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
1441	2025-10-06	Pruning the ensemble of convolutional neural networks using second-order cone programming 2025-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107544 PMID:40367720	研究论文	提出一种基于二阶锥规划的卷积神经网络集成剪枝方法	使用稀疏二阶锥优化模型同时最大化集成模型的准确性和多样性	仅在CIFAR-10、CIFAR-100和MNIST数据集上进行了测试	解决深度学习模型集成中的计算复杂度问题	包含不同深度和层数的卷积神经网络集成	机器学习	NA	集成剪枝	CNN	图像	CIFAR-10、CIFAR-100和MNIST数据集	NA	具有不同深度和层数的CNN	准确性	NA
1442	2025-10-06	SurvGraph: A hybrid-graph attention network for survival prediction using whole slide pathological images in gastric cancer 2025-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107607 PMID:40375420	研究论文	提出一种基于混合图注意力网络的SurvGraph模型，用于胃癌患者全切片病理图像的生存预测	采用混合图构建方法整合多种特征类型，并利用多头注意力图网络进行生存预测	NA	开发基于全切片病理图像的胃癌患者生存预测模型	胃癌患者	数字病理学	胃癌	全切片病理图像分析	图神经网络,多头注意力网络	病理图像	708名胃癌患者，来自三个独立队列	NA	混合图注意力网络	一致性指数(C-index)	NA
1443	2025-10-06	Enhancing the transferability of adversarial attacks via Scale Enriching 2025-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107549 PMID:40378598	研究论文	提出一种通过尺度丰富方法增强对抗样本在黑盒攻击中可迁移性的技术	通过特定范围内的输入尺度缩放来丰富代理模型的注意力区域，提高不同模型间的可迁移性，且不引入额外噪声	未明确说明在极端尺度变化或非图像数据上的适用性	提升对抗攻击在黑盒设置下的可迁移性	深度神经网络模型	计算机视觉	NA	对抗攻击	深度神经网络	图像	ImageNet数据集	NA	NA	成功率	NA
1444	2025-06-11	S2LIC: Learned image compression with the SwinV2 block, Adaptive Channel-wise and Global-inter attention Context 2025-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107590 PMID:40398182	research paper	提出了一种基于SwinV2块、自适应通道和全局交互注意力上下文的图像压缩方法S2LIC	设计了自适应通道和全局交互注意力上下文(ACGC)熵模型，实现了切片间和切片内的双特征聚合，并引入残差SwinV2 Transformer模型捕获全局特征信息	未明确提及具体限制	提高图像压缩的率失真性能和编解码速度	图像数据	computer vision	NA	深度学习	SwinV2 Transformer, ACGC	image	三个不同数据集（Kodak、Tecnick和CLIC Pro）	NA	NA	NA	NA
1445	2025-06-11	Emergence of human-like attention and distinct head clusters in self-supervised vision transformers: A comparative eye-tracking study 2025-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107595 PMID:40424761	研究论文	本研究探讨了自监督视觉变换器（ViTs）在模拟人类注视行为方面的表现，发现其自注意力机制能够形成与人类注视行为高度一致的结构化注意力模式	首次展示了自监督DINO训练的ViTs能够自发形成与人类注视行为相似的注意力模式，并识别出三种不同的注意力头集群	研究仅基于视频数据，未探讨其他视觉刺激下的表现	探索自监督视觉变换器是否能够模拟人类视觉注意力机制	自监督DINO训练的视觉变换器（ViTs）	计算机视觉	NA	自监督学习（DINO）	ViT (Vision Transformer)	视频	NA	NA	NA	NA	NA
1446	2025-06-11	VKAD: A novel fault detection and isolation model for uncertainty-aware industrial processes 2025-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107664 PMID:40435556	研究论文	提出了一种名为VKAD的新型故障检测与隔离模型，用于处理不确定性感知的工业过程	将Koopman算子理论与变分自编码器结合，提出VKAD模型，能够推断动态系统观测值的分布并捕获系统演化的不确定性	未明确提及	提高工业过程中故障检测与隔离的准确性和可靠性	工业过程的动态系统	机器学习	NA	变分自编码器	VKAD（Variational Koopman Anomaly Detector）	时间序列数据	Tennessee Eastman Process (TEP)数据集和真实卫星在轨遥测数据集(SAT)	NA	NA	NA	NA
1447	2025-10-06	Decision support system based on ensemble models in distinguishing epilepsy types 2025-Sep, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110470 PMID:40382997	研究论文	基于集成人工智能模型开发癫痫类型分类决策支持系统	结合多种AI模型构建集成学习系统，并采用SMOTE数据增强和Optuna超参数优化技术	回顾性研究，样本量相对有限（575例患者）	基于EEG结果区分不同类型的癫痫活动	575名癫痫患者的脑电图数据和临床特征	机器学习	癫痫	脑电图(EEG)	MLP, Random Forest, SVM, XGBoost	临床数据和EEG信号	575名患者	Optuna	多层感知器(MLP), 随机森林, 支持向量机, XGBoost	准确率, 召回率, F1分数	NA
