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
2401	2025-04-06	Bilateral Cross-Modality Graph Matching Attention for Feature Fusion in Visual Question Answering 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2021.3135655 PMID:35130171	research paper	该论文提出了一种图匹配注意力网络（GMA），用于解决视觉问答（VQA）任务中图像和问题特征的跨模态融合问题	创新点包括为图像和问题构建图结构，探索模态内关系，并提出双边跨模态GMA来推断图像与问题之间的关系	未明确提及具体限制	研究目的是改进视觉问答任务中跨模态信息的对齐和利用	研究对象是视觉问答任务中的图像和问题	computer vision	NA	graph matching attention (GMA)	GMA network	image, text	GQA dataset和VQA 2.0 dataset（具体样本量未提及）
2402	2025-04-06	Quality-Driven Regularization for Deep Learning Networks and Its Application to Industrial Soft Sensors 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3144162 PMID:35180085	研究论文	本文提出了一种新的质量驱动正则化（QR）方法，用于深度网络从工业过程数据中学习质量相关特征	提出QR-SAE模型，通过改变损失函数控制不同输入变量的权重，以提取质量相关信息	NA	开发数据驱动的软传感器，提高工业过程质量预测的准确性	工业过程数据	机器学习	NA	深度网络	QR-SAE（基于质量驱动正则化的堆叠自编码器）	工业过程数据	NA
2403	2025-04-06	Learning Selective Sensor Fusion for State Estimation 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3176677 PMID:35657847	研究论文	提出了一种名为SelectFusion的端到端选择性传感器融合模块，用于处理自动驾驶和移动机器人系统中的多传感器数据融合问题	提出了两种新的融合模块——确定性软融合和随机硬融合，并提供了一个统一的框架，不限于特定的模态或任务	当前深度测距模型缺乏可解释性	解决多传感器数据融合中的鲁棒性问题，以处理现实世界中的噪声或不完整传感器观测	自动驾驶车辆和移动机器人系统	机器学习和传感器融合	NA	深度学习（DL）	SelectFusion模块	单目图像、惯性测量、深度图像和LIDAR点云	公共数据集和逐步退化的数据集
2404	2025-04-06	Dynamic Neural Network Structure: A Review for its Theories and Applications 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3377194 PMID:40038922	综述	本文全面回顾了动态神经网络（DNN）的理论及其应用，重点探讨了其在深度学习和广泛学习领域的发展	详细分析了DNN的动态结构和参数灵活性带来的优势，并探讨了其在多个领域的应用潜力	虽然综述了DNN的理论和应用，但未涉及具体实验验证或性能比较	旨在为研究人员提供对DNN的全面理解，并指导未来的研究方向	动态神经网络（DNN）的理论基础、结构优化及其应用	机器学习	NA	NA	DNN, BLS	NA	NA
2405	2025-04-06	Deep Learning Radiopathomics Models Based on Contrast-enhanced MRI and Pathologic Imaging for Predicting Vessels Encapsulating Tumor Clusters and Prognosis in Hepatocellular Carcinoma 2025-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.240213 PMID:40084948	研究论文	基于对比增强MRI和病理图像的深度学习放射病理组学模型预测肝细胞癌中的血管包裹肿瘤簇（VETC）和预后	开发了结合放射组学和病理组学的深度学习模型，用于预测肝细胞癌中的VETC模式和生存预后	研究为回顾性多中心设计，可能存在选择偏倚	预测肝细胞癌中的VETC模式并评估早期复发和无进展生存期（PFS）的风险	578例肝细胞癌患者	数字病理	肝细胞癌	对比增强MRI（钆塞酸增强）和病理成像	Swin Transformer	MRI图像和病理图像	578例患者（训练集317例，内部测试集137例，外部测试集124例）
