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
9721	2025-03-06	Magnetic resonance image denoising for Rician noise using a novel hybrid transformer-CNN network (HTC-net) and self-supervised pretraining 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17562 PMID:39641989	研究论文	本文提出了一种结合Transformer和卷积神经网络（CNN）的混合网络（HTC-net）及自监督预训练策略，用于提高磁共振图像（MRI）的去噪性能	提出了一种新的混合Transformer-CNN网络（HTC-net），结合自监督预训练策略，有效利用长程信息并减少对配对MRI图像的需求	样本量有限，特别是配对的有噪和无噪MRI图像的数量限制了去噪性能	开发一种有效的深度学习方法，通过利用长程信息和预训练来提高MRI图像的去噪性能	磁共振图像（MRI）	计算机视觉	NA	深度学习	Transformer-CNN混合网络（HTC-net）	图像	肺部HP 129Xe MRI数据集（1059张图像）和IXI数据集（5000张图像）
9722	2025-03-06	A dual-decoder banded convolutional attention network for bone segmentation in ultrasound images 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17545 PMID:39651711	研究论文	本文提出了一种双解码器带状卷积注意力网络（BCA-Net），用于超声图像中的骨骼分割，旨在提高计算机辅助骨科手术（CAOS）中骨骼结构提取的精确性和效率	提出了一种新的双解码器带状卷积注意力网络（BCA-Net），利用多尺度带状卷积核和任务一致性损失，显著提高了骨骼分割的准确性和效率	研究依赖于特定数据集（1623组超声图像），可能限制了模型的泛化能力	系统研究骨骼超声图像的特征提取和分割方法，提出一种创新的卷积神经网络以满足CAOS中精确和高效的骨骼结构提取需求	超声图像中的骨骼结构	计算机视觉	骨科疾病	卷积神经网络（CNN）	BCA-Net	图像	1623组超声图像
9723	2025-03-06	Establishment of cancer cell radiosensitivity database linked to multi-layer omics data 2025-Mar, Cancer science IF:4.5Q1 DOI:10.1111/cas.16334 PMID:39668120	研究论文	本文旨在建立一个与多层组学数据相关联的癌细胞放射敏感性数据库，以探索癌症放射敏感性	通过深度学习筛选大量文献，建立了一个包含285个细胞系的放射敏感性数据库，并与多层组学数据相关联	数据库的建立依赖于文献数据，可能存在数据质量和一致性的问题	探索癌症放射敏感性，并建立一个与多层组学数据相关联的放射敏感性数据库	癌细胞系	数字病理学	癌症	深度学习	NA	文献数据、组学数据	285个细胞系，来自28种癌症类型
9724	2025-03-06	Deep learning detected histological differences between invasive and non-invasive areas of early esophageal cancer 2025-Mar, Cancer science IF:4.5Q1 DOI:10.1111/cas.16426 PMID:39692707	研究论文	本研究利用深度学习技术探索早期食管癌中浸润区与非浸润区的组织学差异	首次使用AI模型（CLAM）分析早期食管癌的浸润区与非浸润区的组织学差异，并发现浸润区血管数量和大小显著增加	样本量较小（75例），且仅针对食管鳞状细胞癌（ESCC）进行研究，未涵盖其他类型的食管癌	探索早期食管癌中浸润区与非浸润区的形态学差异，以揭示浸润机制	75例食管鳞状细胞癌（ESCC）患者的组织样本	数字病理学	食管癌	内镜黏膜下剥离术（ESD）	CLAM（聚类约束注意力多实例学习模型）	图像	75例食管鳞状细胞癌（ESCC）患者的组织样本
