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
3441	2025-04-06	Using deep learning artificial intelligence for sex identification and taxonomy of sand fly species 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320224 PMID:40179129	研究论文	开发了一种基于深度学习的AI系统，用于沙蝇的性别鉴定和物种分类	利用卷积神经网络、迁移学习和生殖器与咽部图像的早期融合技术，实现了超过95%的分类准确率	研究仅针对三种沙蝇亚属，可能不适用于其他沙蝇种类	为沙蝇的性别鉴定和物种分类提供自动化且准确的解决方案	沙蝇（Phlebotomus alexandri, Phlebotomus papatasi, 和 Phlebotomus sergenti）	计算机视觉	利什曼病	深度学习	CNN	图像	两年内本地捕获和制备的样本
3442	2025-04-06	MDNN-DTA: a multimodal deep neural network for drug-target affinity prediction 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1527300 PMID:40182923	研究论文	介绍了一种名为MDNN-DTA的多模态深度神经网络模型，用于预测药物-靶标亲和力（DTA）	该模型能够直接从靶蛋白序列准确预测DTA，无需依赖蛋白质3D结构，这在药物发现中具有重要意义	未明确提及具体局限性	提高药物-靶标亲和力预测的效率和准确性	药物分子和靶蛋白的序列	机器学习	NA	深度学习	GCN和CNN	生物序列数据	未明确提及样本数量
3443	2025-04-06	DeePathNet: A Transformer-Based Deep Learning Model Integrating Multiomic Data with Cancer Pathways 2024-12-01, Cancer research communications IF:2.0Q3 DOI:10.1158/2767-9764.CRC-24-0285 PMID:39530738	research paper	DeePathNet是一种基于Transformer的深度学习模型，整合了多组学数据与癌症通路，用于增强癌症分析	整合癌症特异性生物通路，使用基于Transformer的深度学习模型，在预测药物反应、癌症类型和亚型方面优于现有模型	NA	增强癌症分析，预测药物反应、癌症类型和亚型	癌症通路和多组学数据	machine learning	cancer	transformer-based deep learning	Transformer	multiomic data	NA
3444	2025-04-06	Domain Progressive Low-dose CT Imaging using Iterative Partial Diffusion Model 2024-Nov-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3492260 PMID:39509314	研究论文	提出了一种基于迭代部分扩散模型（IPDM）的新型域渐进低剂量CT成像框架，以解决现有深度学习方法在低剂量CT成像中的泛化性问题	利用迭代部分扩散模型完成去噪任务，同时减少时间消耗和收敛困难；提出条件引导采样方法减轻采样偏差；基于像素级噪声估计的自适应权重策略逐步调整引导强度	未明确提及具体局限性	提高低剂量CT成像的质量和泛化能力	低剂量CT图像	计算机视觉	NA	扩散模型	迭代部分扩散模型（IPDM）	CT图像	多样化的数据集（未明确提及具体样本数量）
3445	2025-04-06	N2GNet tracks gait performance from subthalamic neural signals in Parkinson's disease 2024-Oct-31, Research square DOI:10.21203/rs.3.rs-5112726/v1 PMID:39574884	研究论文	本研究提出了一种名为N2GNet的深度学习回归模型，能够从帕金森病患者丘脑底核局部场电位（STN LFPs）实时追踪步态表现	N2GNet是一种新型深度学习模型，能够利用全面的频带（不仅限于β频段）从STN LFPs中追踪步态表现，相比现有算法具有更高的相关性和性能	研究样本量较小（18名帕金森病患者），且仅在原地踏步任务中验证了模型性能	开发一种能够实时追踪帕金森病患者步态表现的深度学习模型，以改进自适应脑深部电刺激（DBS）疗法	帕金森病患者的丘脑底核局部场电位和步态表现	机器学习	帕金森病	局部场电位（LFP）记录	深度学习回归模型（N2GNet）	神经信号（LFP）和力学数据（地面反作用力）	18名帕金森病患者
3446	2025-04-06	A Hierarchical Framework With Spatio-Temporal Consistency Learning for Emergence Detection in Complex Adaptive Systems 2024-Oct-21, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3477320 PMID:39437286	研究论文	提出了一种分层框架HSTCL，用于复杂自适应系统中涌现现象的检测，通过学习系统和代理表示来解决现有方法的不足	设计了时空编码器（STEs）来捕捉代理间的非线性关系和系统的复杂演化，并通过自监督学习保持时空一致性	未提及具体的数据集规模或实验设置的局限性	检测复杂自适应系统中的涌现现象，以监控系统状态并预警有害现象	复杂自适应系统（CASs）及其交互代理	机器学习	NA	时空变换器	transformer	时空数据	三个数据集
