深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
101	2025-12-10	SFM-Net: Semantic Feature-Based Multi-Stage Network for Unsupervised Image Registration 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3524361 PMID:40030793	研究论文	本文提出了一种名为SFM-Net的无监督多阶段语义特征网络，用于解决具有复杂解剖结构的图像之间的精细配准问题	提出了基于语义特征的多阶段网络，设计了双阶段训练策略（强度图像配准阶段和语义特征配准阶段），并构建了双流特征提取模块和精细化变形场生成模块，可在单一网络内实现从粗到精的配准	NA	改进具有复杂解剖结构的图像之间的无监督配准精度	3D脑部MRI图像和肝脏CT图像	计算机视觉	NA	NA	深度学习网络	图像	NA	NA	U-Net	NA	NA
102	2025-12-10	Multi-Sensor Wearable Device With Transformer-Powered Two-Stream Fusion Model for Real-Time Leg Workout Monitoring 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3524398 PMID:40030794	研究论文	本研究开发了一种用于腿部锻炼实时监测的多模态可穿戴设备，并提出了一种基于Transformer的双流融合模型，以高效提取时空特征	提出了一种新型的Transformer驱动的双流融合模型，用于高效准确地提取时空特征，并开发了具有实时步态分析能力的多模态可穿戴设备	未在摘要中明确说明	推进使用多传感器融合与深度学习和医疗物联网技术进行高级步态监测与分析	腿部锻炼监测与步态分析	机器学习	NA	多传感器融合，医疗物联网	Transformer	多模态传感器数据	未在摘要中明确说明	NA	Transformer-powered Two-Stream Fusion	精确率, 召回率, F1分数	NA
103	2025-12-10	Unsupervised Domain Adaptation for Cross-Modality Cerebrovascular Segmentation 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3523103 PMID:40030830	研究论文	本文提出了一种无监督域适应框架CereTS，用于跨模态脑血管分割，旨在解决不同成像模态间标注成本高和模型性能下降的问题	CereTS采用多级域对齐模式，包括图像级循环几何一致性约束、块级掩码对比约束和特征级语义感知约束，以缩小域差异同时保持血管结构一致性	NA	实现跨模态脑血管分割的无监督域适应，以支持颅内血管疾病的诊断和治疗规划	时间飞行磁共振血管成像（TOF-MRA）和计算机断层扫描血管成像（CTA）中的脑血管	计算机视觉	颅内血管疾病	TOF-MRA, CTA	深度学习模型	图像	NA	NA	CereTS	NA	NA
104	2025-12-10	A Hybrid Artificial Intelligence System for Automated EEG Background Analysis and Report Generation 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3496996 PMID:40030193	研究论文	本研究提出了一种创新的混合人工智能系统，用于自动解读EEG背景活动并生成报告	结合深度学习模型进行后主导节律预测、无监督伪迹去除以及专家设计的异常检测算法，并利用大语言模型实现报告生成	局灶性异常检测的改进未达到统计学显著性	开发一个自动化的EEG背景分析和报告生成系统，以辅助资源有限环境下的神经科医生	脑电图（EEG）信号	机器学习	神经系统疾病	EEG信号分析	深度学习模型, 大语言模型	EEG信号	1530个标记的EEG数据，并在内部数据集和Temple University异常EEG语料库上进行验证	NA	集成模型	平均绝对误差, 均方根误差, 准确率, F1分数	NA
105	2025-12-09	Revolutionizing cleft lip and palate management through artificial intelligence: a scoping review 2025-Apr-10, Oral and maxillofacial surgery DOI:10.1007/s10006-025-01371-1 PMID:40208434	综述	本文对过去10年人工智能在唇腭裂管理中的应用进行了范围综述，涵盖了预测、诊断、治疗和教育等多个方面	首次对人工智能在唇腭裂领域的应用进行系统性范围综述，并识别出六个关键子类别	研究数量有限（仅25篇），且主要集中在特定地区（如美国），可能存在发表偏倚	综述人工智能在唇腭裂预测、诊断和治疗中的应用，以优化患者护理	唇腭裂患者	数字病理	唇腭裂	NA	深度学习, 机器学习	NA	NA	NA	NA	NA	NA
