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
121	2025-03-05	Deep Spatial-Spectral Joint-Sparse Prior Encoding Network for Hyperspectral Target Detection 2024-Dec, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3403729 PMID:38837919	研究论文	本文提出了一种新颖的深度空间-光谱联合稀疏先验编码网络（JSPEN），用于高光谱目标检测，该网络将领域知识嵌入神经网络，具有明确的解释性	提出了一种新的深度空间-光谱联合稀疏先验编码网络（JSPEN），通过自适应联合空间-光谱稀疏模型（AS2JSM）挖掘高光谱图像的空间-光谱相关性，并设计了优化算法来模拟迭代优化过程	未明确提及具体局限性	提高高光谱目标检测的准确性和解释性	高光谱图像（HSIs）	计算机视觉	NA	深度学习	JSPEN, AS2JSM	图像	未明确提及样本数量
122	2025-03-05	Temporal Dynamic Synchronous Functional Brain Network for Schizophrenia Classification and Lateralization Analysis 2024-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3419041 PMID:38917293	研究论文	本文提出了一种名为Temporal-BCGCN的动态脑网络分析模型，用于精神分裂症分类和侧化分析	设计了独特的动态脑网络分析模块DSF-BrainNet，提出了基于同步时间特性的图卷积方法TemporalConv，并首次提出了基于rs-fMRI数据的深度学习异常半球侧化模块测试工具CategoryPool	NA	通过动态功能连接性捕捉精神分裂症患者脑活动的时变异常，揭示异常脑活动的机制	精神分裂症患者的静息态功能磁共振成像数据	机器学习	精神分裂症	rs-fMRI	Temporal-BCGCN, DSF-BrainNet, TemporalConv, CategoryPool	图像	COBRE和UCLA数据集
123	2025-03-05	Multiband Convolutional Riemannian Network With Band-Wise Riemannian Triplet Loss for Motor Imagery Classification 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3438167 PMID:39102329	研究论文	本文提出了一种新颖的运动想象分类算法，通过使用多尺度多频带卷积黎曼网络和频带黎曼三元组损失来提高分类性能	该算法开发了一种最先进的多频带黎曼网络，通过使用具有判别性频率多样性的较少子带、在计算子带协方差矩阵之前插入卷积层以及通过黎曼三元组损失正则化子带网络，减少了黎曼网络由于协方差矩阵固有的大特征维度而导致的潜在过拟合问题	NA	提高运动想象分类的性能	运动想象分类	机器学习	NA	NA	多尺度多频带卷积黎曼网络	脑电信号数据	BCI Competition IV dataset 2a 和 OpenBMI 数据集
124	2025-03-05	Predicting miRNA-Disease Associations Based on Spectral Graph Transformer With Dynamic Attention and Regularization 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3438439 PMID:39102330	研究论文	本文介绍了一种名为DARSFormer的深度学习模型，用于预测miRNA与疾病之间的关联	DARSFormer模型结合了动态注意力机制和谱图Transformer，有效解决了现有方法在整体效果和节点定位敏感性方面的问题	NA	研究目的是提高miRNA与疾病关联预测的准确性和鲁棒性	miRNA与疾病的关联	机器学习	前列腺癌	深度学习	Transformer	图数据	HMDD v2.0和HMDD v3.2数据库
125	2025-03-05	FedDBL: Communication and Data Efficient Federated Deep-Broad Learning for Histopathological Tissue Classification 2024-Dec, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3403927 PMID:38923486	研究论文	本文提出了一种名为FedDBL的轻量级通用联邦学习框架，用于在有限训练样本和仅一轮通信的情况下实现优异的组织病理学分类性能	FedDBL通过集成预训练的深度学习特征提取器、快速轻量级的广泛学习推理系统以及经典的联邦聚合方法，显著减少了数据依赖并提高了通信效率	尽管FedDBL在减少数据依赖和通信负担方面表现出色，但其在未见数据集上的泛化能力仍需进一步验证	研究目标是开发一种在保护隐私的同时，能够在有限训练样本和低通信成本下实现高效组织病理学分类的联邦学习框架	研究对象是组织病理学图像数据	数字病理学	NA	联邦学习	深度学习（DL）和广泛学习（Broad Learning）	图像	有限数量的训练样本
126	2025-03-05	An Eye Movement Classification Method Based on Cascade Forest 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3439568 PMID:39106144	研究论文	本文提出了一种基于级联森林的眼动分类方法（EMCCF），用于提高眼动数据分类的准确性和效率	创新性地将级联森林结构与集成学习原理相结合，应用于眼动分类，解决了现有方法在不同参与者间的适应性差异以及类别不平衡和数据稀缺问题	未提及具体的数据集规模或实验限制	提高眼动数据分类的准确性和效率	原始眼动数据	计算机视觉	NA	多尺度时间窗口特征提取	级联森林（Cascade Forest）	眼动数据	未提及具体样本数量
127	2025-03-05	Deep-DM: Deep-Driven Deformable Model for 3D Image Segmentation Using Limited Data 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3440171 PMID:39110559	研究论文	本文提出了一种名为Deep-DM的学习引导变形模型框架，用于在有限训练数据下进行3D医学图像分割	通过将卷积神经网络学习到的能量函数集成到显式变形模型中，驱动初始表面向目标对象演化，从而在有限数据下实现高效分割	虽然该方法在有限数据下表现优异，但未明确说明其在更广泛数据集上的泛化能力	开发一种在有限训练数据下仍能有效进行3D医学图像分割的方法	左心室、胎儿头部（超声）、左心房（磁共振）和膀胱（计算机断层扫描）的分割	计算机视觉	NA	深度学习	CNN	3D图像	不同数量的训练体积（具体数量未明确说明）
128	2025-03-05	DualStreamFoveaNet: A Dual Stream Fusion Architecture With Anatomical Awareness for Robust Fovea Localization 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3445112 PMID:39150813	研究论文	本文提出了一种名为DualStreamFoveaNet（DSFN）的新型基于transformer的架构，用于多线索融合，以实现稳健的视网膜中央凹定位	DSFN架构通过引入空间注意力机制和双流编码器，显式地结合了长距离连接和全局特征，利用视网膜和血管分布进行稳健的中央凹定位，显著降低了计算成本	NA	提高视网膜中央凹定位的准确性，以分析视网膜疾病并预防不可逆的视力丧失	视网膜图像	计算机视觉	视网膜疾病	深度学习	transformer	图像	两个公共数据集和一个大规模私有数据集
129	2025-03-05	Deep Quasi-Recurrent Self-Attention With Dual Encoder-Decoder in Biomedical CT Image Segmentation 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3447689 PMID:39172619	研究论文	本文提出了一种深度准循环自注意力结构，结合双编码器-解码器，用于生物医学CT图像的精确分割	创新点在于引入了深度准循环自注意力结构，该结构通过参数重用能力提供一致的学习和快速收敛，同时利用先前时间点的特征提升分割质量，并有效处理长距离依赖	未提及具体局限性	提高生物医学CT图像分割的准确性和训练速度	生物医学CT图像	计算机视觉	NA	深度学习	深度准循环自注意力结构，双编码器-解码器	CT图像	多个公开的CT扫描数据集
130	2025-03-05	Advancing Bioactivity Prediction Through Molecular Docking and Self-Attention 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3448455 PMID:39178096	研究论文	本文提出了一种结合分子对接和自注意力机制的生物活性预测方法，通过整合药物-靶点相互作用数据，设计了一种新的图神经网络模型DTIGN，用于提高生物活性预测的准确性	首次将药物-靶点相互作用整合到生物活性预测中，并设计了一种新的图神经网络模型DTIGN，利用多头部自注意力机制识别分子对接结果中的原生结合口袋和姿态	研究中使用的原生结构数据有限，可能影响模型的泛化能力	提高生物活性预测的准确性，以加速药物发现过程中的早期候选筛选	药物-靶点复合物数据	机器学习	NA	分子对接，自注意力机制，图神经网络	DTIGN (Drug-Target Interaction Graph Neural Network)	蛋白质-配体复合物数据	NA