9725	2025-03-06	Deep denoising approach to improve shear wave phase velocity map reconstruction in ultrasound elastography 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17581 PMID:39714072	研究论文	本研究开发了一种深度学习方法来去噪超声剪切波弹性成像中的剪切波场，以改进剪切波相速度图像的重建	提出了一种基于深度学习的去噪方法，通过将粒子速度数据转换为时频表示，并使用编码器和解码器卷积块的神经网络来提取信号，显著提高了高噪声场景下的信噪比	研究主要基于模拟和实验数据，尚未在临床环境中进行大规模验证	改进超声剪切波弹性成像中的剪切波相速度图像重建	模拟体模和离体山羊肝组织数据	医学影像处理	NA	深度学习	卷积神经网络（CNN）	超声图像	185,570个样本，其中80%用于训练，20%用于验证
9726	2025-03-06	Artificial intelligence-based tissue segmentation and cell identification in multiplex-stained histological endometriosis sections 2025-Mar-01, Human reproduction (Oxford, England) DOI:10.1093/humrep/deae267 PMID:39724530	研究论文	本文探讨了如何通过人工智能技术对多重染色子宫内膜异位症切片进行组织分割和细胞识别，以理解组织组成	结合机器学习组织分析软件和深度学习算法，实现了对子宫内膜异位症切片的自动化组织分割和细胞识别	研究样本数量有限，未来需要增加样本量以细化亚型特异性差异，并应包含胶原丰富的无细胞区域的量化	实现子宫内膜异位症切片的自动化组织分割和细胞识别，以理解组织组成	子宫内膜异位症组织切片	数字病理学	子宫内膜异位症	多重免疫荧光染色	机器学习、深度学习	图像	8名不同亚型患者的子宫内膜异位症组织样本
9727	2025-03-06	Natural language processing of electronic health records for early detection of cognitive decline: a systematic review 2025-Mar-01, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01527-z PMID:40025194	系统综述	本文系统评估了自然语言处理（NLP）方法在电子健康记录临床笔记中检测认知障碍的应用	本文首次系统性地评估了NLP在电子健康记录中检测认知障碍的性能，并比较了不同算法（规则基础、传统机器学习和深度学习）的效果	主要挑战包括电子健康记录数据捕获不完整、临床文档实践不一致以及外部验证有限	评估NLP在电子健康记录中检测认知障碍的有效性	电子健康记录中的临床笔记	自然语言处理	认知障碍	自然语言处理（NLP）	规则基础算法、传统机器学习、深度学习	文本	1,064,530份临床笔记
9728	2025-03-06	Automatic Calculation of Cervical Spine Parameters Using Deep Learning: Development and Validation on an External Dataset 2025-Mar, Global spine journal IF:2.6Q1 DOI:10.1177/21925682231205352 PMID:37811580	研究论文	本研究开发了一种深度学习模型，用于从颈椎侧位X光片中自动计算重要的脊柱参数	开发了一种能够从不同机构获取的图像中进行准确预测的深度学习模型，展示了其鲁棒性和高度泛化能力	研究仅使用了两个数据集进行训练和验证，样本量相对较小，可能影响模型的广泛适用性	开发并验证一种深度学习模型，用于自动计算颈椎侧位X光片中的脊柱参数	颈椎侧位X光片	计算机视觉	颈椎疾病	深度学习	深度学习模型	图像	1498张图像用于训练，79张图像用于外部验证
9729	2025-03-06	Predicting Progression in Adolescent Idiopathic Scoliosis at the First Visit by Integrating 2D Imaging and 1D Clinical Information 2025-Mar, Global spine journal IF:2.6Q1 DOI:10.1177/21925682231211273 PMID:37903546	研究论文	本研究旨在通过整合患者首次就诊时的1D临床信息和2D影像数据，预测青少年特发性脊柱侧弯（AIS）的进展	首次提出了一种多维输入模型，结合了1D临床数据和2D影像数据，用于预测AIS的进展，并采用了改进的CapsuleNet架构	研究样本量相对较小，且仅限于接受支具治疗的患者	预测青少年特发性脊柱侧弯（AIS）的进展，以辅助临床医生个性化治疗	青少年特发性脊柱侧弯（AIS）患者	数字病理	脊柱侧弯	深度学习	CapsuleNet	1D临床数据和2D影像数据	463名AIS患者
