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
5401	2025-03-05	Natural Modal Sketching Network: An Interpretable Approach for Bearing Impulsive Feature Extraction 2024-Dec-03, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3497597 PMID:40030538	研究论文	本文提出了一种自然模态素描网络（NMSNet），用于实现稳健且可信的轴承冲击特征提取	NMSNet通过设计模态响应作为卷积核，并解释前向传播逻辑为自然模态素描，包括模态响应恢复和加权叠加，从而提高了特征提取的可解释性和可信度	尽管NMSNet在噪声鲁棒性和特征提取的可解释性方面表现出色，但其在实际场景中的进一步应用可能受到计算复杂性和数据需求的限制	研究目标是开发一种能够稳健且可信地提取轴承冲击特征的方法	研究对象是滚动轴承的冲击特征	机器学习	NA	卷积神经网络	CNN	信号数据	NA
5402	2025-03-05	Efficient Microbubble Trajectory Tracking in Ultrasound Localization Microscopy Using a Gated Recurrent Unit-Based Multitasking Temporal Neural Network 2024-Dec, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3424955 PMID:38976462	研究论文	本文提出了一种基于门控循环单元的多任务时间神经网络（GRU-MT），用于超声定位显微镜中的微泡轨迹跟踪	GRU-MT同时处理微泡轨迹跟踪和轨迹优化任务，并改进了非线性运动模型，以提高轨迹跟踪的准确性	现有深度学习跟踪技术忽略了微泡运动的时间方面，导致其动态行为的建模效果不佳	提高超声定位显微镜中微泡轨迹跟踪的效率和准确性	微泡轨迹	医学影像	NA	超声定位显微镜（ULM）	GRU, RNN, LSTM, Transformer	超声图像	模拟和体内数据集
5403	2025-03-05	Bypassing Stationary Points in Training Deep Learning Models 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3411020 PMID:38913523	研究论文	本文提出了一种绕过深度学习模型训练中停滞点的新方法，旨在通过扩展模型空间并随后将其收缩回原始空间来加速优化器的训练过程	提出了一种新颖的绕过停滞点的方法，并通过代数约束实现模型空间的扩展与收缩，从而加速优化器的训练	未提及具体实验中的局限性	解决深度学习模型训练中因停滞点导致的优化器速度下降问题	深度学习模型的训练过程	机器学习	NA	梯度下降优化器	神经网络	NA	NA
5404	2025-03-05	Deep Spatial-Spectral Joint-Sparse Prior Encoding Network for Hyperspectral Target Detection 2024-Dec, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3403729 PMID:38837919	研究论文	本文提出了一种新颖的深度空间-光谱联合稀疏先验编码网络（JSPEN），用于高光谱目标检测，该网络将领域知识嵌入神经网络，具有明确的解释性	提出了一种新的深度空间-光谱联合稀疏先验编码网络（JSPEN），通过自适应联合空间-光谱稀疏模型（AS2JSM）挖掘高光谱图像的空间-光谱相关性，并设计了优化算法来模拟迭代优化过程	未明确提及具体局限性	提高高光谱目标检测的准确性和解释性	高光谱图像（HSIs）	计算机视觉	NA	深度学习	JSPEN, AS2JSM	图像	未明确提及样本数量
5405	2025-03-05	Probabilistic Forecasting With Modified N-BEATS Networks 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3450832 PMID:39240737	研究论文	本文提出了一种改进的N-BEATS深度学习架构，用于生成参数化概率预测，并扩展了该架构以优化预测准确性和稳定性	提出了改进的N-BEATS架构，能够同时优化预测准确性和稳定性，并支持联合优化单周期边际和多周期累积概率预测	实验仅在M4月度数据集上进行，未涉及其他数据集或应用场景	改进时间序列点预测问题中的概率预测方法	单变量时间序列数据	机器学习	NA	深度学习	N-BEATS	时间序列数据	M4月度数据集
