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
6501	2026-01-14	Deep Neural Network Parameter Selection via Dataset Similarity Under Meta-Learning Framework 2026-Feb, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3618991 PMID:41056167	研究论文	本文提出了一种基于元学习的框架，通过数据集相似性联合推荐超参数和初始权重，以优化深度神经网络的性能	引入了一种新颖的元学习框架，首次联合考虑超参数和权重初始化，并利用浅层和深层元特征捕捉数据集多样性，通过数据集相似性进行参数推荐	未明确说明框架在非图像数据集上的泛化能力，且依赖于历史数据集的覆盖范围	优化深度神经网络在图像分类任务中的性能，通过数据集驱动的参数推荐减少调优负担	105个真实世界图像分类数据集，包括75个历史数据集和30个查询数据集	机器学习	NA	元学习，图像特征提取	Vision Transformer, CNN	图像	105个图像数据集	NA	Vision Transformer, 卷积神经网络	NA	NA
6502	2026-01-14	Synergistic integration of multidimensional differential spectroscopy and deep learning for robust phenol monitoring in complex industrial effluents 2026-Feb-01, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344989 PMID:41526095	研究论文	本研究提出了一种结合化学选择性、多维光学传感和定制并行关联神经网络（PSNN）的新策略，用于复杂工业废水中苯酚的稳健监测	通过苯酚特异性溴化消除其光谱特征，构建双通道可变光程系统生成三维差分光谱矩阵，并开发了新型并行关联神经网络（PSNN），显著提升了监测精度和鲁棒性	实验室条件与现场测试存在性能差异，现场测试的MAE（172.9 μg/L）高于实验室条件（72.09 μg/L），且方法在复杂环境中的普适性需进一步验证	开发一种高选择性、高灵敏度的智能系统，用于复杂工业废水中苯酚的准确、实时在线监测	工业废水中的苯酚污染物，特别是来自焦化和炼油等过程的废水	机器学习	NA	紫外-可见光谱法，高效液相色谱法（HPLC）作为基准	CNN, PSNN	光谱数据（三维差分光谱矩阵）	NA	NA	并行关联神经网络（PSNN）	平均绝对误差（MAE）	NA
6503	2026-01-14	A deep learning model for inferring the reverse intersystem crossing rate of TADF organic light-emitting diodes, overcoming the uncertainty of recombination dynamics 2026-Jan-13, Materials horizons IF:12.2Q1 DOI:10.1039/d5mh01156f PMID:40990544	研究论文	本研究开发了一种串联深度神经网络模型，用于从TADF OLED的瞬态电致发光行为中预测反向系间窜越速率，以克服极化子重组动力学的不确定性	通过串联深度神经网络模型，结合重组和激子动力学的逐步分析，实现了对RISC速率的高精度预测，克服了传统方法中极化子重组动力学的不确定性	NA	预测TADF OLED中的反向系间窜越速率，以优化器件性能	热激活延迟荧光有机发光二极管	机器学习	NA	瞬态电致发光分析	深度神经网络	电致发光行为数据	NA	NA	串联深度神经网络	决定系数	NA
6504	2026-01-14	Computational design of protein complexes: influence of binding affinity 2026-Jan-13, Chemical communications (Cambridge, England) DOI:10.1039/d5cc04821d PMID:41311232	综述	本文综述了蛋白质复合物结合亲和力的计算预测与设计策略	整合了AI驱动的结构预测与机器学习方法，用于跨蛋白质-蛋白质、蛋白质-DNA/RNA及蛋白质-碳水化合物复合物的亲和力预测与理性设计	NA	探讨蛋白质复合物结合亲和力的计算预测与设计方法	蛋白质复合物（包括蛋白质-蛋白质、蛋白质-DNA/RNA、蛋白质-碳水化合物复合物）	机器学习	NA	AI驱动的结构预测、机器学习、深度学习	NA	结构数据、序列数据	NA	NA	NA	NA	NA
