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
421	2025-06-05	Deep learning for tibial plateau fracture detection and classification 2025-Jun, The Knee DOI:10.1016/j.knee.2025.02.001 PMID:40023913	研究论文	本研究开发了一种深度学习模型，用于胫骨平台骨折的检测和Schatzker分类	首次开发了针对胫骨平台骨折的计算机视觉模型，并应用Schatzker分类系统	在骨折分类方面的准确性较低，Schatzker分类系统在常规X光片上的观察者间一致性较低	开发深度学习模型以检测和分类胫骨平台骨折	胫骨平台骨折的X光片	计算机视觉	骨折	深度学习	CNN（GoogleNet和ResNet）	X光图像	753名患者的1506张膝关节X光片（368例胫骨平台骨折和385例健康膝盖）
422	2025-06-05	A Forward and Backward Compatible Framework for Few-Shot Class-Incremental Pill Recognition 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3497956 PMID:40030571	research paper	提出了一种用于少样本类增量药片识别的前向和后向兼容框架DBC-FSCIL，包括虚拟类生成策略和中心三重损失以增强特征学习，以及通过不确定性量化合成旧类伪特征的策略	首次提出了少样本类增量药片识别框架DBC-FSCIL，包含前向兼容和后向兼容学习组件，采用虚拟类生成策略和中心三重损失增强特征学习，并通过不确定性量化合成旧类伪特征	NA	开发一种少样本类增量药片识别系统，以解决数据标注成本高和新药片类别不断增加的问题	药片图像	computer vision	NA	few-shot learning, class-incremental learning	DBC-FSCIL	image	NA
423	2025-06-05	Learn to Supervise: Deep Reinforcement Learning-Based Prototype Refinement for Few-Shot Motor Fault Diagnosis 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3516035 PMID:40030687	研究论文	本文提出了一种基于深度强化学习的原型细化方法，用于半监督少样本电机故障诊断	利用深度强化学习（DRL）自适应选择有价值的未标记样本，监督诊断过程，并通过镜像原型网络（ProtoNet）结构优化类别原型	工业场景中数据稀缺问题可能限制方法的实际应用效果	解决工业电机故障诊断中数据稀缺问题，提高少样本条件下的诊断性能	工业电机	机器学习	NA	深度强化学习（DRL），半监督元学习	镜像原型网络（ProtoNet）	标记数据和未标记数据	少量标记数据和有限的信息性未标记数据
424	2025-06-05	Language-Driven Spatial-Semantic Cross-Attention for Face Attribute Recognition With Limited Labeled Data 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3514836 PMID:40030689	research paper	提出了一种名为语言驱动的空间-语义交叉注意力（LSA）的新方法，用于在有限标记数据下进行人脸属性识别	无需额外数据集或辅助任务的预训练步骤，利用语言模型的关系信息增强属性识别	未提及具体局限性	解决在有限标记数据下人脸属性识别的挑战	人脸属性识别	computer vision	NA	语言模型、交叉注意力机制	LSA（语言驱动的空间-语义交叉注意力）	图像、文本	CelebA和LFWA数据集
425	2025-06-05	Resisting Noise in Pseudo Labels: Audible Video Event Parsing With Evidential Learning 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3505674 PMID:40030688	research paper	提出了一种名为噪声抵抗事件解析（NREP）的新框架，用于解决音频-视觉视频解析（AVVP）任务中伪标签噪声问题	引入了证据深度学习（EDL）来克服噪声伪监督的限制，包含三个关键组件：模态证据学习（MEL）、时间证据学习（TEL）和前景-背景一致性学习（FBCL）	依赖于生成的伪标签质量，且缺乏时间注释可能增加定位前景的模糊性	提升音频-视觉视频解析（AVVP）任务的性能，特别是在弱监督学习环境下	音频-视觉视频中的时间事件和模态类型	multimodal video understanding	NA	evidential deep learning (EDL)	NREP framework (包含MEL, TEL, FBCL)	audio-visual video	在两个AVVP基准数据集上评估
426	2025-06-05	Hybrid Quantum Deep Learning With Superpixel Encoding for Earth Observation Data Classification 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3518108 PMID:40030763	research paper	本文提出了一种混合量子深度学习模型，用于地球观测数据的分类任务，通过超像素编码有效减少量子资源需求	引入了超像素编码方法，有效降低了大规模图像表示所需的量子资源，同时研究了不同交互门和测量对分类性能的影响	未提及模型在大规模数据集上的泛化能力或实际应用中的潜在限制	解决地球观测大数据时代下，使用复杂深度学习模型分析数据时的计算挑战	地球观测数据	machine learning	NA	量子计算，超像素编码	混合量子深度学习模型	image	多个地球观测基准数据集（Overhead-MNIST, So2Sat LCZ42, SAT-6）
427	2025-06-05	Topological Data Analysis in Graph Neural Networks: Surveys and Perspectives 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3520147 PMID:40030848	综述	本文系统综述了拓扑数据分析（TDA）与图神经网络（GNN）结合的研究现状与未来展望	提出了TDA与GNN结合的新兴研究方向，并系统梳理了相关文献、分类和最新研究成果	NA	探讨TDA与GNN结合的潜力及其在复杂图数据分析中的应用	拓扑数据分析与图神经网络的结合方法	机器学习	NA	NA	GNN	图数据	NA
428	2025-06-05	Learning-Based Modeling and Predictive Control for Unknown Nonlinear System With Stability Guarantees 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3525264 PMID:40030974	研究论文	本文提出了一种基于学习的建模和预测控制方法，用于未知非线性系统的安全控制，并考虑了学习动力学的稳定性和建模误差	结合Koopman理论和深度学习，提出了一种具有稳定性保证的学习控制方案，并通过鲁棒预测控制消除建模误差	未明确说明方法在更复杂或高维系统中的适用性	实现未知非线性系统的安全稳定控制	未知非线性系统	机器学习	NA	深度学习	Koopman算子	动态系统数据	NA
429	2025-06-05	Stacked Ensemble Deep Random Vector Functional Link Network With Residual Learning for Medium-Scale Time-Series Forecasting 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3529219 PMID:40031590	研究论文	提出了一种结合堆叠深度块和残差学习的edRVFL网络，用于中等规模时间序列预测	结合了堆叠深度块和残差学习的edRVFL网络，提出了ResdRVFL和SResdRVFL模型，通过残差学习校准浅层错误估计并引入缩放参数控制残差缩放	未提及具体局限性	提升中等规模时间序列预测的准确性和鲁棒性	时间序列数据	机器学习	NA	随机向量功能链接网络(RVFL)、残差学习、集成学习	ResdRVFL、SResdRVFL	时间序列数据	28个数据集
430	2025-06-05	TDSF-Net: Tensor Decomposition-Based Subspace Fusion Network for Multimodal Medical Image Classification 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3541170 PMID:40031645	research paper	提出了一种基于张量分解的子空间融合网络（TDSF-Net），用于多模态医学图像分类	引入了Tucker低秩张量分解模块和跨张量注意力机制，以减少多模态数据和高维特征带来的冗余，并增强特征表示能力	未明确提及具体局限性	提升多模态医学图像分类的性能	多模态医学图像	digital pathology	NA	tensor decomposition, cross-tensor attention mechanism	TDSF-Net	multimodal medical image	一个自建数据集和三个公共多模态医学图像数据集
431	2025-06-05	PET and CT based DenseNet outperforms advanced deep learning models for outcome prediction of oropharyngeal cancer 2025-Jun, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110852 PMID:40118186	research paper	本研究探讨了使用优化的DenseNet架构在头颈癌患者复发自由期预测中的表现，并与现有先进深度学习模型进行比较	研究表明，使用81层DenseNet架构在内部测试集上表现与现有先进模型相当，在外部测试集上表现更优，且晚期融合CT和PET影像数据在外部测试中表现更佳	研究仅针对口咽癌患者，未涵盖其他类型的头颈癌	比较DenseNet架构与现有先进深度学习模型在头颈癌患者复发自由期预测中的表现	口咽癌患者	digital pathology	oropharyngeal cancer	PET和CT影像分析	DenseNet	image	HECKTOR 2022数据集中的489名口咽癌患者（内部测试集369名，独立测试集120名）及额外400名口咽癌患者（外部测试集）
432	2025-06-05	Fine-Tuning Deep Learning Model for Quantitative Knee Joint Mapping With MR Fingerprinting and Its Comparison to Dictionary Matching Method: Fine-Tuning Deep Learning Model for Quantitative MRF 2025-Jun, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70045 PMID:40259681	研究论文	本文研究了深度学习模型在磁共振指纹图谱（MRF）中用于膝关节定量映射的微调及其与字典匹配（DM）方法的比较	研究了神经网络（NN）在深度学习中的微调及其与DM方法的公平比较，优化了NN超参数和DM方法，并分析了MRF数据的奇异值分解（SVD）成分	研究仅涉及14名健康志愿者的膝关节数据，样本量较小	提高MRF中膝关节多参数定量映射的准确性和鲁棒性	膝关节	医学影像	骨关节炎	磁共振指纹图谱（MRF）	深度学习模型（NN）	图像	14名健康志愿者的膝关节数据
433	2025-06-05	Validating Emotion Analysis on Social Media Text for Detecting Psychological Distress: A Cross-Sectional Survey 2025-Jun, Issues in mental health nursing IF:1.7Q3 DOI:10.1080/01612840.2025.2488328 PMID:40266789	研究论文	本研究探讨了社交媒体文本中自我报告的心理困扰与情绪之间的关系，使用基于深度学习的情绪分析模型	利用KoBERT模型对社交媒体文本进行情绪分析，验证了情绪表达与心理困扰之间的强关联，并展示了模型在心理困扰早期检测中的高预测准确性	样本量较小（87名参与者），且仅限于Instagram和Threads平台的数据	验证社交媒体文本情绪分析在检测心理困扰中的有效性	社交媒体用户及其发布的文本内容	自然语言处理	心理健康问题	情绪分析	KoBERT	文本	87名参与者，2610个句子
434	2025-06-05	G-Diff: A Graph-Based Decoding Network for Diffusion Recommender Model 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3491827 PMID:39531577	research paper	本文提出了一种基于图的解码网络（GDN）来改进扩散推荐模型，通过引入物品间的关系图提升推荐性能	在扩散模型的反向过程中引入精心设计的基于图的解码网络（GDN），利用物品间的关系图提升推荐性能，并通过跳跃连接和归一化层保留低阶邻居信息	NA	改进扩散推荐模型，提升推荐系统的性能	推荐系统中的用户偏好预测	machine learning	NA	扩散模型	G-Diff	user-item interaction data	三个真实世界的数据集
435	2025-06-05	Classifying fungi biodiversity using hybrid transformer models 2025-Jun-01, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2025.107155 PMID:40460919	研究论文	提出了一种混合深度学习技术，结合Vision Transformer和Swin Transformer模型，用于真菌多类分类	结合Vision Transformer和Swin Transformer模型，并采用迁移学习框架如MobileNetV2、DenseNet121和EfficientNetB0进行真菌分类	数据集中存在显著的类别不平衡问题	提高真菌分类的准确性，以促进对真菌生物多样性的理解和管理	五种真菌物种	计算机视觉	NA	迁移学习、数据增强、可解释AI技术（Grad-CAM）	Vision Transformer、Swin Transformer、MobileNetV2、DenseNet121、EfficientNetB0	图像	9115张真菌图像
436	2025-06-05	Learning topological horseshoes in time series via deep neural networks 2025-Jun-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0270132 PMID:40465250	research paper	提出了一种基于深度学习的几何方法，用于识别时间序列中的混沌动力学	结合拓扑马蹄理论和深度神经网络，为复杂非线性系统中混沌行为的检测提供了新工具	NA	识别时间序列中的混沌动力学	时间序列数据	machine learning	NA	deep learning	deep neural networks	time series	Hénon map, Lorenz system, Duffing system
437	2025-06-05	Development and validation of a 3-D deep learning system for diabetic macular oedema classification on optical coherence tomography images 2025-May-31, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-099167 PMID:40449950	研究论文	开发并验证了一种基于3D光学相干断层扫描（OCT）图像的自动糖尿病黄斑水肿（DME）分类系统	使用3D卷积神经网络算法开发了一个多中心、平台化的DME分类系统，并在外部验证集上表现出高准确率	研究依赖于历史数据，可能无法完全反映实时临床环境中的表现	开发一个自动化的DME分类系统，用于基于人群的DME筛查	糖尿病黄斑水肿（DME）患者	数字病理	糖尿病黄斑水肿	3D光学相干断层扫描（OCT）	3D CNN	3D图像	4254名患者的7146只眼睛，共7790个OCT图像
438	2025-06-05	LiDSCUNet++: A lightweight depth separable convolutional UNet++ for vertebral column segmentation and spondylosis detection 2025-May-31, Research in veterinary science IF:2.2Q1 DOI:10.1016/j.rvsc.2025.105703 PMID:40460622	research paper	介绍了一种轻量级深度学习框架LiDSCUNet++，用于脊柱分割和脊椎病检测	结合深度可分离卷积和点卷积的轻量级UNet++框架，显著减少可训练参数和计算资源消耗	数据不足可能影响模型性能	开发高效的医学图像分析解决方案，辅助医生诊断脊柱疾病	狗的X光片中的脊柱和脊椎异常	digital pathology	spondylosis deformans	deep learning	LiDSCUNet++, YOLOv8	image	NA
439	2025-06-05	Mammogram mastery: Breast cancer image classification using an ensemble of deep learning with explainable artificial intelligence 2025-May-30, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000042242 PMID:40441211	研究论文	提出一种基于深度学习和可解释人工智能的集成方法，用于乳腺X光片的癌症分类	结合了Inception V3架构和可解释AI技术，提高了分类的准确性和透明度	未提及数据集的多样性和模型在其他数据集上的泛化能力	提高乳腺癌早期诊断的准确性和效率	乳腺X光片	计算机视觉	乳腺癌	深度学习	Inception V3	图像	未提及具体样本数量
440	2025-06-05	Three-dimensional automated segmentation of adolescent idiopathic scoliosis on computed tomography driven by deep learning: A retrospective study 2025-May-30, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000042644 PMID:40441215	研究论文	本研究探讨了深度学习网络在青少年特发性脊柱侧凸（AIS）患者CT图像中分割椎骨的应用	首次在AIS患者的CT图像中应用U-Net和Attention U-Net进行椎骨分割，并比较了两种网络在复杂解剖结构中的表现	样本量较小（31例），且未与其他先进3D U-Net网络进行全面比较	开发自动化的椎骨分割方法以支持现代脊柱侧凸手术技术	青少年特发性脊柱侧凸（AIS）患者的CT图像	医学图像分析	脊柱侧凸	CT成像	U-Net, Attention U-Net	3D CT图像	31例AIS患者的CT图像