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
5601	2026-01-30	Inferring Taxonomic Affinities and Genetic Distances Using Morphological Features Extracted from Specimen Images: A Case Study with a Bivalve Data Set 2024-11-29, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syae042 PMID:39046773	研究论文	本研究探索使用深度学习从双壳类标本图像中推断分类学亲缘关系和遗传距离	结合监督分类和无监督相似性学习，利用图像数据推断生物关系，为缺乏分子数据的物种提供新方法	基于观察到的相关性进行细粒度重建（如姐妹类群关系）需要进一步工作	从标本图像中推断生物的分类学亲缘关系和遗传距离	双壳类（Bivalvia）标本图像，涵盖4144个物种、74个科	计算机视觉	NA	深度学习	CNN	图像	4144个物种的图像数据集	NA	NA	准确率	NA
5602	2026-01-30	Toward a Semi-Supervised Learning Approach to Phylogenetic Estimation 2024-10-30, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syae029 PMID:38916476	研究论文	本文提出了一种结合随机模拟和深度学习的新方法，用于推断分子进化参数，无需已知系统发育树	开发了一种监督深度学习模型，直接分析多序列比对，估计位点特异性进化速率和分歧度，无需依赖已知系统发育树，并在复杂速率变异模式下超越了传统基于似然的方法	未明确说明模型在极端进化场景或非标准数据格式下的泛化能力，且依赖于模拟数据进行训练	改进系统发育推断，通过更灵活的速率变异模型提高参数估计和树重建的准确性	分子进化参数，包括位点特异性进化速率和序列分歧度	机器学习	NA	随机模拟，深度学习	深度学习模型	多序列比对数据	包含2600万核苷酸的小丑鱼支系数据集	NA	NA	准确性，分支长度估计精度	NA
5603	2026-01-30	Deep Deblurring in Teledermatology: Deep Learning Models Restore the Accuracy of Blurry Images' Classification 2024-09, Telemedicine journal and e-health : the official journal of the American Telemedicine Association DOI:10.1089/tmj.2023.0703 PMID:38934135	研究论文	本研究评估了深度学习去模糊模型在远程皮肤病学中恢复模糊图像诊断准确性的能力	首次系统评估了多种去模糊模型对皮肤病诊断模型性能的恢复效果，并比较了模型预测与皮肤科医生主观清晰度评分	研究使用的模糊图像数据集相对较小（54张公共数据集图像和53张医疗中心咨询照片），可能限制了结果的普适性	确定深度学习模型对模糊图像进行去模糊处理后，诊断准确性能够恢复的程度	皮肤病图像，包括23种皮肤病类别	计算机视觉	皮肤病	深度学习图像处理	深度学习模型	图像	19,191张皮肤图像（公共数据集）+ 54张模糊皮肤图像（公共数据集）+ 53张模糊皮肤病咨询照片（医疗中心）	NA	NA	灵敏度, 精确度, 清晰度评分（4点量表）	NA
5604	2026-01-30	Deep Learning and Likelihood Approaches for Viral Phylogeography Converge on the Same Answers Whether the Inference Model Is Right or Wrong 2024-05-27, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syad074 PMID:38189575	研究论文	本文比较了基于深度学习的无似然推理方法与基于似然的贝叶斯推理方法在病毒系统地理学中的应用，发现两者在准确性和鲁棒性上表现相当，但深度学习方法在推理速度上快三个数量级	将深度学习无似然推理方法扩展到病毒系统地理学中，并与传统贝叶斯方法进行系统性比较，同时引入保形化分位数回归进行不确定性量化，展示了深度学习在模拟数据训练下能准确模拟生成模型的统计特性	研究基于模拟数据训练，可能受限于模拟模型的复杂性；在真实数据应用中仅测试了欧洲SARS-Cov-2案例，泛化能力需进一步验证；不确定性量化的精度较低（更保守）	比较深度学习无似然推理与基于似然的贝叶斯推理在病毒系统地理学中的性能，评估模型错误指定下的鲁棒性，并开发快速推理方法以支持疫情实时决策	病毒传播的系统发育树，特别是涉及5个地理位置的模拟疫情数据以及欧洲SARS-Cov-2疫情的真实数据	机器学习	NA	系统发育分析，模拟疫情数据生成	深度神经网络	系统发育树（树结构数据）	使用模拟疫情生成的系统发育树进行训练和测试，并应用了欧洲SARS-Cov-2疫情的真实数据	NA	深度神经网络（具体架构未指定）	准确性，鲁棒性，偏差，不确定性量化（与贝叶斯最高后验密度比较），推理速度	NA
