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
41	2025-12-17	Spiking neural networks for EEG signal analysis: From theory to practice 2026-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108127 PMID:41004906	综述	本文综述了脉冲神经网络在脑电图信号分析中的理论进展与实际应用，旨在弥合理论与实践之间的差距	系统性地将脉冲神经网络应用于脑电图信号分析，强调其相较于传统深度学习方法的时序信息处理优势和计算效率，并提供实践指导与开源代码	综述性质文章，未进行原创性实验验证，且基于现有方法总结，可能未涵盖所有最新进展	探讨脉冲神经网络在脑电图信号分析中的应用潜力，推动脑机接口和神经反馈系统的发展	脑电图信号	机器学习	NA	NA	SNN	脑电图信号	NA	NA	NA	NA	NA
42	2025-12-17	MSA-LR: Enhancing multi-scale temporal dynamics in multivariate time series forecasting with low-rank self-attention 2026-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108150 PMID:41032938	研究论文	本文提出了一种名为MSA-LR的新型架构，旨在通过可学习的尺度权重矩阵和低秩近似来增强多变量时间序列预测中的多尺度时间动态建模能力	引入了可学习的尺度权重矩阵和低秩近似方法，能够直接建模不同时间粒度（如小时、日、周）的影响，实现对多尺度交互的细粒度控制，同时显著降低了计算复杂度	未明确说明模型在极端事件或非平稳时间序列上的表现，也未讨论模型对超参数选择的敏感性	提升多变量时间序列预测的准确性，特别是长期预测场景下的性能	多变量时间序列数据	机器学习	NA	NA	Transformer	时间序列数据	NA	NA	MSA-LR（多尺度自注意力低秩近似架构）	预测准确率	NA
43	2025-12-17	AI for colon cancer: A focus on classification, detection, and predictive modeling 2026-Feb, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106115 PMID:41075424	综述	本文系统评估了人工智能在结肠癌检测、分类、预测和分割方面的应用现状及其对诊断准确性、治疗规划和患者结局的影响	通过系统综述和元分析，评估了AI在结肠癌研究中的最新进展，特别关注了可解释AI和生成AI技术的应用，并进行了基于AI技术类型和应用的亚组分析	临床整合仍面临数据和验证方面的挑战，且研究质量依赖于纳入文献的完整性和可靠性	评估人工智能在结肠癌研究中的应用现状及其对诊断准确性、治疗规划和患者结局的影响	2020年至2024年间发表的关于人工智能在结肠癌中应用的研究文章	数字病理学	结肠癌	NA	深度学习, 机器学习	NA	80篇文章	NA	NA	诊断准确性	NA
44	2025-12-17	Towards out-of-distribution detection using gradient vectors 2026-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108142 PMID:41046618	研究论文	本文提出了一种名为GradVec的新方法，利用梯度向量进行分布外检测，以区分未知样本与已知类别样本	首次将梯度空间作为输入表示用于OOD检测，通过模型梯度更信息性地表达样本属于已知类别的知识，无需改变训练过程或额外数据	未明确讨论计算复杂度或梯度计算可能带来的额外开销	开发一种基于梯度向量的分布外检测方法，以提高模型在真实世界场景中对未知样本的识别能力	深度学习模型在图像分类和文本分类任务中的分布外样本检测	机器学习	NA	NA	深度学习模型	图像, 文本	NA	NA	NA	FPR95	NA
45	2025-12-17	Graph-patchformer: Patch interaction transformer with adaptive graph learning for multivariate time series forecasting 2026-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108140 PMID:41046616	研究论文	提出了一种名为Graph-Patchformer的新型深度学习框架，用于多变量时间序列预测，通过结构编码和自适应图学习捕获序列内依赖和序列间局部动态依赖	结合结构编码反映MTS内部结构信息，并利用提出的Patch Interaction Blocks同时捕获序列内依赖和序列间局部动态依赖，无需额外的多尺度特征融合模块	未在摘要中明确说明	提升多变量时间序列预测的准确性和性能	多变量时间序列数据	机器学习	NA	NA	Transformer, 自适应图学习	多变量时间序列数据	NA	NA	Graph-Patchformer, Patch Interaction Blocks	NA	NA
