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
61	2025-06-04	Spike-and-Slab Shrinkage Priors for Structurally Sparse Bayesian Neural Networks 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3485529 PMID:39480710	研究论文	本文探讨了在贝叶斯神经网络（BNNs）中使用Lasso和Horseshoe收缩技术进行模型压缩的方法，提出了结构稀疏的BNNs模型	提出了两种结构稀疏的BNNs模型：SS-GL和SS-GHS先验，并开发了计算上可行的变分推断方法	未提及具体的数据集或实验规模限制	解决深度学习中网络复杂性和计算效率的问题，通过稀疏化方法减少过参数化的深度神经网络	贝叶斯神经网络（BNNs）	机器学习	NA	Lasso和Horseshoe收缩技术	贝叶斯神经网络（BNNs）	NA	NA
62	2025-06-04	CDSNet: An automated method for assessing growth stages from various anatomical regions in lateral cephalograms based on deep learning 2025-Jun, Journal of the World federation of orthodontists IF:2.6Q1 DOI:10.1016/j.ejwf.2024.09.007 PMID:39578153	研究论文	本文介绍了一种基于深度学习的自动化方法CDSNet，用于从侧位头颅X光片中评估生长阶段	提出了一种可解释的深度学习模型CDSNet，结合颈椎、牙列和额窦多个解剖区域来评估生长阶段，相比传统CVM方法有显著提升	研究主要关注处于两个生长阶段边界附近、特征不明显的患者，可能对其他情况适用性有限	开发一种自动化方法来准确评估患者的生长阶段，辅助正畸治疗	接受正畸治疗患者的侧位头颅X光片和手腕X光片	数字病理	正畸相关生长异常	深度学习	CDSNet（自定义CNN模型）	医学影像（X光片）	1732对侧位头颅X光片和手腕X光片
63	2025-06-04	External validation and performance analysis of a deep learning-based model for the detection of intracranial hemorrhage 2025-Jun, The neuroradiology journal DOI:10.1177/19714009241303078 PMID:39601611	研究论文	本研究旨在验证一种FDA批准的深度学习模型在真实世界异质临床数据集中检测颅内出血（ICH）的性能，并分析患者风险因素对模型表现的影响	在真实世界异质临床数据集上验证深度学习模型性能，并首次探讨患者风险因素对模型表现的影响	研究仅基于单一机构的5600例CT扫描数据，可能存在选择偏倚	验证深度学习模型在颅内出血检测中的性能并分析影响因素	5600例非增强头部CT扫描数据	数字病理	颅内出血	深度学习	深度学习模型（未明确具体架构）	医学影像（CT扫描）	5600例非增强头部CT扫描（急诊、住院和门诊患者）
64	2025-06-04	Automated Coronary Artery Segmentation with 3D PSPNET using Global Processing and Patch Based Methods on CCTA Images 2025-Jun, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-025-00775-0 PMID:39979546	research paper	该研究提出了一种使用3D PSPNET在CCTA图像上进行冠状动脉自动分割的方法，结合了全局处理和基于补丁的处理方法	将2D PSPNet改进为3D PSPNet，用于从3D CCTA图像中分割冠状动脉，并评估了全局处理和基于补丁的处理方法的网络性能	仅使用了ImageCAS数据集的200张图像子集进行实验，样本量较小	提高冠状动脉疾病的临床诊断和治疗准确性，如狭窄检测和斑块分析	冠状动脉	digital pathology	cardiovascular disease	3D Coronary Computed Tomography Angiography (CCTA)	3D PSPNet	image	200张来自ImageCAS数据集的图像
65	2025-06-04	Investigation of Inter-Patient, Intra-Patient, and Patient-Specific Based Training in Deep Learning for Classification of Heartbeat Arrhythmia 2025-Jun, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-025-00777-y PMID:40011388	研究论文	本研究探讨了在深度学习中心跳心律失常分类中，患者间、患者内和患者特定训练模式对最终结果的影响	首次详细比较了三种不同数据分配范式（患者间、患者内和患者特定）对基于CNN的心律失常分类模型性能的影响	研究仅使用了标准心律失常数据集，未在其他数据集上验证结果的普适性	评估不同数据分配范式对深度学习模型心律失常分类性能的影响	心电图(ECG)信号和心跳心律失常分类	机器学习	心血管疾病	深度学习	CNN	ECG信号	标准心律失常数据集（具体数量未提及）
66	2025-06-04	A Forward and Backward Compatible Framework for Few-Shot Class-Incremental Pill Recognition 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3497956 PMID:40030571	research paper	本文提出了一种名为DBC-FSCIL的框架，用于解决少样本类别增量药片识别问题，该框架包含前向兼容和后向兼容学习组件	首次提出少样本类别增量药片识别框架DBC-FSCIL，包含创新的虚拟类生成策略和中心三重损失(CT loss)，以及基于不确定性量化的旧类伪特征合成策略	NA	开发一个能够处理新药片类别不断增加且标注数据有限的自动药片识别系统	药片图像	computer vision	NA	few-shot learning, class-incremental learning	DBC-FSCIL	image	新构建的药片图像数据集
