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
1441	2026-02-09	Diagnostic text-guided representation learning in hierarchical classification for pathological whole slide image 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103894 PMID:41386185	研究论文	本文提出了一种名为PathTree的表示学习方法，用于处理病理全切片图像（WSI）的分层分类任务，通过结合专业病理文本描述来指导图像特征的层次化聚合	引入了分层病理图像分类概念，并提出了PathTree方法，将疾病多分类视为二叉树结构，利用文本描述引导层次化表示学习，并引入树特定损失函数来约束文本与图像间的关联	未明确说明方法在处理更复杂或非二叉树结构分类任务时的适用性，且实验数据集的多样性可能有限	开发一种深度学习辅助的解决方案，以应对更复杂的病理全切片图像分类任务	病理全切片图像（WSI）	数字病理	肺癌, 前列腺癌, 乳腺癌	表示学习, 文本引导的特征聚合	树状编码器	图像, 文本	三个数据集：内部冷冻切片肺组织病变识别、公共前列腺癌分级评估、公共乳腺癌亚型分类	未明确指定	PathTree	未明确指定	NA
1442	2026-02-08	Artificial Intelligence for Postoperative Wound Monitoring: An Integrative Review of Digital Innovation and Clinical Feasibility 2026-Mar, The American surgeon DOI:10.1177/00031348251385104 PMID:41027651	综述	本文对人工智能在术后伤口监测中的应用进行了综合性评述，评估了其技术进展、临床可行性与未来发展方向	首次系统性地聚焦于术后伤口（而非慢性伤口）的AI监测，提出了整合深度学习、可穿戴生物传感器、移动应用和自然语言处理等技术的临床实施路线图	现有研究缺乏大规模标准化数据集、可解释AI框架和严格的临床验证研究	评估人工智能技术在术后伤口监测中的最新进展、临床可行性及未来整合路径	术后伤口监测相关的AI技术应用	数字病理学	NA	深度学习, 可穿戴生物传感器, 移动应用, 自然语言处理	NA	图像, 传感器数据, 文本	基于118篇符合纳入标准的相关文献	NA	NA	NA	NA
1443	2026-02-08	A Gravity-Informed Spatiotemporal Transformer for Human Activity Intensity Prediction 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3625859 PMID:41150240	研究论文	本文提出了一种基于物理约束的深度学习框架Gravityformer，用于预测人类活动强度	通过集成万有引力定律来优化Transformer注意力机制，以解决现有方法忽视空间交互物理约束的问题	未明确说明模型在极端或异常情况下的鲁棒性	预测人类活动强度，以支持基于位置的服务	人类活动数据	机器学习	NA	深度学习	Transformer, 图卷积网络	时空数据	六个大规模真实世界活动数据集	NA	Transformer, 图卷积网络	定量和定性评估	NA
1444	2026-02-08	Joint Sparse Optical Flow Estimation and Keypoint Detection via Dual-task Imperative Learning 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3627192 PMID:41171660	研究论文	本文提出了一种新颖的双任务强制学习框架，用于联合优化稀疏光流估计和自适应关键点检测	通过双任务强制学习框架，结合EM范式和高斯-牛顿推理引擎，实现了稀疏光流估计与关键点检测的协同优化，增强了模型的可解释性和跨域适应性	仅使用了200个训练图像对进行训练，可能限制了模型的泛化能力	解决深度学习在光流估计中面临的模型可解释性、泛化能力和部署效率问题，特别是在视觉里程计等应用中	稀疏光流估计和关键点检测	计算机视觉	NA	深度学习	CNN	图像	200个训练图像对	NA	NA	端点误差, F1-all, 视觉里程计轨迹精度	NA
1445	2026-02-08	Revisiting Transformation Invariant Geometric Deep Learning: An Initial Representation Perspective 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3626735 PMID:41171655	研究论文	本文提出了一种名为TinvNet的通用插件方法，通过设计变换不变且保持距离的初始点表示，来实现几何深度学习的变换不变性，而无需复杂的网络层设计	发现变换不变且保持距离的初始点表示足以实现变换不变性，并提出了一种简单通用的插件方法TinvNet，该方法可与现有神经网络结合，严格保证变换不变性	未明确说明方法在极端变换或噪声数据下的鲁棒性，也未讨论计算复杂度相对于传统方法的详细对比	研究如何使深度神经网络在处理几何数据（如点云和图）时保持对平移、旋转、缩放等变换的不变性	几何数据，包括点云和图	机器学习	NA	NA	图神经网络, 深度神经网络	点云, 图数据	NA	NA	TinvNet	NA	NA
