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
2161	2025-03-06	Multivariate Time Series Forecasting Using Multiscale Recurrent Networks With Scale Attention and Cross-Scale Guidance 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3326140 PMID:37903050	研究论文	本文提出了一种多尺度循环网络模型，用于多变量时间序列预测，通过尺度注意力和跨尺度指导机制提高预测精度	本文创新性地将多尺度分析整合到深度学习框架中，提出了两种多尺度循环网络模型（MRN-SA和MRN-CSG），分别采用尺度注意力机制和跨尺度指导机制，有效解决了单尺度模型中的信息丢失问题	尽管模型在多个数据集上表现出色，但其在更广泛的应用场景中的泛化能力仍需进一步验证	研究多变量时间序列预测问题，旨在通过多尺度循环网络模型提高预测精度	多变量时间序列数据	机器学习	NA	深度学习	MRN-SA, MRN-CSG	时间序列数据	五个典型的多变量时间序列数据集	NA	NA	NA	NA
2162	2025-03-06	Understanding Deep Learning via Decision Boundary 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3326654 PMID:37922185	研究论文	本文探讨了神经网络决策边界变异性与泛化能力之间的关系，并提出了新的度量方法	提出了算法决策边界变异性和数据决策边界变异性两个新概念，用于从算法和数据角度衡量决策边界变异性	未明确提及具体局限性	研究神经网络决策边界变异性与泛化能力之间的关系	神经网络的决策边界	机器学习	NA	NA	神经网络	NA	未明确提及样本数量	NA	NA	NA	NA
2163	2025-03-06	NN2Poly: A Polynomial Representation for Deep Feed-Forward Artificial Neural Networks 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3330328 PMID:37962996	研究论文	本文提出了一种名为NN2Poly的理论方法，用于获得已训练的全连接前馈人工神经网络的显式多项式模型	NN2Poly方法将之前仅限于单隐藏层网络的想法扩展到任意深度的多层感知机（MLP），适用于回归和分类任务	该方法在计算上面临挑战，需要在训练阶段施加某些约束来克服这些挑战	研究神经网络的可解释性及其理论行为	全连接前馈人工神经网络（多层感知机）	机器学习	NA	泰勒展开	多层感知机（MLP）	表格数据	NA	NA	NA	NA	NA
2164	2025-03-06	Direction-Coded Temporal U-Shape Module for Multiframe Infrared Small Target Detection 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3331004 PMID:37976190	研究论文	本文提出了一种方向编码的时间U形模块（DTUM），用于多帧红外小目标检测，通过融合移动目标的时间信息来解决极暗目标检测问题	提出了一种新的方向编码卷积块（DCCB），将运动方向编码到特征中，并提取目标的运动信息，从而有效区分目标和杂波	缺乏包含暗目标的多帧红外小目标数据集，尽管本文构建了一个新的数据集NUDT-MIRSDT，但仍可能存在数据不足的问题	提高多帧红外小目标检测的性能，特别是在极暗目标和杂波抑制方面	红外小目标（IRST）	计算机视觉	NA	深度学习	U形网络（U-Net）	红外图像	NA	NA	NA	NA	NA
2165	2025-03-06	Deep Learning Model Compression With Rank Reduction in Tensor Decomposition 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3330542 PMID:37976188	研究论文	本文提出了一种新颖的深度学习模型压缩方法，通过张量分解中的迭代和自适应秩减少来实现	提出了一种双模型训练策略，结合迭代和自适应秩减少，显著减少了超参数搜索空间，并在保持模型准确性的同时实现了模型压缩	未提及具体局限性	研究深度学习模型压缩方法，以在轻量级边缘设备上部署大型神经网络模型	深度学习模型（如LeNet、VGG、ResNet、EfficientNet、RevCol）	机器学习	NA	张量分解	深度学习模型	图像	MNIST、CIFAR-10/100、ImageNet数据集	NA	NA	NA	NA