46	2025-12-17	A multi-level teacher assistant-based knowledge distillation framework with dynamic feedback for motor imagery EEG decoding 2026-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108180 PMID:41072285	研究论文	本文提出了一种基于多级教师助理知识蒸馏的动态反馈框架，用于压缩运动想象脑电信号解码的深度学习模型	提出了一个新颖的知识蒸馏框架MIKD，包含多级教师助理知识蒸馏模块和动态反馈模块，能在高压缩比下有效提取和传递MI-EEG信号的多层次知识	NA	压缩用于运动想象脑电信号分类的深度学习模型，同时保持高性能，以适用于实际脑机接口应用	运动想象脑电信号	机器学习	NA	脑电图	深度学习模型	脑电信号	三个公共脑电数据集	NA	NA	准确率	NA
47	2025-12-17	Elevating adversarial robustness by contrastive multitasking defence in medical image segmentation 2026-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108182 PMID:41075318	研究论文	本文提出了一种名为CEASE的新型防御方法，通过结合对比学习和多任务学习，显著提升医学图像分割模型对抗对抗性攻击的鲁棒性	首次将对比学习与多任务学习整合，针对医学图像分割任务设计防御机制，有效降低对抗性攻击成功率至0%	未明确说明方法在更广泛医学图像数据集或不同攻击类型下的泛化能力	增强基于深度学习的医学图像分割模型对抗对抗性攻击的鲁棒性	医学图像分割模型	计算机视觉	NA	深度学习	CNN	医学图像	公开可用数据集	NA	NA	攻击成功率	NA
48	2025-12-17	Self identity mapping 2026-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108132 PMID:41077025	研究论文	提出了一种名为自身份映射（SIM）的数据内在正则化框架，通过逆映射机制增强表示学习，并实例化为ρSIM以降低计算复杂度	提出了一种模型无关、任务无关的即插即用正则化模块，通过重构输入来减少前向传播中的信息损失并促进更平滑的梯度流	NA	开发一种通用的正则化框架以增强深度学习的泛化能力并缓解过拟合	深度学习模型的正则化	机器学习	NA	NA	NA	图像, 音频, 时间序列	NA	NA	NA	NA	NA
49	2025-12-15	MediFlora-Net: Quantum-enhanced deep learning for precision medicinal plant identification 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108674 PMID:40974619	研究论文	本研究提出了一种名为MediFlora-Net的新型深度学习模型，用于精确识别药用植物	结合了多模态深度学习、量子辅助特征提取和混合集成方法，并引入了量子启发的特征提取技术，利用量子概率特征映射和基于纠缠的表征来提取高阶植物学特征	NA	提高药用植物识别的准确性和灵活性，以支持生物多样性保护、民族植物学研究和药理学应用	药用植物	计算机视觉	NA	多模态深度学习，量子辅助特征提取	CNN, GAN, Transformer	图像（RGB，高光谱植物图像）	NA	NA	Vision Transformer (ViT), Convolutional Neural Networks (CNNs), Med-Plant-Generative Adversarial Networks (GANs)	NA	NA
50	2025-12-15	EnsembleRegNet: Interpretable deep learning for transcriptional network inference from single-cell RNA-seq 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108702 PMID:41043336	研究论文	本文提出了一种名为EnsembleRegNet的深度学习框架，用于从单细胞RNA测序数据中推断基因调控网络	结合了集成编码器-解码器和多层感知机架构，并引入了Hodges-Lehmann估计器二值化、案例删除分析、RcisTarget基序富集和AUCell调控子活性评分，以增强鲁棒性和生物学可解释性	未明确提及	从高维单细胞RNA测序数据中准确推断基因调控网络结构	转录因子与靶基因关系	机器学习	NA	单细胞RNA测序	集成编码器-解码器, 多层感知机	单细胞RNA测序数据	模拟和真实单细胞RNA测序数据集	NA	EnsembleRegNet	聚类性能, 调控准确性	NA
