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
2801	2025-04-06	Global Clue-Guided Cross-Memory Quaternion Transformer Network for Multisource Remote Sensing Data Classification 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3406735 PMID:38875091	研究论文	提出一种名为GCCQTNet的多模态联合分类框架，用于多源遥感数据分类	设计了独立挤压扩展式融合结构和跨记忆四元数变换器结构，以克服多模态数据的异质性并探索其互补性	未明确提及具体局限性	解决多源遥感数据分类中的异质性问题并探索其互补性	多源遥感数据（高光谱图像HSI、合成孔径雷达SAR和激光雷达LiDAR）	计算机视觉	NA	深度学习	Transformer	遥感图像	三个公开的多源遥感数据集
2802	2025-04-06	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	本文提出了一种利用无监督数据和领域自适应技术进行深度回归的方法，用于低成本传感器的校准	将传感器校准任务转化为半监督领域自适应问题，并提出了新的解决方案，包括使用直方图损失对抗协变量偏移和样本加权处理标签差距	NA	提高低成本空气质量传感器的校准精度	低成本空气质量传感器	机器学习	NA	深度回归	NA	传感器数据	NA
2803	2025-04-06	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	research paper	提出了一种结合模型驱动和数据驱动的方法，通过学习解耦先验（LDP）来提高高光谱异常检测的准确性	结合模型驱动的低秩表示方法和数据驱动的深度学习技术，通过学习解耦先验来捕获完整的先验知识	未提及具体局限性	提高高光谱图像中异常检测的准确性和泛化能力	高光谱图像中的背景和异常对象	computer vision	NA	低秩表示（LRR）和深度学习	deep unfolding architecture	hyperspectral images	多个广泛认可的数据集
2804	2025-04-06	Spectral Tensor Layers for Communication-Free Distributed Deep Learning 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3394861 PMID:38809740	研究论文	提出了一种用于无通信分布式深度学习的谱张量层	通过张量形式表示数据并替换传统神经网络中的矩阵乘积为张量乘积，实现了无通信成本的分布式学习	NA	解决分布式深度学习中的通信成本问题	深度学习模型在分布式环境下的优化	机器学习	NA	谱张量网络	传统神经网络	图像	MNIST, CIFAR-10, ImageNet-1K, ImageNet-21K数据集
2805	2025-04-06	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	research paper	提出了一种名为自适应多尺度注意力深度神经网络的新技术，用于处理表格数据，以提高分类和回归任务的性能	通过并行多级特征加权，自适应多尺度注意力能够成功学习特征注意力，从而在七种不同分类任务和四种回归任务中实现高性能	与浅层学习技术相比，深度学习在表格结构化数据上的性能仍存在一定限制	提高表格数据在分类和回归任务中的性能	表格数据	machine learning	NA	adaptive multiscale attention deep neural network	deep neural network	tabular data	小、中、大和非常大的数据集
2806	2025-04-06	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	research paper	提出了一种新颖的深度概率主成分分析（DePPCA）模型，结合了概率建模和深度学习的优势，用于工业过程监控和故障检测	结合了概率建模和深度学习的优势，提出了DePPCA模型，具有分层深度结构和端到端微调阶段	未提及具体的数据集限制或模型在更广泛工业场景中的适用性	提高工业过程监控和故障检测的准确性和效率	工业过程监控和故障检测	machine learning	NA	probabilistic modeling, deep learning	DePPCA	process data	Tennessee Eastman (TE) process和multiphase flow (MPF) facility的数据
2807	2025-04-06	A Multi-Task Self-Supervised Strategy for Predicting Molecular Properties and FGFR1 Inhibitors 2025-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202412987 PMID:39921455	research paper	提出了一种多任务自监督深度学习框架MTSSMol，用于预测分子性质并识别FGFR1的潜在抑制剂	提出了一种多任务自监督预训练策略，利用约1000万个未标记的药物样分子进行预训练，以识别FGFR1的潜在抑制剂	未提及具体的局限性	增强分子表示学习并识别潜在的药物候选物，以加速药物发现过程	药物样分子及其与FGFR1的相互作用	计算机辅助药物发现	NA	分子对接（RoseTTAFold All-Atom）和分子动力学模拟	图神经网络（GNNs）	分子数据	约1000万个未标记的药物样分子
2808	2025-04-06	Deep Learning Combined with Quantitative Structure‒Activity Relationship Accelerates De Novo Design of Antifungal Peptides 2025-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202412488 PMID:39921483	研究论文	开发了一种结合深度学习和定量结构-活性关系的抗真菌肽从头设计方法DL-QSARES	整合深度学习和定量结构-活性关系经验筛选，提出抗真菌肽从头设计新方法DL-QSARES	仅针对白色念珠菌进行了测试，未涉及其他真菌种类	加速抗真菌肽的从头设计以应对耐药性问题	抗真菌肽(AFPs)	自然语言处理	念珠菌感染	定量结构-活性关系(QSAR)	NLP模型	氨基酸序列数据	49个候选抗真菌肽(c_AFPs)
