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
6321	2025-03-06	Multiplex Detection and Quantification of Virus Co-Infections Using Label-free Surface-Enhanced Raman Spectroscopy and Deep Learning Algorithms 2025-Feb-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03209 PMID:39874586	研究论文	本文介绍了一种结合表面增强拉曼散射（SERS）和深度学习的无标记诊断平台，用于快速定量检测呼吸道病毒共感染	开发了MultiplexCR深度学习模型，能够同时从SERS光谱中预测病毒种类和浓度，准确率高达98.6%	未提及具体局限性	开发一种快速、定量的呼吸道病毒共感染检测平台	11种病毒、9种双病毒混合物和4种三病毒混合物	机器学习	呼吸道疾病	表面增强拉曼散射（SERS）	深度学习模型（MultiplexCR）	SERS光谱	超过120万条SERS光谱，来自唾液中的病毒样本
6322	2025-03-06	XLTLDisNet: A novel and lightweight approach to identify tomato leaf diseases with transparency 2025-Feb-28, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42575 PMID:40040968	研究论文	本文提出了一种名为XLTLDisNet的新型轻量级深度学习模型，用于识别番茄叶部疾病，并增强了模型的可解释性	提出了一种新型轻量级深度学习模型XLTLDisNet，并集成了可解释性AI技术（如GRAD-CAM和LIME）以增强模型的可解释性	未提及具体局限性	通过早期检测番茄叶部疾病，减少农业损失并最大化产量	番茄叶部疾病	计算机视觉	NA	深度学习	XLTLDisNet	图像	PlantVillage番茄叶部疾病数据集，包含十类番茄叶部疾病（包括健康图像）
6323	2025-03-06	A hybrid Bayesian network-based deep learning approach combining climatic and reliability factors to forecast electric vehicle charging capacity 2025-Feb-28, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42483 PMID:40040994	研究论文	本文提出了一种结合气候和可靠性因素的混合贝叶斯网络深度学习模型，用于预测电动汽车充电容量	创新点在于将排队网络和贝叶斯网络模型与深度学习技术结合，以提高预测精度和基础设施可靠性	未明确提及具体局限性	开发一个综合系统，考虑气象条件和充电桩故障率等多种影响因素，以优化电动汽车基础设施	电动汽车充电需求	机器学习	NA	深度学习	混合贝叶斯网络深度学习（HBNDL）	交易数据和气候分析数据	未明确提及具体样本数量
6324	2025-03-06	Challenges in AI-driven Biomedical Multimodal Data Fusion and Analysis 2025-Feb-27, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf011 PMID:40036568	review	本文综述了生物医学多模态数据融合与分析中的人工智能技术应用及其挑战	提出了深度学习模型在生物医学数据整合分析中的应用及其未来发展方向，包括模型预训练和知识整合	讨论了数据隐私、融合和模型解释等方面的挑战	探讨人工智能技术在生物医学多模态数据融合与分析中的应用及其挑战	生物医学多模态数据，包括分子、细胞、图像和电子健康记录数据集	machine learning	NA	deep learning	deep learning models	molecular, cellular, image, electronic health record datasets	NA
6325	2025-03-06	Real-World Insights Into Dementia Diagnosis Trajectory and Clinical Practice Patterns Unveiled by Natural Language Processing: Development and Usability Study 2025-Feb-25, JMIR aging IF:5.0Q1 DOI:10.2196/65221 PMID:39999185	研究论文	本研究利用自然语言处理技术分析门诊电子健康记录，揭示了从记忆丧失投诉到痴呆诊断的时间间隔及临床实践模式	开发了基于深度学习的自然语言处理管道，用于从电子健康记录中提取临床信息，提供了关于痴呆诊断轨迹和临床实践模式的新见解	研究依赖于单一医疗中心的电子健康记录数据，可能限制了结果的普遍性	确定从记忆丧失投诉到痴呆诊断的时间间隔，评估诊断前使用认知增强药物的患者比例，并识别影响这些时间间隔和药物使用的患者和提供者特征	581名门诊患者	自然语言处理	老年疾病	自然语言处理（NLP）	深度学习	电子健康记录（EHR）	581名门诊患者
