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
5361	2025-03-05	Advancing Acoustic Droplet Vaporization for Tissue Characterization Using Quantitative Ultrasound and Transfer Learning 2025-Jan-08, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3527141 PMID:40031047	研究论文	本研究探讨了相变纳米液滴在纤维蛋白基组织模拟水凝胶中的声学和成像特性，利用被动空化检测和主动成像技术，包括B模式和对比增强超声，展示了ADV生成的气泡的背向散射信号强度和非线性声学响应与纤维蛋白密度的相关性	结合了深度学习技术，特别是卷积神经网络（AlexNet）的迁移学习，用于区分纤维蛋白水凝胶，为生物医学诊断提供了新的可能性	研究主要局限于纤维蛋白基水凝胶，未涉及更复杂的生物组织环境	探索声学液滴汽化（ADV）技术在生物医学超声中的应用，特别是用于组织特性表征	相变纳米液滴在纤维蛋白基组织模拟水凝胶中的声学和成像特性	生物医学超声	NA	被动空化检测，B模式超声，对比增强超声	卷积神经网络（CNN），AlexNet	超声图像	NA
5362	2025-03-05	P2TC: A Lightweight Pyramid Pooling Transformer-CNN Network for Accurate 3D Whole Heart Segmentation 2025-Jan-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3526727 PMID:40030965	研究论文	本文提出了一种轻量级的金字塔池化Transformer-CNN网络（P2TC），用于精确的3D全心脏分割	P2TC网络结合了3D金字塔池化Transformer进行多尺度信息融合和轻量级大核卷积神经网络（CNN）进行局部特征提取，解决了现有方法在空间上下文建模不足、长距离依赖捕捉困难、计算复杂度高和局部高层语义信息表示有限等问题	NA	提高3D全心脏分割的准确性，以支持心血管疾病的诊断和手术规划	心脏结构	计算机视觉	心血管疾病	深度学习	Transformer-CNN	3D图像	Multi-Modality Whole Heart Segmentation (MM-WHS) 2017挑战数据集
5363	2025-03-05	DiffuSeg: Domain-driven Diffusion for Medical Image Segmentation 2025-Jan-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3526806 PMID:40030962	研究论文	本文介绍了一种名为DiffuSeg的新型条件扩散模型，用于医学图像数据，通过利用现有数据集的标签映射和目标域的无标签图像进行图像扩散，从而避免人工标注，提高分割任务的准确性	提出了一种新的条件扩散模型DiffuSeg，通过特征分解变分自编码器提供条件信息，使得分割网络可以在没有目标数据集标注的情况下进行训练	尽管在图像生成和分割准确性上取得了显著改进，但该方法在目标数据集标注不可用的情况下仍存在一定的局限性	研究目的是开发一种无需人工标注的医学图像分割方法，以提高自动分割模型的效能	医学图像数据，包括视网膜眼底图像用于血管分割和MRI图像用于心脏分割	计算机视觉	NA	条件扩散模型	条件扩散模型，特征分解变分自编码器	图像	MNIST数据集，视网膜眼底图像和MRI图像
5364	2025-03-05	Physiological Information Preserving Video Compression for rPPG 2025-Jan-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3526837 PMID:40030966	研究论文	本文提出了一种专为远程光电容积描记术（rPPG）设计的视频压缩方案，旨在在视频压缩过程中保留生理信息	提出了三种主要策略：基于面部感兴趣区域的计算资源重新分配、保留rPPG信号的比特资源重新分配以及时域上下采样编码，这些策略在视频压缩过程中有效保留了生理信息	尽管在压缩视频至原始大小的1/60时几乎保留了所有生理信息，但该方法仍需在更多数据集和实际应用场景中进一步验证其普适性和稳定性	研究目的是开发一种视频压缩方案，以在rPPG应用中保留生理信息，从而促进远程医疗和深度学习技术的发展	研究对象是rPPG视频数据，特别是面部区域的视频数据	计算机视觉	NA	视频压缩技术	NA	视频	使用了UBFC-rPPG、ECG-Fitness数据集以及自收集的数据集进行性能评估
