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
721	2025-06-03	Blip-up blip-down circular EPI (BUDA-cEPI) for distortion-free dMRI with rapid unrolled deep learning reconstruction 2025-Jan, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110277 PMID:39566835	研究论文	本文开发了一种名为BUDA-cEPI RUN-UP的快速重建管道，用于实现高质量、高分辨率的扩散磁共振成像（dMRI），并通过深度学习重建技术显著缩短重建时间	提出了基于机器学习的展开重建方法，引入了虚拟线圈概念，并设计了模仿S-LORAKS正则化的网络架构，显著提高了重建速度	虽然重建速度大幅提升，但该方法仍依赖于额外的非扩散图像（b值=0 s/mm2）以获得最佳效果	开发快速重建管道，促进BUDA-cEPI在常规临床和神经科学应用中的部署	扩散磁共振成像（dMRI）数据	医学影像处理	NA	扩散磁共振成像（dMRI），深度学习重建	U-Net	医学影像	NA
722	2025-06-03	Do Sharpness-Based Optimizers Improve Generalization in Medical Image Analysis? 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/ACCESS.2025.3568641 PMID:40443707	research paper	本文评估了基于锐度的优化器在医学图像分析中提高深度学习模型泛化能力的有效性	首次系统评估了多种基于锐度的优化器在医学图像数据集上的表现，发现SAM是唯一能一致提升泛化性能的方法	研究仅使用了三种医学图像数据集，可能无法代表所有医学图像场景	评估基于锐度的优化器在医学图像分析中提高模型泛化能力的有效性	医学图像数据集（乳腺超声、胸部X光和结肠组织病理学图像）	digital pathology	breast cancer, lung disease, colon disease	deep learning optimization	CNN, vision transformers	image	三种医学图像数据集
723	2025-06-03	Advances in Electrocardiogram-Based Artificial Intelligence Reveal Multisystem Biomarkers 2025, Journal of clinical & experimental cardiology PMID:40443717	review	本文讨论了基于心电图的人工智能在临床心脏病学中的进展、局限性和未来方向	利用基于心电图的深度学习模型识别心脏壁运动异常，并超越人类专家解释	讨论了深度学习模型在基于心电图的人工智能应用中的局限性和公平性考虑	探讨人工智能在临床心脏病学中的应用，提供创新的诊断、预后和治疗解决方案	心电图数据	machine learning	cardiovascular disease	Deep Learning	DL	ECG数据	NA
724	2025-06-03	XLLC-Net: A lightweight and explainable CNN for accurate lung cancer classification using histopathological images 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322488 PMID:40445896	研究论文	该研究介绍了一种轻量级且可解释的CNN模型XLLC-Net，用于从组织病理学图像中准确分类肺癌	XLLC-Net是一种轻量级CNN模型，仅包含300万个参数，显著降低了计算资源需求，同时集成了可解释AI技术（如Saliency Map和GRAD-CAM）以增强模型的可解释性	研究仅关注了LC25000数据集中的三类肺癌，未包含其他类型的癌症或更广泛的数据集	开发一种轻量级且可解释的深度学习模型，用于肺癌的准确分类	组织病理学图像中的三类肺癌	数字病理学	肺癌	深度学习	CNN	图像	LC25000数据集中的三类肺癌样本
725	2025-06-03	Deep learning reconstruction of free-breathing, diffusion-weighted imaging of the liver: A comparison with conventional free-breathing acquisition 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320362 PMID:40445963	研究论文	本研究比较了自由呼吸下使用深度学习重建的扩散加权成像（FB-DL-DWI）与传统扩散加权成像（FB-C-DWI）在肝脏MRI中的图像质量和实体性肝脏局灶性病变（FLL）评估	首次在自由呼吸条件下应用深度学习重建技术进行肝脏扩散加权成像，并与传统方法进行对比	FB-DL-DWI表现出比FB-C-DWI更强的人工感觉（P<0.001）	比较两种扩散加权成像技术在肝脏MRI中的表现	199名接受临床肝脏MRI检查的患者	医学影像分析	肝脏疾病	扩散加权成像（DWI），深度学习重建	深度学习模型（具体类型未说明）	医学影像数据	199名患者（其中110名患有慢性肝病），138个实体性肝脏局灶性病变
726	2025-06-03	Prediction of drug-target interactions based on substructure subsequences and cross-public attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324146 PMID:40445972	研究论文	提出了一种基于子结构子序列和交叉公共注意力机制的药物-靶点相互作用预测模型SSCPA-DTI	采用多特征信息挖掘模块(MIMM)提取药物和蛋白质的原始及子结构特征，并利用交叉公共注意力模块(CPA)整合特征及提取相互作用信息，提高了预测准确性和可解释性	仅在三个公共数据集上进行了实验，未在其他数据集上验证模型的泛化能力	提高药物-靶点相互作用预测的准确性和可解释性	药物和蛋白质的相互作用	机器学习	NA	深度学习	SSCPA-DTI (基于注意力机制的模型)	序列数据(SMILES序列和蛋白质序列)	三个公共数据集
727	2025-06-03	Enhancing the dataset of CycleGAN-M and YOLOv8s-KEF for identifying apple leaf diseases 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321770 PMID:40445983	研究论文	本研究提出了一种基于深度学习的方法，通过改进CycleGAN-M和YOLOv8s-KEF模型来提高苹果叶病害的识别准确率	使用多尺度注意力机制增强CycleGAN-M网络生成合成样本，改进YOLOv8s-KEF模型的特征提取能力，特别是针对小病变和复杂纹理	模型大小增加了6MB，可能影响部署效率	提高苹果叶病害的识别准确率，解决数据集有限、样本量小和识别精度低的问题	苹果叶病害	计算机视觉	植物病害	深度学习	CycleGAN-M, YOLOv8s-KEF	图像	NA
728	2025-06-03	ArsenicNet: An efficient way of arsenic skin disease detection using enriched fusion Xception model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322405 PMID:40446004	研究论文	提出了一种名为ArsenicNet的融合Xception模型，用于高效检测砷污染引起的皮肤疾病	结合Xception模型与Inception模块的深度学习架构，在砷皮肤疾病检测中表现出优越性能	数据集样本量较小（仅1287个样本），且仅基于孟加拉国人群	开发高效准确的砷皮肤疾病检测方法	砷污染引起的皮肤疾病	计算机视觉	皮肤疾病	深度学习	Xception与Inception模块融合的CNN	图像	1287张基于孟加拉国人群的皮肤图像
729	2025-06-03	Segmentation-based deep 2D-3D multibranch learning approach for effective hyperspectral image classification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321559 PMID:40446012	研究论文	本文提出了一种基于分割的深度2D-3D多分支学习方法，用于高效的高光谱图像分类	提出了一种新颖的多层多分支2D-3D CNN模型，结合了SPCA和mRMR技术，能够分层处理不同重要性的特征	未明确提及具体局限性，但可能涉及计算复杂性和模型泛化能力	解决高光谱图像分类中的数据冗余、计算成本高、样本不足和维度诅咒等问题	高光谱图像中的土地覆盖物体分类	计算机视觉	NA	Segmented Principal Component Analysis (SPCA), minimum-Redundancy-Maximum-Relevance (mRMR)	2D-3D CNN	高光谱图像	Salinas Scene、University of Pavia和Indian Pines高光谱图像数据集
730	2025-06-02	Reduction of photobleaching effects in photoacoustic imaging using noise agnostic, platform-flexible deep-learning methods 2025-Dec, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.S3.S34102 PMID:40443946	research paper	该研究提出了一种平台灵活的深度学习方法，用于减少光声成像中的光漂白效应，从而提高图像质量和实时可视化	引入了一种平台灵活的深度学习框架，能够从单激光脉冲数据中增强信噪比，无需多脉冲信号平均，从而减少光漂白效应	研究主要基于体外和离体样本，尚未在临床环境中进行大规模验证	解决分子光声成像中因光漂白导致的组织可视化问题，提升实时成像和定量分析的可靠性	光声成像中的外源性染料及其光漂白效应	医学影像处理	NA	深度学习，光声成像	cGAN, U-Net	图像	体外和离体样本，包括ICG填充管
731	2025-06-02	TFKT V2: task-focused knowledge transfer from natural images for computed tomography perceptual image quality assessment 2025-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.5.051805 PMID:40444137	research paper	提出一种基于深度学习的无参考CT图像质量评估方法TFKT，通过从自然图像数据集迁移知识，减少对大型标注数据集的依赖	采用混合CNN-Transformer模型，结合自然图像失真和人类标注的平均意见分数进行预训练，并在低剂量CT图像上微调，实现任务特定的适应性	需要进一步验证在更广泛临床场景中的泛化能力	开发一种无参考、自动化的CT图像质量评估方法，以更准确地反映放射科医生的评估	CT图像质量评估	computer vision	NA	深度学习	CNN-Transformer混合模型	图像	约30张CT图像切片/秒的处理能力
732	2025-06-02	Structure information preserving domain adaptation network for fault diagnosis of Sucker Rod Pumping systems 2025-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107392 PMID:40157234	研究论文	本文提出了一种结构信息保留的域适应网络（SIP-DAN），用于抽油机系统的故障诊断	SIP-DAN通过将源域数据按故障类别划分为不同子域，并实现源域和目标域的子域对齐，以保留结构信息，同时设计了分类器投票辅助对齐（CVAA）机制来处理目标域缺乏故障类别信息的问题	未提及具体样本量或实验数据的局限性	提高抽油机系统故障诊断模型的泛化性能	抽油机（Sucker Rod Pumping, SRP）系统	机器学习	NA	模糊聚类算法、局部最大均值差异（LMMD）损失优化	SIP-DAN	时间序列数据或传感器数据	NA
733	2025-06-02	An information-theoretic approach for heterogeneous differentiable causal discovery 2025-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107417 PMID:40158364	研究论文	本文提出了一种基于信息论的异质可微分因果发现方法，旨在提高模型在复杂异质数据集上的鲁棒性	将最小误差熵(MEE)作为自适应误差调节器整合到结构学习框架中，有效减少不同样本间的误差变异性	未明确提及具体的数据集规模限制或计算资源需求	提高可微分因果发现方法在异质数据集上的鲁棒性和适应性	具有环境多样性和噪声分布变化的复杂异质数据集	机器学习	NA	最小误差熵(MEE)	可微分因果发现模型	合成数据集和真实世界数据集	未明确提及具体样本数量
734	2025-06-02	MuSIA: Exploiting multi-source information fusion with abnormal activations for out-of-distribution detection 2025-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107427 PMID:40184868	research paper	提出了一种名为MuSIA的方法，通过多源信息融合和异常激活捕获来提高深度学习模型在开放世界中的OOD检测性能	MuSIA方法首次结合多源信息融合与异常激活捕获，显著提升了OOD检测的性能	实验仅在六种预训练模型和六种OOD数据集上进行验证，可能在其他模型或数据集上的泛化能力有待进一步研究	提高深度学习模型在开放世界中的OOD检测性能，确保模型的可靠性和鲁棒性	深度学习模型在开放世界中的OOD检测	machine learning	NA	多源信息融合与异常激活捕获	ViT, RepVGG, DeiT等	NA	六种OOD数据集在六种预训练模型上的实验
735	2025-06-02	AESeg: Affinity-enhanced segmenter using feature class mapping knowledge distillation for efficient RGB-D semantic segmentation of indoor scenes 2025-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107438 PMID:40184869	研究论文	提出了一种结合静态和动态方法的亲和力增强语义分割框架，用于室内场景的RGB-D语义分割	通过构建二元亲和力矩阵和特征到类别映射细化技术，实现了全局上下文感知与静态特征的结合，提高了准确性同时减少了计算负担	未明确提及具体限制，但可能包括对特定场景或数据集的依赖性	提高RGB-D语义分割的效率和准确性	室内场景的RGB-D图像	计算机视觉	NA	深度学习	动态分割方法	RGB-D图像	NYUv2、SUN-RGBD和CamVid数据集
736	2025-06-02	Deep prior embedding method for Electrical Impedance Tomography 2025-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107419 PMID:40184867	研究论文	本文提出了一种基于深度学习的新型方法，用于电阻抗断层扫描（EIT）重建，有效整合图像先验信息以提高重建质量	该方法利用图像先验信息指导神经网络的初始化，从而更充分地利用先验知识，提升重建过程的起点和整体效果	未明确提及具体局限性	提高电阻抗断层扫描（EIT）重建的质量和准确性	电阻抗断层扫描（EIT）的重建过程	医学影像处理	NA	深度学习	神经网络	图像	NA
737	2025-06-02	A prompt regularization approach to enhance few-shot class-incremental learning with Two-Stage Classifier 2025-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107453 PMID:40220563	research paper	提出一种名为Prompt Regularization (PrRe)的新方法，通过嵌入两种不同的提示（任务提示和全局提示）在预训练的Vision Transformer (ViT)中，以增强少样本类增量学习的效果	提出Prompt Regularization (PrRe)方法和Two-Stage Classifier (TSC)，结合K-Nearest Neighbors和Prototype Classifier，以优化少样本类增量学习的性能	NA	提高少样本类增量学习（FSCIL）的效率，避免模型遗忘先前学习的任务	预训练的Vision Transformer (ViT)模型	computer vision	NA	Prompt Learning, K-Nearest Neighbors, Prototype Classifier	Vision Transformer (ViT)	image	NA
738	2025-06-02	YOLOv8-G2F: A portable gesture recognition optimization algorithm 2025-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107469 PMID:40245489	research paper	本文提出了一种名为YOLOv8-G2F的轻量级手势识别优化算法，基于YOLOv8进行改进，旨在降低硬件成本并提升应用场景	引入了改进的轻量级模块替代传统卷积模块，并采用线性变换、分组卷积和深度可分离卷积来简化网络结构，同时使用模型剪枝进一步减小模型尺寸并提高准确率	未明确提及具体限制，但可能受限于轻量级网络在复杂场景下的识别能力	开发一种轻量级高精度的手势识别算法，以满足端到端手势识别应用的需求	手势识别（HGR）	computer vision	NA	深度学习、模型剪枝	YOLOv8-G2F（基于YOLOv8改进）	video	nus-ii手势数据集
739	2025-06-02	PILOT: Deep Siamese network with hybrid attention improves prediction of mutation impact on protein stability 2025-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107476 PMID:40252373	研究论文	提出了一种名为PILOT的新型深度学习框架，通过Siamese网络和混合注意力机制改进蛋白质稳定性突变影响（ΔΔG）的预测	利用多种注意力模块有效提取氨基酸、原子和蛋白质序列的表征，实现残基和原子层面结构信息的深度融合，以及结构和序列表征的无缝整合	NA	改进蛋白质稳定性突变影响的预测，以促进蛋白质工程研究和疾病相关突变的分子机制理解	蛋白质稳定性突变影响（ΔΔG）	机器学习	NA	深度学习	Siamese网络	蛋白质序列和结构数据	NA
740	2025-06-02	Broad learning system based on fractional order optimization 2025-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107468 PMID:40273541	research paper	本文提出了一种基于分数阶优化的广度学习系统（FOBLS），以增强数据处理能力	创新性地将分数阶优化引入广度学习系统，利用分数阶微分方程的长期记忆特性优化权重	未明确提及具体局限性	提升广度学习系统（BLS）的数据处理能力	广度学习系统（BLS）及其优化方法	machine learning	NA	分数阶微分方程优化	BLS, FOBLS	NA	NA