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
781	2026-03-13	GraphUnet-SS: A novel deep learning model for protein secondary structure prediction based on U-Net architecture 2026-Apr-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111598 PMID:41759455	研究论文	提出了一种基于U-Net架构的新型深度学习模型GraphUnet-SS，用于蛋白质二级结构预测	结合卷积神经网络、图卷积网络和双向长短期记忆网络，并利用接触图预测生成图表示氨基酸相互作用，通过贝叶斯优化技术优化超参数	未明确说明模型在特定蛋白质类型或复杂结构上的泛化能力限制	提高蛋白质二级结构预测的准确性，以辅助蛋白质三维结构预测	蛋白质序列及其二级结构	生物信息学	NA	PSI-BLAST位置特异性评分矩阵、HHBlits谱、氨基酸理化性质、结构谱	CNN, GCN, BiLSTM	序列数据、图数据	未明确说明	未明确说明	U-Net	未明确说明	未明确说明
782	2026-03-13	Modeling strategies for CGM data: A scoping review of mechanistic, machine learning, and hybrid approaches in diabetes management 2026-Apr-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111601 PMID:41780316	综述	本文对连续血糖监测（CGM）数据建模方法进行了范围综述，涵盖从经典机制模型到现代人工智能技术及混合框架的全谱系方法	首次全面探讨CGM数据建模的方法学全谱系，包括机制模型、统计时间序列、人工智能及混合框架，并扩展至除1型糖尿病外的多种人群（如2型糖尿病、妊娠期糖尿病）	数据异质性、高质量数据集在1型糖尿病外的有限可用性以及跨队列泛化能力不足等挑战仍然存在	综述CGM数据在糖尿病管理中的建模策略，比较不同方法在临床背景下的应用效果	连续血糖监测（CGM）数据及其在糖尿病管理中的应用	机器学习	糖尿病	连续血糖监测（CGM）	机制模型, 统计时间序列, 人工智能, 深度学习, 混合模型	时间序列数据	NA	NA	NA	预测性能, 准确性	NA
783	2026-03-13	Predicting the active sites of quinolone antibiotics interacting with organisms by deep learning and molecular docking 2026-Apr, Aquatic toxicology (Amsterdam, Netherlands) DOI:10.1016/j.aquatox.2026.107764 PMID:41722354	研究论文	本研究利用深度学习和分子对接技术，预测喹诺酮类抗生素与生物体相互作用的活性位点	结合深度学习构建高精度生物活性预测模型，并利用分子动力学模拟验证抗生素与靶蛋白的稳定结合构象	仅针对19种常见喹诺酮类抗生素进行研究，模型在CCRIS致突变性研究中的准确率相对较低（85.22%）	阐明生物体对环境外源性化学物的调控机制，为环境保护、食品安全政策制定及新型化合物风险评估提供理论支持	19种喹诺酮类抗生素及其与细菌DNA修复酶、神经行为相关蛋白的相互作用	机器学习	NA	深度学习，分子对接，分子动力学模拟	深度学习模型	生物测定活性数据	19种喹诺酮类抗生素的PubChem BioAssay数据集	NA	NA	准确率	NA
784	2026-03-13	Deep Learning-Based Classification of Slit-Lamp Photograph Quality in Microbial Keratitis 2026-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101086 PMID:41816093	研究论文	本研究开发并验证了一种深度学习模型，用于评估微生物性角膜炎中裂隙灯照片的质量	首次针对微生物性角膜炎的裂隙灯照片质量评估开发了深度学习模型，并比较了多种模型架构在不同照明类型下的性能	研究样本量相对有限，且未来需要进一步研究图像质量如何影响自动化决策	开发并验证一个深度学习模型，以评估微生物性角膜炎裂隙灯照片的质量	微生物性角膜炎患者的裂隙灯照片	计算机视觉	微生物性角膜炎	裂隙灯摄影	CNN	图像	来自138名个体的247至264张图像（每种照明类型）	NA	AlexNet, ResNet50, DenseNet169, InceptionV3, MobileNetV2	准确率, F1分数	NA
785	2026-03-13	From imaging to omics: deep learning is bridging MRI and liquid biopsy in bone tumor diagnosis 2026-Apr, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2026.100753 PMID:41816119	综述	本文综述了深度学习如何通过融合MRI影像组学和液体活检组学数据，改善骨肿瘤（如骨肉瘤和尤文肉瘤）的诊断、风险分层和治疗监测	利用深度学习实现MRI影像组学与液体活检组学的多模态融合，以克服单一模态的局限性，提升骨肿瘤的精准诊断和个性化治疗	NA	探讨深度学习在整合MRI影像和液体活检数据以改善骨肿瘤精准诊断和治疗策略中的应用	骨肿瘤患者，特别是骨肉瘤和尤文肉瘤患者	数字病理学	骨肉瘤, 尤文肉瘤	MRI, 液体活检（循环DNA、RNA、细胞外囊泡）	深度学习	图像, 分子数据	NA	NA	NA	NA	NA