3447	2025-04-06	An Automated Deep Learning-Based Framework for Uptake Segmentation and Classification on PSMA PET/CT Imaging of Patients with Prostate Cancer 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01104-y PMID:38587770	研究论文	开发并评估了一种基于深度学习的自动化框架，用于在前列腺癌患者的PSMA PET/CT成像上进行摄取分割和分类	采用解剖学先验引导策略，使深度学习框架专注于PSMA高摄取病变，并构建了多模态决策融合分类框架	样本量相对有限（193例扫描），且仅来自两个机构	自动化全身肿瘤负荷评估	前列腺癌患者的PSMA PET/CT扫描图像	数字病理学	前列腺癌	PSMA PET/CT成像	CNN, 多模态决策融合框架	医学影像	193例[F]DCFPyL PET/CT扫描（137例用于训练和内部测试，56例用于外部测试）
3448	2025-04-06	Few-shot Class-incremental Learning for Retinal Disease Recognition 2024-Sep-18, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3457915 PMID:39292587	研究论文	本文提出了一种名为Re-FSCIL的新框架，用于少样本类增量视网膜疾病识别，通过整合RETFound模型和细粒度模块，采用前向兼容训练策略和监督对比学习来提高模型的适应性和特征判别能力	提出Re-FSCIL框架，整合RETFound模型和细粒度模块，采用前向兼容训练策略和监督对比学习，显著提升了少样本类增量学习在视网膜疾病识别中的性能	NA	开发能够持续学习新类别且保留现有知识的深度学习模型，特别适用于视网膜疾病诊断系统	视网膜疾病	数字病理	视网膜疾病	监督对比学习，特征融合	RETFound	图像	两个新基准数据集RFMiD38和JSIEC39
3449	2025-04-06	Timely ICU Outcome Prediction Utilizing Stochastic Signal Analysis and Machine Learning Techniques with Readily Available Vital Sign Data 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3416039 PMID:38889027	research paper	该研究提出了一种结合随机信号分析和机器学习技术的新方法，用于从ICU患者的实时生命体征时间序列中提取具有强预测能力的特征，以实现准确及时的ICU结果预测	该方法通过随机信号分析和机器学习技术提取有意义的特征，显著提高了ICU结果预测的准确性，超越了包括APACHE IV和深度学习模型在内的基线方法	该方法可能仍面临模型可解释性不足的问题，限制了其在临床实践中的广泛应用	开发一种新方法，用于准确及时地预测ICU患者的结果，以减轻重症监护需求带来的经济和医疗负担	ICU患者的实时生命体征时间序列数据	machine learning	NA	随机信号分析，机器学习	NA	时间序列数据	NA
3450	2025-04-06	Contrastive Learning for Joint Normal Estimation and Point Cloud Filtering 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3263866 PMID:37030701	research paper	提出了一种新颖的深度学习方法，用于联合估计点云法线和滤波点云	引入了基于3D块的对比学习框架，将噪声作为增强手段，训练能够生成鲁棒点云块表示的特征编码器，并通过联合损失同时估计点法线和位移	NA	解决点云滤波和法线估计这两个3D领域的基础研究问题	点云数据	computer vision	NA	对比学习	深度学习	3D点云	NA
3451	2024-08-07	Trend Identification and Prediction of Worker Stress Rate Using Deep Learning Algorithm in Indonesia 2024-08, Workplace health & safety IF:2.3Q1 DOI:10.1177/21650799241263623 PMID:38907692	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3452	2025-04-06	Neural Network Layer Algebra: A Framework to Measure Capacity and Compression in Deep Learning 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3241100 PMID:37027551	research paper	提出了一种新的框架来测量深度神经网络的固有特性，特别是容量和压缩性	引入了层代数的概念，并提出了两个新的度量指标：层复杂度和层内在能力，这些指标仅依赖于网络结构而非参数	虽然框架可以推广到任何网络架构，但研究主要集中在卷积网络上	测量深度神经网络的固有特性，即容量和压缩性	深度神经网络，特别是卷积网络	machine learning	NA	NA	CNN	image	NA
3453	2025-04-06	Probabilistic Attention Based on Gaussian Processes for Deep Multiple Instance Learning 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3245329 PMID:37027623	research paper	提出了一种基于高斯过程的概率注意力机制（AGP），用于深度多实例学习（MIL），以提供预测的不确定性估计	首次将高斯过程引入MIL中的注意力机制，提供实例级可解释性和预测不确定性	未明确提及具体限制，但可能面临高斯过程计算复杂度高的问题	开发一种能够提供预测不确定性的深度MIL方法，特别适用于医学领域	多实例学习模型及其在医学图像分析中的应用	machine learning	cancer	Gaussian processes	AGP (Attention Gaussian Process)	image	小于100个标签的小型数据集以及MNIST和CIFAR-10合成数据
