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
1221	2025-12-06	A Multi-Task Deep Learning Model for Pediatric Echocardiography Analysis 2025-Oct-30, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.27.25338912 PMID:41282661	研究论文	本文介绍了EchoAI-Peds，首个用于儿科超声心动图分析的多任务深度学习模型，能够同时检测多种先天性心脏缺陷和异常	开发了首个针对儿科超声心动图的多任务深度学习模型，整合了多个超声心动图视图的信息，并使用迄今为止最全面的儿科标签集进行训练	模型仅在两个医疗中心的数据集上进行了测试，可能需要更多外部验证以确保广泛适用性	开发一个专门针对儿科人群的深度学习模型，以自动化和改进儿科超声心动图分析	儿科超声心动图视频，用于检测先天性心脏缺陷、结构和功能异常、修复和干预	计算机视觉	先天性心脏缺陷	超声心动图	Vision Transformer	视频	超过11,000项研究中的700,000多个视频	NA	Vision Transformer	AUROC	NA
1222	2025-12-06	DRIPS: Domain Randomisation for Image-based Perivascular spaces Segmentation 2025-Oct-30, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.22.25337423 PMID:41282908	研究论文	提出一种基于领域随机化的图像分割框架DRIPS，用于自动分割脑部血管周围空间（PVS）	整合解剖和形状先验与基于物理的图像生成过程，生成合成脑图像和标签进行深度学习模型训练，通过引入变异性实现良好的泛化能力	未明确说明模型在极端成像条件下的性能或计算效率的具体限制	开发一种准确、全自动的PVS分割方法，适用于异构成像设置	脑部MRI数据和3D离体脑组织学重建模型	计算机视觉	脑部疾病	MRI成像（T1w和T2w，各向同性和各向异性）	深度学习模型	图像	165名受试者（来自五个队列）和一个3D离体脑模型	NA	NA	AUPRC, Dice相似系数	NA
1223	2025-12-06	Artificial intelligence-driven epigenetic CRISPR therapeutics: a structured multi-domain meta-analysis of therapeutic efficacy, off-target prediction, and gRNA optimization 2025-Oct-25, Functional & integrative genomics IF:3.9Q1 DOI:10.1007/s10142-025-01725-8 PMID:41136797	综述	本文通过系统综述和荟萃分析，评估了人工智能（AI）在提高CRISPR表观遗传编辑工具的治疗效果、gRNA优化和脱靶预测方面的作用	首次对AI驱动的CRISPR表观遗传编辑工具进行了结构化的多领域荟萃分析，量化了AI在治疗效果、gRNA优化和脱靶预测三个关键领域的积极影响	研究基于已发表的文献，可能存在发表偏倚；纳入的58项研究中仅41项提供了可提取的定量数据，样本量有限	评估人工智能对CRISPR表观遗传编辑工具的精准性、安全性和治疗效果的提升作用	CRISPR表观遗传编辑工具，特别是其治疗效果、gRNA设计和脱靶预测	机器学习	NA	CRISPR表观遗传编辑	深度学习	NA	58项研究（其中41项提供定量数据）	NA	NA	标准化均数差（SMD），受试者工作特征曲线下面积（AUC）	NA
1224	2025-12-06	Deep learning-based classification of fungal and Acanthamoeba keratitis using confocal microscopy 2025-Oct, The ocular surface DOI:10.1016/j.jtos.2025.07.012 PMID:40752665	研究论文	本研究评估了使用深度学习基于共聚焦显微镜图像对真菌性和棘阿米巴性角膜炎进行分类和亚型分型的可行性	首次应用深度学习（特别是ResNet50架构）对真菌性和棘阿米巴性角膜炎进行自动分类和亚型分型，提高了诊断准确性	非特异性角膜炎（NSK）的分类性能较低（精确度78%，召回率71%），数据集存在类别不平衡问题	评估深度学习在角膜炎分类和亚型分型中的可行性，以改善诊断和治疗策略	角膜炎图像，包括真菌性角膜炎（FK）、棘阿米巴性角膜炎（AK）和非特异性角膜炎（NSK）	计算机视觉	角膜炎	共聚焦显微镜	CNN	图像	1975张图像（1137张FK，457张AK，381张NSK）	NA	ResNet50	准确率, 精确度, 召回率, F1分数, ROC AUC, PR AUC	NA