5605	2026-01-30	Deep learning reveals disease-specific signatures of white matter pathology in tauopathies 2021-10-21, Acta neuropathologica communications IF:6.2Q1 DOI:10.1186/s40478-021-01271-x PMID:34674762	研究论文	本研究利用深度学习技术，从三种tau蛋白病（阿尔茨海默病、进行性核上性麻痹和皮质基底节变性）的脑组织切片中，识别出白质tau蛋白聚集体的疾病特异性形态学特征	首次采用数据驱动的机器学习方法，系统性地揭示了tau蛋白病中白质病理的疾病特异性形态学签名，挑战了传统神经病理学以皮质为中心的视角	样本量相对较小（49例），且仅分析了三种tau蛋白病，未来需要更大规模的研究来验证和扩展这些发现	识别tau蛋白病中白质tau蛋白聚集体的疾病特异性形态特征，以改进疾病分类和诊断	人类尸检脑组织（来自阿尔茨海默病、进行性核上性麻痹和皮质基底节变性患者）	数字病理学	tau蛋白病（包括阿尔茨海默病、进行性核上性麻痹、皮质基底节变性）	tau免疫染色、全切片成像	深度学习模型	图像（全切片病理图像）	49例人类尸检脑组织（16例阿尔茨海默病、13例皮质基底节变性、20例进行性核上性麻痹）	NA	NA	疾病分类准确性	NA
5606	2026-01-29	Real-time vehicle control via edge cloud sensor fusion and CNN based perceptron 2026-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103779 PMID:41583916	研究论文	本研究开发了一种混合边缘-云方法，通过集成深度学习和物联网传感器融合，实现自适应实时车辆控制	提出了一种结合深度学习与物联网传感器融合的混合边缘-云架构，用于自适应车辆控制，并在低成本边缘设备上验证了深度学习部署的可行性	研究在模拟的恶劣驾驶场景下进行评估，可能未完全覆盖所有真实世界的复杂情况	开发一种可靠、自适应的实时车辆控制系统，用于智能交通系统	车辆控制系统	机器视觉	NA	物联网传感器融合	CNN	超声波测距数据	NA	NA	CNN	R², 均方误差	Jetson Nano, Raspberry Pi
5607	2026-01-29	A survey on neuro-mimetic deep learning via predictive coding 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108161 PMID:41161207	综述	本文综述了基于预测编码理论的神经拟态深度学习算法的最新研究进展	系统梳理了预测编码理论在机器学习领域的跨学科应用，为生物可解释性AI算法提供了新的研究方向	作为综述文章，未提出新的原创算法，主要进行现有研究的归纳分析	探索具有生物合理性的深度学习算法替代反向传播	预测编码理论及其在机器学习中的应用	机器学习	NA	NA	深度神经网络	NA	NA	NA	NA	NA	NA
5608	2026-01-29	DNUNet: A lightweight adaptive medical image segmentation network based on dual-path multilevel interactive convolution and norm sparse fusion module 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108230 PMID:41172804	研究论文	提出了一种名为DNUNet的轻量级自适应医学图像分割网络，旨在平衡模型性能与计算成本	创新性地结合了大核卷积、双路径多级结构和特征稀疏化策略，并设计了双路径多级交互卷积模块和自适应范数稀疏融合模块，以更少的参数增强特征提取与融合能力	未在摘要中明确提及	开发一种高效、轻量级的医学图像分割模型，以适应便携式医疗设备和实时分割的临床部署需求	医学图像	数字病理	NA	深度学习	CNN	图像	NA	NA	DNUNet	NA	NA
5609	2026-01-29	CNNCaps-DBP: Leveraging protein language models with attention-augmented convolution for DNA-binding protein prediction 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108261 PMID:41172803	研究论文	提出一种名为CNNCaps-DBP的新型深度学习方法，用于从蛋白质一级序列信息中准确预测DNA结合蛋白	结合预训练蛋白质语言模型ESM C，并通过注意力增强卷积模块增强嵌入表示，再采用胶囊网络与MLP的混合深度学习框架构建最终预测模型	未明确说明模型在特定蛋白质家族或结构类别上的泛化能力限制	开发精确高效的DNA结合蛋白计算预测框架	DNA结合蛋白	自然语言处理, 机器学习	神经退行性疾病, 癌症	蛋白质语言模型, 深度学习	CNN, Capsule Network, MLP	蛋白质序列	NA	PyTorch	注意力增强卷积模块, Capsule Network, MLP	准确率, 精确率, 召回率, F1分数, AUC	NA
