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
381	2025-10-07	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	提出一种深度学习与随机过程模型交互的剩余使用寿命预测框架	通过集成健康指标构建与退化建模的优化目标函数，解决了传统方法中健康指标与退化模型不匹配的关键缺陷	仅通过两个涡扇发动机案例验证方法有效性，需要更多工业场景验证	提高退化系统剩余使用寿命预测的准确性	退化系统的传感器数据	机器学习	NA	传感器数据融合	自编码器	传感器数据	两个涡扇发动机案例	NA	堆叠压缩自编码器	预测精度	NA
382	2025-10-07	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建图方法进行了全面调查和分类	提出了深度学习在定位与建图领域的分类体系，系统性地探讨了深度学习在该领域的应用潜力与方法论	作为综述文章，不包含原始实验验证，主要依赖现有文献分析	调查深度学习在视觉定位与建图领域的研究现状和发展趋势	基于深度学习的定位与建图方法，包括视觉里程计、全局重定位、建图和SLAM	计算机视觉	NA	深度学习	NA	视觉数据	NA	NA	NA	NA	NA
383	2025-10-07	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	提出一种基于混合数据预处理的深度学习模型，用于预测航天器锂离子电池的剩余使用寿命	结合Box-Cox变换、CEEMDAN去噪、PCA降维和滑动窗口技术的混合数据预处理方法，以及多尺度分层注意力双向LSTM模型	NA	提高航天器锂离子电池剩余使用寿命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、PCA、滑动窗口技术	BiLSTM	时间序列数据	基于两个锂离子电池数据集的多种类型实验	NA	MHA-BiLSTM（多尺度分层注意力双向长短期记忆网络）	特征提取和多维时间序列预测性能	NA
384	2025-10-07	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	本文评估了自动驾驶中实时语义分割模型对抗真实世界对抗样本的鲁棒性	提出了新的损失函数增强攻击能力，改进了EOT方法用于场景中补丁放置，并首次将对抗补丁检测方法扩展到语义分割模型并实现实时性能	对抗效应在空间上通常局限于图像中补丁周围的区域	评估自动驾驶视觉感知中语义分割模型对真实世界对抗攻击的鲁棒性	语义分割模型	计算机视觉	NA	对抗攻击	深度学习模型	图像	NA	NA	语义分割模型	像素误分类率	NA
385	2025-10-07	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	提出一种用于伪装目标检测的像素中心上下文感知网络PCPNet	通过像素重要性估计函数和个性化上下文定制，实现更有效的像素级上下文信息利用	NA	解决伪装目标检测中上下文信息利用不充分的问题	视觉上嵌入背景环境的伪装目标	计算机视觉	NA	深度学习	CNN	图像	四个COD基准数据集、五个SOD基准数据集、五个息肉分割基准数据集	NA	PCPNet, VCG模块, PIE函数, LCRM模块	NA	NA
386	2025-10-07	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	综述	本文系统回顾了针对监控系统的物理对抗攻击研究进展	提出了分析物理对抗攻击的统一框架，并首次对四大关键监控任务（检测、识别、跟踪和行为识别）的物理对抗攻击进行全面调研	作为综述性文章，不包含原始实验数据和新方法验证	分析物理对抗攻击对监控系统的威胁并探讨防御策略	监控系统中的深度学习模型	计算机视觉	NA	深度学习	NA	监控视频、图像	NA	NA	NA	NA	NA
387	2025-10-07	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	提出一种带有不确定性反馈机制的贝叶斯分层图神经网络，用于工业过程的可靠故障诊断	通过不确定性反馈机制将不确定性信息融入训练过程，并利用分层图结构结合领域知识学习故障表示	NA	开发可靠的工业过程故障诊断方法	工业过程数据	机器学习	NA	贝叶斯深度学习	图神经网络	工业过程数据	NA	NA	贝叶斯分层图神经网络	故障诊断性能，可信度验证	NA