2166	2025-03-06	Communication-Efficient Nonconvex Federated Learning With Error Feedback for Uplink and Downlink 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3333804 PMID:37995164	研究论文	本文提出了两种通信高效的非凸联邦学习算法，EF21和LAG，用于适应上行和下行通信，以减少通信成本而不牺牲学习质量	提出了新的EF21算法和LAG梯度过滤技术，结合两者设计了EF-LAG算法，并进一步提出了双向EF-LAG算法，显著减少了通信成本	未提及具体限制	研究在大规模在线学习环境中，如何通过通信高效的非凸联邦学习算法减少通信成本	在线招募的工人设备，如手机、笔记本电脑和台式电脑	机器学习	NA	EF21算法、LAG梯度过滤技术	非凸联邦学习模型	合成数据和深度学习基准数据	未提及具体样本数量	NA	NA	NA	NA
2167	2025-03-06	On Expressivity and Trainability of Quadratic Networks 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3331380 PMID:37995168	研究论文	本文探讨了二次神经元在深度学习模型中的表达能力和训练性，提出了新的理论证明和训练策略	应用样条理论和代数几何的度量，证明了二次网络相比传统网络具有更好的模型表达能力，并提出了ReLinear训练策略以稳定二次网络的训练过程	二次网络在训练过程中可能面临比传统网络更高的崩溃风险	研究二次神经元在深度学习中的表达能力和训练性，解决现有问题	二次神经元和二次网络	机器学习	NA	NA	二次网络	NA	在流行数据集上进行了综合实验	NA	NA	NA	NA
2168	2025-03-06	Spectral Cross-Domain Neural Network With Soft-Adaptive Threshold Spectral Enhancement 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3332217 PMID:37999966	研究论文	本文提出了一种名为光谱跨域神经网络（SCDNN）的新深度学习模型，结合软自适应阈值光谱增强（SATSE）模块，以同时揭示神经网络中嵌入的光谱和时间域的关键信息	提出了SCDNN模型和SATSE模块，首次在分类器模型中实现了光谱和时间域的通信机制，通过快速傅里叶变换（FFT）和软可训练阈值提取跨域信息	未提及具体局限性	改进心电图（ECG）信号的分类方法，通过深度学习模型同时利用光谱和时间域信息	心电图（ECG）信号	机器学习	心血管疾病	快速傅里叶变换（FFT）	卷积神经网络（CNN）	时间序列数据	使用公开的ECG数据库PTB-XL和CPSC2018进行测试	NA	NA	NA	NA
2169	2025-03-06	A Novel Sequence-to-Sequence-Based Deep Learning Model for Multistep Load Forecasting 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3329466 PMID:38241098	研究论文	本文提出了一种基于序列到序列（Seq2Seq）的深度学习模型，用于多步负荷预测，以优化能源资源分配和辅助决策过程	提出了一种基于时间序列分解策略的Seq2Seq深度学习模型，该模型由一系列基本块组成，每个基本块包括一个编码器和两个解码器，并通过残差连接	未提及模型的局限性	开发一种新的深度学习模型，用于多步负荷预测，以提高能源管理的效率和决策的准确性	电力系统中的负荷预测	机器学习	NA	时间序列分解策略	Seq2Seq, TCN, LSTM	时间序列数据	多个真实世界数据集中的案例	NA	NA	NA	NA
2170	2025-03-06	Deep Face Leakage: Inverting High-Quality Faces From Gradients Using Residual Optimization 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3533210 PMID:40036427	研究论文	本文提出了一种名为DFLeak的方法，通过残差优化从梯度中反演高质量面部图像，以增强协作学习中的面部数据泄露效果	引入了一种优越的初始化方法来稳定反演过程，并提出了一种无先验面部恢复（PFFR）结果的残差优化方法，以丰富面部细节	未明确提及具体限制	提高从梯度中反演面部图像的质量，以增强协作学习中的隐私保护效果	面部图像	计算机视觉	NA	梯度反演攻击	NA	图像	未明确提及样本数量	NA	NA	NA	NA
