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
7701	2025-12-05	Study on discrimination of Glycyrrhizae Radix et Rhizoma (Licorice) varieties and origin traceability based on composite feature reconstruction combined with HLOA-CNN algorithm 2026-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.128821 PMID:40946482	研究论文	本研究提出了一种基于复合特征重构与HLOA-CNN算法的甘草品种鉴别与产地溯源方法	整合多源表型和化学特征，并采用角蜥蜴优化算法（HLOA）优化CNN超参数，构建了HLOA-CNN分类模型，实现了对甘草品种和产地的精确识别	未明确提及模型在其他数据集或实际应用场景中的泛化能力测试	开发一种准确鉴别甘草品种和追溯其产地的智能方法，以保障功能性食品的真实性	甘草（Glycyrrhizae Radix et Rhizoma）样本	机器学习	NA	多源特征提取（RGB颜色、可见光谱、Tamura纹理）、化学成分测量、主成分分析（PCA）、偏最小二乘判别分析（PLS-DA）	CNN	多源特征数据（表型特征、化学特征）	未明确说明具体样本数量，但提及收集了甘草样本并构建了多源特征数据集	NA	CNN（具体架构未指定，但由HLOA优化超参数）	准确率	NA
7702	2025-12-05	Deep-learning-driven spectral image analysis for intelligent monitoring of multiple pesticides and antibiotics 2026-Feb-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.128942 PMID:41052491	研究论文	本研究提出了一种基于深度学习的谱图像分析方法，用于智能监测农业水体中的多种农药和抗生素	采用微调的ResNet-50深度学习模型，通过建立光谱特征与参考浓度之间的映射，实现了对未知污染物浓度的有效预测，为农药和抗生素的快速识别提供了新视角	在3.8-10 μg/L浓度范围内，自然水样的异常预测频率有所增加，尽管整体准确率仍相对较高	开发一种快速、同时检测多种农药和抗生素的智能监测方法，以应对环境污染物带来的健康风险	农业水体中的农药（草甘膦、苯达松）和抗生素（苄青霉素钾、盐酸四环素）	计算机视觉	NA	光谱分析	CNN	光谱图像	6100个样本，包含草甘膦、苯达松、苄青霉素钾和盐酸四环素，浓度范围为3.8-550 μg/L	NA	ResNet-50	决定系数, 可靠预测率, 检测限	NA
7703	2025-12-05	Swin-EffuseNet: A dual-stream attention-based model combining Swin transformer V2 and EfficientNet-BO for bone fracture classification 2026-Feb, Journal of orthopaedics IF:1.5Q3 DOI:10.1016/j.jor.2025.10.016 PMID:41340716	研究论文	提出了一种名为Swin-EffuseNet的双流深度学习模型，用于X射线图像中的骨折分类	通过注意力机制融合Swin Transformer V2和EfficientNet-B0，结合全局语义特征与细粒度局部纹理，提升骨折分类性能	未明确提及模型在更广泛数据集或临床环境中的泛化能力限制	开发一个准确、高效且可解释的智能骨折分类模型，以支持诊断工作流程	X射线图像中的骨折分类，包括无骨折、发丝状骨折、简单骨折和复杂骨折四类	计算机视觉	骨折	深度学习	Transformer, CNN	图像	4370张X射线图像，来自两个公开数据集	NA	Swin Transformer V2, EfficientNet-B0	准确率, 精确率, 召回率, F1分数, ROC-AUC, 对数损失	NA
7704	2025-12-05	REST: Holistic Learning for End-to-End Semantic Segmentation of Whole-Scene Remote Sensing Imagery 2026-Jan, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3609767 PMID:40938720	研究论文	本文提出了一种名为REST的端到端框架，用于实现全场景遥感影像的整体语义分割	首次提出了一种真正端到端的框架，通过新颖的空间并行交互机制（SPIM）克服GPU内存限制，实现全场景遥感影像的整体分割，无需依赖裁剪或融合等次优策略	NA	解决全场景遥感影像（WRI）的整体语义分割问题，克服GPU内存限制	全场景遥感影像（WRI），包括多光谱、高光谱影像，以及卫星和无人机平台获取的数据	计算机视觉	NA	NA	NA	图像	NA	NA	NA	NA	GPU
7705	2025-12-05	Unsupervised Gaze Representation Learning by Switching Features 2026-Jan, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3600680 PMID:40828694	研究论文	提出一种无监督学习框架，通过切换特征来分离注视相关和注视无关信息，以改进3D注视估计	通过编码图像对并切换部分潜在特征来提取共享信息，从而区分注视相关和注视无关信息	未明确说明框架在极端光照或遮挡条件下的鲁棒性	开发无监督学习框架以提升3D注视估计的准确性	眼睛图像和面部图像	计算机视觉	NA	无监督学习	编码器-解码器	图像	NA	NA	Cross-Encoder, Cross-Encoder++	NA	NA
7706	2025-12-05	GAN-Based Domain Adaptation for Image-Aware Layout Generation in Advertising Poster Design 2026-Jan, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3602846 PMID:40857181	研究论文	本文提出了一种基于GAN的域适应方法，用于在广告海报设计中生成图像感知的布局	引入了内容感知图形布局数据集（CGL-Dataset），并设计了两种GAN模型（CGL-GAN和PDA-GAN），其中PDA-GAN结合了无监督域适应和像素级判别器，以生成基于输入图像视觉纹理的图像感知布局	未明确说明模型在更广泛设计风格或不同产品类型上的泛化能力	研究基于深度学习的图像感知布局生成，以提升广告海报设计的自动化水平	广告海报的图形布局	计算机视觉	NA	GAN, 无监督域适应	GAN	图像	60,548对修复后的海报标注和121,000张干净产品图像	NA	CGL-GAN, PDA-GAN	准确性, 精确度, 召回率, F1分数, AUC	NA
7707	2025-12-05	An End-to-End Depth-Based Pipeline for Selfie Image Rectification 2026-Jan, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3604574 PMID:40889307	研究论文	提出一种基于深度学习的端到端自拍图像校正流程，通过预测面部深度、调整相机参数和修复缺失像素来减轻透视畸变	采用端到端训练框架，一次性处理全帧图像无需人脸裁剪，结合可微分渲染器优化深度估计，并引入辅助模块预测相机水平移动以减少修复区域	依赖合成数据集进行训练，在真实场景中的泛化能力未充分验证	开发自拍图像透视畸变校正技术	自拍图像中的人脸及身体区域	计算机视觉	NA	深度学习，合成数据生成	CNN	图像	使用虚幻引擎生成的大规模合成人脸数据集，包含多样化的主体、姿态、表情、配饰和光照条件	未明确说明	未明确说明	定量评估与定性比较	未明确说明
7708	2025-12-04	Dengue forecasting and outbreak detection in Brazil using LSTM: integrating human mobility and climate factors 2026-Mar, Infectious Disease Modelling IF:3.0Q1 DOI:10.1016/j.idm.2025.11.002 PMID:41321683	研究论文	本研究开发了一种基于LSTM的深度学习模型，用于预测巴西的登革热病例并检测疫情爆发，整合了人类移动性和气候因素	首次将人类移动性数据整合到基于深度学习的登革热预测框架中，以捕捉病毒传播的空间动态	未明确提及模型在更广泛地理区域或不同疾病背景下的泛化能力限制	提高登革热病例预测和疫情爆发的检测准确性，以支持早期预警系统和公共卫生干预	巴西选定城市的登革热病例数据、气候变量和人类移动性数据	自然语言处理	登革热	深度学习	LSTM	时间序列数据	NA	NA	LSTM	MAE, MAPE, CRPS, 准确率, 灵敏度, 特异性, F1分数	NA
7709	2025-12-04	LUMIR: an LLM-driven unified agent framework for multi-task infrared spectroscopy reasoning 2026-Jan-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344857 PMID:41330688	研究论文	本文介绍了一个名为LUMIR的LLM驱动的统一智能体框架，用于在低数据条件下实现多任务红外光谱分析的自动化与增强	提出了首个将结构化文献知识库、自动化预处理、特征提取和预测建模集成到统一流程中的LLM驱动框架，通过挖掘同行评审文献中的已验证策略并结合小样本学习，实现了在资源有限条件下的鲁棒光谱分析	框架在更广泛的光谱类型和极端数据稀缺场景下的泛化能力仍需进一步验证，且依赖于文献知识库的质量和覆盖范围	开发一个数据高效、可自动化的统一框架，以解决红外光谱分析中工作流程构建复杂、泛化能力差的问题	红外光谱数据	机器学习	NA	红外光谱分析	LLM	光谱数据	多个数据集，包括公开的牛奶近红外数据集、中草药、不同储存时长的陈皮、工业废水COD数据集以及Tecator和Corn两个公共基准数据集	NA	基于智能体的统一框架（LUMIR）	与已建立的机器学习和深度学习模型性能相当（具体指标未明确列出，但涉及分类、回归和异常检测任务）	NA
7710	2025-12-04	AI-driven aging digital twins: A roadmap for clinical translation in precision geriatrics 2026-Jan, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102931 PMID:41192800	综述	本文综述了AI驱动的衰老数字孪生在精准老年医学中的临床转化路线图，探讨了其潜力与挑战	提出了基于AI和多源异构数据整合的衰老数字孪生技术，用于实时健康监测、预测分析和个性化干预	训练数据集中存在年龄分层偏差，老年人群数据质量差异可能限制模型泛化性，数据隐私、算法透明度和临床验证问题尚未解决	探讨AI驱动的衰老数字孪生在精准老年医学中的临床转化潜力	衰老及相关疾病（如神经退行性疾病、心血管疾病和癌症）	机器学习	老年疾病	深度学习	NA	多源异构数据	NA	NA	NA	NA	NA
