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
5981	2025-03-05	TDSF-Net: Tensor Decomposition-Based Subspace Fusion Network for Multimodal Medical Image Classification 2025-Feb-25, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3541170 PMID:40031645	研究论文	本文提出了一种基于张量分解的子空间融合网络（TDSF-Net），用于增强多模态医学图像分类	引入了Tucker低秩张量分解模块，将高维张量映射到低秩子空间，减少多模态数据和高维特征带来的冗余，并利用跨张量注意力机制融合子空间特征，增强特征表示能力	未明确提及具体局限性	提高多模态医学图像分类的准确性和效率	多模态医学图像	计算机视觉	NA	张量分解（TD）	TDSF-Net	医学图像	一个自建数据集和三个公开的多模态医学图像数据集
5982	2025-03-05	Conditional Mutual Information Constrained Deep Learning for Classification 2025-Feb-24, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3540014 PMID:40031861	研究论文	本文介绍了条件互信息（CMI）和归一化条件互信息（NCMI）的概念，用于衡量分类深度神经网络（DNN）在输出概率分布空间中的集中和分离性能	提出了基于NCMI约束的深度学习方法（CMIC-DL），并开发了一种新的交替学习算法来解决这种约束优化问题	未明确提及具体的研究局限性	提高深度神经网络在分类任务中的准确性和对抗攻击的鲁棒性	深度神经网络（DNN）	机器学习	NA	条件互信息（CMI）和归一化条件互信息（NCMI）	深度神经网络（DNN）	图像	CIFAR-100和ImageNet数据集
5983	2025-03-05	Beyond the ground truth, XGBoost model applied to sleep spindle event detection 2025-Feb-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3544966 PMID:40031867	研究论文	本文提出了一种基于XGBoost算法的新型机器学习检测框架（SpinCo），用于睡眠纺锤体事件的自动检测，并开发了一种新的事件评估指标	提出了一种基于XGBoost算法的检测框架，性能接近最先进的深度学习技术，同时依赖于一组固定的易于解释的特征；开发了一种新的事件评估指标，增强了评估的可解释性，并能够直接评估专家间在手动注释纺锤体事件时的一致性	未提及具体的数据集或样本量，可能限制了结果的普适性	开发一种自动检测睡眠纺锤体事件的方法，并提高检测过程的可解释性	睡眠纺锤体事件	机器学习	NA	XGBoost算法	XGBoost	EEG信号	NA
5984	2025-03-05	Leveraging a Vision-Language Model with Natural Text Supervision for MRI Retrieval, Captioning, Classification, and Visual Question Answering 2025-Feb-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.15.638446 PMID:40027630	研究论文	本文介绍了一种基于向量检索和对比学习的框架，通过自然语言监督有效学习视觉脑MRI概念，并展示了该方法如何通过联合嵌入和自然语言监督识别影响阿尔茨海默病（AD）大脑的因素	提出了一种基于自然语言监督的多任务学习框架，能够执行MRI检索、MRI描述、MRI分类和视觉问答等多种任务，突破了传统深度学习算法在放射学研究中只能执行单一任务的限制	未提及具体的数据隐私保护措施和服务托管及数据存储的透明度问题	开发一种能够通过自然语言提示执行多种任务的深度学习算法，以提高放射学研究和医学研究中的数据处理效率和准确性	脑MRI图像	计算机视觉	阿尔茨海默病	自然语言监督、对比学习、自监督学习	Transformer	图像、文本	NA
5985	2025-03-05	Parameter Efficient Fine-tuning of Transformer-based Masked Autoencoder Enhances Resource Constrained Neuroimage Analysis 2025-Feb-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.15.638442 PMID:40027656	研究论文	本文评估了在预训练的视觉Transformer上应用参数高效微调（PEFT）方法的效果，特别是在资源受限的神经影像分析中的应用	首次在神经影像分析中应用PEFT方法，显著减少了可训练参数数量，同时保持了或超越了传统全微调方法的性能	研究主要基于T1加权脑MRI数据，未涉及其他类型的神经影像数据	探索参数高效微调方法在神经影像分析中的应用效果	T1加权脑MRI数据	计算机视觉	阿尔茨海默病, 帕金森病	参数高效微调（PEFT）	Transformer-based Masked Autoencoder (MAE)	图像	258个训练扫描
5986	2025-03-05	Time-series attribution maps with regularized contrastive learning 2025-Feb-17, ArXiv PMID:40034132	研究论文	本文提出了一种通过正则化对比学习算法和新的归因方法（称为Inverted Neuron Gradient，统称为xCEBRA）生成具有可识别性保证的归因图的方法	xCEBRA方法首次实现了时间序列归因图的可识别性推断，并在合成数据集上展示了其对真实归因图中零与非零项的稳健近似，显著优于基于特征消融、Shapley值和其他基于梯度的方法	NA	旨在解释深度学习模型的决策，并开发具有可识别性保证的归因图生成方法	时间序列数据	机器学习	NA	正则化对比学习算法	xCEBRA	时间序列数据	NA
5987	2025-03-05	A multi-modal transformer for cell type-agnostic regulatory predictions 2025-Feb-12, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.100762 PMID:39884279	研究论文	本文介绍了一种名为EpiBERT的多模态transformer模型，用于学习基因组序列和细胞类型特异性染色质可及性的通用表示	EpiBERT通过基于掩码可及性的预训练目标，能够推广到未观察到的细胞状态，并在基因表达预测方面达到与仅使用序列的Enformer模型相当的准确性	NA	提高基于序列的深度神经网络在调控基因组学中的泛化能力	人类基因组的顺式调控语法	机器学习	NA	深度学习	transformer	基因组序列和染色质可及性数据	NA
5988	2025-03-05	CLUMM: Contrastive Learning for Unobtrusive Motion Monitoring 2025-Feb-10, Sensors (Basel, Switzerland) DOI:10.3390/s25041048 PMID:40006277	研究论文	本文提出了一种新颖的框架CLUMM，利用对比学习方法从原始图像中学习丰富的表示，无需手动标注，用于实时人体运动监测	采用对比学习方法，无需手动标注，直接从人体特定数据中学习，减少环境复杂性对模型的影响	需要定制数据集进行训练和评估，可能限制了模型的泛化能力	解决传统人体监测和运动识别方法中存在的侵入性和不适感问题，提高实时监测的准确性和效率	在制造环境中模拟各种任务的人体受试者	计算机视觉	NA	对比学习	NA	图像	定制数据集中的受试者
5989	2025-03-05	Powerful and accurate case-control analysis of spatial molecular data with deep learning-defined tissue microniches 2025-Feb-08, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.07.637149 PMID:39975274	研究论文	本文介绍了一种名为VIMA的方法，结合深度学习和统计学原理，用于发现与疾病相关的空间特征	VIMA方法利用变分自编码器从小组织块中提取数值“指纹”，定义大量“微生态位”，并通过严格的统计学方法识别与病例对照状态相关的微生态位	NA	识别与疾病相关的关键空间结构	空间分子数据	数字病理学	阿尔茨海默病、溃疡性结肠炎、类风湿性关节炎	空间转录组学、CODEX、免疫组织化学	变分自编码器	空间分子数据	多个数据集（140基因空间转录组学数据集、54标记CODEX数据集、7标记免疫组织化学数据集）
5990	2025-03-05	Inhibition of tumour necrosis factor alpha by Etanercept attenuates Shiga toxin-induced brain pathology 2025-Feb-07, Journal of neuroinflammation IF:9.3Q1 DOI:10.1186/s12974-025-03356-z PMID:39920757	研究论文	本研究探讨了肿瘤坏死因子α（TNF-α）在EHEC感染引起的脑病理中的角色，并评估了Etanercept药物对TNF-α的抑制作用	使用了一种新颖的人机交互深度学习算法对显微成像数据进行分割，以分析小胶质细胞群体的形态变化	研究仅限于小鼠模型，未涉及人类临床试验	探讨TNF-α在EHEC感染引起的脑病理中的作用，并评估Etanercept的治疗潜力	EHEC感染的小鼠模型	数字病理	脑部疾病	LC-MS/MS蛋白质组学，深度学习算法	深度学习	图像，蛋白质组数据	未明确提及样本数量
5991	2025-03-05	GFLearn: Generalized Feature Learning for Drug-Target Binding Affinity Prediction 2025-Feb-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3538497 PMID:40031740	研究论文	本文提出了一种新的广义特征学习模型（GFLearn），用于药物-靶标结合亲和力预测，通过整合图神经网络（GNNs）和自监督不变特征学习模块，显著提高了预测性能	GFLearn模型通过整合图神经网络和自监督不变特征学习模块，能够从未见过的药物或靶标中提取鲁棒且高度可泛化的特征，从而显著提高预测性能	NA	提高药物-靶标结合亲和力预测的准确性和泛化能力	药物和靶标	机器学习	NA	图神经网络（GNNs），自监督不变特征学习	GFLearn	药物和靶标的数据	两个不同的数据集，涉及新药物、新靶标及其组合的三种挑战性场景
5992	2025-03-05	Towards Investigating Residual Hearing Loss: Quantification of Fibrosis in a Novel Cochlear OCT Dataset 2025-Feb-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3537868 PMID:40031386	研究论文	本文研究了通过光学相干断层扫描（OCT）图像数据集量化耳蜗纤维化，以改善混合耳蜗植入物的效果	首次将计算机视觉技术应用于植入耳蜗的OCT数据集，开发了一种改进的UNET架构（2D-OCT-UNET）用于纤维化分割	研究主要基于豚鼠模型，结果可能不完全适用于人类	研究耳蜗纤维化的形成，以减少纤维化负担并改善耳蜗植入患者的治疗效果	植入耳蜗的豚鼠	计算机视觉	听力损失	光学相干断层扫描（OCT）	改进的UNET架构（2D-OCT-UNET）	图像	NA
5993	2025-03-05	Matryoshka: Exploiting the Over-Parametrization of Deep Learning Models for Covert Data Transmission 2025-Feb, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3434417 PMID:39058616	研究论文	本文提出了一种名为Matryoshka的新型内部攻击，利用深度学习模型的过参数化特性进行隐蔽数据传输	提出了一种新的参数共享方法，利用载体模型的学习能力进行信息隐藏，实现了高容量、解码效率、有效性、鲁棒性和隐蔽性	未提及具体的技术限制或实验中的不足	揭示即使没有暴露接口，机器学习数据的隐私也可能被破坏的可能性	深度学习模型和机器学习数据	机器学习	NA	深度学习	DNN	模型参数	超过10,000个真实世界数据样本
5994	2025-03-05	Interactive Isosurface Visualization in Memory Constrained Environments Using Deep Learning and Speculative Raycasting 2025-Feb, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3420225 PMID:38941206	研究论文	本文提出了一种新颖的隐式等值面渲染算法，用于在内存受限的环境中进行大规模体积数据的交互式可视化	通过渐进式遍历光线波前并按需解压数据块来执行隐式光线-等值面交叉，同时使用预训练的深度神经网络改进中间结果的质量，并引入推测性光线-块交叉以加速渲染和提高GPU利用率	算法在图像质量和渲染时间之间进行权衡，可能会影响最终图像的精度	解决在轻量级终端设备上可视化大规模数据集时的内存限制问题	大规模体积数据	计算机视觉	NA	深度学习	深度神经网络	体积数据	NA
5995	2025-03-05	Sparse Non-Local CRF With Applications 2025-Feb, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3474468 PMID:39361458	研究论文	本文提出了一种新的成对条件随机场（CRF）模型，称为稀疏非局部CRF，该模型结合了稀疏CRF的效率和密集CRF的非局部连接特性	提出了一种新的稀疏非局部CRF模型，结合了稀疏CRF的效率和密集CRF的非局部连接特性，且边缘权重不受限制	未明确提及具体局限性	研究一种新的CRF模型，以提高计算机视觉任务中的空间一致性建模效率	图像像素	计算机视觉	NA	条件随机场（CRF）	稀疏非局部CRF	图像	NA
