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
861	2026-01-29	Intent classification for university administrative services using a bidirectional recurrent neural network modified by a developed Kepler optimization algorithm 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35504-7 PMID:41593141	研究论文	本文提出了一种结合意图分类和命名实体识别的联合模型，使用改进的双向长短期记忆网络和新型开普勒优化算法，用于多语言大学行政服务对话系统	开发了一种新型联合模型，将意图分类和命名实体识别任务结合，并引入改进的双向长短期记忆网络与新型开普勒优化算法进行联合优化，提高了多语言环境下的自然语言理解准确性	未明确说明模型在其他语言或更广泛数据集上的泛化能力，以及实际部署中的计算资源需求细节	提升多语言大学行政服务对话系统中自然语言理解的准确性和效率	大学行政服务对话系统中的意图分类和命名实体识别任务	自然语言处理	NA	自然语言理解，深度学习优化	BiLSTM	文本	使用标准数据集进行评估，具体数量未明确说明	NA	改进的双向长短期记忆网络	准确率，精确率，召回率	NA
862	2026-01-29	Magnetotelluric forward modeling on fine grid via deep learning with physical information constraints 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37645-1 PMID:41593154	研究论文	本研究结合深度学习和传统正演技术，通过物理信息约束实现高精度高效的磁大地电流正演建模	提出一种结合深度学习和传统正演技术的框架，利用Swin-UNet模型在严格物理信息约束下进行训练，实现高精度与高效率的协同，突破传统方法在精细网格上的计算瓶颈	未明确提及模型在复杂真实地质条件下的泛化能力或实际应用中的验证情况	实现高精度且高效的磁大地电流正演建模，以解决传统方法在精细网格上的计算效率问题	地下介质的电阻率模型及其对应的磁大地电流正演响应	机器学习	NA	磁大地电流正演建模，三次样条插值	深度学习模型	合成电阻率模型数据	NA	NA	Swin-UNet, Swin Transformer	NA	NA
863	2026-01-29	AE-LFOG-YOLO: robust safety helmet detection via adaptive anchors and illumination invariant learning 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37326-z PMID:41593153	研究论文	本文提出了一种名为AE-LFOG-YOLO的端到端框架，通过自适应锚点和光照不变性学习来增强YOLOv8，以解决高风险工业环境中安全帽检测面临的严重光照不均匀和多尺度目标外观的挑战	提出了双物理信息优化方法：1) 光照不变模块采用双路径特征解耦策略抑制光照伪影；2) 自适应进化-光场优化生成算法用动态进化过程替代静态锚点设计，基于局部光照梯度和薄透镜成像原理在训练中持续优化锚点参数	方法仅在隧道施工场景的真实数据集上进行了评估，未验证在其他工业环境或更广泛场景下的泛化能力	开发鲁棒的安全帽检测系统，预防高风险工业环境中的头部伤害	隧道施工等高风险工业环境中的安全帽	计算机视觉	NA	深度学习	CNN	图像	真实世界隧道数据集（具体数量未说明）	PyTorch（基于YOLOv8推断）	YOLOv8, AE-LFOG-YOLO	mAP@0.5	NA
864	2026-01-29	Deep learning-based system to predict hepatocellular carcinoma resection volume using contrast-enhanced CT 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37085-x PMID:41593175	研究论文	本文提出了一种基于深度学习的系统，利用对比增强CT图像预测肝细胞癌切除体积，以提高术前规划的准确性和效率	开发了名为Liver Resection Volume Calculation with Deep learning的AI系统，能够显著减少计算时间近二十倍，并与经验丰富的外科医生规划结果保持一致	研究仅基于两家三级医院的990名患者数据，可能限制了模型的泛化能力	开发一个高效准确的系统，用于术前计算肝细胞癌的肝切除体积，以辅助精确根治性切除手术规划	990名经病理证实的肝细胞癌患者的医学影像扫描数据	数字病理学	肝细胞癌	对比增强计算机断层扫描	深度学习	图像	990名患者	NA	NA	肝实质切除率	NA
865	2026-01-29	Exploring anatomical similarity in zero-shot learning for bone abnormality detection 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37516-9 PMID:41593191	研究论文	本研究探索了在零样本学习中利用解剖相似性进行骨异常检测，通过跨身体部位的迁移训练评估性能	首次在骨异常检测中利用解剖相似性进行零样本学习，无需目标数据访问即可实现跨身体部位的迁移训练	研究基于MURA数据集，该数据集未提供仅骨折标签，且未使用语义侧信息或目标适应技术	探索解剖相似性在零样本学习中对骨异常检测性能的影响	MURA数据集中的肌肉骨骼影像	计算机视觉	骨异常	深度学习	CNN	图像	MURA数据集，具体数量未明确说明	NA	未指定具体架构，但使用了两种骨干网络	准确率, Wilson 95%置信区间	NA
