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
281	2025-03-06	A Multimodal Consistency-Based Self-Supervised Contrastive Learning Framework for Automated Sleep Staging in Patients With Disorders of Consciousness 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3487657 PMID:39471113	研究论文	本文提出了一种基于多模态一致性的自监督对比学习框架MultiConsSleepNet，用于自动化睡眠分期，特别是在意识障碍患者中的应用	提出了一个结合单模态特征提取器和多模态一致性特征提取器的网络，探索了EEG和EOG的通用表示，并设计了自监督对比学习策略以利用大量未标记数据	尽管在有限标记数据下表现出色，但在实际应用中仍需进一步验证其在不同临床环境中的适应性和稳定性	解决自动化睡眠分期中的表示和泛化能力不足、多模态特征提取限制、标记数据稀缺以及意识障碍患者应用受限的问题	意识障碍患者的睡眠分期	机器学习	意识障碍	自监督对比学习	MultiConsSleepNet	EEG和EOG数据	三个公开数据集和一个自收集的意识障碍患者数据集
282	2025-03-06	Forecasting Epidemic Spread With Recurrent Graph Gate Fusion Transformers 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3488274 PMID:39475731	研究论文	本文提出了一种名为ReGraFT的新型序列到序列模型，用于COVID-19的长期预测，通过整合多图门控循环单元和自适应图，提高了预测的准确性和稳定性	ReGraFT模型创新性地整合了多图门控循环单元（MGRU）和自适应图，能够动态建模复杂的传播动态，并通过自归一化启动层（SNP）增强预测的稳定性	模型对历史COVID-19数据的依赖较大，可能限制了利用时间滞后数据（如干预政策信息）的潜力	研究目的是通过深度学习模型提高COVID-19的长期预测准确性，以支持更好的公共卫生决策	研究对象是COVID-19的传播动态，包括感染率、政策变化和州际旅行等数据	机器学习	COVID-19	深度学习	Seq2Seq, MGRU, RNN, Transformer	时间序列数据	涉及多个州的数据，包括感染率、政策变化和州际旅行信息
283	2025-03-06	SleepECG-Net: Explainable Deep Learning Approach With ECG for Pediatric Sleep Apnea Diagnosis 2025-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3495975 PMID:39527413	研究论文	本文介绍了一种名为SleepECG-Net的新型可解释深度学习方法，用于直接评估儿童阻塞性睡眠呼吸暂停（OSA）的严重程度	结合卷积神经网络和循环神经网络（CNN-RNN），并应用Grad-CAM算法解释模型决策，提取与儿童OSA相关的ECG模式	NA	简化儿童阻塞性睡眠呼吸暂停（OSA）的诊断过程	儿童阻塞性睡眠呼吸暂停（OSA）患者	数字病理学	心血管疾病	深度学习	CNN-RNN	ECG信号	CHAT数据库1610例，CFS数据库64例，UofC数据库981例
284	2025-03-06	Community Graph Convolution Neural Network for Alzheimer's Disease Classification and Pathogenetic Factors Identification 2025-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3269446 PMID:37204952	研究论文	本文提出了一种新的深度学习方法——社区图卷积神经网络（Com-GCN），用于研究阿尔茨海默病（AD）的分类和致病因素识别	创新点在于将大脑区域和基因的协作关系抽象为大脑区域基因社区网络（BG-CN），并设计了Com-GCN架构，通过社区内和社区间的卷积操作来更好地匹配生理机制，提高分类性能和可解释性	NA	研究目的是通过深度学习方法来诊断阿尔茨海默病并提取其致病因素	研究对象是阿尔茨海默病（AD）患者的大脑区域和基因	机器学习	阿尔茨海默病	社区图卷积神经网络（Com-GCN）	图卷积神经网络（GCN）	神经影像数据	ADNI数据集
