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
1021	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
1022	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
1023	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
1024	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
1025	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
1026	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
1027	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
1028	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
1029	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
1030	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
1031	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
1032	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
1033	2026-03-10	An attention-driven framework for drug repurposing against human metapneumovirus: Integrating predictive modeling with docking validation 2026-Apr, Antiviral research IF:4.5Q1 DOI:10.1016/j.antiviral.2026.106366 PMID:41763407	研究论文	本研究提出了一种基于注意力机制的框架，用于预测针对人类偏肺病毒（HMPV）的药物再利用候选物，并通过对接验证进行强化	引入了基于注意力机制的机器学习与深度学习方法，结合对接研究，以预测现有药物对HMPV的再利用潜力	当样本数量较少时，注意力方法的性能可能受限；预测结果需进一步实验室验证	通过计算药物再利用策略，发现针对人类偏肺病毒（HMPV）的潜在治疗药物	人类偏肺病毒（HMPV）及其潜在药物候选物，如tilorone和oseltamivir	机器学习	呼吸道病毒感染	计算药物再利用，对接研究	注意力机制模型	药物数据集	NA	NA	注意力架构	NA	NA
1034	2026-03-10	Developing Evolving Adaptability in Biological Intelligence: A Novel Biologically-Inspired Continual Learning Model for Video Saliency Prediction 2026-Apr, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3643517 PMID:41385441	研究论文	本文提出了一种受生物启发的持续学习模型，用于视频显著性预测，旨在平衡记忆稳定性与学习可塑性	受海马体和果蝇γMB系统启发，设计了视觉显著性记忆库模块和主动遗忘策略，以显式存储旧任务特征并增强对新任务的适应能力	未明确说明模型在极端动态场景或大规模任务增量设置下的性能边界	解决视频显著性预测任务中的灾难性遗忘问题，并实现记忆稳定性与学习可塑性的更好平衡	动态场景中的人类注意力预测	计算机视觉	NA	持续学习	生物启发持续学习模型	视频	多个基准数据集（未指定具体数量）	NA	BICL（生物启发持续学习模型）	NA	NA
1035	2026-03-09	Linking hypolimnion to epilimnion in a stratified arctic lake: Machine learning-based estimation of hypolimnetic water quality from epilimnetic measurements 2026-Apr-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125367 PMID:41650621	研究论文	本研究开发并比较了五种机器学习模型，利用北极湖泊的表层（变温层）水质测量数据来估算深层（均温层）的水质参数	首次将机器学习方法应用于北极分层湖泊，利用易于获取的表层水质数据来估算难以直接监测的深层水质，提供了一种近乎实时的低成本监测方案	研究基于单一监测站的长时序数据，模型在空间泛化性和其他湖泊的适用性有待验证	开发一种实用、近实时且成本效益高的方法，用于评估北极分层湖泊的深层水质	芬兰伊纳里湖的深层（均温层）水质参数，包括总氮、总磷和溶解氧	机器学习	NA	NA	人工神经网络, 随机森林, 极端梯度提升, 支持向量回归, Kolmogorov-Arnold网络	水质测量数据	1979年至2022年在单一监测站收集的长期数据集	NA	NA	纳什-萨特克利夫效率, 归一化平均绝对误差, 决定系数	NA
