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
581	2025-05-04	Automated Quantification of Cerebral Microbleeds in SWI: Association with Vascular Risk Factors, White Matter Hyperintensity Burden, and Cognitive Function 2025-May-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8552 PMID:39443150	研究论文	本研究开发了一种基于深度学习的脑微出血自动量化模型，并探讨了脑微出血与血管风险因素、白质高信号负荷及认知功能之间的关联	使用nnU-Net框架开发了首个用于SWI序列的脑微出血自动分割模型，并首次在多中心数据集中验证了其性能	外部验证数据集的模型性能相对较低(Dice评分=0.46)，且样本量有限(n=68)	建立脑微出血自动量化方法并研究其与认知功能障碍的关系	脑微出血(CMB)患者	数字病理学	脑血管疾病	SWI(磁敏感加权成像)	nnU-Net	医学影像(MRI)	训练集287例，内部验证集67例，外部验证集68例，临床数据集448例
582	2025-05-04	Deep Learning-Based Algorithm for Automatic Quantification of Nigrosome-1 and Parkinsonism Classification Using Susceptibility Map-Weighted MRI 2025-May-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8585 PMID:39547802	research paper	该研究开发并验证了一种基于深度学习的自动量化黑质高信号和神经退行性帕金森病分类算法	首次探索了使用深度学习和SMwI技术同时检测和量化nigrosome-1异常的诊断性能	需要在不同的临床环境中进一步验证研究结果	开发并验证一种用于神经退行性帕金森病诊断的深度学习模型	450名参与者（210名特发性帕金森病患者和240名对照组个体）用于训练数据，237名参与者（168名IPD患者、58名原发性震颤患者和11名药物诱导的帕金森病患者）用于验证数据	digital pathology	Parkinson disease	susceptibility map-weighted imaging (SMwI)	deep learning-based automatic quantification (Heuron NI) and classification (Heuron IPD) models	MRI	687 participants (450 for training and 237 for validation)
583	2025-05-04	Empowering Data Sharing in Neuroscience: A Deep Learning Deidentification Method for Pediatric Brain MRIs 2025-May-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8581 PMID:39532533	research paper	开发一种基于深度学习的自动去识别工具，用于儿科脑部MRI数据的面部区域去除	针对儿科病例和多种MRI序列定制开发的去识别工具，解决了现有工具在儿科病例和多样化图像类型上的不足	耳朵区域的去除准确率较低（73%）	解决儿科神经影像数据共享中的隐私问题，促进神经科学研究	儿科脑部MRI图像	digital pathology	brain tumor	MRI	nnU-Net	image	208名脑肿瘤患者和36名临床对照患者，共976张图像
584	2025-05-04	Enhancing privacy in biosecurity with watermarked protein design 2025-May-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf141 PMID:40315154	研究论文	提出了一种在蛋白质序列中添加水印的通用框架，以增强生物安全性和数据隐私	相比现有监管程序，该框架不仅确保生物安全的可追溯性，还通过本地验证保护设计序列的隐私，并显著提高了水印检测效率	未提及具体性能指标或与其他方法的详细对比	解决基于深度学习的蛋白质设计中的生物安全和数据隐私问题	由自回归深度学习模型设计的蛋白质序列	生物信息学	NA	蛋白质水印技术	自回归深度学习模型	蛋白质序列	NA
585	2025-05-04	Lightweight and universal deep learning model for fast proton spot dose calculation at arbitrary energies 2025-May-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/add3b9 PMID:40315885	research paper	提出了一种轻量级且通用的深度学习模型MED-LSTM，用于快速计算任意能量下的质子点剂量	利用LSTM网络的序列学习能力，提出适用于任意能量的轻量级质子点剂量计算模型	在鼻咽和肺部病例的某些点样本中，由于组织结构差异，出现了可见的偏差	改进快速自适应规划和质量保证过程中的质子点剂量计算	前列腺、鼻咽和肺部病例	digital pathology	prostate cancer, nasopharynx cancer, lung cancer	intensity-modulated proton therapy (IMPT)	LSTM	dose calculation data	前列腺、鼻咽和肺部病例数据
586	2025-05-04	Cangrelor and AVN-944 as repurposable candidate drugs for hMPV: analysis entailed by AI-driven in silico approach 2025-May-02, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11206-6 PMID:40316857	研究论文	通过AI驱动的计算机模拟方法，筛选出Cangrelor和AVN-944作为hMPV的可再利用候选药物	利用深度学习构建药效团模型筛选FDA批准药物和抗病毒药物，并通过分子对接和分子动力学模拟验证药物与hMPV F蛋白的结合稳定性	需要进一步的体外和体内实验验证候选药物的疗效	寻找针对人类偏肺病毒(hMPV)的可再利用药物	人类偏肺病毒(hMPV)的F蛋白	生物信息学	呼吸道感染	深度学习、分子对接、分子动力学模拟	深度学习模型	分子结构数据	2400种FDA批准药物和255种抗病毒药物
