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
8181	2026-04-05	Combined caLculation of Ultra-high field Biases (CLUB) With Sandwich: Fast, Simultaneous Estimation of 3D B0 and Multi-Channel B1 + Maps at 7 T 2026-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70289 PMID:41639931	研究论文	开发并验证了一种在超高场下同时映射静态场和发射场不均匀性的方法，结合深度学习加速实现快速在线应用	提出CLUB-Sandwich序列，通过在多回波读出中集成B1+映射，实现B0和B1+的同时快速估计，并首次结合深度学习进行加速重建	研究仅基于11名健康志愿者的数据，未在患者群体或不同疾病状态下验证，且未评估长期稳定性	开发一种快速、准确的超高场MRI中B0和B1+场不均匀性同时映射方法	11名健康志愿者的MRI数据	医学影像处理	NA	超高场MRI（7T）、多回波序列、低秩张量补全、深度学习重建	深度学习模型	3D MRI图像数据	11名健康志愿者	NA	NA	相关系数、均方根误差	NA
8182	2026-04-05	A computationally efficient hybrid Kolmogorov-Arnold network for hyperspectral classification of signatory pen inks 2026-Jun, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2026.112897 PMID:41775118	研究论文	本文提出了一种用于签名笔油墨高光谱分类的计算高效的混合CNN-KAN网络架构	首次将卷积神经网络（CNN）与Kolmogorov-Arnold网络（KAN）结合，形成混合CNN-KAN架构，以CNN前端提取特征并降维，KAN后端增强非线性拟合能力，有效区分高度相似的油墨类别	研究仅针对40个品牌和型号的签名笔油墨，未在其他更广泛或更复杂的数据集上进行验证	为法医文件检验领域提供一种基于高光谱成像技术的、高精度且计算高效的深度学习解决方案，用于无损、精确地区分签名笔油墨	签名笔油墨	计算机视觉	NA	高光谱成像（HSI）	CNN, KAN	高光谱图像	涉及40个品牌和型号的签名笔油墨	NA	CNN-KAN, VGG, AUNet	准确率	NA
8183	2026-04-05	Analysis of passive bloodstain morphology across surface textures and drop heights using deep learning 2026-Jun, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2026.112890 PMID:41707408	研究论文	本研究利用深度学习分析被动血迹形态在不同表面纹理和滴落高度下的变化，验证了冲击角确定的一致性	首次将深度学习（特别是MobileNet模型）应用于血迹模式分析，以区分不同滴落高度产生的血迹，并强调了迁移学习在小型法医数据集中的价值	研究仅考虑垂直90°角滴落，未涵盖多角度冲击、运动相关效应或温度控制条件，未来需扩展以更真实模拟犯罪现场	探究基底类型和滴落高度对被动血迹形态的影响，以增强法医血迹模式分析（BPA）的准确性和适用性	被动血迹，在五种不同表面（弯曲杯、压碎图表纸、黄麻布、果冻石、混凝土）上从三个不同高度垂直滴落的血液样本	计算机视觉	NA	深度学习	CNN	图像	大型图像数据集，具体数量未明确说明	TensorFlow, PyTorch, Keras（基于MobileNet常用框架推断，但原文未明确指定）	MobileNet	准确率	NA
8184	2026-04-05	Learning Deep Tree-Based Retriever for Efficient Recommendation: Theory and Method 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3648453 PMID:41452694	研究论文	本文提出了一种基于深度树的高效推荐检索器（DTR），通过软最大多类分类和损失函数修正方法，提升推荐效率并满足最大堆假设	提出DTR模型，将训练任务构建为同层树节点上的软最大多类分类，实现显式横向竞争和更优的top-k选择，同时引入损失函数修正和基于树的采样方法以提升泛化能力	未明确说明模型在大规模候选集下的计算成本或实际部署中的具体限制	提高深度推荐模型的推荐效率，同时保持推荐准确性	基于树结构的深度推荐模型	机器学习	NA	NA	深度树模型	推荐数据	四个真实世界数据集	NA	Deep Tree-based Retriever (DTR)	推荐准确性, 推荐效率	NA