285	2025-03-06	Information Theoretic Learning-Enhanced Dual-Generative Adversarial Networks With Causal Representation for Robust OOD Generalization 2025-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3330864 PMID:37976189	研究论文	本文提出了一种结合信息理论学习和因果表示学习的双生成对抗网络框架，旨在增强现代机器学习中的鲁棒性分布外泛化能力	创新点在于将信息理论学习和因果表示学习无缝集成到双生成对抗网络架构中，通过因果图和信息理论增强特征表示，并开发了一种双对抗训练机制	未明确提及具体限制	增强现代机器学习中的鲁棒性分布外泛化能力	现代智能制造和智能交通系统中的机器学习模型	机器学习	NA	信息理论学习（ITL）和因果表示学习（CRL）	双生成对抗网络（Dual-GAN）	NA	基于一个开源数据集进行实验和评估
286	2025-03-06	Knowledge-Augmented Deep Learning and its Applications: A Survey 2025-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3338619 PMID:38090869	综述	本文综述了知识增强深度学习（KADL）的概念、主要任务及其在不同领域的应用	提供了一个广泛且完整的领域知识及其表示的分类法，系统回顾了现有技术，不同于现有综述对知识分类法的忽视	NA	探讨如何通过整合领域知识来提升深度学习模型的数据效率、泛化能力和可解释性	深度学习模型及其与领域知识的整合	机器学习	NA	NA	深度学习模型	NA	NA
287	2025-03-06	Hypernetwork-Based Physics-Driven Personalized Federated Learning for CT Imaging 2025-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3338867 PMID:38100342	研究论文	本文提出了一种基于超网络的物理驱动个性化联邦学习方法（HyperFed），用于CT成像，旨在解决数据集中收集导致的领域转移和隐私问题	提出了一种新的HyperFed方法，通过局部数据适应和全局CT成像问题的划分，结合物理驱动的超网络和全局共享成像网络，实现个性化CT重建	未提及具体的数据集规模或实验细节，可能限制了方法的广泛验证	提高CT成像质量并满足不同机构或扫描仪的个性化需求，同时避免数据共享	CT成像	计算机视觉	NA	深度学习（DL）	超网络（Hypernetwork）	CT图像	NA
288	2025-03-06	Dual Accuracy-Quality-Driven Neural Network for Prediction Interval Generation 2025-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3339470 PMID:38113152	研究论文	本文提出了一种用于回归任务中预测区间（PI）生成的神经网络方法，旨在提高深度学习模型在现实世界应用中的可靠性	设计了一种新颖的损失函数，用于PI生成网络，该函数考虑了目标估计网络的输出，并具有两个优化目标：最小化平均PI宽度和确保PI完整性，通过隐式最大化PI概率覆盖率的约束	NA	提高深度学习模型在回归任务中的不确定性量化能力，生成高质量的预测区间	回归任务中的神经网络模型	机器学习	NA	深度学习	神经网络	合成数据集、基准数据集、实际作物产量预测数据集	使用了一个合成数据集、八个基准数据集和一个实际作物产量预测数据集
289	2025-03-06	Masked Spatial-Spectral Autoencoders Are Excellent Hyperspectral Defenders 2025-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3345734 PMID:38163309	研究论文	本文提出了一种掩码空间-光谱自编码器（MSSA），用于增强高光谱图像（HSI）分析系统的鲁棒性，以抵御对抗攻击	提出了一种新的掩码空间-光谱自编码器（MSSA），结合自监督学习理论，通过掩码序列注意力学习（MSAL）模块和可学习图结构的图卷积网络（GCN）来增强HSI分析系统的鲁棒性	未明确提及具体局限性	增强高光谱图像分析系统对对抗攻击的鲁棒性	高光谱图像（HSI）分析系统	计算机视觉	NA	自监督学习，图卷积网络（GCN）	掩码空间-光谱自编码器（MSSA），图卷积网络（GCN）	高光谱图像	三个基准数据集
290	2025-03-06	A Lightweight Group Transformer-Based Time Series Reduction Network for Edge Intelligence and Its Application in Industrial RUL Prediction 2025-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3347227 PMID:38170656	研究论文	本文提出了一种轻量级组变压器时间序列缩减网络（GT-MRNet），用于工业剩余使用寿命（RUL）预测，旨在满足边缘智能的实时响应需求	GT-MRNet通过自适应选择必要的时间步长来减少计算量，采用轻量级组变压器提取特征，并提出时间序列缩减策略和多层次学习机制，显著降低了参数和计算成本	未明确提及具体局限性	开发一种适用于边缘设备的轻量级深度学习模型，用于工业剩余使用寿命（RUL）预测	工业设备的剩余使用寿命预测	机器学习	NA	深度学习	Transformer, GT-MRNet	时间序列数据	基于真实世界条件数据集的广泛实验结果
