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
6341	2025-03-06	Integrative multi-environmental genomic prediction in apple 2025-Feb, Horticulture research IF:7.6Q1 DOI:10.1093/hr/uhae319 PMID:40041603	研究论文	本文探讨了多环境基因组预测在苹果中的应用，通过整合表型、基因组和环境数据，提高了对特定土壤和气候条件下基因型选择的预测能力	本研究创新性地将统计模型和深度学习模型应用于多环境基因组预测，特别是通过整合基因型与环境交互效应，显著提高了预测能力	多环境数据集的构建和结构复杂模型的开发仍是主要挑战，限制了多环境基因组预测在苹果中的应用	研究目的是通过多环境基因组预测模型，选择适应不同环境条件的苹果品种，以应对气候变化的影响	研究对象是苹果的十一个性状，这些性状具有不同的遗传结构	机器学习	NA	基因组预测、深度学习	G-BLUP、深度学习模型	表型数据、基因组数据、环境数据	NA
6342	2025-03-06	Approximating Human-Level 3D Visual Inferences With Deep Neural Networks 2025, Open mind : discoveries in cognitive science DOI:10.1162/opmi_a_00189 PMID:40013087	研究论文	本文探讨了深度神经网络（DNNs）在3D形状推理任务中与人类表现的差距，并提出了一种多视角学习方法以缩小这一差距	提出了多视角学习目标，并验证了3D Light Field Network在3D形状推理任务中与人类表现最为接近	多视角学习目标对于实现类似人类的3D形状推理是必要的，但并不足够，且DNN建模方法在捕捉人类形状推理方面存在固有局限性	研究深度神经网络在3D形状推理任务中与人类表现的差距，并提出改进方法	深度神经网络（DNNs）和人类在3D形状推理任务中的表现	计算机视觉	NA	NA	3D Light Field Network, 自编码器, 卷积架构	图像	NA
6343	2025-03-06	A Novel Public Sentiment Analysis Method Based on an Isomerism Learning Model via Multiphase Processing 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3274912 PMID:37220063	研究论文	本文提出了一种基于异构学习模型的多阶段处理公共情感分析方法，旨在提高社交媒体网络中公共情感获取的效率和准确性	提出了一种基于区块链的分布式深度学习模型，称为异构学习，通过并行训练实现模型间的可信协作，并设计了衡量事件客观性的方法以动态分配模型权重，提高聚合效率	传统集中式结构模型容易形成模型孤岛并面临安全风险	提高公共情感获取任务的效率和准确性	社交媒体网络中的公共情感	自然语言处理	NA	异构学习模型、区块链	分布式深度学习模型	文本	NA
6344	2025-03-06	Long Short-Term Memory-Based Twin Support Vector Regression for Probabilistic Load Forecasting 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3335355 PMID:38019634	研究论文	本文提出了一种基于长短期记忆网络的双支持向量回归模型（BFEEMD-LSTM-TWSVRSOA），用于概率负荷预测，以提高预测的准确性和可靠性	结合了快速集成经验模态分解（FEEMD）、长短期记忆网络（LSTM）和双支持向量回归（TWSVR），并通过搜索优化算法（SOA）优化参数，提出了一种新的概率负荷预测模型	实验仅基于GEFCom2014数据集中的四个月数据，样本量较小，可能影响模型的泛化能力	提高电力系统负荷预测的准确性和可靠性，优化能源资源的高效利用	电力系统的负荷数据	机器学习	NA	快速集成经验模态分解（FEEMD）、长短期记忆网络（LSTM）、双支持向量回归（TWSVR）、搜索优化算法（SOA）	LSTM、TWSVR	时间序列数据	GEFCom2014数据集中的四个月数据
6345	2025-03-06	Rethinking Semantic Segmentation With Multi-Grained Logical Prototype 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3543052 PMID:40031630	研究论文	本文提出了一种多粒度逻辑原型（MGLP）方法，重新思考语义分割，以更好地符合人类视觉认知过程的抽象和结构化特性	提出了一种新的多粒度逻辑原型方法，通过建立不同粒度级别的类原型和显式建模不同语义层次之间的内在逻辑结构，改进了现有语义分割方法的性能	未明确提及具体局限性	改进语义分割方法，使其更符合人类视觉认知的抽象和结构化特性	语义分割任务	计算机视觉	NA	NA	多粒度逻辑原型（MGLP）	图像	未明确提及具体样本数量