6326	2025-03-06	Enhancing Image Retrieval Performance With Generative Models in Siamese Networks 2025-Feb-20, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3543907 PMID:40036556	研究论文	本研究探讨了生成深度学习模型如何提升基于内容的图像检索（CBIR）系统的检索质量，特别是在前列腺癌诊断中的应用	首次在文献中使用优化用于CBIR的潜在表示来训练注意力机制，以执行WSI的Gleason评分	NA	提升前列腺癌早期诊断的准确性和治疗效果	前列腺癌图像	计算机视觉	前列腺癌	GAN	Siamese Network	图像	SiCAPv2数据集
6327	2025-03-06	Predicting gene expression from histone marks using chromatin deep learning models depends on histone mark function, regulatory distance and cellular states 2025-Feb-08, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae1212 PMID:39660643	研究论文	本文通过卷积和基于注意力的模型，研究了七种组蛋白标记在十一种细胞类型中的表达预测，探讨了组蛋白标记功能、基因组距离和细胞状态对转录的影响	本研究是迄今为止最全面的关于组蛋白标记与基因表达关系的研究，考虑了细胞状态、组蛋白标记功能和远端效应等关键因素，并使用深度学习模型进行预测	研究中未涉及所有可能的组蛋白标记和细胞类型，且模型的泛化能力有待进一步验证	探讨组蛋白标记活性与基因表达之间的复杂关系，并利用深度学习模型进行预测	七种组蛋白标记在十一种细胞类型中的表达	机器学习	NA	深度学习	卷积神经网络（CNN）、基于注意力的模型	基因组数据	十一种细胞类型
6328	2025-03-06	Top-DTI: Integrating Topological Deep Learning and Large Language Models for Drug Target Interaction Prediction 2025-Feb-08, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.07.637146 PMID:39975019	研究论文	本文提出了一种名为Top-DTI的框架，通过整合拓扑数据分析和大型语言模型来预测药物-靶点相互作用	Top-DTI框架首次将拓扑数据分析和大型语言模型结合，用于药物-靶点相互作用预测，显著提高了预测性能和鲁棒性	NA	提高药物-靶点相互作用预测的准确性和鲁棒性，以加速药物发现过程	药物-靶点相互作用	机器学习	NA	拓扑数据分析（TDA），大型语言模型（LLMs）	Top-DTI	蛋白质接触图，药物分子图像，蛋白质序列，药物SMILES字符串	公共BioSNAP和Human DTI基准数据集
6329	2025-03-06	Retinal Arteriovenous Information Improves the Prediction Accuracy of Deep Learning-Based baPWV Index From Color Fundus Photographs 2025-Feb-03, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.2.63 PMID:39998460	研究论文	本研究比较了使用不同深度学习模型从彩色眼底照片（CFPs）预测臂踝脉搏波速度（baPWV）的准确性	通过改进的深度U-net和HURVS模型自动计算CFPs中的动脉和静脉概率图，并将其作为通道注意力应用于视网膜血管位置信息，以提高baPWV的预测准确性	研究为回顾性研究，样本量有限（696名参与者），且仅基于单一医疗检查数据	提高从彩色眼底照片预测臂踝脉搏波速度的准确性	696名参与者的彩色眼底照片和臂踝脉搏波速度数据	计算机视觉	心血管疾病	深度学习	深度U-net, HURVS模型	图像	696名参与者
