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	2026-08-12	Heterogeneous neural blind deconvolution: A signal processing-empowered foundation feature extractor for bearing fault diagnosis 2026-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109143 PMID:42176664	研究论文	本文提出了一种基于信号处理的特征提取器HBD，用于轴承故障诊断的多任务通用模型	通过理论证明结合线性和二次神经元提高逼近效率，设计双时域盲反卷积分支和频域模块的HBD架构	未提及具体限制	构建通用特征提取器以提升轴承故障诊断的准确性和可解释性	轴承故障诊断任务	机器学习	轴承故障	盲反卷积	神经网络	信号数据	未提及	NA	二次卷积网络	准确性	未提及
2	2026-08-12	MoST: A monotone set transformer for scalable and verifiable neuro-fuzzy aggregation 2026-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109153 PMID:42184462	研究论文	本文提出了一种名为MoST（单调集合变换器）的新型神经模糊架构，用于可扩展且可验证的集合数据聚合，满足排列不变性、单调性和计算可扩展性等理论公理	提出了双管齐下的设计：基于正核的可学习非竞争性门控机制用于近似超模协同效应，以及基于有序加权平均（OWA）的语义锚点实现显式的秩依赖聚合，复杂度为O(NlogN)，并从理论上证明了MoST保持集合包含单调性	实验结果显示，在分子任务中，严格的单调约束与无约束的预测灵活性之间存在任务依赖的权衡，表明该方法在某些任务中可能因单调性约束而损失性能	弥合深度学习架构与公理化聚合理论之间的差距，开发一种可验证的神经模糊集合聚合方法，满足安全性关键领域的严格理论公理	集合结构数据，包括合成数据集和分子任务数据集	机器学习	不适用	不适用	集合变换器（基于Transformer的变体）	集合数据，包括合成数据和分子数据	不适用	不适用	Transformer	单调认证、时间/内存缩放、预测性能	未明确说明
3	2026-08-12	CollDTI: Dual-encoder collaborative learning for drug-target interaction prediction 2026-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109175 PMID:42217429	研究论文	提出了一种名为CollDTI的双编码器协作学习框架，用于药物-靶点相互作用预测，通过联合建模内在结构特征和外部关系特征来提高预测性能。	提出了一种双编码器协作学习框架，结合多视图异构图神经网络和加权残差交叉注意力机制，实现结构特征与关系特征的高层语义融合。	文中未明确提及局限性，可能包括对计算资源的高需求或对特定数据集依赖等。	提高药物-靶点相互作用预测的准确性和可靠性，以支持药物发现、副作用评估和药物重定位。	药物-靶点对	机器学习	NA	图神经网络	异构图神经网络	药物和靶点的结构及关系数据	NA	NA	多视图异构图神经网络、图卷积网络、加权残差交叉注意力机制	准确性、可视化、案例研究	NA
4	2026-08-12	DPC: Dynamic purification chain for adaptive adversarial defense 2026-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109189 PMID:42229394	研究论文	提出动态净化链（DPC）方法，通过组合像素和几何变换并动态构建净化链，以防御强自适应对抗攻击，同时保持对干净数据的高准确性	结合像素与几何变换构建动态净化链，并通过反馈算法动态构建以避免过度净化，有效应对知道防御参数的强自适应攻击	未提及	提出一种能够防御强自适应对抗攻击的净化方法，提高深度学习模型的鲁棒性	深度学习模型在图像分类任务中的对抗攻击防御	计算机视觉	不适用	对抗净化	未明确指定	图像	使用CIFAR-10、CIFAR-100和Imagenette数据集，具体样本数未提及	未明确指定	未明确指定	准确率	未提及
