深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
12121	2025-10-07	Traffic accident risk prediction based on deep learning and spatiotemporal features of vehicle trajectories 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0320656 PMID:40315419	研究论文	提出一种结合CNN、LSTM和GNN的深度学习模型，利用车辆时空轨迹数据预测交通事故风险	创新性地结合三种神经网络模型，综合考虑时空特征和道路网络关系，显著提升预测精度	NA	提高复杂交通环境下交通事故风险预测的准确性	车辆时空轨迹数据	机器学习	NA	深度学习	CNN, LSTM, GNN	车辆轨迹数据	NA	NA	CNN, LSTM, GNN组合模型	预测精度	NA
12122	2025-10-07	Diagnosis of clear cell renal cell carcinoma via a deep learning model with whole-slide images 2025 Jan-Dec, Therapeutic advances in urology IF:2.6Q2 DOI:10.1177/17562872251333865 PMID:40321674	研究论文	本研究开发了一种基于全切片图像的深度学习模型用于透明细胞肾细胞癌的诊断	首次将全切片图像与深度学习模型结合用于透明细胞肾细胞癌的自动化诊断	样本量相对较小（95例患者），且为单中心回顾性研究	探索基于全切片图像的深度学习模型在透明细胞肾细胞癌诊断中的可行性	透明细胞肾细胞癌患者的病理切片	数字病理	肾细胞癌	全切片图像分析	CNN, 随机森林	图像	95例患者的663张病理切片（506张肿瘤切片，157张正常组织切片）	NA	NA	准确率, 精确率, 召回率, AUC, 特异性, 灵敏度	NA
12123	2025-10-07	An adaptive convolution neural network model for tuberculosis detection and diagnosis using semantic segmentation 2025, Polish journal of radiology IF:0.9Q4 DOI:10.5114/pjr/200628 PMID:40321710	研究论文	开发了一种基于语义分割的自适应卷积神经网络模型，用于胸部X光片的结核病检测和诊断	提出了结合伽马校正和基于梯度的对比度增强预处理技术，并采用改进的Res-UNet架构进行图像分割，同时开发了新的深度学习网络进行分类	研究主要依赖公开数据集，未在更多临床环境中验证模型泛化能力	通过开发深度学习模型增强胸部X光图像中的结核病检测能力	胸部X光图像中的结核病病变区域，包括上下叶实变、胸腔积液、钙化、空洞形成和粟粒结节	计算机视觉	结核病	胸部X光成像	CNN, Res-UNet	图像	704张胸部X光图像用于训练分割模型，1400张胸部X光扫描用于测试	NA	Res-UNet, 自定义卷积神经网络	准确率, 召回率, 精确率, F1分数, Dice系数, Jaccard指数, AUC	NA
12124	2025-10-07	Deep Learning-Based Multiclass Framework for Real-Time Melasma Severity Classification: Clinical Image Analysis and Model Interpretability Evaluation 2025, Clinical, cosmetic and investigational dermatology DOI:10.2147/CCID.S508580 PMID:40322508	研究论文	开发基于深度学习的实时黄褐斑严重程度多分类框架，通过临床面部图像分析实现AI辅助诊断	首次将多种CNN架构应用于黄褐斑严重程度实时分类，并通过层间相关性传播进行模型可解释性评估	仅使用单中心临床图像数据，未来需要整合多模态数据进行更全面评估	开发AI辅助的黄褐斑严重程度自动分类系统，提高诊断一致性	临床诊断的黄褐斑患者面部图像	计算机视觉	黄褐斑	临床图像分析	CNN	图像	1368张匿名面部图像	PyTorch	GoogLeNet	准确率,精确率,召回率,F1分数,AUC	NA
