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
12081	2025-04-07	Efficient fault diagnosis in rolling bearings lightweight hybrid model 2025-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96285-z PMID:40181056	研究论文	提出了一种用于滚动轴承故障诊断的轻量级混合模型TSL-Transformer，结合了Transformer和LSTM模块以提高特征提取效率和诊断准确性	对传统Transformer模型进行轻量级改进，引入多头注意力机制和前馈神经网络，并并行加入LSTM模块以增强时序特征捕获能力	仅在CWRU数据集上进行了验证，未提及其他数据集或实际工业场景的测试结果	解决传统深度学习方法处理长时间序列数据时特征提取和模型训练效率低下的问题	滚动轴承的振动信号	机器学习	NA	多头注意力机制，LSTM	TSL-Transformer（Transformer与LSTM混合模型）	时间序列数据（振动信号）	CWRU数据集（具体样本量未说明）
12082	2025-04-07	Encoding matching criteria for cross-domain deformable image registration 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17565 PMID:39688347	research paper	该研究提出了一种用于跨域可变形图像配准的编码匹配准则方法，以提高配准精度和适应性	设计了通用特征编码器（Encoder-G）和结构特征编码器（Encoder-S），并通过一次性学习更新Encoder-S，使方法能有效适应不同领域	未提及具体局限性	解决跨域可变形图像配准问题，提高配准精度和适应性	MRI图像，包括脑部、腹部和心脏图像	computer vision	NA	deep learning	Encoder-G, Encoder-S	image	脑部图像（训练/测试：870/90对），腹部图像（训练/测试：1406/90对），心脏图像（训练/测试：64770/870对）
12083	2025-04-07	Improved deep learning-based IVIM parameter estimation via the use of more "realistic" simulated brain data 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17583 PMID:39704604	研究论文	提出了一种基于合成数据的监督学习方法（SDD-IVIM），用于提高IVIM参数估计的精度和噪声鲁棒性	引入了一种新的基于模型的合成人类脑IVIM数据生成方法，并结合U-Net进行参数映射	方法依赖于合成数据，未使用真实世界数据进行神经网络训练	提高IVIM参数估计的精度和噪声鲁棒性	脑IVIM成像参数估计	医学影像分析	脑胶质瘤	IVIM双指数模型	U-Net	合成脑多b值扩散加权图像	20名脑胶质瘤患者
12084	2025-04-07	Deep learning-based Monte Carlo dose prediction for heavy-ion online adaptive radiotherapy and fast quality assurance: A feasibility study 2025-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.17628 PMID:39871016	研究论文	本研究开发了一种基于深度学习的蒙特卡洛剂量预测模型，用于重离子在线自适应放疗和快速质量保证	在CHD U-Net基础上引入通道注意力机制（CAM），提高了蒙特卡洛剂量预测的准确性和效率	研究仅针对头颈癌患者，样本量为120例，可能限制了模型的泛化能力	开发深度学习模型以预测独立蒙特卡洛剂量，促进重离子在线自适应放疗和快速质量保证的实施	头颈癌患者	医学影像分析	头颈癌	深度学习，蒙特卡洛模拟	CAM-CHD U-Net	CT图像，三维能量矩阵，射线掩模	120例头颈癌患者数据
12085	2025-04-07	Prediction of influenza virus infection based on deep learning and peripheral blood proteomics: A diagnostic study 2025-Mar-28, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.051 PMID:40158620	研究论文	本研究基于深度学习和外周血蛋白质组学预测流感病毒感染，并验证了该模型在流感、COVID-19和健康人群鉴别诊断中的潜在价值	结合随机森林模型和LASSO回归模型筛选出能准确区分流感患者的临床指标，并通过蛋白质组测序和机器学习发现了26个差异表达蛋白，其中SAA2被证实可作为流感感染的辅助诊断指标	样本量相对有限（850名患者和265名健康个体），且仅针对特定病毒感染（流感、COVID-19及混合感染）进行研究	预测流感病毒感染的关键分子标记	流感、COVID-19及混合感染患者以及健康个体的外周血样本	机器学习	流感	蛋白质组测序、ELISA	随机森林模型、LASSO回归模型	蛋白质组数据、临床特征数据	850名患者（包括流感、COVID-19和混合感染）和265名健康个体