5	2026-08-12	Ultralightweight progressive feature disentanglement and recomposition network for hyperspectral image classification 2026-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109200 PMID:42229391	研究论文	提出了一种用于高光谱图像分类的超轻量级渐进式特征解缠与重组网络（ULite-FDRNet），在保持高精度的同时大幅减少参数和推理延迟	设计了统一的特征解缠与重组（FDR）范式，包含三个紧凑模块（FDRConv2D/3D、ScaleFDR3D、TriSFDR），实现从浅层到多尺度再到全局的渐进特征学习，在超低参数下达到优越性能	未明确提及局限性，但可能受限于高光谱图像特定场景，泛化性有待验证	解决深度学习高光谱图像分类中参数过多和推理延迟高的问题，实现计算效率与分类性能的平衡	高光谱图像分类任务中的空间-光谱特征表示	计算机视觉	NA	高光谱成像	卷积神经网络（CNN）	高光谱图像	四个高光谱基准数据集	PyTorch（推测，因代码将在GitHub发布）	FDRConv2D/3D, ScaleFDR3D, TriSFDR	总体精度（OA）	NA
6	2026-08-12	BigOrthoATD.Net: A scalable and adaptable distributed deep learning framework for multi-class orthopedic classification across imaging modalities in low-resourced settings 2026-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109190 PMID:42235476	研究论文	本文介绍了BigOrthoATD.Net，一个可扩展且自适应的分布式深度学习框架，用于在资源受限环境下进行多模态骨科图像的多类分类	提出了一个统一的、无服务器的、去中心化的学习框架，支持隐私保护的知识融合和多模态集成，并实现了无需重训练即可持续学习的新任务和机构的渐进式扩展	未在真实临床环境中进行验证，且实验基于模拟的去中心化节点	解决多类医学图像分类中的多模态数据处理、任务适应、分布式数据集管理和低计算资源限制等挑战	骨科图像，包括X射线和CT影像	计算机视觉	骨科疾病	分布式深度学习	深度学习模型	医学图像	13个模拟去中心化节点，50个骨科类别	NA	NA	准确率	NA
7	2026-08-12	An end-to-end dual backbone framework for UAV fish disease detection using optimized GateHCO feature fusion mechanism 2026-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109140 PMID:42161071	研究论文	本研究开发了一种端到端的双骨干框架，结合优化的GateHCO特征融合机制，用于无人机鱼类疾病检测，能够同时提取静态外观和动态行为特征	设计了受热传导过程启发的GateHCO（门控热传导）注意力模块，实现低计算成本下的跨模态信息交互；开发了双骨干架构同时处理静态和动态特征；使用无人机收集实验数据集进行验证	未在摘要中明确指出局限性	早期检测鱼类疾病以抑制传染性疾病，利用视频动态信息提高检测性能	感染草鱼出血病的鱼类	计算机视觉	草鱼出血病	深度学习	混合深度学习模型	视频	未提供具体样本数量，使用无人机收集的实验数据集	未指定	双骨干架构，可能包含YOLOv7、YOLOv10、YOLOv12、RT-DETR、3D CNN（ResNet、ResNeXt、ShuffleNetV2）、Transformer（MViT）等	平均精度（mAP），推理时间（毫秒），计算量（G FLOPs）	未指定
8	2026-08-12	Diffusion models for hyperspectral image analysis: A comprehensive review 2026-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109109 PMID:42202481	综述	这篇综述系统总结了扩散模型在高光谱图像分析领域的最新进展，包括分类、应用及未来研究方向	提供了扩散模型在高光谱图像处理方法上的系统分类，并特别关注了变化检测和灾后异常识别等关键应用	讨论了计算成本和训练稳定性等当前局限性	支持社区利用深度学习模型实现更有效和高效的高光谱图像分析	高光谱图像分析中的扩散模型方法及其应用	计算机视觉	不适用	扩散模型	扩散模型（包括去噪扩散概率模型及其他基于随机微分方程的生成模型）	图像	不适用	不适用	去噪扩散概率模型，基于随机微分方程的生成框架	不适用	不适用