12125	2025-10-07	DEEP LEARNING FOR AUTOMATED DETECTION OF BREAST CANCER IN DEEP ULTRAVIOLET FLUORESCENCE IMAGES WITH DIFFUSION PROBABILISTIC MODEL 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI56570.2024.10635349 PMID:40313564	研究论文	本研究应用扩散概率模型增强深紫外荧光图像数据集，以改进乳腺癌术中切缘评估的分类性能	首次将扩散概率模型应用于深紫外荧光医学图像的数据增强，并结合预训练ResNet特征提取与XGBoost分类器进行乳腺癌检测	数据量有限是主要挑战，研究依赖于特定类型的深紫外荧光图像	提高乳腺癌在深紫外荧光图像中的自动检测准确率，用于术中切缘评估	乳腺癌的深紫外荧光图像	计算机视觉	乳腺癌	深紫外荧光成像	扩散概率模型, ResNet, XGBoost	医学图像	NA	NA	ResNet	准确率	NA
12126	2025-10-07	Attentive Recurrent Network for Low-Latency Active Noise Control 2022-Sep, Interspeech DOI:10.21437/interspeech.2022-811 PMID:40313355	研究论文	提出一种基于注意力循环网络的低延迟主动噪声控制方法	采用注意力循环网络结合延迟补偿训练策略和修订版重叠相加法，实现零甚至负算法延迟	NA	在深度学习框架下实现低延迟主动噪声控制	主动噪声控制系统	机器学习	NA	深度学习	循环神经网络	音频信号	NA	NA	注意力循环网络	算法延迟	NA
12127	2025-05-04	Metal Suppression Magnetic Resonance Imaging Techniques in Orthopaedic and Spine Surgery 2025-May-15, The Journal of the American Academy of Orthopaedic Surgeons IF:2.6Q1 DOI:10.5435/JAAOS-D-24-01057 PMID:40063737	review	本文综述了骨科和脊柱手术中金属抑制磁共振成像技术的应用和发展	探讨了最新的金属伪影抑制成像技术及未来方向，如深度学习和人工智能	未提及具体实验数据或样本量的支持	评估骨科和脊柱手术后金属植入物周围软组织的病理情况	骨科和脊柱手术中的金属植入物及其周围软组织	医学影像	骨科和脊柱疾病	磁共振成像（MRI）	NA	医学影像	NA	NA	NA	NA	NA
12128	2025-05-04	Enhancing privacy in biosecurity with watermarked protein design 2025-May-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf141 PMID:40315154	研究论文	提出了一种在蛋白质序列中添加水印的通用框架，以增强生物安全性和数据隐私	相比现有监管程序，该框架不仅确保生物安全的可追溯性，还通过本地验证保护设计序列的隐私，并显著提高了水印检测效率	未提及具体性能指标或与其他方法的详细对比	解决基于深度学习的蛋白质设计中的生物安全和数据隐私问题	由自回归深度学习模型设计的蛋白质序列	生物信息学	NA	蛋白质水印技术	自回归深度学习模型	蛋白质序列	NA	NA	NA	NA	NA
12129	2025-05-04	On-Device Deep Learning: Survey on Techniques Improving Energy Efficiency of DNNs 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3430028 PMID:39046860	综述	本文综述了提高深度神经网络（DNNs）能源效率的流行技术	提出了方法的分类，并讨论了不同类别的比较，同时概述了能源测量技术	研究中发现的局限性以及一些有趣的方向，如神经形态和储备池计算（RC）	提高神经网络的能源效率，特别是在训练和推理阶段	深度神经网络（DNNs）	机器学习	NA	NA	DNNs	NA	NA	NA	NA	NA	NA
12130	2025-05-04	Role Exchange-Based Self-Training Semi-Supervision Framework for Complex Medical Image Segmentation 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3432877 PMID:39093682	research paper	提出了一种基于角色交换的自训练半监督框架，用于复杂医学图像分割	创新性地提出了双向自训练范式，通过模型级可靠性估计动态交换教师和学生的角色，并引入非对称监督策略和分层双学生结构以防止网络崩溃	未明确提及具体的数据集规模限制或计算资源需求	解决复杂医学图像分割中标注数据不足的问题	血管网络和肺气管网络等复杂医学图像	digital pathology	NA	半监督学习	双向自训练模型	3-D医学图像	两个公共数据集和一个私有数据集	NA	NA	NA	NA
12131	2025-05-04	Neurosymbolic AI for Reasoning Over Knowledge Graphs: A Survey 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3420218 PMID:39024082	综述	本文综述了神经符号人工智能（AI）在知识图谱（KGs）推理任务中的应用方法，并提出了一种新的分类法	提出了一种新的分类法，将神经符号推理方法分为三大类：逻辑信息嵌入方法、带逻辑约束的嵌入方法和规则学习方法	讨论了这些方法的独特特性和局限性，并提出了未来研究方向	探讨神经符号AI在知识图谱推理任务中的应用和发展	知识图谱（KGs）	自然语言处理	NA	神经符号人工智能	NA	图结构数据	NA	NA	NA	NA	NA
12132	2025-05-04	Unsupervised Domain Adaptation for Low-Dose CT Reconstruction via Bayesian Uncertainty Alignment 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3409573 PMID:38985555	research paper	提出一种基于贝叶斯不确定性对齐的无监督域自适应方法，用于低剂量CT图像重建	利用概率重建框架在潜在空间和图像空间进行联合差异最小化，提出贝叶斯不确定性对齐和锐度感知分布对齐方法	仅针对低剂量CT图像重建问题，未考虑其他医学影像模态	解决低剂量CT图像重建中由于训练数据和测试数据分布不一致导致的性能下降问题	低剂量CT图像	digital pathology	NA	deep learning	probabilistic reconstruction framework	CT images	两个模拟数据集和一个临床低剂量成像数据集	NA	NA	NA	NA
12133	2025-05-04	ProFun-SOM: Protein Function Prediction for Specific Ontology Based on Multiple Sequence Alignment Reconstruction 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3419250 PMID:38980781	研究论文	提出了一种基于多序列比对重建的蛋白质功能预测方法ProFun-SOM，用于准确注释基因本体	ProFun-SOM通过重建多序列比对并整合到深度学习架构中，解决了混合本体问题带来的标签依赖性和数据稀疏性瓶颈	未提及具体的数据集规模限制或模型在其他类型蛋白质数据上的泛化能力	开发一种能够准确预测蛋白质功能的计算方法，解决基因本体注释中的混合本体问题	蛋白质功能预测，特别是基因本体（GO）注释	生物信息学	NA	多序列比对（MSAs），深度学习	深度学习架构	蛋白质序列数据	三个数据集（CAFA3、SwissProt和NetGO2）	NA	NA	NA	NA
12134	2025-05-04	Mask-Guided Vision Transformer for Few-Shot Learning 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3418527 PMID:38976473	研究论文	提出了一种名为MG-ViT的掩码引导视觉变换器方法，用于有效和高效的小样本学习	通过应用掩码操作筛选出与任务无关的图像块，引导ViT专注于任务相关和区分性强的图像块，同时引入主动学习样本选择方法提升泛化能力	未提及具体的数据集限制或计算资源需求	提高视觉变换器在小样本学习中的性能和效率	图像分类、目标检测和分割任务	计算机视觉	NA	Grad-CAM	ViT, MG-ViT, ResNet	图像	小样本（具体数量未提及）	NA	NA	NA	NA
12135	2025-05-04	Semi-Supervised Multimodal Representation Learning Through a Global Workspace 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3416701 PMID:38954575	研究论文	本文提出了一种受认知'全局工作空间'启发的神经网络架构，用于多模态表示学习，能够在少量匹配数据的情况下实现模态间的对齐和转换	采用全局工作空间(GW)的共享表示和自监督的循环一致性训练，显著减少了对匹配数据的需求（比全监督方法少4-7倍）	未明确说明模型在大规模跨模态任务中的泛化能力	探索在稀疏匹配数据下进行多模态表示学习的方法	视觉-语言多模态数据	机器学习	NA	自监督学习	全局工作空间(GW)架构	多模态数据（图像和文本）	两个不同复杂度的数据集（未明确样本数量）	NA	NA	NA	NA