5996	2025-03-05	Intelligent Bionic Polarization Orientation Method Using Biological Neuron Model for Harsh Conditions 2025-Feb, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3484183 PMID:39437271	研究论文	本文开发了一种智能创新定向方法，以提高在恶劣条件下偏振罗盘的准确性	该方法结合了生物神经元模型和卷积神经网络，模拟了Syrphidae视觉神经通路的高效感知机制，并优化了自适应反对称环算法，提高了在弱偏振条件下的定向精度	NA	提高在恶劣天气条件和局部遮挡情况下的偏振罗盘定向精度	偏振罗盘在恶劣条件下的定向精度	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	NA
5997	2025-03-05	Noise Self-Regression: A New Learning Paradigm to Enhance Low-Light Images Without Task-Related Data 2025-Feb, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3487361 PMID:39466857	研究论文	本文提出了一种新的低光图像增强学习范式NoiSER，利用纯高斯噪声完成低光图像增强任务，无需任何任务相关数据	NoiSER通过自回归方法利用纯高斯噪声进行低光图像增强，进一步降低了对训练数据的要求，并可作为实际应用中的另一种选择	NA	研究目的是提出一种新的低光图像增强方法，减少对训练数据的依赖	低光图像	计算机视觉	NA	深度学习	CNN	图像	NA
5998	2025-03-05	Spatial transcriptomic clocks reveal cell proximity effects in brain ageing 2025-Feb, Nature IF:50.5Q1 DOI:10.1038/s41586-024-08334-8 PMID:39695234	研究论文	本文通过构建空间分辨的单细胞转录组图谱，研究了大脑老化过程中细胞间相互作用的影响	开发了空间老化时钟，利用机器学习模型识别老化和再生过程中的空间和细胞类型特异性转录组特征，揭示了T细胞和神经干细胞对邻近细胞的显著影响	研究主要基于小鼠模型，尚未在人类中进行验证	研究大脑老化过程中细胞间相互作用的影响及其对组织衰退的贡献	420万个来自20个不同年龄段的成年小鼠大脑细胞	生物信息学	老年疾病	空间分辨单细胞转录组学	机器学习模型	转录组数据	420万个细胞
5999	2025-03-05	A Neural Network Approach to Identify Left-Right Orientation of Anatomical Brain MRI 2025-Feb, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.70299 PMID:39924951	研究论文	本研究提出了一种深度学习新应用，用于提高解剖脑MRI扫描中左右方向识别的准确性	首次将三维卷积神经网络应用于脑MRI的左右方向识别，解决了因元数据丢失或模糊导致的识别难题	研究中仍有四例左右方向识别错误，涉及显著脑部特征变异，如颞叶附近的大蛛网膜囊肿或心室不对称，需进一步研究	提高脑MRI扫描中左右方向识别的准确性，确保神经科学研究的可靠性	脑MRI扫描图像	计算机视觉	神经退行性疾病	深度学习	三维卷积神经网络（3D CNN）	图像	350个MRI用于训练，3056个MRI用于评估
6000	2025-03-05	EasyMetagenome: A user-friendly and flexible pipeline for shotgun metagenomic analysis in microbiome research 2025-Feb, iMeta IF:23.7Q1 DOI:10.1002/imt2.70001 PMID:40027489	研究论文	本文介绍了一个名为EasyMetagenome的用户友好且灵活的宏基因组分析流程，旨在解决宏基因组数据处理复杂性和可重复性的挑战	开发了一个支持多种分析方法（包括质量控制、宿主去除、基于读长、基于组装和分箱）的灵活且用户友好的宏基因组分析流程，并具有可定制设置、全面的数据可视化和详细的参数解释	需要进一步解决宿主污染问题，优化第三代测序数据的工作流程，并整合深度学习和网络分析等新兴技术	开发一个用户友好的宏基因组分析流程，以简化数据处理并提高可重复性	微生物组数据	宏基因组学	NA	shotgun metagenomics	NA	宏基因组数据	NA