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
4741	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
4742	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
4743	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
4744	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
4745	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
4746	2025-04-06	Development and external validation of a dynamic risk score for early prediction of cardiogenic shock in cardiac intensive care units using machine learning 2024-Jun-30, European heart journal. Acute cardiovascular care DOI:10.1093/ehjacc/zuae037 PMID:38518758	研究论文	开发并外部验证了一种名为CShock的动态风险评分系统，用于早期预测心脏重症监护病房中的心源性休克	提出了一种基于深度学习的动态风险评分系统CShock，能够自动化检测并提供心源性休克的早期预警	研究样本量相对较小，外部验证队列仅有131名患者	改善心脏重症监护病房中心源性休克的早期检测	心脏重症监护病房中因急性失代偿性心力衰竭和/或心肌梗死入院的患者	机器学习	心血管疾病	深度学习	深度学习模型	临床数据	训练集1500名患者（其中204名有心源性/混合休克），外部验证集131名患者（其中25名有心源性/混合休克）
4747	2025-04-06	LETA: Tooth Alignment Prediction Based on Dual-branch Latent Encoding 2024-Jun-20, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3413857 PMID:40184274	研究论文	本文提出了一种基于双分支潜在编码的牙齿对齐预测系统LETA，用于自动预测牙齿的3D姿态变换	LETA通过从真实对齐牙齿中提取特征来指导网络学习，并采用改进的点卷积操作和基于注意力的网络分别提取局部形状特征和全局上下文特征	NA	开发一种自动预测牙齿3D姿态变换的系统，以减少正畸医生的工作量	口腔内扫描仪(IOS)获取的牙齿3D网格	计算机视觉	NA	深度学习	双分支潜在编码网络	3D点云数据	9,868个IOS表面数据
4748	2025-04-06	TSRNet: A Dual-Stream Network for Refining 3D Tooth Segmentation 2024-Jun-18, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3413345 PMID:38889041	research paper	提出了一种名为TSRNet的双流网络，用于优化现有3D牙齿分割算法的粗糙分割结果	通过双流网络TSRNet结合边界图和距离图的信息，迭代优化粗糙分割的边界	未提及具体的数据集规模或计算资源需求	改进3D牙齿分割的边界精度	3D牙齿分割结果	computer vision	NA	deep learning	TSRNet (dual-stream network)	3D image	NA
4749	2025-04-06	Machine Learning Prediction of Lymph Node Metastasis in Breast Cancer: Performance of a Multi-institutional MRI-based 4D Convolutional Neural Network 2024-05, Radiology. Imaging cancer DOI:10.1148/rycan.230107 PMID:38607282	research paper	开发了一种基于多机构MRI数据的4D卷积神经网络模型，用于无创预测乳腺癌淋巴结转移	提出了一种结合动态图像时间信息的4D CNN模型，整合临床病理指标以提高预测性能	研究为回顾性设计，样本量相对有限（350例患者）	开发深度学习模型预测乳腺癌淋巴结转移状态	新诊断的原发性浸润性乳腺癌患者	digital pathology	breast cancer	dynamic contrast-enhanced (DCE) breast MRI	4D CNN	MRI图像	350例女性患者（平均年龄51.7±11.9岁）
4750	2025-04-06	Targeted-BEHRT: Deep Learning for Observational Causal Inference on Longitudinal Electronic Health Records 2024-04, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3183864 PMID:35737602	研究论文	本文提出了一种基于Transformer的深度学习模型T-BEHRT，结合双重稳健估计方法，用于从纵向电子健康记录中进行观察性因果推断	开发了T-BEHRT模型，结合双重稳健估计方法，提高了在存在混杂因素情况下的因果推断准确性	在数据有限的情况下模型性能可能受到影响	研究抗高血压药物类别对癌症发病风险的因果效应	电子健康记录(EHRs)数据	机器学习	心血管疾病	双重稳健估计	Transformer(T-BEHRT)	电子健康记录	NA
4751	2025-04-06	Artificial intelligence-powered pharmacovigilance: A review of machine and deep learning in clinical text-based adverse drug event detection for benchmark datasets 2024-04, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104621 PMID:38447600	综述	本文综述了机器学习和深度学习方法在临床文本中药物不良事件（ADE）检测中的应用，特别是在命名实体识别（NER）和关系分类（RC）任务中的表现	深入比较了机器学习和深度学习在ADE提取中的优缺点，并探讨了BERT模型在端到端任务中的卓越表现	研究仅基于有限的文献（12篇文章），且未涵盖所有可能的ADE数据源	评估机器学习和深度学习方法在ADE提取中的效果，以提升药物安全监测和医疗结果	临床基准数据集中的药物不良事件（ADE）	自然语言处理	NA	机器学习和深度学习	BERT, 梯度提升, 多层感知机, 随机森林	临床文本	275篇参考文献中的12篇文章
4752	2025-04-06	A Comprehensive Survey on Community Detection With Deep Learning 2024-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2021.3137396 PMID:35263257	综述	本文全面综述了深度学习在社区检测中的最新进展	提出了一种新的分类法，涵盖了基于深度神经网络（DNNs）、深度非负矩阵分解和深度稀疏过滤等最先进方法	未提及具体实验结果的局限性	综述深度学习技术在社区检测领域的最新进展	网络中的社区检测	机器学习	NA	深度学习	DNNs, CNN, GAN, 图注意力网络, 自编码器	网络数据	NA
4753	2025-04-06	Probabilistic Causal Effect Estimation With Global Neural Network Forecasting Models 2024-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3190984 PMID:35853064	研究论文	提出了一种结合概率预测与深度学习模型的新方法，用于估计干预措施对多个处理单元的因果效应	通过估计反事实时间序列概率分布而非单一结果，创新性地解决了传统方法在捕捉政策效应分布变化上的不足	未明确说明模型在极端分布情况下的表现及计算复杂度问题	开发能够准确量化政策干预对时间序列分布影响的因果推断框架	多组受干预和未受干预的时间序列数据	机器学习	NA	深度学习	全局自回归循环神经网络（RNN）	时间序列数据	大量相关时间序列数据集（未提供具体数量）
4754	2025-04-06	A Comprehensive Framework for Long-Tailed Learning via Pretraining and Normalization 2024-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3192475 PMID:35895650	research paper	提出了一种通过对比预训练和特征归一化来改进长尾学习特征提取器和分类器的综合框架	提出了一种新的平衡对比损失和快速对比初始化方案，以及一种新颖的广义归一化分类器，包括广义归一化和分组可学习缩放	未明确提及具体局限性	改进长尾识别中的特征提取器和分类器	长尾分布数据	computer vision	NA	对比预训练, 特征归一化	NA	image	多个长尾识别基准数据集
4755	2025-04-06	Toward Blind Flare Removal Using Knowledge-Driven Flare-Level Estimator 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3480696 PMID:39437280	研究论文	本文提出了一种基于知识驱动的盲光斑去除方法，通过光斑级别估计器和调制器来提升网络在训练和测试阶段的适应性	提出了一种新的盲光斑去除视角，设计了光斑级别估计器和调制器，以及光斑感知块，用于更准确的光斑识别和重建	合成数据与真实数据之间的偏差仍然存在，且光斑的混合机制依赖于多种不确定因素	解决盲光斑去除任务中的挑战，提升图像去光斑的效果	光斑污染的图像及其无光斑对应图像	计算机视觉	NA	深度学习	CNN	图像	三个基准数据集和一个新收集的真实世界光斑数据集WiderFlare
4756	2025-04-06	Automatic Detection of Tooth-Gingiva Trim Lines on Dental Surfaces 2023-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3263161 PMID:37015112	research paper	提出了一种两阶段几何深度学习框架，用于自动检测牙齿-牙龈修剪线	提出了一个两阶段框架，包括修剪线提议网络（TLP-Net）和修剪线细化网络（TLR-Net），能够充分利用高分辨率牙科表面数据	未提及具体样本量或临床验证的广泛性	自动检测牙齿-牙龈修剪线以支持牙科治疗规划和矫正器3D打印	牙齿-牙龈修剪线	computer vision	NA	几何深度学习	U-Net, LDDMM	3D牙科表面数据	NA
4757	2025-04-06	DensePPI: A Novel Image-Based Deep Learning Method for Prediction of Protein-Protein Interactions 2023-10, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2023.3251192 PMID:37028059	研究论文	提出了一种基于图像的深度学习方法DensePPI，用于预测蛋白质-蛋白质相互作用	引入了一种颜色编码方案，将氨基酸的双字母相互作用可能性嵌入RGB颜色空间，以增强学习和预测任务	NA	预测蛋白质-蛋白质相互作用，以理解生物行为并识别疾病关联	蛋白质对	计算机视觉	NA	深度学习	CNN	图像	550万张128×128的子图像，来自近3.6万对相互作用和3.6万对非相互作用的基准蛋白质对
4758	2025-04-06	Temporal Convolutional Network-Based Signal Detection for Magnetotactic Bacteria Communication System 2023-10, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2023.3262555 PMID:37030804	研究论文	本文提出了一种改进的时间卷积网络（TCN），用于基于磁趋细菌（MTB）的分子通信系统中的信号检测	提出了一种改进的TCN模型，用于MTB通信系统中的信号检测，展示了优于现有深度学习和次优MAP检测器的性能	在性能上仍不及最优MAP检测器，且在某些情况下与BiLSTM检测器表现相似	解决分子通信系统中由于符号间干扰和外部噪声导致的信号检测难题	磁趋细菌（MTB）作为信息载体的分子通信系统	机器学习	NA	深度学习（DL）	TCN（时间卷积网络）	信号数据	NA
4759	2025-04-06	Ultrasound Frame-to-Volume Registration via Deep Learning for Interventional Guidance 2023-09, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2022.3229903 PMID:37015418	研究论文	本文提出了一种基于深度学习的超声帧到体积配准方法，用于前列腺癌活检的图像引导干预	提出了一种新颖的超声帧到体积配准（FVReg）流程，通过深度神经网络实现全自动配准，无需外部跟踪设备	未提及具体局限性	开发自动图像配准系统，用于2D超声帧与3D MR图像的融合导航	前列腺癌活检的临床数据集	计算机视觉	前列腺癌	深度学习	深度神经网络	2D超声帧和3D MR图像	618名受试者
4760	2025-04-06	WVDL: Weighted Voting Deep Learning Model for Predicting RNA-Protein Binding Sites 2023 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3252276 PMID:37028092	研究论文	提出一种加权投票深度学习模型（WVDL），用于预测RNA-蛋白质结合位点	使用加权投票方法整合CNN、LSTM和ResNet三种基本分类器模型，提高模型性能	NA	预测RNA-蛋白质结合位点	RNA-蛋白质结合位点	机器学习	NA	深度学习	CNN, LSTM, ResNet	RNA序列数据	公开数据集RBP-24