6505	2026-01-14	Interpretable deep learning for enhanced multi-class classification of gastrointestinal endoscopic images 2026-Jan-13, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae2b72 PMID:41380180	研究论文	本研究提出了一种基于EfficientNetB3的增强方法，用于提高胃肠道内窥镜图像的多类分类准确性，并利用LIME提升模型可解释性	在无需数据增强的情况下，通过EfficientNetB3架构实现了高分类准确率，并集成了LIME显著性图以增强模型的可解释性	研究仅基于Kvasir数据集的8,000张图像，可能未涵盖所有临床场景或疾病变体	提高胃肠道内窥镜图像的多类分类准确性，并增强深度学习模型在医学影像应用中的可解释性和可用性	胃肠道内窥镜图像	计算机视觉	胃肠道疾病	内窥镜成像	CNN	图像	8,000张标记的内窥镜图像，分为八个类别	未明确指定，但提及了Gradio用于界面开发	EfficientNetB3	准确率, 精确率, 召回率	NA
6506	2026-01-14	Deep learning-based automatic measurement of the femoral head ossification center in healthy Korean children: development of a novel radiographic growth chart 2026-Jan-13, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12263-z PMID:41528475	研究论文	本研究开发并验证了一种基于深度学习的算法，用于自动测量韩国健康儿童股骨头骨化中心的大小，并建立了AI衍生的生长图表	首次提出了一种三阶段深度学习算法来自动测量股骨头骨化中心大小，并基于AI测量建立了标准化的生长图表，为儿科髋关节发育评估提供了客观参考	研究为回顾性设计，样本仅来自韩国儿童，可能限制了结果的普适性；未在外部数据集上进行验证	开发自动测量股骨头骨化中心大小的深度学习算法，并建立AI衍生的生长图表以标准化儿科髋关节发育评估	1705名韩国健康儿童（平均年龄5.1±3.3岁，841名女性，864名男性）的骨盆前后位X光片	计算机视觉	儿科髋关节发育	深度学习，X光成像	深度学习算法	X光图像	1705名健康韩国儿童（841名女性，864名男性）的骨盆前后位X光片	NA	三阶段深度学习算法（感兴趣区域检测、股骨头骨化中心分割、基于标志点的大小计算）	一致性相关系数, Pearson相关系数, 平均绝对误差, 均方根误差, Bland-Altman分析, 调整R²	NA
6507	2026-01-14	Web-based AI application for enhanced dental disease diagnosis using advanced object detection integrated with transformer-based attention mechanism 2026-Jan-13, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00886-3 PMID:41528683	研究论文	本研究开发了一种基于YOLOv11-TAM模型的Web AI应用，用于从全景X射线图像中自动检测和诊断牙科疾病	提出了一种集成Transformer注意力机制的YOLOv11-TAM模型，并结合了C3k2块和SPPF层等架构创新，以提高特征提取和定位精度	在诊断龋齿方面仍存在挑战，主要由于类别不平衡问题	通过自动化检测和诊断牙科疾病，提高牙科诊断的准确性、效率和可及性	全景X射线图像中的牙科疾病，包括龋齿、深龋、阻生牙和根尖周病变	计算机视觉	牙科疾病	全景X射线成像	CNN, Transformer	图像	705张带注释的全景X射线图像	NA	YOLOv11-TAM, C3k2, SPPF	精确度, 特异性, 定位准确度	NA
