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	2026-10-24	Echoes before collapse: Deep learning detection of flickering in complex systems 2027-Jan-07, Journal of theoretical biology IF:1.9Q3 DOI:10.1016/j.jtbi.2026.112599 PMID:42805584	研究论文	该论文使用CNN-LSTM深度学习模型，从合成时间序列中学习识别复杂系统中闪烁（噪声驱动的共存稳定状态之间的切换）模式，并在多个经验数据集上验证了模型的泛化能力	首次探索深度学习在检测复杂系统中闪烁现象方面的潜力，并证明在简化多项式加噪声的合成数据上训练的CNN-LSTM模型能够泛化到多种随机系统和经验数据集	模型主要在合成数据上训练，对经验数据集的检测能力有限；仅使用了简单的多项式函数生成训练数据，可能无法覆盖所有真实复杂系统的动力学特征	利用深度学习技术从噪声非线性时间序列中提取早期预警信号，识别复杂系统中的不稳定性和临界转变前兆	复杂系统中的闪烁现象，包括气候系统、生态系统、金融市场等，具体涉及睡鼠体温记录和非洲湿润期古气候代用数据	机器学习	NA	时间序列分析，深度学习	CNN-LSTM	时间序列	NA	NA	CNN-LSTM	NA	NA
2	2026-10-24	D-TICNN: A dual encoder network with simplified transformer-involution and U-Net-based decoder for enhanced polyp and skin cancer segmentation 2027-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109642 PMID:42766948	研究论文	提出了一种双编码器网络D-TICNN，结合简化Transformer、Involution和U-Net解码器，用于息肉和皮肤癌图像分割	采用无注意力机制的简化Transformer（仅层归一化和MLP）降低计算复杂度，结合Involution层增强局部特征学习；设计卷积-Involution细化注意力机制融合双编码器特征；在U-Net解码器中引入增强统计特征块（计算最小值、最大值、标准差和均值）以提升分割性能	未明确说明计算资源需求和模型推理时间；仅在公开数据集上验证，临床泛化性有待进一步评估；简化Transformer可能牺牲了部分全局建模能力	提高息肉和皮肤癌医学图像的分割精度，同时降低Transformer模型的计算复杂度	息肉图像和皮肤癌图像	计算机视觉, 医学图像分割	结直肠息肉, 皮肤癌	深度学习图像分割	双编码器网络, Transformer, Involution, U-Net	图像	7个公开数据集：息肉分割训练使用CVC-ClinicDB和Kvasir-SEG，泛化测试使用CVC-ColonDB、Etis-LaribDB和CVC-300；皮肤癌分割训练使用ISIC 2017，评估使用ISIC 2016（具体样本数量未在摘要中给出）	NA	简化Transformer（无注意力，含层归一化和MLP）, Involution层, U-Net解码器, 卷积-Involution细化注意力机制, 增强统计特征块	Dice系数	NA
3	2026-10-24	Edge-cloud collaboration-driven predictive modeling for high-performance computing centers 2027-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109508 PMID:42667837	研究论文	提出一种面向边缘-云协作的瞬态感知预测架构FS-Attention，用于高性能计算中心冷却液流量预测	结合局部特征合成、时序记忆编码和注意力时序细化，兼顾瞬态响应、工程可部署性和决策透明度，并采用边缘-云协作框架	未明确讨论模型在不同HPC中心或不同冷却系统配置下的泛化能力	提高高性能计算中心冷却液流量预测在非平稳工况下的瞬态响应精度和边缘部署可行性	高性能计算中心的冷却液流量数据	机器学习	NA	深度学习时间序列预测	FS-Attention（特征合成注意力模型）	时间序列	Frontier超级计算机全年真实数据集（具体样本量未说明）	NA	FS-Attention（包含局部特征合成、时序记忆编码和注意力时序细化模块）	R², RMSE, 推理延迟, 参数量	NA
4	2026-10-24	Patient-independent seizure onset zone localization with generalizable feature learning and multi-task supervision 2027-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109538 PMID:42673938	研究论文	提出一种基于发作期SEEG的深度学习患者独立致痫灶定位方法，通过跨频率耦合和自比较机制的特征学习以及多任务监督提升跨患者泛化能力	结合跨频率耦合机制捕捉频带间异常交互与自比较机制强调通道内发作起始演变模式，并将癫痫检测作为辅助任务进行多任务学习以提供发作起始相关的时间监督，从而提升时间感知和泛化能力	未明确说明	实现患者独立的致痫灶定位，提高跨患者泛化能力同时保留发作相关的时间特征	发作期立体脑电图（SEEG）记录	医学信号处理	癫痫	立体脑电图（SEEG）	深度学习	时间序列信号	公开OpenNeuro HUP数据集及一个私有临床数据集（具体样本量未明确说明）	NA	NA	NA	NA
5	2026-10-24	Long-short-term decoupled residual learning for high-resolution spatio-temporal air quality inference 2027-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109575 PMID:42702138	研究论文	本文提出了一种用于高分辨率时空空气质量推断的新型深度学习模型SAQIN，通过显式分解静态和动态效应来提升推断精度	提出了长短期解耦的残差学习框架，将推断过程建模为以多个参考站为锚点的残差校正，并采用距离加权平均的多站逐步融合，消除了Voronoi分区导致的不连续性	摘要中未明确提及	基于稀疏监测站实现高分辨率时空空气质量推断，以支持环境治理和公共健康	空气质量监测数据和相关环境变量（遥感、人口密度、高程等）	机器学习	NA	NA	SAQIN（时空空气质量推断网络）	时空监测数据、遥感图像、人口密度、高程等	大规模真实世界数据集（具体数量未提及）	NA	多头自注意力机制、残差学习模块、语义分割	准确性、零样本跨域泛化能力	NA
6	2026-10-24	Generalized context in cross attention for transfer learning of disjoint tabular data 2027-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109568 PMID:42705115	研究论文	提出一种广义上下文学习方法，通过Transformer投影权重实现跨领域表格数据的迁移学习，无需共享特征	利用Transformer中key、value、query的投影权重捕获规则化广义上下文，而非从激活中学习领域特定上下文；通过源域key权重与目标域query权重交互实现数据无关的跨域注意力迁移学习	仅在十对不相交源-目标数据集上验证，未涉及更多样化的表格数据领域；未讨论计算效率和大规模应用的可扩展性	解决表格数据迁移学习中因特征类型、结构和语义异质性导致的跨领域知识迁移难题，消除对共享特征的依赖	十对不相交的源-目标表格数据集	机器学习	NA	跨域注意力迁移学习	Transformer	表格数据	十对不相交的源-目标数据集	NA	Transformer	AUROC, 平均排名	NA
7	2026-10-24	Deep learning for non-contact machinery fault diagnosis: A review 2027-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109591 PMID:42710306	综述	本文综述了基于深度学习的非接触式机械故障诊断方法，涵盖声发射、振动和热成像等技术	系统性地总结了非接触式故障诊断技术，并分类讨论了声学、振动和热成像方法，强调了非接触技术在极端环境下的优势	未涉及具体实验验证，主要基于现有文献的分析与总结，可能缺乏对新兴技术的全面覆盖	总结非接触式机械故障诊断的背景、现状、方法分类及未来发展方向	机械设备（如工业设备）的非接触式故障诊断	机器学习	NA	声发射、振动分析、热成像、激光多普勒测振	深度学习模型（如神经网络）	多源非接触传感数据（声学、振动、热图像）	NA	NA	NA	NA	NA
8	2026-10-24	FreqFLD: Towards all-in-one facial landmark detection via frequency modulation 2027-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109604 PMID:42727389	研究论文	提出一种基于频率调制的统一面部关键点检测框架 FreqFLD，通过频率调制模块和专家混合实现跨数据集泛化	引入频率调制模块显式解耦并调制高低频分量，设计频率调制专家混合机制自适应选择专家，并提出频率一致性路由损失约束专家分配	摘要中未明确说明局限性	解决现有方法在空间域处理特征、忽略面部关键点检测的几何驱动和频率敏感特性，导致跨数据集泛化能力受限的问题	面部关键点检测	计算机视觉	NA	NA	NA	图像	NA	PyTorch	频率调制模块、频率调制专家混合	NA	NA
