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
8061	2025-12-25	Deep learning for sleep analysis on children with sleep-disordered breathing: Automatic detection of mouth breathing events 2023, Frontiers in sleep DOI:10.3389/frsle.2023.1082996 PMID:41426436	研究论文	本研究开发了一种基于深度学习的算法，用于从儿童多导睡眠图记录中自动检测口呼吸事件	首次利用卷积神经网络自动检测儿童睡眠呼吸障碍中的口呼吸事件，为睡眠分析提供了一种新的自动化方法	模型在第二个验证数据集上性能下降，表明需要更大的训练集以提高泛化能力	构建深度学习算法以自动检测儿童睡眠呼吸障碍中的口呼吸事件	年龄在10-13岁之间的儿童，其中部分有打鼾或高阻塞性睡眠呼吸暂停值	机器学习	睡眠呼吸障碍	多导睡眠图	CNN	信号数据	20名受试者	NA	卷积神经网络	准确率, 精确率, 真阳性率, 假阳性率	NA
8062	2025-12-24	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)编码与改进的融合卷积神经网络(IFCNN)相结合，用于近红外光谱图像的融合与微塑料定量分析	仅针对五种特定类型的微塑料（PE、PET、PP、PS、PVC）与沙子的混合物进行研究，未涵盖所有微塑料类型	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
8063	2025-12-24	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，实现了五种兴奋剂的高灵敏度检测与识别	首次将表面增强拉曼光谱与LSTM等深度学习算法结合，用于兴奋剂的痕量检测，并在加标血液样本中验证了实际应用潜力	研究仅针对五种特定兴奋剂，未涉及更广泛的药物类别或复杂基质干扰	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	五种兴奋剂（氯丙那林、普萘洛尔、特布他林、妥洛特罗、西马特罗）及其在加标血液样本中的检测	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	涉及五种兴奋剂的SERS光谱数据，包括加标血液样本	NA	NA	准确率	NA
8064	2025-12-24	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，通过波长优化提升模型性能	利用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，并构建自定义卷积多尺度残差网络进行诊断，建立了无需针对不同品种单独建模的通用检测框架	未明确说明样本的具体数量和品种多样性，且模型在特定条件下的光谱响应差异可能影响泛化能力	开发一种跨品种的柑橘黄龙病早期准确检测方法，以控制疾病传播并减少经济损失	不同品种的柑橘叶片	计算机视觉	黄龙病	高光谱成像	SVM, MLP, CNN	高光谱图像	NA	NA	自定义卷积多尺度残差网络	准确率	NA
8065	2025-12-24	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，揭示了与异位组织分子变化相关的特征波数范围，并通过特征选择显著提升了机器学习模型的诊断性能	未提及样本量、计算资源等具体细节，可能限制了结果的可推广性和可重复性	评估傅里叶变换红外光谱结合机器学习对子宫内膜异位症的诊断潜力	卵巢、肠道和腹膜子宫内膜异位症组织	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
8066	2025-12-24	Exploring voltage-gated sodium channel conformations and protein-protein interactions using AlphaFold2 2026-Mar-02, The Journal of general physiology IF:3.3Q1 DOI:10.1085/jgp.202413705 PMID:41411077	研究论文	本研究利用AlphaFold2探索电压门控钠通道的多种构象及其与蛋白质伙伴的相互作用	通过改进的构象采样方法（如子采样多序列比对和循环次数变化），首次系统性地展示了AlphaFold2能够模拟钠通道的多种构象，包括实验未描述的状态和潜在中间态，并揭示了蛋白质伴侣对构象景观的显著影响	预测模型仍为假设，需实验数据验证，且存在构象采样和相互作用的建模局限性	探索AlphaFold2在模拟电压门控钠通道构象和蛋白质-蛋白质相互作用方面的能力，以增进对钠通道结构、门控和调控的理解	电压门控钠通道（NaV）的α亚基及其蛋白质伙伴（如辅助β亚基和钙调蛋白）	机器学习	NA	AlphaFold2, AlphaFold Multimer, 构象采样方法（子采样多序列比对和循环次数变化）	深度学习模型	蛋白质序列和结构数据	NA	AlphaFold2, AlphaFold Multimer	AlphaFold2架构	相关性分析, 聚类分析	NA