5406	2025-03-05	GraKerformer: A Transformer With Graph Kernel for Unsupervised Graph Representation Learning 2024-Dec, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3465213 PMID:39378254	研究论文	本文提出了一种名为GraKerformer的Transformer变体，用于改进无监督图表示学习（UGRL）中的结构信息表示和性能	GraKerformer通过利用最短路径图核（SPGK）来加权注意力分数，并结合图神经网络，有效地编码了图的细微结构信息	未明确提及具体限制	改进无监督图表示学习中的结构信息表示和性能	图数据	机器学习	NA	最短路径图核（SPGK）	Transformer	图数据	基准数据集
5407	2025-03-05	Deep Learning Image Segmentation Based on Adaptive Total Variation Preprocessing 2024-Dec, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3418937 PMID:39405157	研究论文	本文提出了一种基于MS模型的两阶段图像分割方法，旨在提高复杂结构和背景图像的分割精度	引入了由梯度算子和自适应加权矩阵组合形成的各向异性正则化项，通过自适应加权矩阵提供水平和垂直方向的不同权重，使曲线沿物体局部特征切线方向扩散，并过滤掉与图像目标无关的信息，减少复杂背景的干扰	NA	提高复杂结构和背景图像的分割精度	图像	计算机视觉	NA	NA	深度学习	图像	NA
5408	2025-01-15	RETRACTED ARTICLE: DLMBHCO: design of an augmented bioinspired deep learning-based multidomain body parameter analysis via heterogeneous correlative body organ analysis 2024-12, Soft computing IF:3.1Q2 DOI:10.1007/s00500-023-08613-y PMID:37362266	研究论文	本文提出了一种基于深度学习的多领域身体参数分析方法，通过异质相关性身体器官分析来识别器官级疾病之间的关联	提出了一种结合细菌觅食优化器（BFO）和多模型融合（Inception Net、XCeption Net、GoogLeNet）的深度学习模型，用于高效识别器官疾病之间的相关性	模型在实时场景中的应用可能仍存在一定的复杂性和计算成本	设计一种深度学习模型，用于分析人体多器官疾病之间的相关性，以辅助临床治疗	人体多器官疾病及其相关性	机器学习	多种疾病（如脑疾病、肾脏疾病、心脏病、癌症等）	深度学习、细菌觅食优化器（BFO）、多模型融合	Inception Net、XCeption Net、GoogLeNet、MAHP	时空数据扫描、血液报告	MITBIH、DEAP、CT Kidney、RIDER、PLCO数据集
5409	2025-03-05	Interactive Prognosis Framework Between Deep Learning and a Stochastic Process Model for Remaining Useful Life Prediction 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3310482 PMID:37725744	研究论文	本文提出了一种深度学习和随机过程模型之间的交互式预测框架，用于剩余使用寿命（RUL）预测	通过集成健康指标（HI）构建和退化建模，解决了传统方法中HI与退化模型之间的匹配缺陷，提高了RUL预测的准确性	未明确提及具体局限性	提高退化系统剩余使用寿命（RUL）预测的准确性	退化系统，特别是涡轮风扇发动机	机器学习	NA	堆叠收缩自编码器，梯度下降算法	堆叠收缩自编码器，指数型退化模型	传感器数据	NA
5410	2025-03-05	Deep Learning for Visual Localization and Mapping: A Survey 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3309809 PMID:37738191	综述	本文对基于深度学习的视觉定位与映射方法进行了全面调查，并提出了一个分类法	提出了一个基于深度学习的视觉定位与映射方法的分类法，并探讨了深度学习在该领域的应用前景和方法	NA	探讨深度学习在视觉定位与映射领域的应用前景和方法	视觉定位与映射方法	计算机视觉	NA	深度学习	NA	图像	NA
