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
10821	2024-12-19	Classification of psychosis spectrum disorders using graph convolutional networks with structurally constrained functional connectomes 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106771 PMID:39383678	研究论文	本文研究了使用图卷积网络和结构约束的功能连接图对精神病谱系障碍进行分类的问题	本文首次将图卷积网络应用于精神病谱系障碍的分类，并结合多种边缘选择方法和MultiVERSE算法生成网络嵌入	本文的样本量较小，且仅限于精神病谱系障碍的分类，未涉及其他精神疾病	研究如何使用深度学习方法区分亚临床精神病和可诊断的精神障碍患者与健康对照组	精神病谱系障碍患者、亚综合征性精神病样体验（PLE）个体和健康对照组	机器学习	精神病	图卷积网络（GCNs）、支持向量机（SVMs）、MultiVERSE算法	图卷积网络（GCNs）、支持向量机（SVMs）	功能连接网络	包括亚综合征性精神病样体验（PLE）个体和健康对照组的数据集
10822	2024-12-19	A deep learning approach for non-invasive Alzheimer's monitoring using microwave radar data 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106778 PMID:39393209	研究论文	本文提出了一种利用微波雷达数据进行非侵入性阿尔茨海默病监测的深度学习方法	本文提出了一种新的数据增强技术，并结合RFE、PCA和Autoencoders进行特征选择，同时将CNN与GRU、双向LSTM和LSTM结合以提高分类性能	NA	开发一种高效、早期诊断阿尔茨海默病的工具	阿尔茨海默病患者	机器学习	阿尔茨海默病	微波雷达	CNN、GRU、双向LSTM、LSTM	雷达数据	使用现实数值脑模型模拟的数据
10823	2024-12-19	Dictionary trained attention constrained low rank and sparse autoencoder for hyperspectral anomaly detection 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106797 PMID:39413584	研究论文	本文提出了一种结合字典表示和深度学习自编码器模型的方法，用于高光谱异常检测	本文创新性地提出了注意力约束的低秩和稀疏自编码器模型，结合全局和局部自注意力模块，有效利用了空间信息，提升了背景和异常的重建效果	NA	研究如何在高光谱异常检测中有效结合字典表示和自编码器的优势，并充分利用空间信息	高光谱异常检测	计算机视觉	NA	自编码器	自编码器	图像	多个真实和合成数据集
10824	2024-12-19	Context-aware feature reconstruction for class-incremental anomaly detection and localization 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106788 PMID:39423496	研究论文	本文提出了一种上下文感知特征重构模型，用于类增量异常检测和定位任务	设计了上下文感知特征重构模型和中间特征组织策略，通过双重约束在特征和输出层面上对模型进行正则化，有效保留旧类知识并学习新类	未提及具体限制	解决类增量异常检测和定位任务中的知识保留问题	工业场景中增量引入的新产品类别的异常检测和定位	计算机视觉	NA	深度学习	上下文感知特征重构模型（CFR）	图像	使用了MVTec-AD数据集进行实验
10825	2024-12-19	ChatDiff: A ChatGPT-based diffusion model for long-tailed classification 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106794 PMID:39426035	研究论文	本文提出了一种基于ChatGPT的扩散模型ChatDiff，用于长尾分类问题中的信息增强	ChatDiff通过从ChatGPT-3.5模型中提取文本先验知识，增强尾部类别的特征空间，并使用条件扩散模型生成语义丰富的图像样本，同时利用基于CLIP的判别器筛选和移除生成的负样本	NA	解决长尾数据分布问题，提升深度学习在实际应用中的性能	长尾数据分布中的尾部类别	计算机视觉	NA	扩散模型	扩散模型	图像	在CIFAR10-LT、CIFAR100-LT、ImageNet-LT和iNaturalist 2018等长尾基准数据集上进行了综合实验