2809	2025-04-06	ROXSI: Robust Cross-Sequence Semantic Interaction for Brain Tumor Segmentation on Multi-Sequence MR Images 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3513479 PMID:40030420	research paper	提出了一种名为ROXSI的鲁棒跨序列语义交互框架，用于多序列MRI图像上的脑肿瘤分割，以应对噪声和伪影带来的性能下降	提出了跨序列语义交互模块（CSSI）和批量级协方差机制，以利用序列间相关性并提取抗噪声特征，同时通过序列级方差正则化机制利用序列特异性特征	未明确提及具体局限性，但可能包括对特定类型噪声或伪影的泛化能力未完全验证	提高多序列MRI图像中脑肿瘤分割的鲁棒性，以支持脑疾病诊断	多序列MRI图像中的脑肿瘤	digital pathology	brain tumor	MRI	CNN, Transformer	image	在两个基准数据集上进行评估，具体样本数量未明确提及
2810	2025-04-06	Decoding SSVEP Via Calibration-Free TFA-Net: A Novel Network Using Time-Frequency Features 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510740 PMID:40030575	研究论文	提出了一种名为TFA-Net的新型CNN模型，用于无需校准阶段的SSVEP信号解码	引入了频率注意力和通道重组模块，增强了TFA-Net在时频域中推断更精细频率注意力和高效提取SSVEP特征的能力	未提及具体局限性	提高基于SSVEP的脑机接口的解码性能和实用性	稳态视觉诱发电位（SSVEP）信号	脑机接口	NA	深度学习	CNN	EEG信号	公共数据集
2811	2025-04-06	Multi-Sensor Wearable Device With Transformer-Powered Two-Stream Fusion Model for Real-Time Leg Workout Monitoring 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3524398 PMID:40030794	研究论文	本文介绍了一种用于实时腿部锻炼监测的多传感器可穿戴设备，并提出了一种新型的Transformer驱动的双流融合模型TTSF	开发了多模态可穿戴设备并提出了TTSF模型，用于高效准确地提取时空特征	当前单一传感模态技术受限于尺寸、环境敏感性和准确性问题	推进多传感器融合与深度学习和医疗物联网技术在高级步态监测和分析中的应用	腿部锻炼监测	医疗物联网	NA	深度学习、医疗物联网	Transformer-powered Two-Stream Fusion (TTSF)	传感器数据	腿部锻炼数据集
2812	2025-04-06	Unsupervised Domain Adaptation for Cross-Modality Cerebrovascular Segmentation 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3523103 PMID:40030830	研究论文	提出了一种无监督域适应框架CereTS，用于跨模态脑血管分割	采用多级域对齐模式，包括图像级循环几何一致性约束、块级掩蔽对比约束和特征级语义感知约束，以减少域差异并保持血管结构的一致性	未提及具体样本量，且仅在一个公开TOF-MRA数据集和一个私有CTA数据集上进行了实验	解决跨模态脑血管分割中的域适应问题	时间飞跃磁共振血管成像(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	无监督域适应	CereTS	图像	NA
2813	2025-04-06	A Hybrid Artificial Intelligence System for Automated EEG Background Analysis and Report Generation 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3496996 PMID:40030193	research paper	提出了一种混合人工智能系统，用于自动分析EEG背景活动并生成报告	结合深度学习模型和无监督伪迹去除技术，以及专家设计的异常检测算法，显著提高了EEG背景活动的自动分析准确率	在局部异常检测方面虽然有所改进，但统计上不显著	开发一个可扩展且准确的EEG自动分析系统，以帮助资源有限的医疗机构	EEG信号	machine learning	neurological disorders	deep learning, unsupervised artifact removal	ensemble model, LLM	EEG信号	1530个标记的EEG数据
2814	2025-04-06	EEGDfus: A Conditional Diffusion Model for Fine-Grained EEG Denoising 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504716 PMID:40030273	研究论文	提出了一种名为EEGDfus的条件扩散模型，用于精细去除脑电图(EEG)信号中的噪声	使用条件扩散模型和双分支网络结构，结合CNN和Transformer的优势，以噪声EEG信息为条件生成干净的EEG信号	标准扩散模型的生成过程高度随机，限制了其在EEG去噪任务中的直接应用	提高EEG信号去噪的准确性	脑电图(EEG)信号	机器学习	NA	扩散模型	条件扩散模型(CNN+Transformer)	EEG信号	两个公共数据集(EEGdenoiseNet和SSED)