8185	2026-04-05	Revisiting Out-of-Distribution Detection in Real-Time Object Detection: From Benchmark Pitfalls to a New Mitigation Paradigm 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3650695 PMID:41489965	研究论文	本文针对实时目标检测中的分布外检测问题，揭示了现有评估基准的缺陷并提出了一种新的训练时缓解范式	揭示了广泛使用的OoD评估基准存在根本性缺陷（高达13%的标注错误），并提出了一种不依赖外部OoD检测器的新型训练时缓解范式，通过语义相似的合成OoD数据集微调检测器	未明确说明合成OoD数据集的构建细节和规模，且方法在极端分布偏移场景下的有效性有待验证	有效减少目标检测器中由分布外输入引发的幻觉错误	实时目标检测模型	计算机视觉	NA	深度学习	CNN, Transformer	图像	BDD-100K数据集	PyTorch	YOLO, Faster R-CNN, RT-DETR	幻觉错误减少率	NA
8186	2026-04-05	Learn to Enhance Sparse Spike Streams 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3653768 PMID:41528913	研究论文	本文提出了首个深度学习框架SS2DS，用于将稀疏的脉冲流增强为密集的脉冲流，以解决脉冲相机在低光照高速场景下的性能下降问题	提出了首个深度学习框架SS2DS，能够调整稀疏脉冲流的时间分布，并首次构建了合成和真实的稀疏脉冲流数据集进行评估	未明确说明模型在极端低光照条件下的鲁棒性，以及计算复杂度和实时性方面的具体表现	解决脉冲相机在低光照高速视觉任务中脉冲信号稀疏导致的性能下降问题	脉冲相机产生的稀疏脉冲流	计算机视觉	NA	脉冲相机成像	神经网络	脉冲流数据	合成和真实稀疏脉冲流数据集（具体数量未明确）	NA	SS2DS	MA, BRISQUE, NIQE, PSNR, SSIM, LPIPS	NA
8187	2026-04-05	Consistency-Aware Spot-Guided Transformer for Accurate and Versatile Point Cloud Registration 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3653989 PMID:41533614	研究论文	本文提出了一种用于点云配准的一致性感知点引导Transformer模型，旨在通过改进粗匹配过程提升配准的准确性和效率	设计了两种稀疏注意力机制：一致性感知自注意力通过选择具有全局一致对应关系的点子集来传播全局一致性；点引导交叉注意力将注意力限制在动态定义的“点”区域，以消除相似但不相关区域的干扰	未明确说明模型在极端噪声或严重遮挡场景下的性能，也未讨论计算资源消耗的具体量化数据	提升点云配准的准确性、效率和鲁棒性，并增强模型在未见领域的泛化能力	室外LiDAR数据集和室内RGB-D相机数据集中的点云	计算机视觉	NA	NA	Transformer	点云	NA	NA	一致性感知点引导Transformer (CAST)	准确性, 效率, 鲁棒性	NA
8188	2026-04-05	Single-Photon Imaging in Complex Scenarios via Physics-Informed Deep Neural Networks 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3654264 PMID:41538339	研究论文	提出一种物理信息深度神经网络框架，用于复杂场景下的单光子成像，通过嵌入成像物理实现无监督学习	将成像物理嵌入深度神经网络，引入多尺度时空先验和体积渲染，并设计双分支结构以应对多深度和雾遮挡	未明确说明计算资源需求或模型在极端低信噪比下的性能边界	解决复杂场景下单光子成像的低信噪比和泛化问题	单光子成像系统捕获的3D结构数据	计算机视觉	NA	单光子成像	深度神经网络	图像	NA	NA	U-Net	均方根误差	NA
8189	2026-04-05	Rapid assessment of pesticide toxicity in aquatic ecosystems using deep learning-based automatic duckweed counting method 2026-May, Aquatic toxicology (Amsterdam, Netherlands) DOI:10.1016/j.aquatox.2026.107791 PMID:41887020	研究论文	本研究利用基于深度学习的自动浮萍计数方法快速评估农药对水生生态系统的毒性	应用基于StarDist技术的优化自动浮萍计数工具，实现高通量、自动化的农药毒性评估	仅测试了28种常用农药，且毒性评估基于实验室条件，可能无法完全反映自然环境中的复杂效应	评估农药对水生植物的毒性，为农药环境风险评估提供快速有效的方法	浮萍（Wolffia globosa）	计算机视觉	NA	StarDist技术	深度学习	图像	28种常用农药（包括除草剂、杀菌剂和杀虫剂）对浮萍生长的测试	NA	StarDist	IC值（抑制浓度）	NA
8190	2026-04-05	Label-free pathological subtyping of non-small cell lung cancer using deep classification and virtual immunohistochemical staining 2026-Apr-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02557-x PMID:41933080	研究论文	本研究提出了一种无标记方法，利用自发荧光成像和深度学习技术对非小细胞肺癌进行病理亚型分类和虚拟免疫组化染色	采用无标记的自发荧光成像结合深度学习，实现非小细胞肺癌亚型的快速准确区分，并生成临床级虚拟免疫组化染色，避免了传统染色过程的耗时与成本	未明确说明样本来源的多样性或外部验证集的情况，可能影响模型的泛化能力	开发一种无标记、快速且准确的非小细胞肺癌病理亚型分类方法，以加速诊断流程	非小细胞肺癌组织样本，包括非癌组织、腺癌、鳞状细胞癌及其他亚型	数字病理学	肺癌	自发荧光成像（强度成像和寿命成像）	深度学习	图像	未明确说明具体样本数量	未明确说明	未明确说明具体架构	曲线下面积	未明确说明
