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	2025-03-11	A novel deep learning model combining 3DCNN-CapsNet and hierarchical attention mechanism for EEG emotion recognition 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107267 PMID:40010290	研究论文	本文提出了一种结合3DCNN-CapsNet和分层注意力机制的新型深度学习模型HA-CapsNet，用于EEG情绪识别	HA-CapsNet模型结合了3DCNN-CapsNet和分层注意力机制，能够捕捉通道间相关性以及每个频段的贡献，相比传统CNN提取更多空间特征信息	NA	提高EEG情绪识别的准确性和鲁棒性	EEG信号	机器学习	NA	深度学习	3DCNN-CapsNet, 分层注意力机制	EEG信号	DEAP和DREAMER数据集
5402	2025-03-11	Advertising or adversarial? AdvSign: Artistic advertising sign camouflage for target physical attacking to object detector 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107271 PMID:40010291	研究论文	本文提出了一种名为AdvSign的艺术广告标志伪装方法，用于在自动驾驶场景中对目标物体检测器进行物理攻击	提出了一种结合艺术图案的广告标志伪装方法，增强了物理攻击的隐蔽性和不可追踪性，并引入了具有艺术图案约束的新型损失函数	主要依赖于模拟环境（CARLA自动驾驶模拟器）进行实验，实际环境中的效果可能有所不同	开发一种在物理环境中对深度学习模型进行隐蔽且难以追踪的对抗攻击方法	自动驾驶场景中的物体检测器	计算机视觉	NA	对抗训练	YOLOv5	图像	模拟环境中的复合场景图像和真实世界中的打印AdvSign图像
5403	2025-03-11	CNN-Transformer and Channel-Spatial Attention based network for hyperspectral image classification with few samples 2025-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107283 PMID:40010294	研究论文	本文提出了一种名为CTA-net的新算法，用于在少量样本情况下进行高光谱图像分类	提出了一种样本扩展方案以生成大量新样本，并引入了一种基于CNN-Transformer的高光谱分类网络，结合了CNN的局部特征提取和Transformer的非局部特征提取，以及通道-空间注意力模块进一步优化特征	NA	解决高光谱图像分类在少量样本情况下的挑战	高光谱图像	计算机视觉	NA	NA	CNN-Transformer	图像	多个高光谱图像数据集
5404	2025-03-11	Two algorithms for improving model-based diagnosis using multiple observations and deep learning 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107185 PMID:39862533	研究论文	本文提出了两种新算法，通过整合多观察和深度学习技术来增强基于模型的诊断（MBD）	提出了两种新算法Discret2DiMO和Discret2DiMO-DC，通过整合多观察和深度学习技术显著提高了MBD的诊断准确性和计算效率	实验仅在模拟的三罐模型上进行，未在真实世界系统中验证	提高基于模型的诊断（MBD）的准确性和计算效率	基于模型的诊断（MBD）	人工智能	NA	深度学习	NA	模拟数据	模拟的三罐模型
5405	2025-03-11	Endpoint-aware audio-visual speech enhancement utilizing dynamic weight modulation based on SNR estimation 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107152 PMID:39874821	研究论文	本研究提出了一种新颖的音频-视觉语音增强系统，通过动态调整音频和视觉端点信息权重，基于环境噪声水平，有效整合音频和视觉信息，提高语音质量和可懂度	提出了一种基于SNR估计的动态权重调制技术，使模型能够根据环境噪声水平动态调整音频和视觉信息的权重，从而在广泛的SNR范围内提高语音增强效果	研究主要基于基准数据集进行实验，未在真实世界的多样化噪声环境中进行广泛验证	提高音频-视觉语音增强系统的性能，特别是在广泛SNR范围内的噪声环境中	音频和视觉语音信号	自然语言处理	NA	动态权重调制技术	Endpoint-Aware Network (EANet)	音频和视觉数据	基准数据集
5406	2025-03-11	Integration of MRI radiomics and clinical data for preoperative prediction of vascular invasion in breast cancer: A deep learning approach 2025-May, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110339 PMID:39880177	研究论文	本研究旨在通过深度学习整合MRI影像组学特征和临床数据，预测乳腺癌患者的血管侵犯情况	首次将MRI影像组学特征与临床数据结合，利用深度学习模型进行乳腺癌血管侵犯的术前预测	样本量较小（102例），且为回顾性研究，可能影响模型的泛化能力	提高乳腺癌患者术前血管侵犯预测的准确性，以辅助手术规划和患者管理	102例经手术病理证实的浸润性乳腺癌患者	数字病理	乳腺癌	MRI影像组学	深度学习	图像和临床数据	102例乳腺癌患者
5407	2025-03-11	Large blood vessel segmentation in quantitative DCE-MRI of brain tumors: A Swin UNETR approach 2025-May, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110342 PMID:39892479	研究论文	本研究提出了一种基于Swin UNETR架构的深度学习技术，用于自动分割脑肿瘤定量DCE-MRI中的大血管，并与U-Net和Attention U-Net架构进行了比较	首次将Swin UNETR架构应用于脑肿瘤定量DCE-MRI中的大血管分割，并展示了其在准确性和泛化能力上的优势	研究仅使用了来自两个中心和两种场强磁共振扫描仪的MRI数据，可能限制了模型的广泛适用性	提高脑肿瘤自动分级的准确性，并改进治疗计划	脑肿瘤患者的大血管	计算机视觉	脑肿瘤	定量动态对比增强磁共振成像（DCE-MRI）	Swin UNETR, U-Net, Attention U-Net	MRI图像	187名脑肿瘤患者的MRI数据
5408	2025-03-11	Deterministic Autoencoder using Wasserstein loss for tabular data generation 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107208 PMID:39893805	研究论文	本文提出了一种基于Wasserstein损失函数的确定性自编码器（TWAE），用于表格数据的生成	利用Wasserstein自编码器的确定性编码机制，解决了传统变分自编码器在表格数据生成中的潜在空间正则化问题，增强了潜在空间的稳定性和表达能力	未明确提及具体局限性	解决表格数据生成中的复杂性问题，提升生成数据的准确性和效率	表格数据	机器学习	NA	Wasserstein自编码器	自编码器（Autoencoder）	表格数据	未明确提及具体样本数量
5409	2025-03-11	Robust graph structure learning under heterophily 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107206 PMID:39893803	研究论文	本文提出了一种新的鲁棒图结构学习方法，用于从异质性数据中获取高质量的图，以用于下游任务	提出了一种新的鲁棒图结构学习方法，特别针对异质性图进行处理，通过高通过滤器和自适应范数来学习鲁棒图结构，并提出了一种新的正则化器来进一步优化图结构	未提及具体的数据集或样本量限制，可能在实际应用中需要进一步验证	研究如何在异质性图中学习高质量的图结构，以提升下游任务（如节点分类和聚类）的性能	异质性图	机器学习	NA	高通过滤器、自适应范数、正则化器	NA	图数据	未提及具体样本量
5410	2025-03-11	GTIGNet: Global Topology Interaction Graphormer Network for 3D hand pose estimation 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107221 PMID:39922160	研究论文	本文提出了一种新的深度学习架构GTIGNet，用于从单目RGB图像中估计3D手部姿态，解决了现有方法在捕捉手部关节的长距离依赖关系方面的不足	引入了全局拓扑交互图变换器网络（GTIGNet），结合上下文感知注意力块（CAAB）和高阶图变换器，显著提升了3D手部姿态估计的准确性	未明确提及模型的局限性	提高从单目RGB图像中估计3D手部姿态的准确性	手部关节的3D姿态	计算机视觉	NA	深度学习	GTIGNet, Context-Aware Attention Block (CAAB), High-Order Graphormer	RGB图像	四个数据集：Rendered Hand Dataset (RHD), Stereo Hand Pose Benchmark (STB), First-Person Hand Action Benchmark (FPHA), FreiHAND Dataset
