深度学习在生物医药领域中的应用

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
201	2025-01-15	RETRACTED ARTICLE: DLMBHCO: design of an augmented bioinspired deep learning-based multidomain body parameter analysis via heterogeneous correlative body organ analysis 2024-12, Soft computing IF:3.1Q2 DOI:10.1007/s00500-023-08613-y PMID:37362266	研究论文	本文提出了一种基于深度学习的多领域身体参数分析方法，通过异质相关性身体器官分析来识别器官级疾病之间的关联	提出了一种结合细菌觅食优化器（BFO）和多模型融合（Inception Net、XCeption Net、GoogLeNet）的深度学习模型，用于高效识别器官疾病之间的相关性	模型在实时场景中的应用可能仍存在一定的复杂性和计算成本	设计一种深度学习模型，用于分析人体多器官疾病之间的相关性，以辅助临床治疗	人体多器官疾病及其相关性	机器学习	多种疾病（如脑疾病、肾脏疾病、心脏病、癌症等）	深度学习、细菌觅食优化器（BFO）、多模型融合	Inception Net、XCeption Net、GoogLeNet、MAHP	时空数据扫描、血液报告	MITBIH、DEAP、CT Kidney、RIDER、PLCO数据集
202	2025-03-05	Interactive Prognosis Framework Between Deep Learning and a Stochastic Process Model for Remaining Useful Life Prediction 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3310482 PMID:37725744	研究论文	本文提出了一种深度学习和随机过程模型之间的交互式预测框架，用于剩余使用寿命（RUL）预测	通过集成健康指标（HI）构建和退化建模，解决了传统方法中HI与退化模型之间的匹配缺陷，提高了RUL预测的准确性	未明确提及具体局限性	提高退化系统剩余使用寿命（RUL）预测的准确性	退化系统，特别是涡轮风扇发动机	机器学习	NA	堆叠收缩自编码器，梯度下降算法	堆叠收缩自编码器，指数型退化模型	传感器数据	NA
203	2025-03-05	Deep Learning for Visual Localization and Mapping: A Survey 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3309809 PMID:37738191	综述	本文对基于深度学习的视觉定位与映射方法进行了全面调查，并提出了一个分类法	提出了一个基于深度学习的视觉定位与映射方法的分类法，并探讨了深度学习在该领域的应用前景和方法	NA	探讨深度学习在视觉定位与映射领域的应用前景和方法	视觉定位与映射方法	计算机视觉	NA	深度学习	NA	图像	NA
204	2025-03-05	A Hybrid Data Preprocessing-Based Hierarchical Attention BiLSTM Network for Remaining Useful Life Prediction of Spacecraft Lithium-Ion Batteries 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3311443 PMID:37725745	研究论文	本文提出了一种基于混合数据预处理的深度学习方法，用于预测航天器锂离子电池的剩余使用寿命（RUL）	提出了一种新的混合数据预处理方法，结合了Box-Cox变换、CEEMDAN去噪、PCA降维和滑动窗口技术，并构建了多尺度分层注意力双向长短期记忆（MHA-BiLSTM）模型	NA	提高航天器锂离子电池剩余使用寿命（RUL）预测的准确性和模型可靠性	航天器锂离子电池	机器学习	NA	Box-Cox变换、CEEMDAN去噪、PCA降维、滑动窗口技术	MHA-BiLSTM	时间序列数据	基于两个锂离子电池数据集的多种实验
205	2025-03-05	On the Real-World Adversarial Robustness of Real-Time Semantic Segmentation Models for Autonomous Driving 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3314512 PMID:37782588	研究论文	本文评估了在自动驾驶视觉感知任务中，语义分割模型在面对不同类型对抗性补丁攻击时的鲁棒性	提出了一种新的损失函数以增强攻击者诱导像素错误分类的能力，并提出了一种改进的期望变换方法用于场景中补丁的放置	对抗性效果在数字和现实世界攻击中均可见，但其影响通常局限于图像中补丁周围的区域	评估和提升语义分割模型在自动驾驶视觉感知任务中的对抗性鲁棒性	语义分割模型	计算机视觉	NA	对抗性补丁攻击	语义分割模型	图像	NA