6508	2026-01-14	BGC-MAC and BGC-MAP: Attention-Based Models for Biosynthetic Gene Cluster Classification and Product Matching 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02082 PMID:41412814	研究论文	本文提出了两种基于多头注意力机制的深度学习模型BGC-MAC和BGC-MAP，用于生物合成基因簇的分类和产物匹配，以提升BGC注释的准确性和可解释性	开发了首个利用多头注意力机制和交叉注意力机制进行BGC分类和产物匹配的深度学习模型，实现了可解释的人工智能，能够识别关键蛋白质域并揭示BGC-亚结构关系，无需先验注释	模型训练依赖于实验验证的BGC-天然产物配对数据，可能受限于数据集的规模和多样性	提升生物合成基因簇的注释准确性，加速新天然产物的发现	生物合成基因簇及其编码的天然产物	机器学习	NA	深度学习	多头注意力模型	基因序列数据	实验验证的BGC-天然产物配对数据	NA	多头注意力机制	NA	NA
6509	2026-01-14	Exploiting Scale-Variant Attention for Segmenting Small Medical Objects 2026-Jan-12, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3645355 PMID:41525526	研究论文	本文提出了一种新颖的尺度变化注意力网络（SvANet），用于在医学图像中准确分割小尺度对象	提出了一种结合尺度变化注意力、跨尺度引导、蒙特卡洛注意力和Vision Transformer的网络，以增强小医学对象的识别能力	NA	解决医学图像中小病理区域分割的挑战，提高早期疾病诊断的准确性	医学图像中的小尺度对象，如肾肿瘤、皮肤病变、肝肿瘤、息肉、手术切除细胞、视网膜血管和精子	计算机视觉	多种疾病（包括肾癌、皮肤癌、肝癌等）	深度学习	CNN, Transformer	图像	多个数据集（KiTS23, ISIC 2018, ATLAS, PolypGen, TissueNet, FIVES, SpermHealth）	NA	SvANet, Vision Transformer (ViT)	平均Dice系数（mDice）	NA
6510	2026-01-14	CPFformer: A Hierarchical-Based Graph Modeling Fusion Framework for Making the Emotional Features of Chinese Poetry Pronunciation More Controllable 2026-Jan-12, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3648530 PMID:41525522	研究论文	提出了一种名为CPFformer的深度学习框架，用于分析和预测中国诗歌发音的情感特征	首次提出一种结合语音学和情感分析的层次化图建模融合框架，用于控制中国诗歌发音的情感特征，并创建了专用的中国诗歌发音数据集	未明确说明模型在处理不同方言或历史发音变体时的泛化能力，也未讨论计算复杂度对实时应用的适用性	通过分析中国诗歌发音的情感特征，丰富儿童语言能力和艺术鉴赏力，促进传统文化与人工智能的融合	中国诗歌的发音数据及其情感特征	自然语言处理	NA	多尺度梅尔特征提取技术	深度学习框架	语音数据	NA	NA	CPFformer（包含ADSN、STL、DSW、ETA、EDSM等模块）	均方误差, 平均绝对误差, 残差标准误差, R平方	NA
6511	2026-01-14	Game Theory Meets Statistical Physics: A Novel Deep Neural Networks Design 2026-Jan-12, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3649299 PMID:41525603	研究论文	本文提出了一种融合博弈论和统计物理原理的新型深度图表示方法，用于特征提取和模式分类	将神经网络中的神经元类比为博弈论中的玩家，并利用统计物理的高斯-玻尔兹曼能量模型量化其贡献，提出了一种基于Shapley值的新模型正则化技术	未明确说明模型在大规模数据集上的计算效率限制或理论收敛性分析	设计一种统一的学习框架，将博弈论和统计物理原理整合到深度神经网络中，以提升特征提取和分类性能	深度神经网络中的神经元及其相互作用机制	机器学习	NA	Monte-Carlo采样，Shapley值计算	深度神经网络	图像	NA	NA	深度图表示	准确率，精确率，召回率，F1分数	NA
6512	2026-01-14	FocFormer-UNet: UNet With Focal Modulation and Transformers for Ultrasound Needle Tracking Using Photoacoustic Ground Truth 2026-Jan-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3652428 PMID:41525612	研究论文	本文提出了一种结合焦点调制和Transformer的FocFormer-UNet深度学习网络，利用光声图像作为真实标签来训练超声图像中的针头跟踪模型	首次将光声成像提供的高对比度针头图像作为真实标签用于训练深度学习模型，避免了传统方法对人工标注或模拟数据的依赖，并引入了焦点调制和Transformer机制来增强模型性能	模型性能可能受光声成像质量和超声系统差异的影响，且目前仅在特定临床数据集上验证	提高超声引导针头插入过程中针头定位的准确性和可靠性	超声图像中的针头	医学影像分析	NA	光声成像，超声成像	深度学习，CNN，Transformer	图像	人类临床数据集	PyTorch	UNet，FocFormer	修正豪斯多夫距离，目标误差	NA
6513	2026-01-14	SW-VEI-Net: A Physics-Informed Deep Neural Network for Shear Wave Viscoelasticity Imaging 2026-Jan-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3652121 PMID:41525619	研究论文	本文提出了一种名为SW-VEI-Net的物理信息深度神经网络，用于通过剪切波弹性成像同时重建剪切弹性模量和粘性模量	SW-VEI-Net通过将粘弹性波动方程集成到双网络架构中，实现了剪切弹性模量和粘性模量的同时重建，并采用双损失函数平衡数据保真度和基于物理的正则化，减少了对经验数据的依赖并提高了可解释性	未明确提及具体限制	解决剪切波弹性成像中定量粘弹性成像的挑战，提高重建精度和鲁棒性	组织模拟体模、大鼠肝纤维化模型和临床病例	医学影像分析	肝纤维化	剪切波弹性成像	物理信息神经网络	剪切波成像数据	包括组织模拟体模、大鼠肝纤维化模型、临床病例和健康志愿者	NA	双网络架构	AUC	NA
6514	2026-01-14	Fusing Tabular Features and Deep Learning for Fetal Heart Rate Analysis: A Clinically Interpretable Model for Fetal Compromise Detection 2026-Jan-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3652309 PMID:41525620	研究论文	本研究开发了一种可解释的深度学习模型，融合胎儿心率时间序列和表格临床特征，以改进胎儿窘迫的预测	提出了一种新颖的Fusion ResNet架构，结合残差卷积网络处理FHR信号和并行神经网络处理表格特征，并利用SHAP和Grad-CAM提供临床可解释性	模型在私有数据集上训练和内部验证，外部验证仅使用了公开的CTU-UHB数据集，样本量相对有限	开发一种可解释的深度学习模型，通过融合多模态数据提高胎儿窘迫的预测准确性	胎儿心率记录和相关的临床特征数据	机器学习	胎儿窘迫	胎儿心率监测	CNN	时间序列数据, 表格数据	私有数据集包含9,887个FHR记录，外部验证数据集包含552个记录	NA	ResNet	AUC	NA
6515	2026-01-14	Enhancing Fairness in Skin Lesion Classification for Medical Diagnosis Using Prune Learning 2026-Jan-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3652910 PMID:41525640	研究论文	本文提出了一种用于皮肤病变分类的公平性算法，通过减少与肤色相关的通道来提升模型在不同肤色间的诊断公平性	提出了一种无需肤色标签的公平性算法，通过计算特征图的偏度来修剪与肤色相关的通道，从而在保持准确性的同时提升公平性指标	未明确说明算法在其他模型架构或更大数据集上的泛化能力，且公平性结论可能依赖于所选度量标准	提升皮肤病变分类模型在不同肤色间的公平性，减少诊断偏差	皮肤病变图像	计算机视觉	皮肤癌	深度学习	CNN, Transformer	图像	NA	NA	VGG11, ViT-B16	准确性, F1分数, 公平性指标	NA
6516	2026-01-14	Application of Graph Neural Networks on ECG data: A Systematic Literature Review 2026-Jan-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3651842 PMID:41525638	系统文献综述	本文对基于几何深度学习的ECG数据处理方法进行了系统文献综述，特别关注图神经网络的应用	首次系统综述了图神经网络在ECG数据上的应用，并识别了研究空白和未来方向	应用多样性不足，主要集中在心律失常识别，且缺乏拓扑、特征集或网络架构的共识	比较ECG数据中几何深度学习方法，特别是图神经网络的应用，并识别领先方向和未来研究方向	心电图数据，特别是多导联ECG	机器学习	心血管疾病	NA	图神经网络	时间序列数据	NA	NA	NA	NA	NA