3454	2025-04-06	Artificial Intelligence (AI)-Based Computer-Assisted Detection and Diagnosis for Mammography: An Evidence-Based Review of Food and Drug Administration (FDA)-Cleared Tools for Screening Digital Breast Tomosynthesis (DBT) 2024-Aug, AI in precision oncology DOI:10.1089/aipo.2024.0022 PMID:40182614	综述	本文回顾了基于人工智能的计算机辅助检测和诊断工具在数字乳腺断层合成摄影筛查中的应用及其FDA批准情况	总结了新一代深度学习AI工具在乳腺筛查中的潜力，并评估了FDA批准的六种AI工具的性能	现有证据有限，仅包括两项小规模的实施后临床研究，需要更多前瞻性研究来全面评估影响	评估AI在数字乳腺断层合成摄影筛查中的应用效果	FDA批准的六种基于AI的计算机辅助检测/诊断工具	数字病理学	乳腺癌	深度学习	NA	医学影像	多项多读者多病例研究、回顾性分析和两项真实世界评估
3455	2025-04-06	DM-Fusion: Deep Model-Driven Network for Heterogeneous Image Fusion 2024-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3238511 PMID:37022081	research paper	本文提出了一种深度模型驱动的神经网络DM-Fusion，用于解决异构图像融合问题，结合了基于模型技术的可解释性和深度学习方法的一般化能力	设计了一种深度模型驱动的神经网络，结合了模型技术的可解释性和深度学习方法的泛化能力，提出了任务驱动的损失函数策略以实现特征增强和保留	未提及具体局限性	解决异构图像融合问题，提升融合质量和效率	异构图像	computer vision	NA	deep learning	CNN	image	未提及具体样本数量
3456	2025-04-06	Invertible Residual Blocks in Deep Learning Networks 2024-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3238397 PMID:37022256	research paper	本文研究了深度学习中可逆残差块的条件，并提出了相应的逆算法	提出了残差块可逆的充分必要条件，并针对广泛使用的卷积残差块，展示了在弱条件下通过特定零填充方法实现可逆性	研究仅针对包含一层ReLU的残差块，未涉及更复杂的网络结构	探索深度学习中残差块的可逆性条件及其应用	深度学习网络中的残差块	machine learning	NA	NA	CNN	NA	NA
3457	2025-04-06	EEG Emotion Recognition Based on 3D-CTransNet 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782401 PMID:40031451	研究论文	提出了一种基于3D-CTransNet的混合CNN-Transformer结构，用于EEG情感识别	结合CNN和Transformer的优势，解决了传统CNN-LSTM混合结构在长序列信号识别中的性能下降问题，并提高了识别准确率和处理速度	未提及具体局限性	提高EEG情感识别的准确率和处理速度	EEG信号	脑机接口	NA	3D数据输入	CNN-Transformer混合结构（3D-CTransNet）	EEG信号	公开数据集DEAP
3458	2025-04-06	An Attention-Based Hybrid Deep Learning Approach for Patient-Specific, Cross-Patient, and Patient-Independent Seizure Detection 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782346 PMID:40031456	research paper	提出一种基于注意力机制的混合深度学习方法，用于患者特定、跨患者和患者独立的癫痫发作检测	结合1D CNN、MLSTM和多注意力层（MAT）的混合深度学习框架，能够同时提取空间和时间特征，并进行特征融合	方法在临床应用中可能面临新患者数据适应性的挑战	开发一种适用于不同患者群体的自动癫痫发作检测方法	癫痫患者的EEG数据	digital pathology	epilepsy	EEG epileptic seizure detection (ESD)	1D CNN, MLSTM, MAT	EEG数据	CHB-MIT EEG数据集
3459	2025-04-06	Multi-dataset Collaborative Learning for Liver Tumor Segmentation 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10781844 PMID:40031465	研究论文	本文提出了一种利用外部公开数据集进行MRI肝脏和肿瘤分割的工作流程，通过伪标签、非配对图像到图像转换和自集成学习提高分割性能	采用伪标签、非配对图像到图像转换和自集成学习技术，利用外部数据集显著提升肝脏肿瘤分割性能	未提及具体的外部数据集规模和多样性限制	提高MRI肝脏和肿瘤自动分割的准确性和鲁棒性	MRI肝脏和肿瘤图像	数字病理学	肝癌	伪标签、非配对图像到图像转换、自集成学习	nnU-Net	MRI图像	未提及具体样本数量
3460	2025-04-06	EEG-Based Tension Recognition Annotated with Electrodermal Activity 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782145 PMID:40031475	研究论文	本文提出了一种通过整合皮肤电活动（EDA）和脑电图（EEG）数据来精确标注情绪的新方法，以提高情绪EEG数据集的构建质量	利用EDA作为情绪唤醒的心理生理标记，为EEG数据提供高唤醒和低唤醒的精确标注，解决了现有方法对视频观看过程中情绪变化忽视的问题	研究仅针对紧张和平静两种情绪状态，未涵盖更广泛的情绪谱	提高情绪EEG数据集的标注精度，增强情绪识别的准确性	情绪EEG数据集	机器学习	NA	皮肤电活动（EDA）和脑电图（EEG）	机器学习和深度学习算法	EEG数据和EDA数据	初始训练集的71.75%为高诱导EEG数据