786	2026-03-11	Deep learning-based multi-view echocardiographic framework for comprehensive diagnosis of pericardial disease 2026-Apr, European heart journal. Digital health DOI:10.1093/ehjdh/ztag028 PMID:41799660	研究论文	本研究开发了一种基于深度学习的多视图超声心动图框架，用于心包疾病的全面诊断	首次提出基于深度学习的经胸超声心动图模型，整合形态学与支持性功能评估，实现更广泛的心包疾病评估	在次优成像条件下解释结果时需要谨慎	开发一个深度学习框架，用于心包疾病的顺序评估，包括形态学特征和血流动力学意义	心包疾病患者	数字病理学	心血管疾病	经胸超声心动图	深度学习	图像, 视频	开发数据集包含来自多个韩国机构的2253例经胸超声心动图（内部测试225例），独立外部测试集包含274例经胸超声心动图	NA	NA	准确率, 受试者工作特征曲线下面积, 灵敏度	NA
787	2026-03-11	Association between electrocardiographic age and cognitive function: findings from the UK biobank and Framingham Heart Study 2026-Apr, European heart journal. Digital health DOI:10.1093/ehjdh/ztag034 PMID:41799659	研究论文	本研究利用深度学习从心电图推导生物年龄，并在两个大型人群队列中探讨其与认知功能的关联	首次在两个独立的大型人群队列（UK Biobank和Framingham Heart Study）中，系统评估了基于深度学习的ECG推导生物年龄加速与多领域认知表现之间的关联	研究为观察性设计，无法确定因果关系；认知功能评估可能受其他未测量因素影响	探究心电图推导的生物年龄加速与认知功能之间的关系	UK Biobank和Framingham Heart Study的参与者	机器学习	老年疾病	12导联心电图	深度学习模型	心电图波形	UK Biobank 59,213名参与者（平均年龄64.7岁，51.7%女性），Framingham Heart Study 6,534名参与者（平均年龄59.5岁，55.7%女性）	NA	NA	平均绝对误差（MAE）	NA
788	2026-03-10	Identification of roasting degree and interpretability analysis of Yunnan arabica coffee beans based on multi-dimensional visual features and CNNs-SHAP 2026-Apr-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148367 PMID:41672011	研究论文	本研究通过融合多维视觉特征与CNN-SHAP方法，实现了云南阿拉比卡咖啡豆烘焙度的准确识别与可解释性分析	首次将CIE Lab*颜色直方图、GLCM-LBP复合纹理和形态参数进行加权融合，并结合SHAP方法打破深度学习黑箱限制，为咖啡烘焙标准化提供可解释技术	未明确说明样本的具体来源批次和采集条件，外部验证样本规模未详细说明	实现咖啡豆烘焙度的自动化识别与决策过程透明化	云南阿拉比卡咖啡豆	计算机视觉	NA	图像分析技术	CNN	图像	未明确说明具体数量，包含浅烘、中烘、深烘三类样本	未明确说明	未指定具体架构	准确率	NA
789	2026-03-10	Intelligent storage year identification of Anhua dark tea via carbon quantum dots-based colorimetric sensor array and computer vision 2026-Apr-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148329 PMID:41672020	研究论文	本研究开发了一种结合比色传感器阵列和深度学习的方法，用于快速识别安化黑茶的储存年份	首次将碳量子点比色传感器阵列与计算机视觉结合，利用智能手机在紫外光下捕获颜色变化图像，并通过深度学习模型直接分析，实现了安化黑茶储存年份的快速、低成本、高精度识别	未明确说明样本的具体数量、来源多样性以及模型在更广泛样本或不同环境条件下的泛化能力	开发一种快速、准确、易于操作的安化黑茶储存年份识别方法	安化黑茶	计算机视觉	NA	比色传感器阵列、碳量子点	CNN	图像	NA	NA	ResNet18, VGG16, DenseNet121, MobileNetV3-Small, EfficientNet B0	准确率	NA
790	2026-03-10	Self-supervised learning for aflatoxin B1 detection using masked spectra 2026-Apr-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148342 PMID:41679220	研究论文	本研究提出了一种基于自监督学习的策略，用于花生和玉米中黄曲霉毒素B1的准确检测	创新性地将光谱重建误差用作波长注意力机制，并与自监督学习阶段的微调编码器集成，开发了分类模型，同时基于光谱重建误差选择关键波长	NA	开发一种高效的小样本光谱检测方法，用于黄曲霉毒素B1的检测	花生和玉米中的黄曲霉毒素B1	机器学习	NA	光谱检测	自监督学习, 深度学习	光谱数据	NA	NA	NA	准确率	NA
791	2026-03-10	Near- and Mid-Infrared Spectroscopy for the Rapid and Non-Destructive Analysis of Wheat Flour and Wheat-Based Products: A Review 2026-Apr-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148379 PMID:41691843	综述	本文综述了近红外和中红外光谱技术在小麦粉及其制品快速、无损分析中的应用进展	整合光谱技术与化学计量学及机器学习方法，提高了预测精度和稳健性，支持实时原位分析	NA	优化小麦粉的质量控制与安全评估，为食品工业提供快速、可靠、可持续的分析系统	小麦粉及小麦基制品	机器学习	NA	近红外光谱，中红外光谱	深度学习	光谱数据	NA	NA	NA	预测精度，稳健性	NA
792	2026-03-10	Artificial intelligence streamlines scientific discovery of drug-target interactions 2026-Apr, British journal of pharmacology IF:6.8Q1 DOI:10.1111/bph.17427 PMID:39843168	综述	本文综述了人工智能技术在药物靶点相互作用预测中的应用	系统性地概述了AI在DTI预测中的最新方法，包括经典机器学习、深度学习和基于网络的方法，并指出了当前挑战和未来方向	作为一篇综述文章，未提出新的实验数据或模型，主要基于现有文献进行总结	探讨人工智能如何简化药物发现过程中的药物靶点相互作用预测	药物靶点相互作用	机器学习	NA	NA	经典机器学习, 深度学习, 基于网络的方法	NA	NA	NA	NA	NA	NA
793	2026-03-10	Reinforcement Learning-Based Sequential Parameter Tuning for Image Signal Processing 2026-Apr, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3642837 PMID:41379910	研究论文	本文提出了一种基于强化学习的图像信号处理（ISP）参数顺序调优方法，以自动化传统上依赖专家手动调整的耗时过程	首次将硬件ISP参数调优建模为顺序优化问题，并分别提出了基于单智能体强化学习（SARL-ISP）和协作多智能体强化学习（MARL-ISP）的框架，其中MARL-ISP通过序列化参数调优模块（SPTM）和特征选择模块（FSM）探索了ISP模块顺序结构及参数间耦合关系的影响	未明确说明模型在极端光照或噪声条件下鲁棒性，也未讨论计算复杂度及实时性是否满足硬件部署要求	自动化图像信号处理（ISP）参数调优过程，提升图像质量并优化下游计算机视觉任务性能	硬件ISP处理模块及其可调参数	计算机视觉	NA	强化学习（RL）	强化学习智能体（单智能体及多智能体）	RAW图像，RGB图像	未明确说明具体样本数量，仅提及使用最小训练数据	未明确说明	SARL-ISP, MARL-ISP（包含序列化参数调优模块SPTM和特征选择模块FSM）	定量指标（未具体说明），定性评估	NA
794	2026-03-10	Unveiling Fine-Grained Deceptive Patterns in Multimodal Fake News: An Explainable Neuro-Symbolic Framework With LVLMs 2026-Apr, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3642831 PMID:41379920	研究论文	本文提出了一种可解释的神经符号框架GE-NSLM，用于检测多模态假新闻中的细粒度欺骗模式	从解释假新闻如何被制造的角度出发，预先定义了四种欺骗模式，并首次将大型视觉语言模型与神经符号模型结合，提供可解释的检测结果	未明确说明模型在处理新兴或复杂欺骗模式时的泛化能力，也未讨论计算效率问题	开发一个既能准确检测多模态假新闻，又能解释其制造背后深层原理的可解释性框架	多模态假新闻（包含图像和文本）	自然语言处理,计算机视觉	NA	NA	神经符号模型,大型视觉语言模型	多模态数据（图像和文本）	NA	NA	GE-NSLM（一种神经符号潜在模型）	NA	NA
795	2026-03-10	Handwritten Text Recognition: A Survey 2026-Apr, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3646002 PMID:41411365	综述	本文对从早期启发式方法到现代深度学习模型的演进进行了全面调查，并提供了统一框架来评估研究方法、基准测试进展、关键数据集及文献结果	提出了一个统一框架来分类手写文本识别研究，并系统梳理了从词级到文档级的技术演进路径	作为综述文章，未提出新的算法模型，主要基于现有文献进行分析归纳	系统梳理手写文本识别领域的技术演进、研究方法和未来方向	手写文本识别模型、数据集和评估方法	模式识别	NA	深度学习	神经网络	手写文本图像	NA	NA	NA	NA	NA