131	2025-03-05	Geometric Molecular Graph Representation Learning Model for Drug-Drug Interactions Prediction 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3453956 PMID:39226203	研究论文	本文提出了一种基于几何分子图表示学习的模型（Mol-DDI），用于预测药物-药物相互作用（DDI）	Mol-DDI模型仅考虑分子的共价和非共价键信息，并利用大规模模型的预训练思想来学习药物分子表示，在微调过程中预测药物相互作用	模型主要依赖于分子结构信息，可能忽略了其他潜在的药物相互作用机制	预测潜在的药物-药物相互作用，以提供系统有效的药物组合策略	药物分子	机器学习	NA	几何分子图表示学习	Mol-DDI	分子结构数据	三个数据集
132	2025-03-05	Probabilistic Forecasting With Modified N-BEATS Networks 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3450832 PMID:39240737	研究论文	本文提出了一种改进的N-BEATS深度学习架构，用于生成参数化概率预测，并扩展了该架构以优化预测准确性和稳定性	提出了改进的N-BEATS架构，能够同时优化预测准确性和稳定性，并支持联合优化单周期边际和多周期累积概率预测	实验仅在M4月度数据集上进行，未涉及其他数据集或应用场景	改进时间序列点预测问题中的概率预测方法	单变量时间序列数据	机器学习	NA	深度学习	N-BEATS	时间序列数据	M4月度数据集
133	2025-03-05	DS-MS-TCN: Otago Exercises Recognition With a Dual-Scale Multi-Stage Temporal Convolutional Network 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3455426 PMID:39240747	研究论文	本研究提出了一种双尺度多阶段时间卷积网络（DS-MS-TCN），用于识别社区居住老年人的Otago运动计划（OEP）中的运动	首次提出通过识别每个活动的重复来增强人类活动识别（HAR）系统的新视角，并设计了一个双尺度多阶段时间卷积网络（DS-MS-TCN）	研究样本量较小，仅包括36名实验室环境和7名家庭环境中的老年人	提高Otago运动计划（OEP）识别的准确性和鲁棒性	社区居住的老年人	人类活动识别	老年疾病	惯性测量单元（IMU）	双尺度多阶段时间卷积网络（DS-MS-TCN）	传感器数据	36名实验室环境和7名家庭环境中的老年人
134	2025-03-05	MLVICX: Multi-Level Variance-Covariance Exploration for Chest X-Ray Self-Supervised Representation Learning 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3455337 PMID:39240749	研究论文	本文介绍了一种名为MLVICX的自监督学习方法，用于从胸部X光图像中学习丰富的表示，以提高医学图像分析的精度	提出了一种新颖的多级方差和协方差探索策略，能够有效捕捉诊断意义模式并减少冗余，同时保留关键的医学见解	未明确提及具体局限性	提高胸部X光图像的自监督表示学习性能，以支持精准医学诊断和全面图像分析	胸部X光图像	计算机视觉	NA	自监督学习（SSL）	NA	图像	使用了NIH-Chest X-ray、Vinbig-CXR、RSNA pneumonia和SIIM-ACR Pneumothorax数据集
135	2025-03-05	Deep Learning in Ultrasound Localization Microscopy: Applications and Perspectives 2024-Dec, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3462299 PMID:39288061	综述	本文综述了深度学习在超声定位显微镜（ULM）中的应用，特别是针对稀疏微泡分布的方法	深度学习在ULM中的应用显著提高了图像质量，减少了处理时间，并提高了对高浓度微泡的鲁棒性，从而减少了采集时间	当前方法的局限性和挑战包括优化问题的表述、评估方法以及网络架构的多样性	探讨深度学习在超声定位显微镜中的应用及其未来潜力	超声定位显微镜（ULM）中的微泡定位和血流速度估计	计算机视觉	NA	超声定位显微镜（ULM）	深度学习	图像	NA