9730	2025-03-06	Urban fabric decoded: High-precision building material identification via deep learning and remote sensing 2025-Mar, Environmental science and ecotechnology IF:14.0Q1 DOI:10.1016/j.ese.2025.100538 PMID:40034611	研究论文	本文介绍了一种利用深度学习和遥感技术进行高精度建筑材料识别的新框架	该框架结合了最新的传感技术和深度学习，能够利用遥感数据和Google街景图像识别屋顶和外墙材料，展示了模型在不同地理环境和建筑风格中的可扩展性和适应性	模型的训练和验证主要基于丹麦城市的数据，可能在其他地区的适用性需要进一步验证	旨在通过高精度建筑材料识别为城市环境中的碳减排、建筑改造和循环经济策略提供信息	丹麦城市（如欧登塞、哥本哈根、奥胡斯和奥尔堡）的建筑材料	计算机视觉	NA	深度学习	深度学习模型	遥感数据和Google街景图像	丹麦多个城市的建筑数据集
9731	2025-03-06	Learning Ordinal-Hierarchical Constraints for Deep Learning Classifiers 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3360641 PMID:38347692	研究论文	本文提出了两种新的序数-层次深度学习模型（HCLM和HOBD），用于同时学习层次和序数约束，以提高泛化性能	提出了两种新的深度学习模型（HCLM和HOBD），能够同时学习层次和序数约束，填补了现有深度学习模型在这方面的空白	NA	提高深度学习分类器在具有序数结构的层次分类问题中的泛化性能	具有序数结构的层次分类问题	机器学习	NA	深度学习	HCLM, HOBD	NA	四个实际应用案例数据集（涉及工业、生物医学、计算机视觉和金融领域）
9732	2025-03-06	PointWavelet: Learning in Spectral Domain for 3-D Point Cloud Analysis 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3363244 PMID:38393837	研究论文	本文提出了一种名为PointWavelet的新方法，通过在谱域中探索局部图来改进3D点云分析	引入可学习的图小波变换，避免耗时的谱分解，显著加速训练过程	NA	改进3D点云分类和分割的深度学习方法	3D点云数据	计算机视觉	NA	图小波变换	CNN	3D点云	四个流行的点云数据集：ModelNet40、ScanObjectNN、ShapeNet-Part和S3DIS
9733	2025-03-06	Scalable Moment Propagation and Analysis of Variational Distributions for Practical Bayesian Deep Learning 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3367363 PMID:38412086	研究论文	本文提出了一种基于矩传播（MP）的快速可靠的贝叶斯深度学习方法，通过引入扩展的批量归一化层来训练深度学习模型，并探讨了不同变分分布的处理方法	提出了一种基于矩传播的贝叶斯深度学习方法，通过扩展的批量归一化层来训练深度学习模型，并研究了不同变分分布的处理方法	MP方法在深度模型中的适用性尚未充分探索，且设计良好校准的MP模型仍然具有挑战性	实现快速且可靠的贝叶斯深度学习方法，以处理预测不确定性	深度学习模型及其预测不确定性	机器学习	NA	矩传播（MP），变分推断（VI），蒙特卡罗采样（MC）	贝叶斯深度学习模型	NA	NA
9734	2025-03-06	Learning Rates of Deep Nets for Geometrically Strongly Mixing Sequence 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3371025 PMID:38466602	研究论文	本文为深度神经网络在几何强混合序列下的快速学习率建立了理论基础	首次提出了基于混合序列的深度神经网络方法的收敛性结果，这是对独立样本情况的自然推广	现有研究假设样本独立，这一假设在许多现实场景中过于强烈	建立深度神经网络在依赖样本情况下的快速学习率理论基础	深度神经网络回归中的经验风险最小化	机器学习	NA	NA	深度神经网络 (DNN)	NA	NA
