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
10881	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
10882	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
10883	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
10884	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
10885	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
10886	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
10887	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
10888	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
10889	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
10890	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
10891	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
10892	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）
10893	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
10894	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
10895	2025-03-05	IM- LTS: An Integrated Model for Lung Tumor Segmentation using Neural Networks and IoMT 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103201 PMID:40026592	研究论文	本文提出了一种集成模型IM-LTS，用于使用神经网络和医疗物联网进行肺肿瘤分割	结合了MobileNetV2和U-NET两种架构，并采用迁移学习技术，使用预训练的神经网络作为U-NET模型的编码器进行分割	未提及具体的数据集大小和样本类型，可能影响模型的泛化能力	开发一种高精度的肺肿瘤分割和分类模型，以支持早期疾病诊断	肺肿瘤	数字病理学	肺癌	深度学习，迁移学习	MobileNetV2, U-NET, 支持向量机	CT图像	NA
10896	2025-03-05	Deep learning-assisted Raman spectroscopy for automated identification of specific minerals 2025-May-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.125843 PMID:39954524	研究论文	本研究开发了一种基于深度学习的卷积注意力网络，用于快速准确识别矿物成分，并引入Grad-Cam++技术以可视化预测的重要区域	相比纯卷积神经网络（CNN），该模型更擅长学习特征峰中的细节，以区分具有相似拉曼光谱的矿物	NA	开发自动化识别矿物成分的深度学习模型，以加速现场地质工作中拉曼光谱数据的处理	矿物成分	机器学习	NA	拉曼光谱	卷积注意力网络	光谱数据	大量已知数据
10897	2025-03-05	Toward automated detection of microbleeds with anatomical scale localization using deep learning 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103415 PMID:39642804	研究论文	本文提出了一种新颖的3D深度学习框架，用于自动检测脑微出血（CMBs）并识别其在大脑中的解剖位置	提出了一种结合3D U-Net和区域提议网络（RPN）的单端到端模型，并引入了特征融合模块（FFM）和硬样本原型学习（HSPL）来减少假阳性	未提及具体的数据集大小或多样性限制	自动检测脑微出血并识别其解剖位置，以提高检测准确性和减少假阳性	脑微出血（CMBs）	计算机视觉	脑血管疾病	深度学习	3D U-Net, RPN	3D图像（SWI和相位图像）	未提及具体样本数量
10898	2025-03-05	Comparative benchmarking of failure detection methods in medical image segmentation: Unveiling the role of confidence aggregation 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103392 PMID:39657400	研究论文	本文介绍了一个全面的基准测试框架，用于评估医学图像分割中的失败检测方法	提出了一个综合的基准测试框架，并强调了像素置信度聚合的重要性，发现成对Dice分数在集成预测之间的优越性能	研究中使用的数据集仅限于五个公共3D医学图像集合，可能无法涵盖所有临床场景	评估医学图像分割中的失败检测方法，以提高其在真实临床应用中的可靠性	医学图像分割中的失败检测方法	数字病理	NA	深度学习算法	NA	3D医学图像	五个公共3D医学图像集合
10899	2025-03-05	AutoFOX: An automated cross-modal 3D fusion framework of coronary X-ray angiography and OCT 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103432 PMID:39700845	研究论文	本文提出了一种自动化的跨模态3D融合框架AutoFOX，用于冠状动脉X射线血管造影（XA）和光学相干断层扫描（OCT）的融合，以改善冠状动脉疾病的诊断和预后	AutoFOX框架首次采用了先进的侧支管腔重建算法，增强了分叉病变的评估，并通过深度学习模型TransCAN实现了3D血管对齐，显著提高了对齐精度	尽管AutoFOX在3D对齐和分叉病变评估方面表现出色，但其在临床应用中的广泛推广仍需进一步的多中心验证和优化	开发一种自动化的3D融合框架，以提高冠状动脉疾病的诊断和预后评估	冠状动脉X射线血管造影（XA）和光学相干断层扫描（OCT）数据	数字病理学	心血管疾病	深度学习	TransCAN	3D图像	多中心数据集
10900	2025-03-05	DDoCT: Morphology preserved dual-domain joint optimization for fast sparse-view low-dose CT imaging 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103420 PMID:39705821	研究论文	本文提出了一种名为DDoCT的双域联合优化低剂量CT成像框架，旨在通过减少管电流和投影数量来降低辐射剂量，同时解决由此引入的噪声和伪影问题	DDoCT框架在投影和图像域中进行联合优化，不仅解决了减少管电流引入的噪声，还特别关注了减少投影数量引起的条纹伪影问题，提升了在快速低剂量CT成像环境中的适用性	NA	开发一种能够在减少辐射剂量的同时，有效降低噪声和伪影的低剂量CT成像方法	低剂量CT成像	计算机视觉	NA	CT成像	深度学习	图像	NA