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
21	2025-05-04	Detecting the left atrial appendage in CT localizers using deep learning 2025-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99701-6 PMID:40316718	研究论文	本研究利用深度学习技术自动检测CT定位扫描中的左心耳区域，以减少辐射暴露	首次应用深度学习网络（VariFocalNet等）在CT定位扫描中准确界定左心耳区域，显著降低辐射剂量	数据来自单一中心回顾性收集，需多中心前瞻性验证	开发自动化左心耳定位方法以优化心脏CT扫描流程	CT定位扫描图像中的左心耳区域	医学影像分析	心血管疾病	CT扫描	VariFocalNet, Cascade-R-CNN, Task-aligned One-stage Object Detection Network, YOLO v11	医学影像	1253例定位扫描（训练集）+ 368例内部测试集 + 309例外部测试集
22	2025-05-04	Cangrelor and AVN-944 as repurposable candidate drugs for hMPV: analysis entailed by AI-driven in silico approach 2025-May-02, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11206-6 PMID:40316857	研究论文	通过AI驱动的计算机模拟方法，筛选出Cangrelor和AVN-944作为hMPV的可再利用候选药物	利用深度学习构建药效团模型筛选FDA批准药物和抗病毒药物，并通过分子对接和分子动力学模拟验证药物与hMPV F蛋白的结合稳定性	需要进一步的体外和体内实验验证候选药物的疗效	寻找针对人类偏肺病毒(hMPV)的可再利用药物	人类偏肺病毒(hMPV)的F蛋白	生物信息学	呼吸道感染	深度学习、分子对接、分子动力学模拟	深度学习模型	分子结构数据	2400种FDA批准药物和255种抗病毒药物
23	2025-05-04	Data-driven machine learning algorithm model for pneumonia prediction and determinant factor stratification among children aged 6-23 months in Ethiopia 2025-May-02, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-025-10916-4 PMID:40316929	research paper	本研究旨在利用机器学习算法开发数据驱动的预测模型，以预测埃塞俄比亚6-23个月儿童的肺炎并分层其决定因素	使用六种机器学习算法构建和比较模型，并利用随机森林算法预测肺炎及其决定因素，准确率达91.3%	研究基于2016年的数据，可能无法反映当前情况，且未使用深度学习算法以提高预测准确性	预测肺炎并分层其决定因素，以促进有效的健康干预措施	埃塞俄比亚6-23个月的儿童	machine learning	pneumonia	machine learning algorithms, principal component analysis	random forest, 六种机器学习算法	demographic and health survey data	2035名儿童样本
24	2025-05-04	On-Device Deep Learning: Survey on Techniques Improving Energy Efficiency of DNNs 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3430028 PMID:39046860	综述	本文综述了提高深度神经网络（DNNs）能源效率的流行技术	提出了方法的分类，并讨论了不同类别的比较，同时概述了能源测量技术	研究中发现的局限性以及一些有趣的方向，如神经形态和储备池计算（RC）	提高神经网络的能源效率，特别是在训练和推理阶段	深度神经网络（DNNs）	机器学习	NA	NA	DNNs	NA	NA
25	2025-05-04	Role Exchange-Based Self-Training Semi-Supervision Framework for Complex Medical Image Segmentation 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3432877 PMID:39093682	research paper	提出了一种基于角色交换的自训练半监督框架，用于复杂医学图像分割	创新性地提出了双向自训练范式，通过模型级可靠性估计动态交换教师和学生的角色，并引入非对称监督策略和分层双学生结构以防止网络崩溃	未明确提及具体的数据集规模限制或计算资源需求	解决复杂医学图像分割中标注数据不足的问题	血管网络和肺气管网络等复杂医学图像	digital pathology	NA	半监督学习	双向自训练模型	3-D医学图像	两个公共数据集和一个私有数据集
26	2025-05-04	Neurosymbolic AI for Reasoning Over Knowledge Graphs: A Survey 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3420218 PMID:39024082	综述	本文综述了神经符号人工智能（AI）在知识图谱（KGs）推理任务中的应用方法，并提出了一种新的分类法	提出了一种新的分类法，将神经符号推理方法分为三大类：逻辑信息嵌入方法、带逻辑约束的嵌入方法和规则学习方法	讨论了这些方法的独特特性和局限性，并提出了未来研究方向	探讨神经符号AI在知识图谱推理任务中的应用和发展	知识图谱（KGs）	自然语言处理	NA	神经符号人工智能	NA	图结构数据	NA
27	2025-05-04	Unsupervised Domain Adaptation for Low-Dose CT Reconstruction via Bayesian Uncertainty Alignment 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3409573 PMID:38985555	research paper	提出一种基于贝叶斯不确定性对齐的无监督域自适应方法，用于低剂量CT图像重建	利用概率重建框架在潜在空间和图像空间进行联合差异最小化，提出贝叶斯不确定性对齐和锐度感知分布对齐方法	仅针对低剂量CT图像重建问题，未考虑其他医学影像模态	解决低剂量CT图像重建中由于训练数据和测试数据分布不一致导致的性能下降问题	低剂量CT图像	digital pathology	NA	deep learning	probabilistic reconstruction framework	CT images	两个模拟数据集和一个临床低剂量成像数据集