6346	2025-03-06	Artificial Intelligence in Neuroendovascular Procedures 2025, Journal of neuroendovascular therapy DOI:10.5797/jnet.ra.2024-0107 PMID:40034100	综述	本文综述了人工智能在神经血管介入手术中的当前应用和未来潜力，重点关注基于AI的图像识别、实时手术辅助和未来发展	探讨了AI在神经血管介入手术中的创新应用，包括血管结构分析、设备检测和实时辅助系统，以及未来与机器人系统的集成	当前系统存在一些局限性，但技术进步表明AI在提高手术安全性、标准化和患者预后方面的作用将不断扩大	研究人工智能在神经血管介入手术中的应用及其潜力	神经血管介入手术	医学影像分析	神经血管疾病	深度学习算法	NA	图像	NA
6347	2025-03-06	Artificial intelligence in stroke risk assessment and management via retinal imaging 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1490603 PMID:40034651	综述	本文探讨了人工智能在通过视网膜成像评估和管理中风风险中的作用，重点关注视网膜成像在临床工作流程中的整合	利用机器学习和深度学习算法增强视网膜成像，展示了在早期疾病检测、严重程度分级和预后评估中的潜力	缺乏标准化的成像协议、对AI生成预测的信任不足、视网膜成像数据与电子健康记录的整合不足、需要在多样化人群中验证、以及伦理和监管问题	探讨人工智能在中风患者护理中的作用，特别是通过视网膜成像进行中风风险评估和管理	中风患者	数字病理学	中风	视网膜成像	Xception, EfficientNet, Inception, ResNet, VGG, 随机森林, 支持向量机	图像	NA
6348	2025-03-06	Cardiotocography-Based Experimental Comparison of Artificial Intelligence and Human Judgment in Assessing Fetal Asphyxia During Delivery 2025-Jan, Cureus DOI:10.7759/cureus.78282 PMID:40034878	研究论文	本研究通过实验比较了人工智能和人类专家在使用CTG数据预测胎儿窒息方面的诊断准确性	首次系统地比较了AI和人类专家在CTG数据解读上的表现，并探讨了AI辅助诊断的潜力	AI算法的诊断准确性尚未超越人类专家，且需要进一步优化和更多CTG数据的积累	评估AI在胎儿窒息诊断中的潜力，并探讨其与人类判断的结合效果	胎儿窒息诊断	医疗人工智能	胎儿窒息	机器学习和深度学习	ML和DL算法	CTG数据	3,519个CTG数据集和984个CTG图
6349	2025-03-06	The application of artificial intelligence in insomnia, anxiety, and depression: A bibliometric analysis 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251324456 PMID:40035038	研究论文	本文通过文献计量分析，系统回顾了人工智能在失眠、焦虑和抑郁症中的应用，识别了关键研究热点并预测了未来趋势	首次通过文献计量工具（如VOSviewer和CiteSpace）对人工智能在心理健康领域的应用进行系统性分析，并识别了未来研究重点	数据隐私、伦理问题以及AI模型的可解释性仍需解决	系统回顾人工智能在失眠、焦虑和抑郁症中的应用，识别研究热点并预测未来趋势	失眠、焦虑和抑郁症	自然语言处理	精神疾病	文献计量分析	神经网络、机器学习、深度学习	文献数据	875篇文章
6350	2025-03-06	Non-Intrusive Speech Quality Assessment Based on Deep Neural Networks for Speech Communication 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3321076 PMID:37824322	研究论文	本文提出了一种基于深度学习的非侵入式语音质量评估方法，利用大规模侵入式模拟数据提高非侵入式方法的准确性和泛化能力	1. 提出了一种数据模拟方法，生成退化的语音信号并使用POLQA标注其语音质量；2. 应用对抗性说话人分类器减少说话人依赖信息对语音质量评估的影响；3. 提出了一种基于自编码器的深度学习方案，结合表示学习和对抗训练方法；4. 开发了一个端到端的语音质量评估神经网络，使用幅度和相位频谱特征作为输入	需要大量模拟数据进行预训练，且在实际应用中可能受到数据集多样性的限制	提高非侵入式语音质量评估的准确性和泛化能力	语音信号	自然语言处理	NA	深度学习	自编码器（Autoencoder）、对抗性自编码器（AAE）	语音数据	三个数据集：一个使用POLQA标注的模拟数据集，两个使用主观听力测试标注的录音数据集