9	2026-10-24	Improvement of KLMS algorithm based on attention mechanism 2027-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109625 PMID:42753571	研究论文	本文提出一种注意力增强的核自适应滤波框架，通过将注意力机制引入KLMS算法的更新结构，提升在线序列预测的性能	从注意力视角重新解释KLMS递归，提出加性注意力变体AttKLMS，并进一步提出基于自注意力的Self-AttKLMS作为可学习前端表示模块，实现实例级数据自适应特征聚合	未明确讨论在极大规模数据集上的可扩展性，且自注意力模块增加了额外的超参数调优需求	改进核最小均方算法的收敛行为、鲁棒性和计算效率，用于在线序列预测任务	一维混沌时间序列（Mackey-Glass和Lorenz）以及二维毫米波成像数据集	机器学习	NA	核自适应滤波、注意力机制	KLMS、AttKLMS、Self-AttKLMS	时间序列、图像	NA	NA	KLMS、加性注意力、自注意力	预测精度、收敛稳定性、噪声鲁棒性	NA
10	2026-10-24	Context-aware diffusion models for solving partial differential equations 2027-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109647 PMID:42772201	研究论文	提出一种上下文感知的扩散模型框架用于求解偏微分方程，通过隐式去噪扩散机制和交叉注意力融合上下文信息提升求解精度和泛化能力	建立面向微分方程求解的隐式去噪扩散机制；通过交叉注意力将演示数据（已知条件-解对）和当前问题条件等上下文信息集成到去噪网络中，为递归去噪过程中的解生成提供精确引导	仅在三类微分方程问题上进行实验验证，未充分讨论高维问题、计算效率及大规模实际物理系统中的应用限制	解决深度学习求解偏微分方程中泛化性差和解精度不理想的问题，提升微分方程数值求解的准确性和泛化能力	线性、非线性和变分三类偏微分方程问题	机器学习	NA	深度学习扩散模型	扩散模型, 交叉注意力机制	数值数据（偏微分方程条件-解对）	NA	NA	去噪扩散网络, 交叉注意力机制	求解精度	NA
11	2026-10-24	FL-SEHGT: Federated Learning-Based Heterogeneous Graph Transformer with Squeeze-and-Excitation for ASD Identification 2027-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109663 PMID:42790404	研究论文	提出基于联邦学习的挤压和激励异构图变换器（FL-SEHGT），利用静息态功能磁共振成像数据提升自闭症谱系障碍诊断准确率、增强可解释性并实现多站点隐私保护协同训练	将挤压和激励机制与异构图变换器结合，并嵌入联邦学习框架，在无需集中原始神经影像数据的情况下实现多站点协同诊断，同时提升模型可解释性以识别与ASD相关的脑功能连接模式	整体站点平均准确率仍相对有限（63.45%），在样本量较小的站点上性能可能受限，且仅在ABIDE I数据集上验证，泛化能力有待进一步评估	解决基于神经影像的自闭症谱系障碍计算机辅助诊断中特征提取不足导致分类精度有限、模型可解释性欠缺以及多站点数据共享隐私问题	来自17个ABIDE I站点的871名受试者的静息态功能磁共振成像数据	医学影像分析	自闭症谱系障碍	静息态功能磁共振成像	异构图变换器	图像	871名受试者，来自17个ABIDE I站点	NA	异构图变换器, 挤压和激励网络	站点准确率, AUC	NA
12	2026-10-24	LGBind: A structure-guided deep learning framework for accurate prediction of protein-ligand binding sites 2026-Dec-15, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2026.119336 PMID:42767002	研究论文	提出了一种结构引导的深度学习框架LGBind，用于准确预测蛋白质-配体结合位点。	将蛋白质语言模型（ESM2和Ankh）与3D结构注释协同构建特征空间；将受体拓扑概念化为3D几何图以追踪原子级结构依赖；采用动态相互引导的交互机制评估蛋白质残基与分子拓扑的相关性，实现配体条件化的结合位点识别。	摘要中未明确提及	解决现有深度学习方法中结合口袋表征与查询分子属性刚性脱节、静态单向映射无法捕捉复杂生物分子微环境且泛化性受限的问题，实现广义的、配体条件化的结合位点识别。	蛋白质-配体结合位点	计算生物学/药物发现	NA	蛋白质语言模型（ESM2、Ankh）、3D结构注释、图神经网络	深度学习	蛋白质序列、3D结构、分子拓扑	NA	NA	ESM2, Ankh, 3D几何图网络	NA	NA