388	2025-10-07	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	本文使用VC理论框架分析深度学习网络在分类任务中的泛化性能，特别是解释双下降现象	首次在分类设置下使用VC理论框架解释过参数化网络中的双下降现象	理论分析主要针对分类任务，可能不直接适用于其他类型的学习问题	理解深度学习网络的泛化能力，特别是双下降现象的理论基础	深度学习网络、支持向量机、最小二乘法和多层感知器分类器	机器学习	NA	VC理论分析、经验建模	多层感知器,SVM	NA	NA	NA	多层感知器	VC边界	NA
389	2025-10-07	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在炎症性肠病内窥镜、组织学和影像学检查中的应用现状与前景	首次系统梳理AI技术在IBD多模态诊断工具（内窥镜、组织学、影像学）中的整合应用，并指明未来研究方向	现有文献存在固有局限性且存在知识缺口，尚未能实现向主流临床工具的转化	评估人工智能在炎症性肠病诊疗中的潜在价值，总结当前认知并确定研究空白	炎症性肠病（IBD）相关的内窥镜、组织学和影像学数据	数字病理学	炎症性肠病	深度学习, 影像组学	NA	内窥镜图像, 组织学切片, 医学影像	NA	NA	NA	NA	NA
390	2025-10-07	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	利用计算机视觉算法估计自然场景中数量和非数值视觉特征的分布规律	首次设计并实施了一个原创流程，用于估计大规模真实图像数据集中数量和非数值特征的分布	未明确说明使用的具体数据集规模和图像来源的局限性	研究自然场景中数量感知的统计规律及其与非数值视觉特征的相关性	自然场景图像中的物体数量和非数值视觉特征	计算机视觉	NA	计算机视觉算法	深度学习神经网络	图像	包含数千张真实图像的大规模数据集	NA	NA	NA	NA
391	2025-10-07	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	本研究开发了一种基于深度学习的系统，能够从H&E染色切片预测乳腺癌受体状态并识别误诊病例	首次利用H&E染色切片通过深度学习预测乳腺癌分子标志物状态，并验证其在临床误诊识别中的实用性	研究基于多中心数据集但仍需更大规模验证，系统性能可能受切片质量影响	开发基于H&E切片的乳腺癌受体状态预测工具，提升诊断准确性和效率	乳腺癌患者的数字化H&E染色切片	数字病理学	乳腺癌	H&E染色，免疫组织化学，荧光原位杂交	深度学习	病理图像	6个独立队列的7,950名患者的19,845张切片	NA	NA	特异性，阳性预测值	NA
392	2025-10-07	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	提出一种基于ResNet34和注意力机制的在线体育教学支持系统，用于实时分析和纠正学生运动动作	将注意力机制模块与ResNet34结合提升检测精度，系统具备可持续扩展数据集的能力以适应新运动类别	NA	开发可持续的在线体育教学支持系统，解决远程教学中运动动作指导和纠正的难题	在线体育教学中的学生运动动作（体操、舞蹈、篮球等）	计算机视觉	NA	大数据分析	CNN	图像	NA	NA	ResNet34	准确率,精确率,召回率	NA
393	2025-10-07	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	提出一种基于脑部MRI带状分割的弱监督皮质表面重建方法	无需依赖传统流程生成的伪标签，通过联合学习微分同胚流直接从未分割的脑部MRI带状分割中重建皮质表面	在深度脑沟区域仍需正则化处理，性能依赖于分割质量	开发无需伪标签监督的皮质表面重建方法	脑部MRI图像中的皮质表面	医学图像处理	神经系统疾病	脑部MRI	深度学习	医学图像	两个大规模脑部MRI数据集	NA	NA	准确度, 规则性	NA
394	2025-10-07	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	提出一种基于注意力机制堆叠自编码器和鹈鹕优化算法的网络安全方法，用于物联网辅助网络中的攻击检测与缓解	结合注意力机制堆叠自编码器和鹈鹕优化算法进行攻击检测，并采用灰雁优化算法进行特征选择	NA	识别和缓解物联网辅助网络中的网络安全攻击行为	物联网网络中的网络安全攻击	机器学习	NA	深度学习	自编码器	网络数据	NA	NA	注意力机制堆叠自编码器	准确率	NA
395	2025-10-07	A Novel Deep Learning-based Artificial Intelligence System for Interpreting Urolithiasis in Computed Tomography 2024-Dec, European urology focus IF:4.8Q1 DOI:10.1016/j.euf.2024.07.003 PMID:38997836	研究论文	开发基于深度学习的人工智能系统，用于在CT图像中检测尿路结石并实时计算结石参数	首个使用YOLOv4架构实现尿路结石实时检测和参数计算的AI系统，显著提升诊断速度	训练数据未包含输尿管膀胱连接处结石，不规则结石检测存在遗漏	开发用于尿路结石CT图像分析的AI诊断系统	接受结石手术患者的CT图像	计算机视觉	尿路结石	CT成像	CNN	医学图像	39,433张CT图像（训练集），5,736张验证图像，100例外部验证患者	YOLOv4	YOLOv4	准确率	NVIDIA RTX 4900 GPU
396	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	NA	NA	NA	NA
397	2025-02-21	3D-BCLAM: A Lightweight Neurodynamic Model for Assessing Student Learning Effectiveness 2024-Dec-09, Sensors (Basel, Switzerland) DOI:10.3390/s24237856 PMID:39686393	研究论文	本文提出了一种轻量级的神经动力学模型3D-BCLAM，用于评估学生的学习效果	创新性地结合了双向卷积长短期记忆（BCL）和动态注意力机制，以极低的计算成本高效捕捉时间序列中的情感动态变化	NA	评估学生的学习效果，深入理解学习过程，准确诊断学习障碍，并制定有效的教学策略	学生的学习效果	机器学习	NA	NA	3D-BCLAM（结合双向卷积长短期记忆和动态注意力机制）	时间序列数据	NA	NA	NA	NA	NA
398	2025-02-21	Deep learning in image segmentation for cancer 2024-Dec, Journal of medical radiation sciences IF:1.8Q3 DOI:10.1002/jmrs.839 PMID:39503190	研究论文	本文探讨了深度学习在癌症成像中的作用，特别是其在自动图像分割中的应用	展示了基于U-Net和卷积神经网络的架构在CT扫描中的身体成分分析和MRI图像中的直肠肿瘤分割中的速度和准确性提升	需要进一步研究以解决不同成像系统间图像质量差异的问题	研究深度学习在癌症图像分割中的应用	CT扫描和MRI图像	计算机视觉	癌症	深度学习	U-Net, CNN	图像	NA	NA	NA	NA	NA
399	2025-02-21	Making sense of missense: challenges and opportunities in variant pathogenicity prediction 2024-Dec-01, Disease models & mechanisms IF:4.0Q1 DOI:10.1242/dmm.052218 PMID:39676521	研究论文	本文讨论了变异致病性预测的计算工具及其在临床变异解释中的应用	介绍了不依赖已知变异分类进行训练的模型，如AlphaMissense，这些模型能克服当前临床数据库的偏差，并更好地泛化到新的未分类变异	AlphaMissense作为一个大型深度学习模型，缺乏可解释性，不评估变异的功能影响，且提供的致病性评分不是疾病特异性的	提高变异解释计算工具的可解释性和精确性，以推进临床遗传学的发展	变异致病性预测模型	机器学习	NA	深度学习	AlphaMissense, AlphaFold	功能数据和临床数据	NA	NA	NA	NA	NA
400	2024-11-23	Large language modeling and deep learning shed light on RNA structure prediction 2024-Dec, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02488-z PMID:39572717	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA