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
5801	2025-03-05	A Forward and Backward Compatible Framework for Few-Shot Class-Incremental Pill Recognition 2024-Dec-10, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3497956 PMID:40030571	研究论文	本文介绍了一种新的少样本类别增量药物识别框架DBC-FSCIL，旨在解决现有深度学习药物识别系统只能对具有足够训练数据的类别进行分类的问题	提出了首个少样本类别增量药物识别框架DBC-FSCIL，包含前向兼容和后向兼容学习组件，通过虚拟类生成策略和中心三元组损失增强特征学习，并使用不确定性量化合成旧类别的伪特征以促进数据回放和知识蒸馏	未明确提及具体限制	开发一种少样本类别增量药物识别系统，以应对数据标注成本高和新药物类别不断增加的问题	药物图像	计算机视觉	NA	深度学习	DBC-FSCIL	图像	未明确提及具体样本数量
5802	2025-03-05	Continuous Estimation of Hand Kinematics from Electromyographic Signals based on Power-and Time-Efficient Transformer Deep Learning Network 2024-Dec-10, 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.2024.3514938 PMID:40030573	研究论文	本文提出了一种基于Transformer深度学习网络的高效方法，用于从表面肌电信号中连续估计手部运动学，旨在提高模型效率和准确性	采用EMSA（高效多重自注意力）和剪枝机制，同时提高效率和准确性，适用于可穿戴设备的实时应用	研究主要基于Ninapro DB2数据集，可能在其他数据集上的泛化能力有待验证	提高从表面肌电信号中估计手指关节角度的模型效率和准确性，以满足可穿戴设备的实时应用需求	表面肌电信号（sEMG）	机器学习	NA	深度学习	Transformer	信号数据	38名受试者的Ninapro DB2数据集
5803	2025-03-05	"Understanding Robustness Lottery": A Geometric Visual Comparative Analysis of Neural Network Pruning Approaches 2024-Dec-09, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3514996 PMID:40030441	研究论文	本文通过几何视觉比较分析，探讨了神经网络剪枝方法对模型内部特征表示和性能的影响	引入了一种高维模型特征空间的视觉几何分析工具，用于比较和突出剪枝对模型性能和特征表示的影响	由于神经网络的‘黑箱’性质，对剪枝过程的理解仍然有限	揭示不同剪枝方法如何改变网络的内部特征表示及其对模型性能的影响	神经网络模型	机器学习	NA	NA	神经网络	NA	NA
5804	2025-03-05	Scale Propagation Network for Generalizable Depth Completion 2024-Dec-09, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3513440 PMID:40030448	研究论文	本文提出了一种新的尺度传播归一化方法（SP-Norm），用于提高深度补全任务在不同场景中的泛化能力	提出了尺度传播归一化方法（SP-Norm），通过从输入到输出传播尺度信息，同时保留归一化操作以便于收敛，从而解决了现有深度补全模型在未见场景中泛化能力不足的问题	尽管在多个未见数据集上进行了广泛实验，但模型在极端稀疏深度图情况下的表现仍需进一步验证	提高深度补全任务在不同场景中的泛化能力	稀疏深度图	计算机视觉	NA	NA	ConvNeXt V2	图像	六个未见数据集，包含不同类型的稀疏深度图（随机采样0.1%/1%/10%有效像素、4/8/16/32/64线LiDAR点、结构光生成的空洞）
5805	2025-03-05	A Semantic Conditional Diffusion Model for Enhanced Personal Privacy Preservation in Medical Images 2024-Dec-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3511583 PMID:40030430	研究论文	本文提出了一种新的医学图像处理框架——医学语义扩散模型（MSDM），旨在通过语义信息合成医学图像，以增强个人隐私保护	MSDM模型通过集成自适应批归一化（AdaBN）将语义信息编码到高维潜在空间，并直接嵌入去噪神经网络中，从而提高了图像质量和语义准确性，同时确保合成图像与原始图像属于同一分布	尽管MSDM在多个数据集上表现出色，但其对语义掩码的依赖可能限制了其应用范围，尽管提出了Spread算法来自动生成这些掩码	研究目标是开发一种能够有效去除医学图像中个人可识别信息（PII）的框架，以增强患者隐私保护	研究对象是医学图像，特别是包含面部特征、独特解剖结构、罕见病变或特定纹理模式的图像	计算机视觉	NA	扩散模型	MSDM（医学语义扩散模型）	图像	使用了BraTS 2021、MSD Lung、DSB18和FIVES数据集进行实验
