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
1001	2025-07-11	Redesigning deep neural networks: Bridging game theory and statistical physics 2025-Jul-07, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107807 PMID:40633289	研究论文	提出了一种结合博弈论和统计物理学的深度图形表示方法，用于统一特征提取和模式分类	将神经网络神经元视为博弈论模型中的玩家和统计物理学中的粒子，通过Shapley值和Banzhaf权力指数增强模型的可解释性和性能	NA	改进深度神经网络的设计，提高其效率和准确性	深度神经网络	机器学习	NA	博弈论和统计物理学	深度图形表示	图像	NA
1002	2025-07-11	Explainable deep learning unveils critical scenarios driving soil cadmium pollution in a coastal industrial city in China: A geospatial AI approach 2025-Jul-05, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.126769 PMID:40623589	研究论文	本研究提出了一种可解释的深度学习模型，结合遥感技术识别土壤重金属污染源	采用轻量级图像分类网络SI-LICNet保留大尺度空间信息，并通过遮挡敏感分析提供模型可解释性	研究仅针对中国东莞市六个区域的镉污染，可能无法推广到其他地区或重金属污染类型	开发更准确、科学的方法识别土壤重金属污染源，为土壤环境管理提供支持	中国东莞市六个区域的土壤镉污染	地理空间AI	NA	遥感技术(RS)、遮挡敏感分析	SI-LICNet(轻量级图像分类网络)	遥感图像	中国东莞市六个区域的数据
1003	2025-07-11	CosELU: An improved activation deep neural network for EEG signal recognition in stroke patients 2025-Jul-05, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107800 PMID:40633296	research paper	本文提出了一种改进的激活函数CosELU，用于解决中风患者脑电信号识别中的梯度爆炸和梯度消失问题，并结合注意力机制卷积神经网络(AMCNN)进行分类	开发了自适应激活函数CosELU，通过可调参数a和自适应参数λ监控激活函数的梯度，缓解了梯度爆炸和梯度消失问题	未提及具体的数据集规模或实验条件的限制	提高中风患者运动想象脑电信号(MI-EEG)的识别率，以支持临床康复训练	中风患者的脑电信号	digital pathology	stroke	EEG信号处理	AMCNN (注意力机制卷积神经网络)	EEG信号	NA
1004	2025-07-11	DHR-Net: Dynamic Harmonized registration network for multimodal medical images 2025-Jul-05, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2025.112031 PMID:40633305	研究论文	提出了一种基于动态协调注册框架（DHR-Net）的端到端医学图像注册方法，用于解决多模态医学图像注册中的解剖一致性和变形场优化问题	DHR-Net采用级联两阶段架构，包括翻译网络和注册网络，并提出基于噪声对比估计框架的损失函数，增强跨模态翻译中的解剖一致性	实验仅在M&M心脏数据集上进行，未验证在其他多模态医学图像数据上的泛化能力	提升多模态医学图像注册的准确性和解剖结构一致性	多模态医学图像	数字病理	心血管疾病	深度学习	DHR-Net（级联两阶段架构）	医学图像	M&M心脏数据集（具体样本数量未提及）
1005	2025-07-11	Pairwise Attention: Leveraging Mass Differences to Enhance De Novo Sequencing of Mass Spectra 2025-Jul-04, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.5c00063 PMID:40454436	research paper	该研究提出了一种改进的transformer编码器，通过引入基于成对质量差异的学习偏置（Pairwise Attention, PA），提升了质谱数据的从头测序性能	在transformer架构中引入基于质谱手动解释启发式的成对注意力机制（PA），显著提升肽段序列预测精度	NA	提高基于质谱的蛋白质组学中肽段序列的从头测序准确性	MS2质谱数据	machine learning	NA	质谱分析	transformer	质谱数据	九物种基准数据集
1006	2025-07-11	CNN based method for classifying cervical cancer cells in pap smear images 2025-Jul-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10009-x PMID:40615498	研究论文	提出一种基于CNN的方法，用于分类宫颈癌细胞在巴氏涂片图像中的表现	直接对WSI宫颈细胞群进行分类而无需分割，证明了分割对于良好分类结果并非绝对必要	未提及具体的数据集局限性或模型泛化能力问题	早期检测宫颈癌细胞，提高分类准确性	宫颈癌细胞在巴氏涂片图像中的表现	数字病理学	宫颈癌	深度学习	CNN	图像	SIPaKMeD和Herlev数据集
1007	2025-07-11	Revolutionizing medical imaging: A cutting-edge AI framework with vision transformers and perceiver IO for multi-disease diagnosis 2025-Jul-04, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108586 PMID:40633409	research paper	提出一种结合Vision Transformers和Perceiver IO的混合框架，用于提高多疾病分类的准确性	首次将ViT和Perceiver IO应用于神经疾病、皮肤疾病和肺部疾病的分类，并在准确性、计算效率和临床可解释性方面优于传统架构	未提及具体的数据集样本量限制或模型在未见过数据上的泛化能力测试	开发一个可靠的人工智能工具，用于早期疾病检测，减少诊断错误并改善治疗结果	神经疾病（中风、阿尔茨海默病）、皮肤疾病（癣、黑色素瘤）和肺部疾病（肺癌、肺炎）	digital pathology	neurological disorders, skin diseases, lung diseases	Vision Transformers (ViT), Perceiver IO	ViT, Perceiver IO	image	使用了多个公开数据集，包括Brain Stroke Prediction CT Scan Image Dataset、Best Alzheimer MRI Dataset、Skin Diseases Dataset、HAM10000/HAM10k dataset、Lung Cancer Image Dataset和Pneumonia Dataset
