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
5281	2026-01-15	Early assessment of myocardial injury in patients with coronavirus disease 2019 using a two-stage deep learning framework based on non-contrast chest computed tomography 2026-Jan-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-449 PMID:41522060	研究论文	本研究开发了一种基于非对比胸部CT的两阶段深度学习框架，用于早期评估COVID-19患者的心肌损伤	提出了一种两阶段深度学习框架，首次利用非对比胸部CT进行一站式心肌损伤预测，无需额外对比剂，实现了早期筛查	研究为回顾性设计，样本量相对较小（453例），且仅针对COVID-19患者，模型泛化能力需进一步验证	开发深度学习框架，利用非对比胸部CT实现COVID-19患者心肌损伤的早期预测和风险分层	COVID-19患者，包括230例心肌损伤患者和223例非心肌损伤患者	数字病理学	心血管疾病	非对比胸部CT成像	CNN	图像	453例COVID-19患者（230例心肌损伤，223例非心肌损伤）	PyTorch	FCN-ResNet-101, DenseNet-121	IoU, ACC, Dice系数, AUC, 灵敏度, 特异性, F1分数	NA
5282	2026-01-15	Diabetic retinopathy detection and grading system using deep learning approach 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251410982 PMID:41522450	研究论文	本文提出了一种基于深度学习的糖尿病视网膜病变检测与分级系统	应用深度学习技术自动检测和分级糖尿病视网膜病变，提高早期筛查效率	NA	开发一个自动化的糖尿病视网膜病变检测与分级系统，以辅助早期诊断	糖尿病患者的视网膜图像	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像	NA	NA	NA	NA	NA
5283	2026-01-15	From fibers to cells: Fourier-based registration enables virtual Cresyl violet staining from 3D polarized light imaging 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1079 PMID:41523213	研究论文	本文提出了一种基于深度学习和傅里叶配准的方法，从3D偏振光成像数据生成虚拟的Cresyl violet染色，以实现细胞和纤维结构的空间对齐	利用傅里叶配准在训练过程中高效处理局部图像块的对齐，从而从3D-PLI数据生成细胞级别的虚拟染色	组织切片后染色的处理复杂性限制了样本数量，且染色过程引入的失真需要跨模态配准	通过虚拟染色技术，在相同切片中建立纤维和细胞结构之间的直接联系，以研究大脑微结构的详细关系	大脑切片，特别是细胞体和神经纤维的微结构	数字病理学	NA	3D偏振光成像，Cresyl violet染色	深度学习，图像到图像转换	图像	有限数量的大脑切片样本	NA	NA	NA	NA
5284	2026-01-15	A multi-stage deep learning network for prenatal diagnosis of coarctation of the aorta 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70230 PMID:41532285	研究论文	本研究提出了一种名为CoA-Net的多阶段深度学习网络，通过局部-全局特征整合，用于胎儿主动脉缩窄的产前诊断	开发了一个多阶段深度学习网络CoA-Net，集成了局部特征提取器和全局特征提取器，并引入了局部注意力机制和稀疏全局注意力机制，以从复杂的胎儿超声心动图分布中提取有意义的特征	研究未明确提及外部验证数据集的使用，可能影响模型的泛化能力；样本量相对有限（488个样本）	开发一种深度学习网络，通过整合局部和全局特征，从胎儿超声心动图中提取判别性特征，以实现胎儿主动脉缩窄的精确产前诊断	胎儿主动脉缩窄病例及健康对照的胎儿超声心动图图像	计算机视觉	心血管疾病	胎儿超声心动图	CNN	图像	488个样本（包括主动脉缩窄病例和健康对照）	NA	CoA-Net	平衡准确率, F1分数, Matthews相关系数, AUC	NA
5285	2026-01-15	Single shot full plan deep learning dose computation for radiation therapy using spherical harmonics 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70223 PMID:41532338	研究论文	本文提出了一种基于物理信息深度学习的AI剂量计算方法，用于快速且准确地计算放射治疗中多野VMAT和IMRT计划的剂量分布	引入了一种新颖的两阶段方法，结合球谐函数系数和图像到图像的神经网络，实现了单次全计划剂量计算	方法仅在三个身体部位的临床计划上进行了大规模数据生成和评估，可能未覆盖所有治疗区域	开发一种快速且准确的放射治疗剂量计算方法，以应对日益增长的病例数量	放射治疗计划中的剂量计算，特别是针对VMAT和IMRT计划	机器学习	NA	深度学习	图像到图像的神经网络	CT图像和球谐函数系数	1641个临床计划，通过数据增强生成超过100,000个训练输入/输出	NA	NA	伽马通过率，相对误差，绝对误差，剂量剖面	NVIDIA RTX 4090 GPU
5286	2026-01-15	Deep Learning-Based Image Recognition for Food Science and Technology: End-to-End Workflows and Domain-Specific Solutions 2026-Jan, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70388 PMID:41532672	综述	本文综述了基于深度学习的图像识别在食品科学与技术中的应用，提出了一个模块化的端到端工作流程，并探讨了领域特定解决方案以应对当前挑战	提出了一个专门为食品科学设计的模块化端到端工作流程，并针对数据有限、标注不一致和子模型集成等常见挑战，提出了一套领域特定的策略	本文是一篇综述，未提出新的算法或模型，主要挑战（如数据可用性有限、标注不一致）的解决方案仍需具体研究和验证	旨在促进深度学习图像识别技术在食品科学与技术领域的可靠、可泛化应用，以解决在线分级、快速质量评估和食品安全监测等现实挑战	食品科学与技术领域的图像识别应用	计算机视觉	NA	NA	深度学习	图像	NA	NA	NA	NA	NA
5287	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
5288	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
5289	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
5290	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
5291	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
5292	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
5293	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
5294	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
5295	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
5296	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
5297	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
5298	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
5299	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
5300	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