表的个体化临床因素，如生活方式和ASA分类，并通过最小二乘和多任务学习处理类别不平衡问题	研究为回顾性分析，可能存在选择偏倚；样本量相对有限（1,018例），且未在外部验证集中测试模型泛化能力	提高口腔鳞状细胞癌患者生存预测的准确性，实现个体化预后评估和治疗规划	1996年至2020年间手术治疗的1,018名口腔鳞状细胞癌患者	机器学习	口腔癌	深度学习	深度神经网络	临床变量（包括人口统计学、生活方式、病理特征等）	1,018名患者	NA	深度神经网络	AUC, 敏感性, 特异性, 一致性指数	NA
737	2025-12-14	Gradient-based optimization of complex nanoparticle heterostructures enabled by deep learning on heterogeneous graphs 2025-Dec-08, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00917-3 PMID:41361025	研究论文	本文利用深度学习优化核壳结构上转换纳米粒子的非线性光学性质	采用异构图神经网络结合物理驱动的纳米结构表示，并通过梯度优化方法实现了纳米材料的高效逆设计	训练数据依赖于计算成本高昂的动力学蒙特卡洛模拟，可能限制数据集的进一步扩展	优化上转换纳米粒子的非线性光学性能以实现逆设计	核壳结构上转换纳米粒子	机器学习	NA	动力学蒙特卡洛模拟	图神经网络	光谱数据	超过6000个模拟样本	NA	异构图神经网络	预测发射强度	NA
738	2025-12-14	Cerebellar subregional atrophy in relapsing-remitting multiple sclerosis: Stage-dependent dynamics and pharmacological modulation 2025-Dec-07, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111679 PMID:41365399	研究论文	本研究探讨了复发缓解型多发性硬化症（RRMS）中不同疾病阶段小脑亚区体积变化的特异性模式，并评估了不同疾病修饰疗法（DMTs）对小脑萎缩和临床结局的影响	揭示了RRMS中小脑萎缩的阶段依赖性动态变化，并首次系统评估了不同DMT类别（特别是S1P受体调节剂与非S1P DMTs）对小脑亚区体积的异质性、阶段依赖性调节作用，识别出小脑IX和VIIIb小叶作为连接药物治疗与认知结局的关键区域	样本量相对有限（181名患者和99名健康对照），且研究为横断面设计，无法确定因果关系；DMTs分组基于药理机制，但具体药物种类和剂量可能影响结果；认知评估与体积变化的相关性较弱	研究RRMS中小脑亚区体积的阶段依赖性变化，并评估不同DMTs对小脑萎缩和临床结局的影响	复发缓解型多发性硬化症（RRMS）患者（n=181）和健康对照（n=99）	数字病理学	多发性硬化症	基于深度学习的脑影像分析工具（CerebNet）用于小脑亚区体积量化	深度学习模型	脑部MRI影像	280名参与者（181名RRMS患者和99名健康对照）	NA	CerebNet	统计显著性（p值），体积变化的相关性分析	NA
739	2025-12-14	An investigation of race bias in deep learning-based segmentation of prostate MRI images 2025-Dec-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26189-5 PMID:41353223	研究论文	本研究探讨了基于深度学习的MRI前列腺分割模型中存在的种族偏见问题	首次系统性地研究了MRI前列腺分割深度学习模型中的种族偏见，揭示了训练数据种族不平衡对模型性能的影响	研究仅关注白人和黑人种族群体，未涵盖其他种族；样本量相对有限；仅使用T2加权MRI数据	调查深度学习在前列腺MRI分割中是否存在种族偏见	前列腺MRI图像	数字病理学	前列腺癌	磁共振成像	深度学习模型	医学图像	五个临床T2加权MRI数据集（种族比例不同）加一个公共数据集，测试集包含32名白人和黑人匹配受试者	NA	NA	Dice相似系数	NA
740	2025-12-14	3D FusionNet for synthetic CT based lung cancer segmentation 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29703-x PMID:41339453	研究论文	本研究提出了一种结合生成对抗网络与三维分割网络的混合框架，用于肺癌CT图像分割	首次将DCGAN与3D-TDUnet++架构结合，并集成非局部特征聚合模块，通过生成合成CT数据解决标注数据不足问题	未明确说明模型在外部验证集上的泛化性能，且合成数据的质量对最终效果的影响未深入分析	开发一种能够在标注数据有限情况下实现高精度肺癌分割的深度学习系统	肺癌CT扫描图像	计算机视觉	肺癌	CT扫描	GAN, CNN	三维医学图像	使用公开的Kaggle胸部CT扫描数据集，并通过DCGAN生成合成图像进行数据增强	未明确说明	DCGAN, 3D-TDUnet++, 非局部特征聚合模块	Dice系数, F1分数, 准确率, 敏感性, 特异性	未明确说明