6330	2025-03-06	Automated Detection of Retinal Detachment Using Deep Learning-Based Segmentation on Ocular Ultrasonography Images 2025-Feb-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.2.26 PMID:40014336	研究论文	本研究旨在通过基于深度学习的分割技术，开发一种自动化流程来检测B型眼超声图像中的视网膜脱离	提出了一种结合编码器-解码器分割网络和机器学习分类器的计算流程，显著提高了视网膜脱离的检测准确率	研究样本量相对较小，仅包含204名患者的279张B型眼超声图像	开发自动化流程以检测B型眼超声图像中的视网膜脱离	B型眼超声图像	计算机视觉	视网膜脱离	深度学习	编码器-解码器分割网络, 机器学习分类器	图像	204名患者的279张B型眼超声图像
6331	2025-03-06	Information Theoretic Learning-Enhanced Dual-Generative Adversarial Networks With Causal Representation for Robust OOD Generalization 2025-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3330864 PMID:37976189	研究论文	本文提出了一种结合信息理论学习和因果表示学习的双生成对抗网络框架，旨在增强现代机器学习中的鲁棒性分布外泛化能力	创新点在于将信息理论学习和因果表示学习无缝集成到双生成对抗网络架构中，通过因果图和信息理论增强特征表示，并开发了一种双对抗训练机制	未明确提及具体限制	增强现代机器学习中的鲁棒性分布外泛化能力	现代智能制造和智能交通系统中的机器学习模型	机器学习	NA	信息理论学习（ITL）和因果表示学习（CRL）	双生成对抗网络（Dual-GAN）	NA	基于一个开源数据集进行实验和评估
6332	2025-03-06	Knowledge-Augmented Deep Learning and its Applications: A Survey 2025-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3338619 PMID:38090869	综述	本文综述了知识增强深度学习（KADL）的概念、主要任务及其在不同领域的应用	提供了一个广泛且完整的领域知识及其表示的分类法，系统回顾了现有技术，不同于现有综述对知识分类法的忽视	NA	探讨如何通过整合领域知识来提升深度学习模型的数据效率、泛化能力和可解释性	深度学习模型及其与领域知识的整合	机器学习	NA	NA	深度学习模型	NA	NA
6333	2025-03-06	Dual Accuracy-Quality-Driven Neural Network for Prediction Interval Generation 2025-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3339470 PMID:38113152	研究论文	本文提出了一种用于回归任务中预测区间（PI）生成的神经网络方法，旨在提高深度学习模型在现实世界应用中的可靠性	设计了一种新颖的损失函数，用于PI生成网络，该函数考虑了目标估计网络的输出，并具有两个优化目标：最小化平均PI宽度和确保PI完整性，通过隐式最大化PI概率覆盖率的约束	NA	提高深度学习模型在回归任务中的不确定性量化能力，生成高质量的预测区间	回归任务中的神经网络模型	机器学习	NA	深度学习	神经网络	合成数据集、基准数据集、实际作物产量预测数据集	使用了一个合成数据集、八个基准数据集和一个实际作物产量预测数据集
6334	2025-03-06	Masked Spatial-Spectral Autoencoders Are Excellent Hyperspectral Defenders 2025-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3345734 PMID:38163309	研究论文	本文提出了一种掩码空间-光谱自编码器（MSSA），用于增强高光谱图像（HSI）分析系统的鲁棒性，以抵御对抗攻击	提出了一种新的掩码空间-光谱自编码器（MSSA），结合自监督学习理论，通过掩码序列注意力学习（MSAL）模块和可学习图结构的图卷积网络（GCN）来增强HSI分析系统的鲁棒性	未明确提及具体局限性	增强高光谱图像分析系统对对抗攻击的鲁棒性	高光谱图像（HSI）分析系统	计算机视觉	NA	自监督学习，图卷积网络（GCN）	掩码空间-光谱自编码器（MSSA），图卷积网络（GCN）	高光谱图像	三个基准数据集