10826	2024-12-19	Near-field millimeter-wave and visible image fusion via transfer learning 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106799 PMID:39447433	研究论文	提出了一种基于迁移学习的毫米波和可见图像像素级信息融合策略，以促进非破坏性内部缺陷检测和定位等穿透成像应用	利用深度迁移学习策略捕捉可见光和毫米波图像中的隐藏信息，并通过微调策略和改进的双边滤波器实现鲁棒的信息融合	未提及具体限制	开发一种适用于复杂环境下的非破坏性内部缺陷检测和定位的图像融合方法	毫米波和可见图像的像素级信息融合	计算机视觉	NA	深度迁移学习	NA	图像	未提及具体样本数量
10827	2024-12-19	Near-optimal learning of Banach-valued, high-dimensional functions via deep neural networks 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106761 PMID:39454372	研究论文	本文探讨了深度神经网络在近似Banach空间值的高维函数中的应用，特别是在参数化偏微分方程求解中的应用	本文提出了克服维度灾难的深度神经网络近似方法，并建立了实用的存在定理，描述了具有维度独立架构宽度和深度的深度神经网络类，以及基于最小化（正则化）ℓ-损失的训练程序，实现了接近最优的代数收敛率	本文主要集中在理论分析上，实际应用中的效果和效率需要进一步验证	研究深度神经网络在计算科学与工程中的应用，特别是高维函数近似和参数化偏微分方程求解	Banach空间值的高维函数和参数化偏微分方程的解	机器学习	NA	深度学习	深度神经网络	数值数据	NA
10828	2024-12-19	Post-Cardiac arrest outcome prediction using machine learning: A systematic review and meta-analysis 2025-Jan, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105659 PMID:39481177	综述	本文系统回顾和荟萃分析了使用机器学习和深度学习模型预测心脏骤停后临床结果的有效性	机器学习和深度学习模型相较于传统的回归算法在预测心脏骤停后结果方面表现出更高的有效性	研究中存在显著的异质性和高偏倚风险，主要由于数据缺失处理不当和缺乏校准图	评估机器学习和深度学习模型在预测心脏骤停后不同时间点临床结果的有效性	心脏骤停后患者的自主循环恢复（ROSC）、生存率（或死亡率）和神经功能结果	机器学习	心血管疾病	机器学习，深度学习	机器学习模型，深度学习算法	结构化数据	2753条初始记录，41项研究，97个机器学习模型和16个深度学习模型
10829	2024-12-19	Rectangling and enhancing underwater stitched image via content-aware warping and perception balancing 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106809 PMID:39481203	研究论文	提出了一种水下拼接图像的矩形化和增强框架UWIRE，通过内容感知变形和感知平衡来解决水下图像拼接中的不规则边界和视觉感知问题	提出了R-procedure和E-procedure两个过程，分别用于矩形化不规则边界和增强图像，采用自协调模式和参数自适应校正，以及注意力权重引导的融合方法	仅使用单张水下拼接图像作为输入，可能无法处理复杂的水下环境	解决水下图像拼接中的不规则边界和视觉感知问题	水下拼接图像的矩形化和增强	计算机视觉	NA	内容感知变形	NA	图像	单张水下拼接图像
10830	2024-12-19	CNN-Informer: A hybrid deep learning model for seizure detection on long-term EEG 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106855 PMID:39488107	研究论文	提出了一种名为CNN-Informer的混合深度学习模型，用于在长期脑电图（EEG）中检测癫痫发作	结合了卷积神经网络（CNN）提取多通道EEG局部特征的能力和Informer捕捉长期依赖关系的低计算复杂度和内存使用能力	未提及	开发一种高效的自动癫痫发作检测模型，以减少癫痫患者的意外伤害并改善其生活质量	长期脑电图（EEG）信号中的癫痫发作检测	机器学习	癫痫	卷积神经网络（CNN），Informer，离散小波变换（DWT）	CNN-Informer	脑电图（EEG）	CHB-MIT数据集和SH-SDU数据集
10831	2024-12-19	Noise-resistant sharpness-aware minimization in deep learning 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106829 PMID:39488109	研究论文	本文提出了一种抗噪声的锐度感知最小化方法，以增强模型在噪声环境下的泛化能力和隐私保护	提出了基于抗噪参数更新规则的抗噪声SAM方法，分析了其在噪声条件下的收敛性和抗噪性能	未提及具体的局限性	增强深度学习模型在噪声环境下的泛化能力和隐私保护	深度学习模型在噪声环境下的性能	机器学习	NA	锐度感知最小化（SAM）	NA	NA	涉及多个网络和基准数据集的实验结果
10832	2024-12-19	IPCT-Net: Parallel information bottleneck modality fusion network for obstructive sleep apnea diagnosis 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106836 PMID:39471579	研究论文	本文提出了一种用于阻塞性睡眠呼吸暂停诊断的并行信息瓶颈模态融合网络（IPCT-Net），旨在通过多模态融合提升诊断性能	创新点在于提出了一个适应多种模态融合类型的模态融合表示增强框架（MFRE），并通过分支共享机制提取局部-全局多视角表示，消除模态融合中的冗余信息	NA	提高阻塞性睡眠呼吸暂停（OSA）的诊断性能，并为临床诊断模态选择提供定量证据	阻塞性睡眠呼吸暂停（OSA）的诊断	机器学习	睡眠呼吸障碍	深度学习（DL）	并行信息瓶颈模态融合网络（IPCT-Net）	多模态数据	使用了大规模真实世界的家庭睡眠呼吸暂停测试（HSAT）多模态数据
10833	2024-12-19	An end-to-end bi-objective approach to deep graph partitioning 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106823 PMID:39471576	研究论文	本文提出了一种基于图神经网络（GNN）的端到端双目标图分区方法	该方法利用多层次图特征，通过双目标公式解决了图分区问题，并引入了包含Hardmax操作符的GNN深度模型，实现了完全端到端的优化	NA	解决现有图分区方法在可扩展性和分区平衡性方面的不足	大型图的分区问题	机器学习	NA	图神经网络（GNN）	GNN	图	12个不同应用和规模的图数据集
10834	2024-12-19	Optimized deep learning networks for accurate identification of cancer cells in bone marrow 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106822 PMID:39490023	研究论文	本文提出了一种优化的深度学习网络架构，用于准确识别骨髓中的癌细胞	本文引入了混合多目标和类别优化算法，自适应优化超参数，并使用优化的基于注意力的多尺度卷积神经网络进行训练	NA	开发一种自动化方法，用于区分恶性骨和健康骨，并准确识别骨髓中的癌细胞	骨髓中的癌细胞	机器学习	NA	深度学习	卷积神经网络	图像	使用公开数据集进行实验
10835	2024-12-19	Toward high-quality pseudo masks from noisy or weak annotations for robust medical image segmentation 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106850 PMID:39520897	研究论文	本文提出了一种从噪声或弱注释中提取高质量伪掩码的两阶段框架，用于医学图像分割	本文的创新点在于通过比较干净注释和有缺陷注释，识别潜在的噪声模式，并提出了一种噪声识别网络和噪声鲁棒分割网络的两阶段框架	本文的局限性在于仅在两个公开数据集上进行了实验验证，可能需要进一步在更多数据集上验证其泛化能力	本文的研究目的是从噪声或弱注释中提取高质量伪掩码，以实现鲁棒的医学图像分割	本文的研究对象是医学图像分割中的噪声或弱注释	计算机视觉	NA	NA	CNN	图像	两个公开数据集
10836	2024-12-19	Feasibility/clinical utility of half-Fourier single-shot turbo spin echo imaging combined with deep learning reconstruction in gynecologic magnetic resonance imaging 2024-Dec-18, Abdominal radiology (New York) DOI:10.1007/s00261-024-04739-1 PMID:39692759	研究论文	本研究探讨了在妇科磁共振成像中，结合深度学习重建的半傅里叶单次激发涡轮自旋回波成像（iHASTE）与传统序列的临床应用效果	本研究首次将深度学习重建与半傅里叶单次激发涡轮自旋回波成像（iHASTE）结合，用于妇科磁共振成像，并评估其与传统序列的对比效果	本研究为回顾性研究，样本量较小，且仅在有和无抗痉挛剂的情况下进行比较，未涵盖其他可能的临床情况	探讨iHASTE在妇科磁共振成像中的临床应用价值及其与传统序列的对比效果	妇科磁共振成像中的图像质量、抗伪影能力、组织对比度及子宫病变边缘	医学影像	妇科疾病	半傅里叶单次激发涡轮自旋回波成像（HASTE），深度学习重建	深度学习模型	图像	79名未使用抗痉挛剂的患者和79名使用抗痉挛剂的匹配患者
10837	2024-12-19	Explainable brain age prediction: a comparative evaluation of morphometric and deep learning pipelines 2024-Dec-18, Brain informatics DOI:10.1186/s40708-024-00244-9 PMID:39692946	研究论文	本文比较了基于形态学特征和深度学习的脑龄预测方法的性能、可解释性和临床实用性	首次系统比较了不同脑龄预测方法的可解释性，并结合可解释人工智能（XAI）方法进行评估	需要进一步评估Grad-CAM的临床实用性	比较不同脑龄预测方法的性能和可解释性，并探讨其在临床实践中的应用潜力	脑龄预测方法的性能、可解释性和临床实用性	计算机视觉	NA	MRI扫描、FreeSurfer、3D卷积神经网络（CNN）、可解释人工智能（XAI）方法（SHAP、Grad-CAM、DeepSHAP）	3D卷积神经网络（CNN）、DenseNet-121	图像	多站点神经影像数据集
10838	2024-12-19	High-throughput mesoscopic optical imaging data processing and parsing using differential-guided filtered neural networks 2024-Dec-18, Brain informatics DOI:10.1186/s40708-024-00246-7 PMID:39692944	研究论文	本文设计了一种高效的深度差分引导滤波模块（DDGF），通过融合多尺度迭代差分引导滤波与深度学习，提出了一种轻量级的深度差分引导滤波分割网络（DDGF-SegNet），并开发了一个自动化处理流程，显著提高了高吞吐量显微光学成像数据的处理效率	本文的创新点在于设计了深度差分引导滤波模块（DDGF），并将其与深度学习网络结合，提出了一种高效的分割网络（DDGF-SegNet），显著提升了图像细节的精炼和背景噪声的抑制效果	NA	提高高吞吐量显微光学成像数据的处理效率	小鼠脑部的高吞吐量显微光学成像数据	计算机视觉	NA	深度学习	深度差分引导滤波分割网络（DDGF-SegNet）	图像	NA
10839	2024-12-19	Research trends on AI in breast cancer diagnosis, and treatment over two decades 2024-Dec-18, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-024-01671-0 PMID:39692996	综述	本研究通过文献计量分析，回顾了2000年至2024年间人工智能在乳腺癌诊断和治疗中的进展	本研究通过文献计量分析，揭示了人工智能在乳腺癌诊断和治疗中的研究趋势和关键贡献者，并指出了未来的研究挑战	研究中提到的挑战包括数据限制、监管障碍以及全球合作不平等，这些都需要进一步的跨学科努力来解决	旨在通过文献计量分析，全面回顾人工智能在乳腺癌诊断和治疗中的进展，并指出未来的研究方向	2000年至2024年间发表的关于人工智能在乳腺癌诊断和治疗中的研究论文	机器学习	乳腺癌	文献计量分析	NA	文本	2678篇来自Scopus数据库的论文
10840	2024-12-19	Geospatial Modeling of Deep Neural Visual Features for Predicting Obesity Prevalence in Missouri: Quantitative Study 2024-Dec-17, JMIR AI DOI:10.2196/64362 PMID:39688897	研究论文	本研究利用深度学习和空间建模方法，基于卫星图像预测密苏里州的肥胖率	本研究首次将深度卷积神经网络与空间建模相结合，利用卫星图像的环境特征预测肥胖率	研究范围仅限于密苏里州，未来工作应扩展地理范围并纳入社会经济数据以进一步优化模型	开发一种可扩展的方法，利用深度卷积神经网络和空间分析预测肥胖率	密苏里州的1052个人口普查区	计算机视觉	肥胖	深度学习	CNN	图像	63592个224×224像素的图像块