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
1401	2025-12-31	A Deep Learning-Based Human-Robot Collaborative Navigation Framework for Vascular Interventional Surgery 2026-Feb, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70125 PMID:41468030	研究论文	本文提出了一种基于深度学习的血管介入手术人机协作导航框架，旨在实现自主手术执行	采用手术生成对抗网络进行实时局部路径规划，并引入基于CNN的动作估计器及人机信任共享控制模型，以应对血管轮廓变化带来的挑战	NA	实现血管介入手术的自主导航，提高手术效果和安全性	血管介入手术中的导管导航	机器视觉	心血管疾病	深度学习	GAN, CNN	图像	NA	NA	生成对抗网络, 卷积神经网络	动作决策准确率	NA
1402	2025-12-30	Rapid and robust quantitative cartilage assessment for the clinical setting: deep learning-enhanced accelerated T2 mapping 2026-Feb, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-05034-w PMID:40968299	研究论文	本研究开发了一种基于深度学习的加速软骨T2映射序列（DL CartiGram），旨在提高临床环境中软骨定量评估的速度和鲁棒性	结合并行成像和深度学习图像重建技术，显著缩短了扫描时间，同时保持了优异的重复性和再现性	研究中站点间存在的微小偏差可能由温度效应引起，且样本量相对有限	开发并验证一种快速、鲁棒的软骨T2映射方法，以促进其在临床环境中的应用	软骨组织，具体包括43名患者的52个髌骨和股骨软骨分区	医学影像分析	骨关节炎	T2映射，并行成像，深度学习图像重建	深度学习	磁共振图像	43名患者（52个软骨分区）	NA	NA	变异系数，Bland-Altman分析，一致性相关系数，Wilcoxon符号秩检验，配对t检验	NA
1403	2025-12-27	Attention-Based Multimodal Deep Learning for Uveal Melanoma Classification Using Ultra-Widefield Fundus Images and Ocular Ultrasound 2026-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100985 PMID:41439217	研究论文	本研究开发并评估了一种基于注意力机制的多模态深度学习模型，用于整合超广角眼底摄影和B超图像，以实现葡萄膜黑色素瘤和脉络膜痣的自动分类	首次提出结合超广角眼底摄影和B超图像，并采用注意力机制进行多模态融合，以提升葡萄膜黑色素瘤和脉络膜痣的分类性能	研究样本量较小（仅174名患者），且为单中心回顾性研究，可能影响模型的泛化能力	开发一种自动分类葡萄膜黑色素瘤和脉络膜痣的深度学习模型	葡萄膜黑色素瘤和脉络膜痣患者	数字病理学	葡萄膜黑色素瘤	超广角眼底摄影，B超成像	深度学习模型	图像	174名患者（93例葡萄膜黑色素瘤，81例脉络膜痣），每名患者包含超广角眼底照片和横纵两个方向的B超图像	NA	注意力机制融合模型	准确率，F1分数，AUC	NA
1404	2025-12-27	GI-ScreenNet v2: A Modular Framework for Gastrointestinal Disease Detection Based on an Integrated Transfer Learning 2026-Feb, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70128 PMID:41449645	研究论文	本文提出GI-ScreenNet v2，一个基于集成和迁移学习的多骨干网络框架，用于胃肠道疾病检测	通过标准化接口支持任意骨干网络，并利用交叉注意力机制动态整合多模型特征，实现灵活且高效的表示学习	现有系统通常不够灵活且技术复杂，限制了临床采用	开发一个统一的框架，用于胃肠道疾病的早期筛查和AI辅助诊断	无线胶囊内窥镜（WCE）图像	计算机视觉	胃肠道疾病	无线胶囊内窥镜（WCE）	集成学习, 迁移学习	图像	基于KvasirV2数据集	NA	多骨干网络框架	准确率	NA
1405	2025-12-17	Multi-view learning meets state-space model: A dynamical system perspective 2026-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108088 PMID:40966932	研究论文	本文提出了一种基于连续时间动态系统视角的多视图状态空间模型（MvSSM），用于多视图表示学习	将多视图表示学习形式化为受控制理论启发的连续时间动态系统，将视图特定特征视为外部输入，共享潜在表示作为内部系统状态演化，统一了特征集成和标签预测，并支持系统稳定性和表示转换的理论分析	未明确说明模型的计算复杂度或在大规模数据集上的可扩展性限制	通过动态系统视角改进多视图学习的表示能力和理论可解释性	多模态数据的特征表示与动态演化	机器学习	NA	NA	状态空间模型	多视图数据（多模态）	NA	NA	MvSSM-Lap, MvSSM-iLap	准确率, F1分数	NA
1406	2025-12-17	A unified gradient regularization method for heterogeneous graph neural networks 2026-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108104 PMID:40974991	研究论文	本文提出了一种名为Grug的统一梯度正则化方法，用于解决异构图神经网络中的过平滑和非鲁棒性问题	提出了一种在消息传递过程中迭代应用于节点类型和消息矩阵梯度的正则化方法，并提供了一个统一框架整合现有丢弃和对抗训练方法	NA	解决异构图神经网络中的过平滑和非鲁棒性问题，提高模型性能	异构图神经网络	机器学习	NA	NA	异构图神经网络	图数据	六个公共数据集	NA	NA	NA	NA
1407	2025-12-17	Deceiving question-answering models: A hybrid word-level adversarial approach 2026-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108105 PMID:40987134	研究论文	本文提出了一种名为QA-Attack的单词级对抗策略，用于欺骗问答模型	利用基于注意力的攻击机制和删除排序策略，识别并针对上下文段落中的特定单词，通过同义词替换创建欺骗性输入，在保持语法完整性的同时误导模型产生错误响应	NA	探索问答模型对抗攻击的鲁棒性	问答模型	自然语言处理	NA	NA	NA	文本	NA	NA	NA	成功率, 语义变化, BLEU分数, 流畅度, 语法错误率	NA
1408	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
1409	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
1410	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
1411	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
1412	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
1413	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
1414	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
1415	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
1416	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
1417	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
1418	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
1419	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
1420	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