1225	2025-12-06	Application of artificial intelligence and digital tools in cancer pathology 2025-Oct, The Lancet. Digital health DOI:10.1016/j.landig.2025.100933 PMID:41241581	综述	本文概述了人工智能和数字工具在癌症病理学中的应用、挑战及未来发展	强调了从传统机器学习向深度学习、自监督学习基础模型、多模态模型以及智能体AI的技术演进，并讨论了新兴的监管与伦理考量	NA	探讨人工智能在癌症病理学诊断中的整合应用、当前挑战及未来发展方向	癌症病理学中的数字病理工作流程、AI模型及其临床应用	数字病理学	癌症	NA	深度学习, 自监督学习, 多模态模型, 智能体AI	数字病理图像	NA	NA	NA	NA	NA
1226	2025-12-06	Applications of machine learning in high-entropy alloys: a review of recent advances in design, discovery, and characterization 2025-Sep-18, Nanoscale IF:5.8Q1 DOI:10.1039/d5nr01562f PMID:40878184	综述	本文综述了机器学习在高熵合金设计、发现与表征中的最新应用进展	重点介绍了生成模型和计算机视觉等前沿深度学习技术，以及机器学习原子间势在分子动力学模拟中的应用，以提升模拟精度和效率	讨论了该方法固有的局限性，但未具体说明	加速高熵合金领域进展，通过数据驱动方法指导合金设计、性能预测和优化	高熵合金	机器学习	NA	机器学习，分子动力学模拟	生成模型，深度学习	材料数据库数据	NA	NA	NA	评估指标（未具体说明）	NA
1227	2025-12-06	AI-driven techniques for detection and mitigation of SARS-CoV-2 spread: a review, taxonomy, and trends 2025-Jun-14, Clinical and experimental medicine IF:3.2Q2 DOI:10.1007/s10238-025-01753-5 PMID:40515956	综述	本文系统回顾了人工智能技术在SARS-CoV-2检测与防控中的应用，包括联邦学习、深度学习、强化学习及混合方法，并分析了当前研究的重点与趋势	提出了针对SARS-CoV-2的AI技术应用分类与趋势分析，强调了隐私安全、检测准确性和计算效率在临床实施中的重要性	未涉及具体实验数据或模型性能比较，主要基于文献综述，缺乏对新技术的实证评估	系统回顾人工智能技术在SARS-CoV-2诊断与治疗中的应用，分析当前研究重点与挑战	人工智能技术（如联邦学习、深度学习、强化学习）在SARS-CoV-2防控中的应用研究	机器学习	COVID-19	NA	深度学习, 强化学习	NA	NA	NA	NA	NA	NA
1228	2025-12-06	Amortized template matching of molecular conformations from cryoelectron microscopy images using simulation-based inference 2025-Jun-10, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2420158122 PMID:40465628	研究论文	本文介绍了cryoSBI方法，通过结合物理模拟和深度学习，从冷冻电镜图像中推断生物分子的构象及其不确定性	提出了一种基于模拟推理的冷冻电镜图像分析方法，无需估计粒子姿态和成像参数，显著提高了计算速度	NA	从冷冻电镜图像中推断生物分子的构象及其不确定性	生物分子构象	机器学习和计算生物学	NA	冷冻电镜（cryo-EM）	神经网络	图像	NA	NA	NA	NA	NA
1229	2025-12-06	Foundation model embeddings for quantitative tumor imaging biomarkers 2025-May-29, Research square DOI:10.21203/rs.3.rs-6630446/v1 PMID:40502795	研究论文	本研究系统评估了十种医学影像基础模型在提取定量肿瘤影像生物标志物方面的性能，并发布了基准测试平台TumorImagingBench	首次系统性地比较了不同架构和预训练策略的医学影像基础模型在定量肿瘤成像任务中的表现，并分析了其鲁棒性和可解释性	研究仅基于公开数据集（3,244次扫描），可能无法完全代表临床实践中的多样性	评估医学影像基础模型在提取可靠定量放射组学表型方面的能力	肿瘤影像数据	医学影像分析	肿瘤	深度学习	基础模型	医学影像扫描	3,244次扫描（来自六个公共数据集）	未明确指定	多种架构（具体未列明）	终点预测性能、鲁棒性、基于显著性的可解释性	NA
1230	2025-12-06	Leveraging Unsupervised Data and Domain Adaptation for Deep Regression in Low-Cost Sensor Calibration 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3409364 PMID:38889022	研究论文	本文提出了一种基于半监督域适应的深度学习方法，用于低成本空气质量传感器的校准	将传感器校准任务转化为半监督域适应问题，并引入直方图损失和加权对抗熵优化来应对协变量偏移和标签差距	未明确说明实验数据的具体来源和传感器类型，可能限制了方法的通用性	提高低成本空气质量传感器的校准精度，以增强其可靠性	低成本空气质量传感器及其与参考监测器的校准数据	机器学习	NA	深度学习	NA	传感器数据	NA	NA	NA	R²分数, MAE	NA
1231	2025-12-06	A Novel Hierarchical Cross-Stream Aggregation Neural Network for Semantic Segmentation of 3-D Dental Surface Models 2025-04, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3404276 PMID:38848227	研究论文	本文提出了一种新颖的分层跨流聚合神经网络，用于3D牙科表面模型的语义分割，以提升牙齿分割的准确性	设计了分层跨流聚合网络，通过上下文跨流聚合模块和判别性跨流聚合模块，从多视图输入中学习更具区分性的点/单元表示，改进了多流网络中的特征融合策略	未明确提及具体限制，可能包括计算复杂度或对特定数据类型的依赖性	开发一种高效准确的3D牙科模型语义分割方法，以支持个性化正畸治疗规划	3D牙科表面模型，特别是真实患者牙齿模型	计算机视觉	牙科疾病	深度学习，语义分割	神经网络	3D点云数据	公共和内部真实患者牙科模型数据集，具体样本数量未明确	未明确指定，可能基于PyTorch或TensorFlow	分层跨流聚合网络，多流骨干网络	未明确指定，可能包括准确性、Dice系数等	未明确指定，可能使用GPU进行训练和推理
1232	2025-12-06	Learning Disentangled Priors for Hyperspectral Anomaly Detection: A Coupling Model-Driven and Data-Driven Paradigm 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3401589 PMID:38833391	研究论文	本文提出了一种结合模型驱动与数据驱动的新范式，通过学习解耦先验来提升高光谱图像异常检测的性能	提出了一种耦合模型驱动低秩表示方法与数据驱动深度学习技术的新范式，通过解耦先验学习来建模背景，并设计了跳跃残差连接来建模显式与隐式先验之间的关系	未在摘要中明确说明	提升高光谱图像异常检测的准确性和泛化能力	高光谱图像中的背景与异常目标	计算机视觉	NA	高光谱成像	深度学习	高光谱图像	多个广泛认可的数据集（未指定具体数量）	NA	基于模型驱动的深度展开架构	检测性能、泛化能力（未指定具体指标）	NA
1233	2025-12-06	An Interpretable Adaptive Multiscale Attention Deep Neural Network for Tabular Data 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3392355 PMID:38748522	研究论文	本文提出了一种名为自适应多尺度注意力深度神经网络（兴奋注意力）的新颖技术，用于处理表格数据，旨在通过并行多级特征加权提高分类和回归任务的性能，并提供多层次的可解释性	提出自适应多尺度注意力机制，通过并行多级特征加权学习特征注意力，在多种规模的数据集上实现高性能，并提供四个层次的可解释性分析	未明确提及具体局限性，可能包括对特定数据类型或领域的泛化能力未经验证	开发一种用于表格数据的深度学习方法，以提高性能并增强模型的可解释性	表格结构化数据	机器学习	NA	自适应多尺度注意力深度神经网络	深度神经网络	表格数据	涉及小型、中型、大型和超大型数据集，具体数量未明确	NA	自适应多尺度注意力深度神经网络（兴奋注意力）	F1分数, 平均绝对误差	NA
1234	2025-12-06	General Hyperspectral Image Super-Resolution via Meta-Transfer Learning 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3387970 PMID:38648133	研究论文	本文提出了一种基于元迁移学习的通用高光谱图像超分辨率框架，以解决数据稀缺、高维度和数据集间巨大域差异的问题	通过元迁移学习随机采样不同光谱范围进行超分辨率任务，使模型积累多样化任务经验，并采用任务调度策略逐步扩展波段数以弥合数据集间的域差异	未明确提及具体的数据集规模限制或计算资源需求，可能在实际应用中面临数据获取和计算成本挑战	提升高光谱图像超分辨率的性能和泛化能力，使其适用于多种场景	高光谱图像	计算机视觉	NA	NA	深度学习模型	高光谱图像	NA	NA	基于多融合特征的网络架构	定性评估, 定量评估	NA
1235	2025-12-06	Dual-Channel Adaptive Scale Hypergraph Encoders With Cross-View Contrastive Learning for Knowledge Tracing 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3386810 PMID:38652621	研究论文	本文提出了一种名为HyperKT的新型知识追踪模型，通过双通道自适应尺度超图编码器和跨视图对比学习来预测学习者的未来表现	设计了自适应尺度超边蒸馏组件来生成反映响应间非成对高阶特征的知识感知超边和模式感知超边，并引入双通道超图编码器从全局和局部状态超图中捕获多粒度知识状态，同时采用跨视图对比学习机制增强监督信号	未在摘要中明确说明	改进知识追踪任务，更准确地预测学习者的未来表现	学习者的历史响应数据	机器学习	NA	NA	超图神经网络, 对比学习	学习者响应序列数据	三个真实世界数据集（未指定具体数量）	NA	简化超图卷积网络, 协作超图卷积网络	NA	NA