9	2026-08-12	Deep learning-based prediction of trace silver concentrations in marine sediments from mid-infrared spectroscopy 2026-Oct, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.119930 PMID:42214983	研究论文	本研究利用南海低银沉积物的中红外光谱，通过三种机器学习模型预测银浓度，并识别出关键特征波数带	首次将深度学习模型RS-SE-ResNet-1D应用于低银海洋沉积物的中红外光谱预测，并识别出碳酸根离子振动吸收带作为关键特征，为银的生物地球化学循环提供新见解	未明确提及局限性	开发基于中红外光谱的机器学习模型，用于快速预测海洋沉积物中的银浓度，并探究其控制因素	南海低银沉积物样本	机器学习	不适用	中红外光谱	深度学习模型（ResNet）、随机森林、偏最小二乘回归	光谱数据	未明确提及样本数量	未明确提及	RS-SE-ResNet-1D（残差网络与挤压激励注意力）、随机森林、偏最小二乘回归	相关系数(R)、均方根误差(RMSE)、相对百分偏差(RPD)	未明确提及
10	2026-08-12	Unraveling spatiotemporal dynamics of pine wilt disease via time-series UAV monitoring and deep learning 2026-Sep, Pest management science IF:3.8Q1 DOI:10.1002/ps.70873 PMID:42098944	研究论文	本研究通过时间序列无人机监测和深度学习模型，揭示了松材线虫病的时空动态，并量化了症状滞后效应，为精准管理提供了科学依据	开发了基于增强YOLOX的时序变化检测模型，利用物候变化自动识别变色的染病松树，有效过滤干扰物，并首次量化了秋季漏检的滞后症状树木导致年累计死亡率翻倍的现象	未提及模型在不同地理区域或气候条件下的泛化能力，也未讨论无人机监测的成本和操作限制	为了解松材线虫病的时空动态，为数据驱动的管理提供科学依据，并纠正传统监测中的普查偏差和优化资源分配	浙江省某乡镇的松材线虫病染病松树及其时空分布	计算机视觉	松材线虫病	无人机遥感	YOLOX	图像	300,000个训练样本，7个时间序列的无人机正射影像	PyTorch	YOLOX	平均精度（AP）、精确率、召回率	未提及
11	2026-08-12	A Unified Deep Learning Framework for Instance Segmentation Across Diverse Cytological Stains 2026-Sep, Cytopathology : official journal of the British Society for Clinical Cytology IF:1.2Q3 DOI:10.1111/cyt.70087 PMID:42115786	研究论文	本研究评估了单一实例分割模型在多种细胞学染色（Papanicolaou、Feulgen、AgNOR）中的鲁棒性，通过统一训练多染色模型，在不牺牲精度的前提下简化了病理筛查流程。	首次验证了统一多染色实例分割模型的可行性，超越了传统的染色特异性流水线，并展示了Transformer-based Mask2Former在复杂染色场景下的优越几何精度。	研究依赖专家注释数据集，可能引入标注偏差；此外，模型性能在特定染色（如Feulgen）上仍低于专门训练的模型，且未评估临床实际部署的计算资源需求。	验证单一实例分割模型能否在多种细胞学染色中稳健运行，避免染色特异性流水线而不降低准确性，以推动AI辅助细胞病理学的可扩展应用。	细胞学染色图像，包括Papanicolaou、Feulgen和AgNOR三种染色协议下的细胞样本。	计算机视觉	细胞病理学相关疾病（未指定具体疾病）	图像分割	实例分割模型	图像	三个专家注释数据集（未指定具体数量）	NA	Mask R-CNN, Mask2Former, YOLO11n, YOLO12n	AP50, AP75	NA
12	2026-03-31	A two-stage deep learning system for cervical spine fracture diagnosis: integrating 3D segmentation and 2.5D classification on CT images 2026-Aug, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-026-09892-3 PMID:41910751	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