1448	2025-06-09	HBUED: An EEG dataset for emotion recognition 2025-Sep-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.119397 PMID:40368143	research paper	该研究提出了一个大规模EEG数据集HBUED，并开发了一种深度学习方法来提高基于EEG的情绪识别性能	提出了一个大规模EEG数据集HBUED，并设计了一种双输入网络架构和平行特征提取模块来提升情绪识别性能	未提及具体的数据集样本多样性或模型在其他数据集上的泛化能力	提高基于EEG的情绪识别性能	EEG信号和人类情绪识别	machine learning	NA	深度学习	双输入网络架构	EEG信号	大规模EEG数据集HBUED和公开DEAP数据集	NA	NA	NA	NA
1449	2025-06-08	Longitudinal Comparison of Geographic Atrophy Enlargement Using Manual, Semiautomated, and Deep Learning Approaches 2025 Sep-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100787 PMID:40469899	research paper	比较了全自动AI模型、半自动化方法和手动平面测量在纵向评估地理萎缩（GA）中的表现	首次比较了全自动AI模型、半自动化方法和手动平面测量在GA评估中的一致性，并评估了AI模型的性能	研究为回顾性分析，样本量有限（108名患者，185只眼），且AI模型在15%的情况下需要人工干预	评估不同方法在GA纵向评估中的一致性和准确性	地理萎缩（GA）患者	digital pathology	geriatric disease	fundus autofluorescence imaging	AI (deep learning)	image	108名患者（185只眼）	NA	NA	NA	NA
1450	2025-06-07	Advanced data-driven interpretable analysis for predicting resistant starch content in rice using NIR spectroscopy 2025-Sep-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144311 PMID:40334489	研究论文	本研究提出了一种结合近红外光谱(NIR)和卷积神经网络(CNN)的创新数据驱动框架，用于快速、经济高效地预测大米中的抗性淀粉(RS)含量	创新性地将CNN与数据增强技术结合，并利用SHAP方法解释模型，显著提高了预测精度并缩小了关键波长范围	深度学习模型的'黑箱'特性虽然通过SHAP得到部分解释，但可能仍存在其他未被发现的局限性	开发一种快速、经济高效的大米抗性淀粉含量预测方法	大米中的抗性淀粉(RS)	机器学习	NA	近红外光谱(NIR)	CNN	光谱数据	NA	NA	NA	NA	NA
1451	2025-06-07	Intelligent transformation of ultrasound-assisted novel solvent extraction plant active ingredients: Tools for machine learning and deep learning 2025-Sep-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144649 PMID:40349518	综述	本文综述了机器学习和深度学习模型在超声波辅助新型溶剂提取植物活性成分中的应用进展	利用机器学习和深度学习模型解决超声波辅助提取中的挑战，包括加速新型溶剂筛选、促进活性成分发现、优化复杂提取过程、深入分析提取机制以及实时监控超声波设备	模型可解释性、数据集标准化和工业可扩展性等挑战	推动超声波辅助提取技术的智能化转型	植物活性成分	机器学习	NA	超声波辅助提取(UAE)	机器学习和深度学习模型	NA	NA	NA	NA	NA	NA
1452	2025-06-07	Smartphone-integrated Nanozyme approaches for rapid and on-site detection: Empowering smart food safety 2025-Sep-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144678 PMID:40359792	review	本文综述了智能手机集成的纳米酶技术在食品安全快速现场检测中的应用及其进展	探讨了智能手机与纳米酶技术结合用于实时生物传感的创新点，以及与AI、ML、DL和3D打印技术结合的潜力	讨论了提高灵敏度、实现多重检测和现场应用验证等关键挑战	旨在推动智能食品安全系统的发展，实现实时现场检测以确保食品质量和公共健康	食源性病原体、污染物、食品添加剂、营养素及有害残留物（如农药和兽药）	食品安全	NA	纳米酶技术、AI、ML、DL、3D打印	NA	实时生物传感数据	NA	NA	NA	NA	NA
1453	2025-06-07	Digital image-based chemometrics for food analysis: a practical tutorial and roadmap 2025-Sep-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144531 PMID:40367821	综述	本文综述了数字图像在食品分析中的应用，提供了从单变量方法到多变量分类/校准方法的路线图，并通过三个案例研究展示了其在食品安全和质量方面的潜力	介绍了混合颜色描述符、色度图、深度学习架构和时间分辨RGB成像等最新进展，提高了这些技术在食品科学中的稳健性和适用性	该领域面临关键挑战，特别是缺乏方法学标准化，文献中多样化的应用证明了这一点	开发食品质量控制中的分析方法	食品	化学计量学	NA	数字图像处理	深度学习架构	图像	NA	NA	NA	NA	NA