28	2025-05-04	ProFun-SOM: Protein Function Prediction for Specific Ontology Based on Multiple Sequence Alignment Reconstruction 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3419250 PMID:38980781	研究论文	提出了一种基于多序列比对重建的蛋白质功能预测方法ProFun-SOM，用于准确注释基因本体	ProFun-SOM通过重建多序列比对并整合到深度学习架构中，解决了混合本体问题带来的标签依赖性和数据稀疏性瓶颈	未提及具体的数据集规模限制或模型在其他类型蛋白质数据上的泛化能力	开发一种能够准确预测蛋白质功能的计算方法，解决基因本体注释中的混合本体问题	蛋白质功能预测，特别是基因本体（GO）注释	生物信息学	NA	多序列比对（MSAs），深度学习	深度学习架构	蛋白质序列数据	三个数据集（CAFA3、SwissProt和NetGO2）
29	2025-05-04	Mask-Guided Vision Transformer for Few-Shot Learning 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3418527 PMID:38976473	研究论文	提出了一种名为MG-ViT的掩码引导视觉变换器方法，用于有效和高效的小样本学习	通过应用掩码操作筛选出与任务无关的图像块，引导ViT专注于任务相关和区分性强的图像块，同时引入主动学习样本选择方法提升泛化能力	未提及具体的数据集限制或计算资源需求	提高视觉变换器在小样本学习中的性能和效率	图像分类、目标检测和分割任务	计算机视觉	NA	Grad-CAM	ViT, MG-ViT, ResNet	图像	小样本（具体数量未提及）
30	2025-05-04	Semi-Supervised Multimodal Representation Learning Through a Global Workspace 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3416701 PMID:38954575	研究论文	本文提出了一种受认知'全局工作空间'启发的神经网络架构，用于多模态表示学习，能够在少量匹配数据的情况下实现模态间的对齐和转换	采用全局工作空间(GW)的共享表示和自监督的循环一致性训练，显著减少了对匹配数据的需求（比全监督方法少4-7倍）	未明确说明模型在大规模跨模态任务中的泛化能力	探索在稀疏匹配数据下进行多模态表示学习的方法	视觉-语言多模态数据	机器学习	NA	自监督学习	全局工作空间(GW)架构	多模态数据（图像和文本）	两个不同复杂度的数据集（未明确样本数量）
31	2025-05-04	A Principle Design of Registration-Fusion Consistency: Toward Interpretable Deep Unregistered Hyperspectral Image Fusion 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3412528 PMID:38900617	研究论文	提出了一种针对未配准高光谱图像（HSI）和多光谱图像（MSI）融合的统一模型框架，通过注册-融合一致性物理感知模型（RFCM）和MoE-PNP框架提高融合性能和网络可解释性	设计了注册-融合一致性物理感知模型（RFCM），统一建模图像配准和融合问题，并提出MoE-PNP框架学习RFCM的求解过程，确保网络的可解释性和泛化能力	未明确提及具体局限性	解决未配准HSI和MSI融合中的配准与融合耦合问题，提高融合性能和网络可解释性	高光谱图像（HSI）和多光谱图像（MSI）	计算机视觉	NA	深度学习	MoE-PNP	图像	未明确提及具体样本数量
32	2025-05-04	VOGTNet: Variational Optimization-Guided Two-Stage Network for Multispectral and Panchromatic Image Fusion 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3409563 PMID:38885100	research paper	提出了一种基于变分优化的两阶段网络（VOGTNet），用于多光谱和全色图像融合，以提高图像的空间和光谱分辨率	通过变分优化和两阶段网络设计，解决了现有深度学习方法在噪声和模糊数据上表现不佳的问题	依赖于先验信息和空间-光谱退化的准确估计，可能在某些复杂场景下表现受限	提高多光谱和全色图像融合的质量，特别是在噪声和模糊存在的情况下	多光谱图像（MS）和全色图像（PAN）	computer vision	NA	variational optimization, deep learning	VOGTNet, dual-branch fusion network (DBFN), adaptive recovery model (ARM)	image	NA
33	2025-05-04	Data-Driven Knowledge Fusion for Deep Multi-Instance Learning 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3436944 PMID:39120987	研究论文	提出了一种新颖的数据驱动知识融合深度多示例学习算法（DKMIL），通过分析关键样本的决策并利用知识融合模块增强模型学习能力	DKMIL采用与现有深度多示例学习方法完全不同的思路，通过数据驱动分析关键样本决策，并设计知识融合模块提取有价值信息辅助模型学习	NA	提升多示例学习模型的性能，通过知识融合增强模型学习能力	多示例学习算法及其在复杂数据结构中的应用	机器学习	NA	数据驱动知识融合	DKMIL（深度多示例学习模型）	复杂数据结构	62个数据集，涵盖五个类别