106	2025-12-09	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	研究论文	本文提出了一种新颖的深度概率主成分分析（DePPCA）模型，用于工业过程监控和故障检测	结合概率建模和深度学习的优势，通过贪婪分层预训练和端到端微调构建深度结构，实现高效特征提取和监控	NA	开发一种准确且高效的过程监控方法	工业过程监控和故障检测	机器学习	NA	概率潜在变量模型，深度学习	PPCA, DePPCA	工业过程数据	NA	NA	深度PPCA（DePPCA）	NA	NA
107	2025-12-06	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	本文提出了一种基于半监督域适应的深度学习方法，用于低成本空气质量传感器的校准	将传感器校准任务转化为半监督域适应问题，并引入直方图损失和加权对抗熵优化来应对协变量偏移和标签差距	未明确说明实验数据的具体来源和传感器类型，可能限制了方法的通用性	提高低成本空气质量传感器的校准精度，以增强其可靠性	低成本空气质量传感器及其与参考监测器的校准数据	机器学习	NA	深度学习	NA	传感器数据	NA	NA	NA	R²分数, MAE	NA
108	2025-12-06	A Novel Hierarchical Cross-Stream Aggregation Neural Network for Semantic Segmentation of 3-D Dental Surface Models 2025-04, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3404276 PMID:38848227	研究论文	本文提出了一种新颖的分层跨流聚合神经网络，用于3D牙科表面模型的语义分割，以提升牙齿分割的准确性	设计了分层跨流聚合网络，通过上下文跨流聚合模块和判别性跨流聚合模块，从多视图输入中学习更具区分性的点/单元表示，改进了多流网络中的特征融合策略	未明确提及具体限制，可能包括计算复杂度或对特定数据类型的依赖性	开发一种高效准确的3D牙科模型语义分割方法，以支持个性化正畸治疗规划	3D牙科表面模型，特别是真实患者牙齿模型	计算机视觉	牙科疾病	深度学习，语义分割	神经网络	3D点云数据	公共和内部真实患者牙科模型数据集，具体样本数量未明确	未明确指定，可能基于PyTorch或TensorFlow	分层跨流聚合网络，多流骨干网络	未明确指定，可能包括准确性、Dice系数等	未明确指定，可能使用GPU进行训练和推理
109	2025-12-06	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	研究论文	本文提出了一种结合模型驱动与数据驱动的新范式，通过学习解耦先验来提升高光谱图像异常检测的性能	提出了一种耦合模型驱动低秩表示方法与数据驱动深度学习技术的新范式，通过解耦先验学习来建模背景，并设计了跳跃残差连接来建模显式与隐式先验之间的关系	未在摘要中明确说明	提升高光谱图像异常检测的准确性和泛化能力	高光谱图像中的背景与异常目标	计算机视觉	NA	高光谱成像	深度学习	高光谱图像	多个广泛认可的数据集（未指定具体数量）	NA	基于模型驱动的深度展开架构	检测性能、泛化能力（未指定具体指标）	NA
110	2025-12-06	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	研究论文	本文提出了一种名为自适应多尺度注意力深度神经网络（兴奋注意力）的新颖技术，用于处理表格数据，旨在通过并行多级特征加权提高分类和回归任务的性能，并提供多层次的可解释性	提出自适应多尺度注意力机制，通过并行多级特征加权学习特征注意力，在多种规模的数据集上实现高性能，并提供四个层次的可解释性分析	未明确提及具体局限性，可能包括对特定数据类型或领域的泛化能力未经验证	开发一种用于表格数据的深度学习方法，以提高性能并增强模型的可解释性	表格结构化数据	机器学习	NA	自适应多尺度注意力深度神经网络	深度神经网络	表格数据	涉及小型、中型、大型和超大型数据集，具体数量未明确	NA	自适应多尺度注意力深度神经网络（兴奋注意力）	F1分数, 平均绝对误差	NA