7711	2025-12-04	Artificial intelligence for fall detection in older adults: A comprehensive survey of machine learning, deep learning approaches, and future directions 2026-Jan, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102948 PMID:41265569	综述	本文全面综述了面向老年人的跌倒检测技术，重点关注机器学习与深度学习方法，并探讨了未来研究方向	整合了AI驱动系统的监管框架，跨工程、计算机科学和老年学等多个领域，并明确了跌倒检测与骨质疏松症、神经系统疾病等病症之间的联系	NA	综述老年人跌倒检测技术的最新进展，特别是应对数据稀缺的挑战，并推动稳健AI系统的临床转化与监管批准	老年人跌倒检测系统	机器学习和计算机视觉	老年疾病	NA	NA	传感器数据和视觉数据	NA	NA	NA	NA	NA
7712	2025-12-04	Magnetic resonance imaging analysis for Alzheimer's disease diagnosis using artificial intelligence: Methods, challenges, and opportunities 2026-Jan, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102943 PMID:41265570	综述	本文综述了人工智能在利用磁共振成像诊断阿尔茨海默病领域的最新进展、挑战与机遇	系统性地总结了AI在MRI数据分析用于AD诊断中的最新方法、性能评估、临床应用潜力与局限性，并指明了未来研究方向	作为一篇综述文章，其局限性在于主要整合现有研究，而非提出新的原创方法或模型	为阿尔茨海默病的早期、准确诊断提供人工智能辅助的磁共振成像分析方法概述	用于阿尔茨海默病诊断的磁共振成像数据及基于此的人工智能模型	医学影像分析	阿尔茨海默病	磁共振成像	深度学习	磁共振图像	NA	NA	NA	NA	NA
7713	2025-12-04	Explainable machine learning and deep learning models for predicting TAS2R-bitter molecule interactions 2026-Jan, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.109187 PMID:41092497	研究论文	本研究开发了可解释的机器学习和深度学习模型，用于预测苦味分子与TAS2R受体之间的相互作用	结合传统机器学习和深度学习方法，构建高性能且易于应用的模型，并通过协同集成增强模型的可解释性，促进对苦味化合物分子特性的全面理解	NA	预测苦味分子与TAS2R受体之间的相互作用，以辅助实验研究、药物设计及理解苦味受体功能	苦味分子与TAS2R（苦味受体）之间的相互作用	机器学习	NA	NA	机器学习,深度学习	实验验证数据	NA	NA	NA	NA	NA
7714	2025-12-03	Making AI accessible for forensic DNA profile analysis 2026-Feb, Forensic science international. Genetics DOI:10.1016/j.fsigen.2025.103345 PMID:40848662	研究论文	本研究探索使用案例工作中收集的数据和广泛采用的U-Net架构训练高性能模型，用于法医DNA分析中的等位基因自动识别	首次利用案例工作数据而非手动标注数据训练U-Net模型进行等位基因识别，实现了与人类分析师相当的性能，并公开了代码、模型权重和研究数据以促进社区发展	未明确说明数据、标注或模型架构中哪些方面对性能起关键作用，未来工作需进一步探索这些因素	开发一种易于访问且高性能的深度学习模型，用于自动化法医DNA分析中的等位基因识别	法医DNA分析中的电泳图（EPG）数据，包括案例数据和独立混合研究数据	计算机视觉	NA	DNA分析，电泳图（EPG）技术	CNN	图像（电泳图扫描点）	未明确指定具体样本数量，但包括案例数据和独立混合研究数据	未明确指定，但可能基于PyTorch或TensorFlow（因U-Net常用）	U-Net	F1分数	NA
7715	2025-12-03	A semi-supervised learning-based framework for quantifying litter fluxes in river systems 2026-Jan-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124833 PMID:41161028	研究论文	本文提出了一种结合半监督学习和切片辅助超推理的框架，用于量化河流横截面漂浮垃圾通量	首次将半监督学习与SAHI方法结合用于河流漂浮垃圾通量量化，解决了监督学习依赖大量标注数据和小垃圾物品检测困难的问题	框架仍会严重低估垃圾通量（比人工测量低3-4倍），主要因透明垃圾和困在水葫芦中的物品漏检	开发一种更高效准确的河流漂浮垃圾通量量化方法，以支持污染评估	河流水面漂浮的宏观塑料垃圾（>5毫米）	计算机视觉	NA	半监督学习，切片辅助超推理	CNN	图像	来自荷兰、印度尼西亚和越南水道的图像数据，具体数量未明确说明	PyTorch	ResNet50, Faster R-CNN	F1分数	NA
