振动光谱技术，包括拉曼光谱和红外光谱，通过对样品进行检测，能够快速、非侵入性地获取分子水平的信息。得益于其特异性、非侵 入性和效率，振动光谱在疾病诊断、药物筛选和术中检测等医学领域展现出广阔的应用前景。振动光谱可通过检测患者体液中的分子变化，提供高特异 性的早期疾病诊断。然而，传统谱学分析方法高度依赖于人工知识，耗时且受限于技术水平，严重阻碍了其在医学中的广泛应用。近年来，随着深度学 习技术的快速发展，使用数据驱动的深度学习技术结合振动光谱进行疾病辅助诊断受到了越来越多的关注，研究表明人工智能结合振动光谱的策略显著 提升谱图分析的效率和精度，不仅能够提取光谱数据的表层与深层特征，还能精准地进行分类与预测。本文系统回顾了振动光谱技术与深度学习的基本 原理，阐述了其在医学领域的现有应用，探讨了深度学习与振动光谱结合的研究现状及其下游应用，并分析了当前面临的主要挑战和未来发展方向。深 度学习结合振动光谱技术在医学辅助诊断中展现出巨大潜力，有望推动振动光谱分析的智能化和高通量发展。