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
1981	2026-03-11	Perceptions of Group Work on Student Learning in Entry-Level Physical Therapist Education: A Qualitative Study 2026, Journal of allied health DOI:10.21091/jah.2026.01002 PMID:41802948	研究论文	本研究通过定性内容分析方法，探讨了物理治疗专业学生对小组工作如何影响其学习的看法	采用半结构化焦点小组访谈，深入分析学生对小组工作教育价值的感知，揭示了设计、个人成长和知识范围三个主要主题	样本量较小（n=7），且为定性研究，结果可能无法推广到更广泛的物理治疗教育背景	探索小组工作对学生学习的影响，以优化物理治疗教育中的教学策略	物理治疗专业的学生	NA	NA	NA	NA	定性访谈数据	7名学生	NA	NA	NA	NA
1982	2026-03-11	ARTIFICIAL INTELLIGENCE IN CLINICAL DIAGNOSTICS FOR EARLY DETECTION OF CHRONIC DISEASES: A SYSTEMATIC REVIEW 2026-Jan, Georgian medical news PMID:41804133	系统综述	本文系统综述了人工智能在慢性疾病早期临床诊断中的应用，总结了相关证据	系统性地综合了2020年至2025年间关于AI在多种慢性疾病早期诊断中的最新研究，并特别关注了混合AI模型的应用	研究存在数据集异质性、回顾性研究设计、外部验证有限以及报告不一致等问题，限制了结果的普适性	评估人工智能在慢性疾病早期检测中的诊断准确性、风险预测和临床决策支持能力	涵盖代谢/心脏代谢疾病、肌肉骨骼疾病、肺部疾病、癌症/血液疾病、神经退行性疾病以及眼科/牙科疾病等多种慢性疾病	机器学习	慢性疾病	NA	混合AI模型, 机器学习, 深度学习	实验室数据, 临床数据, 影像数据	32项研究	NA	NA	AUC, 准确率, 灵敏度, 特异性	NA
1983	2026-03-11	Random Neural Networks for Rough Volatility 2026, Applied mathematics and optimization IF:1.6Q2 DOI:10.1007/s00245-026-10392-5 PMID:41804376	研究论文	本文构建了一种基于深度学习的数值算法，用于求解粗糙波动率背景下产生的路径依赖偏微分方程	将PDE解释为BSDE的解，并采用储层类型的神经网络构建优化问题，证明了理论收敛性	NA	解决粗糙波动率模型中的路径依赖偏微分方程数值求解问题	路径依赖偏微分方程	机器学习	NA	深度学习	储层神经网络	NA	NA	NA	储层神经网络	NA	NA
1984	2026-03-11	Renal Cell Type and State Estimation in Brightfield Histology Images: A Pilot Study on Diabetic Nephropathy 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047996 PMID:41799653	研究论文	本研究提出了一种基于深度学习的两阶段流程，用于从亮视野组织学图像预测细胞类型/状态，旨在提升糖尿病肾病的诊断和预后评估	结合图像到文本检索网络和视觉语言模型，利用CONCH模型从亮视野图像生成组织病理学文本提示，并通过回归头预测细胞类型/状态比例，相比仅使用图像输入的模型有显著性能提升	研究为试点性质，样本来源单一（印第安纳大学收集的糖尿病肾病样本），且仅针对四种组织结构类型进行分类，可能缺乏泛化性	开发机器学习流程，从亮视野组织学图像预测细胞类型/状态，以弥补多组学数据在临床中的昂贵和不可及性	糖尿病肾病患者的10X Visium空间转录组学福尔马林固定石蜡包埋全切片图像	数字病理学	糖尿病肾病	空间转录组学（10X Visium），亮视野显微镜	深度学习模型	图像，文本	未明确指定样本数量，但来自印第安纳大学收集的糖尿病肾病样本集	未明确指定，但提及CONCH、ViT、ResNet等模型架构	CONCH, ViT, ResNet	均方误差	NA
1985	2026-03-11	Deep Learning for Brain Tumor Classification 2017-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2254195 PMID:41799012	研究论文	本研究应用深度学习方法来分类脑部图像中的不同肿瘤类型：脑膜瘤、胶质瘤和垂体瘤	采用更通用的深度学习方法，无需图像扩张和肿瘤环状子区域处理，即可超越需要这些专门步骤的方法	研究仅使用轴向平面的图像，以避免不同平面图像对神经网络的混淆，这可能限制了模型对多平面信息的利用	应用深度学习方法对脑部肿瘤图像进行分类	脑部MRI图像中的脑膜瘤、胶质瘤和垂体瘤	计算机视觉	脑肿瘤	T1加权对比增强MRI	CNN, 全连接神经网络	图像	来自191名患者的989张轴向MRI图像	NA	NA	五折交叉验证准确率	NA
1986	2026-03-10	DAUS-Net: Toward Ultrasound Scanner-Agnostic Domain Generalized Robust and Accurate Segmentation 2026-May, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251388454 PMID:41449845	研究论文	本文提出了一种名为DAUS-Net的超声图像分割网络，旨在实现与超声扫描设备无关的、鲁棒且准确的乳腺肿瘤分割	将深度频率滤波模块集成到U-Net架构中，并在潜在空间进行自适应频率成分选择，同时用实例归一化替代批量归一化以移除设备相关的风格特征，从而提升模型对不同超声设备的泛化能力	研究仅针对乳腺肿瘤分割任务在三个公共数据集上进行了验证，尚未在更多疾病类型或更大规模的临床数据中测试其泛化性能	开发一种不依赖于特定超声扫描设备的通用分割模型，以降低模型部署成本并解决医疗影像中数据采集昂贵的问题	超声图像中的乳腺肿瘤	数字病理	乳腺癌	超声成像	CNN	图像	三个公共数据集（具体样本数未在摘要中说明）	未明确说明	U-Net（集成深度频率滤波模块）	Dice系数	NA
1987	2026-03-10	Explainable AI in Cardiology Diagnostics: A Systematic Review of Machine Learning, Meta-heuristic Optimization, and Clinical Text Mining for Coronary Artery Disease 2026-May, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106321 PMID:41653696	综述	本文系统综述了机器学习、元启发式优化和临床文本挖掘等人工智能方法在冠状动脉疾病诊断中的应用	整合了机器学习、自然语言处理、元启发式优化和可解释人工智能等多种AI方法，并系统评估了它们在CAD诊断中的性能与临床适用性	纳入研究临床验证有限，数据稀缺，缺乏标准化、以临床医生为中心的可解释性评估，且外部验证不足	旨在识别CAD诊断中最常用的AI模型，评估其性能，并探索可解释性和优化如何提升临床实用性	冠状动脉疾病（CAD）	自然语言处理, 机器学习	心血管疾病	机器学习, 自然语言处理, 元启发式优化, 可解释人工智能	深度学习模型, Transformer模型	文本, 基准数据集	61项研究	NA	BioBERT, ClinicalBERT	准确率	需要大量计算资源
1988	2026-03-10	Learning with less: A survey of deep learning in medical imaging under varying supervision levels 2026-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103375 PMID:41702310	综述	本文系统综述了医学影像分析中在不同监督水平下应用的深度学习方法	首次根据监督水平（无监督、不精确监督、不完全监督、不准确监督和有限监督）对医学影像深度学习方法进行系统性分类和综述，并细分子类别	作为综述文章，不涉及具体实验验证，主要基于现有文献进行归纳总结	梳理和总结医学影像分析中在不同监督水平下的深度学习方法，探讨未来研究方向	医学影像分析领域的深度学习方法和相关数据集	医学影像分析	NA	深度学习	NA	医学影像	NA	NA	NA	NA	NA
1989	2026-03-10	A Character-level Convolutional Recurrent Interaction Network for joint traditional Chinese medicine clinical named entity recognition and relation extraction 2026-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103372 PMID:41707487	研究论文	本文提出了一种用于联合中医临床命名实体识别与关系抽取的字符级卷积循环交互网络	将中医四诊维度视为关系，并整合字符嵌入与字符间上下文卷积特征向量来捕获古汉语语义信息，通过多任务动态交互联合抽取实体与关系	未明确提及模型在更大规模或更复杂中医病历数据集上的泛化能力	进一步结构化和建模中医医疗数据，实现中医临床命名实体识别与关系抽取	中医电子病历	自然语言处理	NA	NA	CNN, LSTM, 自注意力机制	文本	NYT数据集和TCM-cases数据集	NA	字符级卷积循环交互网络	NA	NA
1990	2026-03-10	GFASNet: Gait feature attention-driven deep sequential network for dementia-related gait pattern analysis 2026-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103377 PMID:41713110	研究论文	本研究提出了一种名为GFASNet的步态特征注意力驱动深度序列网络，用于分析痴呆相关的步态模式	将特征级注意力机制整合到序列深度学习架构中，以增强模型透明度并量化个体步态参数的相对贡献，从而识别潜在的数字化生物标志物	未明确说明模型在外部验证集上的泛化能力，且样本量相对有限（232名参与者）	通过深度学习模型识别痴呆相关的步态改变，并提高模型的可解释性	232名参与者在压力传感器步道上进行自由行走测试的步态数据	机器学习	老年疾病	压力传感器步道采集	LSTM, BiLSTM, GRU, BiGRU	时空步态序列数据	232名参与者	NA	GFASNet（基于LSTM、BiLSTM、GRU、BiGRU的四种变体）	分类任务性能（具体指标未明确说明）	NA
1991	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
1992	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
1993	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
1994	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
1995	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
1996	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
1997	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
1998	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
1999	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
2000	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