13	2026-10-24	MLI-DTA: An interpretable multimodal framework with multi-level interactions for drug-target affinity prediction 2026-Dec-15, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2026.119301 PMID:42731537	研究论文	提出了一种基于多级注意力的分层多源特征融合网络MLI-DTA，用于药物-靶标亲和力预测	通过多级注意力机制在不同粒度上组织药物与靶标的交互过程：细粒度上使用双线性注意力网络建模药物片段与蛋白质序列片段的配对，中粒度上使用全局图交叉注意力对齐药物拓扑结构与蛋白质接触图，粗粒度上使用门控融合动态组合序列和图的全局特征	摘要中未明确提及研究的局限性	解决现有深度学习方法中一维序列模型难以显式表示原子连接和残基相互作用、图模型未能正确对齐药物与蛋白质语义、多模态方法简单堆叠特征而未按不同层次组织交互过程的问题	药物化合物和靶标蛋白质	药物发现	NA	深度学习	双线性注意力网络、全局图交叉注意力、多头协同注意力、门控融合	序列数据、图数据	Davis和KIBA基准数据集	NA	双线性注意力网络、全局图交叉注意力、多头协同注意力、门控融合	NA	NA
14	2026-10-24	XenoSoM: A deep learning framework for site of metabolism prediction of xenobiotics 2026-Dec-15, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2026.119312 PMID:42710346	研究论文	该研究提出了一种名为XenoSoM的深度学习框架，用于预测异源物质的代谢位点（SoM）	构建了包含超过3万个底物的大型高质量数据集，训练并比较了六种图神经网络架构，最终采用AttentiveFP架构，在单任务和多任务变体中均取得最佳性能，优于现有工具FAME3R和GNN-SOM	使用了专有数据源，且缺乏酶特异性信息，模型为全局模型而非酶特异性模型	解决计算代谢预测中缺乏大型高质量数据集的问题，并开发准确的代谢位点预测模型	异源物质（药物等外源性化合物）的代谢位点	药物发现，计算代谢预测	NA	深度学习，图神经网络	AttentiveFP，GCN，GIN，GATC，GINE，GATv2	分子图结构数据（底物及其注释的代谢位点）	超过30,000个底物	NA	AttentiveFP，GCN，GIN，GATC，GINE，GATv2	MCC，Top-2准确率	NA
15	2026-10-24	Discovery of a novel natural USP25 inhibitor via an integrated deep learning-guided screening strategy with molecular dynamics validation 2026-Dec-15, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2026.119337 PMID:42772124	研究论文	该研究通过整合深度学习活性预测与分子对接的筛选策略，结合体外酶活验证和分子动力学模拟，发现天然产物茶黄素-3,3'-双没食子酸酯（TF）是一种强效的USP25抑制剂。	建立了一种AI活性预测与分子对接相结合的集成工作流用于挖掘天然产物作为新型USP25抑制剂；发现TF是一种新型天然USP25抑制剂，IC50为33 nM，对同源蛋白USP28具有8.5倍选择性；该计算流程为缺乏共晶结构和已验证先导化合物的靶点提供了一种经济高效的早期药物发现范式。	摘要中未明确说明该研究的局限性。	发现结构多样的新型USP25小分子抑制剂，并建立一种经济高效的早期药物发现计算工作流。	泛素特异性蛋白酶25（USP25）及其同源蛋白USP28；天然产物小分子化合物库；茶黄素-3,3'-双没食子酸酯（TF）。	药物发现	炎症、神经退行性疾病、肿瘤	深度学习活性预测、分子对接、分子动力学模拟、MM-PBSA热力学分析、体外酶活功能验证、抗氧化活性测定	深度学习活性预测模型	分子结构数据、文本	NA	NA	NA	IC50、选择性倍数、氢键与π-π堆积相互作用分析、结合自由能	NA
16	2026-10-24	A Paradigm Shift in Congenital Heart Disease: A Scientometric Portrait of the Rise of Computational Intelligence 2026-Dec, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-025-04102-1 PMID:41269260	研究论文	本文通过文献计量学分析，描绘了人工智能在先天性心脏病领域应用的全球研究格局、关键贡献者、主题结构和演化趋势	首次对人工智能在先天性心脏病领域的研究进行全面的文献计量学分析，揭示了该领域自2020年以来的指数级增长、六大研究主题聚类以及向深度学习方法的明确技术转向	仅基于Web of Science核心合集数据库，可能存在文献遗漏；文献计量学分析无法评估具体研究的方法学质量；未涉及非英文出版物	绘制人工智能在先天性心脏病领域应用的全球研究全景图，识别关键贡献者、主题结构和演化趋势	截至2024年12月31日Web of Science核心合集中收录的500篇关于人工智能在先天性心脏病中应用的文献	数字病理学	先天性心脏病	文献计量学分析	NA	文本	500篇文献	NA	NA	NA	NA
