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
941	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
942	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
943	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
944	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
945	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
946	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）
947	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
948	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
949	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
950	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
951	2025-03-05	Gesture recognition from surface electromyography signals based on the SE-DenseNet network 2025-Jan-29, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2024-0282 PMID:39873377	研究论文	本文提出了一种基于SE-DenseNet网络的手势识别方法，用于从表面肌电信号中识别手势	结合Squeeze-and-Excitation Networks (SE) 和 DenseNet，在DenseBlock和Transition之间插入注意力机制，以关注最重要的信息，提高特征表示能力，并有效解决梯度消失问题	现有手势识别算法在全局特征捕捉、模型计算复杂度和泛化能力方面仍需进一步改进	提供更自然、方便和个性化的人机交互，特别是在康复技术领域	表面肌电信号（sEMG）	机器学习	NA	NA	SE-DenseNet	肌电信号	NinaPro DB2 和 DB4 数据集
952	2025-03-05	Automatic multimodal registration of cone-beam computed tomography and intraoral scans: a systematic review and meta-analysis 2025-Jan-29, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06183-x PMID:39878846	系统综述与元分析	本文系统回顾和分析了锥形束计算机断层扫描（CBCT）与口内扫描（IOS）自动多模态配准技术的最新进展及其在牙科中的临床意义	对比了几何基础方法与人工智能（AI）技术在CBCT和IOS配准中的应用，揭示了AI方法在自动化和鲁棒性方面的显著改进	研究中存在配准标志不稳定或数据集多样性有限等挑战，需进一步研究以确保在复杂临床场景中的稳定性	评估CBCT和IOS自动多模态配准技术的最新进展及其在牙科中的临床意义	锥形束计算机断层扫描（CBCT）和口内扫描（IOS）	数字病理	NA	几何基础方法和人工智能（AI）技术	深度学习模型	3D图像数据	493篇文章中筛选出22篇符合条件的研究
953	2025-03-05	Cardiac Phase Estimation Using Deep Learning Analysis of Pulsed-Mode Projections: Towards Autonomous Cardiac CT Imaging 2025-Jan-29, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3536160 PMID:40031322	研究论文	本文提出了一种通过深度学习和分析脉冲模式投影（PMPs）来实现自主心脏CT成像的新方法	首次在投影域中提出前瞻性心脏相位估计，并开发了一种不确定性驱动的Viterbi正则化器来优化深度学习估计	研究使用了基于物理的模拟数据进行评估，尚未在真实临床数据上进行验证	实现自主心脏CT扫描，减少对心电图设备和专家操作的依赖	心脏CT成像	计算机视觉	心血管疾病	深度学习	LSTM, CNN	图像	基于物理的模拟数据
954	2025-03-05	End-To-End Prediction of Knee Osteoarthritis Progression With Multimodal Transformers 2025-Jan-29, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3536170 PMID:40031337	研究论文	本研究利用深度学习中的Transformer模型，融合多模态膝关节成像数据，预测膝关节骨关节炎（KOA）的进展	首次使用Transformer模型融合多模态膝关节成像数据，提供了一种端到端的KOA进展预测框架，并公开了源代码和预训练模型	研究结果仍需进一步验证，特别是在不同临床环境中的应用效果	预测膝关节骨关节炎（KOA）的进展，以增强临床试验设计	膝关节骨关节炎（KOA）患者	计算机视觉	骨关节炎	深度学习	Transformer	图像	3967/2421例来自骨关节炎倡议（Osteoarthritis Initiative）的数据
