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
7401	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
7402	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
7403	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
7404	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
7405	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
7406	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
7407	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
7408	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
7409	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
7410	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
7411	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
7412	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
7413	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
7414	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
7415	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
7416	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
7417	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
7418	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
7419	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
7420	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