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
1	2026-11-04	Prototypical transfer learning framework for small-sample 1H NMR metabolomics: Accurate and interpretable classification of short stature 2027-Mar-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130677 PMID:42815256	研究论文	提出一种原型迁移学习框架，用于小样本1H NMR代谢组学数据，实现对矮小症（包括生长激素缺乏症和特发性矮小）的准确且可解释的分类	将原型学习策略与跨域特征对齐相结合，利用儿童营养不良数据作为源域迁移知识至矮小症目标域，缓解小样本高维数据的域偏移问题，并采用Integrated Gradients进行可解释性分析	依赖源域数据（儿童营养不良）与目标域的相关性，样本量仍然有限，未在更大规模或更多中心的数据上验证	解决小样本高维NMR代谢组学数据分类稳定性与泛化性不足的问题，实现矮小症的准确分类与可解释诊断	矮小症患儿（包含生长激素缺乏症和特发性矮小），分为青春期前和青春期两个数据集	代谢组学分析，机器学习	矮小症，生长激素缺乏症，特发性矮小，儿童营养不良	1H NMR代谢组学	原型迁移学习，深度学习	NMR代谢组学谱图数据	NA	NA	共享特征编码器，原型学习模块，跨域特征对齐模块	分类准确率	NA
2	2026-11-04	Knowledge-guided multi-objective deep learning enables robust LIBS analysis for industrial magnesium alloy identification 2027-Mar-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130746 PMID:42858740	研究论文	提出一种知识引导的多目标深度学习框架，用于工业镁合金的LIBS光谱智能识别	将层次化光谱特征提取与灰狼优化器自适应超参数优化相结合，并把光谱学先验知识融入特征学习过程，同时优化分类精度、噪声鲁棒性和计算效率	仅在镁合金LIBS数据上验证，尚未在其他材料体系或更广泛工业场景中测试	解决复杂工业条件下LIBS分析中光谱噪声、基体效应和光谱重叠导致的鲁棒性和可靠性不足问题	工业镁合金的LIBS光谱数据	光谱分析, 深度学习	NA	激光诱导击穿光谱 (LIBS)	深度学习, 灰狼优化器 (GWO)	光谱数据	NA	NA	层次化光谱特征提取网络	分类准确率, 交叉验证标准差, 推理延迟, 噪声鲁棒性	NA
3	2026-11-04	Deep learning-enabled inertial microfluidic biosensor for high-efficiency automated point-of-care blood cell counting 2027-Mar-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.130631 PMID:42880027	研究论文	本文开发了一种集成惯性微流控技术与图像识别算法的深度学习辅助微流控生物传感器，用于高效自动化的即时血液细胞计数	引入针对小目标的新型损失函数，集成多尺度特征融合网络，并结合混合注意力机制，提高了算法在复杂微流控图像中对细胞的识别和计数精度	摘要中未明确提及	开发高精度、低成本的微流控自动传感平台，用于即时细胞定量计数，以克服传统血液分析仪体积庞大、成本高且需要熟练操作人员的限制	血液细胞（特别是红细胞）	计算机视觉	血液疾病	惯性微流控技术，图像识别算法	卷积神经网络（CNN）	图像	摘要中未明确提及	NA	多尺度特征融合网络，混合注意力机制	识别和计数准确率	NA
4	2026-11-04	DiffPWI: A degradation-aware diffusion model for ultrasound plane-wave imaging 2027-Feb, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108300 PMID:42828949	研究论文	提出DiffPWI，一种基于退化感知的扩散模型，用于超快超声平面波成像重建，提升图像质量	利用潜在扩散模型学习物理引导的退化分布作为重建先验，并引入频率解耦注意力模块自适应分解特征到层次频率子带，保留高频解剖细节同时抑制采集伪影	未明确提及	解决超快平面波成像中稀疏采集导致的图像质量下降问题，实现高保真超快超声成像	超声平面波成像数据，包括体模、多器官在体数据和零样本数据集	医学图像重建	NA	超声平面波成像	潜在扩散模型, 注意力机制	图像	NA	NA	潜在扩散模型, 频率解耦注意力模块	空间分辨率, 对比度恢复, 散斑保真度	NA