34	2025-05-04	AD-NEv: A Scalable Multilevel Neuroevolution Framework for Multivariate Anomaly Detection 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3439404 PMID:39141460	research paper	提出了一种名为AD-NEv的可扩展多级神经进化框架，用于多元时间序列异常检测	AD-NEv框架首次实现了特征子空间、模型架构和网络权重的协同优化，支持基于bagging技术的集成模型优化和非梯度微调	未明确提及具体的数据集限制或计算资源需求	开发一种自动化方法来优化异常检测模型，提高检测性能	多元时间序列数据	machine learning	NA	neuroevolution, bagging technique	ensemble model	multivariate time-series data	广泛采用的多元异常检测基准数据集（未明确数量）
35	2025-05-04	Automatic Design of Deep Graph Neural Networks With Decoupled Mode 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3438609 PMID:39141457	research paper	提出一种新颖的神经架构搜索（NAS）方法，用于自动设计深度图神经网络（GNNs），并在各种节点分类任务中探索其应用潜力	重新设计了基于传播和转换过程的解耦模式的深度GNNs搜索空间，并将问题制定为多目标优化以平衡准确性和计算效率	NA	自动设计深度图神经网络，解决节点分类任务中的过平滑和信息挤压等挑战	图数据中的节点分类任务	machine learning	NA	神经架构搜索（NAS）	GNN	graph data	基准图数据集和大规模图数据集
36	2025-05-04	High-Precision Dichotomous Image Segmentation With Frequency and Scale Awareness 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3426529 PMID:39150797	研究论文	提出了一种新颖的频率和尺度感知深度神经网络（FSANet），用于高精度的二分图像分割	设计了多模态融合模块（MF）和协作尺度融合模块（CSFM），以增强图像特征的表示能力并保持高分辨率	未提及具体的数据集局限性或实际应用中的潜在问题	解决二分图像分割（DIS）任务中边界杂乱和特征分辨率下降的问题	二分图像分割中的通用对象	计算机视觉	NA	深度学习	FSANet	图像	多个基准数据集（未具体说明样本数量）
37	2025-05-04	Public Behavior and Emotion Correlation Mining Driven by Aspect From News Corpus 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3441011 PMID:39178079	研究论文	提出了一种利用日常新闻数据挖掘公众行为与情感相关性的方法	提出了基于假设上下文的KRHC知识表示模型，结合规则方法和深度学习揭示情感与行为之间的隐式关系	未提及具体的数据集规模限制或模型泛化能力评估	探索行为与情感之间的相关性以揭示社会事件的潜在动机	新闻语料库中的公众行为与情感	自然语言处理	NA	深度学习与规则方法结合	KRHC（基于假设上下文的知识表示模型）	文本（新闻数据）	A-E-R数据集和公开KINSHIP数据集（未提具体数量）
38	2025-05-04	A Semantic-Consistent Few-Shot Modulation Recognition Framework for IoT Applications 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3441597 PMID:39178083	research paper	提出了一种语义一致的小样本调制识别框架，用于物联网应用中的信号调制分类	提出了一种语义一致的信号预转换方法（ScSP），增强了无线信号的处理效率，使其能够更好地适用于现有的小样本学习模型	该方法主要针对无线信号领域，可能不适用于其他领域的小样本学习任务	解决物联网应用中由于标记数据稀缺导致的调制识别难题	物联网网络中的无线信号	machine learning	NA	few-shot learning (FSL)	ScSP (semantic-consistent signal pretransformation)	wireless signal	limited number of labeled samples
39	2025-05-04	A Novel Management Challenge in Age-Related Macular Degeneration: Artificial Intelligence and Expert Prediction of Geographic Atrophy 2025-May, Ophthalmology. Retina DOI:10.1016/j.oret.2024.10.029 PMID:39522752	研究论文	本研究探讨了眼科医生与人工智能在预测年龄相关性黄斑变性中地理萎缩进展速度方面的价值和差异	首次比较了眼科专家与AI在预测地理萎缩进展速度方面的表现，并展示了AI在此任务中的优势	样本量相对较小(134眼)，且仅使用了单一OCT设备的数据	评估AI与眼科专家在预测地理萎缩进展速度方面的预测能力差异	年龄相关性黄斑变性继发地理萎缩患者的眼部数据	数字病理	年龄相关性黄斑变性	深度学习算法	深度学习(具体架构未说明)	OCT影像、FAF、NIR影像	134名患者的134只眼(53只来自假手术组，81只来自未治疗的对侧眼)
40	2025-05-04	In situ self-cleaning PAN/Cu2O@Ag/Au@Ag flexible SERS sensor coupled with chemometrics for quantitative detection of thiram residues on apples 2025-May-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.143032 PMID:39855070	研究论文	本研究提出了一种自清洁柔性SERS传感器，结合智能算法用于苹果上硫脲残留的快速原位无损检测	开发了具有SERS增强和光催化降解双重效应的柔性传感器，并结合深度学习算法进行定量预测	传感器可循环使用次数有限（至少5次）	食品安全的快速原位监测	苹果上的硫脲残留	食品安全监测	NA	表面增强拉曼散射(SERS), 光催化降解	CNN, CARS-PLS	拉曼光谱数据	NA