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
13221	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
13222	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
13223	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
13224	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
13225	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
13226	2025-05-04	High-Precision Dichotomous Image Segmentation With Frequency and Scale Awareness 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3426529 PMID:39150797	研究论文	提出了一种新颖的频率和尺度感知深度神经网络（FSANet），用于高精度的二分图像分割	设计了多模态融合模块（MF）和协作尺度融合模块（CSFM），以增强图像特征的表示能力并保持高分辨率	未提及具体的数据集局限性或实际应用中的潜在问题	解决二分图像分割（DIS）任务中边界杂乱和特征分辨率下降的问题	二分图像分割中的通用对象	计算机视觉	NA	深度学习	FSANet	图像	多个基准数据集（未具体说明样本数量）	NA	NA	NA	NA
13227	2025-05-04	Public Behavior and Emotion Correlation Mining Driven by Aspect From News Corpus 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3441011 PMID:39178079	研究论文	提出了一种利用日常新闻数据挖掘公众行为与情感相关性的方法	提出了基于假设上下文的KRHC知识表示模型，结合规则方法和深度学习揭示情感与行为之间的隐式关系	未提及具体的数据集规模限制或模型泛化能力评估	探索行为与情感之间的相关性以揭示社会事件的潜在动机	新闻语料库中的公众行为与情感	自然语言处理	NA	深度学习与规则方法结合	KRHC（基于假设上下文的知识表示模型）	文本（新闻数据）	A-E-R数据集和公开KINSHIP数据集（未提具体数量）	NA	NA	NA	NA
13228	2025-05-04	A Semantic-Consistent Few-Shot Modulation Recognition Framework for IoT Applications 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3441597 PMID:39178083	research paper	提出了一种语义一致的小样本调制识别框架，用于物联网应用中的信号调制分类	提出了一种语义一致的信号预转换方法（ScSP），增强了无线信号的处理效率，使其能够更好地适用于现有的小样本学习模型	该方法主要针对无线信号领域，可能不适用于其他领域的小样本学习任务	解决物联网应用中由于标记数据稀缺导致的调制识别难题	物联网网络中的无线信号	machine learning	NA	few-shot learning (FSL)	ScSP (semantic-consistent signal pretransformation)	wireless signal	limited number of labeled samples	NA	NA	NA	NA
13229	2025-05-04	Feedback Attention to Enhance Unsupervised Deep Learning Image Registration in 3D Echocardiography 2025-May, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3530501 PMID:40030923	研究论文	提出了一种新的空间反馈注意力模块（FBA），用于增强无监督3D深度学习图像配准在超声心动图中的应用	引入了空间反馈注意力模块（FBA），通过生成共注意力图来描述剩余配准误差，并将其反馈给DLIR以最小化误差并改善自我监督	未明确提及具体局限性	提高3D超声心动图中心脏运动估计的精度和效率	3D超声心动图数据	计算机视觉	心血管疾病	深度学习图像配准（DLIR）	CNN, transformer	3D图像	NA	NA	NA	NA	NA
13230	2025-05-04	MIP-Enhanced Uncertainty-Aware Network for Fast 7T Time-of-Flight MRA Reconstruction 2025-May, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3528402 PMID:40031037	研究论文	提出了一种用于加速7T TOF-MRA重建的不确定性感知模型，结合深度展开和证据深度学习的优点，并引入MIP损失以提高MIP图像质量	结合深度展开和证据深度学习，提供MRI重建和不确定性量化，并引入MIP损失以提高MIP图像质量	未提及具体局限性	加速7T TOF-MRA重建并提高血管重建的可靠性	颅内血管系统	医学影像处理	脑血管疾病	TOF-MRA, 7T MRI	深度展开模型, 证据深度学习模型	MRI图像	相对较大的内部多线圈7T TOF-MRA数据集	NA	NA	NA	NA
13231	2025-05-04	Navigating Through Whole Slide Images With Hierarchy, Multi-Object, and Multi-Scale Data 2025-May, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3532728 PMID:40031287	研究论文	提出了一种名为Navigator的视觉模型，用于快速分割全切片图像（WSIs），并通过半监督框架S5CL v2处理稀疏标注样本	引入Navigator模型，模仿病理学家的多尺度诊断工作流程，通过低尺度搜索感兴趣区域并逐步放大定位更精细的微解剖类别	需要进一步验证模型在更多数据集上的泛化能力	解决计算病理学中快速分割全切片图像的挑战	全切片图像（WSIs）中的组织学结构	数字病理学	癌症	深度学习	Navigator	图像	包括TCGA-COAD-30CLS和Erlangen队列在内的多个数据集	NA	NA	NA	NA
13232	2025-05-04	Artificial intelligence in retinal image analysis for hypertensive retinopathy diagnosis: a comprehensive review and perspective 2025-May-01, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-025-00194-x PMID:40307650	review	本文综述了人工智能在视网膜图像分析中用于高血压视网膜病变诊断的最新进展和前景	探讨了最新的机器学习和深度学习技术在高血压视网膜病变诊断中的应用及其在早期诊断和干预中的潜力	综述性文章未涉及具体实验数据，可能缺乏对新技术的实际应用效果的详细评估	推动高血压视网膜病变诊断领域的发展，探索自动视网膜图像分析的创新方法	高血压视网膜病变的视网膜图像	digital pathology	cardiovascular disease	retinal image analysis (RIA)	machine learning (ML), deep learning	image	NA	NA	NA	NA	NA
13233	2025-05-04	Rectified Binary Network for Single-Image Super-Resolution 2025-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3438432 PMID:39208050	research paper	该研究提出了一种用于单图像超分辨率（SISR）任务的修正二进制网络，通过引入激活修正推理（ARI）模块和自适应近似估计器（AAE）来提高二进制神经网络的表示能力	提出了激活修正推理（ARI）模块和自适应近似估计器（AAE），以增强二进制神经网络在SISR任务中的特征表示能力和优化效果	未明确提及具体局限性，但二进制神经网络在复杂特征分布下的表现可能仍有提升空间	研究二进制神经网络在单图像超分辨率任务中的应用，以提高图像恢复的质量	单图像超分辨率（SISR）任务中的高分辨率（HR）图像恢复	computer vision	NA	二进制神经网络（BNN）	CNN	image	多个基准测试数据集（具体数量未明确提及）	NA	NA	NA	NA
13234	2025-05-04	HoRNS-CNN model: an energy-efficient fully homomorphic residue number system convolutional neural network model for privacy-preserving classification of dyslexia neural-biomarkers 2025-Apr-30, Brain informatics DOI:10.1186/s40708-025-00256-z PMID:40304880	研究论文	介绍了一种名为HoRNS-CNN的能效高、全同态加密的卷积神经网络模型，用于保护隐私的阅读障碍神经生物标志物分类	结合了残数系统全同态加密方案(RNS-FHE)的能效特性和预训练深度CNN模型的高准确性，解决了现有FHE CNN模型在准确性、加密/解密延迟、能效、特征提取时间和密文图像扩展方面的问题	NA	开发一种能效高、隐私保护的深度学习模型，用于神经影像数据的分类	与阅读障碍相关的神经生物标志物	数字病理学	神经发育障碍	全同态加密(FHE), 残数系统(RNS)	CNN	图像	NA	NA	NA	NA	NA
13235	2025-05-04	Automatic melanoma and non-melanoma skin cancer diagnosis using advanced adaptive fine-tuned convolution neural networks 2025-Apr-30, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-02279-8 PMID:40304929	research paper	提出了一种使用自适应微调卷积神经网络（CNN）的智能计算机辅助系统，用于自动诊断黑色素瘤和非黑色素瘤皮肤癌	采用两阶段迁移学习方法和预训练CNN，通过PCA替换全连接层以挖掘皮肤癌图像的判别性特征，有效缓解过拟合问题	训练数据有限，可能存在过拟合风险，且传统方法存在高计算成本和缺乏可解释性的问题	开发一种高效、准确的自动皮肤癌诊断系统，以辅助医疗专业人员进行早期筛查	皮肤癌图像	computer vision	skin cancer	deep learning, transfer learning, principal component analysis (PCA)	CNN	image	NA	NA	NA	NA	NA