5610	2026-01-29	LCMF-Net: A lightweight collaborative multimodal fusion network for brain tumor segmentation 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108257 PMID:41197263	研究论文	本文提出了一种轻量级协同多模态融合网络（LCMF-Net），用于脑肿瘤分割	提出了跨模态与跨切片注意力模块（CMCSA）和基于状态空间模型的融合模块（SSM-Fusion），在保证高精度的同时显著降低了计算成本	未在文中明确说明	开发一种高精度、高效率的脑肿瘤自动分割方法	多模态MRI序列（T1, T2, T1ce, FLAIR）中的脑肿瘤	数字病理学	脑肿瘤	MRI	深度学习网络	医学图像（MRI）	未在摘要中明确说明	未在摘要中明确说明	LCMF-Net（包含CMCSA模块、SSM-Fusion模块、改进的残差初始块RIB）	分割精度	未在摘要中明确说明
5611	2026-01-29	Shallow and ensemble deep randomized neural network for anomaly detection 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108240 PMID:41202707	研究论文	本文提出了一种用于异常检测的集成深度随机向量函数链接网络，结合了深度学习和集成学习原理	提出了OC-RVFL和OC-edRVFL两种新模型，通过融合线性和非线性特征以及多层输出结构，提高了异常检测的泛化能力和稳定性	OC-RVFL的单隐藏层结构限制了其捕捉复杂模式的能力	提升异常检测或单类分类的泛化能力和效率	异常检测模型	机器学习	NA	NA	随机向量函数链接网络, 集成学习模型	人工数据集, UCI数据集, NDC数据集, MNIST图像数据集	高达500万个样本的数据集	NA	OC-RVFL, OC-edRVFL	泛化误差上界	NA
5612	2026-01-29	AdaptiveWordBug: Generating adversarial texts with an adaptive scoring strategy against deep learning classifiers 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108262 PMID:41205356	研究论文	提出了一种名为AdaptiveWordBug的黑盒对抗文本生成方法，用于文本分类任务，通过自适应评分策略增强攻击效果	引入自适应评分策略（ASS），结合三种模型依赖和一种模型独立的评分方法，并自动调整参数，以更全面准确地识别重要单词	NA	针对深度学习分类器生成对抗性文本，以促进后续防御措施的设计	中文文本分类数据集	自然语言处理	NA	NA	BERT, ChatGPT	文本	NA	NA	NA	攻击效果	NA
5613	2026-01-29	MIEF-Net: multimodal image-enhanced fusion network for intelligent fall risk prediction 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108260 PMID:41213202	研究论文	本文提出了一种新颖的图像增强双流深度学习框架，用于通过IMU步态分析预测老年人跌倒风险	创新性地将原始IMU信号转换为GAF、频谱图和MTF图像，融合时空表征，并采用基于Transformer的多头注意力机制进行自适应模态融合	NA	通过可穿戴传感器多模态融合提高跌倒风险预测准确性，推进预防性老年护理	老年人的步态数据	机器学习	老年疾病	IMU步态分析	RNN, CNN, Transformer	图像	NA	NA	双流网络	准确率, 灵敏度, F1分数	NA
5614	2026-01-29	RL-I2IT: Image-to-image translation with deep reinforcement learning 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108264 PMID:41218403	研究论文	本文提出了一种基于深度强化学习的图像到图像翻译框架RL-I2IT，通过迭代决策过程逐步转换图像	将图像到图像翻译重新定义为迭代决策问题，引入元策略和“概念计划”来处理高维连续状态和动作空间	未明确说明具体任务中的性能上限或计算效率的量化比较	开发一种计算高效的图像到图像翻译方法，以应对高维连续动作空间的挑战	图像数据	计算机视觉	NA	深度强化学习	Actor-Critic模型	图像	NA	NA	NA	NA	NA
5615	2026-01-29	LMcast: A pretrained language model guided long-term memory transformer for precipitation nowcasting 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108168 PMID:41135316	研究论文	提出LMcast模型，利用预训练语言模型引导的长时记忆Transformer进行降水临近预报	首次将预训练语言模型的检索和生成能力应用于降水临近预报，通过历史降雨数据代码本召回长时记忆，结合当前输入生成短时记忆进行预测	未明确说明模型对极端天气事件的预报能力及计算效率	解决降水临近预报中因有效信息随预报时间增加而减少导致的长期趋势捕捉难题	降雨系统	机器学习	NA	深度学习	Transformer	雷达图像数据	四个公开雷达数据集	NA	Transformer	NA	NA