1008	2025-07-11	Critical review of the model description in 'Kurdish handwritten character recognition using deep learning techniques' 2025-Jul-03, Gene expression patterns : GEP IF:1.0Q4 DOI:10.1016/j.gep.2025.119399 PMID:40617480	comments	本文对一篇关于使用深度学习技术进行库尔德手写字符识别的文章中的模型描述进行了批判性评论	指出了原文章在模型架构描述、类别标签和模型总结方面的不一致性，并提出了改进建议	仅针对原文章的模型描述部分进行评论，未涉及其他方面的研究内容	提高原文章的透明度和可重复性	库尔德手写字符识别的研究文章	natural language processing	NA	NA	deep learning	text	NA
1009	2025-07-11	Combining aggregated attention and transformer architecture for accurate and efficient performance of Spiking Neural Networks 2025-Jul-03, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107789 PMID:40633294	research paper	提出了一种新型模型架构Spike Aggregation Transformer (SAFormer)，将SNNs的低功耗特性与Transformer模型的高性能优势相结合	设计了Spike Aggregated Self-Attention (SASA)机制，显著简化了计算过程，有效降低能耗，并引入Depthwise Convolution Module (DWC)增强特征提取能力	未提及具体局限性	探索SNNs和Transformers的集成，以结合两者的优势	Spiking Neural Networks (SNNs)和Transformer模型	machine learning	NA	Spike Aggregated Self-Attention (SASA)机制和Depthwise Convolution Module (DWC)	Spike Aggregation Transformer (SAFormer)	image	CIFAR-10, CIFAR-100, Tiny-ImageNet, DVS128-Gesture和CIFAR10-DVS数据集
1010	2025-07-11	Deep Learning for Fluorescence Lifetime Predictions Enables High-Throughput In Vivo Imaging 2025-Jul-02, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c03749 PMID:40515693	研究论文	本文介绍了一种名为FLIMngo的深度学习模型，用于在光子匮乏环境下量化荧光寿命成像显微镜（FLIM）数据	FLIMngo模型能够利用原始FLIM数据中的时间和空间信息，从每个像素少于50个光子的衰减曲线中准确预测荧光寿命，显著减少了数据采集时间	模型在模拟数据上进行了表征和基准测试，但在实际应用中的广泛验证可能仍需进一步研究	提高荧光寿命成像显微镜（FLIM）的数据采集效率，使其成为适用于活体样本分析的高通量工具	活体动态样本，包括疾病相关蛋白聚集体	生物医学成像	NA	荧光寿命成像显微镜（FLIM）	深度学习模型（FLIMngo）	图像	NA
1011	2025-07-11	Deep learning-enhanced clustering and classification of protein molecule tertiary structures using weighted distance matrices 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf331 PMID:40624848	研究论文	本研究利用深度学习技术对蛋白质分子的三级结构进行聚类和分类，提出了一种新的加权距离矩阵方法	引入了独特的核序列元素（UNSE）神经网络来增强特征提取，构建了整合Cα距离与Pfam注释的加权距离矩阵	研究仅限于Verticillium dahliae蛋白质的三级结构，未涉及其他生物体的蛋白质	提高蛋白质结构聚类和分类的准确性和鲁棒性，以更好地理解蛋白质功能和相互作用	Verticillium dahliae蛋白质的三级结构	结构生物学	NA	AlphaFold2, BLAST序列比对	UNSE神经网络	蛋白质三级结构数据	NA
1012	2025-07-11	Comprehensive Production Index Prediction Using Dual-Scale Deep Learning in Mineral Processing 2025-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3421570 PMID:39042548	research paper	提出一种双尺度深度学习网络用于矿物加工中的综合生产指数预测	引入高频（HF）单元和低频（LF）单元的双尺度深度学习网络，结合云边协作机制，提升预测准确性	未明确提及具体局限性	提高矿物加工中综合生产指数（CPIs）的预测准确性	矿物加工过程中的工业数据	machine learning	NA	dual-scale deep learning, Cloud-Edge collaboration	DL network with HF and LF units	industrial data	通过在线工业实验验证
1013	2025-07-11	Graph Convolutional Network With Self-Augmented Weights for Semi-Supervised Multi-View Learning 2025-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3456593 PMID:39302796	研究论文	提出了一种具有自增强权重的图卷积网络，用于半监督多视图学习	采用基于指数级数积分的自增强权重策略，保留次要视图的互补信息并增强关键视图	未提及具体的数据集或应用场景限制	改进半监督多视图学习中的视图融合策略	多视图数据	机器学习	NA	图卷积网络	GCN	多视图数据	NA
1014	2025-07-11	Exploring the Intersection Between Neural Architecture Search and Continual Learning 2025-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3453973 PMID:39316489	综述	本文首次对神经架构搜索（NAS）与持续学习（CL）的交集进行了广泛综述，提出了终身自主深度神经网络的前瞻性范式并概述了研究方向	首次将神经架构搜索（NAS）与持续学习（CL）方法结合，提出构建更鲁棒和自适应智能体的新范式	未提及具体实验验证或实际应用案例	探索深度神经网络自主适应和自动化的方法，以解决部署后模型维护和适应环境变化的问题	深度神经网络（DNNs）的设计与优化	机器学习	NA	神经架构搜索（NAS），持续学习（CL）	深度神经网络（DNNs）	NA	NA
1015	2025-07-11	Multistage Spatial-Spectral Fusion Network for Spectral Super-Resolution 2025-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3460190 PMID:39388330	研究论文	提出了一种多阶段空间-光谱融合网络（MSFN），用于从单个RGB图像恢复高光谱图像（HSI）	设计了多阶段Unet-like架构，结合两种自注意力机制，创新性地提出了空间融合模块（SpatialFM）和光谱融合模块（SpectralFM），以全面捕获HSI的空间相关性和光谱自相似性	未明确提及具体限制，但可能受限于数据集的大小和多样性	提高从RGB图像到高光谱图像的超分辨率重建的准确性	高光谱图像（HSI）	计算机视觉	NA	深度学习	多阶段Unet-like架构，自注意力机制	图像	两个最大的SSR数据集（NTIRE2022和NTIRE2020）
1016	2025-07-11	Zero-Shot Relation Classification Through Inference on Category Attributes 2025-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3474669 PMID:39418148	研究论文	提出一种通过类别属性推理处理零样本关系分类任务的新框架	引入基于标签词和描述的假设模板，自动将关系分类数据转换为文本蕴含格式，并提出蕴含差异机制增强模型推理能力	未明确说明模型在更复杂关系场景下的表现	解决零样本关系分类任务中识别未见关系的问题	语义关系分类任务中的实体关系	自然语言处理	NA	文本蕴含(TE)	预训练语言模型	文本	FewRel和Wiki-ZSL数据集
1017	2025-07-11	A Hierarchical Framework With Spatio-Temporal Consistency Learning for Emergence Detection in Complex Adaptive Systems 2025-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3477320 PMID:39437286	研究论文	本文提出了一种具有时空一致性学习的层次框架（HSTCL），用于复杂自适应系统中的涌现检测	通过分别学习系统表示和代理表示，解决了现有方法无法捕捉涌现相关空间模式和代理间非线性关系的问题	未明确提及具体局限性	检测复杂自适应系统中的涌现现象	复杂自适应系统（CASs）及其交互代理	机器学习	NA	时空编码器（STEs）	transformer	时空数据	三个数据集
1018	2025-07-11	Grid-Centric Traffic Scenario Perception for Autonomous Driving: A Comprehensive Review 2025-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3495045 PMID:40030797	综述	本文全面回顾了自动驾驶中基于网格的交通场景感知技术	提出了网格中心感知相对于对象中心感知的优势，并探讨了其在4D场景感知与预测中的最新进展	网格中心感知的计算复杂度和成本较高	探讨自动驾驶中网格中心感知技术的发展现状与未来趋势	自动驾驶车辆的网格中心感知技术	自动驾驶	NA	深度学习	occupancy networks	3D/4D网格数据	NA
1019	2025-07-11	Adaptive Graph Convolutional Network for Unsupervised Generalizable Tabular Representation Learning 2025-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3488087 PMID:40030226	研究论文	本文提出了一种新颖的自适应图卷积网络（AdaGCN），用于无监督可泛化的表格数据表示学习	提出了自适应图卷积网络（AdaGCN），通过自适应图学习模块去除传统GCN模型中的预定义规则，能够探索任意表格数据的局部模式，并通过直接最小化原始表格数据与学习嵌入之间的分布差异进行无监督训练	未提及具体的数据集规模或具体应用场景的限制	解决表格数据表示学习中的挑战，提升表示学习的效率和实用性	表格数据	机器学习	NA	自适应图卷积网络（AdaGCN）	GCN	表格数据	未提及具体样本数量
1020	2025-07-11	Tiny Data Is Sufficient: A Generalizable CNN Architecture for Temporal Domain Long Sequence Identification 2025-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3494540 PMID:40030343	research paper	本文提出了一种新颖的通用卷积神经网络(GeCNN)架构，用于时间域长序列识别，通过结合通用CNN、选择性CNN和多池化层，显著提高了特征表示效果和准确性	提出了GeCNN架构，包含通用CNN、选择性CNN和多池化层，通过非线性卷积增强特征表示，减少对大量训练数据的需求，并解决单池化操作导致的信息丢失问题	未明确提及具体局限性	开发一种适用于时间域长序列识别的高效深度学习模型	时间域长序列数据	machine learning	NA	CNN	GeCNN (通用卷积神经网络)	时间序列数据	GTZAN数据集(仅使用0.18%数据训练)和PLAID数据集(仅使用1.56%数据训练)