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	2025-05-03	Brain tissue biomarker impact bone age in central precocious puberty more than hormones: a quantitative synthetic magnetic resonance study 2025-May-02, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01792-8 PMID:40314875	研究论文	本研究探讨了脑组织成分体积（BTCV）生物标志物对中枢性性早熟（CPP）患儿骨龄发展的影响，发现髓鞘含量（MyC）比激素更能影响骨龄发展	首次通过合成磁共振（SyMRI）技术量化分析脑组织成分体积与CPP患儿骨龄发展的关系，发现MyC与骨龄发展的相关性高于激素	研究为回顾性设计，样本量较小（84例CPP患儿和84例对照），且仅分析了三种激素	探究脑组织成分体积生物标志物与中枢性性早熟患儿骨龄发展的关系	84名中枢性性早熟患儿和84名对照儿童	数字病理学	儿科内分泌疾病	合成磁共振（SyMRI）、X射线骨龄评估、深度学习模型	深度学习模型（具体类型未明确说明）	医学影像数据（MRI、X射线）和激素水平数据	168名儿童（84名CPP患儿和84名对照）
22	2025-05-03	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能效的流行技术，并讨论了这些方法的分类、比较及能源测量技术	提出了深度神经网络能效技术的分类，并探讨了神经形态计算和储备池计算等有趣方向	训练优化仍具挑战性，可能显著影响预测质量	提高深度神经网络在训练和推理阶段的能效，以匹配资源受限设备的需求并减少碳足迹	深度神经网络（DNNs）	机器学习	NA	NA	DNNs	NA	NA
23	2025-05-03	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解决小规模标注数据训练中的网络崩溃问题	未明确提及具体的数据集规模限制或计算资源需求	开发一种半监督模型，以降低复杂医学图像分割所需的标注成本	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
24	2025-05-03	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在知识图谱推理中的应用，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，并提供了方法的表格概述和源代码链接	讨论了这些方法的独特性和局限性，并提出了未来研究方向	探讨神经符号人工智能在知识图谱推理中的应用	知识图谱推理方法	自然语言处理	NA	神经符号人工智能	NA	知识图谱	NA
25	2025-05-03	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联合最小化源域和目标域之间的差异，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图像重建中因训练数据和测试数据分布差异导致的性能下降问题	低剂量CT图像	digital pathology	NA	深度学习	probabilistic reconstruction framework	CT图像	两个模拟数据集和一个临床低剂量成像数据集
26	2025-05-03	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	research paper	提出了一种名为ProFun-SOM的新型多标签分类器，用于基于多重序列比对（MSA）重建的特定本体蛋白质功能预测	ProFun-SOM通过重建过程增强初始MSA，并将其整合到深度学习架构中，有效解决了标签依赖性和数据稀疏性带来的性能瓶颈	未明确提及具体局限性	解决蛋白质功能预测中的混合本体问题，提高基因本体注释的准确性	蛋白质功能预测，特别是基因本体（GO）注释	生物信息学	NA	多重序列比对（MSA）	深度学习架构	蛋白质序列数据	三个数据集（CAFA3、SwissProt和NetGO2）
27	2025-05-03	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	research paper	提出了一种名为MG-ViT的新型视觉Transformer模型，用于在小样本学习（FSL）中提高性能和效率	通过引入掩码操作和残差连接，筛选出与任务无关的图像块，引导ViT专注于任务相关且具有区分性的图像块	未提及具体的数据集限制或模型在其他任务上的泛化能力	提高视觉Transformer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	computer vision	NA	gradient-weighted class activation mapping (Grad-CAM)	vision transformer (ViT)	image	未提及具体样本数量，但涉及小样本学习（few-shot learning）
28	2025-05-03	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	research paper	该论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)的共享表示架构，结合自监督的循环一致性训练，显著减少了对匹配多模态数据的需求（比全监督方法少4-7倍数据）	未明确说明模型在更复杂多模态场景下的扩展性，以及与其他先进方法的直接性能对比	探索通过认知启发的架构实现高效的多模态表示学习	视觉-语言模态配对数据	machine learning	NA	自监督学习（循环一致性）	全局工作空间(GW)架构	多模态数据（图像和文本）	两个不同复杂度数据集（未明确样本量）
29	2025-05-03	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	research paper	提出了一种针对未注册高光谱图像（HSI）和多光谱图像（MSI）融合的统一模型框架，旨在提高融合性能对配准精度的不敏感性，并增强深度学习的可解释性和泛化能力	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，并提出了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	未明确提及具体的数据集或样本量限制，可能需要在更多样化的数据集上验证其泛化能力	解决未注册HSI和MSI融合中的配准与融合分离问题，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）	computer vision	NA	深度学习（DL）	MoE-PNP	image	NA
30	2025-05-03	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	研究论文	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	通过变分优化引导的双阶段网络，结合监督学习和无监督学习，有效去除噪声和模糊，恢复更多图像细节	性能依赖于先验信息和空间-光谱退化的准确估计	解决多光谱图像融合中噪声和模糊的问题，提高图像质量	多光谱图像和全色图像	计算机视觉	NA	变分优化，监督学习，无监督学习	VOGTNet, DBFN, ARM	图像	NA
31	2025-05-03	Omics data classification using constitutive artificial neural network optimized with single candidate optimizer 2025-May, Network (Bristol, England) DOI:10.1080/0954898X.2024.2348726 PMID:38736309	研究论文	提出了一种基于Zebra优化算法和构成性人工神经网络的omics数据分类方法，并通过单候选优化器优化权重参数	结合Zebra优化算法进行降维，并使用构成性人工神经网络分类omics数据，通过单候选优化器优化权重参数，提高了分类准确率	未提及具体的数据集大小或实验设置的局限性	提高omics数据的分类准确率	omics数据（如基因组学、蛋白质组学和微生物组学数据）	机器学习	NA	Adaptive variational Bayesian filtering (AVBF), Zebra Optimization Algorithm (ZOA), Constitutive Artificial Neural Network (CANN), Single Candidate Optimizer (SCO)	CANN	omics数据	NA
32	2025-05-03	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	research paper	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设计知识融合模块来增强模型学习能力	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，并利用知识融合模块提取有价值信息辅助模型学习	未明确提及具体局限性	提升多示例学习算法的性能，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	machine learning	NA	deep multi-instance learning	DKMIL, two-level attention (TLA)	complex data structures	62 datasets across five categories
33	2025-05-03	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的可扩展多层次神经进化框架，用于多元时间序列异常检测	AD-NEv框架首次在神经进化中同时优化特征子空间、模型架构和网络权重，实现了全自动搜索最优神经网络	未明确说明框架在计算资源有限环境下的表现	开发一个自动化框架来优化异常检测模型	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）
34	2025-05-03	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	提出一种自动设计深度图神经网络的新方法，采用解耦模式解决深层网络设计中的挑战	重新设计了深度图神经网络的搜索空间，采用基于传播和转换过程的解耦模式，并将问题建模为多目标优化以平衡准确性和计算效率	未提及具体的数据集规模限制或计算资源需求	自动设计深度图神经网络，提升大规模图数据上的节点分类任务性能	图数据中的节点分类任务	machine learning	NA	neural architecture search (NAS)	GNN	graph data	benchmark graph datasets（未提及具体数量）
35	2025-05-03	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	research paper	提出了一种新型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限制或计算资源需求	解决二分图像分割（DIS）中边界杂乱和纹理误导的问题	二分图像分割任务中的通用对象	computer vision	NA	deep learning	FSANet	image	多个基准数据集（未具体说明样本数量）
36	2025-05-03	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	提出一种基于新闻语料库挖掘公众行为与情感相关性的方法	提出A-E-R三元组提取框架和基于假设上下文的知识表示模型(KRHC)，结合规则方法与深度学习揭示情感与行为的显隐关联	未说明新闻语料库的具体规模和时间跨度	探索公众行为与情感之间的关联模式及其社会事件内在因果	新闻语料中反映的公众行为与情感	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
37	2025-05-03	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	研究论文	本文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	提出了语义一致的信号预变换（ScSP）架构，使无线信号更易于现有先进小样本学习模型处理，而无需设计新模型	主要针对无线信号领域，未涉及其他领域的小样本学习应用	解决物联网应用中由于标记数据稀缺导致的调制识别挑战	物联网网络中的无线信号，特别是无人机异常检测和物联网网络入侵检测中的信号	机器学习	NA	小样本学习（FSL）	语义一致的信号预变换（ScSP）架构	无线信号数据	小样本（仅使用有限数量的标记样本）
38	2025-05-03	Enhancing Lesion Detection in Inflammatory Myelopathies: A Deep Learning-Reconstructed Double Inversion Recovery MRI Approach 2025-May-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8582 PMID:39542724	research paper	本研究比较了深度学习重建的双反转恢复MRI与传统方法在炎症性脊髓病中的病变检测效果	首次评估了深度学习重建的双反转恢复MRI在炎症性脊髓病中的应用效果	研究样本量相对较小，且仅由三名神经放射科医师评估	比较不同MRI技术在炎症性脊髓病中的病变检测效果	炎症性脊髓病患者	digital pathology	inflammatory myelopathies	deep learning-reconstructed double inversion recovery MRI	DL	MRI images	149名参与者（平均年龄40.6岁，71名女性）
39	2025-05-03	Hybrid deep learning-based skin cancer classification with RPO-SegNet for skin lesion segmentation 2025-May, Network (Bristol, England) DOI:10.1080/0954898X.2024.2428705 PMID:39628058	research paper	提出了一种基于混合深度学习的皮肤癌分类方法，结合RPO-SegNet进行皮肤病变分割	提出了Recurrent Prototypical Object Segmentation Network (RPO-SegNet)用于皮肤病变分割，以及Fuzzy-based Shepard Convolutional Maxout Network (FSCMN)用于皮肤癌分类	NA	提高皮肤癌的准确和及时识别，以降低死亡率	皮肤黑色素病变	computer vision	skin cancer	deep learning	RPO-SegNet, FSCMN, DMN, ShCNN	image	NA
40	2025-05-03	Deep Learning for Predicting Acute Exacerbation and Mortality of Interstitial Lung Disease 2025-May, Annals of the American Thoracic Society IF:6.8Q1 DOI:10.1513/AnnalsATS.202403-284OC PMID:39680875	研究论文	使用深度学习模型预测间质性肺病（ILD）的急性加重和死亡率	利用纵向数据开发深度学习模型，优于传统的单变量和多变量Cox比例风险模型	研究数据来自两个专科中心，可能存在选择偏倚	早期识别高风险ILD患者并准确预测急性加重和死亡事件	间质性肺病患者	机器学习	间质性肺病	深度学习	DL模型	纵向临床和环境数据	1,175名患者（来自两个医疗中心）