5	2026-11-04	A single-loop bilevel deep learning method for optimal control of obstacle problems 2027-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109761 PMID:42896472	研究论文	提出一种基于单循环随机一阶双层算法（S2-FOBA）的双层深度学习框架，用于求解障碍问题的最优控制	采用计算高效的单循环随机一阶双层算法S2-FOBA避免嵌套优化，仅使用一阶信息且不依赖严格的下层唯一性假设；使用约束嵌入神经网络同时逼近状态和控制，通过构造保证可行性；方法无网格、可扩展至高维和复杂区域，避免重复求解离散子问题	仅在基准问题上进行数值实验验证，未与现有深度学习方法进行广泛对比；收敛性分析依赖温和条件，实际应用中的理论保证需进一步验证	解决障碍问题最优控制的计算挑战，克服传统网格方法的非光滑、非线性和双层结构难题，探索深度学习方法在该类问题中的应用	障碍问题的最优控制问题，包括二维规则和不规则障碍、五维问题以及复杂区域上的问题	机器学习	NA	NA	约束嵌入神经网络	数值模拟数据	多个基准问题，包括二维规则和不规则障碍问题、五维问题、复杂区域问题	NA	约束嵌入神经网络	有效性、效率、约束满足的鲁棒性（数值实验结果）	NA
6	2026-11-04	Echo-DM: Ultrasound marker removal via conditional latent diffusion and region-aware fusion 2027-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109757 PMID:42906425	研究论文	提出Echo-DM框架，通过条件潜在扩散和区域感知融合去除超声图像中的标记	采用生成-选择-精炼范式，结合基于DiT的条件潜在扩散网络和区域感知融合模块，实现无掩码的端到端标记去除，并共享图像空间融合模块以适应不同潜在模块	未明确说明计算资源需求，且方法依赖于大规模配对数据集	解决超声图像中人工标记导致的下游分析偏差问题，实现高质量标记去除并保持解剖结构	临床超声图像中的测量卡尺和文本等人工标记	计算机视觉	NA	条件潜在扩散模型	DiT, VAE, RAE	图像	大规模配对临床超声数据集Echo-PAIR（具体数量未提及）	NA	DiT, VAE, RAE	标记去除效果、解剖保真度、质量-效率权衡	NA
7	2026-11-04	Equivariant flow matching for molecular docking guided by ligand-protein interactions 2027-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109770 PMID:42913167	研究论文	提出了一种基于配体-蛋白相互作用引导的等变流匹配分子对接方法 IFMDock，在笛卡尔空间中生成物理上合理的结合构象	利用配体-蛋白相互作用引导流匹配模型，实现重复采样行为良好、推理步骤少、对接精度和物理有效性高的端到端分子对接	摘要未明确说明局限性	解决现有深度学习方法生成物理有效结合构象不一致、后处理破坏端到端建模且增加计算成本、扩散模型采样步骤多导致推理效率低等问题	分子对接中的配体-蛋白复合物	分子对接、药物发现、深度学习	NA	等变流匹配	流匹配模型	分子结构数据（配体与蛋白）	NA	NA	等变流匹配网络	对接精度、物理有效性、推理步骤数	NA
8	2026-11-04	Physics-informed adjoint neural network for parametric PDE-constrained optimal control problems 2027-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109668 PMID:42790124	研究论文	提出两种物理信息伴随神经网络方法用于求解参数化PDE约束最优控制问题	PIANN1采用统一网络同时近似状态和伴随函数并通过最优性条件损失优化，控制解从伴随增强的PDE系统解析导出；PIANN2采用耦合双网络框架通过迭代直接-伴随训练保持约束无需KKT惩罚项；两种方法简化网络结构，PIANN2避免惩罚参数，并提供理论分析包括残差到解的稳定性、收敛性和泛化界	未明确提及	解决参数化PDE约束最优控制问题中传统数值方法计算成本高和现有神经网络精度与复杂度挑战的问题	参数化偏微分方程约束的最优控制问题	机器学习	NA	物理信息神经网络	物理信息伴随神经网络	数值模拟数据	多个基准参数化最优控制问题	NA	PIANN1统一网络架构, PIANN2双网络架构	精度	NA
9	2026-11-04	Spectral-temporal dual view graph convolutional networks: A deep learning framework for dynamic bipartite graphs 2027-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109672 PMID:42809960	研究论文	提出了一种用于动态二部图表示学习的谱-时序双视图图卷积网络框架 ST-DYB	显式解耦宏观层面的结构演化与微观层面的偏好动态，并设计跨视图自适应融合机制整合两种互补表示	未明确讨论模型在超大规模图或极端稀疏交互场景下的可扩展性与计算开销	解决动态二部图中节点类型异构与交互时序演化带来的表示学习难题，联合捕获非平稳微观偏好动态与宏观稳定结构演化	动态二部图及其节点与交互数据	图表示学习	NA	谱图卷积与时序建模	图卷积网络	图结构数据	多个真实世界数据集	NA	谱-时序双视图图卷积网络	动态链接预测与节点分类性能	NA
10	2026-11-04	Enhancing vector autoregressive transformer with memory convolutional network for explainable end-to-end seizure prediction 2027-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109652 PMID:42815402	研究论文	提出一种记忆卷积网络增强的向量自回归Transformer（MemConvVAT），用于端到端癫痫发作预测，并在CHB-MIT和SWEC-ETHZ数据集上验证有效性	将多层Transformer与向量自回归对齐，通过重构数据流、路径剪枝和捷径连接保持计算效率；引入跨层时间影响路径建模复杂时间依赖，实现动态多步信息聚合和可解释的神经通路；采用外部记忆机制动态存储和检索输入相关原型特征，克服传统卷积感受野限制，实现全局模式匹配和特征关联能力	未明确说明模型在跨患者场景下的泛化能力；计算复杂度和内存开销未详细讨论；可解释性分析主要基于特征消融和状态对比，缺乏临床验证	解决癫痫发作预测中患者异质性导致特征表示不足和可解释性有限的问题，实现准确且可解释的端到端癫痫发作预测	癫痫患者的EEG信号	医学信号处理	癫痫	脑电图（EEG）	Transformer	时间序列信号	CHB-MIT和SWEC-ETHZ数据集（具体样本量未在摘要中说明）	PyTorch	向量自回归Transformer（VAT），记忆卷积网络（MemConv）	准确率	NA
11	2026-11-04	Deep-learning-based acoustic pipeline defect detection and characterization in dynamic environments involving varying temperature and fluid flow 2027-Feb, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108324 PMID:42822116	研究论文	提出基于深度学习的声学管道缺陷检测与表征方法，使用一维卷积自编码器和一维卷积变分自编码器，在变温度和变流速的动态环境下实现缺陷检测、定位、量化及环境参数监测	结合卷积层实现环境不变特征学习与概率潜在空间建模，同时完成结构完整性评估和环境/运行参数监测；设计了CAE（确定性潜在特征）和CVAE（概率潜在分布）两种专用架构以应对环境变化引入的不确定性	实验仅在6英尺长、2英寸直径的镀锌钢管上进行，传感器网络稀疏（仅3个宽带换能器），未在真实工业管道或更复杂环境中验证	解决动态环境（变流速、变温度）下传统声学导波缺陷检测性能退化的问题，实现连续可靠的基础设施监测	6英尺（183 cm）长、2英寸直径的镀锌钢管，配备3个宽带换能器的稀疏传感器网络	工业故障诊断	NA	声学导波检测	CNN	声学信号	NA	NA	一维卷积自编码器（CAE），一维卷积变分自编码器（CVAE）	缺陷检测准确率，缺陷定位误差，相对缺陷量化误差，平均绝对误差	NA
12	2026-11-04	Physics-informed hybrid neural networks with data constraints: A case study on lorenz63 2027-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109698 PMID:42843263	研究论文	本文提出了一种观测引导的物理信息神经网络（OG-PINN），通过将部分观测数据集成到物理驱动的损失函数中，以解决强非线性动力系统建模中物理约束与数据约束优化目标冲突的问题，并在Lorenz63系统上验证了其有效性	提出OG-PINN，将部分观测数据融入物理驱动损失函数，有效协调物理约束与数据约束之间的竞争性优化目标，增强物理约束的鲁棒性，显著降低多变量预测误差对物理残差的干扰	仅在Lorenz63这一典型非线性混沌系统上进行了案例研究，尚未在更复杂的多物理场耦合系统或真实世界高维数据中验证	解决物理信息神经网络在强非线性动力系统中训练时，数据约束与物理约束梯度方向不一致导致物理约束引导作用减弱的问题	Lorenz63非线性混沌动力系统	机器学习	NA	物理信息神经网络（PINN）	OG-PINN（观测引导的物理信息神经网络）	数值模拟数据（系统状态变量时间序列）	多个训练样本实验（具体数量未在摘要中说明）	NA	前馈神经网络（作为PINN的骨干网络）	预测误差（降低高达60%）、收敛性、泛化能力	NA
13	2026-11-04	Uncertainty quantification for trustworthy deep learning: Methods and measures 2027-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109699 PMID:42849131	综述	本文对深度学习中基于集成和近似贝叶斯方法的不确定性量化方法及其度量进行了结构化的批判性综述	深入探讨高效集成近似和单次通过方法，并统一处理将产生预测分布的方法与总结不确定性的度量分开	未涉及所有不确定性量化方法，仅聚焦于集成和近似贝叶斯方法，且未进行定量比较	综述深度学习中的不确定性量化方法，为安全关键领域提供可靠预测置信度估计	深度神经网络的不确定性量化方法	机器学习	NA	NA	贝叶斯神经网络, 蒙特卡洛Dropout, 深度集成, 高效集成近似, 最后层或单次通过方法	NA	NA	NA	NA	NA	NA
14	2026-11-04	Advances of deep learning based ultrasonic nondestructive testing for CFRP structures: a review 2027-Feb, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108329 PMID:42854449	综述	综述深度学习在碳纤维增强聚合物结构超声无损检测中的最新进展，涵盖损伤检测、定位和成像任务	系统总结深度学习与超声无损检测结合在碳纤维增强聚合物结构中的应用，归纳损伤检测、定位和成像的关键发展	作为综述文章，未提出新的实验方法或模型，主要依赖现有文献的分析与总结	回顾深度学习在碳纤维增强聚合物结构超声无损检测中的最新进展，并探讨未来研究方向	碳纤维增强聚合物结构	无损检测	NA	超声无损检测	深度学习	超声信号	NA	NA	NA	NA	NA
15	2026-11-04	Super-resolution GAN-enhanced detection of sub-pixel marine plastic debris: Leveraging Sentinel-2 time-series and physics-informed deep learning 2026-Dec, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.120250 PMID:42607450	研究论文	该研究提出了一种物理信息驱动的超分辨率生成对抗网络（SR-GAN）技术，利用多时相Sentinel-2影像增强亚像素级海洋塑料垃圾的检测能力	将物理信息约束融入SR-GAN架构，结合多时相Sentinel-2 MSI光谱波段和塑料敏感指数，实现亚像素级海洋塑料垃圾的超分辨率检测	研究区域仅限于巴厘巴板沿海地区，模型在其他海域的泛化能力有待进一步验证	提高亚像素级海洋塑料垃圾的空间表征和检测可靠性	海洋塑料垃圾（漂浮塑料碎片）	计算机视觉, 遥感	NA	Sentinel-2多光谱成像, 超分辨率生成对抗网络	GAN	多光谱卫星影像（图像）	巴厘巴板沿海地区多时相Sentinel-2时间序列影像，涵盖多个沿海子区域	NA	SR-GAN（超分辨率生成对抗网络）	检测置信度, 虚警概率, 漏检概率, 超分辨率增强倍数	NA
16	2026-11-04	Automated Objective Scoring of Osteoarthritis Severity in Mouse Medial Tibial Cartilage Using Deep Learning 2026-Dec, Cartilage IF:2.7Q1 DOI:10.1177/19476035261435798 PMID:42028840	研究论文	该研究开发并优化了一个深度学习模型，用于自动对小鼠内侧胫骨软骨进行基于OARSI的组织学评分	结合VGG16回归模型进行软骨水平对齐和YOLO-v7检测胫骨软骨区域，生成旋转和裁剪调整后的软骨数据集，显著提高了软骨退化评分的准确性	初始分类准确率低，需要扩大数据集；模型性能仍有提升空间（MAE为0.33，准确率为0.648）	自动化小鼠骨关节炎组织学评分，实现大规模动物研究中的客观评级	小鼠内侧胫骨软骨的Safranin-O染色图像	数字病理学	骨关节炎	组织学染色（Safranin-O染色）	CNN	图像	来自520只小鼠的1000个膝关节的2788张图像	NA	VGG16, YOLO-v7	MAE, 精确率, 召回率, F1分数, 准确率	NA
17	2026-11-04	Physics-Based Energy Functions for Computational Protein Design 2026-Dec, Proteins IF:3.2Q2 DOI:10.1002/prot.70147 PMID:42297629	综述	综述计算蛋白质设计中基于物理的能量函数方法，重点讨论逆折叠问题及其评分函数分类	系统回顾基于物理能量函数在计算蛋白质设计中的应用，并探讨其相对于深度学习方法的优势与前景	未涉及具体实验验证或新方法提出，仅对现有工作进行总结与讨论	回顾使用基于物理能量函数的计算蛋白质设计工作，讨论其价值与未来方向	计算蛋白质设计中的逆折叠问题及基于物理的评分函数	计算蛋白质设计	NA	NA	NA	NA	NA	NA	NA	NA	NA
18	2026-11-04	Engineered HSP90-MP65 Bivalent Fusion Antigen: A Novel Vaccine Candidate Against Invasive Candidiasis 2026-Dec, Proteins IF:3.2Q2 DOI:10.1002/prot.70152 PMID:42316901	研究论文	本研究通过结构导向的计算方法设计了一种新型HSP90-MP65双价融合蛋白，作为抗侵袭性念珠菌病的候选疫苗	首次将免疫刺激HSP90结构域与MP65甘露糖蛋白抗原进行基因融合，创建双功能分子；采用整合计算框架（深度学习结构预测、共识表位映射、ProteinMPNN序列优化和生物物理表征）系统设计并评估融合构建体	研究仅进行了计算设计和优化，未进行实验验证（如体外免疫原性测试或动物模型保护效力评估），因此实际免疫效果和安全性尚不明确	设计并优化一种新型双价融合蛋白疫苗候选物，以预防侵袭性念珠菌感染	侵袭性念珠菌（包括多重耐药菌株）	计算生物学、疫苗设计	侵袭性念珠菌病	深度学习结构预测、共识B细胞和T细胞表位映射、ProteinMPNN序列优化、分子对接、生物物理表征	深度学习模型、ProteinMPNN	蛋白质序列和结构数据	NA	NA	NA	结合亲和力预测、热力学稳定性、表位可及性	NA
19	2026-11-04	Toward reliable rapid morphological screening: A systematic benchmark of deep learning models for microplastic detection in mangrove filter images 2026-Dec, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.120322 PMID:42705208	研究论文	该研究构建了基于FTIR验证的红树林水体和沉积物微塑料图像数据集，并系统基准测试了11种深度学习检测器配置用于微塑料的快速形态学筛查	构建了FTIR支持的微塑料图像基准数据集，系统比较了11种深度学习检测器配置，并评估了分布内与分布外样本的模型迁移性	模型在分布外样本上性能下降，环境背景和颗粒异质性仍是影响模型迁移性的重要因素，纤维类错误主要为漏检	建立可靠的快速微塑料形态学筛查方法，作为FTIR或拉曼确认前的分诊工具	红树林水体和沉积物中的微塑料颗粒（碎片、纤维、薄膜）及背景图像	计算机视觉	NA	FTIR光谱确认	深度学习目标检测器	图像	2865个FTIR确认的独特颗粒，45张滤膜图像	NA	YOLOv5m及另外10种检测器配置	F1分数, mAP@0.5, 相关系数R, 每张滤膜筛查时间	NA
20	2026-11-04	DUCK-Net: automated deep learning segmentation of ductular reactions in murine liver injury captures multicellular niche dynamics from H&E morphology 2026-Dec, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.70113 PMID:42711623	研究论文	应用DUCK-Net深度学习模型自动分割小鼠肝损伤中的胆管反应，并验证其与组织学、免疫组化和空间转录组数据的关联	首次将DUCK-Net用于小鼠肝损伤胆管反应的自动分割，并证明基于H&E形态的分割能捕捉与空间转录组相当的分子动态，无需免疫染色	研究仅基于小鼠模型，未在人类样本中验证；依赖专家标注的训练数据；未与其他先进分割模型进行广泛比较	实现小鼠肝损伤中胆管反应的快速、准确组织学定量，并评估其反映多细胞微环境动态的能力	小鼠肝损伤模型（DDC饮食诱导的胆汁淤积性损伤与恢复时间过程）的全切片H&E组织病理图像	数字病理学	肝病	H&E染色、免疫组化、空间转录组（Stereo-seq）	CNN	图像	NA	NA	DUCK-Net	Dice系数、特异性、决定系数R	NA