5616	2026-01-29	Adaptive frequency collaboration for remote sensing change detection 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108234 PMID:41135321	研究论文	本文提出了一种用于遥感变化检测的自适应频率协作网络（AFCN），通过从频域角度构建变化特征来提高检测性能	提出了自适应频率协作网络（AFCN），设计了位置特定的低通滤波器以自适应地从空间特征中提取低频分量，并利用小波重构原理获得高频分量，通过辅助边缘检测任务增强空间细节	NA	提高遥感变化检测的准确性和细节保留能力	遥感图像中的变化检测	计算机视觉	NA	NA	深度学习	遥感图像	三个基准数据集：LEVIR-CD、PX-CLCD、WHU-CD	NA	自适应频率协作网络（AFCN）	交并比（IoU）	NA
5617	2026-01-29	A hybrid MMBERT framework for classifying periodontal bone loss: Integrating visual and textual information 2026 Mar-Apr, Journal of oral biology and craniofacial research DOI:10.1016/j.jobcr.2025.12.013 PMID:41584214	研究论文	本文提出了一种混合MMBERT框架，用于整合视觉和文本信息以分类牙周骨丧失	提出了一种混合MMBERT框架，通过整合图像和文本数据来增强牙周骨丧失的预测准确性	面临图像变异性大和数据集有限的挑战，需要进一步的临床应用研究	提高牙周骨丧失在口内根尖片中的诊断准确性	牙周骨丧失的分类	计算机视觉	牙周病	多模态深度学习	MMBERT	图像, 文本	150张口内根尖片图像	NA	ResNet50, ClinicalBERT, 跨模态Transformer	准确率, 交集并集比, 边界准确率	NA
5618	2026-01-29	The engagement behaviors and treatment barriers for depressed patients in an online health community: a pre-/post-treatment comparison 2026-Feb, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2025.106051 PMID:41349269	研究论文	本研究通过分析中国抑郁症在线健康社区的用户发帖，比较了治疗前与治疗后用户在参与行为和治疗障碍方面的差异	结合关键词过滤和深度学习分类方法，首次在抑郁症在线健康社区中区分并比较了治疗前与治疗后用户群体，揭示了他们在社区参与和治疗障碍方面的显著差异	研究数据仅来源于一个中国的在线健康社区，可能无法完全代表其他文化背景或平台的用户情况，且用户自我报告的数据可能存在偏差	探究抑郁症患者在在线健康社区中的参与行为差异以及治疗前后所面临的不同障碍	中国抑郁症在线健康社区中的用户，包括25,743名治疗后用户和4,891名治疗前用户	自然语言处理	抑郁症	深度学习分类	NA	文本	1,585,429条帖子，涉及30,634名用户	NA	NA	NA	NA
5619	2026-01-29	CEO perceived personality and corporate risk disclosure in prospectus: A multimodal machine learning analysis 2026-Feb, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2025.106099 PMID:41389399	研究论文	本研究探讨了CEO人格特质如何影响IPO风险披露质量，并采用了一种新颖的多模态深度学习方法，利用IPO路演展示的视听数据来测量CEO人格特质	引入了一种新颖的多模态深度学习方法，通过整合视觉和音频数据来捕捉言语和非言语行为线索，从而比传统的单模态方法更全面地评估人格特质	研究仅基于中国创业板和科创板2019年至2024年的数据，样本可能不具有全球代表性；未讨论其他潜在调节变量	探究CEO人格特质对IPO风险披露质量的影响，并检验承销商声誉的调节作用	中国创业板和科创板的IPO公司及其CEO	自然语言处理, 计算机视觉	NA	多模态深度学习分析	深度学习模型	音频, 视频	866家IPO公司	NA	NA	NA	NA
5620	2026-01-29	Evaluating the cost-effectiveness of artificial intelligence-enhanced osteoporosis screening in men and women using routine chest radiographs in South Korea 2026-Feb, JBMR plus IF:3.4Q2 DOI:10.1093/jbmrpl/ziaf187 PMID:41522667	研究论文	本研究评估了在韩国≥50岁成年男女中，利用人工智能增强的常规胸片进行骨质疏松症机会性筛查的成本效益	首次在韩国人群中评估了已获监管批准的深度学习模型（Osteo Signal）在男性和女性中的成本效益，而先前评估仅针对女性	模型假设患者接受阿仑膦酸盐或地诺单抗治疗，且依赖于输入的骨质疏松症患病率、诊断性能和治疗依从性概率等参数，可能未涵盖所有临床变量	评估人工智能辅助胸片筛查与不筛查相比，在预防脆性骨折和改善生活质量方面的成本效益	韩国≥50岁的成年男性和女性	数字病理学	骨质疏松症	深度学习模型应用于常规胸片	深度学习模型	医学影像（胸片）	模型基于每10,000名成年人进行模拟分析，未提供具体患者样本数	NA	Osteo Signal	增量成本效益比（ICER），以每获得一个质量调整生命年（QALY）的成本（韩元）衡量	NA