796	2026-03-10	DSwinIR: Rethinking Window-Based Attention for Image Restoration 2026-Apr, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3646016 PMID:41418006	研究论文	本文提出了一种新的注意力机制——可变形滑动窗口注意力（DSwin Attention），用于图像恢复任务	引入了基于令牌和内容感知的范式，通过可变形滑动窗口注意力机制超越传统的网格和固定窗口划分，增强了跨窗口特征交互和感受野	NA	改进图像恢复中基于窗口的自注意力机制，以提升模型性能	图像恢复任务	计算机视觉	NA	NA	Transformer	图像	NA	NA	DSwinIR, GridFormer	dB（信噪比提升）	NA
797	2026-03-10	Jo-SNC: Combating Noisy Labels Through Fostering Self- and Neighbor-Consistency 2026-Apr, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3646737 PMID:41428907	研究论文	提出一种名为Jo-SNC的噪声鲁棒方法，通过联合样本选择和基于自一致性及邻域一致性的模型正则化来应对标签噪声问题	提出联合样本选择和模型正则化的噪声鲁棒方法，引入Jensen-Shannon散度衡量样本清洁度，设计自适应阈值方案，并采用三元组一致性正则化提升模型性能	未明确说明方法在极端噪声比例或特定数据分布下的性能边界，实验主要基于基准数据集	解决监督深度学习中的标签噪声问题，提升模型在噪声环境下的鲁棒性	带有噪声标签的监督学习数据	机器学习	NA	NA	深度网络	NA	多个基准数据集（未指定具体数量）	NA	NA	NA	NA
798	2026-03-10	Deep Learning-Based Detection of Periodontal Infrabony and Furcation Defects on Periapical Radiographs: A Feasibility Study 2026-Apr, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.109380 PMID:41544585	研究论文	本研究探索了基于深度学习的对象检测模型在根尖片上自动检测和分类牙周骨缺损的可行性	首次将YOLOv8对象检测模型应用于根尖片上牙周骨缺损的详细分类，包括一壁缺损、多壁缺损、火山口样缺损和根分叉病变	数据集存在不平衡问题，且二维成像本身存在固有局限，导致模型对较小或影像学上模糊的缺损检测困难	评估人工智能辅助对象检测模型在牙周骨缺损分类中的可行性和性能	根尖片上显示的牙周骨缺损	计算机视觉	牙周病	深度学习	CNN	图像	581张包含至少1处牙周骨缺损的根尖片图像（来自总共7464张图像）	NA	YOLOv8l	平均精度均值, 精确率, 召回率	NA
799	2026-03-10	A Multimodal Model for Caries Screening Using Intraoral Images and Questionnaires 2026-Apr, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109420 PMID:41650828	研究论文	本研究开发了一种结合口内图像和问卷数据的多模态深度学习模型，用于儿童龋齿筛查，并与仅使用图像的单一模态模型进行性能比较	通过整合口内图像和问卷数据构建多模态模型，提高了早期龋齿的召回率，同时保持了整体诊断性能，并利用SHAP分析增强了模型决策的可解释性	需要进一步的大规模、多中心验证以确认其普适性和有效性	开发用于儿童龋齿筛查的多模态深度学习模型	儿童的口内图像和口腔健康问卷数据	计算机视觉	龋齿	深度学习	深度学习模型	图像, 文本	7671张图像（3913张咬合面图像和3758张光滑面图像）	NA	NA	准确率, 精确率, 召回率, F1分数, ROC-AUC	NA
800	2026-03-10	Comparison of Artificial Intelligence Models for Automatic Segmentation of the Mandibular Canals and Branches 2026-Apr, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109427 PMID:41653835	研究论文	本研究比较并改进了三种深度学习模型（U-Net Transformer、Swin UNETR和3D UX-Net）在下颌管及其分支自动分割中的性能	首次比较了三种先进的3D深度学习模型在下颌管分割任务中的表现，并引入了基于解剖学特征的后处理模块以显著提升模型性能	研究仅使用了173个CBCT扫描样本，样本量相对有限；未在外部数据集上验证模型的泛化能力	比较和优化深度学习模型在下颌管及其分支自动分割中的性能	下颌管、切牙管和颏管等牙科结构	计算机视觉	NA	锥形束计算机断层扫描	深度学习	3D医学图像	173个CBCT扫描	NA	U-Net Transformer, Swin UNETR, 3D UX-Net	Dice相似系数, 交并比, 95百分位豪斯多夫距离, 平均对称表面距离, 精确率, 召回率	NA