9735	2025-03-06	On Model of Recurrent Neural Network on a Time Scale: Exponential Convergence and Stability Research 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3377446 PMID:38530720	研究论文	本文研究了在时间尺度上使用延迟微分方程建模的递归神经网络（RNN）的架构设计，重点探讨了系统的定性行为和稳定性	本文创新性地在时间尺度上结合多个离散和分布式延迟，探索了RNN模型的指数稳定性，并比较了Hilger和常规指数函数两种构建指数估计的方法	研究主要集中于理论分析和数值模拟，缺乏实际应用场景的验证	研究目的是在时间尺度上建模和探讨延迟RNN的架构设计及其稳定性	递归神经网络（RNN）及其在时间尺度上的动态行为	机器学习	NA	延迟微分方程	RNN	数值数据	两个模型：一个两神经元网络（含四个离散和分布式延迟）和一个七神经元环格延迟网络
9736	2025-03-06	Generalizable and Discriminative Representations for Adversarially Robust Few-Shot Learning 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3379172 PMID:38536695	研究论文	本文提出了一种新的对抗性鲁棒少样本图像分类方法，通过引入对抗感知机制和对抗重加权训练策略，以及循环特征净化器，提高了模型在对抗性样本下的鲁棒性和泛化能力	提出了一种无需繁琐元任务采样的对抗性鲁棒少样本学习方法，引入了对抗感知机制、对抗重加权训练策略和循环特征净化器，显著提升了模型在对抗性样本下的鲁棒性和泛化能力	未提及具体的局限性	提高少样本图像分类任务在对抗性样本下的鲁棒性和泛化能力	少样本图像分类任务	计算机视觉	NA	对抗性训练	NA	图像	在三个标准基准数据集上进行了广泛实验
9737	2025-03-06	Statistical Machine Learning for Power Flow Analysis Considering the Influence of Weather Factors on Photovoltaic Power Generation 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3382763 PMID:38587954	研究论文	本文提出了一种基于统计机器学习的随机天气生成器（SWG），用于分析考虑天气因素影响的光伏发电的电力潮流	结合生成对抗网络（GANs）、概率论和信息论，提出了一种新的深度学习模型，用于生成和评估全年每小时的模拟天气数据	未提及具体局限性	分析天气因素对光伏发电和天气敏感负荷的影响，以提高电力潮流分析的准确性	光伏发电和天气敏感负荷	机器学习	NA	统计机器学习（SML）	生成对抗网络（GANs）	天气数据	中国广东的一个实际配电网络，使用全年模拟数据进行电力潮流分析
9738	2025-03-06	Toward Efficient Convolutional Neural Networks With Structured Ternary Patterns 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3380827 PMID:38652622	研究论文	本文提出了一种利用结构化三元模式（STePs）设计高效卷积神经网络（ConvNet）架构的方法，以减少训练和推理过程中的资源需求	通过使用从局部二值模式（LBPs）和Haar特征生成的非学习权重参数，减少了卷积神经网络的总权重更新，从而提高了效率	该方法需要进一步研究非学习权重的良好先验，以在不改变网络结构的情况下提高深度学习架构的效率	设计高效的卷积神经网络架构，以减少资源需求并提高在移动和嵌入式平台上的应用	卷积神经网络（ConvNets）	计算机视觉	NA	局部二值模式（LBPs）和Haar特征	卷积神经网络（ConvNets）	图像	四个图像分类数据集
9739	2025-03-06	IoT-Based Elderly Health Monitoring System Using Firebase Cloud Computing 2025-Mar, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.70498 PMID:40041774	研究论文	本研究开发并验证了一种基于物联网的老年人健康监测系统，旨在提高老年人的生活质量	系统集成了Firebase云平台和Android用户界面，实现了实时数据收集和分析，并采用监督机器学习技术进行健康状况预测	样本量较小，仅涉及六名参与者，未来可扩展样本量以验证系统的普适性	开发一种基于物联网的老年人健康监测系统，以应对日益增长的老年人口对医疗系统的挑战	老年人	物联网	老年疾病	监督机器学习	XGBoost	实时生理数据（心率、血氧饱和度、体温）	六名参与者
9740	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）