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
2481	2025-04-06	Automatic Detection of Tooth-Gingiva Trim Lines on Dental Surfaces 2023-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3263161 PMID:37015112	research paper	提出了一种两阶段几何深度学习框架，用于自动检测牙齿-牙龈修剪线	提出了一个两阶段框架，包括修剪线提议网络（TLP-Net）和修剪线细化网络（TLR-Net），能够充分利用高分辨率牙科表面数据	未提及具体样本量或临床验证的广泛性	自动检测牙齿-牙龈修剪线以支持牙科治疗规划和矫正器3D打印	牙齿-牙龈修剪线	computer vision	NA	几何深度学习	U-Net, LDDMM	3D牙科表面数据	NA
2482	2025-04-06	DensePPI: A Novel Image-Based Deep Learning Method for Prediction of Protein-Protein Interactions 2023-10, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2023.3251192 PMID:37028059	研究论文	提出了一种基于图像的深度学习方法DensePPI，用于预测蛋白质-蛋白质相互作用	引入了一种颜色编码方案，将氨基酸的双字母相互作用可能性嵌入RGB颜色空间，以增强学习和预测任务	NA	预测蛋白质-蛋白质相互作用，以理解生物行为并识别疾病关联	蛋白质对	计算机视觉	NA	深度学习	CNN	图像	550万张128×128的子图像，来自近3.6万对相互作用和3.6万对非相互作用的基准蛋白质对
2483	2025-04-06	Temporal Convolutional Network-Based Signal Detection for Magnetotactic Bacteria Communication System 2023-10, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2023.3262555 PMID:37030804	研究论文	本文提出了一种改进的时间卷积网络（TCN），用于基于磁趋细菌（MTB）的分子通信系统中的信号检测	提出了一种改进的TCN模型，用于MTB通信系统中的信号检测，展示了优于现有深度学习和次优MAP检测器的性能	在性能上仍不及最优MAP检测器，且在某些情况下与BiLSTM检测器表现相似	解决分子通信系统中由于符号间干扰和外部噪声导致的信号检测难题	磁趋细菌（MTB）作为信息载体的分子通信系统	机器学习	NA	深度学习（DL）	TCN（时间卷积网络）	信号数据	NA
2484	2025-04-06	Ultrasound Frame-to-Volume Registration via Deep Learning for Interventional Guidance 2023-09, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2022.3229903 PMID:37015418	研究论文	本文提出了一种基于深度学习的超声帧到体积配准方法，用于前列腺癌活检的图像引导干预	提出了一种新颖的超声帧到体积配准（FVReg）流程，通过深度神经网络实现全自动配准，无需外部跟踪设备	未提及具体局限性	开发自动图像配准系统，用于2D超声帧与3D MR图像的融合导航	前列腺癌活检的临床数据集	计算机视觉	前列腺癌	深度学习	深度神经网络	2D超声帧和3D MR图像	618名受试者
2485	2025-04-06	WVDL: Weighted Voting Deep Learning Model for Predicting RNA-Protein Binding Sites 2023 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3252276 PMID:37028092	研究论文	提出一种加权投票深度学习模型（WVDL），用于预测RNA-蛋白质结合位点	使用加权投票方法整合CNN、LSTM和ResNet三种基本分类器模型，提高模型性能	NA	预测RNA-蛋白质结合位点	RNA-蛋白质结合位点	机器学习	NA	深度学习	CNN, LSTM, ResNet	RNA序列数据	公开数据集RBP-24
2486	2025-04-06	The Big Bang of Deep Learning in Ultrasound-Guided Surgery: A Review 2023-09, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2023.3255843 PMID:37028313	review	本文综述了深度学习在超声引导手术中的应用，总结了当前趋势并提出了未来研究方向	全面回顾了深度学习在超声引导手术中的应用，并提出了未来研究方向	未提及具体实验数据或样本量，可能缺乏实证支持	探讨深度学习在超声引导手术中的应用及其潜力	超声引导手术中的图像处理技术	digital pathology	NA	深度学习算法	DL	image	NA
2487	2025-04-06	Domain Agnostic Post-Processing for QRS Detection Using Recurrent Neural Network 2023-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3235341 PMID:37018588	研究论文	本文提出了一种基于循环神经网络（RNN）的领域无关后处理方法，用于改进QRS检测算法中的R峰定位	首次提出使用RNN模型从QRS分割深度学习模型的输出中学习所需的后处理，实现领域无关的自动化后处理	在某些情况下（使用浅层QRS分割模型和TWADB数据集时）性能略低于领域特定后处理方法（差距≤2%）	改进QRS检测算法中的后处理步骤，提高模型的泛化能力	QRS检测算法的后处理流程	机器学习	心血管疾病	RNN	RNN	信号数据	NA
2488	2025-04-06	CAT: Constrained Adversarial Training for Anatomically-Plausible Semi-Supervised Segmentation 2023-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3243069 PMID:37022409	研究论文	提出了一种名为CAT的约束对抗训练方法，用于生成解剖学上合理的半监督医学图像分割结果	通过对抗训练策略和Reinforce算法解决非可微分解剖约束的集成问题，能够考虑连通性、凸性和对称性等复杂解剖约束	未提及具体在哪些临床数据集上测试，以及与其他方法的详细对比结果	提高医学图像分割的解剖学合理性	医学图像分割	数字病理	NA	对抗训练、Reinforce算法	深度学习模型	医学图像	合成数据和四个临床相关数据集（未说明具体样本量）
2489	2025-04-06	Attributed Abnormality Graph Embedding for Clinically Accurate X-Ray Report Generation 2023-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3245608 PMID:37027529	研究论文	本文提出了一种新的知识图结构——属性异常图（ATAG），用于提高X射线报告生成的临床准确性	引入ATAG结构自动构建细粒度异常图，结合图注意力网络和分层注意力机制提升报告生成质量	NA	提高X射线报告生成的临床准确性	X射线图像及其报告	计算机视觉	NA	图注意力网络（GAT）	encoder-decoder架构	X射线图像和文本报告	基于基准数据集进行实验
2490	2025-04-06	SDMT: Spatial Dependence Multi-Task Transformer Network for 3D Knee MRI Segmentation and Landmark Localization 2023-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3247543 PMID:37027574	研究论文	提出了一种名为SDMT的空间依赖多任务Transformer网络，用于3D膝关节MRI的分割和标志点定位	利用分割结果和标志点位置的空间依赖性相互促进两个任务，设计了任务混合多头注意力机制和动态权重多任务损失函数	仅在自建的3D膝关节MRI多任务数据集上进行了验证	开发一种能够同时完成膝关节MRI分割和标志点定位的多任务深度学习模型	3D膝关节MRI图像	计算机视觉	膝关节疾病	深度学习	Transformer	3D MRI图像	未明确说明样本数量（使用自建数据集）
2491	2025-04-06	On the Importance of Domain Awareness in Classifier Interpretations in Medical Imaging 2023-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3247659 PMID:37027636	研究论文	本文探讨了在医学影像分类中领域感知的重要性，并提出了一种领域感知的放射学环境解释流程	提出了边缘化技术和评估程序来解决医学影像病理分类器中的分布外问题，并设计了一个完整的领域感知流程	当前主流方法使用启发式且未经验证的方法论，可能在验证域之外操作网络	提高深度学习辅助分类在临床适应中的可解释性	医学影像病理分类器	数字病理	NA	深度学习	CNN	图像	两个公开可用的图像数据集（CBIS-DDSM/DDSM乳腺X光片集合和Chest X-ray14放射影像）
2492	2025-04-06	Beyond Correlations: Deep Learning for Seismic Interferometry 2023-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3172385 PMID:35552139	研究论文	本文提出了一种基于深度学习的被动地震干涉测量方法，用于克服传统相关方法的局限性	利用深度神经网络从环境噪声中提取正确的格林函数，突破了传统相关方法在时间和空间上的限制	所有数值实验均基于合成数据，且仅针对勘探尺度的P波反射进行	改进被动地震干涉测量技术，提高从环境噪声中提取格林函数的准确性	地震波格林函数	地球物理信号处理	NA	深度学习	改进的ResNet	合成地震数据	NA
2493	2025-04-06	Federated Partially Supervised Learning With Limited Decentralized Medical Images 2023-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3231017 PMID:37015445	research paper	本文提出了一种新的联邦部分监督学习（FPSL）框架FedPSL，用于处理有限分散的医学图像数据	提出了联邦部分监督学习（FPSL）的新问题，并设计了包含任务依赖模型聚合和任务无关解耦学习的FedPSL框架	实验基于模拟数据，未在真实临床环境中验证	解决医学图像数据分散和部分标注情况下的联邦学习问题	分散的医学图像数据	machine learning	NA	federated learning	deep learning-based models	medical images	limited decentralized data (simulated)
2494	2025-04-06	GeoSynth: A Photorealistic Synthetic Indoor Dataset for Scene Understanding 2023-May, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3247087 PMID:37027722	research paper	本文介绍了GeoSynth，一个用于室内场景理解任务的多样化、逼真合成数据集	提出了一种新的合成数据集GeoSynth，包含丰富的标注信息，如分割、几何、相机参数等，能显著提升感知任务的网络性能	数据集仅部分公开，可能限制其广泛应用	解决室内场景理解任务中大规模标注数据集创建成本高、耗时长的问题	室内场景	computer vision	NA	NA	NA	image	NA
2495	2025-04-06	MSHT: Multi-Stage Hybrid Transformer for the ROSE Image Analysis of Pancreatic Cancer 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3234289 PMID:37018254	研究论文	提出了一种多阶段混合Transformer（MSHT）方法，用于胰腺癌ROSE图像的自动分类	结合CNN和Transformer的优势，CNN提取多尺度局部特征作为注意力引导，Transformer进行全局建模，提高了分类准确性和注意力区域的准确性	未提及具体局限性	开发一种深度学习方法，用于自动分类胰腺癌ROSE图像，以解决经验丰富的病理学家短缺的问题	胰腺癌ROSE图像	数字病理学	胰腺癌	ROSE技术	MSHT（多阶段混合Transformer）	图像	4240张ROSE图像
2496	2025-04-06	A Transfer Learning Based Cross-Subject Generic Model for Continuous Estimation of Finger Joint Angles From a New User 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3234989 PMID:37018609	研究论文	本研究提出了一种基于迁移学习的跨被试通用模型（CSG），用于从新用户的表面肌电信号（sEMG）连续估计手指关节角度	提出了跨被试通用模型（CSG），结合LSTA-Conv网络和对抗知识迁移学习策略（SAK），显著提升了新用户手指关节角度估计的准确性	模型性能依赖于训练集中被试数量的增加，且未探讨不同手势复杂度对模型性能的影响	开发一种能够适应新用户的、基于sEMG信号的手指关节角度连续估计方法	人类手指关节运动	人机交互	NA	表面肌电信号（sEMG）采集	LSTA-Conv网络（结合长短期特征聚合模块和对抗知识迁移学习策略）	生理信号数据（sEMG）与运动学数据（手指关节角度）	三个公开Ninapro数据集中的多被试数据
2497	2025-04-06	Annotation Cost Minimization for Ultrasound Image Segmentation Using Cross-Domain Transfer Learning 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3236989 PMID:37021897	研究论文	本研究提出了一种名为SegMix的新框架，通过跨域迁移学习最小化超声图像分割中的标注成本	提出SegMix方法，利用片段-粘贴-混合概念生成大量标注样本，并引入超声特异性增强策略，显著降低标注成本	仅在左心室和胎儿头部两个超声分割任务上验证了框架可行性，未在其他医学图像任务上测试	降低医学图像分析中的标注成本	超声图像（左心室和胎儿头部）	数字病理	心血管疾病	深度学习	NA	图像	仅需10张手动标注图像
2498	2025-04-06	Knowledge Distillation in Histology Landscape by Multi-Layer Features Supervision 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3237749 PMID:37021915	研究论文	提出了一种新颖的知识蒸馏算法KDTP，用于提高浅层网络在组织表型分析中的性能	通过多层特征蒸馏，使学生网络的单个层能从教师网络的多个层获得监督，并使用可学习的多层感知器和基于注意力的参数优化特征图匹配	未提及具体计算资源消耗或模型泛化能力的详细评估	提升计算病理学中组织分类任务的性能	组织表型分析	数字病理学	NA	知识蒸馏	CNN	图像	五个公开可用的组织学图像分类数据集
2499	2025-04-06	Reconstruction of Quantitative Susceptibility Mapping From Total Field Maps With Local Field Maps Guided UU-Net 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3238714 PMID:37022058	研究论文	提出了一种基于局部场图引导的UU-Net与自交叉引导Transformer相结合的LGUU-SCT-Net方法，用于直接从总场图重建定量磁化率映射(QSM)	首次提出直接从总场图重建QSM的方法，通过局部场图辅助监督和自交叉引导Transformer增强特征融合与非线性映射能力	仅在体内数据集上进行验证，未涉及更广泛的临床数据测试	改进定量磁化率映射(QSM)的重建精度和效率	磁共振成像(MRI)相位信号	医学影像分析	NA	MRI相位信号处理	LGUU-SCT-Net（改进的U-Net与Transformer结合模型）	磁共振图像	体内数据集（具体数量未说明）
2500	2025-04-06	Asymmetric Effects of Different Training-Testing Mismatch Types on Myoelectric Regression via Deep Learning 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3238966 PMID:37022060	研究论文	本文研究了卷积神经网络（CNN）在肌电同步比例控制（SPC）中预测性能受训练和测试条件差异影响的情况	揭示了训练-测试条件不匹配对CNN预测性能的不对称影响，并探讨了可能的机制	研究仅基于特定任务（画星星）的数据，可能无法推广到其他肌电控制场景	探究训练-测试条件不匹配对肌电SPC设备性能的影响	肌电信号（EMG）和关节角加速度数据	机器学习	NA	肌电信号采集	CNN	时间序列信号	志愿者数据（具体人数未明确说明）