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
5201	2025-03-05	Hybrid Quantum Deep Learning With Superpixel Encoding for Earth Observation Data Classification 2025-Jan-01, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3518108 PMID:40030763	研究论文	本文介绍了一种混合量子深度学习模型，用于地球观测数据的分类任务	提出了一种结合超像素编码的高效量子数据编码方法，减少了大规模图像表示所需的量子资源	未明确提及具体局限性	解决使用复杂深度学习模型分析大规模地球观测数据时的计算挑战	地球观测数据	机器学习	NA	量子计算	混合量子深度学习模型	图像	多个地球观测基准数据集（包括Overhead-MNIST、So2Sat LCZ42和SAT-6数据集）
5202	2025-03-05	DARCS: Memory-Efficient Deep Compressed Sensing Reconstruction for Acceleration of 3D Whole-Heart Coronary MR Angiography 2025-Jan-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3524717 PMID:40030771	研究论文	本文提出了一种内存高效的深度压缩感知方法DARCS，用于加速3D全心冠状动脉磁共振血管成像的重建	DARCS方法通过预训练的伪影估计网络实现稀疏变换，显著减少了训练展开网络所需的内存，并在重建质量上优于现有方法	NA	提高3D全心冠状动脉磁共振血管成像的重建质量和加速效率	3D全心冠状动脉磁共振血管成像数据	计算机视觉	心血管疾病	深度压缩感知	预训练的伪影估计网络	3D图像	NA
5203	2025-03-05	Optimizing Stroke Detection Using Evidential Networks and Uncertainty-Based Refinement 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3531768 PMID:40031143	研究论文	本研究利用深度学习方法和证据网络分析中风患者的运动障碍，通过不确定性估计提高中风相关损伤的检测灵敏度	使用证据网络和基于不确定性的细化方法，显著提高了对轻微中风患者和短暂性脑缺血发作（TIA）患者的运动障碍检测灵敏度	研究依赖于Kinarm外骨骼系统的数据，可能限制了结果的普适性	提高中风后运动障碍的检测灵敏度，特别是对轻微中风和TIA患者的检测	337名中风患者和368名健康对照者	机器学习	中风	深度学习	证据网络	运动学数据	337名中风患者和368名健康对照者
5204	2025-03-05	SDCoT++: Improved Static-Dynamic Co-Teaching for Class-Incremental 3D Object Detection 2024-Dec-31, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3518774 PMID:40030754	研究论文	本文提出了一种改进的静态-动态协同教学框架SDCoT++，用于解决3D物体检测中的类别增量学习问题	提出了一种新颖的静态-动态协同教学框架，通过静态和动态教师模型分别传递旧知识和新知识，并生成伪标签以缓解新旧类别共现带来的问题	未明确提及具体局限性	解决3D物体检测中的类别增量学习问题，特别是缓解灾难性遗忘现象	3D物体检测模型	计算机视觉	NA	静态-动态协同教学	VoteNet, 3DETR, CAGroup3D	3D数据	未明确提及具体样本数量
5205	2025-03-05	Grid-Centric Traffic Scenario Perception for Autonomous Driving: A Comprehensive Review 2024-Dec-30, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3495045 PMID:40030797	综述	本文对自动驾驶中的网格中心感知进行了全面回顾，探讨了其在动态、大规模交通场景中的应用及其优势	提出了网格中心感知相较于物体中心感知的几何优先范式，强调了其在开放世界驾驶场景中的鲁棒性，并探讨了4D场景感知和预测的最新进展	网格中心感知的复杂性和计算成本较高，且当前缺乏对该领域的全面调查	回顾和总结自动驾驶中网格中心感知技术的发展和应用	自动驾驶车辆	计算机视觉	NA	深度学习	占用网络	图像	NA
5206	2025-03-05	Decoding Gestures in Electromyography: Spatiotemporal Graph Neural Networks for Generalizable and Interpretable Classification 2024-Dec-30, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3523943 PMID:40030831	研究论文	本文提出了一种基于图卷积网络（GCN）的肌电图（EMG）手势识别方法，旨在解决现有方法在多通道EMG信号处理中的局限性	引入了新颖的图结构，以捕捉分布式EMG传感器的空间邻近性和EMG信号的时间邻接性，从而提高了模型的性能、泛化能力和可解释性	尽管在五个公开数据集上取得了最先进的性能，但该方法在实际应用中的效果仍需进一步验证	提升基于EMG的上肢手势识别系统的性能、泛化能力和可解释性	多通道EMG信号	机器学习	NA	图卷积网络（GCN）	GCN	EMG信号	五个公开数据集
5207	2025-03-05	SWMA-UNet: Multi-Path Attention Network for Improved Medical Image Segmentation 2024-Dec-27, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3523492 PMID:40030824	研究论文	本文提出了一种名为SWMA-UNet的并行多路径注意力架构，用于改进医学图像分割	提出了一种并行多路径注意力架构，结合了Transformers和CNNs，以同时处理全局和局部信息，从而提高医学图像分割的准确性	未明确提及具体限制	改进医学图像分割的准确性	医学图像	计算机视觉	NA	深度学习	SWMA-UNet, Transformers, CNNs	图像	Synapse, ACDC, ISIC 2018和MoNuSeg数据集
5208	2025-03-05	Addressing Multiple Challenges in Early Gait Freezing Prediction for Parkinson's Disease: A Practical Deep Learning Approach 2024-Dec-26, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3522664 PMID:40030782	研究论文	本文提出了一种深度学习框架PhysioGPN，用于预测帕金森病患者的步态冻结事件，并通过知识蒸馏技术减少对多传感器的依赖	提出了PhysioGPN框架，结合大卷积核、多维多尺度卷积、双塔结构和多域注意力机制，以及知识蒸馏技术，解决了步态冻结预测中的多个挑战	尽管模型在减少传感器数量时性能下降得到缓解，但仍需进一步验证其在不同患者群体中的泛化能力	解决帕金森病患者步态冻结预测中的多个挑战，包括预测间隔短、跨患者泛化能力有限和多传感器不便等问题	帕金森病患者的步态冻结事件	机器学习	帕金森病	深度学习	PhysioGPN（结合大卷积核、多维多尺度卷积、双塔结构和多域注意力机制）	传感器数据	未明确提及样本数量
5209	2025-03-05	A Review of Deep Learning for Video Captioning 2024-Dec-26, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3522295 PMID:40030799	综述	本文对基于深度学习的视频字幕生成方法进行了全面回顾	提供了视频字幕生成领域的详细分类，包括基于注意力的架构、图网络、强化学习、对抗网络和密集视频字幕生成，并讨论了现有数据集和研究空白	未提出新的方法或模型，仅对现有研究进行总结和分类	回顾和分类视频字幕生成领域的深度学习方法	视频字幕生成方法	自然语言处理	NA	深度学习	基于注意力的架构、图网络、强化学习、对抗网络	视频	NA
5210	2025-03-05	mm-HrtEMO: Non-Invasive Emotion Recognition via Heart Rate Using mm-Wave Sensing in Diverse Scenarios 2024-Dec-26, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3522316 PMID:40030825	研究论文	本文提出了一种基于毫米波雷达和深度学习的非接触式、保护隐私的情绪识别框架	该框架通过毫米波雷达在动态场景中隔离心率信号，并采用混合1D-CNN和Bi-LSTM模型进行特征提取和时序分析，确保实时性，且不受环境因素如光照或衣物的影响	NA	开发一种非侵入式情绪识别系统，适用于医疗、人机交互和教育等多种场景	通过毫米波雷达捕捉的心率信号	机器学习	NA	毫米波雷达	1D-CNN, Bi-LSTM	雷达信号	NA
5211	2025-03-05	Distributed Deep Learning With Gradient Compression for Big Remote Sensing Image Interpretation 2024-Dec-23, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3517535 PMID:40030610	研究论文	本文提出了一种分布式深度学习框架，结合梯度压缩技术，用于大规模遥感图像的解释	引入了分布式背景学习方法和梯度压缩技术（GCC），显著减少了通信开销并保持了目标检测的准确性	未提及具体局限性	解决大规模高光谱数据与资源受限的物联网/边缘设备硬件之间的矛盾，促进高光谱目标检测在边缘计算环境中的部署	高光谱图像（HSIs）	计算机视觉	NA	分布式深度学习、梯度压缩	深度神经网络（DNNs）	高光谱图像	两个大型高光谱数据集，总大小约3.2GB
5212	2025-03-05	Deep Learning Based Post-stroke Myoelectric Gesture Recognition: From Feature Construction to Network Design 2024-Dec-23, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3521583 PMID:40030685	研究论文	本文探讨了深度学习在脑卒中后手势识别中的应用，通过收集八名慢性脑卒中患者的表面肌电信号，研究了特征域、数据结构和神经网络架构对识别效果的影响	本研究首次全面评估了18种深度学习模型在脑卒中后手势识别中的表现，并分析了两种后处理算法对识别准确率的提升效果	研究样本量较小，仅涉及八名慢性脑卒中患者，可能影响结果的普适性	探索深度学习在脑卒中后手势识别中的应用，以提高机器人辅助康复的效果	八名慢性脑卒中患者的表面肌电信号	机器学习	脑卒中	表面肌电信号(sEMG)	CNN, CNN-LSTM, CNN-LSTM-Attention	一维和二维图像数据	八名慢性脑卒中患者
5213	2025-03-05	Learn to Supervise: Deep Reinforcement Learning-Based Prototype Refinement for Few-Shot Motor Fault Diagnosis 2024-Dec-23, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3516035 PMID:40030687	研究论文	本文提出了一种基于深度强化学习的原型精炼方法，用于半监督少样本电机故障诊断	创新点在于将深度强化学习应用于少样本故障诊断，通过迭代的半监督元学习策略选择信息丰富的未标记样本并精炼类别原型	未提及具体限制	研究目的是解决工业场景中数据稀缺问题，提高少样本故障诊断的实用性	研究对象是工业电机	机器学习	NA	深度强化学习（DRL）	镜像原型网络（ProtoNet）	标记数据和未标记数据	多个电机实验数据集
5214	2025-03-05	Resisting Noise in Pseudo Labels: Audible Video Event Parsing With Evidential Learning 2024-Dec-23, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3505674 PMID:40030688	研究论文	本文提出了一种新的抗噪声事件解析框架NREP，用于在可听视频中解析时间事件并区分其模态类型	引入了证据深度学习（EDL）来克服噪声伪监督的限制，包括模态证据学习（MEL）、时间证据学习（TEL）和前景-背景一致性学习（FBCL）	未明确提及具体局限性	解决在弱监督学习设置下，可听视频中音频-视觉视频解析（AVVP）任务中的噪声伪标签问题	可听视频中的时间事件和模态类型	多模态视频理解	NA	证据深度学习（EDL）	NA	视频	在两个AVVP基准数据集上进行了评估
5215	2025-03-05	Naturalistic multimodal emotion data with deep learning can advance the theoretical understanding of emotion 2024-Dec-21, Psychological research DOI:10.1007/s00426-024-02068-y PMID:39708231	研究论文	本文探讨了如何利用深度学习和多模态情感数据来推进情感理论的理解	通过整合多模态情感标记数据，包括主观体验、情境因素、脑-身体生理信号和表达行为，深度学习算法能够在多维空间中揭示和映射它们之间的复杂关系，从而提供对情感类别是先天还是后天习得以及情感是否表现出一致性或退化等长期问题的新的、细致入微的见解	获取全面的自然主义多模态情感数据仍面临重大挑战，特别是在自然主义多模态情感的同步测量方面需要进一步的技术进步	探讨如何利用人工智能，特别是深度学习和多模态情感数据，来克服传统研究方法的局限性，从而推进情感理论的理解	情感的多模态标记数据，包括主观体验、情境因素、脑-身体生理信号和表达行为	自然语言处理	NA	深度学习	NA	多模态数据（包括主观体验、情境因素、脑-身体生理信号和表达行为）	NA
5216	2025-03-05	End-to-End Mandarin Speech Reconstruction Based on Ultrasound Tongue Images Using Deep Learning 2024-Dec-20, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3520498 PMID:40030663	研究论文	本研究提出了一种基于深度学习的端到端方法，利用超声舌图像重建普通话语音	使用对抗神经网络构建语音重建模型，包括预训练的特征提取器、上采样块和判别器，以生成高保真度的重建语音	未来研究需要集中在喉切除患者的特定条件上，通过扩大训练数据集、研究超声舌成像参数的影响以及进一步优化方法来增强模型性能	通过利用发音运动信息有效恢复语音功能，进行语音康复研究	喉切除患者	自然语言处理	喉癌	深度学习	对抗神经网络	超声舌图像和语音数据	NA
5217	2025-03-05	Pre-trained Convolutional Neural Networks Identify Parkinson's Disease from Spectrogram Images of Voice Samples 2024-Dec-18, Research square DOI:10.21203/rs.3.rs-5348708/v1 PMID:39764112	研究论文	本文提出了一种使用预训练的卷积神经网络（CNN）通过声谱图图像识别帕金森病的新方法	使用迁移学习的卷积神经网络分析持续元音/a/的声谱图图像，以识别帕金森病患者，并在不同录音平台上测试了该方法的性能	研究结果基于有限带宽的电话线路录音数据集，可能影响特征的准确性	开发一种自动检测帕金森病的深度学习方法	帕金森病患者的语音样本	计算机视觉	帕金森病	迁移学习	CNN	图像（声谱图）	较大的语音数据集（通过智能手机录制）
5218	2025-03-05	Language-Driven Spatial-Semantic Cross-Attention for Face Attribute Recognition With Limited Labeled Data 2024-Dec-18, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3514836 PMID:40030689	研究论文	本文提出了一种名为语言驱动的空间-语义交叉注意力（LSA）的新方法，用于在有限标注数据的情况下进行人脸属性识别	LSA方法无需额外的数据集或辅助任务进行预训练，通过结合语言驱动的知识来增强属性识别	尽管在有限标注数据下表现优异，但该方法仍需进一步验证在其他数据集和实际应用中的效果	解决在有限标注数据下的人脸属性识别问题	人脸属性识别	计算机视觉	NA	语言模型	交叉注意力模型	图像	CelebA和LFWA数据集
5219	2025-03-05	Multiview Deep Learning-Based Molecule Design and Structural Optimization Accelerates Inhibitor Discover 2024-Dec-18, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3506619 PMID:40030719	研究论文	本文提出了MEDICO，一种多视图深度生成模型，用于分子生成、结构优化和SARS-CoV-2抑制剂发现	MEDICO是首个能够生成与目标分子结构相似的分子图的多视图图生成模型，通过多视图表示学习框架充分且自适应地学习目标分子拓扑和几何的全面结构语义	NA	加速SARS-CoV-2抑制剂发现和COVID-19药物的从头设计	分子生成和结构优化	机器学习	COVID-19	多视图深度生成模型	图生成模型	分子图	NA
5220	2025-03-05	Diffusion Models as Strong Adversaries 2024-Dec-16, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3514361 PMID:40030592	研究论文	本文探讨了扩散模型作为强对抗者的能力，特别是在无盒对抗攻击中的应用	首次利用扩散模型生成的数据进行无盒对抗攻击，无需访问训练数据集或目标模型	研究仅限于ImageNet数据集，未在其他数据集上验证	研究扩散模型在对抗攻击中的潜力	扩散模型生成的合成数据集	计算机视觉	NA	扩散模型	扩散模型	图像	ImageNet数据集