13	2026-08-12	A Deep Bidirectional LSTM Model Enhanced by Transfer Learning for the Classification of Peripheral Arterial Blood Pressure Waveforms 2026-Aug, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3696494 PMID:42184174	研究论文	本研究开发了一个基于双向长短期记忆网络的深度学习框架，用于将动脉血压波形分类为A型和B/C型形态，并通过迁移学习将其应用于人类数据	首次将双向长短期记忆网络与深度迁移学习相结合用于动脉血压波形分类，并成功将动物训练的模型迁移到人类临床数据，扩展了波形分离分析的应用范围	缺乏大规模、标注的临床数据集，限制了模型的鲁棒性验证；分类准确率仍有待提高	开发深度学习框架对动脉血压波形进行分类，以改善危重患者的心血管监测	动物队列中的主动脉和股动脉有创血压波形，以及MIMIC-III数据库中的人类股动脉血压波形	深度学习	心血管疾病	有创血压波形测量	双向长短期记忆网络	生理信号（血压波形）	大型动物队列和MIMIC-III数据库中的患者数据	NA	双向长短期记忆网络	准确率	NA
14	2026-08-12	Fold-Switching Proteins Push the Boundaries of Conformational Ensemble Prediction 2026-Aug, Annual review of biomedical data science IF:7.0Q1 DOI:10.1146/annurev-biodatasci-092524-114822 PMID:42149955	研究论文	本文聚焦于折叠转换蛋白，评估深度学习方法在预测其构象集合时的表现，揭示模型通过训练集结构进行预测的局限性，并提出改进方向	以折叠转换蛋白作为测试案例，揭示深度学习方法在构象集合预测中的泛化性限制，并指出模型依赖训练集结构的倾向	未提供具体的计算方法或实验结果，仅提出观察和建议	探讨深度学习方法在预测蛋白质构象集合，特别是折叠转换蛋白方面的能力及局限性，以推动更广泛构象建模的发展	折叠转换蛋白	结构生物学	NA	NA	深度学习模型	蛋白质结构数据	NA	NA	NA	NA	NA
15	2026-08-12	Microcomputed tomography analysis of marginal adaptation and internal fit of zirconia frameworks with direct-to-abutment connections using a deep learning artificial intelligence model 2026-Aug, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2026.04.032 PMID:42156249	研究论文	本研究利用显微计算机断层扫描和深度学习人工智能模型，评估了直接连接基台的氧化锆框架与常规钛基底连接的边缘适应性和内部密合度。	引入了一种基于深度学习人工智能模型的内部密合度评估新方法，并验证了其与传统测量方法的一致性。	样本量有限，且研究仅评估了特定类型的连接设计和材料，可能限制了结果的普适性。	评估直接连接基台的氧化锆框架与常规钛基底连接相比的边缘适应性和内部密合度，并验证基于深度学习的AI测量方法的有效性。	氧化锆框架样本，包括直接连接基台（常规和改良螺丝）和钛基底连接的设计。	数字病理学, 计算机视觉	口腔疾病	显微计算机断层扫描	深度学习分割模型	图像	24个氧化锆样本，分为3组，每组8个，共96个测量点	NA	NA	Dice相似系数、组内相关系数、Bland-Altman分析、p值	NA
16	2026-08-12	Modeling the Language of Codons with Artificial Intelligence 2026-Aug, Annual review of biomedical data science IF:7.0Q1 DOI:10.1146/annurev-biodatasci-092624-105741 PMID:42190068	综述	本文总结了近年来在密码子层面运作的人工智能模型的最新进展，包括判别式和生成式方法，并讨论了密码子语言模型及其在下游预测任务中的应用，以及用于设计密码子序列以改善异源表达和mRNA稳定性的生成模型。	本文聚焦于密码子层面的人工智能模型，这是相对较新的研究方向，系统总结了判别式和生成式模型的应用，并强调利用这些模型获得分子进化见解，提出了该领域快速发展的开放问题。	未提供具体局限性信息。	总结密码子层面的人工智能模型进展，包括判别式和生成式方法，并探讨其在预测任务、序列设计和分子进化研究中的应用。	密码子序列和mRNA序列，以及相关的蛋白质表达、稳定性和折叠过程。	自然语言处理	不适用	不适用	判别式模型和生成式模型	序列数据（密码子序列）	不适用	不适用	不适用	不适用	不适用