2815	2025-04-06	From Micro to Meso: A Data-Driven Mesoscopic Region Division Method Based on Functional Connectivity for EEG-Based Driver Fatigue Detection 2025-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3504847 PMID:40030270	research paper	提出了一种基于功能连接的宏观区域划分方法，用于基于EEG的驾驶员疲劳检测	利用数据特征和功能连接基于GNN的方法，提出了一种新的宏观区域划分方法，克服了传统方法依赖任务特定先验知识的局限性	未明确提及具体局限性	提高基于EEG的驾驶员疲劳检测的性能	EEG信号和驾驶员疲劳状态	machine learning	NA	Graph Neural Networks (GNNs)	GNN	EEG信号	公共驾驶员疲劳检测数据集（未明确提及具体样本数量）
2816	2025-04-06	Phyloformer: Fast, Accurate, and Versatile Phylogenetic Reconstruction with Deep Neural Networks 2025-Apr-01, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msaf051 PMID:40066802	research paper	介绍了一种名为Phyloformer的快速、准确且多功能的方法，用于进化距离估计和系统发育重建	利用无似然推断和几何深度学习的最新进展，Phyloformer在GPU加速下超越了现有方法的准确性和速度	在序列数量增加时，Phyloformer在拓扑准确性上落后于最大似然方法	开发一种快速、准确且多功能的方法用于系统发育重建	序列进化树的重建	machine learning	NA	deep learning	Phyloformer	sequence alignment	3,801 empirical gene alignments from five different datasets
2817	2025-04-06	Covariate-Balancing-Aware Interpretable Deep Learning Models for Treatment Effect Estimation 2025-Apr, Statistics in biosciences IF:0.8Q4 DOI:10.1007/s12561-023-09394-6 PMID:40170916	research paper	本文提出了一种新的深度学习方法，用于在观察数据中估计处理效应，并提高了模型的可解释性	通过利用加权能量距离的特性，提出了一个更紧的平均处理效应（ATE）估计偏差上界，并设计了一个新的目标函数，不需要正确指定倾向得分模型	NA	提高观察数据中处理效应估计的准确性和可解释性	观察数据中的处理效应	machine learning	NA	深度学习方法	neural additive models	观察数据	使用了两个基准数据集（IHDP和ACIC）以及NHANES中关于吸烟对血镉水平影响的研究数据
2818	2025-04-06	On the Robustness of Bayesian Neural Networks to Adversarial Attacks 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3386642 PMID:38648123	research paper	本文分析了贝叶斯神经网络（BNNs）在过参数化极限下对抗攻击的几何特性，并证明了在该极限下BNNs对基于梯度的对抗攻击具有鲁棒性	揭示了在过参数化极限下，BNNs对基于梯度的对抗攻击的鲁棒性源于数据分布的退化性，并证明了BNN后验分布对这类攻击的鲁棒性	研究依赖于无限宽BNNs收敛到高斯过程的假设，且实验仅在MNIST、Fashion MNIST和一个合成数据集上进行	研究贝叶斯神经网络在对抗攻击下的鲁棒性	贝叶斯神经网络（BNNs）	machine learning	NA	Hamiltonian Monte Carlo, variational inference	Bayesian neural networks (BNNs), Gaussian processes (GPs)	image	MNIST, Fashion MNIST, 和一个合成数据集
2819	2025-04-06	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	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，以解决数据稀缺和高维度带来的挑战	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，设计任务调度逐步扩展波段数量，并采用多融合特征的网络架构提升性能	未明确提及具体的数据集规模限制或计算资源需求	提升高光谱图像超分辨率的泛化能力和性能	高光谱图像	计算机视觉	NA	元迁移学习	MTL（元迁移学习框架）	高光谱图像	未明确提及具体样本数量，但使用了多个数据集
2820	2025-04-06	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	research paper	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捕捉学习者知识状态的多粒度特征	设计了自适应尺度超边蒸馏组件生成知识感知和模式感知超边，引入双通道超图编码器捕捉全局和局部知识状态，并采用跨视图对比学习机制增强监督信号	未提及具体限制	改进知识追踪任务，更准确地预测学习者未来表现	学习者的历史响应数据	natural language processing	NA	graph neural networks, contrastive learning	dual-channel hypergraph encoders (simplified hypergraph convolution network and collaborative hypergraph convolution network)	response data	三个真实世界数据集（未提供具体样本数量）