5411	2025-03-11	Multi-knowledge informed deep learning model for multi-point prediction of Alzheimer's disease progression 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107203 PMID:39922154	研究论文	本文提出了一种创新的深度学习框架Mul-KMPP，用于准确预测阿尔茨海默病的进展	提出了一个多知识引导的深度学习模型，结合了全局和局部脑特征提取、诊断模块和预测模块，并设计了新的复合损失函数	未明确提及模型的局限性	开发一个深度学习模型以精确预测阿尔茨海默病的进展	阿尔茨海默病患者	数字病理学	老年疾病	深度学习	Mul-KMPP	MRI图像	819个样本
5412	2025-03-11	GARNN: An interpretable graph attentive recurrent neural network for predicting blood glucose levels via multivariate time series 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107229 PMID:39929068	研究论文	本文提出了一种可解释的图注意力循环神经网络（GARNN），用于通过多变量时间序列预测血糖水平	GARNN通过图注意力机制总结变量重要性并生成特征图，提供高质量的时序解释性，而非事后分析	NA	提高1型或2型糖尿病患者的血糖管理水平，减少并发症并提高生活质量	1型或2型糖尿病患者的血糖水平	机器学习	糖尿病	多变量时间序列（MTS）建模	GARNN（图注意力循环神经网络）	多变量时间序列数据（包括传感器数据和自我报告的事件数据）	四个数据集，代表不同的临床场景
5413	2025-03-11	Robust deep learning from weakly dependent data 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107227 PMID:39933320	研究论文	本文探讨了在弱依赖数据下的鲁棒深度学习，提出了在无界损失函数和无界输出情况下的深度神经网络估计器的非渐近边界	本文的创新点在于考虑了弱依赖观测数据下的鲁棒深度学习，放宽了现有工作中对损失函数和变量的限制，仅假设输出变量具有有限的r阶矩	本文的局限性在于仅考虑了强混合和ψ-弱依赖假设下的数据，未涉及其他类型的依赖结构	研究目的是在弱依赖数据下建立深度神经网络估计器的鲁棒性理论	研究对象是弱依赖观测数据下的深度神经网络估计器	机器学习	NA	NA	深度神经网络	数值数据	NA
5414	2025-03-11	Use of deep learning-accelerated T2 TSE for prostate MRI: Comparison with and without hyoscine butylbromide admission 2025-May, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110358 PMID:39938669	研究论文	本研究探讨了深度学习加速的T2加权涡轮自旋回波成像序列（T2DL）在前列腺MRI中的应用，特别是关于是否需要使用丁溴东莨菪碱（HBB）以获得高质量图像	首次比较了使用和不使用HBB的深度学习加速T2DL序列与传统T2 TSE序列在前列腺MRI中的表现	需要进一步研究以评估在新型扫描仪上调整和开发的DL应用，并评估肿瘤检测率	探讨深度学习加速的T2DL序列在前列腺MRI中的应用及其与HBB使用的必要性	120名连续患者，分为四组，每组30人	数字病理	前列腺癌	深度学习加速的T2加权涡轮自旋回波成像序列（T2DL）	深度学习	图像	120名患者，分为四组，每组30人
5415	2025-03-11	PrediRep: Modeling hierarchical predictive coding with an unsupervised deep learning network 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107246 PMID:39946763	研究论文	本文介绍了一种名为PrediRep的新型深度学习网络，该网络更紧密地遵循层次预测编码（hPC）的架构原则，用于理解大脑皮层如何通过内部生成模型预测未来感官输入	PrediRep网络在架构上更贴近hPC原则，与现有模型相比，在功能对齐上表现更优，特别是在使用全层次损失函数（PrediRepAll）时	PrediRep主要设计用于神经科学研究，而非优化性能，尽管在下一帧预测任务中表现出色，但其主要目标并非性能优化	开发一个更符合hPC原则的深度学习模型，用于神经科学研究和探索大脑皮层的预测编码机制	层次预测编码（hPC）和深度学习网络	机器学习	NA	深度学习	PrediRep	视频帧	NA
5416	2025-03-11	PBScreen: A server for the high-throughput screening of placental barrier-permeable contaminants based on multifusion deep learning 2025-Apr-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.125858 PMID:39954759	研究论文	本文介绍了一个名为PBScreen的服务器，用于基于多融合深度学习模型高效筛选能够穿过胎盘屏障的污染物	使用多融合深度学习模型进行污染物筛选，相比传统细胞跨膜实验方法，提高了筛选效率和准确性	虽然模型在外部验证集和BeWo细胞跨膜实验中表现出良好的鲁棒性和泛化能力，但仍需进一步验证其在更广泛应用场景中的有效性	开发一种高效的高通量筛选工具，用于识别能够穿过胎盘屏障的污染物，以增强与关键公共卫生问题相关的污染物风险评估	能够穿过胎盘屏障的污染物	机器学习	NA	深度学习	图卷积网络（GCN）和深度神经网络（DNN）	化学数据	NA
5417	2025-03-11	Finger-aware Artificial Neural Network for predicting arthritis in Patients with hand pain 2025-Apr, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103077 PMID:39970842	研究论文	本研究开发了一种基于Transformer的手指感知人工神经网络（FANN），用于预测手痛患者的关节炎发展	首次将深度学习应用于SUV数据以预测手部关节炎的发展，并开发了FANN模型，该模型在性能上优于传统机器学习模型	未提及具体的研究局限性	提高关节炎的早期和准确诊断，以支持有效的治疗和管理	手痛患者	机器学习	关节炎	SPECT/CT	Transformer-based FANN	图像数据	未提及具体样本数量
5418	2025-03-11	Artificial Intelligence non-invasive methods for neonatal jaundice detection: A review 2025-Apr, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103088 PMID:39988547	综述	本文综述了人工智能在新生儿黄疸非侵入性检测方法中的应用	探讨了多种AI驱动技术，如机器学习和深度学习，这些技术在通过评估新生儿皮肤颜色和其他相关特征的复杂模式来提高诊断准确性方面显示出潜力	讨论了将AI技术整合到临床实践中的伦理和实际影响	评估AI解决方案在减少新生儿发病率和死亡率方面的潜在影响	新生儿黄疸	数字病理学	新生儿疾病	机器学习和深度学习	神经网络	图像	NA
5419	2025-03-11	A multi-stage multi-modal learning algorithm with adaptive multimodal fusion for improving multi-label skin lesion classification 2025-Apr, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103091 PMID:40015211	研究论文	本文提出了一种基于不确定性的混合融合策略的多模态学习算法，用于皮肤癌诊断，结合了临床图像、皮肤镜图像和元数据三种不同模态	引入了基于不确定性的混合融合策略，能够自适应地结合不同模态的信息，提高了皮肤病变分类的准确性和鲁棒性	虽然实验结果表明了该方法的有效性，但未提及在更大规模或多样化数据集上的泛化能力	提高皮肤癌诊断的准确性和临床适用性	皮肤病变图像和元数据	计算机视觉	皮肤癌	深度学习	多模态融合模型	图像和元数据	使用了一个流行的公开皮肤疾病诊断数据集，但未提及具体样本数量
5420	2025-03-11	Machine learning-based evolution of water quality prediction model: An integrated robust framework for comparative application on periodic return and jitter data 2025-Mar-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.125834 PMID:39933618	研究论文	本研究提出了一种新颖的多层次耦合机器学习框架，用于提高水质预测的准确性	集成了数据去噪、特征选择和LSTM网络，显著提高了预测性能	未来研究需要探索该框架在不同地理和气候条件下的可扩展性	提高水质预测的准确性，以支持地表水资源的可持续管理	溶解氧和高锰酸盐指数	机器学习	NA	LSTM网络、数据去噪、特征选择	LSTM	时间序列数据	四个监测站的数据，采用80-20%和70-30%的训练配置