6351	2025-03-06	Multivariate Time Series Forecasting Using Multiscale Recurrent Networks With Scale Attention and Cross-Scale Guidance 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3326140 PMID:37903050	研究论文	本文提出了一种多尺度循环网络模型，用于多变量时间序列预测，通过尺度注意力和跨尺度指导机制提高预测精度	本文创新性地将多尺度分析整合到深度学习框架中，提出了两种多尺度循环网络模型（MRN-SA和MRN-CSG），分别采用尺度注意力机制和跨尺度指导机制，有效解决了单尺度模型中的信息丢失问题	尽管模型在多个数据集上表现出色，但其在更广泛的应用场景中的泛化能力仍需进一步验证	研究多变量时间序列预测问题，旨在通过多尺度循环网络模型提高预测精度	多变量时间序列数据	机器学习	NA	深度学习	MRN-SA, MRN-CSG	时间序列数据	五个典型的多变量时间序列数据集
6352	2025-03-06	Understanding Deep Learning via Decision Boundary 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3326654 PMID:37922185	研究论文	本文探讨了神经网络决策边界变异性与泛化能力之间的关系，并提出了新的度量方法	提出了算法决策边界变异性和数据决策边界变异性两个新概念，用于从算法和数据角度衡量决策边界变异性	未明确提及具体局限性	研究神经网络决策边界变异性与泛化能力之间的关系	神经网络的决策边界	机器学习	NA	NA	神经网络	NA	未明确提及样本数量
6353	2025-03-06	NN2Poly: A Polynomial Representation for Deep Feed-Forward Artificial Neural Networks 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3330328 PMID:37962996	研究论文	本文提出了一种名为NN2Poly的理论方法，用于获得已训练的全连接前馈人工神经网络的显式多项式模型	NN2Poly方法将之前仅限于单隐藏层网络的想法扩展到任意深度的多层感知机（MLP），适用于回归和分类任务	该方法在计算上面临挑战，需要在训练阶段施加某些约束来克服这些挑战	研究神经网络的可解释性及其理论行为	全连接前馈人工神经网络（多层感知机）	机器学习	NA	泰勒展开	多层感知机（MLP）	表格数据	NA
6354	2025-03-06	Direction-Coded Temporal U-Shape Module for Multiframe Infrared Small Target Detection 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3331004 PMID:37976190	研究论文	本文提出了一种方向编码的时间U形模块（DTUM），用于多帧红外小目标检测，通过融合移动目标的时间信息来解决极暗目标检测问题	提出了一种新的方向编码卷积块（DCCB），将运动方向编码到特征中，并提取目标的运动信息，从而有效区分目标和杂波	缺乏包含暗目标的多帧红外小目标数据集，尽管本文构建了一个新的数据集NUDT-MIRSDT，但仍可能存在数据不足的问题	提高多帧红外小目标检测的性能，特别是在极暗目标和杂波抑制方面	红外小目标（IRST）	计算机视觉	NA	深度学习	U形网络（U-Net）	红外图像	NA
6355	2025-03-06	Deep Learning Model Compression With Rank Reduction in Tensor Decomposition 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3330542 PMID:37976188	研究论文	本文提出了一种新颖的深度学习模型压缩方法，通过张量分解中的迭代和自适应秩减少来实现	提出了一种双模型训练策略，结合迭代和自适应秩减少，显著减少了超参数搜索空间，并在保持模型准确性的同时实现了模型压缩	未提及具体局限性	研究深度学习模型压缩方法，以在轻量级边缘设备上部署大型神经网络模型	深度学习模型（如LeNet、VGG、ResNet、EfficientNet、RevCol）	机器学习	NA	张量分解	深度学习模型	图像	MNIST、CIFAR-10/100、ImageNet数据集