1454	2025-06-06	End-to-End Deep Learning-Based Motion Correction and Reconstruction for Accelerated Whole-Heart Joint T1/T2 Mapping 2025-Sep, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110396 PMID:40268172	研究论文	提出一种端到端深度学习算法，用于加速3D全心联合T1/T2映射，通过联合运动估计和基于模型的运动校正重建多对比度欠采样数据	采用端到端非刚性运动校正重建网络，显著减少重建时间（从2.5小时缩短至24秒），同时保持T1和T2值的良好一致性	未提及具体样本量或临床验证范围	加速全心心肌组织表征的3D联合T1/T2映射	多对比度欠采样MRI数据	医学影像分析	心血管疾病	深度学习算法、MRI多对比度成像	端到端非刚性运动校正重建网络	3D MRI影像	NA	NA	NA	NA	NA
1455	2025-06-06	Self-supervised learning for MRI reconstruction through mapping resampled k-space data to resampled k-space data 2025-Sep, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110404 PMID:40324545	研究论文	本文提出了一种自监督深度学习方法RSSDU，用于从欠采样的MRI数据中高效准确地重建图像，无需完全采样数据集作为参考	提出了一种新的自监督学习方法RSSDU，通过两次重采样k空间数据并训练网络从一个子集映射到另一个子集，无需完全采样数据	未提及具体在哪些临床场景下该方法可能表现不佳	开发一种无需完全采样数据的MRI图像重建方法	欠采样的MRI数据	医学影像处理	NA	深度学习	DL	MRI k空间数据	未提及具体样本量	NA	NA	NA	NA
1456	2025-06-06	Accelerating prostate rs-EPI DWI with deep learning: Halving scan time, enhancing image quality, and validating in vivo 2025-Sep, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110418 PMID:40368253	研究论文	本研究评估了基于深度学习的超分辨率技术在减少前列腺扩散加权成像（DWI）扫描时间的同时保持图像质量的可行性和有效性	使用多尺度自相似网络（MSSNet）进行图像重建，显著减少扫描时间并提升图像质量	研究未提及对大规模临床数据集的验证，可能影响结果的普适性	评估深度学习超分辨率技术在前列腺DWI中的应用效果	前列腺扩散加权成像（DWI）数据	数字病理	前列腺癌	readout-segmented echo-planar imaging (rs-EPI)	MSSNet	医学影像	未明确提及样本数量	NA	NA	NA	NA
1457	2025-06-06	A Multihead Attention Deep Learning Algorithm to Detect Amblyopia Using Fixation Eye Movements 2025 Sep-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100775 PMID:40458668	研究论文	开发了一种基于多注意力头的深度学习模型，通过简单的视觉注视任务中的眼动数据来检测不同类型和严重程度的弱视患者	使用多注意力头的transformer编码器模型，首次利用眼动数据进行弱视的客观分类	样本量相对较小（135名受试者），且仅在单一医疗中心进行	开发客观检测弱视的深度学习模型	40名对照组和95名弱视患者（包括不同类型和严重程度）	计算机视觉	弱视	红外视频眼动追踪技术	多注意力头transformer编码器	眼动位置数据	135名受试者（40名对照，95名弱视患者）	NA	NA	NA	NA
1458	2025-10-07	Deep learning-assisted 10-μL single droplet-based viscometry for human aqueous humor 2025-Sep-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117530 PMID:40359807	研究论文	开发了一种基于深度学习的微流控粘度测量方法，用于测量仅10微升的人眼房水样本	首次实现了对10微升人眼房水粘度的测量，采用单液滴微流控技术和深度学习分析方案	样本量有限，仅能处理微量生物流体	优化青光眼治疗中微管分流器的设计	人眼房水	生物医学工程	青光眼	微流控技术	深度学习	视频/图像	10微升单液滴人眼房水样本	NA	NA	NA	NA
1459	2025-10-07	Multi-modal multi-task deep neural networks for sleep disordered breathing assessment using cardiac and audio signals 2025-Sep, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105932 PMID:40286704	研究论文	提出一种基于心电信号和音频信号的多模态多任务深度学习方法来评估睡眠呼吸障碍	首次将心电信号与音频信号相结合用于SDB评估，采用多任务学习框架同时进行呼吸事件检测、AHI估计和睡眠分期	样本量相对有限（161名受试者），严重程度分类准确率有待提高（57.8%）	开发成本效益高且易于获取的睡眠呼吸障碍检测方法	睡眠呼吸障碍患者	机器学习	睡眠呼吸障碍	心电信号分析，音频信号分析	深度神经网络	心电信号，音频信号	161名受试者的夜间记录	NA	多模态多任务深度神经网络	F1分数，相关系数，准确率	NA
1460	2025-10-07	Using longitudinal data and deep learning models to enhance resource allocation in home-based medical care 2025-Sep, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105953 PMID:40300486	研究论文	本研究利用纵向数据和深度学习模型预测家庭医疗护理阶段，以优化资源分配	首次将Transformer编码器与LSTM、GRU等深度学习模型应用于家庭医疗护理阶段预测，并比较不同连续就诊次数对预测性能的影响	研究为回顾性设计，数据来源单一（仅台北市医院），未进行外部验证	通过人工智能预测家庭医疗护理阶段，优化家庭医疗护理资源分配	家庭医疗护理患者	机器学习	老年疾病	NA	Transformer, LSTM, GRU	医疗记录（住院、门诊、家庭医疗护理记录）	4,343名患者，平均年龄85.04±11.47岁	NA	Transformer编码器, LSTM, GRU	准确率, 精确率, 召回率, AUC	NA