1236	2025-12-06	A Colorectal Coordinate-Driven Method for Colorectum and Colorectal Cancer Segmentation in Conventional CT Scans 2025-04, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3386610 PMID:38687670	研究论文	本文提出了一种名为DeepCRC-SL的自动化分割算法，用于在常规增强CT扫描中分割结直肠和结直肠癌	首次在常规增强CT中实现结直肠和结直肠癌的自动化分割，引入了拓扑感知的深度学习方法和一维结直肠坐标系，并采用坐标驱动的自学习策略利用未标记数据提升性能	未明确提及具体局限性，但可能包括数据集规模有限或算法在更广泛临床环境中的泛化能力	开发自动化分割算法以辅助结直肠癌的检测、分期和治疗反应监测	结直肠和结直肠癌组织	数字病理	结直肠癌	常规增强CT扫描	深度学习	医学图像（CT扫描）	227个标记病例和585个未标记病例	NA	自注意力层	DSC（Dice相似系数）	NA
1237	2025-12-06	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-层次深度学习方法来同时学习标签的层次和序数约束，以提高泛化性能	首次在深度学习中同时集成层次和序数约束，通过全局和局部图路径分解问题并最小化相应损失，创新性地结合了序数二元分解和累积链接模型	未明确说明方法在极端数据不平衡或噪声环境下的鲁棒性，也未讨论计算复杂度或模型可扩展性	开发能够同时处理标签层次结构和序数关系的深度学习分类器，以提升分类性能	具有序数层次结构的分类问题，涉及工业、生物医学、计算机视觉和金融领域的真实数据集	机器学习	NA	深度学习	深度学习分类器	NA	四个真实用例数据集	NA	HCLM, HOBD	NA	NA
1238	2025-12-06	DER-GCN: Dialog and Event Relation-Aware Graph Convolutional Neural Network for Multimodal Dialog Emotion Recognition 2025-03, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3367940 PMID:38437139	研究论文	提出一种新颖的对话与事件关系感知图卷积神经网络（DER-GCN），用于多模态对话情感识别	首次在对话情感识别中同时建模说话者间的对话关系和潜在事件关系，并引入自监督掩码图自编码器（SMGAE）和多信息Transformer（MIT）来增强特征融合与关系间相关性捕获	未在摘要中明确说明	提升多模态对话情感识别的性能	多模态对话数据（文本、视频、音频）	自然语言处理	NA	多模态深度学习	图卷积神经网络（GCN）, Transformer	文本, 视频, 音频	在两个基准数据集（IEMOCAP和MELD）上进行实验，具体样本量未在摘要中说明	NA	DER-GCN, 自监督掩码图自编码器（SMGAE）, 多信息Transformer（MIT）	平均准确率, 情感识别值	NA
1239	2025-12-06	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	本文提出了一种对抗性鲁棒的小样本图像分类方法，通过学习泛化性和判别性表征来防御恶意对抗样本	提出对抗感知机制利用特征级差异提供额外监督，设计对抗性重加权训练策略改善样本不平衡，并引入循环特征净化器在投影后处理中减少未知对抗样本干扰	未明确说明方法在极端小样本场景（如1-shot）下的性能表现，也未讨论计算效率与实时性权衡	开发能够防御对抗样本攻击的小样本图像分类系统	图像数据	计算机视觉	NA	对抗训练	深度学习	图像	基于三个标准基准数据集（未指定具体数量）	未明确说明	未明确说明	鲁棒性指标，自然性能指标	未明确说明
1240	2025-12-06	Community Graph Convolution Neural Network for Alzheimer's Disease Classification and Pathogenetic Factors Identification 2025-02, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3269446 PMID:37204952	研究论文	提出一种基于脑区基因社区网络的社区图卷积神经网络，用于阿尔茨海默病的分类和致病因素识别	提出脑区基因社区网络抽象模型，并设计具有社区间和社区内卷积操作的新型图神经网络架构，更好地匹配生理机制	仅基于ADNI数据集进行验证，未在其他独立数据集或神经疾病上进行广泛测试	开发深度学习方法来研究社区内和社区间的信息传递，用于阿尔茨海默病的诊断和致病因素提取	阿尔茨海默病患者	机器学习	阿尔茨海默病	神经影像学	GCN	图数据	ADNI数据集	NA	社区图卷积神经网络	分类性能	NA