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
2521	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
2522	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
2523	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
2524	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
2525	2026-01-14	Deep Neural Network Parameter Selection via Dataset Similarity Under Meta-Learning Framework 2026-Feb, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3618991 PMID:41056167	研究论文	本文提出了一种基于元学习的框架，通过数据集相似性联合推荐超参数和初始权重，以优化深度神经网络的性能	引入了一种新颖的元学习框架，首次联合考虑超参数和权重初始化，并利用浅层和深层元特征捕捉数据集多样性，通过数据集相似性进行参数推荐	未明确说明框架在非图像数据集上的泛化能力，且依赖于历史数据集的覆盖范围	优化深度神经网络在图像分类任务中的性能，通过数据集驱动的参数推荐减少调优负担	105个真实世界图像分类数据集，包括75个历史数据集和30个查询数据集	机器学习	NA	元学习，图像特征提取	Vision Transformer, CNN	图像	105个图像数据集	NA	Vision Transformer, 卷积神经网络	NA	NA
2526	2026-01-14	Synergistic integration of multidimensional differential spectroscopy and deep learning for robust phenol monitoring in complex industrial effluents 2026-Feb-01, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344989 PMID:41526095	研究论文	本研究提出了一种结合化学选择性、多维光学传感和定制并行关联神经网络（PSNN）的新策略，用于复杂工业废水中苯酚的稳健监测	通过苯酚特异性溴化消除其光谱特征，构建双通道可变光程系统生成三维差分光谱矩阵，并开发了新型并行关联神经网络（PSNN），显著提升了监测精度和鲁棒性	实验室条件与现场测试存在性能差异，现场测试的MAE（172.9 μg/L）高于实验室条件（72.09 μg/L），且方法在复杂环境中的普适性需进一步验证	开发一种高选择性、高灵敏度的智能系统，用于复杂工业废水中苯酚的准确、实时在线监测	工业废水中的苯酚污染物，特别是来自焦化和炼油等过程的废水	机器学习	NA	紫外-可见光谱法，高效液相色谱法（HPLC）作为基准	CNN, PSNN	光谱数据（三维差分光谱矩阵）	NA	NA	并行关联神经网络（PSNN）	平均绝对误差（MAE）	NA
2527	2026-01-14	A deep learning model for inferring the reverse intersystem crossing rate of TADF organic light-emitting diodes, overcoming the uncertainty of recombination dynamics 2026-Jan-13, Materials horizons IF:12.2Q1 DOI:10.1039/d5mh01156f PMID:40990544	研究论文	本研究开发了一种串联深度神经网络模型，用于从TADF OLED的瞬态电致发光行为中预测反向系间窜越速率，以克服极化子重组动力学的不确定性	通过串联深度神经网络模型，结合重组和激子动力学的逐步分析，实现了对RISC速率的高精度预测，克服了传统方法中极化子重组动力学的不确定性	NA	预测TADF OLED中的反向系间窜越速率，以优化器件性能	热激活延迟荧光有机发光二极管	机器学习	NA	瞬态电致发光分析	深度神经网络	电致发光行为数据	NA	NA	串联深度神经网络	决定系数	NA
2528	2026-01-14	Computational design of protein complexes: influence of binding affinity 2026-Jan-13, Chemical communications (Cambridge, England) DOI:10.1039/d5cc04821d PMID:41311232	综述	本文综述了蛋白质复合物结合亲和力的计算预测与设计策略	整合了AI驱动的结构预测与机器学习方法，用于跨蛋白质-蛋白质、蛋白质-DNA/RNA及蛋白质-碳水化合物复合物的亲和力预测与理性设计	NA	探讨蛋白质复合物结合亲和力的计算预测与设计方法	蛋白质复合物（包括蛋白质-蛋白质、蛋白质-DNA/RNA、蛋白质-碳水化合物复合物）	机器学习	NA	AI驱动的结构预测、机器学习、深度学习	NA	结构数据、序列数据	NA	NA	NA	NA	NA