8191	2026-04-05	Improving Diabetic Foot Care With Infrared Thermography and Artificial Intelligence: A Review 2026-Apr-03, Journal of diabetes science and technology IF:4.1Q2 DOI:10.1177/19322968261432639 PMID:41933482	综述	本文综述了红外热成像与人工智能在糖尿病足护理中的应用，分析了37篇相关研究	整合红外热成像与人工智能技术，用于糖尿病足并发症的识别和风险预测，强调了自动诊断系统的潜力	研究多局限于使用预准备数据集进行足部热图分类，分割方法研究有限，且因缺乏大规模多样化数据集而限制了深度学习的应用	评估红外热成像与人工智能在糖尿病足护理中的潜力，以改善决策、减少错误并支持预后评估	糖尿病足并发症的识别和风险预测	计算机视觉	糖尿病足	红外热成像	NA	图像	NA	NA	NA	NA	NA
8192	2026-04-05	INB3P: A Multi-Modal and Interpretable Co-Attention Framework Integrating Property-Aware Explanations and Memory-Bank Contrastive Fusion for Blood-Brain Barrier Penetrating Peptide Discovery 2026-Apr-03, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202523984 PMID:41933929	研究论文	提出一个名为INB3P的多模态可解释共注意力框架，用于发现血脑屏障穿透肽，该框架整合了属性感知解释和记忆库对比融合技术	提出了物理化学引导突变（PCGM）这一新颖的数据增强策略，通过强制生化约束来扩展训练多样性而不违反生物流形；同时开发了双向共注意力机制融合序列和结构信息，并通过对比学习和Stable-MCC损失进行优化	未明确说明模型在极端数据稀缺情况下的泛化能力极限，也未详细讨论计算资源需求	解决功能肽（特别是血脑屏障穿透肽）发现中因数据极度稀缺和深度学习“黑箱”性质带来的限制	血脑屏障穿透肽（BBBPPs）	生物信息学，机器学习	神经系统疾病相关药物递送	物理化学引导突变（PCGM），对比学习	多模态深度学习框架，共注意力机制	序列数据，结构数据	NA	NA	双向共注意力机制	NA	NA
8193	2026-04-05	Dynamic modulation of social gaze by sex and familiarity in marmoset dyads 2026-Apr-02, eLife IF:6.4Q1 DOI:10.7554/eLife.105034 PMID:41925718	研究论文	本研究开发了一种新框架，用于精确追踪自由活动的普通狨猴的面部特征和三维头部注视方向，并量化了性别和熟悉度对其社交注视行为的影响	开发了一种结合深度学习计算机视觉工具和三角测量算法的新框架，能够在自由活动状态下准确追踪多只狨猴的面部特征和三维头部注视方向，克服了传统方法需限制头部运动的局限	NA	研究非人灵长类动物在自然状态下的社交注视行为，并探究性别和熟悉度对其的影响	自由活动的普通狨猴	计算机视觉	NA	深度学习, 三角测量算法	CNN	视频	NA	NA	NA	NA	NA
8194	2026-04-05	AI-based methods for simulating, sampling, and predicting protein ensembles 2026-Apr-02, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2026.103251 PMID:41932144	综述	本文综述了基于AI的蛋白质集合模拟、采样和预测方法的最新研究进展	强调了通过模型训练、模拟和推理的闭环来克服训练数据可用性挑战，并推动下一代模型发展	当前方法的技术成熟度尚需现实评估，且训练数据可用性存在挑战	推动基于AI的蛋白质集合预测技术发展	蛋白质集合	机器学习	NA	NA	生成模型	NA	NA	NA	NA	NA	NA
8195	2026-04-05	Reconstruction of blood flow velocity with deep learning information fusion from spectral ct projections and vessel geometry 2026-Apr, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2423883 PMID:39512150	研究论文	本文研究了一种基于深度学习信息融合的新方法，从增强X射线投影和血管几何中重建变形血管内的血流速度	提出了一种结合Radon投影和血管网格的线性或非线性降维技术，通过信息融合重建血流速度场，优于简单的PCA-net方法	NA	开发一种深度学习重建方法，用于从X射线投影和血管几何中准确估计血流速度	变形血管内的血流速度场	计算机视觉	心血管疾病	对比增强X射线投影	深度学习神经网络	图像投影数据、血管网格数据	NA	NA	多种神经网络架构	准确性	NA