6517	2026-01-14	SAFusion: Scenario-Adaptive Network for Multimodal Medical Image Fusion 2026-Jan-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3651957 PMID:41525647	研究论文	提出一种用于多模态医学图像融合的场景自适应网络SAFusion，通过两阶段训练和混合专家模型优化不同场景的融合策略	首次提出场景自适应融合网络，通过场景特定融合模块（混合专家模型）和场景通用融合模块（双路径结构）动态适应不同融合需求	未在真实临床环境中验证，未讨论计算效率与实时性限制	开发能适应不同场景需求的多模态医学图像融合方法	多模态医学图像（如CT、MRI、PET等）	计算机视觉	NA	多模态医学图像融合	自编码器, 混合专家模型	医学图像	NA	NA	自编码器, 双路径融合结构（标准卷积与可变形卷积门控机制）	信息整合度, 视觉一致性	NA
6518	2026-01-14	Home monitoring for the detection of atrial fibrillation in hypertensive patients. BP/AF MODE study 2026-Jan-12, Archivos de cardiologia de Mexico IF:0.7Q4 DOI:10.24875/ACM.25000149 PMID:41525689	研究论文	本研究旨在通过深度学习构建预测风险评分，评估家庭血压和心律监测策略在检测高血压患者亚临床心房颤动中的有效性	结合家庭血压监测和单导联心电图记录，利用深度学习优化心律失常风险评分的预测能力	研究仅针对拉丁美洲六个国家的中高风险人群，样本可能缺乏广泛代表性	开发一种简单易用的家庭监测系统，用于早期检测亚临床心房颤动	具有中高心房颤动风险的高血压患者	机器学习	心血管疾病	单导联心电图记录，家庭血压监测	深度学习	心电图信号，血压数据	涉及来自六个拉丁美洲国家的25名研究人员，具体患者数量未明确说明	NA	NA	NA	NA
6519	2026-01-14	Semi-supervised learning for dose prediction in targeted radionuclide therapy: a synthetic data study 2026-Jan-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae36df PMID:41525718	研究论文	本研究提出了一种用于靶向放射性核素治疗剂量预测的半监督学习框架，利用合成数据进行验证	将传统基于分类的半监督学习方法适应并扩展至回归任务，专门用于剂量预测，并开发了合成数据集进行测试	研究基于合成数据，临床实际数据可用性不足时性能可能受限	探索半监督学习在靶向放射性核素治疗中剂量预测的应用，以减少对大规模标记数据的依赖	靶向放射性核素治疗中的辐射剂量预测	机器学习	NA	蒙特卡洛模拟	深度学习	图像	NA	NA	NA	平均绝对百分比误差	NA
6520	2026-01-14	Echocardiographic Evaluation in Children with Post-Acute Sequelae of SARS-CoV-2 Infection Using Deep Learning 2026-Jan-12, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01739-5 PMID:41526555	研究论文	本研究应用基于ResNet-50的深度学习模型分析儿童SARS-CoV-2感染后急性后遗症（PASC）的超声心动图数据，以增强心脏异常的检测	首次将深度学习模型（ResNet-50）应用于儿童PASC的超声心动图分析，以识别标准参数未揭示的细微心脏变化	基于图像的细微差异的临床意义尚不确定，需要大规模长期随访研究进一步评估	增强儿童SARS-CoV-2感染后急性后遗症（PASC）相关心脏异常的检测和理解	儿童（18岁以下）SARS-CoV-2感染后急性后遗症（PASC）患者及年龄匹配的对照组儿童	数字病理学	心血管疾病	超声心动图	CNN	图像	270名PASC儿童和400名年龄匹配的对照组儿童	NA	ResNet-50	准确率, 灵敏度, 特异性, 平衡准确率	NA