136	2025-03-05	VoxelMorph-Based Deep Learning Motion Correction for Ultrasound Localization Microscopy of Spinal Cord 2024-Dec, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3463188 PMID:39292568	研究论文	本文提出了一种基于VoxelMorph的深度学习运动校正方法，用于增强脊髓超声定位显微镜（ULM）的性能	使用VoxelMorph深度学习模型进行运动校正，提高了脊髓血管成像的分辨率和微血管重建效果	未提及具体样本量或实验的广泛性验证	提高脊髓血管成像的准确性和分辨率，以支持损伤的紧急诊断和治疗	脊髓血管	医学影像	脊髓损伤	超声定位显微镜（ULM）	VoxelMorph	超声图像	NA
137	2025-03-05	DPFNet: Fast Reconstruction of Multi-Coil MRI Based on Dual Domain Parallel Fusion Network 2024-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3446839 PMID:39298305	研究论文	本文提出了一种新的双域并行融合重建网络（DPFNet），用于多线圈磁共振成像（MRI）的快速重建	提出了DPFNet网络，包括线圈敏感度图估计模块、双域特征提取模块、双域动态误差校正模块和双域动态融合模块，并引入了新的双域一致性损失函数	未提及具体局限性	解决现有MRI方法在多线圈重建任务中重建细节不足、训练内存占用高等问题	多线圈MRI图像的重建	计算机视觉	NA	MRI	U-Net	图像	Calgary-Campinas-359脑MRI数据集
138	2025-03-05	GraKerformer: A Transformer With Graph Kernel for Unsupervised Graph Representation Learning 2024-Dec, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3465213 PMID:39378254	研究论文	本文提出了一种名为GraKerformer的Transformer变体，用于改进无监督图表示学习（UGRL）中的结构信息表示和性能	GraKerformer通过利用最短路径图核（SPGK）来加权注意力分数，并结合图神经网络，有效地编码了图的细微结构信息	未明确提及具体限制	改进无监督图表示学习中的结构信息表示和性能	图数据	机器学习	NA	最短路径图核（SPGK）	Transformer	图数据	基准数据集
139	2025-03-05	Deep Learning Image Segmentation Based on Adaptive Total Variation Preprocessing 2024-Dec, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3418937 PMID:39405157	研究论文	本文提出了一种基于MS模型的两阶段图像分割方法，旨在提高复杂结构和背景图像的分割精度	引入了由梯度算子和自适应加权矩阵组合形成的各向异性正则化项，通过自适应加权矩阵提供水平和垂直方向的不同权重，使曲线沿物体局部特征切线方向扩散，并过滤掉与图像目标无关的信息，减少复杂背景的干扰	NA	提高复杂结构和背景图像的分割精度	图像	计算机视觉	NA	NA	深度学习	图像	NA
140	2025-03-05	Deep Power-Aware Tunable Weighting for Ultrasound Microvascular Imaging 2024-Dec, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3488729 PMID:39480714	研究论文	本文提出了一种深度功率感知可调加权方法，用于改善超声微血管成像的质量	提出了一种结合卷积和Transformer的混合结构模型Yformer，用于估计噪声功率和信号功率，并通过引入可调噪声控制因子来改善不同超声微血管成像应用的质量	尽管在实验中表现出色，但模型的泛化能力仍需在更多数据集上验证	提高超声微血管成像的质量，特别是通过深度学习方法增强平面波成像	超声微血管成像（UMI），包括超快功率多普勒成像（uPDI）和超声定位显微镜（ULM）	计算机视觉	NA	深度学习（DL）	Yformer（结合卷积和Transformer的混合结构）	图像	四个不同的数据集，包括公共模拟数据、公共大鼠脑数据、私有大鼠脑数据和私有大鼠肝脏数据