206	2025-03-05	Pixel-Centric Context Perception Network for Camouflaged Object Detection 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3319323 PMID:37819817	研究论文	本文提出了一种新颖的像素中心上下文感知网络（PCPNet），用于伪装物体检测（COD），通过定制每个像素的个性化上下文来提高检测效果	PCPNet通过自动估计每个像素的周围环境来定制其个性化上下文，并引入无参数的像素重要性估计（PIE）函数和多窗口信息融合，以优化网络对复杂背景像素的关注	未明确提及具体局限性	提高伪装物体检测的准确性和效率	伪装物体检测（COD）中的物体像素	计算机视觉	NA	深度学习	PCPNet	图像	四个COD基准、五个显著物体检测（SOD）基准和五个息肉分割基准
207	2025-03-05	Physical Adversarial Attacks for Surveillance: A Survey 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3321432 PMID:37824320	review	本文综述了现代自动化监控系统中深度学习方法的物理对抗攻击及其防御策略	提出了一个分析物理对抗攻击的框架，并在此框架下对四种关键监控任务（检测、识别、跟踪和动作识别）的物理对抗攻击进行了全面调查	NA	研究现代监控系统中物理对抗攻击的威胁及其防御策略	监控系统中的深度学习模型	computer vision	NA	NA	深度学习模型	图像	NA
208	2025-03-05	Bayesian Hierarchical Graph Neural Networks With Uncertainty Feedback for Trustworthy Fault Diagnosis of Industrial Processes 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3319468 PMID:37843997	研究论文	本文提出了一种带有不确定性反馈机制的贝叶斯层次图神经网络（BHGNN），用于工业过程的可靠故障诊断	通过变分丢弃方法捕捉认知不确定性和随机不确定性，并利用每个样本的不确定性信息调整时间一致性约束的强度，以实现鲁棒的特征学习	实验仅在三相流设施（TFF）和安全水处理（SWaT）上进行，可能限制了方法的普适性	提高工业过程故障诊断的可靠性和性能	工业过程的故障诊断	机器学习	NA	贝叶斯深度学习（BDL）框架	贝叶斯层次图神经网络（BHGNN）	过程数据	三相流设施（TFF）和安全水处理（SWaT）的实验数据
209	2025-03-05	Understanding Double Descent Using VC-Theoretical Framework 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3388873 PMID:38669171	研究论文	本文在VC理论框架下分析了深度学习网络的泛化性能，特别是所谓的“双下降”现象	提出了VC理论框架下的双下降现象解释，并通过经验建模支持了这一理论	研究仅限于分类设置，未涉及其他类型的任务或数据	理解深度学习网络的泛化能力和局限性	深度学习网络在分类任务中的泛化性能	机器学习	NA	VC理论框架	支持向量机(SVM)、最小二乘法(LS)、多层感知器分类器	NA	NA
210	2025-03-04	AI-luminating Artificial Intelligence in Inflammatory Bowel Diseases: A Narrative Review on the Role of AI in Endoscopy, Histology, and Imaging for IBD 2024-12-05, Inflammatory bowel diseases IF:4.5Q1 DOI:10.1093/ibd/izae030 PMID:38452040	综述	本文综述了人工智能（AI）在炎症性肠病（IBD）内窥镜、组织学和影像学中的应用，探讨了AI在IBD检测、诊断、表征、表型分析和预后中的潜力	本文首次系统性地回顾了AI在IBD内窥镜、组织学和影像学中的应用，并指出了现有研究的局限性和知识空白	现有文献存在固有的局限性和知识空白，需要进一步研究以解决这些问题，使AI能够成为IBD的主流临床工具	探讨AI在IBD内窥镜、组织学和影像学中的应用，以提升诊断效率和临床决策	炎症性肠病（IBD）	数字病理学	炎症性肠病	深度学习、放射组学	NA	图像	NA
211	2025-03-04	Estimating the distribution of numerosity and non-numerical visual magnitudes in natural scenes using computer vision 2024-Dec-03, Psychological research DOI:10.1007/s00426-024-02064-2 PMID:39625570	研究论文	本文利用计算机视觉算法设计并实现了一个原始流程，用于估计包含数千张日常生活场景中物体图像的大规模数据集中数量和非数量视觉幅度的分布	利用最新的计算机视觉算法，设计了一个能够估计自然场景中数量和非数量视觉幅度分布的流程，揭示了不同数量出现的频率遵循幂律分布，并展示了数量与连续幅度之间的相关性结构在不同数据集和场景类型中的稳定性	神经网络模型通常使用合成数据集进行训练，这些数据集可能无法准确反映自然环境的统计结构	研究自然场景中数量和非数量视觉幅度的分布，以理解非数量视觉线索对数量判断的影响	包含数千张日常生活场景中物体图像的大规模数据集	计算机视觉	NA	计算机视觉算法	神经网络	图像	数千张日常生活场景中的物体图像
212	2025-03-03	Clinical utility of receptor status prediction in breast cancer and misdiagnosis identification using deep learning on hematoxylin and eosin-stained slides 2024-Dec-20, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00695-5 PMID:39706861	研究论文	本文探讨了使用深度学习从数字化H&E染色切片预测乳腺癌受体状态的临床效用，并评估其在识别激素受体阳性患者、作为质量保证的第二阅读工具以及解决肿瘤内异质性方面的应用	首次使用深度学习从H&E染色切片预测乳腺癌的ER、PR和ERBB2状态，并在多机构数据集上进行训练和评估，展示了其在临床中的潜在应用	研究依赖于多机构数据集，可能存在数据异质性问题，且未在所有临床环境中进行广泛验证	探索从H&E染色切片预测乳腺癌受体状态的临床效用，并评估其在诊断和治疗计划中的潜在应用	乳腺癌患者的数字化H&E染色切片	数字病理学	乳腺癌	深度学习	深度学习系统	图像	19,845张切片，来自7,950名患者，涵盖六个独立队列
213	2025-03-02	RETRACTED ARTICLE: Sustainable strategy for online physical education teaching using ResNet34 and big data 2024-12, Soft computing IF:3.1Q2 DOI:10.1007/s00500-023-08524-y PMID:37362298	研究论文	本文提出了一种具有可持续发展特性的在线教学支持系统，利用ResNet34深度学习图像识别算法实时分析和纠正学生在体操、舞蹈、篮球等运动中的动作	通过将注意力机制模块与原始ResNet34结合，提高了系统的检测精度，并且系统能够随着新运动类别的出现扩展数据集，保持实时更新	NA	开发一种可持续的在线体育教学支持系统，以改善虚拟体育教学中的学生动作纠正	在线体育教学中的学生动作	计算机视觉	NA	深度学习	ResNet34	图像	NA
214	2025-03-02	Deep learning models using intracranial and scalp EEG for predicting sedation level during emergence from anaesthesia 2024-Dec, BJA open DOI:10.1016/j.bjao.2024.100347 PMID:40018289	研究论文	本研究探讨了使用颅内和头皮脑电图（EEG）预测麻醉苏醒期间镇静水平的深度学习模型	结合颅内和头皮EEG数据，利用深度学习模型预测镇静水平，显著提高了预测准确性	样本量较小，仅涉及7名患者，且验证集仅包含5名患者的头皮EEG数据	研究目的是通过EEG监测预测麻醉苏醒期间的镇静水平，以提高麻醉管理的安全性	研究对象为接受颅内电极植入手术的7名难治性癫痫患者，以及5名仅提供头皮EEG数据的患者	机器学习	癫痫	EEG	深度学习模型	EEG数据	7名患者（颅内和头皮EEG数据），5名患者（仅头皮EEG数据）
215	2025-02-27	SegCSR: Weakly-Supervised Cortical Surfaces Reconstruction from Brain Ribbon Segmentations 2024-Dec-10, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.10.626888 PMID:39713375	研究论文	本文提出了一种基于弱监督学习的皮质表面重建方法，通过大脑MRI带状分割来重建多个皮质表面	该方法通过联合学习微分同胚流来对齐皮质带状分割图的边界，避免了传统方法中对伪地面真值的依赖，减少了数据集特定的挑战和训练数据准备的复杂性	方法在深度皮质沟的挑战性区域可能仍存在一定的局限性	研究目的是开发一种新的皮质表面重建方法，以减少对伪地面真值的依赖并提高重建精度	大脑MRI带状分割数据	计算机视觉	NA	深度学习	NA	MRI图像	两个大规模大脑MRI数据集
216	2025-02-23	Automated Segmentation of Knee Menisci Using U-Net Deep Learning Model: Preliminary Results 2024-Dec, Maedica DOI:10.26574/maedica.2024.19.4.690 PMID:39974461	研究论文	本研究使用U-Net深度学习模型对膝关节半月板进行自动检测和分割，初步结果显示该方法在临床环境中具有显著潜力	首次使用U-Net深度学习模型对膝关节半月板进行自动检测和分割，并通过与骨科医生的标注进行验证	数据稀缺性和需要序列特定优化是主要挑战	开发一种自动识别和分割膝关节半月板的模型	膝关节半月板	计算机视觉	NA	深度学习	U-Net	MRI图像	104个膝关节MRI图像用于训练，50个MRI图像用于微调
217	2025-02-22	Augmenting cybersecurity through attention based stacked autoencoder with optimization algorithm for detection and mitigation of attacks on IoT assisted networks 2024-Dec-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81162-y PMID:39730515	研究论文	本文提出了一种基于注意力机制的堆叠自编码器与鹈鹕优化算法相结合的网络安全方法（CASAE-POADMA），用于检测和缓解物联网（IoT）辅助网络中的攻击	提出了结合注意力机制的堆叠自编码器（ASAE）和鹈鹕优化算法（POA）的新型网络安全方法，显著提高了攻击检测的准确性	方法仅在基准数据库上进行了验证，未在实际IoT网络环境中进行大规模测试	提高物联网网络的安全性，检测和缓解网络攻击	物联网（IoT）辅助网络	网络安全	NA	机器学习（ML）、深度学习（DL）	注意力机制的堆叠自编码器（ASAE）	网络数据	基准数据库
218	2025-02-21	Deep learning enhanced transmembranous electromyography in the diagnosis of sleep apnea 2024-Dec-31, BMC neuroscience IF:2.4Q3 DOI:10.1186/s12868-024-00913-9 PMID:39741274	研究论文	本文探讨了使用深度学习增强的跨膜肌电图（tmEMG）在睡眠呼吸暂停诊断中的应用	本文创新性地使用带有注意力机制的深度学习模型（transformer）来建模tmEMG数据，以区分来自对照组、神经源性患者和睡眠呼吸暂停患者的肌电信号	研究数据集相对较小，可能影响模型的泛化能力	研究目的是通过深度学习技术提高睡眠呼吸暂停的诊断准确性	研究对象包括健康对照组、中度至重度阻塞性睡眠呼吸暂停（OSA）患者和肌萎缩侧索硬化症（ALS）患者	机器学习	睡眠呼吸暂停	跨膜肌电图（tmEMG）	transformer	肌电信号	177例经口肌电图记录，包括6名健康对照、5名中度至重度OSA患者和5名ALS患者
219	2025-02-21	TPepPro: a deep learning model for predicting peptide-protein interactions 2024-12-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae708 PMID:39585721	研究论文	本文提出了一种基于Transformer的深度学习模型TPepPro，用于预测肽-蛋白质相互作用	TPepPro结合了局部蛋白质序列特征提取和全局蛋白质结构特征提取的策略，并优化了结构特征神经网络的架构，显著减少了计算资源的需求	NA	开发一种高效预测肽-蛋白质相互作用的模型，以支持氨基酸药物的应用	肽-蛋白质相互作用	机器学习	NA	深度学习	Transformer	序列和结构特征	19,187对肽-蛋白质复合物
220	2025-02-21	Ligand identification in CryoEM and X-ray maps using deep learning 2024-12-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae749 PMID:39700427	研究论文	本文提出了一种基于深度学习的配体识别方法，适用于X射线衍射和冷冻电镜密度图	首次将深度学习应用于冷冻电镜密度图的配体识别，并展示了其在X射线晶体学中的同等效果	冷冻电镜图的标准化和配体质量评估存在挑战	提高结构导向药物设计中的配体识别准确性	X射线衍射和冷冻电镜密度图中的小分子配体	计算机视觉	NA	深度学习	3D点云处理模型	3D密度图	NA