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
141	2025-01-15	RETRACTED ARTICLE: DLMBHCO: design of an augmented bioinspired deep learning-based multidomain body parameter analysis via heterogeneous correlative body organ analysis 2024-12,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
142	2025-03-05	Rectify ViT Shortcut Learning by Visual Saliency 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3310531 PMID:37703160	研究论文	本文提出了一种新颖的基于视觉显著性的ViT模型（SGT），用于在没有眼动数据的情况下纠正ViT中的捷径学习问题	提出了一种无需眼动数据的视觉显著图引导的ViT模型，通过计算视觉显著图来过滤信息量最大的图像块，并引入残差连接以保留全局信息	获取眼动数据可能耗时、费力且不切实际，但本文提出的方法无需眼动数据，因此这一局限性得到了一定程度的缓解	纠正视觉Transformer（ViT）中的捷径学习问题，提高模型的泛化能力和可解释性	视觉Transformer模型	计算机视觉	NA	视觉显著图计算	ViT（视觉Transformer）	图像	自然图像和医学图像数据集
143	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
144	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
145	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
146	2025-03-05	Medical Transformer: Universal Encoder for 3-D Brain MRI Analysis 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3308712 PMID:37738193	研究论文	本文提出了一种名为Medical Transformer的新型迁移学习框架，用于3D脑部MRI图像分析	该框架将3D体积图像建模为2D图像切片序列，并采用多视角方法从3D体积的三个平面中提取信息，同时提供参数高效的训练	NA	提高3D脑部MRI图像分析的高层次表示能力，增强空间关系	3D脑部MRI图像	计算机视觉	脑部疾病	自监督学习（SSL）	Transformer	3D MRI图像	大规模正常健康脑部MRI数据集
147	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
148	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
149	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
150	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
151	2025-03-05	ULM-MbCNRT: In Vivo Ultrafast Ultrasound Localization Microscopy by Combining Multibranch CNN and Recursive Transformer 2024-Dec, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3388102 PMID:38607709	研究论文	本文提出了一种结合多分支卷积神经网络（CNN）和递归变压器（RT）的深度学习框架ULM-MbCNRT，用于从较少的原始超声帧中直接重建超分辨率图像，实现超快超声定位显微镜成像	结合多分支CNN和递归变压器，显著减少了数据采集时间和计算时间，同时保持高空间分辨率	需要进一步的临床验证以确认其在诊断和监测中的实际应用效果	开发一种能够快速生成超分辨率图像的超声定位显微镜成像方法	微血管成像	计算机视觉	NA	超声定位显微镜（ULM）	多分支CNN和递归变压器（RT）	超声图像	数值模拟和体内实验
152	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
153	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
154	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
155	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
156	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
157	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）
158	2025-02-28	Diagnostic Performance of Deep Learning Applications in Hepatocellular Carcinoma Detection Using Computed Tomography Imaging 2024-12-30, The Turkish journal of gastroenterology : the official journal of Turkish Society of Gastroenterology DOI:10.5152/tjg.2024.24538 PMID:39760649	研究论文	本研究利用深度学习技术，特别是YOLO架构，增强计算机断层扫描（CT）图像中肝细胞癌（HCC）的检测，旨在提高早期诊断和患者预后	采用YOLO架构的深度学习模型在CT图像中检测HCC，显著提高了诊断准确率，超越了传统诊断方法	研究样本量相对较小，仅包含122名患者的1290张CT图像，可能影响模型的泛化能力	提高肝细胞癌的早期检测准确率，改善患者预后	肝细胞癌（HCC）患者	计算机视觉	肝细胞癌	深度学习	YOLO	CT图像	122名患者的1290张CT图像
159	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
160	2025-02-27	The Role of Artificial Intelligence in Predicting Optic Neuritis Subtypes From Ocular Fundus Photographs 2024-Dec-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002229 PMID:39808513	研究论文	本研究开发了一种基于眼底照片的深度学习人工智能算法，用于预测视神经炎（ON）的亚型，以辅助疑似ON患者的诊断评估	首次利用深度学习AI算法从眼底照片中预测ON亚型，为早期区分MS ON和非MS ON提供了新的方法	数据集规模有限，未来需要增加样本量并结合临床和辅助检查指标以优化模型	开发一种AI算法，通过眼底照片预测ON亚型，以辅助诊断评估	视神经炎（ON）患者，特别是MS ON和非MS ON患者	数字病理学	视神经炎	深度学习	深度学习模型	图像	321名患者的1,599张眼底照片