5411	2025-03-05	A Hybrid Data Preprocessing-Based Hierarchical Attention BiLSTM Network for Remaining Useful Life Prediction of Spacecraft Lithium-Ion Batteries 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3311443 PMID:37725745	研究论文	本文提出了一种基于混合数据预处理的深度学习方法，用于预测航天器锂离子电池的剩余使用寿命（RUL）	提出了一种新的混合数据预处理方法，结合了Box-Cox变换、CEEMDAN去噪、PCA降维和滑动窗口技术，并构建了多尺度分层注意力双向长短期记忆（MHA-BiLSTM）模型	NA	提高航天器锂离子电池剩余使用寿命（RUL）预测的准确性和模型可靠性	航天器锂离子电池	机器学习	NA	Box-Cox变换、CEEMDAN去噪、PCA降维、滑动窗口技术	MHA-BiLSTM	时间序列数据	基于两个锂离子电池数据集的多种实验
5412	2025-03-05	On the Real-World Adversarial Robustness of Real-Time Semantic Segmentation Models for Autonomous Driving 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3314512 PMID:37782588	研究论文	本文评估了在自动驾驶视觉感知任务中，语义分割模型在面对不同类型对抗性补丁攻击时的鲁棒性	提出了一种新的损失函数以增强攻击者诱导像素错误分类的能力，并提出了一种改进的期望变换方法用于场景中补丁的放置	对抗性效果在数字和现实世界攻击中均可见，但其影响通常局限于图像中补丁周围的区域	评估和提升语义分割模型在自动驾驶视觉感知任务中的对抗性鲁棒性	语义分割模型	计算机视觉	NA	对抗性补丁攻击	语义分割模型	图像	NA
5413	2025-03-05	Pixel-Centric Context Perception Network for Camouflaged Object Detection 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3319323 PMID:37819817	研究论文	本文提出了一种新颖的像素中心上下文感知网络（PCPNet），用于伪装物体检测（COD），通过定制每个像素的个性化上下文来提高检测效果	PCPNet通过自动估计每个像素的周围环境来定制其个性化上下文，并引入无参数的像素重要性估计（PIE）函数和多窗口信息融合，以优化网络对复杂背景像素的关注	未明确提及具体局限性	提高伪装物体检测的准确性和效率	伪装物体检测（COD）中的物体像素	计算机视觉	NA	深度学习	PCPNet	图像	四个COD基准、五个显著物体检测（SOD）基准和五个息肉分割基准
5414	2025-03-05	Physical Adversarial Attacks for Surveillance: A Survey 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3321432 PMID:37824320	review	本文综述了现代自动化监控系统中深度学习方法的物理对抗攻击及其防御策略	提出了一个分析物理对抗攻击的框架，并在此框架下对四种关键监控任务（检测、识别、跟踪和动作识别）的物理对抗攻击进行了全面调查	NA	研究现代监控系统中物理对抗攻击的威胁及其防御策略	监控系统中的深度学习模型	computer vision	NA	NA	深度学习模型	图像	NA
5415	2025-03-05	Bayesian Hierarchical Graph Neural Networks With Uncertainty Feedback for Trustworthy Fault Diagnosis of Industrial Processes 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3319468 PMID:37843997	研究论文	本文提出了一种带有不确定性反馈机制的贝叶斯层次图神经网络（BHGNN），用于工业过程的可靠故障诊断	通过变分丢弃方法捕捉认知不确定性和随机不确定性，并利用每个样本的不确定性信息调整时间一致性约束的强度，以实现鲁棒的特征学习	实验仅在三相流设施（TFF）和安全水处理（SWaT）上进行，可能限制了方法的普适性	提高工业过程故障诊断的可靠性和性能	工业过程的故障诊断	机器学习	NA	贝叶斯深度学习（BDL）框架	贝叶斯层次图神经网络（BHGNN）	过程数据	三相流设施（TFF）和安全水处理（SWaT）的实验数据
5416	2025-03-05	Understanding Double Descent Using VC-Theoretical Framework 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3388873 PMID:38669171	研究论文	本文在VC理论框架下分析了深度学习网络的泛化性能，特别是所谓的“双下降”现象	提出了VC理论框架下的双下降现象解释，并通过经验建模支持了这一理论	研究仅限于分类设置，未涉及其他类型的任务或数据	理解深度学习网络的泛化能力和局限性	深度学习网络在分类任务中的泛化性能	机器学习	NA	VC理论框架	支持向量机(SVM)、最小二乘法(LS)、多层感知器分类器	NA	NA
5417	2025-03-05	Explainable AI for computational pathology identifies model limitations and tissue biomarkers 2024-Nov-18, ArXiv PMID:39279830	研究论文	本文介绍了一种名为HIPPO的可解释AI框架，用于增强数字病理学中深度学习模型的透明度和可靠性	HIPPO框架通过系统修改全片图像中的组织区域生成图像反事实，支持定量假设测试、偏差检测和模型评估，超越了传统性能指标	未明确提及具体局限性	开发一种可解释AI框架，以增强数字病理学中深度学习模型的透明度和可靠性	乳腺癌转移检测、乳腺癌和黑色素瘤的预后预测、胶质瘤IDH突变分类	数字病理学	乳腺癌、黑色素瘤、胶质瘤	深度学习	HIPPO框架	图像	未明确提及具体样本数量
5418	2025-03-05	Personalized Video-Based Hand Taxonomy Using Egocentric Video in the Wild 2024-Nov-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3495699 PMID:39527414	研究论文	本研究旨在通过应用语义聚类到自我中心视频中，自动识别每个个体的主要手部抓握方式，而无需依赖先验分类法	开发了一种整合姿势和外观数据的深度学习模型，用于创建个性化的手部抓握分类法	聚类纯度仅为67.6% ± 24.2%，冗余度为18.0% ± 21.8%，表明模型仍有改进空间	开发一个在自然环境中全面模型手部抓握的方法，应用于机器人学、人体工程学和康复等领域	19名颈椎脊髓损伤（SCI）患者的自我中心视频记录	计算机视觉	脊髓损伤	深度学习	深度学习模型	视频	19名颈椎脊髓损伤患者的自我中心视频记录
5419	2025-03-05	DeepLigType: Predicting Ligand Types of ProteinLigand Binding Sites Using a Deep Learning Model 2024-Nov-07, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3493820 PMID:39509302	研究论文	本文介绍了一种名为DeepLigType的深度学习模型，用于预测蛋白质-配体结合位点的配体类型	提出了结合卷积块注意力模块（CBAM）与ResNet的深度学习模型，用于预测五种不同的配体类型，并创建了一个新的数据集LigType5	模型的准确率为74.30%，仍有提升空间	通过深度学习模型预测蛋白质-配体结合位点的配体类型，以支持药物设计中的决策	蛋白质-配体结合位点	机器学习	NA	深度学习	CBAM-ResNet	蛋白质-配体结合位点数据	从PDBbind和scPDB数据集中创建的新数据集LigType5
5420	2025-03-05	Advanced Camera-Based Scoliosis Screening via Deep Learning Detection and Fusion of Trunk, Limb, and Skeleton Features 2024-Nov-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3491855 PMID:39499599	研究论文	本研究提出了一种基于单目RGB摄像头的非侵入性脊柱侧弯筛查方法，通过深度学习检测和融合躯干、肢体和骨骼特征，提高了筛查的精确性	创新性地结合了参数化人体三维重建（PH3DR）和多尺度融合注意力（MSFA）模块，以及Swin Transformer增强的CMU-Pose，用于提取人体骨骼特征，从而提高了脊柱侧弯筛查的精度和效率	尽管模型在实验中表现优异，但其在更广泛人群中的适用性和长期效果仍需进一步验证	开发一种非侵入性、易于部署的脊柱侧弯早期筛查和常规监测方法	脊柱侧弯患者	计算机视觉	脊柱侧弯	深度学习	ISANet, Swin Transformer, CMU-Pose	图像	未明确提及样本数量