866	2026-01-29	Artificial intelligence in diagnosis of pediatric neurodevelopmental disorders: a scoping review 2026-Jan-27, World journal of pediatrics : WJP IF:6.1Q1 DOI:10.1007/s12519-025-00999-z PMID:41593252	综述	本文是一篇范围综述，总结了人工智能技术在改善儿科神经发育障碍诊断准确性方面的当前证据	系统性地综述了包括深度学习、监督机器学习、决策支持系统和生物信号分析在内的多种AI技术在儿科神经发育障碍诊断中的应用现状与潜力	研究设计、人群和算法标准化存在变异性，且面临数据隐私、可解释性、公平性、可及性和算法偏见等伦理挑战	旨在总结AI技术在提高儿科神经发育障碍诊断准确性方面的应用证据	儿科神经发育障碍	机器学习	神经发育障碍	NA	深度学习, 监督机器学习	神经影像, 生物信号	基于22项纳入研究	NA	NA	诊断准确率	NA
867	2026-01-29	STRIKER: a spectral metadata repairing tool for expanding the comprehensiveness of spectral libraries 2026-Jan-27, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01150-4 PMID:41593726	研究论文	本文介绍了一种名为STRIKER的光谱元数据修复工具，旨在通过基于距离的度量和深度学习模型来纠正和标准化公共光谱库中的加合物元数据缺陷	STRIKER是首个专门设计用于修复光谱库中加合物元数据缺陷的工具，它结合了基于距离的相似性方法和多层感知器深度学习模型，以预测和纠正缺失或错误的加合物信息，从而保留更多有效光谱数据	工具主要针对加合物元数据进行修复，可能无法处理光谱库中其他类型的元数据错误或质量问题，且其性能依赖于训练数据的质量和覆盖范围	开发一个工具来修复和标准化公共光谱库中的元数据，以提高代谢物注释的准确性和机器学习应用的数据质量	公共光谱库中的光谱数据及其元数据，特别是与加合物相关的信息	机器学习	NA	质谱分析，非靶向代谢组学	深度学习模型，多层感知器	光谱数据，元数据	NA	Python	多层感知器	加合物匹配正确率，加合物纠正准确率	NA
868	2026-01-29	How Negative Sampling Shapes the Performance of Transcription Factor Binding Site Prediction Models 2026-Jan-27, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag048 PMID:41601205	研究论文	本研究探讨了不同负采样技术对转录因子结合位点预测模型性能的影响	首次系统比较了多种负采样技术（包括基因组采样、序列打乱、二核苷酸打乱、邻域采样和细胞系特异性采样）在TFBS预测中的效果，并创建了基于ChIP-seq和ATAC-seq的高质量测试数据集以识别真实负样本	研究主要基于模拟实验，在匹配ATAC-seq数据不可得的情况下进行，可能无法完全反映所有实际应用场景	评估负采样技术对转录因子结合位点预测模型性能的影响	转录因子结合位点	生物信息学	NA	ChIP-seq, ATAC-seq	深度学习模型	基因组序列数据	NA	NA	NA	NA	NA
869	2026-01-29	Corrigendum to 'Overview of Multimodal Radiomics and Deep Learning in the Prediction of Axillary Lymph Node Status in Breast Cancer' [Acad Radiol 2025; 32:6623-6641] 2026-Jan-26, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.043 PMID:41592972	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
870	2026-01-29	Two-Minute Deep Learning-Powered Brain Quantitative Mapping: Accelerating Clinical Imaging With Synthetic Magnetic Resonance Imaging 2026-Jan-23, JMIR medical informatics IF:3.1Q2 DOI:10.2196/79389 PMID:41576342	研究论文	本研究探讨了基于深度学习的超分辨率生成对抗网络（SRGAN）在加速全脑合成磁共振成像中的应用，旨在通过缩短扫描时间获得与常规临床扫描相近的定量T1/T2/PD图	首次将SRGAN应用于超快合成MRI的超分辨率重建，显著缩短扫描时间（减半）的同时，保持了与常规扫描强相关的定量图谱和诊断图像质量	T2值存在中等程度的系统性低估，且感知自然性尚未完全达到常规成像水平	加速临床定量脑成像的部署，通过深度学习技术优化合成MRI的扫描效率	健康成年人和不同病理患者（共158人）的脑部MRI数据	医学影像分析	脑部疾病	合成磁共振成像（MRI）	GAN	图像	158人（151名健康成年人，7名患者）	NA	SRGAN	R², 线性回归斜率, 平均偏差, 变异系数, 结构相似性图像度量, 峰值信噪比, 自然性图像质量评估器	NA
871	2026-01-29	DACL-Net: A Dual-Branch Attention-Based CNN-LSTM Network for DOA Estimation 2026-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s26020743 PMID:41600535	研究论文	本文提出了一种名为DACL-Net的双分支注意力CNN-LSTM网络，用于优化DOA估计中的输入特征并提升准确性	通过将协方差矩阵转换为暗图像并引入频谱注意力机制，使CNN能聚焦于亮点成分，同时增强时间分支的特征提取	NA	改进DOA估计的准确性	DOA估计中的输入特征优化	机器学习	NA	二维傅里叶变换	CNN, LSTM	协方差矩阵	NA	NA	DACL-Net	RMSE	NA
872	2026-01-29	Stability-Oriented Deep Learning for Hyperspectral Soil Organic Matter Estimation 2026-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s26020741 PMID:41600534	研究论文	本研究提出了一种面向稳定性的深度学习框架（SE-EDCNN-DA-LWGPSO），用于小样本条件下的高光谱土壤有机质估算	提出了一种多策略协同的深度学习建模框架，整合了光谱预处理、基于传感器扰动模拟的数据增强、多尺度扩张卷积特征提取、SE通道注意力机制和线性加权广义粒子群优化算法，以提升小样本条件下模型的稳定性和一致性	研究基于亚热带红壤样本，可能在其他土壤类型或环境条件下的普适性有待验证；小样本条件本身可能限制模型的泛化能力	解决高光谱土壤有机质估算在小样本条件下模型预测性能不稳定、对预处理方法和参数配置敏感的问题，提升模型的稳定性和实用性	广西亚热带红壤样本	机器学习	NA	高光谱技术	CNN	高光谱数据	未明确具体样本数量，但提及为小样本条件	未明确指定，但涉及深度学习框架	SE-EDCNN（结合SE通道注意力机制和多尺度扩张卷积的CNN）	R（相关系数）, RMSE（均方根误差）, RPD（相对预测偏差）	NA
873	2026-01-29	Artificial intelligence in animal anatomy: Exploring the technologies, applications, benefits, and challenges 2026-Jan-21, Annals of anatomy = Anatomischer Anzeiger : official organ of the Anatomische Gesellschaft DOI:10.1016/j.aanat.2026.152796 PMID:41577147	综述	本文综述了人工智能（特别是机器学习和深度学习）在兽医解剖学中的应用、技术、益处及挑战	系统性地整合了AI在兽医解剖学中多领域的应用，包括教育、研究和诊断，并强调了其在解决伦理问题、标本稀缺和成本限制方面的创新价值	数据稀缺、物种间数据不一致、缺乏标准化的兽医数据集，以及数据异质性和质量问题	探讨人工智能技术在兽医解剖学中的技术、应用、益处及挑战	动物解剖学，涵盖教育、研究和诊断领域	计算机视觉, 自然语言处理, 机器学习	NA	机器学习, 深度学习, 计算机视觉, 3D建模, 微计算机断层扫描	NA	图像, 3D模型	NA	NA	NA	NA	NA
874	2026-01-29	Out-of-distribution evaluation of active learning pipelines for molecular property prediction 2026-Jan-21, RSC advances IF:3.9Q2 DOI:10.1039/d5ra08055j PMID:41584114	研究论文	本研究评估了主动学习（AL）在分子性质预测中的应用，特别关注其在分布外（OOD）数据上的性能表现	引入了OOD评估框架，模拟真实世界应用场景，并基于证据深度学习（EDL）的预测不确定性开发了AL框架	未明确说明模型的具体架构细节和计算资源使用情况	评估主动学习在分子性质预测中的性能，特别是在分布外数据上的表现	分子结构及其对应的溶剂化能量	机器学习	NA	证据深度学习（EDL）	NA	分子结构数据	NA	NA	NA	NA	NA
875	2026-01-29	Adaptive sampling for efficient Lamb wavefield reconstruction in composite laminates with Spatial-Temporal Masked AutoEncoder 2026-Jan-21, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.107972 PMID:41592361	研究论文	本文提出了一种基于深度学习的自适应采样方法，用于从高度欠采样的Lamb波场数据中重建完整波场数据，以提高碳纤维增强塑料复合材料层压板中损伤量化的效率	提出了基于贝叶斯优化的自适应稀疏空间采样模式生成方法，并与时空掩码自编码器集成，形成AdaSTMAE，在损伤区域实现了更低的波场预测误差	NA	开发一种快速可靠的方法，从欠采样数据中重建完整的Lamb波场，以促进超声Lamb波测试在无损检测中的实际应用	碳纤维增强塑料复合材料层压板中的Lamb波场数据	计算机视觉	NA	超声Lamb波测试，扫描激光多普勒测振仪	自编码器	时间序列高稀疏Lamb波场数据	NA	NA	时空掩码自编码器	重建误差	NA
876	2026-01-29	Short-Time Homomorphic Deconvolution (STHD): A Novel 2D Feature for Robust Indoor Direction of Arrival Estimation 2026-Jan-21, Sensors (Basel, Switzerland) DOI:10.3390/s26020722 PMID:41600516	研究论文	本文提出了一种名为短时同态解卷积的新型二维特征提取方法，用于室内声源到达方向估计	提出了一种将多通道音频信号转换为二维时间×飞行时间表示的新特征，有效捕捉了麦克风对之间飞行时间差异的时域演变和稳定性，为深度学习模型提供了丰富且鲁棒的输入	NA	开发一种鲁棒的室内声源到达方向估计方法，以解决室内定位和导航的挑战	多通道音频信号	机器学习	NA	短时同态解卷积	CNN	音频信号	通过仿真生成的大规模数据集，并在ISO认证的消声室中采集的真实世界数据	NA	集成双阶段通道注意力机制的轻量级卷积神经网络	平均绝对误差	NA
877	2026-01-29	A PI-Dual-STGCN Fault Diagnosis Model Based on the SHAP-LLM Joint Explanation Framework 2026-Jan-21, Sensors (Basel, Switzerland) DOI:10.3390/s26020723 PMID:41600517	研究论文	本文提出了一种基于SHAP-LLM联合解释框架的PI-Dual-STGCN故障诊断模型，旨在解决深度学习模型诊断过程不透明和结果可解释性弱的问题	通过引入物理约束增强图数据的可解释性，并构建基于物理拓扑图和信号相似性图的双图架构；创新性地将检索增强生成（RAG）技术与可解释人工智能（XAI）结合，设计了一个通用的SHAP-LLM解释框架	未明确提及具体的数据集规模或实际工业应用场景的局限性	提高深度学习故障诊断模型的透明度和诊断结果的可解释性，为工业故障诊断提供可验证的智能决策支持	工业故障诊断	机器学习	NA	可解释人工智能（XAI）、检索增强生成（RAG）、Shapley Additive Explanations（SHAP）	图卷积网络（GCN）	图数据（物理拓扑图、信号相似性图）	NA	NA	PI-Dual-STGCN（物理约束双图时空图卷积网络）	诊断准确率	NA
878	2026-01-29	REHEARSE-3D: A Multi-Modal Emulated Rain Dataset for 3D Point Cloud De-Raining 2026-Jan-21, Sensors (Basel, Switzerland) DOI:10.3390/s26020728 PMID:41600521	研究论文	本文发布了一个名为REHEARSE-3D的大规模多模态模拟降雨数据集，用于促进3D点云去雨研究	该数据集是目前最大的点级标注数据集（92亿标注点），并且是唯一包含高分辨率LiDAR数据（LiDAR-256）和4D RADAR点云的数据集，覆盖白天和夜间条件，并包含降雨特征信息	NA	促进3D点云去雨研究，解决自动驾驶中传感器因降雨退化的问题	融合的LiDAR和4D RADAR点云数据	计算机视觉	NA	LiDAR, 4D RADAR	深度学习模型	3D点云	92亿标注点	NA	SalsaNext, 3D-OutDet	IoU	NA
879	2026-01-29	Leveraging Machine Learning Classifiers in Transfer Learning for Few-Shot Modulation Recognition 2026-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s26020674 PMID:41600470	研究论文	本文提出了一种混合迁移学习方法，结合深度特征提取与传统机器学习分类器，用于少样本调制识别	提出了一种结合深度特征提取与传统机器学习分类器的混合迁移学习框架，以解决少样本调制识别中数据不足的问题	未明确提及具体的数据集规模或实验环境限制	提高在少样本场景下的调制识别效率与鲁棒性	通信系统中的调制信号	机器学习	NA	迁移学习，机器学习分类器	NA	调制信号数据	NA	NA	NA	NA	NA
880	2026-01-29	Research on Field Weed Target Detection Algorithm Based on Deep Learning 2026-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s26020677 PMID:41600472	研究论文	本文提出了一种基于YOLOv9t的改进目标检测算法SSS-YOLO，用于解决田间杂草在遮挡或重叠情况下检测精度低的问题	提出了三个新模块：SCB模块利用大核卷积捕获长程依赖并增强未遮挡区域特征；SPPF EGAS模块利用多尺度池化获取层级上下文特征和大感受野背景信息；EMSN模块通过上下文推理重建遮挡区域语义信息并抑制背景干扰	NA	提高田间杂草在遮挡或重叠情况下的目标检测精度	田间杂草	计算机视觉	NA	深度学习	YOLO	图像	自建数据集和公开数据集Cotton WeedDet12	NA	YOLOv9t, SSS-YOLO	NA	NA