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
1961	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
1962	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
1963	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
1964	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
1965	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
1966	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
1967	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
1968	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
1969	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
1970	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
1971	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
1972	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
1973	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
1974	2026-03-10	Automated Classification of Store-Operated Calcium Entry Activity and Disease Conditions in Murine Skeletal Muscle Images Using Machine Learning 2026-Apr, Muscle & nerve IF:2.8Q2 DOI:10.1002/mus.70157 PMID:41603483	研究论文	本研究比较了三种机器学习模型在基于小鼠骨骼肌图像中钙库操纵性钙内流（SOCE）活性进行分类的能力，以评估肌肉活动或疾病状态	首次将机器学习模型应用于小鼠骨骼肌图像的SOCE活性自动分类，为肌肉病理的临床分类提供了可扩展的自动化解决方案	研究样本量有限，未来需要更大数据集和更复杂模型（如基于Transformer的模型）来提升在复杂肌肉条件下的性能	开发并比较机器学习模型，以实现从小鼠骨骼肌图像中自动分类SOCE活性和疾病状态，以辅助肌肉营养不良症的诊断和治疗	小鼠骨骼肌纤维的免疫荧光图像，来自钙蛋白酶-3缺失小鼠和野生型小鼠，包括静息和运动后状态	计算机视觉	肌肉营养不良症	免疫荧光成像	CNN, SVM	图像	来自钙蛋白酶-3缺失小鼠和野生型小鼠的骨骼肌纤维图像，具体数量未在摘要中明确说明	NA	CNN, EfficientNet, SVM	准确率, F1分数, 精确率, 受试者工作特征曲线下面积	NA
1975	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
1976	2026-03-10	Comparison of Artificial Intelligence Models for Automatic Segmentation of the Mandibular Canals and Branches 2026-Apr, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109427 PMID:41653835	研究论文	本研究比较并改进了三种深度学习模型（U-Net Transformer、Swin UNETR和3D UX-Net）在下颌管及其分支自动分割中的性能	首次比较了三种先进的3D深度学习模型在下颌管分割任务中的表现，并引入了基于解剖学特征的后处理模块以显著提升模型性能	研究仅使用了173个CBCT扫描样本，样本量相对有限；未在外部数据集上验证模型的泛化能力	比较和优化深度学习模型在下颌管及其分支自动分割中的性能	下颌管、切牙管和颏管等牙科结构	计算机视觉	NA	锥形束计算机断层扫描	深度学习	3D医学图像	173个CBCT扫描	NA	U-Net Transformer, Swin UNETR, 3D UX-Net	Dice相似系数, 交并比, 95百分位豪斯多夫距离, 平均对称表面距离, 精确率, 召回率	NA
1977	2026-03-10	Dual Framework for Classification and Detection of Third Molar Impaction in Panoramic Radiographs 2026-Apr, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109430 PMID:41655402	研究论文	本文提出了一种双框架深度学习系统，用于全景X光片中第三磨牙阻生的分类与检测	提出两个独立的深度学习框架，结合了改进的YOLO架构与多头自注意力机制，以及基于深度特征的传统机器学习分类，并采用GAN数据增强提升性能	现有方法多限于二分类，受类别不平衡影响，且缺乏标准化评估协议，限制了临床适用性	实现第三磨牙阻生的准确、自动化多类别评估，以辅助口腔颌面外科手术规划	全景X光片中的第三磨牙阻生	计算机视觉	口腔疾病	深度学习，传统机器学习	CNN, YOLO, KNN	图像	5796张经专家标注的全景X光片	TensorFlow, PyTorch	YOLOv10, YOLOv11n, ResNet50, InceptionNetV3	准确率, 精确率, 召回率, F1分数, 平均精度均值	未明确指定，但提及了计算复杂度比较（GFLOPs）
1978	2026-03-10	Automated Identification of Accessory Mental Foramen Using Cone-Beam Computed Tomography and Convolutional Neural Networks 2026-Apr, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109428 PMID:41740248	研究论文	本文开发并评估了一种基于深度学习的系统，用于自动检测锥形束计算机断层扫描图像中的副颏孔，并比较了两种卷积神经网络架构的检测准确性和临床可靠性	首次将深度学习应用于CBCT图像中副颏孔的自动检测，并比较了自定义轻量CNN与ResNet-50模型的性能，通过Grad-CAM可视化验证了模型的可解释性和临床相关性	研究仅基于700个具有副颏孔的CBCT扫描和700个正常对照，样本量相对有限，且未在外部数据集上进行验证	开发并评估一种基于深度学习的自动检测系统，用于识别锥形束计算机断层扫描图像中的副颏孔，以提高诊断准确性和临床决策效率	锥形束计算机断层扫描图像中的副颏孔	计算机视觉	NA	锥形束计算机断层扫描	CNN	图像	1400个CBCT扫描（700个具有副颏孔，700个正常对照）	NA	自定义轻量CNN, ResNet-50	准确率, 精确率, 召回率, F1分数	NA
1979	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
1980	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