111	2025-12-06	General Hyperspectral Image Super-Resolution via Meta-Transfer Learning 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3387970 PMID:38648133	研究论文	本文提出了一种基于元迁移学习的通用高光谱图像超分辨率框架，以解决数据稀缺、高维度和数据集间巨大域差异的问题	通过元迁移学习随机采样不同光谱范围进行超分辨率任务，使模型积累多样化任务经验，并采用任务调度策略逐步扩展波段数以弥合数据集间的域差异	未明确提及具体的数据集规模限制或计算资源需求，可能在实际应用中面临数据获取和计算成本挑战	提升高光谱图像超分辨率的性能和泛化能力，使其适用于多种场景	高光谱图像	计算机视觉	NA	NA	深度学习模型	高光谱图像	NA	NA	基于多融合特征的网络架构	定性评估, 定量评估	NA
112	2025-12-06	Dual-Channel Adaptive Scale Hypergraph Encoders With Cross-View Contrastive Learning for Knowledge Tracing 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3386810 PMID:38652621	研究论文	本文提出了一种名为HyperKT的新型知识追踪模型，通过双通道自适应尺度超图编码器和跨视图对比学习来预测学习者的未来表现	设计了自适应尺度超边蒸馏组件来生成反映响应间非成对高阶特征的知识感知超边和模式感知超边，并引入双通道超图编码器从全局和局部状态超图中捕获多粒度知识状态，同时采用跨视图对比学习机制增强监督信号	未在摘要中明确说明	改进知识追踪任务，更准确地预测学习者的未来表现	学习者的历史响应数据	机器学习	NA	NA	超图神经网络, 对比学习	学习者响应序列数据	三个真实世界数据集（未指定具体数量）	NA	简化超图卷积网络, 协作超图卷积网络	NA	NA
113	2025-12-06	A Colorectal Coordinate-Driven Method for Colorectum and Colorectal Cancer Segmentation in Conventional CT Scans 2025-04, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3386610 PMID:38687670	研究论文	本文提出了一种名为DeepCRC-SL的自动化分割算法，用于在常规增强CT扫描中分割结直肠和结直肠癌	首次在常规增强CT中实现结直肠和结直肠癌的自动化分割，引入了拓扑感知的深度学习方法和一维结直肠坐标系，并采用坐标驱动的自学习策略利用未标记数据提升性能	未明确提及具体局限性，但可能包括数据集规模有限或算法在更广泛临床环境中的泛化能力	开发自动化分割算法以辅助结直肠癌的检测、分期和治疗反应监测	结直肠和结直肠癌组织	数字病理	结直肠癌	常规增强CT扫描	深度学习	医学图像（CT扫描）	227个标记病例和585个未标记病例	NA	自注意力层	DSC（Dice相似系数）	NA
114	2025-12-04	An explainable deep learning platform for molecular discovery 2025-04, Nature protocols IF:13.1Q1 DOI:10.1038/s41596-024-01084-x PMID:39653800	研究论文	介绍了一个可解释的深度学习平台，用于分子发现，特别是抗生素结构类别的识别	结合Chemprop软件包中的图神经网络，提供可解释的深度学习平台，能识别预测活性的化学亚结构，并高效搜索大型化学空间	未提及具体性能限制或数据偏差问题	开发一个可解释的深度学习平台，用于分子发现，以识别具有所需活性的结构类别	小分子化合物，包括抗生素、抗癌、抗病毒和衰老相关药物，以及无机分子	机器学习	NA	图神经网络	图神经网络	化学结构数据	NA	Chemprop	图神经网络	NA	无需专用硬件
115	2025-12-03	Physics-informed deep learning for infectious disease forecasting 2025-Apr-29, ArXiv PMID:39876937	研究论文	本研究提出了一种基于物理信息神经网络（PINN）的新型传染病预测模型，通过将疾病传播的动力学系统表示融入损失函数，结合流行病学理论和数据，以改进预测能力	将物理信息神经网络（PINN）应用于传染病预测，通过整合动力学系统表示和协变量子网络，防止过拟合并提升预测准确性	模型仅在加州州级COVID-19数据上进行了验证，未在其他地区或疾病上广泛测试	改进传染病预测方法，以更好地应对未来大流行病	传染病传播动态，特别是COVID-19的病例数、死亡数和住院数	机器学习	传染病	物理信息神经网络（PINN）	PINN, RNN, LSTM, GRU, Transformer	时间序列数据	加州州级COVID-19数据	NA	物理信息神经网络（PINN），包含协变量子网络	预测一致性，与基准模型比较	NA
