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
81	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
82	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）
83	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
84	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
85	2025-09-06	How Deep is Your Guess? A Fresh Perspective on Deep Learning for Medical Time-Series Imputation 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568778 PMID:40343821	研究论文	对电子健康记录时间序列插值的深度学习方法进行全面分析，探讨架构与框架设计如何影响模型特性及数据偏差	揭示模型复杂度与性能的非必然正比关系，提出应优先考虑临床意义而非统计精度的插值新视角	未明确说明具体实验数据集规模及模型对比范围	评估深度学习在医疗时间序列插值中的有效性及与临床需求的差距	电子健康记录（EHR）时间序列数据	机器学习	NA	深度学习时间序列插值	深度插值模型（未指定具体类型）	时间序列数据	NA
86	2025-09-06	Multi-Task Collaborative Assisted Training Method for Grouping Fuzzy Categories Classification of Cervical Cancer Cells 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568846 PMID:40343820	研究论文	提出一种用于宫颈癌细胞模糊分类的多任务协同辅助训练框架	引入分组对比学习、多层次分类、图像重建和软标签蒸馏四个辅助分支协同解决细胞分类中的挑战	NA	提升宫颈癌细胞分类的准确性，解决类别相似性、单细胞与细胞团变异以及标注主观性问题	宫颈癌细胞图像	计算机视觉	宫颈癌	深度学习，监督对比学习	多任务协同框架	图像	HSJCC、DSCC和SIPaKMeD三个数据集
87	2025-09-06	A Finetuning Deep Learning Framework for Pan-Species Promoters Identification With Pseudo Time Series Analysis on Time and Frequency Space 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568145 PMID:40343817	研究论文	提出两种深度学习框架ProTriCNN和TransPro，用于跨物种启动子识别	将启动子视为伪时间序列进行分析，并利用物种进化树在时频空间表示物种间差异	NA	准确识别不同物种的启动子序列以解析转录调控机制	真核和原核生物的启动子序列	生物信息学	NA	深度学习	CNN, Fine-tuning框架	基因组序列数据	真实数据集（具体数量未说明）
88	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）
89	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）
90	2025-09-06	DenoiseMamba: An Innovative Approach for EEG Artifact Removal Leveraging Mamba and CNN 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3573042 PMID:40408214	研究论文	提出一种结合Mamba和CNN的新型EEG去噪模型DenoiseMamba，用于有效去除脑电信号中的多种伪迹	首次将结构化状态空间对偶（SSD）机制与CNN结合，能够同时捕获EEG信号的局部和全局时空特征	NA	开发更有效的EEG信号去噪方法，提升脑电信号质量	脑电信号（EEG）及其中的眼电、肌电和心电伪迹	信号处理	神经系统疾病	深度学习	CNN + Mamba（SSD机制）	EEG信号数据	三个半模拟数据集
91	2025-09-06	SSC-SleepNet: A Siamese-Based Automatic Sleep Staging Model With Improved N1 Sleep Detection 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3572886 PMID:40408218	研究论文	提出一种基于伪孪生神经网络的自动睡眠分期模型SSC-SleepNet，专注于提升N1睡眠阶段的检测性能	采用伪孪生网络架构结合对比损失，设计自适应损失函数动态加权交叉熵损失和焦点损失以解决类别不平衡问题	NA	提升单通道脑电信号的自动睡眠分期精度，特别是N1睡眠阶段的检测	睡眠脑电信号	机器学习	睡眠障碍	深度学习	伪孪生神经网络（Squeeze-and-Excitation残差网络分支和CNN-LSTM分支）	单通道脑电信号（EEG）	四个数据集（Sleep-EDF-SC、Sleep-EDF-X、SHHS、HMC），具体样本量未明确说明
92	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
93	2025-09-06	Knowledge-Driven Graph Representation Learning for Myocardial Infarction Localization 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3574688 PMID:40434860	研究论文	提出一种知识驱动的图表示学习框架，用于心肌梗死定位任务	将医学先验知识融入图表示学习，通过知识图谱引导模型识别关键特征，并将定位任务转化为链接预测问题	NA	改进心肌梗死的定位准确性，特别是罕见类型心肌梗死的定位	心电图信号、形态学特征、患者人口统计学信息	机器学习	心血管疾病	图表示学习、知识图谱构建、链接预测	KD-GRL（知识驱动图表示学习框架）	心电图信号、结构化医疗知识	两个公开数据集PTB和PTBXL
94	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
95	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
96	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）
97	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
98	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
99	2025-09-06	Root mixture analysis: methods and vision 2025-Sep, Trends in plant science IF:17.3Q1 DOI:10.1016/j.tplants.2025.07.003 PMID:40781027	综述	本文综述了根系混合物分析的方法与愿景，强调标准化、低成本根系表型鉴定技术的需求	提出结合理化根系性状作为物种标识符，并利用优化深度学习和机器学习实现高通量根系混合物分析	NA	支持可持续农业，促进对多样化作物混合物地下相互作用的深入理解	作物根系，特别是在田间条件下的根系混合物	机器学习	NA	深度学习，机器学习	NA	理化根系性状数据	NA
100	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