5806	2025-03-05	A Review on Intelligent Systems for ECG Analysis: from Flexible Sensing Technology to Machine Learning 2024-Dec-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3508545 PMID:40030493	综述	本文对用于心电图（ECG）采集的柔性心脏传感设备进行了广泛回顾，重点介绍了它们在心脏健康监测中的应用	本文不仅回顾了柔性传感技术的最新进展，还强调了机器学习在心脏健康监测和ECG分析中的重要作用，并探讨了这两种技术的结合对未来研究的潜在影响	本文主要集中于现有研究的回顾，未涉及具体实验或新技术的开发	探讨柔性传感技术和机器学习在心脏健康监测和ECG分析中的应用及其未来研究方向	柔性心脏传感设备和机器学习算法	机器学习	心血管疾病	机器学习（包括深度学习、支持向量机、随机森林和线性判别分析）	深度学习、支持向量机、随机森林、线性判别分析	ECG数据	NA
5807	2025-03-05	Synergizing Anti-Cancer Drug Combinations With Dual-View Hypergraph Representation Fusion 2024-Dec-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3511657 PMID:40030495	研究论文	本文提出了一种名为DVHSyn的深度学习模型，通过双视图超图表示融合来识别协同药物组合	DVHSyn模型首次利用双视图超图表示融合方法，同时学习样本三元组的局部和全局上下文关系，从而更有效地识别协同药物组合	尽管DVHSyn在实验中表现优异，但其预测新型协同药物组合的潜力仍需进一步验证	研究目标是开发一种能够有效识别协同药物组合的深度学习方法，以促进新药开发	研究对象是癌症细胞系的转录组特征和药物的分子结构	机器学习	癌症	深度学习	DVHSyn	转录组数据和分子结构数据	NA
5808	2025-03-05	Exploring an Innovative Deep Learning Solution for Acupuncture Point Localization on the Weak Feature Body Surface of the Human Back 2024-Dec-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3511128 PMID:40030421	研究论文	本文探索了一种创新的深度学习解决方案，用于人体背部弱特征体表的穴位定位	提出了一种利用带有自注意力模块的深度学习网络进行图像特征全局提取的创新方法，解决了传统卷积神经网络在弱特征图像任务中因过度裁剪和缩放操作导致的分类模糊问题	NA	探索一种高效可靠的穴位定位和识别解决方案，解决该任务中的主观性和标准化不足问题	人体背部弱特征体表的穴位	计算机视觉	NA	深度学习	带有自注意力模块的深度学习网络	图像	自建的人体背部穴位数据集，包含84个背部的穴位
5809	2025-03-05	A Survey and Benchmark of Automatic Surface Reconstruction from Point Clouds 2024-Dec-04, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3510932 PMID:40030509	综述	本文对从点云进行表面重建的传统方法和基于学习的方法进行了全面的调查和基准测试	本文创新性地比较了手工先验和从数据中学习的先验对表面重建精度和鲁棒性的影响，并标准化评估了多种方法	传统方法在应对现实世界3D采集中的各种异常时表现出更强的韧性，而基于学习的方法在相同特性的点云上训练和评估时表现更优	研究从点云进行表面重建的方法，比较传统方法和基于学习的方法的性能	点云数据	计算机视觉	NA	NA	深度学习模型	点云数据	NA
5810	2025-03-05	Brain-Inspired Meta-Learning for Few-Shot Bearing Fault Diagnosis 2024-Dec-04, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3503658 PMID:40030581	研究论文	本文提出了一种受大脑启发的元学习策略（BIML），用于少样本轴承故障诊断	结合生物神经系统的学习机制，设计了基于脉冲神经网络（SNNs）的类脑学习算法，并引入元学习策略应用于少样本轴承故障诊断	未提及具体局限性	解决少样本轴承故障诊断问题	轴承故障诊断	机器学习	NA	元学习	脉冲神经网络（SNNs）	NA	少样本
5811	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
5812	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
5813	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
5814	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
5815	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
5816	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
5817	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
5818	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
5819	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
5820	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