2529	2026-01-14	Peptide-based drug design using generative AI 2026-Jan-13, Chemical communications (Cambridge, England) DOI:10.1039/d5cc04998a PMID:41376388	综述	本文综述了利用生成式人工智能进行肽类药物设计的最新进展，重点关注生成架构、相互作用建模、AI驱动的筛选与递送优化	整合了生成式AI（如图神经网络、Transformer、扩散模型）与肽化学创新（如环化、订书、非经典氨基酸）来加速药物发现，并将发现周期从数年缩短至数月	预测生成肽序列的溶解度、免疫原性和毒性仍具挑战性，且数据质量和自主药物发现存在实际困难	加速肽类药物的设计与发现过程	肽类治疗剂	机器学习	代谢性疾病, 肿瘤学	NA	图神经网络, Transformer, 扩散模型	序列数据	NA	NA	NA	NA	NA
2530	2026-01-14	Interpretable deep learning for enhanced multi-class classification of gastrointestinal endoscopic images 2026-Jan-13, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae2b72 PMID:41380180	研究论文	本研究提出了一种基于EfficientNetB3的增强方法，用于提高胃肠道内窥镜图像的多类分类准确性，并利用LIME提升模型可解释性	在无需数据增强的情况下，通过EfficientNetB3架构实现了高分类准确率，并集成了LIME显著性图以增强模型的可解释性	研究仅基于Kvasir数据集的8,000张图像，可能未涵盖所有临床场景或疾病变体	提高胃肠道内窥镜图像的多类分类准确性，并增强深度学习模型在医学影像应用中的可解释性和可用性	胃肠道内窥镜图像	计算机视觉	胃肠道疾病	内窥镜成像	CNN	图像	8,000张标记的内窥镜图像，分为八个类别	未明确指定，但提及了Gradio用于界面开发	EfficientNetB3	准确率, 精确率, 召回率	NA
2531	2026-01-14	Deep learning feature-based model on abdominal radiography outperforms experts for early necrotizing enterocolitis diagnosis in neonates 2026-Jan-13, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12264-y PMID:41528473	研究论文	本研究开发了一种基于腹部X光片和深度学习特征的模型，用于辅助新生儿坏死性小肠结肠炎（NEC）I期的早期诊断	首次将基于DenseNet121提取的深度学习特征与放射组学模型结合，应用于新生儿NEC I期的早期诊断，并在外部验证中证明其诊断性能优于人类专家	这是一项回顾性研究，需要前瞻性研究进一步验证；样本量相对有限；模型性能可能受图像质量和采集参数影响	探索深度学习模型在辅助新生儿坏死性小肠结肠炎（NEC）I期早期诊断中的应用价值	接受腹部X光检查的新生儿	数字病理学	坏死性小肠结肠炎	腹部X光摄影	CNN	图像	680名新生儿（来自两个中心，训练队列380例，外部验证队列300例）	NA	DenseNet121	AUC	NA
2532	2026-01-14	Deep learning-based automatic measurement of the femoral head ossification center in healthy Korean children: development of a novel radiographic growth chart 2026-Jan-13, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12263-z PMID:41528475	研究论文	本研究开发并验证了一种基于深度学习的算法，用于自动测量韩国健康儿童股骨头骨化中心的大小，并建立了AI衍生的生长图表	首次提出了一种三阶段深度学习算法来自动测量股骨头骨化中心大小，并基于AI测量建立了标准化的生长图表，为儿科髋关节发育评估提供了客观参考	研究为回顾性设计，样本仅来自韩国儿童，可能限制了结果的普适性；未在外部数据集上进行验证	开发自动测量股骨头骨化中心大小的深度学习算法，并建立AI衍生的生长图表以标准化儿科髋关节发育评估	1705名韩国健康儿童（平均年龄5.1±3.3岁，841名女性，864名男性）的骨盆前后位X光片	计算机视觉	儿科髋关节发育	深度学习，X光成像	深度学习算法	X光图像	1705名健康韩国儿童（841名女性，864名男性）的骨盆前后位X光片	NA	三阶段深度学习算法（感兴趣区域检测、股骨头骨化中心分割、基于标志点的大小计算）	一致性相关系数, Pearson相关系数, 平均绝对误差, 均方根误差, Bland-Altman分析, 调整R²	NA
