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
6261	2025-03-05	Resisting Noise in Pseudo Labels: Audible Video Event Parsing With Evidential Learning 2024-Dec-23, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3505674 PMID:40030688	研究论文	本文提出了一种新的抗噪声事件解析框架NREP，用于在可听视频中解析时间事件并区分其模态类型	引入了证据深度学习（EDL）来克服噪声伪监督的限制，包括模态证据学习（MEL）、时间证据学习（TEL）和前景-背景一致性学习（FBCL）	未明确提及具体局限性	解决在弱监督学习设置下，可听视频中音频-视觉视频解析（AVVP）任务中的噪声伪标签问题	可听视频中的时间事件和模态类型	多模态视频理解	NA	证据深度学习（EDL）	NA	视频	在两个AVVP基准数据集上进行了评估
6262	2025-03-05	Naturalistic multimodal emotion data with deep learning can advance the theoretical understanding of emotion 2024-Dec-21, Psychological research DOI:10.1007/s00426-024-02068-y PMID:39708231	研究论文	本文探讨了如何利用深度学习和多模态情感数据来推进情感理论的理解	通过整合多模态情感标记数据，包括主观体验、情境因素、脑-身体生理信号和表达行为，深度学习算法能够在多维空间中揭示和映射它们之间的复杂关系，从而提供对情感类别是先天还是后天习得以及情感是否表现出一致性或退化等长期问题的新的、细致入微的见解	获取全面的自然主义多模态情感数据仍面临重大挑战，特别是在自然主义多模态情感的同步测量方面需要进一步的技术进步	探讨如何利用人工智能，特别是深度学习和多模态情感数据，来克服传统研究方法的局限性，从而推进情感理论的理解	情感的多模态标记数据，包括主观体验、情境因素、脑-身体生理信号和表达行为	自然语言处理	NA	深度学习	NA	多模态数据（包括主观体验、情境因素、脑-身体生理信号和表达行为）	NA
6263	2025-03-05	End-to-End Mandarin Speech Reconstruction Based on Ultrasound Tongue Images Using Deep Learning 2024-Dec-20, 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.2024.3520498 PMID:40030663	研究论文	本研究提出了一种基于深度学习的端到端方法，利用超声舌图像重建普通话语音	使用对抗神经网络构建语音重建模型，包括预训练的特征提取器、上采样块和判别器，以生成高保真度的重建语音	未来研究需要集中在喉切除患者的特定条件上，通过扩大训练数据集、研究超声舌成像参数的影响以及进一步优化方法来增强模型性能	通过利用发音运动信息有效恢复语音功能，进行语音康复研究	喉切除患者	自然语言处理	喉癌	深度学习	对抗神经网络	超声舌图像和语音数据	NA
6264	2025-03-05	Pre-trained Convolutional Neural Networks Identify Parkinson's Disease from Spectrogram Images of Voice Samples 2024-Dec-18, Research square DOI:10.21203/rs.3.rs-5348708/v1 PMID:39764112	研究论文	本文提出了一种使用预训练的卷积神经网络（CNN）通过声谱图图像识别帕金森病的新方法	使用迁移学习的卷积神经网络分析持续元音/a/的声谱图图像，以识别帕金森病患者，并在不同录音平台上测试了该方法的性能	研究结果基于有限带宽的电话线路录音数据集，可能影响特征的准确性	开发一种自动检测帕金森病的深度学习方法	帕金森病患者的语音样本	计算机视觉	帕金森病	迁移学习	CNN	图像（声谱图）	较大的语音数据集（通过智能手机录制）
6265	2025-03-05	Language-Driven Spatial-Semantic Cross-Attention for Face Attribute Recognition With Limited Labeled Data 2024-Dec-18, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3514836 PMID:40030689	研究论文	本文提出了一种名为语言驱动的空间-语义交叉注意力（LSA）的新方法，用于在有限标注数据的情况下进行人脸属性识别	LSA方法无需额外的数据集或辅助任务进行预训练，通过结合语言驱动的知识来增强属性识别	尽管在有限标注数据下表现优异，但该方法仍需进一步验证在其他数据集和实际应用中的效果	解决在有限标注数据下的人脸属性识别问题	人脸属性识别	计算机视觉	NA	语言模型	交叉注意力模型	图像	CelebA和LFWA数据集
6266	2025-03-05	Multiview Deep Learning-Based Molecule Design and Structural Optimization Accelerates Inhibitor Discover 2024-Dec-18, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3506619 PMID:40030719	研究论文	本文提出了MEDICO，一种多视图深度生成模型，用于分子生成、结构优化和SARS-CoV-2抑制剂发现	MEDICO是首个能够生成与目标分子结构相似的分子图的多视图图生成模型，通过多视图表示学习框架充分且自适应地学习目标分子拓扑和几何的全面结构语义	NA	加速SARS-CoV-2抑制剂发现和COVID-19药物的从头设计	分子生成和结构优化	机器学习	COVID-19	多视图深度生成模型	图生成模型	分子图	NA