5365	2025-03-05	Empirical analysis on retinal segmentation using PSO-based thresholding in diabetic retinopathy grading 2025-Jan-06, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2024-0299 PMID:39754503	研究论文	本文提出了一种基于粒子群优化（PSO）的自动阈值算法，用于糖尿病视网膜病变（DR）分级中的视网膜分割，以提高特征提取的准确性	提出了一种基于PSO的自动阈值算法，减少了背景像素对特征提取的负面影响，从而提高了分级的准确性	数据量有限，可能影响模型的泛化能力	提高糖尿病视网膜病变分级的准确性和效率	糖尿病视网膜病变患者的眼底图像	计算机视觉	糖尿病视网膜病变	PSO-based thresholding, Explainable AI (XAI)	ResNet50	图像	IDRiD眼底数据集
5366	2025-03-05	Topological Data Analysis in Graph Neural Networks: Surveys and Perspectives 2025-Jan-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3520147 PMID:40030848	综述	本文系统回顾了拓扑数据分析（TDA）与图神经网络（GNN）结合的研究进展，探讨了这一新兴领域的最新模型和未来展望	首次系统性地综述了TDA与GNN结合的研究，提出了这一领域的分类、基础知识和最新模型	文章主要集中于理论综述，缺乏实际应用案例的深入分析	探讨TDA与GNN结合在复杂图数据分析中的潜力	图数据集	机器学习	NA	拓扑数据分析（TDA）	图神经网络（GNN）	图数据	NA
5367	2025-03-05	FlexibleSleepNet:A Model for Automatic Sleep Stage Classification Based on Multi-Channel Polysomnography 2025-Jan-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3525626 PMID:40030855	研究论文	本文介绍了一种名为FlexibleSleepNet的轻量级卷积神经网络架构，用于基于多通道多导睡眠图数据的自动睡眠阶段分类	提出了Adaptive Feature Extraction (AFE) Module和Scale-Varying Compression (SVC) Module，以平衡时空特征提取与计算复杂性	未提及具体局限性	提高自动睡眠阶段分类的准确性和计算效率	多通道多导睡眠图数据	计算机视觉	NA	多通道多导睡眠图	卷积神经网络 (CNN)	多通道多导睡眠图数据	三个数据库：SleepEDF-20, SleepEDF-78, 和 SHHS
5368	2025-03-05	Predicting Drug-miRNA Associations Combining SDNE with BiGRU 2025-Jan-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3525266 PMID:40030943	研究论文	本文提出了一种结合SDNE和BiGRU的新方法SDNEDMA，用于预测药物-miRNA关联（DMA）	结合SDNE和BiGRU的双通道方法，同时利用药物的拓扑特征和miRNA的k-mer序列特征，提高了预测性能	NA	预测药物-miRNA关联，以支持药物开发	药物和miRNA	机器学习	NA	深度学习	SDNE, BiGRU	序列数据、拓扑数据	ncDR数据集上的5折交叉验证
5369	2025-03-05	Adaptive Neural Message Passing for Inductive Learning on Hypergraphs 2025-Jan, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3434483 PMID:39058615	研究论文	本文提出了一种新的超图学习框架HyperMSG，采用模块化的两级神经消息传递策略，在超边内和超边间准确高效地传播信息	HyperMSG框架通过自适应学习节点度中心性的注意力权重，量化节点的局部和全局重要性，捕捉超图的结构特性，且具有归纳性，能在未见过的节点上进行推理	NA	解决现有超图学习方法将超图结构转换为图结构导致的信息丢失和次优利用问题，提升超图学习的表达能力和效率	超图结构数据	机器学习	NA	神经消息传递	HyperMSG	图数据	多种任务和数据集
5370	2025-03-05	SurroFlow: A Flow-Based Surrogate Model for Parameter Space Exploration and Uncertainty Quantification 2025-Jan, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3456372 PMID:39250378	研究论文	本文介绍了一种基于归一化流的代理模型SurroFlow，用于学习仿真参数与仿真输出之间的可逆变换，支持不确定性量化和高效参数空间探索	提出了一种新的基于归一化流的代理模型SurroFlow，支持不确定性量化、高效参数空间探索和逆向预测	未提及具体局限性	提高科学代理模型的可靠性和探索能力，同时降低计算成本	仿真参数与仿真输出之间的关系	机器学习	NA	归一化流	SurroFlow	仿真数据	未提及具体样本数量