955	2025-03-05	Class-Agnostic Feature-Learning-Based Deep-Learning Model for Robust Melanoma Prediction 2025-Jan-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3535536 PMID:40031346	研究论文	本研究开发了一种基于类无关激活映射（CAAMs）的深度学习模型，用于提高黑色素瘤预测的准确性和可靠性	使用类无关激活映射（CAAMs）来解决图像变异性和变换鲁棒性问题，从而提高诊断准确性和可靠性	未明确提及具体局限性	开发一种鲁棒的深度学习模型，用于黑色素瘤预测	黑色素瘤和痣的皮肤病变图像	计算机视觉	黑色素瘤	深度学习	ConvNeXt, ResNet	图像	ISIC 2017和2019数据集
956	2025-03-05	Coarse for Fine: Bounding Box Supervised Thyroid Ultrasound Image Segmentation Using Spatial Arrangement and Hierarchical Prediction Consistency 2025-Jan-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3535541 PMID:40031340	研究论文	本文提出了一种双分支弱监督学习框架，用于优化甲状腺超声图像分割网络，通过校准语义特征到合理的空间分布，在边界框掩码的间接、粗略指导下进行分割	提出了一种新的双分支弱监督学习框架，通过空间排列一致性和层次预测一致性分支来优化分割网络，减少对像素级低层次特征的依赖，提高分割精度	虽然该方法在甲状腺超声图像分割上表现优异，但仍依赖于边界框掩码的间接指导，可能在某些复杂情况下无法完全替代全监督方法	优化甲状腺超声图像的分割精度，减少标注时间	甲状腺超声图像	计算机视觉	甲状腺疾病	弱监督学习	双分支网络	图像	三个甲状腺数据集
957	2025-03-05	Progressive Knowledge Transfer Network Based on Human Visual Perception Mechanism for No-Reference Point Cloud Quality Assessment 2025-Jan-22, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3532651 PMID:40031145	研究论文	本文提出了一种基于人类视觉感知机制的无参考点云质量评估深度学习网络PKT-PCQA，通过渐进知识转移将粗粒度质量分类知识转化为细粒度质量预测任务	PKT-PCQA网络利用局部和全局特征，以及基于空间和通道注意力模块的注意力机制，模拟人类视觉系统进行点云质量评估	未提及具体局限性	研究无参考点云质量评估方法，以提高点云压缩和通信等应用中的质量评估效果	点云数据	计算机视觉	NA	深度学习	PKT-PCQA	点云数据	三个大型独立的点云评估数据集
958	2025-03-05	FedBCD: Federated Ultrasound Video and Image Joint Learning for Breast Cancer Diagnosis 2025-Jan-20, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3532474 PMID:40031191	研究论文	本文提出了一种名为FedBCD的去中心化学习解决方案，用于联合学习乳腺超声视频和图像，以改善乳腺癌诊断	首次提出去中心化学习解决方案，结合乳腺超声视频和图像进行联合学习，并设计了JUVIL模型和FILA层间聚合方法	未提及具体局限性	改善乳腺癌诊断的准确性和效率	乳腺超声视频和图像	计算机视觉	乳腺癌	深度学习	JUVIL, FILA	图像, 视频	三个图像客户端和一个视频客户端
959	2025-03-05	Neural Manifold Decoder for Acupuncture Stimulations With Representation Learning: An Acupuncture-Brain Interface 2025-Jan-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3530922 PMID:40031188	研究论文	本文提出了一种深度学习框架，通过受试者的脑电图活动解码不同针灸操作在足三里穴位上的针刺过程	结合对比表示学习和领域适应策略，估计针灸师的三维手部姿势和手关节运动轨迹，并通过无监督流形学习估计针灸诱发的脑电图信号的低维状态空间	研究中使用的样本类型和数量未明确说明，可能影响结果的普适性	揭示针灸刺激与动态脑响应之间的相关性，并开发一种针灸-脑接口	接受针灸刺激的受试者	机器学习	神经系统疾病	脑电图（EEG）	神经网络	脑电图信号、视频记录	NA
960	2025-03-05	Marker Data Enhancement for Markerless Motion Capture 2025-Jan-17, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3530848 PMID:40031222	研究论文	本文提出了一种改进的标记增强器，用于将稀疏的视频关键点转换为密集的解剖标记，以提高无标记运动捕捉的准确性	创建了一个更大、更多样化的训练数据集，并开发了一个更准确、更具通用性的标记增强器	在训练数据中未包含的运动上表现不佳	提高无标记运动捕捉的准确性和通用性	人体运动捕捉数据	计算机视觉	NA	深度学习	标记增强器	视频关键点和解剖标记	1176名受试者的标记运动捕捉数据和1433小时的视频关键点及解剖标记