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
501	2025-03-06	Semi-Supervised Detection Model Based on Adaptive Ensemble Learning for Medical Images 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3282809 PMID:37339032	研究论文	本文提出了一种基于自适应集成学习的半监督检测模型，用于医学图像处理，特别是在内窥镜检测中实现高效和准确的端到端检测	提出了一种新的集成机制，称为替代自适应增强方法（Al-Adaboost），结合了两个层次模型的决策，以提高检测结果的准确性	需要更多的标记样本来进一步提高模型的性能	开发一种高效的半监督检测模型，用于医学图像处理，特别是在内窥镜检测中	结肠镜和喉镜数据	计算机视觉	NA	深度学习	Al-Adaboost, 递归注意力模型（RAM）	图像	来自CVC-ClinicDB和高雄医科大学附属医院的结肠镜和喉镜数据
502	2025-03-06	Non-Intrusive Speech Quality Assessment Based on Deep Neural Networks for Speech Communication 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3321076 PMID:37824322	研究论文	本文提出了一种基于深度学习的非侵入式语音质量评估方法，利用大规模侵入式模拟数据提高非侵入式方法的准确性和泛化能力	1. 提出了一种数据模拟方法，生成退化的语音信号并使用POLQA标注其语音质量；2. 应用对抗性说话人分类器减少说话人依赖信息对语音质量评估的影响；3. 提出了一种基于自编码器的深度学习方案，结合表示学习和对抗训练方法；4. 开发了一个端到端的语音质量评估神经网络，使用幅度和相位频谱特征作为输入	需要大量模拟数据进行预训练，且在实际应用中可能受到数据集多样性的限制	提高非侵入式语音质量评估的准确性和泛化能力	语音信号	自然语言处理	NA	深度学习	自编码器（Autoencoder）、对抗性自编码器（AAE）	语音数据	三个数据集：一个使用POLQA标注的模拟数据集，两个使用主观听力测试标注的录音数据集
503	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
504	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
505	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
506	2025-03-06	Contrastive Registration for Unsupervised Medical Image Segmentation 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3332003 PMID:37983143	研究论文	本文提出了一种名为CLMorph的新型卷积神经网络（CNN）对比注册架构，用于无监督医学图像分割	利用图像级注册和特征级对比学习进行基于注册的分割，提出了一种新的优化模型和架构	尽管在无监督分割方法中表现优异，但仍未达到有监督分割方法的最先进水平	解决医学图像分割中标注数据昂贵且耗时的问题，提高无监督分割的准确性	医学图像	计算机视觉	NA	对比学习	CNN	图像	两个主要的医学图像数据集
507	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
508	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
509	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
510	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
511	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
512	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
513	2025-03-06	Emotion-RGC net: A novel approach for emotion recognition in social media using RoBERTa and Graph Neural Networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318524 PMID:40029933	研究论文	本文提出了一种名为Emotion-RGC Net的新深度学习模型，结合RoBERTa、图神经网络（GNN）和条件随机场（CRF），以提高社交媒体中情感分类的准确性和鲁棒性	Emotion-RGC Net首次将RoBERTa、GNN和CRF结合，用于社交媒体中的情感识别，显著提升了情感分类的准确性	模型对大规模标注数据集的依赖较强，计算效率有待提高，且未考虑情感在社交网络中的时间动态变化	提升社交媒体中情感识别的准确性和鲁棒性	社交媒体中的用户生成内容	自然语言处理	NA	RoBERTa, GNN, CRF	Emotion-RGC Net	文本	Sentiment140和Emotion两个广泛使用的数据集
514	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
515	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）
516	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
517	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
518	2025-03-05	Score-based Diffusion Models with Self-supervised Learning for Accelerated 3D Multi-contrast Cardiac MR Imaging 2025-Jan-30, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3534206 PMID:40031249	研究论文	本研究提出了一种基于自监督学习的分数扩散模型，用于加速三维多对比心脏磁共振成像（3D-MC-CMR）的采集	创新点在于结合自监督贝叶斯重建网络和分数扩散模型，实现了无需全采样训练数据的精确重建	未提及具体局限性	加速3D-MC-CMR成像的采集过程	三维多对比心脏磁共振成像数据	医学影像处理	心血管疾病	自监督学习，分数扩散模型，Langenvin Markov链蒙特卡洛采样	自监督贝叶斯重建网络，分数扩散模型	3D多对比心脏磁共振图像	使用3D联合心肌T和T映射序列采集的数据集
519	2025-03-05	Waveform-Specific Performance of Deep Learning-Based Super-Resolution for Ultrasound Contrast Imaging 2025-Jan-30, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3537298 PMID:40031250	研究论文	本文探讨了深度学习在超声对比成像中超分辨率技术的波形特异性性能，特别是针对谐波脉冲、啁啾或延迟编码脉冲序列的射频信号去卷积和微泡定位	本文的创新点在于评估了深度学习去卷积在复杂成像脉冲下的性能，并展示了不同脉冲在无噪声和低信噪比条件下的表现	研究尚未完全解决在体内和体外超分辨率成像中可能遇到的潜在障碍	研究目的是提高超声对比成像的空间分辨率，以更好地解析动脉血流，从而改善心血管疾病的诊断和患者状况监测	研究对象为超声对比成像中的微泡，通过射频信号去卷积实现超分辨率成像	计算机视觉	心血管疾病	超声对比成像	CNN	射频信号	NA
520	2025-03-05	Fall-Risk Monitoring in Diverse Terrains Using Dual-Task Learning and Wearable Sensing System 2025-Jan-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3536030 PMID:40031371	研究论文	本文介绍了一种新型多传感器系统，结合地形感知传感器和惯性测量单元（IMU），用于在不同地形上监测跌倒风险	提出了一种基于改进的CNN-LSTM模型的双任务学习（DTL）架构，用于从传感器信号中确定跌倒风险级别和地形	实验主要在实验室和医院环境中进行，可能无法完全反映真实世界中的复杂情况	开发一种可靠的跌倒风险监测系统，以减少老年人跌倒事故	年轻人和老年人	机器学习	老年疾病	双任务学习（DTL）	改进的CNN-LSTM模型	传感器信号	10名年轻人和10名老年人