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
721	2025-09-06	Robust Unsupervised Deep Learning for Nonblind Image Deconvolution With Inaccurate Kernels 2025-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3556867 PMID:40279234	研究论文	提出一种完全无监督的深度学习方法来处理非盲图像去卷积问题，能够有效应对测量噪声和核误差	采用无监督端到端训练框架，引入自重建损失、自集成损失函数和集成推理方案，通过相位保持核扰动策略解决核误差问题	NA	解决非盲图像去卷积中核不准确和噪声干扰的问题	模糊图像及其对应的模糊核	计算机视觉	NA	深度学习	深度学习模型	图像	NA
722	2025-09-06	An Efficient Domain Knowledge-Guided Semantic Prediction Framework for Pathological Subtypes on the Basis of Radiological Images With Limited Annotations 2025-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3558596 PMID:40293902	研究论文	提出一种结合领域知识引导的主动学习和半监督学习的高效语义预测框架，用于有限标注放射影像的病理亚型预测	整合临床领域知识指导的主动学习与半监督学习方法，通过三个关键模块（空间语义特征提取、显性标志引导锚点注意力和隐性影像组学双任务纠缠）有效提升有限标注下的预测性能	NA	开发放射影像病理亚型预测的深度学习框架，解决标注数据有限的问题	胰腺神经内分泌肿瘤（pNENs）的病理分级预测和膀胱癌（BCa）的肌层浸润性预测	数字病理	胰腺癌，膀胱癌	主动学习（AL），半监督学习（SSL），影像组学分析	深度学习框架（包含特征提取模块、注意力模块和双任务纠缠模块）	放射影像（radiological images）	NA
723	2025-09-06	Heterogeneous Riemannian Few-Shot Learning Network 2025-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3561930 PMID:40305249	研究论文	提出一种基于异构黎曼流形的少样本学习网络HRFL-Net，通过多流形特征映射和黎曼度量学习实现高效概念识别	首个在异构黎曼流形上进行端到端深度学习的少样本学习方法，设计了基于神经网络的黎曼度量学习解决数据扩展限制	NA	解决少样本学习问题，提高新概念识别的准确性和泛化能力	图像数据	machine learning	NA	黎曼几何、核函数映射、随机优化	HRFL-Net（异构黎曼少样本学习网络）	image	四个公共数据集（具体数量未说明）
724	2025-09-06	A Survey and Evaluation of Adversarial Attacks in Object Detection 2025-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3561225 PMID:40327472	综述	本文系统综述并评估了针对目标检测系统的对抗攻击方法，提出了分类框架并进行了实证分析	提出了专门针对目标检测架构的对抗攻击分类框架，并对包括视觉语言预训练模型在内的现代检测器进行了全面评估	主要基于开源攻击实现进行分析，可能未涵盖所有最新攻击方法	分析目标检测系统中的对抗攻击脆弱性并推动鲁棒性研究	目标检测模型，包括传统检测器和现代视觉语言预训练检测器	computer vision	NA	对抗攻击	目标检测模型	图像	NA
725	2025-09-06	AdvMixUp: Adversarial MixUp Regularization for Deep Learning 2025-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3562363 PMID:40327482	研究论文	提出一种名为AdvMixUp的对抗性混合正则化方法，用于提升深度神经网络的泛化能力	通过结合对抗训练生成样本依赖的特征级插值掩码，创造更接近决策边界的困难混合样本	NA	解决深度神经网络过拟合问题，提升模型泛化性能	深度神经网络模型	机器学习	NA	对抗训练	深度神经网络	图像	CIFAR-10、CIFAR-100、Tiny-ImageNet和ImageNet数据集
726	2025-09-06	Toward Ultralow-Power Neuromorphic Speech Enhancement With Spiking-FullSubNet 2025-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3566021 PMID:40372867	研究论文	提出一种基于脉冲神经网络的超低功耗语音增强系统Spiking-FullSubNet，融合全频带和子带方法提升语音清晰度与质量	引入受人类听觉系统启发的频率分区方法，并创新提出能动态控制信息整合与遗忘的脉冲神经元模型，增强多尺度时序处理能力	NA	开发适用于边缘设备的超低功耗语音增强系统	语音信号	语音处理	NA	SNN（脉冲神经网络）	Spiking-FullSubNet	音频	基于Intel N-DNS挑战赛数据集（具体样本量未明确说明）
727	2025-09-06	Staged Self-Supervised Learning for Raven Progressive Matrices 2025-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3561069 PMID:40408204	研究论文	提出并研究基于Transformer架构的抽象组合变换器（ACTs），用于解决需要完成空间视觉模式的抽象推理任务，特别是Raven渐进矩阵	结合自监督学习在较小训练集上成功训练模型，缓解了RPM中已知的多种偏差，并在两个最流行的RPM基准测试中达到最先进水平	NA	开发能够处理抽象推理任务的深度学习架构，特别针对Raven渐进矩阵的逻辑谜题	抽象推理任务，特别是Raven渐进矩阵（RPMs）	机器学习和计算机视觉	NA	自监督学习，数据增强，消融研究	Transformer（ACTs变体）	空间视觉模式图像	相对较小的训练集（具体数量未明确说明）
728	2025-09-06	TRG-Net: An Interpretable and Controllable Rain Generator 2025-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3565726 PMID:40424114	研究论文	提出一种基于深度学习的可解释且可控的雨滴生成模型TRG-Net，用于增强雨天图像处理模型的训练数据	将雨滴的物理生成机制显式编码到深度网络中，实现对雨滴形状、方向、长度、宽度和稀疏度等基本因素的可控学习，无需人工标注	NA	探索和建模雨滴生成机制，以增强配对数据并简化雨天图像处理模型的训练	雨天图像	计算机视觉	NA	深度学习，滤波器参数化技术	神经网络生成器	图像	NA
729	2025-09-06	Deep Learning for Low-Light Vision: A Comprehensive Survey 2025-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3566647 PMID:40456083	综述	本文对低光照视觉领域的最新进展进行了全面综述，涵盖方法、数据集和评估指标	首次从视觉质量驱动和识别质量驱动两个维度系统梳理低光照视觉任务，并提供公开网站持续追踪该领域发展	NA	综述低光照环境下视觉识别技术的研究现状与发展趋势	低光照图像增强方法和低光照目标检测技术	计算机视觉	NA	深度学习	NA	图像	基于多个广泛采用的低光照视觉数据集进行量化基准测试
730	2025-09-06	A Survey on Confidence Calibration of Deep Learning-Based Classification Models Under Class Imbalance Data 2025-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3565159 PMID:40531642	综述	本文全面调查了类别不平衡数据下基于深度学习的分类模型的置信度校准方法	首次综合研究类别不平衡下的置信度校准问题，而非单独探讨校准或类别不平衡	NA	研究类别不平衡数据下深度学习分类模型的置信度校准技术	深度学习分类模型	机器学习	NA	NA	深度学习	NA	回顾了60种最先进方法
731	2025-09-06	MDFA: A Quantitative Framework for the Analysis of Multimodal Facial Esthetics 2025-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3570389 PMID:40531641	研究论文	提出一种基于标签分布的多模态面部美学分析框架LDMFE，结合2D和3D信息进行面部美观度预测	结合2D和3D多模态特征进行美学评估，提出深度信息提取网络DIENet和新型分布测量损失函数L_WD	依赖3D数据采集设备的高成本，且现有方法主要基于自建3D数据集，限制了在2D面部图像实际应用场景的适用性	面部美观度预测(FBP)和美学评估	人脸图像	计算机视觉	NA	深度学习	DIENet（包含FSP-Layer和AD-Block）	2D和3D多模态图像数据	三个数据集（具体数量未明确说明）
732	2025-09-06	Hyperspectral Imaging Combined With Deep Learning for Precision Grading of Clear Cell Renal Cell Carcinoma 2025-Sep, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500180 PMID:40545924	研究论文	本研究结合高光谱成像和深度学习技术，实现对肾透明细胞癌的精确分级	提出融合注意力机制和Transformer模块的一维卷积神经网络架构，有效提取局部光谱特征和全局上下文信息	NA	提高肾透明细胞癌的诊断准确性并支持精准个性化治疗规划	肾透明细胞癌样本	数字病理	肾癌	高光谱成像(HSI)、小波去噪、主成分分析(PCA)	1D CNN with attention mechanisms and Transformer	高光谱图像	80个肾透明细胞癌样本
733	2025-09-06	A novel approach for CT image smoothing: Quaternion Bilateral Filtering for kernel conversion 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110644 PMID:40779990	研究论文	提出一种基于四元数双边滤波的CT图像平滑新方法，用于改善重建后图像的噪声问题	首次将四元数数学与双边滤波结合，直接在重建后的锐核图像上操作，无需原始投影数据	方法依赖于成对患者数据，且未明确说明样本规模和数据来源的多样性	开发一种无需原始投影数据的CT图像去噪方法，提升图像质量	CT扫描图像	医学影像处理	NA	四元数双边滤波(QBF)	传统图像处理算法（非深度学习）	CT图像	使用同一患者的成对数据，但具体样本数量未明确说明
734	2025-09-06	Clinical insights to improve medical deep learning design: A comprehensive review of methods and benefits 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110780 PMID:40782553	综述	本文全面回顾了医学深度学习设计中融入临床洞察的方法及其益处，特别关注三维CT图像数据	系统性地调查和分类了临床启发方法在深度学习设计不同阶段的应用，强调领域知识整合的重要性	基于文献回顾，可能受限于所选研究范围和质量，未涉及所有潜在临床场景	探讨如何通过融入临床洞察提升医学深度学习模型的鲁棒性、可解释性和可信度	三维计算机断层扫描（CT）图像数据及相关的临床诊断过程	计算机视觉	NA	深度学习，三维图像处理	深度学习模型（具体类型未指定）	三维医学图像（CT）	基于400篇研究文章的综述，其中47篇详细分析