51	2025-12-15	Microbiome-transcriptome-histology triad enhances survival risk stratification in multiple cancers 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108703 PMID:41043335	研究论文	本研究提出了一个名为HMTsurv的多模态生存预测框架，通过整合数字组织病理学、宿主转录组学和肿瘤相关微生物组特征，以增强多种癌症的生存风险分层能力	首次将组织病理学、转录组学和微生物组特征整合到一个统一的多模态框架中，用于癌症生存预测，并识别了跨癌种的生存生物标志物	研究基于回顾性多组学数据集，临床实用性仍需前瞻性验证；模型在四种癌症中表现良好，但泛化到其他癌种的能力有待进一步评估	开发一个可泛化的多模态架构，用于癌症预后预测，并阐明生存的病理学、分子和生态学决定因素之间的复杂相互作用	结直肠癌、胃癌、肝细胞癌和乳腺癌患者的多组学数据	数字病理学	多种癌症	数字组织病理学、转录组学、微生物组分析	深度学习	图像、转录组数据、微生物组数据	来自四种主要恶性肿瘤的多组学数据集	NA	HMTsurv	c-index, log-rank p值	NA
52	2025-12-15	TK-DDI: Accurate and efficient drug-drug interaction prediction via token encoding 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108734 PMID:41161125	研究论文	本文提出了一种基于分子标记化的深度学习框架TK-DDI，用于准确预测药物相互作用	通过分子标记化统一表示2D结构和3D构象信息，并采用两阶段注意力策略（分子内和分子间）来突出关键亚结构并融合药物对表示	未在摘要中明确说明	准确预测药物相互作用，以预防不良药物事件并确保患者安全	药物分子	机器学习	NA	分子标记化	Transformer	分子序列（2D结构和3D构象信息）	基准数据集（未指定具体数量）	NA	Transformer编码器	NA	NA
53	2025-12-15	Survey on phylogenetic tree construction using machine learning 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108751 PMID:41172604	综述	本文综述了利用机器学习进行系统发育树构建的经典与机器学习方法，涵盖多序列比对和系统发育推断的算法、工具及评估指标	提供了系统发育分析流程的全面视觉总结，并整合了机器学习驱动的技术，特别关注了通过嵌入或端到端学习绕过传统比对的新方法	NA	综述机器学习在系统发育树构建中的应用，理解当前趋势并评估新兴技术如何重塑系统发育推断	系统发育分析中的多序列比对和系统发育推断方法	机器学习	NA	NA	NA	序列数据	NA	NA	NA	评估指标	NA
54	2025-12-15	Deep ensemble model with blockchain technology for lung cancer detection with secured data sharing 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108729 PMID:41177067	研究论文	本文提出了一种结合区块链技术的深度集成模型，用于肺癌检测并实现安全的数据共享	提出了一种新型混合集成深度学习模型HCNN-ALSTM，结合了Autoencoder和LSTM进行特征提取，并采用改进的磷虾群算法MKHA进行参数优化，同时利用区块链智能合约确保数据共享的安全性和隐私性	未明确说明模型在跨机构数据异构性、计算资源需求或临床部署可行性方面的具体限制	开发一个安全高效的肺癌早期检测框架，提升诊断准确性并实现隐私保护的数据共享	CT扫描图像	计算机视觉	肺癌	CT扫描	CNN, Autoencoder, LSTM	图像	来自多个基准数据集的CT扫描数据（具体数量未明确）	未明确指定	HCNN-ALSTM（混合卷积神经网络结合自编码器和长短期记忆网络）	准确率, 特异性, 马修斯相关系数, Fowlkes-Mallows指数, Bookmaker Informedness, Markedness	未明确说明
55	2025-12-15	Discovery of Mangifera indica-based natural inhibitors against TEM-1 β-lactamase from Escherichia coli using machine learning approaches 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108797 PMID:41297205	研究论文	本研究应用深度学习引导的流程，从芒果植物化学物中筛选出潜在的TEM-1 β-内酰胺酶抑制剂	首次将深度学习与分子对接、分子动力学模拟及密度泛函理论相结合，系统性地从芒果植物化学物中识别出新型β-内酰胺酶抑制剂，其结合性能优于现有临床抑制剂他唑巴坦和克拉维酸	研究主要基于计算模拟和体外数据，缺乏体内实验验证；筛选的化合物库仅限于芒果来源的植物化学物，可能遗漏其他天然来源的有效抑制剂	发现新型天然来源的β-内酰胺酶抑制剂以应对抗生素耐药性	大肠杆菌中的TEM-1 β-内酰胺酶及芒果植物化学物	机器学习	NA	深度学习, 分子对接, 分子动力学模拟, 密度泛函理论	神经网络	化学化合物数据	220个化合物用于训练神经网络，并从芒果植物化学物中筛选出25个顶级化合物	NA	NA	ROC-AUC, PR-AUC, Matthews相关系数, 富集因子	NA
