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
261	2025-06-05	ViTU-net: A hybrid deep learning model with patch-based LSB approach for medical image watermarking and authentication using a hybrid metaheuristic algorithm 2025-Jun-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110393 PMID:40460563	research paper	提出了一种名为ViTU-net的混合深度学习模型，用于医学图像水印和认证，结合了基于块的LSB方法和混合元启发式算法	ViTU-Net整合了Vision Transformer编码器和U-Net解码器，采用自适应分层空间注意力模块和基于块的LSB嵌入机制，结合TuniBee Fusion混合元启发式优化算法和高级加密技术，提高了水印的不可感知性、鲁棒性和部署效率	未提及具体的数据集规模或实际部署中的计算资源需求	解决医学图像水印在不可感知性、抗攻击鲁棒性和部署效率方面的挑战，确保医学图像的数据完整性、保密性和真实性	胸部X光片用于肺炎诊断	digital pathology	pneumonia	SHA-512哈希和AES加密	ViTU-net（结合ViT和U-Net）	image	NA
262	2025-06-05	Deep learning approaches to surgical video segmentation and object detection: A scoping review 2025-Jun-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110482 PMID:40460561	综述	本文回顾了2014年至2024年间关于手术视频中解剖结构语义分割和物体检测的深度学习模型的最新进展	总结了深度学习在手术视频语义分割中的实时应用潜力，并指出了当前技术的优缺点	对于较小结构（如神经）的分割精度较低，数据可用性和模型泛化性仍是主要挑战	评估手术视频中解剖结构语义分割的最新技术水平	手术视频中的解剖结构	计算机视觉	NA	深度学习	U-Net, DeepLab	视频	61项已发表研究
263	2025-06-05	Direct parametric reconstruction in dynamic PET using deep image prior and a novel parameter magnification strategy 2025-Jun-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110487 PMID:40460562	research paper	该研究提出了一种新颖的无监督深度学习方法DIP-PM，用于直接参数化重建正电子发射断层扫描（PET）中的微参数图像，以提高图像质量	结合深度图像先验（DIP）与参数放大（PM）策略，提出DIP-PM模型，显著提升非线性和小值微参数（如k2、k3）的重建质量	研究主要基于模拟数据和少量真实数据验证，需进一步扩大样本量和多样化数据以验证方法的普适性	改进PET动态数据中非线性微参数的重建质量	PET动态数据中的微参数（如k2、k3）	医学影像处理	NA	深度图像先验（DIP）、参数放大（PM）策略	U-Net	PET动态数据、CT图像	模拟数据集（82Rb和18F-FDG）及1例真实男性受试者的18F-FDG扫描数据
264	2025-06-05	SASWISE-UE: Segmentation and synthesis with interpretable scalable ensembles for uncertainty estimation 2025-Jun-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110258 PMID:40460564	research paper	本文介绍了一种高效的子模型集成框架，旨在增强医学深度学习模型的可解释性，从而提高其临床适用性	通过生成不确定性图谱，该框架使终端用户能够评估模型输出的可靠性，并从单一训练良好的检查点生成多样化模型，促进模型家族的训练	NA	增强医学深度学习模型的可解释性和临床适用性	CT身体分割和MR-CT合成数据集	digital pathology	NA	深度学习模型集成	U-Net, UNETR	医学影像（CT和MR）	NA
265	2025-06-05	Current trends in glioma tumor segmentation: A survey of deep learning modules 2025-Jun-02, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104988 PMID:40460759	综述	本文综述了当前深度学习模块在胶质瘤肿瘤分割中的应用趋势	通过消融研究评估了各种'附加'模块对胶质瘤分割性能的影响，包括空洞卷积、inception、注意力机制、transformer和混合模块等	需要进一步改进模型的可解释性、降低计算成本并提高泛化能力	评估深度学习模块在胶质瘤分割中的性能影响	胶质瘤肿瘤分割	数字病理学	脑肿瘤/胶质瘤	多参数磁共振成像(mpMRI)	深度学习(DL)，包括空洞卷积、inception、注意力机制、transformer等	医学影像	Brain Tumor Segmentation (BraTS)数据集(包含低级别和高级别胶质瘤)
266	2025-06-05	DeepSurv-based deep learning model for survival prediction and personalized treatment recommendation in tongue squamous cell carcinoma 2025-Jun-02, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2025.05.005 PMID:40461342	research paper	开发了一个基于DeepSurv的深度神经网络模型，用于舌鳞状细胞癌的生存预测和个性化治疗推荐	使用双残差块和批量归一化技术，结合复合Cox-ranking损失函数，提高了生存预测的准确性，并能够识别受益于辅助治疗的患者	需要前瞻性验证以支持临床应用	舌鳞状细胞癌的生存预测和个性化治疗推荐	舌鳞状细胞癌患者	digital pathology	tongue squamous cell carcinoma	deep learning	DeepSurv-based deep neural network	clinical data	2,015 patients from SEER database, internal cohort (n=504), external cohort (n=249)
267	2025-06-05	Refined selection of individuals for preventive cardiovascular disease treatment with a transformer-based risk model 2025-Jun-02, The Lancet. Digital health DOI:10.1016/j.landig.2025.03.005 PMID:40461349	研究论文	本研究开发并验证了一种基于Transformer的深度学习模型TRisk，用于预测心血管疾病在初级预防人群和糖尿病患者中的10年风险	提出了一种新型的深度学习模型TRisk，相比传统统计模型和深度学习方法，能更精准地识别心血管疾病高风险个体，减少不必要的治疗推荐	研究未提及模型在其他种族或地区人群中的适用性，且未说明模型的可解释性问题	开发更精准的心血管疾病风险评估模型，优化预防性治疗的个体选择	25-84岁的成年人，包括初级预防人群和糖尿病患者	机器学习	心血管疾病	深度学习	Transformer	电子健康记录	约300万成年人，来自英格兰的291家全科诊所（模型开发）和98家全科诊所（验证）
268	2025-06-05	RS-MAE: Region-State Masked Autoencoder for Neuropsychiatric Disorder Classifications Based on Resting-State fMRI 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3449949 PMID:39325609	研究论文	提出了一种基于静息态功能磁共振成像（fMRI）的区域状态掩码自编码器（RS-MAE），用于神经精神疾病的分类	引入了掩码自编码器（MAE）减少动态功能连接（DFC）矩阵中的冗余信息，提出区域状态（RS）补丁嵌入以适应DFC矩阵，并引入随机状态连接（RSC）作为DFC矩阵增强方法	训练样本不足可能影响模型性能	开发一种高效的深度学习方法用于神经精神疾病的分类	静息态功能磁共振成像（fMRI）数据	数字病理学	神经精神疾病	fMRI	MAE	图像	四个公开数据集（ADHD、ASD、AD、SCZ）
269	2025-06-05	Hyperparameter Recommendation Integrated With Convolutional Neural Network 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3476439 PMID:39423079	研究论文	本文提出了一种结合卷积神经网络（CNN）的超参数推荐方法，旨在解决传统元学习模型在捕捉数据内在特征方面的不足	通过集成CNN和卷积去噪自编码器（ConvDAE），开发了一种能够利用数据集特性和部分超参数性能进行有效推荐的两分支CNN模型	NA	提高超参数推荐的准确性和效率	超参数推荐系统	机器学习	NA	CNN, ConvDAE	CNN, 卷积去噪自编码器（ConvDAE）	结构化数据	400个真实分类问题
270	2025-06-05	Spike-and-Slab Shrinkage Priors for Structurally Sparse Bayesian Neural Networks 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3485529 PMID:39480710	research paper	该文章探讨了在贝叶斯神经网络（BNNs）中使用Lasso和Horseshoe收缩技术进行模型压缩的方法，并提出了结构稀疏的BNNs	提出了两种结构稀疏的BNNs方法：1) spike-and-slab group Lasso (SS-GL) 和 2) SS group Horseshoe (SS-GHS) 先验，并开发了计算上可行的变分推断方法	未提及具体的数据集或应用场景限制	研究贝叶斯神经网络中的模型压缩技术，以提高计算效率和降低网络复杂度	贝叶斯神经网络（BNNs）	machine learning	NA	Lasso, Horseshoe, 变分推断	Bayesian neural networks (BNNs)	NA	NA
271	2025-06-05	The Pivotal Role of Baseline LDCT for Lung Cancer Screening in the Era of Artificial Intelligence 2025-Jun, Archivos de bronconeumologia IF:8.7Q1 DOI:10.1016/j.arbres.2024.11.001 PMID:39643515	综述	本文探讨了在人工智能时代，基线低剂量计算机断层扫描（LDCT）在肺癌筛查中的关键作用及其面临的挑战	探讨了人工智能如何通过分析LDCT的放射组学特征来区分良恶性结节，并预测肺癌和心血管疾病的风险，实现个性化筛查	人工智能在LDCT筛查路径中的主要障碍是性能的普适性和可解释性	评估基线LDCT检查在肺癌筛查中的重要性，并探索人工智能在克服筛查挑战中的作用	肺癌筛查参与者及其基线LDCT检查结果	数字病理学	肺癌	LDCT, 深度学习	DL	图像	NA
272	2025-06-05	Deep learning for tibial plateau fracture detection and classification 2025-Jun, The Knee DOI:10.1016/j.knee.2025.02.001 PMID:40023913	研究论文	本研究开发了一种深度学习模型，用于胫骨平台骨折的检测和Schatzker分类	首次开发了针对胫骨平台骨折的计算机视觉模型，并应用Schatzker分类系统	在骨折分类方面的准确性较低，Schatzker分类系统在常规X光片上的观察者间一致性较低	开发深度学习模型以检测和分类胫骨平台骨折	胫骨平台骨折的X光片	计算机视觉	骨折	深度学习	CNN（GoogleNet和ResNet）	X光图像	753名患者的1506张膝关节X光片（368例胫骨平台骨折和385例健康膝盖）
273	2025-06-05	A Forward and Backward Compatible Framework for Few-Shot Class-Incremental Pill Recognition 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3497956 PMID:40030571	research paper	提出了一种用于少样本类增量药片识别的前向和后向兼容框架DBC-FSCIL，包括虚拟类生成策略和中心三重损失以增强特征学习，以及通过不确定性量化合成旧类伪特征的策略	首次提出了少样本类增量药片识别框架DBC-FSCIL，包含前向兼容和后向兼容学习组件，采用虚拟类生成策略和中心三重损失增强特征学习，并通过不确定性量化合成旧类伪特征	NA	开发一种少样本类增量药片识别系统，以解决数据标注成本高和新药片类别不断增加的问题	药片图像	computer vision	NA	few-shot learning, class-incremental learning	DBC-FSCIL	image	NA
274	2025-06-05	Learn to Supervise: Deep Reinforcement Learning-Based Prototype Refinement for Few-Shot Motor Fault Diagnosis 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3516035 PMID:40030687	研究论文	本文提出了一种基于深度强化学习的原型细化方法，用于半监督少样本电机故障诊断	利用深度强化学习（DRL）自适应选择有价值的未标记样本，监督诊断过程，并通过镜像原型网络（ProtoNet）结构优化类别原型	工业场景中数据稀缺问题可能限制方法的实际应用效果	解决工业电机故障诊断中数据稀缺问题，提高少样本条件下的诊断性能	工业电机	机器学习	NA	深度强化学习（DRL），半监督元学习	镜像原型网络（ProtoNet）	标记数据和未标记数据	少量标记数据和有限的信息性未标记数据
275	2025-06-05	Language-Driven Spatial-Semantic Cross-Attention for Face Attribute Recognition With Limited Labeled Data 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3514836 PMID:40030689	research paper	提出了一种名为语言驱动的空间-语义交叉注意力（LSA）的新方法，用于在有限标记数据下进行人脸属性识别	无需额外数据集或辅助任务的预训练步骤，利用语言模型的关系信息增强属性识别	未提及具体局限性	解决在有限标记数据下人脸属性识别的挑战	人脸属性识别	computer vision	NA	语言模型、交叉注意力机制	LSA（语言驱动的空间-语义交叉注意力）	图像、文本	CelebA和LFWA数据集
276	2025-06-05	Resisting Noise in Pseudo Labels: Audible Video Event Parsing With Evidential Learning 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3505674 PMID:40030688	research paper	提出了一种名为噪声抵抗事件解析（NREP）的新框架，用于解决音频-视觉视频解析（AVVP）任务中伪标签噪声问题	引入了证据深度学习（EDL）来克服噪声伪监督的限制，包含三个关键组件：模态证据学习（MEL）、时间证据学习（TEL）和前景-背景一致性学习（FBCL）	依赖于生成的伪标签质量，且缺乏时间注释可能增加定位前景的模糊性	提升音频-视觉视频解析（AVVP）任务的性能，特别是在弱监督学习环境下	音频-视觉视频中的时间事件和模态类型	multimodal video understanding	NA	evidential deep learning (EDL)	NREP framework (包含MEL, TEL, FBCL)	audio-visual video	在两个AVVP基准数据集上评估
277	2025-06-05	Hybrid Quantum Deep Learning With Superpixel Encoding for Earth Observation Data Classification 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3518108 PMID:40030763	research paper	本文提出了一种混合量子深度学习模型，用于地球观测数据的分类任务，通过超像素编码有效减少量子资源需求	引入了超像素编码方法，有效降低了大规模图像表示所需的量子资源，同时研究了不同交互门和测量对分类性能的影响	未提及模型在大规模数据集上的泛化能力或实际应用中的潜在限制	解决地球观测大数据时代下，使用复杂深度学习模型分析数据时的计算挑战	地球观测数据	machine learning	NA	量子计算，超像素编码	混合量子深度学习模型	image	多个地球观测基准数据集（Overhead-MNIST, So2Sat LCZ42, SAT-6）
278	2025-06-05	Topological Data Analysis in Graph Neural Networks: Surveys and Perspectives 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3520147 PMID:40030848	综述	本文系统综述了拓扑数据分析（TDA）与图神经网络（GNN）结合的研究现状与未来展望	提出了TDA与GNN结合的新兴研究方向，并系统梳理了相关文献、分类和最新研究成果	NA	探讨TDA与GNN结合的潜力及其在复杂图数据分析中的应用	拓扑数据分析与图神经网络的结合方法	机器学习	NA	NA	GNN	图数据	NA
279	2025-06-05	Learning-Based Modeling and Predictive Control for Unknown Nonlinear System With Stability Guarantees 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3525264 PMID:40030974	研究论文	本文提出了一种基于学习的建模和预测控制方法，用于未知非线性系统的安全控制，并考虑了学习动力学的稳定性和建模误差	结合Koopman理论和深度学习，提出了一种具有稳定性保证的学习控制方案，并通过鲁棒预测控制消除建模误差	未明确说明方法在更复杂或高维系统中的适用性	实现未知非线性系统的安全稳定控制	未知非线性系统	机器学习	NA	深度学习	Koopman算子	动态系统数据	NA
280	2025-06-05	Stacked Ensemble Deep Random Vector Functional Link Network With Residual Learning for Medium-Scale Time-Series Forecasting 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3529219 PMID:40031590	研究论文	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	结合了堆叠深度块和残差学习的edRVFL网络，提出了ResdRVFL和SResdRVFL模型，通过残差学习校准浅层错误估计并引入缩放参数控制残差缩放	未提及具体局限性	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	机器学习	NA	随机向量功能链接网络(RVFL)、残差学习、集成学习	ResdRVFL、SResdRVFL	时间序列数据	28个数据集