6356	2025-03-06	Communication-Efficient Nonconvex Federated Learning With Error Feedback for Uplink and Downlink 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3333804 PMID:37995164	研究论文	本文提出了两种通信高效的非凸联邦学习算法，EF21和LAG，用于适应上行和下行通信，以减少通信成本而不牺牲学习质量	提出了新的EF21算法和LAG梯度过滤技术，结合两者设计了EF-LAG算法，并进一步提出了双向EF-LAG算法，显著减少了通信成本	未提及具体限制	研究在大规模在线学习环境中，如何通过通信高效的非凸联邦学习算法减少通信成本	在线招募的工人设备，如手机、笔记本电脑和台式电脑	机器学习	NA	EF21算法、LAG梯度过滤技术	非凸联邦学习模型	合成数据和深度学习基准数据	未提及具体样本数量
6357	2025-03-06	On Expressivity and Trainability of Quadratic Networks 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3331380 PMID:37995168	研究论文	本文探讨了二次神经元在深度学习模型中的表达能力和训练性，提出了新的理论证明和训练策略	应用样条理论和代数几何的度量，证明了二次网络相比传统网络具有更好的模型表达能力，并提出了ReLinear训练策略以稳定二次网络的训练过程	二次网络在训练过程中可能面临比传统网络更高的崩溃风险	研究二次神经元在深度学习中的表达能力和训练性，解决现有问题	二次神经元和二次网络	机器学习	NA	NA	二次网络	NA	在流行数据集上进行了综合实验
6358	2025-03-06	Spectral Cross-Domain Neural Network With Soft-Adaptive Threshold Spectral Enhancement 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3332217 PMID:37999966	研究论文	本文提出了一种名为光谱跨域神经网络（SCDNN）的新深度学习模型，结合软自适应阈值光谱增强（SATSE）模块，以同时揭示神经网络中嵌入的光谱和时间域的关键信息	提出了SCDNN模型和SATSE模块，首次在分类器模型中实现了光谱和时间域的通信机制，通过快速傅里叶变换（FFT）和软可训练阈值提取跨域信息	未提及具体局限性	改进心电图（ECG）信号的分类方法，通过深度学习模型同时利用光谱和时间域信息	心电图（ECG）信号	机器学习	心血管疾病	快速傅里叶变换（FFT）	卷积神经网络（CNN）	时间序列数据	使用公开的ECG数据库PTB-XL和CPSC2018进行测试
6359	2025-03-06	A Novel Sequence-to-Sequence-Based Deep Learning Model for Multistep Load Forecasting 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3329466 PMID:38241098	研究论文	本文提出了一种基于序列到序列（Seq2Seq）的深度学习模型，用于多步负荷预测，以优化能源资源分配和辅助决策过程	提出了一种基于时间序列分解策略的Seq2Seq深度学习模型，该模型由一系列基本块组成，每个基本块包括一个编码器和两个解码器，并通过残差连接	未提及模型的局限性	开发一种新的深度学习模型，用于多步负荷预测，以提高能源管理的效率和决策的准确性	电力系统中的负荷预测	机器学习	NA	时间序列分解策略	Seq2Seq, TCN, LSTM	时间序列数据	多个真实世界数据集中的案例
6360	2025-03-06	Emotion-RGC net: A novel approach for emotion recognition in social media using RoBERTa and Graph Neural Networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318524 PMID:40029933	研究论文	本文提出了一种名为Emotion-RGC Net的新深度学习模型，结合RoBERTa、图神经网络（GNN）和条件随机场（CRF），以提高社交媒体中情感分类的准确性和鲁棒性	Emotion-RGC Net首次将RoBERTa、GNN和CRF结合，用于社交媒体中的情感识别，显著提升了情感分类的准确性	模型对大规模标注数据集的依赖较强，计算效率有待提高，且未考虑情感在社交网络中的时间动态变化	提升社交媒体中情感识别的准确性和鲁棒性	社交媒体中的用户生成内容	自然语言处理	NA	RoBERTa, GNN, CRF	Emotion-RGC Net	文本	Sentiment140和Emotion两个广泛使用的数据集