2533	2026-01-14	Web-based AI application for enhanced dental disease diagnosis using advanced object detection integrated with transformer-based attention mechanism 2026-Jan-13, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00886-3 PMID:41528683	研究论文	本研究开发了一种基于YOLOv11-TAM模型的Web AI应用，用于从全景X射线图像中自动检测和诊断牙科疾病	提出了一种集成Transformer注意力机制的YOLOv11-TAM模型，并结合了C3k2块和SPPF层等架构创新，以提高特征提取和定位精度	在诊断龋齿方面仍存在挑战，主要由于类别不平衡问题	通过自动化检测和诊断牙科疾病，提高牙科诊断的准确性、效率和可及性	全景X射线图像中的牙科疾病，包括龋齿、深龋、阻生牙和根尖周病变	计算机视觉	牙科疾病	全景X射线成像	CNN, Transformer	图像	705张带注释的全景X射线图像	NA	YOLOv11-TAM, C3k2, SPPF	精确度, 特异性, 定位准确度	NA
2534	2026-01-14	Real-time ECG-based detection of cardiovascular diseases using balanced and interpretable machine learning approaches 2026-Jan-13, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01682-3 PMID:41528718	研究论文	本研究旨在利用机器学习和深度学习技术，基于心电信号实时检测和分类六种主要心血管疾病	构建了一个平衡且临床验证的心电图数据集，并应用SMOTE技术解决类别不平衡问题，同时结合SHAP和LIME方法提升模型的可解释性	未明确提及模型在外部验证集上的泛化能力或临床部署的具体挑战	开发可靠的心血管疾病诊断系统，通过机器学习方法提高疾病检测和分类的准确性	34,580条12导联心电图记录，涵盖正常、心律失常、冠心病、心肌病、中风和心力衰竭六类	机器学习	心血管疾病	心电图	Logistic Regression, Decision Tree, Random Forest, SVM, KNN, Naive Bayes, Gradient Boosting, MLP, DNN, RNN	心电信号	34,580条心电图记录	NA	MLP, DNN, RNN	准确率, 精确率, 召回率, F1分数	NA
2535	2026-01-14	BGC-MAC and BGC-MAP: Attention-Based Models for Biosynthetic Gene Cluster Classification and Product Matching 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02082 PMID:41412814	研究论文	本文提出了两种基于多头注意力机制的深度学习模型BGC-MAC和BGC-MAP，用于生物合成基因簇的分类和产物匹配，以提升BGC注释的准确性和可解释性	开发了首个利用多头注意力机制和交叉注意力机制进行BGC分类和产物匹配的深度学习模型，实现了可解释的人工智能，能够识别关键蛋白质域并揭示BGC-亚结构关系，无需先验注释	模型训练依赖于实验验证的BGC-天然产物配对数据，可能受限于数据集的规模和多样性	提升生物合成基因簇的注释准确性，加速新天然产物的发现	生物合成基因簇及其编码的天然产物	机器学习	NA	深度学习	多头注意力模型	基因序列数据	实验验证的BGC-天然产物配对数据	NA	多头注意力机制	NA	NA
2536	2026-01-14	Exploiting Scale-Variant Attention for Segmenting Small Medical Objects 2026-Jan-12, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3645355 PMID:41525526	研究论文	本文提出了一种新颖的尺度变化注意力网络（SvANet），用于在医学图像中准确分割小尺度对象	提出了一种结合尺度变化注意力、跨尺度引导、蒙特卡洛注意力和Vision Transformer的网络，以增强小医学对象的识别能力	NA	解决医学图像中小病理区域分割的挑战，提高早期疾病诊断的准确性	医学图像中的小尺度对象，如肾肿瘤、皮肤病变、肝肿瘤、息肉、手术切除细胞、视网膜血管和精子	计算机视觉	多种疾病（包括肾癌、皮肤癌、肝癌等）	深度学习	CNN, Transformer	图像	多个数据集（KiTS23, ISIC 2018, ATLAS, PolypGen, TissueNet, FIVES, SpermHealth）	NA	SvANet, Vision Transformer (ViT)	平均Dice系数（mDice）	NA
2537	2026-01-14	CPFformer: A Hierarchical-Based Graph Modeling Fusion Framework for Making the Emotional Features of Chinese Poetry Pronunciation More Controllable 2026-Jan-12, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3648530 PMID:41525522	研究论文	提出了一种名为CPFformer的深度学习框架，用于分析和预测中国诗歌发音的情感特征	首次提出一种结合语音学和情感分析的层次化图建模融合框架，用于控制中国诗歌发音的情感特征，并创建了专用的中国诗歌发音数据集	未明确说明模型在处理不同方言或历史发音变体时的泛化能力，也未讨论计算复杂度对实时应用的适用性	通过分析中国诗歌发音的情感特征，丰富儿童语言能力和艺术鉴赏力，促进传统文化与人工智能的融合	中国诗歌的发音数据及其情感特征	自然语言处理	NA	多尺度梅尔特征提取技术	深度学习框架	语音数据	NA	NA	CPFformer（包含ADSN、STL、DSW、ETA、EDSM等模块）	均方误差, 平均绝对误差, 残差标准误差, R平方	NA
2538	2026-01-14	Game Theory Meets Statistical Physics: A Novel Deep Neural Networks Design 2026-Jan-12, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3649299 PMID:41525603	研究论文	本文提出了一种融合博弈论和统计物理原理的新型深度图表示方法，用于特征提取和模式分类	将神经网络中的神经元类比为博弈论中的玩家，并利用统计物理的高斯-玻尔兹曼能量模型量化其贡献，提出了一种基于Shapley值的新模型正则化技术	未明确说明模型在大规模数据集上的计算效率限制或理论收敛性分析	设计一种统一的学习框架，将博弈论和统计物理原理整合到深度神经网络中，以提升特征提取和分类性能	深度神经网络中的神经元及其相互作用机制	机器学习	NA	Monte-Carlo采样，Shapley值计算	深度神经网络	图像	NA	NA	深度图表示	准确率，精确率，召回率，F1分数	NA
2539	2026-01-14	FocFormer-UNet: UNet With Focal Modulation and Transformers for Ultrasound Needle Tracking Using Photoacoustic Ground Truth 2026-Jan-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3652428 PMID:41525612	研究论文	本文提出了一种结合焦点调制和Transformer的FocFormer-UNet深度学习网络，利用光声图像作为真实标签来训练超声图像中的针头跟踪模型	首次将光声成像提供的高对比度针头图像作为真实标签用于训练深度学习模型，避免了传统方法对人工标注或模拟数据的依赖，并引入了焦点调制和Transformer机制来增强模型性能	模型性能可能受光声成像质量和超声系统差异的影响，且目前仅在特定临床数据集上验证	提高超声引导针头插入过程中针头定位的准确性和可靠性	超声图像中的针头	医学影像分析	NA	光声成像，超声成像	深度学习，CNN，Transformer	图像	人类临床数据集	PyTorch	UNet，FocFormer	修正豪斯多夫距离，目标误差	NA
2540	2026-01-14	SW-VEI-Net: A Physics-Informed Deep Neural Network for Shear Wave Viscoelasticity Imaging 2026-Jan-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3652121 PMID:41525619	研究论文	本文提出了一种名为SW-VEI-Net的物理信息深度神经网络，用于通过剪切波弹性成像同时重建剪切弹性模量和粘性模量	SW-VEI-Net通过将粘弹性波动方程集成到双网络架构中，实现了剪切弹性模量和粘性模量的同时重建，并采用双损失函数平衡数据保真度和基于物理的正则化，减少了对经验数据的依赖并提高了可解释性	未明确提及具体限制	解决剪切波弹性成像中定量粘弹性成像的挑战，提高重建精度和鲁棒性	组织模拟体模、大鼠肝纤维化模型和临床病例	医学影像分析	肝纤维化	剪切波弹性成像	物理信息神经网络	剪切波成像数据	包括组织模拟体模、大鼠肝纤维化模型、临床病例和健康志愿者	NA	双网络架构	AUC	NA