67	2025-06-04	Learn to Supervise: Deep Reinforcement Learning-Based Prototype Refinement for Few-Shot Motor Fault Diagnosis 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3516035 PMID:40030687	研究论文	本文提出了一种基于深度强化学习的原型精炼方法，用于半监督少样本电机故障诊断	利用深度强化学习自适应选择有价值的样本，监督诊断过程，并通过镜像原型网络结构与DRL代理交互	工业场景中数据稀缺问题可能影响方法的泛化能力	解决工业电机故障诊断中的数据稀缺问题，提高少样本条件下的诊断准确性	工业电机	机器学习	NA	深度强化学习(DRL), 半监督元学习	镜像原型网络(ProtoNet), DRL	标记数据和非标记数据	多个电机实验数据集
68	2025-06-04	Language-Driven Spatial-Semantic Cross-Attention for Face Attribute Recognition With Limited Labeled Data 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3514836 PMID:40030689	研究论文	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下进行人脸属性识别	无需额外数据集或辅助任务进行预训练，利用语言模型的关系信息增强属性识别	未提及具体在极端有限数据情况下的表现	解决人脸属性识别在有限标注数据下的性能问题	人脸属性	计算机视觉	NA	语言模型、注意力机制	LSA（语言驱动的空间语义交叉注意力）	图像、文本	CelebA和LFWA数据集（具体数量未提及）
69	2025-06-04	Resisting Noise in Pseudo Labels: Audible Video Event Parsing With Evidential Learning 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3505674 PMID:40030688	研究论文	提出了一种名为NREP的新框架，用于在弱监督条件下解析音频-视觉视频中的事件，通过证据深度学习抵抗伪标签中的噪声	引入证据深度学习（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）三个关键组件	未提及具体的数据集规模或计算资源限制，也未讨论模型在更广泛场景下的泛化能力	解决音频-视觉视频解析（AVVP）任务中伪标签噪声的问题，提高事件解析的准确性	音频-视觉视频中的事件解析	多模态视频理解	NA	证据深度学习（EDL）	NREP框架（包含MEL、TEL和FBCL）	音频-视觉视频	在两个AVVP基准数据集上评估
70	2025-06-04	Hybrid Quantum Deep Learning With Superpixel Encoding for Earth Observation Data Classification 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3518108 PMID:40030763	研究论文	本文提出了一种混合量子深度学习模型，用于地球观测数据的分类任务，通过超像素编码有效减少量子资源需求	引入超像素编码方法，减少大图像表示所需的量子资源，并研究了不同交互门和测量对分类性能的影响	未具体说明模型在更大规模数据集上的表现或实际应用中的计算资源限制	解决地球观测大数据时代中，使用复杂深度学习模型分析数据时的计算挑战	地球观测数据	量子计算与深度学习	NA	超像素编码	混合量子深度学习模型	图像	多个地球观测基准数据集（Overhead-MNIST、So2Sat LCZ42、SAT-6）
71	2025-06-04	Topological Data Analysis in Graph Neural Networks: Surveys and Perspectives 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3520147 PMID:40030848	综述	本文系统综述了拓扑数据分析（TDA）与图神经网络（GNN）结合的研究进展和前景	探讨了TDA与GNN结合的创新方法，提出了拓扑驱动的GNN模型分类和最新研究进展	未提及具体实验验证或应用案例的局限性	整合拓扑数据分析与图神经网络，提升复杂图数据分析能力	图数据集及其拓扑性质	机器学习	NA	拓扑数据分析（TDA）	GNN	图数据	NA
72	2025-06-04	Learning-Based Modeling and Predictive Control for Unknown Nonlinear System With Stability Guarantees 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3525264 PMID:40030974	研究论文	本文提出了一种基于学习的建模和预测控制方法，用于未知非线性系统的安全控制	结合Koopman理论和深度学习，提出了一种具有稳定性保证的学习控制方案，并考虑了建模不匹配问题	NA	实现未知非线性系统的稳定控制	未知非线性系统	机器学习	NA	深度学习	Koopman算子	NA	NA
73	2025-06-04	Stacked Ensemble Deep Random Vector Functional Link Network With Residual Learning for Medium-Scale Time-Series Forecasting 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3529219 PMID:40031590	研究论文	本文提出了一种结合残差学习和堆叠深度块的集成深度随机向量功能链接网络（SResdRVFL），用于中等规模时间序列预测	结合残差学习和堆叠深度块，提出ResdRVFL和SResdRVFL，增强了网络的多样性和错误校正能力	未明确提及具体限制	提升中等规模时间序列预测的准确性和性能	时间序列数据	机器学习	NA	随机向量功能链接网络（dRVFL），残差学习，集成学习	ResdRVFL, SResdRVFL	时间序列数据	28个数据集
74	2025-06-04	TDSF-Net: Tensor Decomposition-Based Subspace Fusion Network for Multimodal Medical Image Classification 2025-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3541170 PMID:40031645	research paper	提出了一种基于张量分解的子空间融合网络（TDSF-Net），用于多模态医学图像分类	引入Tucker低秩张量分解模块将高维张量映射到低秩子空间，减少多模态数据和高维特征带来的冗余，并利用跨张量注意力机制融合子空间特征，增强特征表示能力	未明确提及具体限制	提升多模态医学图像分类的性能	多模态医学图像	digital pathology	NA	tensor decomposition, cross-tensor attention mechanism	TDSF-Net	multimodal medical image	一个自建数据集和三个公共多模态医学图像数据集
75	2025-06-04	Predicting hemorrhagic transformation in acute ischemic stroke: a systematic review, meta-analysis, and methodological quality assessment of CT/MRI-based deep learning and radiomics models 2025-Jun, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-025-02336-3 PMID:40133723	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了深度学习和放射组学在预测急性缺血性卒中出血性转化中的准确性和实用性	首次对深度学习和放射组学模型在预测急性缺血性卒中出血性转化方面的性能进行了系统比较，并评估了临床组合模型的优势	存在中度至重度异质性，参考标准不一致，外部验证有限	优化急性缺血性卒中患者的治疗策略	急性缺血性卒中患者	数字病理学	心血管疾病	CT/MRI成像	深度学习与放射组学模型	医学影像	16项研究共3,083名参与者
76	2025-06-04	Fine-Tuning Deep Learning Model for Quantitative Knee Joint Mapping With MR Fingerprinting and Its Comparison to Dictionary Matching Method: Fine-Tuning Deep Learning Model for Quantitative MRF 2025-Jun, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70045 PMID:40259681	research paper	该研究探讨了深度学习模型在磁共振指纹图谱（MRF）中用于膝关节定量映射的微调及其与字典匹配（DM）方法的比较	研究了神经网络（NN）训练参数选择对性能的影响，并对微调后的NN与DM方法进行了公平比较	研究仅涉及14名健康志愿者的体内膝关节数据，样本量较小	提高MRF中多参数定量映射的准确性和鲁棒性	膝关节的定量MRI参数	digital pathology	osteoarthritis	MRF, deep learning	NN	MRI图像	14名健康志愿者的体内膝关节数据
77	2025-06-04	Deep learning-based acceleration of high-resolution compressed sense MR imaging of the hip 2025-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100656 PMID:40453036	research paper	评估一种结合并行成像、压缩感知和深度学习的压缩感知人工智能框架（CSAI）在髋关节高分辨率MRI中的应用，并与标准分辨率CS成像进行比较	提出了一种结合并行成像、压缩感知和深度学习的CSAI框架，用于提高髋关节MRI的分辨率和软骨描绘，而不增加采集时间	骨骼描绘评分较低，且研究样本量较小（32名患者）	评估CSAI框架在髋关节高分辨率MRI中的性能	髋关节软骨、唇缘、股骨头韧带和骨骼	医学影像	髋关节撞击综合征	压缩感知（CS）、深度学习	NA	MRI图像	32名髋关节撞击综合征患者
78	2025-06-04	A systematic review on deep learning-enabled coronary CT angiography for plaque and stenosis quantification and cardiac risk prediction 2025-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100652 PMID:40453037	系统综述	本文系统综述了深度学习在冠状动脉CT血管造影（CCTA）中用于斑块和狭窄量化以及心脏风险预测的应用	强调了深度学习技术在CCTA分析中的自动化量化能力，提高了心脏风险评估的精确性	研究设计存在变异性，可能存在潜在偏倚	评估深度学习技术在CCTA中用于冠状动脉疾病（CAD）诊断和管理的效果	18岁及以上接受CCTA检查的患者	数字病理学	心血管疾病	CCTA	深度学习模型	医学影像	10篇研究文章的系统评价
79	2025-06-04	Effects of various cross-linked collagen scaffolds on wound healing in rats model by deep-learning CNN 2025-Jun, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2315141 PMID:38357717	研究论文	研究探讨了四种胶原支架在大鼠模型中促进伤口愈合和再生的效果，并开发了一种深度学习模型用于组织分类	使用深度学习CNN模型进行伤口愈合评估，结合Grad-CAM热图可视化网络关注的特征	研究仅使用了24只雌性大鼠，样本量较小	评估不同类型胶原支架对伤口愈合的影响，并开发客观的伤口愈合评估方法	Sprague-Dawley大鼠	数字病理学	伤口愈合	组织形态学分析	CNN（VGG16）	图像	24只雌性大鼠
80	2025-06-04	Identification and segregation of genes with improved recurrent neural network trained with optimal gene level and mutation level features 2025-Jun, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2311322 PMID:38424698	research paper	该研究论文提出了一种新的基因识别和分离模型，通过五个关键流程处理癌症的复杂突变异质性	使用改进的循环神经网络（I-RNN）结合优化的基因和突变水平特征进行基因分类，提高了分类准确性	未提及样本的具体来源和多样性，可能影响模型的泛化能力	识别和分离癌症驱动基因，整合多种基因组因素进行综合分析	癌症基因和突变数据	machine learning	cancer	data cleaning, data normalization, K-Means + SMOTE, FIHFSO	Improved Recurrent Neural Network (I-RNN)	genomic data	NA