587	2025-05-04	On-Device Deep Learning: Survey on Techniques Improving Energy Efficiency of DNNs 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3430028 PMID:39046860	综述	本文综述了提高深度神经网络（DNNs）能源效率的流行技术	提出了方法的分类，并讨论了不同类别的比较，同时概述了能源测量技术	研究中发现的局限性以及一些有趣的方向，如神经形态和储备池计算（RC）	提高神经网络的能源效率，特别是在训练和推理阶段	深度神经网络（DNNs）	机器学习	NA	NA	DNNs	NA	NA
588	2025-05-04	Role Exchange-Based Self-Training Semi-Supervision Framework for Complex Medical Image Segmentation 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3432877 PMID:39093682	research paper	提出了一种基于角色交换的自训练半监督框架，用于复杂医学图像分割	创新性地提出了双向自训练范式，通过模型级可靠性估计动态交换教师和学生的角色，并引入非对称监督策略和分层双学生结构以防止网络崩溃	未明确提及具体的数据集规模限制或计算资源需求	解决复杂医学图像分割中标注数据不足的问题	血管网络和肺气管网络等复杂医学图像	digital pathology	NA	半监督学习	双向自训练模型	3-D医学图像	两个公共数据集和一个私有数据集
589	2025-05-04	Neurosymbolic AI for Reasoning Over Knowledge Graphs: A Survey 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3420218 PMID:39024082	综述	本文综述了神经符号人工智能（AI）在知识图谱（KGs）推理任务中的应用方法，并提出了一种新的分类法	提出了一种新的分类法，将神经符号推理方法分为三大类：逻辑信息嵌入方法、带逻辑约束的嵌入方法和规则学习方法	讨论了这些方法的独特特性和局限性，并提出了未来研究方向	探讨神经符号AI在知识图谱推理任务中的应用和发展	知识图谱（KGs）	自然语言处理	NA	神经符号人工智能	NA	图结构数据	NA
590	2025-05-04	Unsupervised Domain Adaptation for Low-Dose CT Reconstruction via Bayesian Uncertainty Alignment 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3409573 PMID:38985555	research paper	提出一种基于贝叶斯不确定性对齐的无监督域自适应方法，用于低剂量CT图像重建	利用概率重建框架在潜在空间和图像空间进行联合差异最小化，提出贝叶斯不确定性对齐和锐度感知分布对齐方法	仅针对低剂量CT图像重建问题，未考虑其他医学影像模态	解决低剂量CT图像重建中由于训练数据和测试数据分布不一致导致的性能下降问题	低剂量CT图像	digital pathology	NA	deep learning	probabilistic reconstruction framework	CT images	两个模拟数据集和一个临床低剂量成像数据集
591	2025-05-04	ProFun-SOM: Protein Function Prediction for Specific Ontology Based on Multiple Sequence Alignment Reconstruction 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3419250 PMID:38980781	研究论文	提出了一种基于多序列比对重建的蛋白质功能预测方法ProFun-SOM，用于准确注释基因本体	ProFun-SOM通过重建多序列比对并整合到深度学习架构中，解决了混合本体问题带来的标签依赖性和数据稀疏性瓶颈	未提及具体的数据集规模限制或模型在其他类型蛋白质数据上的泛化能力	开发一种能够准确预测蛋白质功能的计算方法，解决基因本体注释中的混合本体问题	蛋白质功能预测，特别是基因本体（GO）注释	生物信息学	NA	多序列比对（MSAs），深度学习	深度学习架构	蛋白质序列数据	三个数据集（CAFA3、SwissProt和NetGO2）
592	2025-05-04	Mask-Guided Vision Transformer for Few-Shot Learning 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3418527 PMID:38976473	研究论文	提出了一种名为MG-ViT的掩码引导视觉变换器方法，用于有效和高效的小样本学习	通过应用掩码操作筛选出与任务无关的图像块，引导ViT专注于任务相关和区分性强的图像块，同时引入主动学习样本选择方法提升泛化能力	未提及具体的数据集限制或计算资源需求	提高视觉变换器在小样本学习中的性能和效率	图像分类、目标检测和分割任务	计算机视觉	NA	Grad-CAM	ViT, MG-ViT, ResNet	图像	小样本（具体数量未提及）
593	2025-05-04	Semi-Supervised Multimodal Representation Learning Through a Global Workspace 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3416701 PMID:38954575	研究论文	本文提出了一种受认知'全局工作空间'启发的神经网络架构，用于多模态表示学习，能够在少量匹配数据的情况下实现模态间的对齐和转换	采用全局工作空间(GW)的共享表示和自监督的循环一致性训练，显著减少了对匹配数据的需求（比全监督方法少4-7倍）	未明确说明模型在大规模跨模态任务中的泛化能力	探索在稀疏匹配数据下进行多模态表示学习的方法	视觉-语言多模态数据	机器学习	NA	自监督学习	全局工作空间(GW)架构	多模态数据（图像和文本）	两个不同复杂度的数据集（未明确样本数量）