2171	2025-03-06	Identification of benign and malignant breast nodules on ultrasound: comparison of multiple deep learning models and model interpretation 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1517278 PMID:40040727	研究论文	本研究开发了一种弱监督深度学习算法，用于区分超声图像中的良性和恶性乳腺肿瘤，无需图像注释	提出了一种无需图像注释的弱监督深度学习算法，用于乳腺肿瘤的超声诊断	研究中使用的数据集可能有限，且未涉及其他类型的肿瘤或不同成像技术	开发一种弱监督深度学习算法，以提高乳腺肿瘤超声诊断的准确性	乳腺超声图像中的良性和恶性结节	计算机视觉	乳腺癌	深度学习	DenseNet121, ResNet50, EfficientNetb0, Vision Transformer	图像	3049张乳腺超声图像（良性1320张，恶性1729张）	NA	NA	NA	NA
2172	2025-03-06	A bibliometric analysis of studies on artificial intelligence in neuroscience 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1474484 PMID:40040909	研究论文	本文通过文献计量分析探讨了人工智能在神经科学领域的研究趋势和影响	首次对1983年至2024年间发表的1,208篇相关研究进行系统性分析，揭示了该领域的快速增长和国际合作趋势	未深入探讨AI模型在神经科学中的伦理问题和数据隐私问题	评估人工智能在神经科学中的应用现状和未来方向	神经科学领域的人工智能研究	机器学习	神经系统疾病	文献计量分析	深度学习, 机器学习	文献数据	1,208篇研究论文	NA	NA	NA	NA
2173	2025-03-06	TAL-SRX: an intelligent typing evaluation method for KASP primers based on multi-model fusion 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1539068 PMID:40041015	研究论文	本文提出了一种基于多模型融合的KASP引物分型效果智能评估方法TAL-SRX，旨在提高分子标记辅助育种中优秀标记的大规模筛选效率	通过结合深度学习和传统机器学习算法，提出了一种新的KASP引物分型效果评估方法，并引入了Transformer算法来捕捉高维特征空间中的全局依赖关系	未明确提及方法的局限性	提高KASP引物分型效果评估的智能化和准确性，以支持分子标记辅助育种	KASP引物的分型效果	机器学习	NA	深度学习，传统机器学习	ANN, LSTM, Transformer	KASP测试结果数据	3399组棉花品种资源材料的KASP测试结果	NA	NA	NA	NA
2174	2025-03-05	Knowledge-Based Deep Learning for Time-Efficient Inverse Dynamics 2025-Jan-17, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3530992 PMID:40031238	研究论文	本文提出了一种基于知识的深度学习框架，用于高效的时间反演动力学分析，能够直接从关节运动学数据预测肌肉激活和肌肉力量	提出了一种无需标签信息即可训练的深度学习框架，结合前向动力学和预选的反演动力学生理标准，通过特定的损失函数指导神经网络训练	实验验证仅限于两个数据集，样本量较小，且仅包括健康受试者	提高神经康复和肌肉骨骼疾病治疗中肌肉激活和肌肉力量估计的效率和准确性	肌肉激活和肌肉力量	机器学习	肌肉骨骼疾病	深度学习	BiGRU（双向门控循环单元）	时间序列数据	两个数据集，包括一个基准上肢运动数据集和一个自收集的下肢运动数据集，涉及六名健康受试者	NA	NA	NA	NA
2175	2025-03-05	Combining Pre- and Post-Demosaicking Noise Removal for RAW Video 2025-Jan-15, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3527886 PMID:40031011	研究论文	本文提出了一种结合去马赛克前后噪声去除的自相似性去噪方案，用于Bayer模式CFA视频数据	提出了一种自相似性去噪方案，结合去马赛克前后的去噪器，并通过时间轨迹预滤波步骤进一步改善纹理重建	现代神经网络在适应新噪声水平和场景方面仍有困难	提高去噪算法的质量，使其适用于现实世界的视频拍摄	Bayer模式CFA视频数据	计算机视觉	NA	深度学习	神经网络	视频	NA	NA	NA	NA	NA