1036	2026-03-09	A deep learning method for diagnosis of oral potentially malignant disorders 2026-Apr, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106138 PMID:41016582	研究论文	本研究开发并验证了一种用于诊断口腔潜在恶性病变的两阶段深度学习方法，并与不同资历的临床医生进行了性能比较	提出了一种两阶段深度学习方法，分别用于区分口腔潜在恶性病变与其他口腔黏膜病变以及分类特定亚型，并在外部多中心数据集上验证了其泛化能力	未明确说明模型的具体架构细节和计算资源使用情况，且样本量虽大但可能仍存在数据偏差	开发并验证一种基于深度学习的口腔潜在恶性病变诊断方法，并评估其作为临床决策支持工具的效用	口腔潜在恶性病变的临床图像	数字病理学	口腔潜在恶性病变	深度学习	CNN	图像	内部数据集3305例，外部多中心数据集1756例	NA	NA	F1分数	NA
1037	2026-03-09	3D Automated Segmentation of Bronchial Abnormalities on Ultrashort Echo Time MRI: A Quantitative MR Outcome in Cystic Fibrosis 2026-Apr, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70196 PMID:41328895	研究论文	开发了一种用于在超短回波时间MRI上分割囊性纤维化支气管异常的深度学习系统，并评估其在接受CFTR调节剂治疗患者中的临床相关性	首次将深度学习应用于UTE-MRI上囊性纤维化支气管异常的自动分割，提供了一种无辐射的定量监测方法	研究为回顾性设计，样本量有限（166名患者），且依赖于专家精修分割作为金标准	开发一个深度学习系统，用于在UTE-MRI上分割囊性纤维化支气管异常，并评估其临床相关性	囊性纤维化患者的支气管异常，包括支气管扩张、壁增厚和黏液	数字病理	囊性纤维化	超短回波时间MRI	深度学习	3D MRI图像	166名囊性纤维化患者（训练集97例，测试集25例，独立临床验证队列44例）	NA	RiSeNet	归一化表面Dice, 中心线Dice	NA
1038	2026-03-09	Deep Learning for Differentiating Benign From Malignant Bile Duct Dilation on MRCP: Development and Prospective Evaluation of an Xception-Logistic Regression Ensemble Model 2026-Apr, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70200 PMID:41348562	研究论文	本文开发并前瞻性评估了一种基于Xception和逻辑回归的集成模型，用于在MRCP图像上区分良恶性胆管扩张	提出了一种结合深度学习模型Xception与逻辑回归的集成策略，用于自动化、客观地评估胆管扩张的良恶性，并在前瞻性队列中验证了其与放射科医生相当的性能	研究为回顾性和前瞻性设计，样本量相对有限（回顾性378例，前瞻性60例），且良性病例进行了下采样以平衡类别分布，可能影响模型泛化能力	构建和评估基于MRCP图像的深度学习模型及集成策略，以准确识别良恶性胆管扩张	胆管扩张患者	计算机视觉	胆管疾病	磁共振胰胆管成像	CNN, 集成模型	图像	回顾性队列378例（来自两个机构），前瞻性队列60例	NA	Xception	AUC, 准确率, 灵敏度, 特异性	NA
1039	2026-03-09	Deep Learning-Based Brainstem Segmentation and Multi-Class Classification for Parkinsonian Syndrome 2026-Apr, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70215 PMID:41439587	研究论文	本研究开发并验证了一种结合深度学习脑干分割与机器学习分类的两步算法，用于自动分割脑干亚结构并基于体积测量对帕金森综合征进行多类别分类	提出了一种结合深度学习脑干分割与机器学习分类的两步算法，实现了对帕金森综合征的自动鉴别，并在内部和外部数据集上进行了验证	研究为回顾性设计，且临床验证有限，未来需要更多前瞻性研究和更大样本量的验证	开发并验证一种自动分割脑干亚结构并分类帕金森综合征的深度学习算法	内部数据集包含300名正常认知受试者用于分割，513名受试者用于分类；外部数据集包含82名受试者	数字病理学	帕金森综合征	3D梯度回波T1加权序列	深度学习, 机器学习	MRI图像	内部数据集：300名正常认知受试者用于分割，513名受试者用于分类；外部数据集：82名受试者	NA	NA	Dice相似系数, 受试者工作特征曲线下面积	NA
1040	2026-03-09	Deep Learning for Ultrasound-Based Auxiliary Diagnosis of Emergency Ascites 2026-Apr, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.11.665 PMID:41483985	研究论文	本研究开发了一种基于Transformer的模型，用于在FAST超声图像中自动检测腹腔游离液体，并评估其在辅助非专业操作者中的可行性	首次将基于Transformer的模型应用于FAST超声图像的自动检测，并整合了分割与分类模块，显著提升了非专业操作者的检测准确性	研究为回顾性设计，且外部验证仅来自单一中心，可能影响模型的泛化能力	开发并验证一种基于深度学习的自动化工具，以辅助急诊腹腔积液的超声诊断	FAST超声图像（包含腹腔游离液体的阳性图像与无液体的阴性图像）	计算机视觉	腹腔积液（急诊创伤相关）	超声成像（FAST）	Transformer	图像	内部数据集：1829张阳性图像和303张阴性图像；外部验证集：848张图像（424阳性/424阴性）	NA	Transformer（整合分割与分类模块）	IoU, Dice系数, 像素准确率, 准确率, 灵敏度, 特异性, AUC	NA