5371	2025-03-05	Interactive Design-of-Experiments: Optimizing a Cooling System 2025-Jan, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3456356 PMID:39250379	研究论文	本文提出了一种交互式视觉优化方法，用于优化冷却系统，特别是在电动汽车的座舱和电池冷却中的应用	结合深度学习模型和数值模拟，通过交互式p-h图引导迭代优化过程，提供了一种新的半自动优化方法	深度学习模型仅作为冷却系统逆过程的近似，且目标特性可能根据不同的竞争目标选择，可能导致优化过程复杂化	优化冷却系统，特别是在电动汽车中的应用	冷却系统，特别是电动汽车的座舱和电池冷却系统	机器学习	NA	深度学习（DL）模型，数值模拟	深度学习模型	模拟数据	NA
5372	2025-03-05	ParamsDrag: Interactive Parameter Space Exploration via Image-Space Dragging 2025-Jan, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3456338 PMID:39250408	研究论文	本文介绍了ParamsDrag模型，通过直接与可视化交互来探索参数空间，以提高数值模拟中参数调整的效率和直观性	提出了一种新的交互式参数空间探索方法，通过直接拖动可视化中的结构相关特征来直观调整和优化参数	未提及具体局限性	提高数值模拟中参数调整的效率和直观性	数值模拟中的参数空间	计算机视觉	NA	深度学习	ParamsDrag	图像	NA
5373	2025-03-05	Dynamic Routing and Knowledge Re-Learning for Data-Free Black-Box Attack 2025-Jan, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3469952 PMID:39331554	研究论文	本文提出了一种新的动态路由和知识再学习框架（DraKe），用于数据自由的黑盒攻击，通过动态生成替代模型结构并重新学习困难样本，有效提高了攻击效果	提出了动态路由和知识再学习框架（DraKe），通过动态生成替代模型结构和重新学习困难样本，解决了现有方法在静态替代模型结构、一次性使用硬合成样本以及依赖目标模型数据统计的局限性	在线数据生成只能学习一次，存在固有的局限性	研究数据自由的黑盒攻击方法，提高对目标模型的攻击效果	深度学习模型	机器学习	NA	NA	动态替代模型结构	图像	四个公共图像分类数据集和一个面部识别基准
5374	2025-03-05	Understanding Episode Hardness in Few-Shot Learning 2025-Jan, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3476075 PMID:39378258	研究论文	本文探讨了少样本学习中的“情节硬度”问题，并提出了一种新的预采样硬度评估技术IFDR	首次对影响情节硬度的关键因素进行了代数分析，并提出了高效的预采样硬度评估技术IFDR，以及两种采样方案CL和CPL	NA	研究少样本学习中情节硬度的影响因素及其评估方法	少样本学习中的情节	机器学习	NA	IFDR（逆费舍尔判别比）	NA	NA	NA
5375	2025-03-05	Latent Diffusion Enhanced Rectangle Transformer for Hyperspectral Image Restoration 2025-Jan, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3475249 PMID:39383081	研究论文	本文提出了一种潜在扩散增强的矩形Transformer方法，用于高光谱图像（HSI）的恢复，解决了现有方法在探索HSI空间非局部自相似性和光谱低秩特性方面的挑战	引入了多形状空间矩形自注意力模块和光谱潜在扩散增强模块，分别用于捕捉非局部空间相似性和生成图像特定的潜在字典以提取低秩向量	未明确提及具体限制，但可能包括计算复杂度高或对特定类型HSI的适应性有限	提高高光谱图像恢复的效果，包括去噪、超分辨率、重建和修复	高光谱图像	计算机视觉	NA	潜在扩散模型	Transformer	图像	在四个常见的高光谱图像恢复任务上进行了实验