13236	2025-05-04	Self-supervised learning for label-free segmentation in cardiac ultrasound 2025-Apr-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59451-5 PMID:40307208	研究论文	本文提出了一种结合计算机视觉、临床知识和深度学习的自监督学习流程，用于心脏超声的无标签分割	开发了一种无需手动标注的自监督分割方法，其性能与监督学习相当，且具有临床有效性	虽然在大规模数据集上进行了测试，但部分结果的置信区间较宽，可能需要进一步验证	开发一种无需手动标注的心脏超声分割方法，提高分割效率和可重复性	心脏超声图像	计算机视觉	心血管疾病	深度学习	自监督学习	超声图像	450例超声心动图用于训练，18,423例用于测试（包括外部数据），其中553例有对应的心脏MRI	NA	NA	NA	NA
13237	2025-05-04	Blockchain based solid waste classification with AI powered tracking and IoT integration 2025-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97030-2 PMID:40307309	研究论文	本研究提出了一种结合AI、物联网和区块链技术的智能垃圾分类模型，旨在优化垃圾收集和回收过程	整合了AI、物联网和区块链技术，实现了实时垃圾分类和安全透明的数据存储	未提及具体性能评估结果和系统实际部署的可行性	通过智能决策和安全数据处理改善垃圾管理和可持续性	智能城市中的垃圾管理系统	机器学习	NA	机器学习和深度学习	ML和DL模型	物联网传感器数据	未提及具体样本数量	NA	NA	NA	NA
13238	2025-05-04	A hybrid deep learning framework for early detection of diabetic retinopathy using retinal fundus images 2025-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99309-w PMID:40307328	研究论文	提出了一种结合CNN和RNN的混合深度学习框架，用于通过视网膜眼底图像早期检测糖尿病视网膜病变	结合CNN和RNN，利用多时间点视网膜扫描的时间信息提高检测准确性，并引入注意力机制捕捉最相关的数据特征	未提及模型在临床环境中的实际应用效果验证	开发自动化的糖尿病视网膜病变早期检测系统	糖尿病视网膜病变患者	数字病理学	糖尿病视网膜病变	深度学习	CNN+RNN混合模型	视网膜眼底图像	使用了DRIVE、Kaggle和Eyepacs三个公开数据集	NA	NA	NA	NA
13239	2025-05-04	Selective laser cleaning of microbeads using deep learning 2025-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99646-w PMID:40307358	研究论文	本文提出了一种结合深度学习和飞秒激光技术的选择性激光清洁方法，用于高效、精确地去除表面污染物	通过集成神经网络预测每次激光脉冲后的样本外观，实现了自适应、实时的清洁过程，显著提高了清洁效率和精度	研究仅使用了直径为15微米的聚苯乙烯微珠作为污染物模型，可能无法完全代表所有实际应用场景中的污染物类型	开发一种高效、精确的选择性激光清洁方法，以减少能源消耗和基材损伤	聚苯乙烯微珠（直径15微米）作为表面污染物模型	机器视觉	NA	飞秒激光脉冲技术	神经网络	图像	使用聚苯乙烯微珠作为污染物模型，具体样本数量未提及	NA	NA	NA	NA
13240	2025-05-04	A deep learning based framework for enhanced reference evapotranspiration estimation: evaluating accuracy and forecasting strategies 2025-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99713-2 PMID:40307385	研究论文	本文评估了三种深度学习序列模型（LSTM、N-BEATS和TCN）在预测日参考蒸散发（ET）中的性能，并进一步利用表现最佳的TCN模型评估了两种ET预测策略	首次比较了LSTM、N-BEATS和TCN三种深度学习模型在ET预测中的性能，并提出了递归策略以提高数据稀缺情况下的预测准确性	研究仅针对特定数据集进行评估，未考虑不同地理区域和气候条件下的模型泛化能力	开发高效准确的参考蒸散发预测方法以优化农业水资源管理	参考蒸散发（ET）的时间序列数据	机器学习	NA	深度学习时间序列预测	LSTM, N-BEATS, TCN	时间序列数据	未明确说明样本数量	NA	NA	NA	NA