12086	2025-04-07	Utility-based Analysis of Statistical Approaches and Deep Learning Models for Synthetic Data Generation With Focus on Correlation Structures: Algorithm Development and Validation 2025-Mar-20, JMIR AI DOI:10.2196/65729 PMID:40112290	研究论文	本研究评估了多种合成数据生成方法在复制真实医疗数据集中的相关结构方面的有效性，并比较了它们在随机森林等下游任务中的表现	综合比较了统计方法和深度学习方法在生成合成数据时的性能，特别是在保留相关结构方面的表现	深度学习方法在小型数据集或有限训练周期下表现不佳，LLMs在复制数值依赖关系方面存在困难	评估不同合成数据生成方法在医疗数据中的相关结构复制能力和下游任务表现	合成数据生成方法在模拟和真实医疗数据集上的表现	机器学习	乳腺癌, 糖尿病	Generative Adversarial Networks, 大语言模型(LLMs), Random Forests, eXtreme Gradient Boosting, Gated Additive Tree Ensembles	GAN, ctgan, tvae, LLMs	表格数据	模拟数据(10个高斯变量和1个二元目标变量), 体测数据集(13,393样本), 威斯康星乳腺癌数据集(569样本), 糖尿病数据集(768样本)
12087	2025-04-07	Development of a Clinically Applicable Deep Learning System Based on Sparse Training Data to Accurately Detect Acute Intracranial Hemorrhage from Non-enhanced Head Computed Tomography 2025-Mar-15, Neurologia medico-chirurgica IF:2.4Q2 DOI:10.2176/jns-nmc.2024-0163 PMID:39864839	研究论文	开发一种基于稀疏训练数据的深度学习系统DeepCT，用于从非增强头部CT中准确检测急性颅内出血	基于U-Net和ResNet架构的深度学习模型在稀疏训练数据下实现高准确率，并在多中心验证中表现出普遍可靠性	训练数据仅来自单一中心，可能影响模型的泛化能力	开发并评估一种深度学习算法，用于检测非增强头部CT中的急性颅内出血	非增强头部CT图像	数字病理学	颅内出血	深度学习	U-Net和ResNet	CT图像	1,815个CT图像集用于训练，多个中心的数据集用于验证和测试
12088	2025-04-06	Code-Free Deep Learning Glaucoma Detection on Color Fundus Images 2025 Jul-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100721 PMID:40182983	研究论文	本研究评估了无代码深度学习(CFDL)在眼底图像中检测青光眼的性能，并与专家设计的模型进行了比较	使用无代码深度学习(CFDL)方法，使无编程经验的临床医生能够构建自己的AI模型，用于青光眼筛查	未提及具体局限性	评估无代码深度学习在青光眼检测中的性能	眼底图像	计算机视觉	青光眼	深度学习	CFDL模型	图像	101442张标记的眼底图像
12089	2025-04-06	Optical label-free microscopy characterization of dielectric nanoparticles 2025-Apr-03, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr03860f PMID:40079204	教程	本文综述了无标记光学显微镜技术在纳米颗粒表征中的应用，重点介绍了亚微米尺寸介电颗粒的光学散射理论及其与颗粒质量、大小、结构和材料特性的关系	探讨了不同无标记显微镜技术在纳米颗粒表征中的差异与相似性，并介绍了结合深度学习图像分析的Python笔记本等新兴技术	目前尚无适用于所有纳米颗粒表征的通用解决方案，需要根据样品特性选择合适的技术	为纳米颗粒表征提供测量策略选择指导	亚微米尺寸介电颗粒	光学显微镜	NA	无标记光学显微镜技术	深度学习	图像	NA
12090	2025-04-06	Predictive Value of Social Determinants of Health on 90-Day Readmission and Health Utilization Following ACDF: A Comparative Analysis of XGBoost, Random Forest, Elastic-Net, SVR, and Deep Learning 2025-Apr-02, Global spine journal IF:2.6Q1 DOI:10.1177/21925682251332556 PMID:40173192	研究论文	本研究评估了社会健康决定因素（SDH）对前路颈椎间盘切除融合术（ACDF）患者90天再入院和健康利用（HU）的预测影响，并比较了多种机器学习模型的效果	首次应用机器学习评估SDH在ACDF患者中的作用，并识别出影响90天再入院和HU的关键SDH因素	依赖单一医疗系统的数据，且SDH测量采用代理指标而非患者直接报告的数据	评估SDH对ACDF患者术后90天再入院和健康利用的预测价值	3127名ACDF患者（2003-2023年）	机器学习	颈椎疾病	机器学习（包括XGBoost、随机森林、弹性网络、SVR和深度学习）	Balanced Random Forest, Support Vector Regression (SVR)	临床和人口统计学数据	3127名ACDF患者
12091	2025-04-06	A deep learning framework for instrument-to-instrument translation of solar observation data 2025-Apr-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58391-4 PMID:40175360	研究论文	本文提出了一种深度学习框架，用于太阳观测数据的仪器间转换，以实现多仪器数据集的同质化	利用生成对抗网络（GAN）进行无配对域转换，无需空间或时间重叠即可关联不同仪器	NA	解决不同仪器观测数据因校准和质量差异而难以联合使用的问题	太阳观测数据	计算机视觉	NA	生成对抗网络（GAN）	GAN	图像	24年的空间观测数据及地面和空间太阳观测的四个不同应用
12092	2025-04-06	A compact deep learning approach integrating depthwise convolutions and spatial attention for plant disease classification 2025-Apr-02, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01325-4 PMID:40176127	研究论文	提出一种轻量级深度学习模型LWDSC-SA，用于植物病害分类，结合深度可分离卷积和空间注意力机制以提高特征提取能力并保持计算效率	整合空间注意力和深度可分离卷积，提升模型在资源受限环境中的部署能力，同时在PlantVillage数据集上达到98.7%的准确率	模型仅在PlantVillage数据集上进行测试，未在其他多样化的真实农业场景中验证	开发高效轻量的植物病害分类模型以支持农业生产力	14种植物物种的叶片病害图像	计算机视觉	植物病害	深度学习	LWDSC-SA（深度可分离卷积与空间注意力结合的轻量模型）	图像	55,000张图像（涵盖38个病害类别）
12093	2025-04-06	Global Clue-Guided Cross-Memory Quaternion Transformer Network for Multisource Remote Sensing Data Classification 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3406735 PMID:38875091	研究论文	提出一种名为GCCQTNet的多模态联合分类框架，用于多源遥感数据分类	设计了独立挤压扩展式融合结构和跨记忆四元数变换器结构，以克服多模态数据的异质性并探索其互补性	未明确提及具体局限性	解决多源遥感数据分类中的异质性问题并探索其互补性	多源遥感数据（高光谱图像HSI、合成孔径雷达SAR和激光雷达LiDAR）	计算机视觉	NA	深度学习	Transformer	遥感图像	三个公开的多源遥感数据集
12094	2025-04-06	Leveraging Unsupervised Data and Domain Adaptation for Deep Regression in Low-Cost Sensor Calibration 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3409364 PMID:38889022	研究论文	本文提出了一种利用无监督数据和领域自适应技术进行深度回归的方法，用于低成本传感器的校准	将传感器校准任务转化为半监督领域自适应问题，并提出了新的解决方案，包括使用直方图损失对抗协变量偏移和样本加权处理标签差距	NA	提高低成本空气质量传感器的校准精度	低成本空气质量传感器	机器学习	NA	深度回归	NA	传感器数据	NA
12095	2025-04-06	Learning Disentangled Priors for Hyperspectral Anomaly Detection: A Coupling Model-Driven and Data-Driven Paradigm 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3401589 PMID:38833391	research paper	提出了一种结合模型驱动和数据驱动的方法，通过学习解耦先验（LDP）来提高高光谱异常检测的准确性	结合模型驱动的低秩表示方法和数据驱动的深度学习技术，通过学习解耦先验来捕获完整的先验知识	未提及具体局限性	提高高光谱图像中异常检测的准确性和泛化能力	高光谱图像中的背景和异常对象	computer vision	NA	低秩表示（LRR）和深度学习	deep unfolding architecture	hyperspectral images	多个广泛认可的数据集
12096	2025-04-06	Spectral Tensor Layers for Communication-Free Distributed Deep Learning 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3394861 PMID:38809740	研究论文	提出了一种用于无通信分布式深度学习的谱张量层	通过张量形式表示数据并替换传统神经网络中的矩阵乘积为张量乘积，实现了无通信成本的分布式学习	NA	解决分布式深度学习中的通信成本问题	深度学习模型在分布式环境下的优化	机器学习	NA	谱张量网络	传统神经网络	图像	MNIST, CIFAR-10, ImageNet-1K, ImageNet-21K数据集
12097	2025-04-06	An Interpretable Adaptive Multiscale Attention Deep Neural Network for Tabular Data 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3392355 PMID:38748522	research paper	提出了一种名为自适应多尺度注意力深度神经网络的新技术，用于处理表格数据，以提高分类和回归任务的性能	通过并行多级特征加权，自适应多尺度注意力能够成功学习特征注意力，从而在七种不同分类任务和四种回归任务中实现高性能	与浅层学习技术相比，深度学习在表格结构化数据上的性能仍存在一定限制	提高表格数据在分类和回归任务中的性能	表格数据	machine learning	NA	adaptive multiscale attention deep neural network	deep neural network	tabular data	小、中、大和非常大的数据集
12098	2025-04-06	Deep Probabilistic Principal Component Analysis for Process Monitoring 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3386890 PMID:38652625	research paper	提出了一种新颖的深度概率主成分分析（DePPCA）模型，结合了概率建模和深度学习的优势，用于工业过程监控和故障检测	结合了概率建模和深度学习的优势，提出了DePPCA模型，具有分层深度结构和端到端微调阶段	未提及具体的数据集限制或模型在更广泛工业场景中的适用性	提高工业过程监控和故障检测的准确性和效率	工业过程监控和故障检测	machine learning	NA	probabilistic modeling, deep learning	DePPCA	process data	Tennessee Eastman (TE) process和multiphase flow (MPF) facility的数据
12099	2025-04-06	Covariate-Balancing-Aware Interpretable Deep Learning Models for Treatment Effect Estimation 2025-Apr, Statistics in biosciences IF:0.8Q4 DOI:10.1007/s12561-023-09394-6 PMID:40170916	research paper	本文提出了一种新的深度学习方法，用于在观察数据中估计处理效应，并提高了模型的可解释性	通过利用加权能量距离的特性，提出了一个更紧的平均处理效应（ATE）估计偏差上界，并设计了一个新的目标函数，不需要正确指定倾向得分模型	NA	提高观察数据中处理效应估计的准确性和可解释性	观察数据中的处理效应	machine learning	NA	深度学习方法	neural additive models	观察数据	使用了两个基准数据集（IHDP和ACIC）以及NHANES中关于吸烟对血镉水平影响的研究数据
12100	2025-04-06	On the Robustness of Bayesian Neural Networks to Adversarial Attacks 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3386642 PMID:38648123	research paper	本文分析了贝叶斯神经网络（BNNs）在过参数化极限下对抗攻击的几何特性，并证明了在该极限下BNNs对基于梯度的对抗攻击具有鲁棒性	揭示了在过参数化极限下，BNNs对基于梯度的对抗攻击的鲁棒性源于数据分布的退化性，并证明了BNN后验分布对这类攻击的鲁棒性	研究依赖于无限宽BNNs收敛到高斯过程的假设，且实验仅在MNIST、Fashion MNIST和一个合成数据集上进行	研究贝叶斯神经网络在对抗攻击下的鲁棒性	贝叶斯神经网络（BNNs）	machine learning	NA	Hamiltonian Monte Carlo, variational inference	Bayesian neural networks (BNNs), Gaussian processes (GPs)	image	MNIST, Fashion MNIST, 和一个合成数据集