735	2025-09-05	Deep learning model for predicting lymph node metastasis around rectal cancer based on rectal tumor core area and mesangial imaging features 2025-Sep-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01878-9 PMID:40890619	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
736	2025-09-06	U-FISH: a fluorescent spot detector for imaging-based spatial-omics analysis and AI-assisted FISH diagnosis 2025-Sep-01, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03736-x PMID:40890868	研究论文	开发了一种基于深度学习的荧光斑点检测方法U-FISH，用于空间组学分析和AI辅助FISH诊断	首个集成大语言模型的斑点检测软件，能有效处理多种空间组学数据并解码3D FISH数据	NA	提升成像空间组学中信号斑点的准确识别能力	FISH图像数据	数字病理	NA	FISH，空间组学方法	深度学习	图像	来自七种空间组学方法的综合FISH图像数据集
737	2025-09-06	Statistical learning methods for improving predictive performance in time-dependent survival models 2025-Sep-01, Genomics & informatics DOI:10.1186/s44342-025-00050-7 PMID:40890892	研究论文	本研究通过改进时间依赖生存模型中的时间区间划分方法，结合机器学习与深度学习模型，提升对COVID-19等传染病风险预测的准确性	提出分层Cox PH模型结合多时间区间划分策略，并引入加权求和方法整合不同变异株的风险比，显著提升时间依赖效应的估计精度	模型性能依赖于比例风险假设的满足程度，且时间区间的划分需要依赖先验知识	改进生存分析模型以更准确捕捉传染病发展过程中的时间依赖效应和协变量影响	COVID-19感染与未感染个体的死亡风险对比	机器学习	传染病	生存分析，随机生存森林(RSF)，DeepSurv，DeepHit	Cox PH，RSF，深度学习模型	生存数据	基于UK Biobank数据集的样本（具体数量未明确说明）
738	2025-09-06	Detecting papilloedema as a marker of raised intracranial pressure using artificial intelligence: A systematic review 2025-Sep, PLOS digital health DOI:10.1371/journal.pdig.0000783 PMID:40892792	系统综述	本文系统回顾了人工智能在通过视网膜图像自动检测视乳头水肿以识别颅内压升高方面的应用	首次对AI检测视乳头水肿领域进行全面系统综述，并采用新型'SMART'五域偏倚评估框架	数据选择存在高度偏倚、报告质量较差、可重复性证据有限，结果需谨慎解读	评估人工智能在视乳头水肿检测中的准确性和临床应用潜力	视乳头水肿患者的视网膜图像	医学影像分析	颅内压升高相关疾病	深度学习系统、非深度学习系统	深度学习模型	视网膜图像	训练集正常视盘图像中位数2509张，视乳头水肿图像1292张；测试集正常视盘569张，视乳头水肿201张
739	2025-09-06	An innovative bimodal computed tomography data-driven deep learning model for predicting aortic dissection: a multi-center study 2025-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2024-2807 PMID:40893488	研究论文	提出一种创新的双模态CT数据驱动深度学习模型，用于预测主动脉夹层	首次开发支持非对比CT和CTA双模态输入的深度学习框架，实现双路径检测并提升诊断效率	回顾性研究，可能存在选择偏倚；未提及外部验证结果	提高主动脉夹层的诊断效率和准确性	接受非对比CT和CTA检查的患者	数字病理	心血管疾病	计算机断层扫描（CT）	深度学习框架（包含AoDN和ADDiN两个网络）	医学影像	第一阶段102例患者，第二阶段861例病例，来自三个医疗中心
740	2025-09-06	Classification of mitral regurgitation in echocardiography based on deep learning methods 2025-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-120 PMID:40893511	研究论文	本研究开发了一种基于深度学习的人工智能系统，用于超声心动图中二尖瓣反流的自动分类	设计了ARMF-Net深度学习网络，整合3D卷积残差模块、多注意力机制和基于左右心房心室分割结果的辅助特征融合	样本量相对有限（266名受试者的754个视频），需要更大规模的外部验证	提高二尖瓣反流分类的准确性和效率，开发AI辅助决策系统	二尖瓣反流患者的超声心动图视频	计算机视觉	心血管疾病	深度学习，超声心动图	CNN，ARMF-Net（3D卷积残差网络）	视频	266名受试者的754个超声心动图视频（包含A2C、A3C、A4C视图）