116	2025-12-03	One-click image reconstruction in single-molecule localization microscopy via deep learning 2025-Apr-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.13.648574 PMID:40376092	研究论文	本文介绍了AutoDS和AutoDS3D两种基于深度学习的软件，用于单分子定位超分辨率显微镜数据的自动重建，显著减少了人工干预	通过自动从原始成像数据中提取实验参数，减少了模型训练中的人工调参需求，并优化了计算效率，实现了单点击图像重建	未明确提及模型的泛化能力在极端实验条件下的表现或潜在的数据偏差问题	开发自动化软件以简化单分子定位超分辨率显微镜的图像重建过程，提高成像通量和减少人工干预	单分子定位超分辨率显微镜数据，特别是复杂生物样本的成像数据	计算机视觉	NA	单分子定位超分辨率显微镜	深度神经网络	图像	NA	NA	Deep-STORM, DeepSTORM3D	NA	NA
117	2025-11-30	Rosette Trajectory MRI Reconstruction with Vision Transformers 2025-Apr-01, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11040041 PMID:40278708	研究论文	提出一种结合逆傅里叶变换和视觉Transformer的玫瑰轨迹磁共振成像重建方法	首次将视觉Transformer网络与卷积层结合用于非笛卡尔数据重建，无需大量预处理即可处理复杂空间依赖关系	NA	开发高效的玫瑰轨迹磁共振成像重建流程	玫瑰轨迹磁共振成像数据	计算机视觉	NA	磁共振成像	ViT, CNN	医学图像	NA	NA	Vision Transformer	归一化均方根误差, 峰值信噪比, 基于熵的图像质量评分	NA
118	2025-11-26	Boosting Reservoir Computing with Brain-inspired Adaptive Dynamics 2025-Apr-16, ArXiv PMID:40321946	研究论文	本研究通过引入受大脑启发的自适应机制来提升储层计算的性能	提出局部自适应调节兴奋-抑制平衡的机制，并引入神经元发放率的异质性设计	未明确说明实验数据的具体规模和复杂度	改进储层计算的性能与鲁棒性，减少超参数调优需求	储层计算系统	机器学习	NA	储层计算	储层计算网络	时间序列数据	NA	NA	具有随机固定连接的储层网络	记忆容量，时间序列预测精度	NA
119	2025-11-16	Optimizing Biophysical Large-Scale Brain Circuit Models With Deep Neural Networks 2025-Apr-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.07.647497 PMID:40291740	研究论文	提出一种利用深度神经网络优化生物物理大规模脑回路模型的新框架DELSSOME	通过深度学习直接预测模型参数是否产生真实脑动力学，绕过了传统需要重复数值积分的方法	NA	优化生物物理脑回路模型的参数以增强生物合理性	反馈抑制控制平均场模型和脑动力学数据	计算神经科学	NA	平均场建模	深度神经网络	脑动力学数据	NA	NA	NA	速度提升倍数	NA
120	2025-11-15	Deep Learning-Based Event Counting for Apnea-Hypopnea Index Estimation Using Recursive Spiking Neural Networks 2025-04, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3498097 PMID:40030371	研究论文	提出一种基于递归脉冲神经网络的深度学习事件计数方法，用于家庭环境中睡眠呼吸暂停的筛查和呼吸暂停低通气指数估计	首次将递归脉冲神经网络应用于呼吸事件计数，无需精确定位事件时间点即可实现准确的AHI估计	样本量较小（N=33），需要在更大数据集上验证性能	开发改进的家庭睡眠呼吸暂停筛查方法	睡眠呼吸暂停患者	机器学习	睡眠呼吸暂停	音频记录，血氧饱和度记录	SNN	音频信号，SpO2信号	33例整夜录音数据	NA	递归脉冲神经网络	平均绝对误差	NA