2406	2025-04-06	Mouse-Geneformer: A deep learning model for mouse single-cell transcriptome and its cross-species utility 2025-Mar, PLoS genetics IF:4.0Q1 DOI:10.1371/journal.pgen.1011420 PMID:40106407	研究论文	本研究开发了一个针对小鼠的深度学习模型mouse-Geneformer，用于分析小鼠单细胞转录组数据，并探索其跨物种应用潜力	首次构建了专门针对小鼠的Geneformer模型，并验证了其在跨物种分析中的有效性	在COVID-19人类疾病模型中仅获得部分一致结果，显示物种特异性模型的必要性	开发适用于小鼠单细胞转录组分析的深度学习模型并探索其跨物种应用	小鼠和人类的单细胞转录组数据	机器学习	NA	scRNA-seq	Transformer Encoder	单细胞转录组数据	2100万个小鼠scRNA-seq图谱
2407	2025-04-06	Age-sex-specific burden of urological cancers attributable to risk factors in China and its provinces, 1990-2021, and forecasts with scenarios simulation: a systematic analysis for the Global Burden of Disease Study 2021 2025-Mar, The Lancet regional health. Western Pacific DOI:10.1016/j.lanwpc.2025.101517 PMID:40177596	research paper	该研究分析了1990-2021年中国及其各省份泌尿系统癌症的年龄性别特异性负担，并预测了未来情景模拟下的疾病负担	首次采用多注意力深度学习管道(iTransformer)建模泌尿系统癌症的时空模式，并提供年龄-性别-地区特异性长期预测	研究依赖于GBD数据库的准确性，且预测模型可能无法完全捕捉未来社会经济变化的影响	监测中国泌尿系统癌症的分布和决定因素，模拟健康干预措施的效果	中国34个省份的泌尿系统癌症患者	digital pathology	prostate cancer, bladder cancer, kidney cancer, testicular cancer	iTransformer深度学习模型	iTransformer	流行病学数据	全国范围1990-2021年数据，2021年新发病例266,887例，现患病例159,506,067例
2408	2025-04-06	Conv-MTD: A CNN Based Multi-Label Medical Tubes Detection and Classification Model to Facilitate Resource-constrained Point-of-care Devices 2025-Feb-18, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3543245 PMID:40036431	research paper	提出了一种基于CNN的多标签医疗管检测与分类模型Conv-MTD，用于辅助资源受限的即时医疗设备	利用EfficientNet-B7架构作为主干，并在中间层增强辅助头以缓解梯度消失问题，同时采用16位浮点量化优化模型	未提及模型在多样化数据集上的泛化能力或实际临床环境中的测试结果	开发一种自动化检测和分类医疗管放置位置的模型，以辅助放射科医生	医疗管的放置位置检测与分类	digital pathology	NA	CXR imaging	CNN, EfficientNet-B7	image	NA
2409	2025-04-06	Fast Virtual Stenting for Thoracic Endovascular Aortic Repair of Aortic Dissection Using Graph Deep Learning 2025-Feb-14, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3540712 PMID:40036417	research paper	提出一种基于图深度学习的快速虚拟支架置入方法，用于主动脉夹层的胸主动脉腔内修复术术前规划	首次将深度学习应用于快速虚拟支架置入任务，实现了时间依赖性的主动脉真腔重塑预测，并通过外壁信息提升内壁变形预测精度	尚未进行临床应用验证，仅基于269例真实随访数据进行测试	开发能准确预测支架置入后主动脉真腔随时间变化的模型，以评估再手术风险并优化手术方案	主动脉夹层患者的主动脉几何形态	digital pathology	cardiovascular disease	graph deep learning	graph deep network	3D point cloud	108名患者（269次真实随访）
2410	2025-04-06	Beyond Batch Learning: Global Awareness Enhanced Domain Adaptation 2025-Feb-14, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3541207 PMID:40036452	研究论文	提出了一种名为GAN-DA的新方法，通过全局统计和几何特征增强域适应的效果	引入了预定义特征表示（PFR）来对齐跨域分布，并扩展了正交和共同特征方面，以增强全局流形结构的统一和决策边界的优化	NA	解决传统批量学习策略在域适应（DA）中无法全面捕捉数据分布全局特性的问题	跨域图像分类任务	计算机视觉	NA	NA	GAN-DA	图像	27个不同的跨域图像分类任务
2411	2025-04-06	CT-SDM: A Sampling Diffusion Model for Sparse-View CT Reconstruction across Various Sampling Rates 2025-Feb-13, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3541491 PMID:40031824	研究论文	提出一种自适应重建方法CT-SDM，用于在不同采样率下实现高性能稀疏视图CT重建	设计了新颖的成像退化算子，在提出的采样扩散模型中模拟正弦图域的投影过程，从而能够通过一个训练模型从不同采样率恢复全视图正弦图	未提及具体采样率和数据集的限制	解决稀疏视图CT重建在不同采样率下的通用性问题	稀疏视图CT扫描数据	计算机视觉	NA	深度学习	扩散模型	CT图像	多个数据集（未具体说明样本数量）
2412	2025-04-06	Ultra-sparse-view Cone-beam CT Reconstruction Based Strictly-structure-preserved Deep Neural Network in Image-guided Radiation Therapy 2025-Feb-13, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3541242 PMID:40031817	research paper	该研究开发了一种基于生成对抗网络（GAN）的超稀疏视图锥束CT重建模型（PSSP-NET），用于在图像引导放射治疗中快速重建高质量CBCT图像	利用计划CT作为先验信息，开发了严格结构保留的CBCT模拟方法，并提出了PSSP-NET模型，实现了在极低采样率下的高质量CBCT图像快速重建	研究仅在头颈癌患者中进行了临床性能评估，未涉及其他癌症类型	减少放射治疗中CBCT扫描带来的额外辐射剂量，同时保持图像质量	头颈癌患者的CBCT图像	digital pathology	head-and-neck cancer	CBCT, GAN	GAN	image	头颈癌患者的临床CBCT投影数据
2413	2025-04-06	TransMatch: Employing Bridging Strategy to Overcome Large Deformation for Feature Matching in Gastroscopy Scenario 2025-Feb-13, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3541433 PMID:40031823	research paper	提出了一种名为TransMatch的特征匹配框架，用于解决胃镜场景中严重变形和大位移的特征匹配问题	通过Transformer结构利用全局信息匹配特征以解决大位移问题，并采用双向二次插值网络的桥接策略处理严重变形特征	未明确提及具体限制，可能需要在更多样化的数据集上验证	解决胃镜场景中严重变形和大位移的特征匹配问题	胃镜图像中的特征匹配	computer vision	NA	Transformer结构，双向二次插值网络	Transformer	image	构建了一个大规模胃镜数据集
2414	2025-04-06	Optimal Electroencephalogram and Electrooculogram Signal Combination for Deep Learning-based Sleep Staging 2025-Feb-13, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3541453 PMID:40031834	research paper	本研究探讨了基于深度学习的自动睡眠分期中EEG和EOG信号的最佳组合	首次系统地比较了不同EEG和EOG信号组合在自动睡眠分期中的性能表现	研究仅针对阻塞性睡眠呼吸暂停疑似患者，结果可能不适用于其他人群	寻找用于自动睡眠分期的简化EEG和EOG信号测量方案	876名疑似阻塞性睡眠呼吸暂停患者的EEG和EOG信号	machine learning	阻塞性睡眠呼吸暂停	深度学习	深度学习模型	EEG和EOG信号	876名疑似阻塞性睡眠呼吸暂停患者
2415	2025-04-06	AV-FOS: A Transformer-Based Audio-Visual Multi-modal Interaction Style Recognition for Children with Autism Based on the Family Observation Schedule (FOS-II) 2025-Feb-13, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3542066 PMID:40031833	research paper	提出了一种基于Transformer的音频-视觉多模态交互风格识别模型AV-FOS，用于自闭症儿童的行为分析	利用Transformer结构和自监督学习，结合FOS-R-III临床编码的音频-视觉多模态数据，自动生成具有临床可接受准确度的FOS-R-III测量结果	未明确提及具体样本量或数据集的多样性限制	开发一种能够自动分析自闭症儿童行为并生成临床有意义量表的AI模型	自闭症儿童的行为交互风格	digital pathology	autism	self-supervised learning, prompt engineering	Transformer, GPT4V	audio-visual multimodal data, video recordings	NA
2416	2025-04-06	Predicting mutation-disease associations through protein interactions via deep learning 2025-Feb-13, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3541848 PMID:40031830	研究论文	本文构建了一个真实世界的突变诱导疾病数据集，并提出了CGM模型来预测突变与疾病之间的关联	提出了结合胶囊网络和图拓扑网络的多头注意力模型（CGM），用于预测蛋白质突变与疾病的关联，并验证了突变导致蛋白质结构改变的可能性	受限于突变蛋白质数据集的规模，实验在基准和不平衡数据集上进行	预测突变与疾病之间的关联，进一步理解生物分子途径和疾病机制	蛋白质突变与疾病的关联	机器学习	NA	深度学习	Capsule和Graph topology networks with multi-head attention (CGM)	蛋白质相互作用数据	基准数据集和不平衡数据集，挖掘了22个未知蛋白质相互作用对
2417	2025-04-06	DSleepNet: Disentanglement Learning for Personal Attribute-agnostic Three-stage Sleep Classification Using Wearable Sensing Data 2025-Feb-13, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3541851 PMID:40031837	研究论文	本文提出了一种名为DSleepNet的新方法，用于个人属性无关的三阶段睡眠分类，通过解耦学习提高模型的泛化能力	使用两个概率编码器将特征空间解耦为个人属性相关和无关的组件，并引入独立激励机制去除两类特征之间的相关性	未明确提及具体的数据集规模或多样性限制	开发一种能够减少个人属性影响、提高睡眠阶段分类模型泛化能力的方法	穿戴式传感数据	机器学习	睡眠障碍, 心血管疾病, 2型糖尿病, 神经退行性疾病	解耦学习	CNN, 概率编码器	穿戴式传感数据	NA
2418	2025-04-06	Acupuncture State Detection at Zusanli (ST-36) Based on Scalp EEG and Transformer 2025-Feb-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3540924 PMID:40031811	research paper	该研究通过头皮EEG和Transformer技术，设计了一种针灸状态检测方法，用于区分针灸过程中的不同状态	提出了基于CNN和Transformer的针灸Transformer检测器(ATD)，能够高效分类不同针灸状态下的EEG信号	样本量较小(仅28名健康参与者)，且仅针对足三里穴位(ST-36)进行研究	开发一种自动识别针灸状态的方法，为针灸程序标准化提供新解决方案	针灸过程中的不同状态(捻针和留针)及其对脑电图(EEG)的影响	machine learning	NA	EEG信号分析	CNN, Transformer	EEG信号	28名健康参与者
2419	2025-04-06	Information Geometric Approaches for Patient-Specific Test-Time Adaptation of Deep Learning Models for Semantic Segmentation 2025-Feb-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3540546 PMID:40031589	research paper	本研究提出了一种基于信息几何原理的新框架，用于在测试时对深度学习语义分割模型进行患者特定的适应性调整	首次基于信息几何原理实现无需额外神经网络或解剖学先验信息的患者特定测试时适应性调整	未明确提及具体性能提升幅度或与其他方法的直接比较结果	解决医学影像中深度学习模型在测试时的患者特定适应性问题	COVID-19 CT图像异常、跨机构脑肿瘤MR图像、视网膜OCT图像	digital pathology	COVID-19, brain tumor, retinal disease	deep learning based semantic segmentation	CNN (implied by deep learning segmentation)	medical images (CT, MR, OCT)	NA
2420	2025-04-06	Stacked Ensemble Deep Random Vector Functional Link Network With Residual Learning for Medium-Scale Time-Series Forecasting 2025-Feb-11, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3529219 PMID:40031590	research paper	提出了一种结合堆叠深度块和残差学习的edRVFL网络，用于中等规模时间序列预测	结合堆叠深度块和残差学习改进edRVFL网络，提出ResdRVFL和SResdRVFL模型，增强多样性和误差校正能力	未提及具体的数据集限制或模型适用范围	提升中等规模时间序列预测的准确性和鲁棒性	时间序列数据	machine learning	NA	随机向量功能链接网络（dRVFL）和集成学习	ResdRVFL, SResdRVFL	时间序列数据	28个数据集