深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 33776 篇文献，本页显示第 13641 - 13660 篇。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13641 | 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 |
| 13642 | 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 |
| 13643 | 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 |
| 13644 | 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 |
| 13645 | 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 |
| 13646 | 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 |
| 13647 | 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 |
| 13648 | 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 |
| 13649 | 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 |
| 13650 | 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 |
| 13651 | 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 |
| 13652 | 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 |
| 13653 | 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 |
| 13654 | 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 |
| 13655 | 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 |
| 13656 | 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 |
| 13657 | 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 |
| 13658 | 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 |
| 13659 | 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 |
| 13660 | 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 |