17	2026-08-12	Comment on "Automatic rib fracture detection on postmortem CT data using deep learning" 2026-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03755-8 PMID:41731167	评论文章	本文针对一项使用深度学习的自动肋骨骨折检测研究提出评论，讨论了三个可能影响研究解读和未来工作的问题	指出先前文献关系需澄清、参考标准可能存在循环性，并提出多读者部分盲法共识及领域适应建议	未提供新实验，仅基于对现有研究的批判性分析	完善对自动肋骨骨折检测研究的解读，并为未来研究提供方法学建议	肋骨骨折检测研究及其方法学问题	医学影像分析	肋骨骨折	深度学习	nnDetection（3D物体检测框架）	尸检CT图像	不适用	NA	nnDetection	不适用	不适用
18	2026-08-12	Mamba-ACP: A Hybrid State-Space and Transformer Framework for Interpretable Anticancer Peptide Prediction 2026 Jul-Aug, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3684898 PMID:41989903	研究论文	提出一个名为Mamba-ACP的混合深度学习框架，用于预测抗癌肽，该框架结合了ESM-2嵌入、手工特征和Mamba序列建模架构	整合了Transformer-based ESM-2嵌入、手工特征及Mamba序列建模的混合框架，提供模型级解释包括梯度显著性、SHAP特征重要性等	未明确指出，但可能包括对特定数据集依赖和潜在泛化限制	提高抗癌肽预测的准确性、可扩展性和泛化能力，以促进临床转化	抗癌肽序列	机器学习	癌症	ESM-2嵌入、PCA降维、梯度显著性分析、SHAP分析	混合模型（Transformer和Mamba）	序列数据	两个基准数据集：Set 1和Set 2	PyTorch（推断）	ESM-2, Mamba	准确率, AUC	NA
19	2026-08-12	GMC-Bind: A Multimodal Framework for RNA-Protein Binding Site Prediction With Bidirectional Cross-Attentional Fusion 2026 Jul-Aug, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3700035 PMID:42235009	研究论文	提出GMC-Bind多模态框架，结合多尺度卷积、图注意力和双向交叉注意力，用于RNA-蛋白质结合位点预测	首次将多尺度窗口卷积、图注意力和双向交叉注意力相结合，实现局部序列特征与全局结构依赖的协同建模	文中未明确提及局限性	提高RNA-蛋白质结合位点预测的准确性，解决现有深度学习模型在协同建模多尺度序列基序和动态结构方面的挑战	RNA-蛋白质结合位点	机器学习	NA	多尺度卷积、图注意力、双向交叉注意力	多模态框架	RNA序列及二级结构数据	RBP-24数据集（包含24个子数据集）	NA	多尺度卷积网络、图注意力网络、双向交叉注意力机制	AUC	NA
20	2026-08-12	Multi-Beholder: Biomarker Prediction for Low-Grade Glioma With Multiple Instance Learning and One-Class Classification 2026 Jul-Aug, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3686279 PMID:42013277	研究论文	提出一种可解释的深度学习流水线Multi-Beholder，利用苏木精-伊红染色全切片图像预测低级别胶质瘤的五个生物标志物状态	在多实例学习框架中引入一类分类以实现准确的实例级伪标签，补充切片级标签并提高预测性能，同时提供可解释性以发现生物标志物状态与组织形态学特征之间的相关性	未明确提及限制，但外部验证集AUC较低可能表明泛化能力有待提升	使用全切片图像预测低级别胶质瘤的生物标志物状态，避免昂贵的分子遗传检测，并增强分子治疗的适用性	低级别胶质瘤患者的苏木精-伊红染色全切片图像	数字病理学	低级别胶质瘤	全切片图像（WSI）	多实例学习（MIL）结合一类分类	图像	两个低级别胶质瘤队列（TCGA-LGG内部验证和湘雅外部验证）	未明确提及	多实例学习框架，具体架构未明确	受试者工作特征曲线下面积（AUC）	未明确提及