6335	2025-03-06	A Lightweight Group Transformer-Based Time Series Reduction Network for Edge Intelligence and Its Application in Industrial RUL Prediction 2025-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3347227 PMID:38170656	研究论文	本文提出了一种轻量级组变压器时间序列缩减网络（GT-MRNet），用于工业剩余使用寿命（RUL）预测，旨在满足边缘智能的实时响应需求	GT-MRNet通过自适应选择必要的时间步长来减少计算量，采用轻量级组变压器提取特征，并提出时间序列缩减策略和多层次学习机制，显著降低了参数和计算成本	未明确提及具体局限性	开发一种适用于边缘设备的轻量级深度学习模型，用于工业剩余使用寿命（RUL）预测	工业设备的剩余使用寿命预测	机器学习	NA	深度学习	Transformer, GT-MRNet	时间序列数据	基于真实世界条件数据集的广泛实验结果
6336	2025-03-06	Capsule Networks With Residual Pose Routing 2025-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3347722 PMID:38194388	研究论文	本文提出了一种简单而有效的胶囊路由算法，称为残差姿态路由，用于构建更深层次的胶囊网络架构	通过残差姿态路由简化了胶囊路由算法的计算复杂度，并避免了梯度消失问题，同时构建了类似ResNet的深层胶囊网络架构	未提及具体局限性	提高胶囊网络在深度学习中的性能，特别是在图像分类、3D物体重建和分类以及2D显著性密集预测等任务中的应用	胶囊网络（CapsNets）	计算机视觉	NA	残差学习框架	ResCaps（残差胶囊网络）	图像	MNIST、AffNIST、SmallNORB、CIFAR-10/100等数据集
6337	2025-03-06	MDEformer: Mixed Difference Equation Inspired Transformer for Compressed Video Quality Enhancement 2025-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3354982 PMID:38285580	研究论文	本文提出了一种基于混合差分方程启发的新型Transformer模型（MDEformer），用于压缩视频质量增强	MDEformer通过引入混合差分方程的图形概念，利用跨层跨注意力聚合（CCA）模块和分区边界平滑（PBS）模块，充分挖掘视频序列中的特征信息，有效去除压缩伪影并恢复帧的纹理和细节信息	未明确提及具体限制	提升压缩视频的质量	压缩视频	计算机视觉	NA	深度学习	Transformer	视频	MFQE 2.0数据集
6338	2025-03-06	Attentive Learning Facilitates Generalization of Neural Networks 2025-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3356310 PMID:38324433	研究论文	本文通过研究神经网络在训练样本中是否包含分布外（OoD）示例时的变化，探讨了神经网络的泛化能力	提出了一个新的概念——数据集分散稳定性（dataset-distraction stability），用于衡量OoD示例对网络预测的影响，并通过实验展示了其与泛化能力的负相关性	研究主要基于CIFAR-10/100数据集，未涉及其他数据集或实际应用场景	研究神经网络的泛化能力及其与训练数据分布的关系	神经网络在训练样本中的表现	机器学习	NA	NA	VGG, ResNet, WideResNet, ViT	图像数据	CIFAR-10/100数据集
6339	2025-03-06	eVAE: Evolutionary Variational Autoencoder 2025-Feb, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3359275 PMID:38546992	研究论文	本文提出了一种进化变分自编码器（eVAE），通过整合变分信息瓶颈理论和进化神经网络学习，解决了变分自编码器在表示推断和任务拟合之间的不平衡问题	首次引入进化变分自编码器（eVAE），结合变分遗传算法和进化算子，动态解决学习权衡不确定性，无需额外约束和超参数调优	未明确提及具体局限性	解决变分自编码器在表示推断和任务拟合之间的不平衡问题，并提高生成质量和推断平衡	变分自编码器（VAE）及其在文本生成和图像生成中的应用	机器学习	NA	变分遗传算法（VGA），变分突变（V-mutation），交叉和进化	进化变分自编码器（eVAE）	文本和图像数据	未明确提及样本数量
6340	2025-03-06	Light-based depth-sensing device with deep learning to measure spinal deformity: abridged secondary publication 2025-Feb, Hong Kong medical journal = Xianggang yi xue za zhi PMID:40038080	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA