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
5261	2025-03-10	An interpretable generative multimodal neuroimaging-genomics framework for decoding alzheimer's disease 2024-Nov-14, ArXiv PMID:38947922	研究论文	本文提出了一种可解释的生成多模态神经影像-基因组学框架，用于解码阿尔茨海默病	提出了一种新的深度学习分类框架，采用循环生成对抗网络（cGAN）在潜在空间中填补缺失数据，并采用可解释的人工智能方法（XAI）提取输入特征的相关性	未明确提及具体限制	解码阿尔茨海默病的潜在机制，进行AD检测和MCI转化预测	阿尔茨海默病患者和轻度认知障碍（MCI）患者	数字病理学	老年病	结构性和功能性磁共振成像（sMRI/fMRI），单核苷酸多态性（SNPs）	循环生成对抗网络（cGAN）	神经影像数据，基因组数据	未明确提及具体样本数量
5262	2025-03-10	Quantitative CT Scan Analysis in Rheumatoid Arthritis-Related Interstitial Lung Disease 2024-Nov-09, Chest IF:9.5Q1 DOI:10.1016/j.chest.2024.10.052 PMID:39528110	研究论文	本文探讨了深度学习基础的CT成像在评估类风湿性关节炎相关间质性肺病（RA-ILD）疾病严重程度、预测死亡率和识别疾病进展中的效用	使用数据驱动的纹理分析（DTA）方法对RA-ILD患者的CT扫描进行定量分析，首次将DTA纤维化评分与肺功能和生存率关联起来	研究样本量相对较小，特别是验证队列仅有50人，可能影响结果的普遍性	评估定量CT成像在RA-ILD中的临床应用价值，特别是作为疾病严重程度和死亡率的预测工具	类风湿性关节炎相关间质性肺病（RA-ILD）患者	数字病理学	类风湿性关节炎相关间质性肺病	CT成像，数据驱动的纹理分析（DTA）	深度学习	CT图像	289名主要队列患者和50名验证队列患者
5263	2025-03-10	Diverging Effects of Violence Exposure and Psychiatric Symptoms on Amygdala-Prefrontal Maturation During Childhood and Adolescence 2024-Sep-07, Biological psychiatry. Cognitive neuroscience and neuroimaging DOI:10.1016/j.bpsc.2024.08.003 PMID:39182725	研究论文	本研究探讨了童年和青春期暴力暴露与精神病症状对杏仁核-前额叶皮层（PFC）回路成熟的不同影响	揭示了暴力暴露和精神病症状对杏仁核-PFC回路成熟的不同影响，提出了适应性和非适应性神经发育机制的差异	研究样本仅限于费城神经发育队列（PNC），可能无法完全代表其他人群	探讨暴力暴露和精神病症状对杏仁核-PFC回路成熟的影响	1133名青少年	神经科学	精神疾病	深度学习	深度学习模型	脑功能连接数据	1133名青少年
5264	2025-03-10	Data-driven fine-grained region discovery in the mouse brain with transformers 2024-Jun-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.05.592608 PMID:38766132	研究论文	本文开发了一种无监督训练方案和基于transformer的深度学习架构，用于利用空间转录组学数据检测小鼠全脑的空间区域	提出了一种新的transformer深度学习架构，能够从粗到细粒度地识别小鼠大脑中的空间区域，并发现了一些以前未分类的亚区域	NA	研究小鼠大脑的空间组织	小鼠大脑	数字病理学	NA	空间转录组学	transformer	空间转录组学数据	多个小鼠的全脑数据
5265	2025-03-10	Explainability of three-dimensional convolutional neural networks for functional magnetic resonance imaging of Alzheimer's disease classification based on gradient-weighted class activation mapping 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303278 PMID:38771733	研究论文	本文通过应用梯度加权类激活映射（Grad-CAM）等方法，提高了基于fMRI的3D-VGG16网络在阿尔茨海默病（AD）诊断中的可解释性	本文的创新点在于使用多种静息态功能活动图（如ALFF、fALFF、ReHo和VMHC）来降低fMRI数据的复杂性，并采用3D-VGG16网络进行AD分类，同时通过GAP层缓解过拟合问题	本文的局限性在于手动特征提取方法可能增加模型负担，且仅针对AD和正常对照组进行了研究，未涉及其他神经系统疾病	研究目的是探索模型在预测时主要关注的大脑感兴趣区域（ROI），以及AD患者和正常对照组之间这些ROI的差异	研究对象为阿尔茨海默病患者和正常对照组	数字病理学	阿尔茨海默病	fMRI	3D-VGG16	图像	未提及具体样本数量
5266	2025-03-10	Fibration symmetry uncovers minimal regulatory networks for logical computation in bacteria 2023-Oct-17, ArXiv PMID:37904746	研究论文	本文通过对称纤维化方法简化了细菌的基因调控网络，保留了信息流并突出了网络的计算能力	使用对称纤维化方法简化复杂的生物系统，揭示细菌基因调控网络的计算核心	NA	研究细菌基因调控网络的计算能力和信息传递机制	细菌的基因调控网络	生物信息学	NA	对称纤维化方法	NA	基因调控网络数据	NA
5267	2025-03-10	Computed Tomography-Based Deep Learning Nomogram Can Accurately Predict Lymph Node Metastasis in Gastric Cancer 2023-04, Digestive diseases and sciences IF:2.5Q2 DOI:10.1007/s10620-022-07640-3 PMID:35909203	研究论文	本文评估并验证了基于计算机断层扫描的深度学习在胃癌患者术前淋巴结转移评估中的预测性能	结合深度学习特征和临床预测因子建立了一个nomogram，显著提高了淋巴结转移预测的准确性	研究为回顾性研究，样本量相对较小，可能影响模型的泛化能力	评估和验证基于计算机断层扫描的深度学习在胃癌患者术前淋巴结转移评估中的预测性能	胃癌患者	计算机视觉	胃癌	计算机断层扫描（CT）	ResNet50, 随机森林（RF）	图像	347名患者（训练队列：242，测试队列：105）
5268	2025-03-10	Deep Learning Identifies Cardiomyocyte Nuclei With High Precision 2020-08-14, Circulation research IF:16.5Q1 DOI:10.1161/CIRCRESAHA.120.316672 PMID:32486999	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5269	2025-03-09	Self-Supervised High-Order Information Bottleneck Learning of Spiking Neural Network for Robust Event-Based Optical Flow Estimation 2025-Apr, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3510627 PMID:40030563	研究论文	本文提出了一种基于脉冲神经网络（SNN）的自监督高阶信息瓶颈学习算法SeLHIB，用于在噪声环境下鲁棒地估计基于事件的光流	首次提出了基于SNN的自监督信息瓶颈学习策略，并开发了非线性和高阶信息瓶颈学习算法，以增强相关信息的提取和消除冗余	现有SNN架构在训练过程中存在泛化能力和鲁棒性不足的问题，特别是在噪声场景中	提高基于事件的光流估计的泛化能力和鲁棒性，特别是在噪声环境下	基于事件的光流估计	计算机视觉	NA	自监督学习算法	SNN（脉冲神经网络）	事件相机输入	NA
5270	2025-03-09	Quantum Gated Recurrent Neural Networks 2025-Apr, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3519605 PMID:40030602	研究论文	本文提出了一种量子门控循环神经网络（QGRNNs）模型，旨在解决传统循环神经网络中的梯度消失和爆炸问题，并展示了其在序列学习任务中的有效性	将门控机制自然集成到量子神经网络的变分ansatz电路框架中，解决了传统循环神经网络的梯度消失和爆炸问题，并有效缓解了贫瘠高原现象	NA	探索量子神经网络（QNNs）的量子优势，并解决传统循环神经网络中的梯度消失和爆炸问题	量子门控循环神经网络（QGRNNs）	量子机器学习	NA	量子计算	量子门控循环神经网络（QGRNNs）	序列数据	NA
5271	2025-03-09	Glissando-Net: Deep Single View Category Level Pose Estimation and 3D Reconstruction 2025-Apr, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3519674 PMID:40030789	研究论文	本文提出了一种名为Glissando-Net的深度学习模型，用于从单个RGB图像中同时估计类别级物体的姿态并重建其3D形状	Glissando-Net通过两个联合训练的自动编码器（一个用于RGB图像，另一个用于点云）实现了更准确的3D形状和姿态预测，并引入了2D-3D特征交互和直接预测3D形状与姿态的设计	在测试阶段，3D点云的编码器被丢弃，可能限制了模型在某些场景下的表现	研究目标是从单个RGB图像中同时估计物体的姿态并重建其3D形状	研究对象是类别级物体	计算机视觉	NA	深度学习	自动编码器（Auto-encoders）	RGB图像和点云数据	NA
5272	2025-03-09	Latent Weight Quantization for Integerized Training of Deep Neural Networks 2025-Apr, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3527498 PMID:40030978	研究论文	本文提出了一种用于深度神经网络整数化训练的潜在权重量化方案，旨在减少量化对训练过程的扰动	首次提出了一种通用的整数化训练潜在权重量化方案，通过残差量化和优化的双量化器最小化量化扰动	未明确提及具体限制，但可能涉及硬件实现的复杂性和对不同架构的适应性	提高深度神经网络整数化训练的效率和性能	深度神经网络，包括ResNets、MobileNetV2和Transformers	机器学习	NA	残差量化和双量化器	ResNets, MobileNetV2, Transformers	图像和文本	未明确提及具体样本数量，但涉及多种架构和任务
5273	2025-03-09	Torsion Graph Neural Networks 2025-Apr, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3528449 PMID:40030998	研究论文	本文提出了一种新的图神经网络模型TorGNN，通过引入解析扭转来增强图神经网络对非欧几里得数据的分析能力	TorGNN模型创新性地使用解析扭转作为边权重，以捕捉图局部结构的拓扑信息，从而提升图神经网络的性能	NA	提升图神经网络在非欧几里得数据分析中的性能	图神经网络模型及其在链接预测和节点分类任务中的应用	机器学习	NA	解析扭转	图神经网络（GNN）	图数据	16种不同类型的网络用于链接预测任务，4种类型的网络用于节点分类任务
5274	2025-03-09	Characterizing diverse maize varieties under organic cultivation: phenotypic, yield, and canopy data from VIT Vellore 2025-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110367 PMID:40051419	研究论文	本文介绍了在有机栽培条件下不同玉米品种的表型、产量和冠层数据，旨在评估品种性能并促进作物改良	提供了有机栽培条件下八个玉米品种的详细数据集，包括表型、产量、冠层温度和叶绿素读数，为未来育种和深度学习模型构建提供了基础数据	研究仅基于单一地点的有机栽培数据，可能无法完全反映其他环境条件下的品种表现	评估不同玉米品种在有机栽培条件下的表现，为作物改良和育种提供数据支持	八个玉米品种，包括四个来自IIMR的新品种和四个本地栽培品种	农业科学	NA	ANOVA (FRBD)	NA	表型数据、产量数据、冠层温度数据、叶绿素数据	160株玉米植株（每个品种20株，每个重复5株）
5275	2025-03-09	Deep learning-based segmentation of the trigeminal nerve and surrounding vasculature in trigeminal neuralgia 2025-Mar-07, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2024.10.JNS241060 PMID:40053933	研究论文	本研究应用并评估了深度学习模型在三叉神经痛（TN）患者的术前MRI中分割三叉神经及其周围血管的性能，以量化神经和血管的解剖特征	首次使用基于U-Net的神经网络模型对三叉神经及其周围血管进行自动分割，并开发了定量和客观的影像学评估指标	研究样本量较小，仅包括50名TN患者，且数据来自单一机构，可能影响模型的泛化能力	开发并评估深度学习模型在三叉神经痛术前MRI中分割三叉神经及其周围血管的性能	三叉神经痛患者的术前MRI数据	数字病理学	三叉神经痛	MRI	U-Net	图像	50名三叉神经痛患者的术前高分辨率MRI数据
5276	2025-03-09	Generalizable deep learning framework for 3D medical image segmentation using limited training data 2025-Mar-06, 3D printing in medicine IF:3.2Q1 DOI:10.1186/s41205-025-00254-1 PMID:40045095	研究论文	本文介绍了一种用于3D医学图像分割的深度学习框架，该框架在有限训练数据下仍能实现高性能	该框架克服了对大量数据和强大GPU资源的需求，适用于资源受限的医疗环境	尽管在多种临床应用中表现良好，但具体在不同医疗环境中的实际应用效果仍需进一步验证	开发一种适用于资源受限环境的3D医学图像分割深度学习框架	涉及骨科、眼眶分割、下颌骨CT、心脏CT、胎儿MRI和肺部CT的六种不同临床应用	数字病理	NA	深度学习	NA	3D医学图像	少量受试者
5277	2025-03-09	A Lightweight Deep Exclusion Unfolding Network for Single Image Reflection Removal 2025-Mar-06, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3548148 PMID:40048344	研究论文	本文提出了一种轻量级的深度排除展开网络（DExNet），用于单图像反射去除（SIRR）	DExNet通过展开和参数化一个简单的迭代稀疏和辅助特征更新（i-SAFU）算法，结合一般排除先验，能够更准确地分离传输和反射特征	NA	解决单图像反射去除问题，即从反射污染的图像中分离出传输图像和反射图像	反射污染的图像	计算机视觉	NA	深度学习	DExNet	图像	四个基准数据集
5278	2025-03-09	Graph Foundation Models: Concepts, Opportunities and Challenges 2025-Mar-06, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3548729 PMID:40048343	综述	本文介绍了图基础模型（GFMs）的概念，并详细解释了其关键特征和基础技术，同时对该领域现有工作进行了分类，并展望了未来研究方向	提出了图基础模型（GFMs）的概念，并对其进行了系统分类和分析，填补了该领域定义和系统性研究的空白	缺乏对图基础模型在实际应用中具体效果的实证研究	探讨图基础模型在图机器学习领域的潜力和发展方向	图基础模型（GFMs）及其相关技术	图机器学习	NA	NA	图神经网络（GNNs）、大语言模型（LLMs）	图数据	NA
5279	2025-03-09	On the Upper Bounds of Number of Linear Regions and Generalization Error of Deep Convolutional Neural Networks 2025-Mar-05, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3548620 PMID:40042958	研究论文	本文基于卷积神经网络（CNNs）的分段线性（PWL）函数特性，研究了网络结构超参数对CNN性能的影响	提出了CNN的代数表达式，并开发了线性区域数量的紧界和泛化误差的上界，考虑了网络层数、池化维度和宽度等因素	代数表达式的时间复杂度较高	研究卷积神经网络的结构超参数对其性能的影响	卷积神经网络（CNNs）	机器学习	NA	NA	CNN	NA	NA
5280	2025-03-09	Leveraging deep neural network and language models for predicting long-term hospitalization risk in schizophrenia 2025-Mar-05, Schizophrenia (Heidelberg, Germany) DOI:10.1038/s41537-025-00585-2 PMID:40044707	研究论文	本研究开发了一种深度学习模型，通过整合入院时的人口统计、行为和血液检测数据，预测精神分裂症患者的长期住院风险	利用语言模型高效提取非结构化电子健康记录数据，结合多模态特征显著提高预测性能，并通过综合可解释性分析和消融研究验证关键风险因素	研究基于回顾性队列，可能受到数据质量和完整性的限制	预测精神分裂症患者的长期住院风险，以优化资源分配和个体治疗计划	精神分裂症患者	自然语言处理	精神分裂症	深度学习	深度学习模型	人口统计、行为、血液检测数据	回顾性队列