6267	2025-03-05	Diffusion Models as Strong Adversaries 2024-Dec-16, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3514361 PMID:40030592	研究论文	本文探讨了扩散模型作为强对抗者的能力，特别是在无盒对抗攻击中的应用	首次利用扩散模型生成的数据进行无盒对抗攻击，无需访问训练数据集或目标模型	研究仅限于ImageNet数据集，未在其他数据集上验证	研究扩散模型在对抗攻击中的潜力	扩散模型生成的合成数据集	计算机视觉	NA	扩散模型	扩散模型	图像	ImageNet数据集
6268	2025-03-05	MHAN-DTA: A Multiscale Hybrid Attention Network for Drug-Target Affinity Prediction 2024-Dec-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3518619 PMID:40030699	研究论文	本文提出了一种名为MHAN-DTA的多尺度混合注意力网络，用于药物-靶标亲和力预测，旨在解决现有方法在特征挖掘不足的问题，从而提高预测性能	提出了一个基于自注意力机制的口袋导向特征聚合和提取模块，以及一个应用于靶蛋白的分层策略，以增强模型的全局感知能力，并引入了跨模态融合模块和跨实体交互模块，用于挖掘结合位点内的多尺度细胞内和细胞间特征	NA	提高药物-靶标亲和力预测的性能	药物-靶标复合物	机器学习	NA	深度学习	多尺度混合注意力网络（MHAN-DTA）	分子数据	四个基准测试集，包括一个内部和三个外部基准数据集
6269	2025-03-05	Causal Disentanglement-Based Hidden Markov Model for Cross-Domain Bearing Fault Diagnosis 2024-Dec-16, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3513329 PMID:40030705	研究论文	本文提出了一种基于因果解缠的隐马尔可夫模型（CDHM），用于跨域轴承故障诊断，旨在识别轴承振动信号中的潜在因果关系，捕捉关键故障模式以实现更准确和可泛化的故障表示	CDHM模型通过构建时间序列结构因果模型（SCM），并设计隐马尔可夫变分自编码器（VAE），逐步将振动信号解缠为故障相关表示和故障无关表示，从而在跨域故障诊断任务中实现优化目标的对齐和相互强化	尽管CDHM在跨域故障诊断中表现出色，但其在工业应用中的实际效果仍需进一步验证，尤其是在更复杂和多样化的工业环境中	提高在复杂工况下轴承故障诊断的准确性和泛化能力	轴承振动信号	机器学习	NA	隐马尔可夫变分自编码器（VAE）	CDHM（基于因果解缠的隐马尔可夫模型）	时间序列数据	Case Western Reserve University (CWRU)、Intelligent Maintenance System (IMS) 和 Paderborn University (PU) 数据集
6270	2025-03-05	Transformer-Based Approach for Predicting Transactive Energy in Neurorehabilitation 2024-Dec-11, 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.2024.3515175 PMID:40030465	研究论文	本文提出了一种基于Transformer的模型，用于预测神经康复中的交易能量，以增强人机交互的安全性和个性化	引入了交易能量的概念，并开发了基于Transformer的模型来预测交易势能，为个性化机器人控制提供了新的方法	模型仅在踝关节康复机器人上进行了实验，样本量较小，且仅涉及中风患者	增强物理人机交互（pHRI）的安全性和个性化	中风患者和踝关节康复机器人	机器学习	中风	深度学习	Transformer	实验数据	5名中风患者
6271	2025-03-05	DREAM-PCD: Deep Reconstruction and Enhancement of mmWave Radar Pointcloud 2024-Dec-11, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3512356 PMID:40030488	研究论文	本文提出了一种名为DREAM-PCD的新框架，用于实时3D环境感知，结合信号处理和深度学习方法，解决了毫米波雷达点云重建中的三大挑战	DREAM-PCD框架通过非相干累积、合成孔径累积和实时去噪多帧网络，解决了毫米波雷达点云重建中的镜面信息丢失、低角分辨率和严重干扰问题，显著提高了泛化性能和实时能力	NA	提高毫米波雷达点云的重建质量和实时能力，以应对复杂环境下的3D感知需求	毫米波雷达点云	计算机视觉	NA	信号处理和深度学习方法	NA	毫米波雷达点云数据	超过1,000,000帧的毫米波室内数据集RadarEyes
6272	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
6273	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
6274	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
6275	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）
6276	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
6277	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
6278	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
6279	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
6280	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