8196	2026-04-05	Structure-Preserving Two-Stage Diffusion Model for CBCT Metal Artifact Reduction 2026-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3628764 PMID:41187053	研究论文	本文提出了一种用于CBCT金属伪影减少的两阶段扩散模型，强调结构保留和领域泛化	采用两阶段扩散框架，结合结构感知扩散模型和分割引导采样策略，以提取无伪影边缘图作为结构先验，并利用IOS与CBCT融合数据监督训练，提升对真实世界数据的泛化能力	未明确说明模型在极端金属植入物情况下的性能或计算效率限制	减少CBCT中的金属伪影，同时保留牙齿解剖结构	CBCT图像，特别是受金属植入物影响的牙齿区域	计算机视觉	牙科疾病	CBCT, 口腔内扫描(IOS)	扩散模型	图像	NA	NA	扩散模型	NA	NA
8197	2026-04-05	Efficient Large-Deformation Medical Image Registration via Recurrent Dynamic Correlation 2026-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3630584 PMID:41201925	研究论文	提出了一种基于循环动态相关性的高效大变形医学图像配准框架	通过循环动态重定位匹配区域来高效捕获大变形所需的长距离对应关系，并采用轻量级循环更新模块和特征解耦来抑制语义冗余	NA	解决大变形医学图像配准中的效率与精度挑战	医学图像（脑部MRI和腹部CT）	医学影像分析	NA	深度学习图像配准	卷积网络，循环网络	图像	NA	NA	基于循环相关的框架	精度，计算量（FLOPs），运行速度	NA
8198	2026-04-05	FunOTTA: On-the-Fly Adaptation on Cross-Domain Fundus Image via Stable Test-Time Training 2026-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3631049 PMID:41212692	研究论文	提出一种名为FunOTTA的新型眼底图像测试时适应框架，用于解决跨域眼底图像诊断中的领域偏移问题	通过动态内存库去歧义化减少有害先验知识偏差，并引入基于可靠类别条件估计和一致性正则化的增量适应训练目标	仅在两种疾病的跨域眼底图像基准上进行了实验验证，未涵盖更广泛的眼科疾病类型	提升深度学习模型在跨域眼底图像诊断中的泛化能力	眼底图像	计算机视觉	眼科疾病	深度学习	CNN	图像	NA	PyTorch	ResNet, VGG, Transformer	准确率, AUC	NA
8199	2026-04-05	Self-Paced Learning for Images of Antinuclear Antibodies 2026-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3637237 PMID:41296939	研究论文	提出一种用于抗核抗体图像检测的自适应学习框架，以处理多实例多标签学习任务	引入基于人类标注逻辑的实例采样器、概率伪标签分发器和自步学习权重系数，实现无需手动预处理的端到端优化	未提及框架在更广泛临床环境或不同成像设备下的泛化能力验证	自动化抗核抗体检测以辅助自身免疫性疾病诊断	抗核抗体荧光图像	计算机视觉	自身免疫性疾病（如狼疮、干燥综合征、硬皮病）	荧光显微镜成像	深度学习框架	图像	一个ANA数据集和三个公共医学MIML基准数据集	未明确指定	未明确指定	F1-Macro, mAP, Hamming loss, one-error	NA
8200	2026-04-05	Artificial intelligence-driven 3-dimensional simulation system for enhanced preoperative planning in gastric cancer surgery: a retrospective validation study 2026-04, Journal of gastrointestinal surgery : official journal of the Society for Surgery of the Alimentary Tract IF:2.2Q2 DOI:10.1016/j.gassur.2025.102295 PMID:41371602	研究论文	本研究开发了一种基于人工智能的3D模拟系统，用于胃癌手术的术前规划，通过深度学习模型自动分割腹部器官和检测血管	结合AI模型自动识别动态胃器官的解剖结构，生成3D图像以可视化胃、周围器官和血管之间的位置关系，这在胃癌手术规划中较为少见	研究为回顾性验证，样本量较小（51例），且未在实时手术环境中进行前瞻性测试	创建3D模拟系统以辅助胃癌手术的术前规划，提高手术精确性和安全性	胃癌患者的术前增强CT图像，用于分割腹部器官（如胃、胰腺）和检测血管结构	数字病理	胃癌	对比增强CT成像	深度学习模型	CT图像	51例胃癌患者	NA	NA	结构检测置信度评分（5点量表），可靠性评分	NA