291	2025-03-06	Capsule Networks With Residual Pose Routing 2025-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3347722 PMID:38194388	研究论文	本文提出了一种简单而有效的胶囊路由算法，称为残差姿态路由，用于构建更深层次的胶囊网络架构	通过残差姿态路由简化了胶囊路由算法的计算复杂度，并避免了梯度消失问题，同时构建了类似ResNet的深层胶囊网络架构	未提及具体局限性	提高胶囊网络在深度学习中的性能，特别是在图像分类、3D物体重建和分类以及2D显著性密集预测等任务中的应用	胶囊网络（CapsNets）	计算机视觉	NA	残差学习框架	ResCaps（残差胶囊网络）	图像	MNIST、AffNIST、SmallNORB、CIFAR-10/100等数据集
292	2025-03-06	MDEformer: Mixed Difference Equation Inspired Transformer for Compressed Video Quality Enhancement 2025-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3354982 PMID:38285580	研究论文	本文提出了一种基于混合差分方程启发的新型Transformer模型（MDEformer），用于压缩视频质量增强	MDEformer通过引入混合差分方程的图形概念，利用跨层跨注意力聚合（CCA）模块和分区边界平滑（PBS）模块，充分挖掘视频序列中的特征信息，有效去除压缩伪影并恢复帧的纹理和细节信息	未明确提及具体限制	提升压缩视频的质量	压缩视频	计算机视觉	NA	深度学习	Transformer	视频	MFQE 2.0数据集
293	2025-03-06	Attentive Learning Facilitates Generalization of Neural Networks 2025-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3356310 PMID:38324433	研究论文	本文通过研究神经网络在训练样本中是否包含分布外（OoD）示例时的变化，探讨了神经网络的泛化能力	提出了一个新的概念——数据集分散稳定性（dataset-distraction stability），用于衡量OoD示例对网络预测的影响，并通过实验展示了其与泛化能力的负相关性	研究主要基于CIFAR-10/100数据集，未涉及其他数据集或实际应用场景	研究神经网络的泛化能力及其与训练数据分布的关系	神经网络在训练样本中的表现	机器学习	NA	NA	VGG, ResNet, WideResNet, ViT	图像数据	CIFAR-10/100数据集
294	2025-03-06	eVAE: Evolutionary Variational Autoencoder 2025-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3359275 PMID:38546992	研究论文	本文提出了一种进化变分自编码器（eVAE），通过整合变分信息瓶颈理论和进化神经网络学习，解决了变分自编码器在表示推断和任务拟合之间的不平衡问题	首次引入进化变分自编码器（eVAE），结合变分遗传算法和进化算子，动态解决学习权衡不确定性，无需额外约束和超参数调优	未明确提及具体局限性	解决变分自编码器在表示推断和任务拟合之间的不平衡问题，并提高生成质量和推断平衡	变分自编码器（VAE）及其在文本生成和图像生成中的应用	机器学习	NA	变分遗传算法（VGA），变分突变（V-mutation），交叉和进化	进化变分自编码器（eVAE）	文本和图像数据	未明确提及样本数量
295	2025-03-06	Applications and potential of machine, learning augmented chest X-ray interpretation in cardiology 2025-Feb, Minerva cardiology and angiology IF:1.4Q3 DOI:10.23736/S2724-5683.24.06288-4 PMID:39535525	综述	本文探讨了机器学习在胸部X光片解读中的应用及其在心脏病学中的潜力	提出了机器学习在提高胸部X光片解读效率和准确性方面的创新应用	未提及具体的技术限制或研究中的具体挑战	探索机器学习在胸部X光片解读中的应用，以改善心脏病学的临床决策	胸部X光片	计算机视觉	心血管疾病	机器学习	深度学习	图像	NA
296	2025-03-06	Light-based depth-sensing device with deep learning to measure spinal deformity: abridged secondary publication 2025-Feb, Hong Kong medical journal = Xianggang yi xue za zhi PMID:40038080	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
297	2025-03-06	Integrative multi-environmental genomic prediction in apple 2025-Feb, Horticulture research IF:7.6Q1 DOI:10.1093/hr/uhae319 PMID:40041603	研究论文	本文探讨了多环境基因组预测在苹果中的应用，通过整合表型、基因组和环境数据，提高了对特定土壤和气候条件下基因型选择的预测能力	本研究创新性地将统计模型和深度学习模型应用于多环境基因组预测，特别是通过整合基因型与环境交互效应，显著提高了预测能力	多环境数据集的构建和结构复杂模型的开发仍是主要挑战，限制了多环境基因组预测在苹果中的应用	研究目的是通过多环境基因组预测模型，选择适应不同环境条件的苹果品种，以应对气候变化的影响	研究对象是苹果的十一个性状，这些性状具有不同的遗传结构	机器学习	NA	基因组预测、深度学习	G-BLUP、深度学习模型	表型数据、基因组数据、环境数据	NA
298	2025-03-05	Discordance between a deep learning model and clinical-grade variant pathogenicity classification in a rare disease cohort 2025-Feb-28, NPJ genomic medicine IF:4.7Q1 DOI:10.1038/s41525-025-00480-w PMID:40021654	研究论文	本文探讨了深度学习模型AlphaMissense在预测错义变体功能影响和评估基因必要性方面的局限性，特别是在罕见疾病队列中的表现	揭示了AlphaMissense在识别致病性错义变体方面的不足，尤其是在内在无序区域（IDRs）的评估上	AlphaMissense在识别致病性错义变体方面的精确度和召回率较低，特别是在IDRs区域的表现不可靠	评估深度学习模型在罕见疾病中预测错义变体致病性的能力	罕见疾病队列中的错义变体	生物医学信息学	罕见疾病	深度学习	AlphaMissense	基因变异数据	45种罕见疾病队列
299	2025-03-05	Evaluating pedestrian crossing safety: Implementing and evaluating a convolutional neural network model trained on paired aerial and subjective perspective images 2025-Feb-28, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42428 PMID:40028551	研究论文	本研究提出利用先进的深度学习神经网络自动评估行人过街和环岛的安全性，通过分析来自Google Maps和Google Street View的航拍和街景图像	利用ConvNextV2、ResNet50和ResNext50模型进行综合分析，并采用Mask R-CNN进行精确分割和检测，克服了传统数据标注的挑战	数据不平衡和变量复杂性（如可见性和停车距离）带来的挑战	提高行人过街安全性，实现大规模、客观的过街评估	法国各种城市和农村环境中的行人过街和环岛	计算机视觉	NA	深度学习	ConvNextV2, ResNet50, ResNext50, Mask R-CNN	图像	法国各种城市和农村环境中的行人过街和环岛
300	2025-03-05	Framework for smartphone-based grape detection and vineyard management using UAV-trained AI 2025-Feb-28, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42525 PMID:40028582	研究论文	本文提出了一种结合无人机和智能手机技术的AI框架，用于葡萄串的自动检测和葡萄园管理	结合无人机和智能手机技术，利用无人机捕获的数据进行训练，提高了葡萄串检测的准确性和适应性，超越了传统和纯无人机方法	基于智能手机的图像收集用于模型训练是劳动密集型和成本高昂的	提高葡萄串检测的效率和准确性，减少葡萄园监测的时间和精力	葡萄园中的葡萄串	计算机视觉	NA	深度学习	X-Decoder, YOLO	图像, 视频	无人机视频数据集（BBCH77-BBCH79阶段）和智能手机拍摄的图像