594	2025-05-04	A Principle Design of Registration-Fusion Consistency: Toward Interpretable Deep Unregistered Hyperspectral Image Fusion 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3412528 PMID:38900617	研究论文	提出了一种针对未配准高光谱图像（HSI）和多光谱图像（MSI）融合的统一模型框架，通过注册-融合一致性物理感知模型（RFCM）和MoE-PNP框架提高融合性能和网络可解释性	设计了注册-融合一致性物理感知模型（RFCM），统一建模图像配准和融合问题，并提出MoE-PNP框架学习RFCM的求解过程，确保网络的可解释性和泛化能力	未明确提及具体局限性	解决未配准HSI和MSI融合中的配准与融合耦合问题，提高融合性能和网络可解释性	高光谱图像（HSI）和多光谱图像（MSI）	计算机视觉	NA	深度学习	MoE-PNP	图像	未明确提及具体样本数量
595	2025-05-04	VOGTNet: Variational Optimization-Guided Two-Stage Network for Multispectral and Panchromatic Image Fusion 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3409563 PMID:38885100	research paper	提出了一种基于变分优化的两阶段网络（VOGTNet），用于多光谱和全色图像融合，以提高图像的空间和光谱分辨率	通过变分优化和两阶段网络设计，解决了现有深度学习方法在噪声和模糊数据上表现不佳的问题	依赖于先验信息和空间-光谱退化的准确估计，可能在某些复杂场景下表现受限	提高多光谱和全色图像融合的质量，特别是在噪声和模糊存在的情况下	多光谱图像（MS）和全色图像（PAN）	computer vision	NA	variational optimization, deep learning	VOGTNet, dual-branch fusion network (DBFN), adaptive recovery model (ARM)	image	NA
596	2025-05-04	Data-Driven Knowledge Fusion for Deep Multi-Instance Learning 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3436944 PMID:39120987	研究论文	提出了一种新颖的数据驱动知识融合深度多示例学习算法（DKMIL），通过分析关键样本的决策并利用知识融合模块增强模型学习能力	DKMIL采用与现有深度多示例学习方法完全不同的思路，通过数据驱动分析关键样本决策，并设计知识融合模块提取有价值信息辅助模型学习	NA	提升多示例学习模型的性能，通过知识融合增强模型学习能力	多示例学习算法及其在复杂数据结构中的应用	机器学习	NA	数据驱动知识融合	DKMIL（深度多示例学习模型）	复杂数据结构	62个数据集，涵盖五个类别
597	2025-05-04	AD-NEv: A Scalable Multilevel Neuroevolution Framework for Multivariate Anomaly Detection 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3439404 PMID:39141460	research paper	提出了一种名为AD-NEv的可扩展多级神经进化框架，用于多元时间序列异常检测	AD-NEv框架首次实现了特征子空间、模型架构和网络权重的协同优化，支持基于bagging技术的集成模型优化和非梯度微调	未明确提及具体的数据集限制或计算资源需求	开发一种自动化方法来优化异常检测模型，提高检测性能	多元时间序列数据	machine learning	NA	neuroevolution, bagging technique	ensemble model	multivariate time-series data	广泛采用的多元异常检测基准数据集（未明确数量）
598	2025-05-04	Automatic Design of Deep Graph Neural Networks With Decoupled Mode 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3438609 PMID:39141457	research paper	提出一种新颖的神经架构搜索（NAS）方法，用于自动设计深度图神经网络（GNNs），并在各种节点分类任务中探索其应用潜力	重新设计了基于传播和转换过程的解耦模式的深度GNNs搜索空间，并将问题制定为多目标优化以平衡准确性和计算效率	NA	自动设计深度图神经网络，解决节点分类任务中的过平滑和信息挤压等挑战	图数据中的节点分类任务	machine learning	NA	神经架构搜索（NAS）	GNN	graph data	基准图数据集和大规模图数据集
599	2025-05-04	High-Precision Dichotomous Image Segmentation With Frequency and Scale Awareness 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3426529 PMID:39150797	研究论文	提出了一种新颖的频率和尺度感知深度神经网络（FSANet），用于高精度的二分图像分割	设计了多模态融合模块（MF）和协作尺度融合模块（CSFM），以增强图像特征的表示能力并保持高分辨率	未提及具体的数据集局限性或实际应用中的潜在问题	解决二分图像分割（DIS）任务中边界杂乱和特征分辨率下降的问题	二分图像分割中的通用对象	计算机视觉	NA	深度学习	FSANet	图像	多个基准数据集（未具体说明样本数量）
600	2025-05-04	Public Behavior and Emotion Correlation Mining Driven by Aspect From News Corpus 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3441011 PMID:39178079	研究论文	提出了一种利用日常新闻数据挖掘公众行为与情感相关性的方法	提出了基于假设上下文的KRHC知识表示模型，结合规则方法和深度学习揭示情感与行为之间的隐式关系	未提及具体的数据集规模限制或模型泛化能力评估	探索行为与情感之间的相关性以揭示社会事件的潜在动机	新闻语料库中的公众行为与情感	自然语言处理	NA	深度学习与规则方法结合	KRHC（基于假设上下文的知识表示模型）	文本（新闻数据）	A-E-R数据集和公开KINSHIP数据集（未提具体数量）