12136	2025-05-04	A Principle Design of Registration-Fusion Consistency: Toward Interpretable Deep Unregistered Hyperspectral Image Fusion 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3412528 PMID:38900617	研究论文	提出了一种针对未配准高光谱图像（HSI）和多光谱图像（MSI）融合的统一模型框架，通过注册-融合一致性物理感知模型（RFCM）和MoE-PNP框架提高融合性能和网络可解释性	设计了注册-融合一致性物理感知模型（RFCM），统一建模图像配准和融合问题，并提出MoE-PNP框架学习RFCM的求解过程，确保网络的可解释性和泛化能力	未明确提及具体局限性	解决未配准HSI和MSI融合中的配准与融合耦合问题，提高融合性能和网络可解释性	高光谱图像（HSI）和多光谱图像（MSI）	计算机视觉	NA	深度学习	MoE-PNP	图像	未明确提及具体样本数量	NA	NA	NA	NA
12137	2025-05-04	VOGTNet: Variational Optimization-Guided Two-Stage Network for Multispectral and Panchromatic Image Fusion 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3409563 PMID:38885100	research paper	提出了一种基于变分优化的两阶段网络（VOGTNet），用于多光谱和全色图像融合，以提高图像的空间和光谱分辨率	通过变分优化和两阶段网络设计，解决了现有深度学习方法在噪声和模糊数据上表现不佳的问题	依赖于先验信息和空间-光谱退化的准确估计，可能在某些复杂场景下表现受限	提高多光谱和全色图像融合的质量，特别是在噪声和模糊存在的情况下	多光谱图像（MS）和全色图像（PAN）	computer vision	NA	variational optimization, deep learning	VOGTNet, dual-branch fusion network (DBFN), adaptive recovery model (ARM)	image	NA	NA	NA	NA	NA
12138	2025-05-04	Data-Driven Knowledge Fusion for Deep Multi-Instance Learning 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3436944 PMID:39120987	研究论文	提出了一种新颖的数据驱动知识融合深度多示例学习算法（DKMIL），通过分析关键样本的决策并利用知识融合模块增强模型学习能力	DKMIL采用与现有深度多示例学习方法完全不同的思路，通过数据驱动分析关键样本决策，并设计知识融合模块提取有价值信息辅助模型学习	NA	提升多示例学习模型的性能，通过知识融合增强模型学习能力	多示例学习算法及其在复杂数据结构中的应用	机器学习	NA	数据驱动知识融合	DKMIL（深度多示例学习模型）	复杂数据结构	62个数据集，涵盖五个类别	NA	NA	NA	NA
12139	2025-05-04	AD-NEv: A Scalable Multilevel Neuroevolution Framework for Multivariate Anomaly Detection 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3439404 PMID:39141460	research paper	提出了一种名为AD-NEv的可扩展多级神经进化框架，用于多元时间序列异常检测	AD-NEv框架首次实现了特征子空间、模型架构和网络权重的协同优化，支持基于bagging技术的集成模型优化和非梯度微调	未明确提及具体的数据集限制或计算资源需求	开发一种自动化方法来优化异常检测模型，提高检测性能	多元时间序列数据	machine learning	NA	neuroevolution, bagging technique	ensemble model	multivariate time-series data	广泛采用的多元异常检测基准数据集（未明确数量）	NA	NA	NA	NA
12140	2025-05-04	Automatic Design of Deep Graph Neural Networks With Decoupled Mode 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3438609 PMID:39141457	research paper	提出一种新颖的神经架构搜索（NAS）方法，用于自动设计深度图神经网络（GNNs），并在各种节点分类任务中探索其应用潜力	重新设计了基于传播和转换过程的解耦模式的深度GNNs搜索空间，并将问题制定为多目标优化以平衡准确性和计算效率	NA	自动设计深度图神经网络，解决节点分类任务中的过平滑和信息挤压等挑战	图数据中的节点分类任务	machine learning	NA	神经架构搜索（NAS）	GNN	graph data	基准图数据集和大规模图数据集	NA	NA	NA	NA