1446	2026-02-08	OoDBench+: Quantifying and Understanding Two Dimensions of Out-of-Distribution Generalization 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3628027 PMID:41182941	研究论文	本文提出并量化了两种分布偏移类型（多样性偏移和相关性偏移），用于评估和理解OoD泛化算法的性能	识别并形式化定义了两种普遍存在的分布偏移类型，证明了OoD算法性能受其上限约束，并将不同研究领域的OoD数据集和算法整合到一个统一框架中	未在论文摘要中明确说明具体限制	量化并理解OoD泛化中的两种分布偏移维度，为未来研究提供基础	OoD泛化算法及其在分类和目标检测数据集上的性能	机器学习	NA	NA	NA	图像数据（基于分类和目标检测任务推断）	NA	NA	NA	NA	NA
1447	2026-02-08	Deep Learning With Data Privacy via Residual Perturbation 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3637239 PMID:41296949	研究论文	本文提出了一种基于随机微分方程的残差扰动方法，用于在深度学习（DL）中保护数据隐私，通过向ResNets的每个残差映射注入高斯噪声来实现	提出了一种新颖的残差扰动机制，该机制在保证差分隐私（DP）的同时，减少了深度学习的泛化差距，并在计算效率和效用维护方面优于现有的差分隐私随机梯度下降（DPSGD）方法	未明确提及具体局限性，但可能涉及噪声注入对模型性能的潜在影响或在不同网络架构中的适用性	研究在深度学习中保护数据隐私的方法，旨在减少隐私保护机制带来的效用损失和计算开销	深度学习模型，特别是ResNets（残差网络）	机器学习	NA	随机微分方程，高斯噪声注入	ResNet	NA	NA	NA	ResNet	效用维护，泛化差距	NA
1448	2026-02-08	Deep Tabular Representation Corrector 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3637810 PMID:41308107	研究论文	提出了一种名为TRC的深度表格表示校正器，用于增强已训练的深度表格模型的表示，而无需修改其参数	引入了一种模型无关的表示校正方法，通过两个任务（表格表示重估计和表格空间映射）来缓解表示偏移和冗余，提高预测性能	NA	提升深度表格机器学习模型的表示质量	表格数据	机器学习	NA	NA	Transformer, ResNet	表格数据	NA	NA	Transformer, ResNet	NA	NA
1449	2026-02-08	Physics-Driven Neural Compensation for Electrical Impedance Tomography 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3639647 PMID:41336161	研究论文	提出一种名为PhyNC的无监督深度学习框架，用于解决电阻抗断层成像中的逆问题不适定性和灵敏度分布不均的挑战	结合EIT的物理原理，通过动态分配神经表示能力到低灵敏度区域，实现准确且平衡的电导率重建	未明确提及具体局限性	提升电阻抗断层成像的重建精度和鲁棒性，特别是在低灵敏度区域	电阻抗断层成像的逆问题与灵敏度分布	医学成像	NA	电阻抗断层成像	深度学习	模拟数据与实验数据	NA	NA	NA	细节保留与伪影抵抗能力	NA
1450	2026-02-08	The development of an image processing model to estimate tooth width and space requirements 2026-Mar, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106330 PMID:41491146	研究论文	本研究开发并测试了一种基于AI的工具，用于测量牙齿宽度和牙列拥挤度	首次开发了一种基于AI的工具，能够从STL文件中自动计算牙齿的近远中宽度，并验证了其与人类评估者的一致性	研究仅基于单一正畸医生的患者数据，且样本量有限（245名患者），未来需扩大数据集并纳入更多参数如牙弓平整度	开发并验证一种AI工具，以提高正畸治疗中牙齿宽度测量和空间需求评估的效率和准确性	245名在专科正畸诊所完成治疗的患者的前后治疗石膏研究模型	计算机视觉	正畸疾病	立体光刻（STL）扫描	深度学习模型	三维图像（STL文件）	245名患者的石膏模型，其中12组预处理模型作为测试数据	NA	NA	组内相关系数（ICC），平均绝对差异（毫米）	NA
1451	2026-02-08	Multi-Architecture deep learning for CBCT segmentation of dental hard tissues and pulp in mixed dentition 2026-Mar, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106344 PMID:41519426	研究论文	本研究开发并评估了基于深度学习的3D模型，用于在儿童混合牙列CBCT扫描中自动分割牙髓、乳牙和恒牙结构	首次在混合牙列CBCT分割任务中系统比较了CNN、Transformer和Mamba等多种架构，并引入了U-Mamba等新型模型	外部验证集性能低于内部数据集，且乳牙分割在年龄较大儿童中准确性较低	开发用于儿童混合牙列CBCT图像中牙科硬组织和牙髓自动分割的深度学习模型	儿童CBCT扫描图像中的牙髓、乳牙和恒牙结构	数字病理学	NA	CBCT成像	CNN, Transformer, Mamba	3D医学图像	151例CBCT扫描（105例内部数据集，46例外部数据集），共29,478张图像	nnU-Net	ResEncM, U-Mamba Bot, U-Mamba Enc, WNet, UNETR, SegResNet	DSC, IoU, HD95, 分割体积, 处理时间	NA
1452	2026-02-08	Association of echocardiographic findings with mortality: human assessment vs. automated deep learning analysis 2026-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf148 PMID:41640420	研究论文	本研究比较了基于AI的超声心动图分析与人类专家解读的相关性，并评估了它们在预测住院患者一年死亡率方面的表现	首次在真实世界环境中，将商业AI软件（Us2.ai）的超声心动图分析与人类专家解读进行对比，并纳入自动左心室应变分析以提升死亡率预测性能	研究为回顾性设计，样本量相对有限（731例），且仅使用单一商业AI软件，可能影响结果的普适性	评估AI与人类专家在超声心动图分析中的相关性，并比较它们在预测临床结局（一年死亡率）方面的效能	住院患者（共889例，其中731例纳入分析，平均年龄68±16岁，46%为女性）的临床超声心动图检查	数字病理学	心血管疾病	超声心动图成像	深度学习模型	图像	731例住院患者的超声心动图数据	NA	NA	AUC	NA
1453	2026-02-08	Convolutional Graph Isomorphism Network to Detect Glaucomatous Visual Field Defects 2026-Mar, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.101041 PMID:41641113	研究论文	本研究评估了一种基于图同构网络（GIN）的深度学习模型在检测青光眼视野缺损方面的性能，并与传统诊断标准、密集神经网络和卷积神经网络模型进行比较	首次将标准自动视野检查（SAP）数据建模为图结构，利用图同构网络（GIN）捕捉测试点间的空间关系，从而在青光眼视野缺损检测中实现更优的诊断性能和可解释性	研究为横断面回顾性设计，可能受限于数据选择和潜在偏差；样本量相对有限（1874次测试），且仅基于单一设备（Humphrey视野分析仪）的数据	评估图同构网络（GIN）在检测青光眼视野缺损中的诊断性能，并与传统方法和现有深度学习模型进行对比	来自676名患者1009只眼的1874次可靠标准自动视野检查（SAP）测试	机器学习	青光眼	标准自动视野检查（SAP）	GIN, CNN, 密集神经网络	图数据（节点特征包括敏感度、总偏差和模式偏差值）	1874次SAP测试（来自1009只眼，676名患者）	NA	图同构网络（GIN）	AUC, 精确率-召回率曲线, 95%特异性下的敏感度, F1分数, 可重复性, 模型可解释性	NA
1454	2026-02-07	Causality-Driven Convolutional Manifold Attention Network for Electroencephalogram Signal Decoding 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3625631 PMID:41144414	研究论文	本研究提出了一种因果驱动的卷积流形注意力网络（CD-CMAN），用于从脑电图信号中学习不变表征，以增强分布外泛化能力	结合结构因果模型、黎曼几何和深度学习的优势，通过双潜在编码器和流形注意力单元显式分离时空特征为语义和变异潜在因子，并引入HSIC准则确保其统计独立性	未明确说明模型在更复杂或噪声更大的现实场景中的鲁棒性，以及计算复杂度可能较高	提升脑机接口技术在分布外场景下的泛化能力	脑电图信号	机器学习	NA	脑电图信号处理	CNN, 注意力机制	时序信号	基于两个公共数据集，未明确具体样本数量	NA	因果驱动卷积流形注意力网络	NA	NA
1455	2026-02-07	Engineering strategies for microbial synthesis, customized modification, and application of hemoglobin 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2025.108752 PMID:41242508	综述	本文综述了血红蛋白的微生物合成、定制化功能修饰及其在多个领域的应用策略	强调利用人工智能算法定制血红蛋白功能修饰，并整合Pareto最优、迭代生物工程框架、深度学习和合成生物学等先进技术以加速其合成与应用	NA	探讨血红蛋白微生物合成的关键挑战与解决方案，并概述其在医学和生物技术等领域的应用前景	血红蛋白的合成、修饰与应用	合成生物学	NA	微生物合成、人工智能算法、深度学习、合成生物学	NA	NA	NA	NA	NA	NA	NA
1456	2026-02-07	Demystifying Higher-Order Graph Neural Networks 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3637114 PMID:41289127	研究论文	本文设计了一种高阶图神经网络（HOGNNs）的深度分类法和蓝图，以分析和比较现有模型，并提供选择指南和研究挑战	提出了首个针对高阶图神经网络的深度分类法和蓝图，帮助设计高性能模型并系统分析比较现有方法	NA	分析和比较高阶图神经网络模型，提供选择指南和未来研究方向	高阶图神经网络（HOGNNs）及相关拓扑深度学习架构	机器学习	NA	NA	GNN	图数据	NA	NA	NA	NA	NA
1457	2026-02-07	Semantic Correspondence: Unified Benchmarking and a Strong Baseline 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3640429 PMID:41343305	综述	本文首次对语义对应任务进行了全面的综述与分析，提出了分类法、统一了基准比较，并提出了一个简单有效的强基线方法	提出了首个语义对应方法的广泛综述，建立了统一的分类法和基准比较表，并通过控制实验深入分析了不同方法组件的有效性，同时提出了一个在多个基准上达到最先进性能的简单强基线	NA	对计算机视觉中的语义对应任务进行全面回顾、分析和基准统一，并为未来研究提供参考和基线	语义对应方法	计算机视觉	NA	深度学习	NA	图像	NA	NA	NA	NA	NA
1458	2026-02-07	From traditional to AI-driven: The evolution of intelligent enzyme engineering for biocatalysis 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2025.108788 PMID:41443357	综述	本文综述了酶工程从传统方法到AI驱动方法的演变，重点介绍了机器学习与深度学习在酶工程策略中的应用	总结了机器学习与深度学习在酶工程中的最新应用，并展望了未来多模态基础模型与标准化数据库的发展方向	存在力场精度限制、突变采样约束、实验通量限制以及上位效应等挑战	探讨酶工程的发展历程及其在生物催化中的应用，并分析AI技术如何提升酶工程效率	酶工程策略，包括定向进化、理性/半理性设计、残基共进化及从头设计	机器学习	NA	机器学习，深度学习	NA	序列数据，结构数据	NA	NA	NA	NA	NA
1459	2026-02-07	Geometric deep learning assists protein engineering. Opportunities and Challenges 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2025.108790 PMID:41456696	综述	本文全面评述了几何深度学习在蛋白质工程中的应用、机遇与挑战	整合几何深度学习于蛋白质计算设计工作流，克服传统方法在序列空间探索和实验验证成本上的限制，强调其在可解释性和泛化性方面的增强	NA	为计算方法和实验蛋白质工程师提供指导，促进算法概念与实用设计考虑的结合	蛋白质工程	机器学习	NA	几何深度学习	NA	非欧几里得域数据（空间、拓扑、物理化学特征）	NA	NA	NA	NA	NA
1460	2026-02-07	Decoding polyphenol-protein interactions with deep learning: From molecular mechanisms to food applications 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2026.108803 PMID:41544721	综述	本文探讨了深度学习如何重塑多酚-蛋白质相互作用的研究，从分子机制到食品应用	利用深度学习高效预测结合位点、相互作用亲和力和分子动力学，克服传统实验和计算方法的可扩展性、通量和可重复性限制	深度学习的有效性受限于数据可用性、质量和代表性，特别是在天然产物领域	研究深度学习在多酚-蛋白质相互作用分析中的应用，以加速营养科学和治疗开发	多酚和蛋白质及其相互作用	机器学习	NA	深度学习	NA	高维生物信息学和化学信息学数据	NA	NA	NA	NA	NA