5376	2025-03-05	Image Copy-Move Forgery Detection via Deep PatchMatch and Pairwise Ranking Learning 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3482191 PMID:39453802	研究论文	本文提出了一种新颖的端到端图像复制-移动伪造检测框架，结合了传统方法和深度学习的优势	提出了一种深度跨尺度PatchMatch方法和成对排序学习框架，用于精确定位复制-移动区域并区分源区域和目标区域	尽管在多种复制-移动场景中表现出色，但未提及在极端复杂背景下的性能	提高图像复制-移动伪造检测的准确性和泛化能力	图像中的复制-移动伪造区域	计算机视觉	NA	深度学习	深度跨尺度PatchMatch, 成对排序学习框架	图像	未明确提及样本数量
5377	2025-03-05	Widespread use of ChatGPT and other Artificial Intelligence tools among medical students in Uganda: A cross-sectional study 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313776 PMID:39787055	研究论文	本文评估了乌干达医学生对ChatGPT及其他AI工具的使用情况	首次在乌干达医学生中评估了ChatGPT及其他AI工具的广泛使用情况，并探讨了其使用目的和影响因素	研究仅限于乌干达的四所公立大学，可能无法推广到其他地区或国家	评估乌干达医学生对ChatGPT及其他AI工具的使用情况及其影响因素	乌干达四所公立大学的医学生	自然语言处理	NA	描述性横断面研究	ChatGPT	问卷调查数据	564名医学生
5378	2025-03-05	The classification of absence seizures using power-to-power cross-frequency coupling analysis with a deep learning network 2025, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2025.1513661 PMID:39995596	研究论文	本文提出了一种基于功率-功率跨频耦合分析和深度学习网络的失神发作分类方法	首次在癫痫分类文献中探索了功率-功率耦合（PPC）的应用，并结合堆叠稀疏自编码器（SSAE）进行自动分类	样本量较小，仅包含12名患者的94次失神发作	开发一种自动分类失神发作的方法	失神发作的脑电图（EEG）数据	机器学习	癫痫	功率-功率跨频耦合分析	堆叠稀疏自编码器（SSAE）	脑电图（EEG）	12名患者的94次失神发作
5379	2025-03-05	Deep Learning Models for Predicting the Recurrence of Idiopathic Granulomatous Mastitis 2025, Journal of inflammation research IF:4.2Q2 DOI:10.2147/JIR.S499512 PMID:40026307	研究论文	本研究评估并比较了不同机器学习模型在预测特发性肉芽肿性乳腺炎（IGM）复发中的表现	首次比较了逻辑回归、随机森林和神经网络在预测IGM复发中的性能，并发现神经网络模型表现最佳	研究基于回顾性数据，可能存在选择偏差，且样本量相对较小	评估不同机器学习模型在预测IGM复发中的性能	212名被诊断为IGM的患者	机器学习	乳腺疾病	机器学习	逻辑回归、随机森林、神经网络	患者数据（包括血清学标志物、肿瘤特征和治疗历史）	212名患者
5380	2025-03-05	Multiomics-Based Deep Learning Prediction of Prognosis and Therapeutic Response in Patients With Extensive-Stage Small Cell Lung Cancer Receiving Chemoimmunotherapy: A Retrospective Cohort Study 2025, International journal of general medicine IF:2.1Q2 DOI:10.2147/IJGM.S506485 PMID:40026810	研究论文	本研究旨在开发一个临床早期预警预测模型，以评估广泛期小细胞肺癌（ES-SCLC）患者的预后和对化疗免疫治疗的反应，从而指导临床决策	利用多组学数据和深度学习技术，开发了一个预测模型，用于评估ES-SCLC患者的治疗反应和预后，特别是随机森林模型在预测准确性和预后风险评估方面表现出色	研究为回顾性分析，可能存在选择偏倚，且样本量相对较小，需要进一步的前瞻性研究验证	评估广泛期小细胞肺癌患者的预后和对化疗免疫治疗的反应	309名在包头肿瘤医院住院的广泛期小细胞肺癌患者	数字病理学	肺癌	机器学习算法（包括随机森林、决策树、人工神经网络和广义线性回归）	随机森林、决策树、人工神经网络、广义线性回归	临床数据和放射组学参数	309名广泛期小细胞肺癌患者