7716	2025-12-03	Floc image-driven deep learning enhanced by temporal windows and transformers for carbon emission reduction in drinking water treatment plants 2026-Jan-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124868 PMID:41202793	研究论文	本研究通过引入絮体形态特征提取、时间窗口选择和Transformer架构集成等策略，优化深度学习模型，用于饮用水处理厂的精确混凝剂投加，以实现碳减排	提出了创新的絮体形态特征提取方法、时间窗口选择策略以及Transformer架构的集成，显著提升了深度学习模型在短期数据下的性能	研究仅基于一个月的数据进行训练，虽然通过自更新机制确保长期适应性，但初始数据量有限可能影响模型的泛化能力	优化深度学习算法以实现饮用水处理厂中混凝剂的精确投加，从而提升水净化效率并减少碳排放	饮用水处理厂中的混凝剂投加过程	机器学习	NA	絮体图像分析	CNN, LSTM, GAN, Transformer	图像, 时间序列数据	一个月的数据	TensorFlow, PyTorch	Temporal Convolutional Network (TCN), Transformer	R, R²	NA
7717	2025-12-03	Will artificial intelligence solve the riddle of athlete development? A critical review of how AI is being used for athlete identification, selection, and development 2026-Jan, Psychology of sport and exercise IF:3.1Q1 DOI:10.1016/j.psychsport.2025.102978 PMID:41038088	综述	本文批判性地回顾了人工智能在运动员识别、选拔和发展领域的应用现状与挑战	系统梳理了人工智能在体育科学中应用于运动员发展的三个主要领域，并强调了创新与批判性评估的平衡方法	未明确提及具体研究限制，但暗示了该领域应用范围与效用尚不完全明确	探讨人工智能在运动员发展（包括识别、选拔和培养）中的使用范围、效用及相关挑战	体育科学研究中使用人工智能的文献	机器学习	NA	机器学习，深度学习	NA	NA	NA	NA	NA	NA	NA
7718	2025-12-03	Machine Learning Approaches for Predicting RNA-RNA/DNA Interactions 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4670-0_14 PMID:41174207	综述	本章介绍用于预测RNA-RNA/DNA相互作用的机器学习方法，这对于理解非编码RNA功能至关重要	利用深度学习技术和来自高通量测序方法的大规模相互作用数据，开发出比传统基于能量方法更准确的预测工具	存在过拟合风险和需要第三方验证等挑战	预测RNA-RNA/DNA相互作用以理解非编码RNA功能	原核小RNA、一般RNA-RNA相互作用、miRNAs、box C/D snoRNAs、lncRNA-DNA三链体、CRISPR引导RNA设计	机器学习	NA	高通量测序	深度学习	相互作用数据	NA	NA	NA	准确性	NA
7719	2025-12-03	Deep learning-based hyperspectral oil spill detection for marine pollution monitoring in the Gulf of Mexico: A step toward marine pollution monitoring and SDG 14 compliance 2026-Jan, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118908 PMID:41202730	研究论文	本研究应用高光谱遥感数据与深度学习技术，提高墨西哥湾石油泄漏检测的准确性和效率	结合高光谱影像的丰富光谱信息与深度学习分割模型，实现可靠的石油污染区域检测	数据稀缺和高维度问题通过主成分分析和标准化补丁输入处理，但未讨论模型泛化能力或实时检测限制	增强石油泄漏检测精度和效率，支持海洋污染监测和可持续发展目标14的合规性	墨西哥湾的石油泄漏污染区域	计算机视觉	NA	高光谱遥感	CNN	图像	使用公开可用的高光谱石油泄漏数据库（HOSD）	NA	U-Net, DeepLabv3	IoU, F1分数, 精确率, 召回率	NA
7720	2025-12-03	A deep learning-based method for marine oil spill detection and its application in UAV imagery 2026-Jan, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118889 PMID:41166779	研究论文	本研究开发了一种基于YOLOv12的无人机图像海洋溢油检测框架，旨在提高溢油检测的准确性和边界划分的精度	提出了一种基于YOLOv12的无人机图像溢油检测框架，通过高分辨率输入、预训练权重初始化和余弦退火学习率调度策略，增强了污染特征表示能力	未明确提及模型在极端天气或夜间条件下的性能，也未讨论计算资源需求或实时处理速度的详细限制	开发高效智能的海洋溢油检测机制，以支持早期预警和快速响应，保护海洋生态系统和沿海经济安全	无人机图像中的海洋溢油区域	计算机视觉	NA	无人机遥感成像	CNN	图像, 视频	构建了一个包含多样溢油形态、不同海洋干扰条件和多尺度目标的遥感图像数据集	NA	YOLOv12	F1 Score, mAP@0.5, mAP@0.5-0.95, 精确率-召回率曲线	NA