17	2026-10-24	SpatioFreq: A Deep Learning Framework for Decoding Cellular and Tissue Landscapes Across Organisms Using Spatial Transcriptomics 2026-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00811-6 PMID:41790387	研究论文	该文提出了SpatioFreq，一个用于空间转录组学中空间域识别和细胞类型反卷积的双任务深度学习框架	利用拉普拉斯矩阵提取频域特征以捕捉空间数据中的细微结构和动态模式，并结合图自监督对比学习优化长程依赖关系，同时采用双任务设计实现任务间信息共享	摘要中未明确提及研究的局限性	克服传统空间转录组学方法仅依赖空间位置与基因表达直接关系而无法捕捉空间数据中复杂结构的局限，提高空间转录组学分析的准确性和效率	空间转录组学数据，包括DCIS乳腺癌数据集等多种数据集	空间转录组学	乳腺癌	空间转录组学	图神经网络、对比学习	空间转录组数据	NA	NA	NA	NA	NA
18	2026-10-24	AntiLipo: A Comprehensive Database, Deep Learning-Based Prediction Model, and Computational Study of Anti-Hyperlipidemic Peptides 2026-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-026-00876-x PMID:42837063	研究论文	该论文构建了抗高脂血症肽数据库，开发了基于深度学习的预测模型，并进行了分子动力学模拟和网络药理学分析	首次建立了专门针对抗高脂血症肽的在线数据库AntiLipo，整合了肽结构、来源、活性、机制和预测模型；开发了多种深度学习分类和回归模型进行活性预测；进行了大规模分子动力学模拟	数据集规模较小（仅201条实验验证的肽），模型性能有待提升（分类准确率0.70，回归R=0.61），分子动力学模拟仅针对141条肽和7个靶点	构建抗高脂血症肽的综合数据库，开发基于深度学习的预测模型，并通过计算研究探索其作用机制	抗高脂血症肽（ALPs）	生物信息学	心血管疾病	网络药理学分析，分子动力学模拟，深度学习	CNN, ESM-transformer, MLP, PhyChem-transformer, Transformer, 自注意力模型	序列，结构，活性数据	201条实验验证的肽，141条肽针对7个靶点的分子动力学模拟	NA	CNN, ESM-transformer, MLP, PhyChem-transformer, Transformer, 自注意力模型	准确率，MCC，AUROC，R，Pearson相关系数	NA
19	2026-10-24	AttResAMD: An Attention-Driven Deep Learning Framework for Expert-Level Automated Classification of Age-Related Macular Degeneration from Fundus Photography 2026-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00763-x PMID:40885885	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
20	2026-10-24	Predicting Potential Microbe-Disease Associations Based on Heterogeneous Graph Random Attention Neural Network and Neural Collaborative Filtering 2026-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00776-6 PMID:41083768	研究论文	该文提出了一种名为GRNCFMDA的深度学习框架，通过整合异构网络、图随机注意力神经网络和神经协同过滤来预测微生物与疾病之间的关联	结合了注意力机制增强的图随机神经网络（GRAND）与神经协同过滤模块，融合广义矩阵分解的线性建模能力和多层感知机的非线性模式捕捉能力，用于微生物-疾病关联预测	摘要中未明确提及研究的局限性	提高微生物-疾病关联（MDA）预测的效率和准确性，以克服传统生物学方法成本高、耗时长和人工投入大的问题	微生物与人类疾病之间的关联	机器学习	NA	NA	图随机注意力神经网络, 神经协同过滤, 多层感知机	图数据, 相似性网络数据	使用HMDAD和Disbiome两个数据集进行五折交叉验证	NA	GRAND（图随机神经网络）, 注意力机制, 神经协同过滤, 广义矩阵分解, 多层感知机	五折交叉验证性能（具体指标未在摘要中说明）	NA