56	2025-12-15	A systematic review on deep learning based brain tumor segmentation and detection using MRI: Past insights, present techniques and future trends 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108696 PMID:41046785	综述	本文系统回顾了基于深度学习的MRI脑肿瘤分割与检测技术，涵盖历史洞察、当前方法和未来趋势	提供了深度学习模型在脑肿瘤分析中的详细时序分析，并强调了现有技术的优势、局限及研究空白	作为综述文章，未提出新的实验模型或数据，主要依赖现有文献的总结与分析	概述脑肿瘤分割与检测技术，分析深度学习模型在处理MRI数据中的应用与进展	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	MRI	深度学习模型	图像	NA	NA	NA	NA	NA
57	2025-12-15	GAN-based novel feature selection approach with hybrid deep learning for heartbeat classification from ECG signal 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108704 PMID:41046784	研究论文	本文提出了一种基于GAN和混合深度学习的ECG信号心跳分类新方法	结合GAN进行特征选择，并采用SExpHGS优化的DBN-VGG混合模型进行心跳分类	NA	开发一种最优的深度学习技术用于心跳分类	心电图信号中的心跳	机器学习	心血管疾病	ECG信号处理	GAN, DBN, VGG	信号	NA	NA	DBN-VGG	准确率, 灵敏度, 特异性	NA
58	2025-12-15	GDT-Net: Multi-level feature extraction network for precise diagnosis of atrial and ventricular fibrillation 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108715 PMID:41086643	研究论文	提出了一种名为GDT-Net的神经网络，用于在复合噪声条件下对心房颤动和心室颤动进行稳健的心电图分类	设计了一种结合分组卷积、密集连接架构和Transformer编码器的多模块网络，专门针对复合噪声条件下的ECG信号分类，提高了诊断的鲁棒性	未明确提及，但可能包括对特定数据集（MIT-BIH）的依赖以及未在其他噪声类型或数据集上进行广泛验证	提高在复合噪声条件下对心房颤动和心室颤动的自动诊断准确性和鲁棒性	心电图信号	机器学习	心血管疾病	心电图分析	CNN, Transformer	时序信号	基于MIT-BIH数据集构建的六个子集（具体样本数未明确给出）	未明确提及	GDT-Net（包含G模块、D模块、T模块的自定义架构）	F1分数	未明确提及
59	2025-12-15	Ovarian cancer detection from mutual information-ranked clinical biomarkers using an explainable attention-based residual multilayer perceptron 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108714 PMID:41086647	研究论文	本文开发了一种名为EA-ResMLP的自动化深度学习模型，用于卵巢癌检测，通过集成残差多层感知器、挤压-激励注意力块和可解释人工智能技术，以提高诊断准确性和可解释性	提出了一种结合残差连接、注意力机制和可解释人工智能的深度学习模型EA-ResMLP，通过自适应重校准强调信息丰富的特征，实现了比传统多层感知器更高的诊断准确性	未明确提及模型在外部验证集上的性能、计算资源需求或临床部署的可行性	优化工作流程效率并提高卵巢癌诊断的准确性	卵巢癌	机器学习	卵巢癌	NA	多层感知器	临床生物标志物数据	NA	NA	残差多层感知器, 挤压-激励注意力块	准确率	NA
60	2025-12-15	Optimized ensemble learning with multi-feature fusion for enhanced anti-inflammatory peptide prediction 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108723 PMID:41086648	研究论文	本文提出了一种基于多特征融合和集成学习的优化方法，用于增强抗炎肽的预测性能	通过集成多种深度学习与传统机器学习分类器，并采用软投票策略，显著提升了抗炎肽预测的准确度，同时揭示了抗炎肽序列中带正电荷残基的富集特征	研究依赖于公开数据集，可能受数据质量和平衡性影响；特征选择和集成策略的泛化能力需进一步验证	开发一种高效的计算方法以预测抗炎肽，克服传统实验方法的高成本和低通量限制	抗炎肽序列及其特征	机器学习	NA	NA	LSTM, CNN, DNN, XGBoost, RF, AdaBoost, GBDT, LightGBM	序列数据	NA	NA	LSTM, CNN, DNN	NA	NA