8067	2025-12-24	Artificial intelligence revolutionize food detection? Vision, olfaction and taste integrated with machine learning/deep learning in food detection 2026-Jan-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.147377 PMID:41365156	综述	本文综述了人工智能（AI）如何通过机器学习（ML）和深度学习（DL）技术，整合视觉、嗅觉和味觉感知系统，革新食品检测领域	系统阐述了AI在食品检测中实现特征自动提取、模式识别和决策反馈的机制，并展望了多模态数据融合和大语言模型（LLMs）的潜在应用	总结了AI在食品检测中仍面临的主要挑战	阐明AI在食品检测领域的理论框架和技术范式变革，分析其优势与局限，并展望未来发展方向	食品检测技术	机器学习	NA	计算机视觉、电子鼻、电子舌	机器学习、深度学习	复杂信号（视觉、嗅觉、味觉数据）	NA	NA	NA	检测精度、鲁棒性	NA
8068	2025-12-24	Surface-Enhanced Raman Spectroscopy Semi-Quantitative Molecular Profiling with a Convolutional Neural Network 2026-Jan, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028251377474 PMID:40887786	研究论文	本研究开发了一种结合表面增强拉曼光谱与卷积神经网络和支持向量回归的层次分析框架，用于复杂环境中多种分子的半定量分析	提出了一种集成深度学习和回归技术的层次分析框架，首次将多标签CNN用于SERS光谱中结构相似分析物的识别，并结合SVR进行半定量浓度比测定	目前仅验证了短链脂肪酸二元混合物，尚未扩展到更复杂的多组分系统或临床样本	解决复杂环境中多种分子物种的识别和定量分析挑战	短链脂肪酸（SCFAs）作为代表性生物分子靶标	机器学习	NA	表面增强拉曼光谱（SERS）	CNN, SVR	光谱数据	NA	NA	卷积神经网络	分类准确率	NA
8069	2025-12-24	Integrating Deep Model-Based Learning With Modular State-Based Stackelberg Games for Self-Optimizing Distributed Production Systems 2026-Jan, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3610707 PMID:40996999	研究论文	本文提出了一种将深度模型学习与模块化状态Stackelberg博弈相结合的新方法，用于制造系统的分布式自优化	使用深度学习替代数字表示来学习系统动态，并在虚拟环境中训练博弈参与者，从而减少实际系统交互需求	NA	开发一种样本高效的方法，用于分布式生产系统的自优化	制造系统	机器学习	NA	深度学习	深度学习模型	系统动态数据	NA	NA	NA	交互减少率	NA
8070	2025-12-24	Artificial intelligence-based lesion characterization and outcome prediction of prostate cancer on [18F]DCFPyL PSMA imaging 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111265 PMID:41202884	研究论文	本研究开发了基于人工智能的模型，用于前列腺癌[18F]DCFPyL PET/CT成像中的病灶特征描述和预后预测	开发了结合PET和CT模态的输入串联深度学习模型，在PSMA-RADS评分、恶性分类、治疗反应预测和生存预测等多个任务中表现出优越性能	生存预测的C指数相对较低（内部测试集0.58，前瞻性测试集0.60），模型性能有待进一步提升	开发人工智能工具以改善前列腺癌的病灶特征描述和患者预后预测，辅助临床决策	接受[18F]DCFPyL PET/CT成像的前列腺癌患者	数字病理学	前列腺癌	[18F]DCFPyL PET/CT成像	深度学习模型	医学影像（PET和CT图像）	训练和内部测试集238例患者，前瞻性测试集36例患者	NA	输入串联模型（单模态和多模态深度学习模型）	AUROC（受试者工作特征曲线下面积）, C-index（一致性指数）	NA
8071	2025-12-24	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设计混合注意力机制，利用ProtT5语言模型嵌入蛋白质序列，有效捕获序列内长程依赖和蛋白质间相互作用特征	未明确说明模型在特定蛋白质类型或复杂相互作用场景下的局限性	开发一种基于序列的蛋白质-蛋白质相互作用预测方法，以克服实验和计算技术的限制	蛋白质序列及其相互作用网络	自然语言处理	NA	深度学习，大语言模型	混合注意力机制	蛋白质序列	基于种内和多物种数据集进行5折交叉验证，并使用四个独立物种和真实PPI网络数据集进行验证	未明确指定	自注意力，交叉注意力	准确率	NA
8072	2025-12-24	Deep Feature Learning From Electromyographic Signals for Gesture Recognition Systems 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3635419 PMID:41264458	综述	本文全面综述了用于肌电信号手势识别系统的最新深度学习模型，并从数据表示的角度对先进架构进行了分类	首次从数据表示（如时域波形、空间图像、谱域和图结构）的视角对深度学习架构进行分类，并探讨了半监督与自监督学习作为全监督范式的补充方法	高质量标注的肌电数据集有限，阻碍了研究成果向实际应用的转化	开发用于肌电信号解码的通用且鲁棒的深度学习模型，以推动手势识别系统在人机交互、神经接口和康复机器人等领域的应用	肌电信号	机器学习	NA	肌电图	深度学习模型	肌电信号（可表示为时域波形、空间图像、谱域和图结构）	NA	NA	NA	NA	NA
8073	2025-12-24	Evaluation of compartmentalized automatic segmentation for definition of the GTV in glioblastoma radiotherapy 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111308 PMID:41308924	研究论文	本研究评估了深度学习模型Neosoma Glioma在胶质母细胞瘤放疗中自动分割大体肿瘤体积的临床应用价值	首次评估了基于深度学习的自动分割模型在术后胶质母细胞瘤放疗靶区勾画中的临床应用，并验证了其几何相似性和剂量学等效性	研究为回顾性分析，样本量有限（100例），且仅在一家医疗机构进行验证	评估自动分割模型在胶质母细胞瘤放疗靶区定义中的临床应用可行性	术后胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	多模态MRI	深度学习模型	医学影像	100例胶质母细胞瘤病例	NA	Neosoma Glioma	Dice相似系数	NA
8074	2025-12-24	Dynamic prediction of Radiotherapy toxicities in Head and neck cancer using clinical and imaging data 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111312 PMID:41314396	研究论文	本研究开发了一个动态深度学习模型，用于预测头颈癌放疗期间的三种主要毒性反应，通过整合临床数据和每日锥形束CT影像进行评估	首次将每日CBCT影像的解剖变形特征（雅可比行列式矩阵）与临床数据结合，用于动态预测头颈癌放疗毒性，并评估了序列影像或剂量学特征对早期预测的改进效果	研究为回顾性分析，影像数据（早期Jf或影像组学）未显示出对预测性能的改进，可能受限于数据特征或模型架构	开发一个动态深度学习模型，以早期预测头颈癌放疗期间的毒性反应，优化患者管理	头颈癌患者	数字病理学	头颈癌	锥形束计算机断层扫描（CBCT），影像组学分析	CNN, MLP	影像（CBCT），临床数据	1,012名头颈癌患者	NA	3D ResNet50, 多层感知机	准确率	NA
8075	2025-12-24	Real-Time Rodent Pupillometry on an Embedded Platform for Neuromodulation 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3643813 PMID:41385412	研究论文	本研究提出了一种基于嵌入式平台的低成本实时啮齿动物瞳孔测量系统，用于神经调控研究	开发了一种针对啮齿动物优化的基于规则的瞳孔测量算法，结合自适应椭圆拟合、RGB掩模伪影抑制和贪婪跟踪，在红外照明下实现稳健性能，无需GPU加速	系统主要针对大鼠设计，可能不直接适用于其他啮齿动物或不同实验条件；性能评估基于特定实验设置，泛化能力需进一步验证	开发一种适用于啮齿动物实验的实时瞳孔测量系统，以支持神经调控研究	Long-Evans大鼠	计算机视觉	NA	红外照明成像	基于规则的算法	图像	未明确指定样本数量，但涉及Long-Evans大鼠的体内实验	嵌入式平台（未指定具体框架）	自适应椭圆拟合、RGB掩模、贪婪跟踪	检测率	嵌入式平台（无需GPU加速）
8076	2025-12-24	Clinical advances in curve of Spee assessment: Deep learning for automatic tooth landmark detection in Invisalign 2026-Jan, American journal of orthodontics and dentofacial orthopedics : official publication of the American Association of Orthodontists, its constituent societies, and the American Board of Orthodontics IF:2.7Q1 DOI:10.1016/j.ajodo.2025.09.009 PMID:41429442	研究论文	本研究提出了一种基于深度学习的全自动方法，用于从口内扫描数据中评估Spee曲线，旨在提高测量效率并支持评估不同垂直骨面型患者在Invisalign治疗中Spee曲线整平的可预测性	首次引入深度学习网络（结构感知长短期记忆框架）实现Spee曲线的全自动评估，通过两阶段方法检测牙齿标志点，提高了测量效率和准确性	研究为回顾性设计，样本量相对有限（194个下颌弓模型），且仅针对Invisalign治疗患者，可能限制了结果的普适性	开发一种自动化方法以高效、准确地评估Spee曲线，并分析不同垂直骨面型患者在Invisalign治疗中Spee曲线整平的可预测性差异	接受Invisalign治疗的患者的下颌弓模型	数字病理学	NA	口内扫描	LSTM	三维模型	194个下颌弓模型用于训练和验证，55名不同垂直骨面型患者用于分析	NA	结构感知长短期记忆框架	平均径向误差, 成功检测率, 配对Wilcoxon检验	NA
8077	2025-12-24	NPC-SurvAI: A fully automated deep learning framework for prognostic prediction and risk stratification in patients with nasopharyngeal carcinoma 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111223 PMID:41429722	研究论文	本研究提出了一个名为NPC-SurvAI的端到端深度学习框架，用于基于MRI对鼻咽癌患者进行预后预测和风险分层	开发了一个结合AttVNet进行图像分割和DenseNet-ICAM进行预后评估的完全自动化深度学习框架，并整合了临床和影像特征以提升预测性能	这是一项回顾性研究，需要前瞻性验证以确认其临床适用性	利用深度学习对鼻咽癌患者进行预后评估和风险分层，以辅助临床治疗决策	鼻咽癌患者	数字病理	鼻咽癌	MRI	CNN	图像	2180名接受基线MRI检查的鼻咽癌患者	NA	AttVNet, DenseNet-ICAM	Dice相似系数, 综合曲线下面积, 时间依赖性AUC	NA
8078	2025-12-24	Interpreting the Effect of Generative Adversarial Network Application on Deep Learning Model Performance for Chlorophyll-a Concentration Prediction in a Stream Using Explainable Artificial Intelligence 2026-Jan, Water environment research : a research publication of the Water Environment Federation IF:2.5Q2 DOI:10.1002/wer.70247 PMID:41431361	研究论文	本研究评估了使用时间序列生成对抗网络（GAN）生成合成数据对长短期记忆（LSTM）网络在预测溪流中叶绿素-a浓度性能的影响	应用时间序列GAN生成合成数据，并结合可解释人工智能（XAI）技术（如Shapley值分析）定量评估GAN生成数据对模型内部推理过程的影响	GAN生成数据对模型性能的整体提升效果有限，且在较长序列长度（15和18）下可能导致性能下降	评估生成对抗网络在改善藻华预测模型性能方面的潜力	溪流中叶绿素-a浓度的预测	机器学习	NA	时间序列生成对抗网络（GAN），长短期记忆（LSTM）网络，可解释人工智能（XAI）	GAN, LSTM	时间序列数据	NA	NA	时间序列GAN, LSTM	纳什-萨特克利夫效率系数（NSE）	NA
8079	2025-12-24	Comparative Study of Machine Learning Methods for Modeling Graphene-Based Adsorption in Water Treatment 2026-Jan, Water environment research : a research publication of the Water Environment Federation IF:2.5Q2 DOI:10.1002/wer.70252 PMID:41431394	研究论文	本研究比较了多项式回归、支持向量机和人工深度神经网络在小型数据集上预测石墨烯基材料吸附水污染物效率的性能	针对小型数据集（20-30个样本）优化机器学习方法，比较了多项式回归、支持向量机和深度神经网络在吸附研究中的灵活性和性能	研究基于相对较小的数据集（20-30个样本），可能限制模型的泛化能力；未探讨其他机器学习方法或更大数据集的影响	评估和比较不同机器学习方法在预测水污染物去除效率方面的性能，为吸附系统优化提供建模建议	石墨烯相关纳米材料吸附水污染物的效率	机器学习	NA	NA	多项式回归, 支持向量机, 人工深度神经网络	数值数据	四个已发布数据集，每个数据集包含20-30个样本	TensorFlow	NA	交叉验证可靠性, 性能, 容忍度	NA
8080	2025-12-24	ZNGEA: ZINB-NMF Integrated Graph Embedding Autoencoder for Metabolite-Disease Association Identification 2025-Dec-23, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05618 PMID:41360747	研究论文	本文提出了一种名为ZNGEA的新型深度学习算法，用于高效识别代谢物与疾病之间的潜在关联	整合了零膨胀负二项分布（ZINB）和非负矩阵分解（NMF），并结合非线性方法融合多相似性网络，以从多角度提取重要信息	NA	开发计算方法来高效识别代谢物与疾病之间的潜在关联	代谢物与疾病之间的关联	机器学习	NA	深度学习	图卷积自编码器	网络数据	NA	NA	图卷积自编码器	AUC, AUPR	NA