2176	2025-03-05	A Region and Category Confidence-Based Multi-Task Network for Carotid Ultrasound Image Segmentation and Classification 2025-Jan-14, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3529483 PMID:40031080	研究论文	本文提出了一种基于区域和类别置信度的多任务网络（RCCM-Net），用于颈动脉超声图像的分割和分类	该网络通过区域置信模块（RCM）和样本类别置信模块（CCM）利用分割和分类任务之间的相关性，提高了性能	NA	提高颈动脉斑块超声图像的分割和分类性能，以辅助动脉粥样硬化的治疗和中风风险评估	颈动脉斑块的超声图像	计算机视觉	心血管疾病	深度学习	多任务学习框架（RCCM-Net）	2D超声图像	1270张颈动脉斑块的2D超声图像	NA	NA	NA	NA
2177	2025-03-05	Non-invasive Detection of Adenoid Hypertrophy Using Deep Learning Based on Heart-Lung Sounds 2025-Jan-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3527403 PMID:40030964	研究论文	本文提出了一种基于深度学习的心肺音非侵入性检测方法，用于诊断儿童腺样体肥大	首次利用心肺音数据结合深度学习模型进行腺样体肥大的非侵入性检测，提供了一种新的诊断方法	未提及样本的具体数量及多样性，可能影响模型的泛化能力	开发一种非侵入性的腺样体肥大检测方法，以替代现有的侵入性或辐射性诊断技术	儿童腺样体肥大患者	数字病理	上呼吸道疾病	深度学习	CNN, LSTM, GAN	声音数据	NA	NA	NA	NA	NA
2178	2025-03-05	Adaptive Neural Message Passing for Inductive Learning on Hypergraphs 2025-Jan, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3434483 PMID:39058615	研究论文	本文提出了一种新的超图学习框架HyperMSG，采用模块化的两级神经消息传递策略，在超边内和超边间准确高效地传播信息	HyperMSG框架通过自适应学习节点度中心性的注意力权重，量化节点的局部和全局重要性，捕捉超图的结构特性，且具有归纳性，能在未见过的节点上进行推理	NA	解决现有超图学习方法将超图结构转换为图结构导致的信息丢失和次优利用问题，提升超图学习的表达能力和效率	超图结构数据	机器学习	NA	神经消息传递	HyperMSG	图数据	多种任务和数据集	NA	NA	NA	NA
2179	2025-03-05	SurroFlow: A Flow-Based Surrogate Model for Parameter Space Exploration and Uncertainty Quantification 2025-Jan, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3456372 PMID:39250378	研究论文	本文介绍了一种基于归一化流的代理模型SurroFlow，用于学习仿真参数与仿真输出之间的可逆变换，支持不确定性量化和高效参数空间探索	提出了一种新的基于归一化流的代理模型SurroFlow，支持不确定性量化、高效参数空间探索和逆向预测	未提及具体局限性	提高科学代理模型的可靠性和探索能力，同时降低计算成本	仿真参数与仿真输出之间的关系	机器学习	NA	归一化流	SurroFlow	仿真数据	未提及具体样本数量	NA	NA	NA	NA
2180	2025-03-05	Interactive Design-of-Experiments: Optimizing a Cooling System 2025-Jan, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3456356 PMID:39250379	研究论文	本文提出了一种交互式视觉优化方法，用于优化冷却系统，特别是在电动汽车的座舱和电池冷却中的应用	结合深度学习模型和数值模拟，通过交互式p-h图引导迭代优化过程，提供了一种新的半自动优化方法	深度学习模型仅作为冷却系统逆过程的近似，且目标特性可能根据不同的竞争目标选择，可能导致优化过程复杂化	优化冷却系统，特别是在电动汽车中的应用	冷却系统，特别是电动汽车的座舱和电池冷却系统	机器学习	NA	深度学习（DL）模型，数值模拟	深度学习模型	模拟数据	NA	NA	NA	NA	NA