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
15281	2025-04-06	ADStereo: Efficient Stereo Matching With Adaptive Downsampling and Disparity Alignment 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3540282 PMID:40031538	research paper	本文提出了一种高效的立体匹配方法ADStereo，通过自适应下采样和视差对齐模块来平衡精度和计算效率	提出了自适应下采样模块（ADM）和视差对齐模块（DAM），以解决传统方法中因下采样操作导致的特征丢失和空间错位问题	未提及具体局限性	提高立体匹配算法在实时应用中的准确性和计算效率	立体匹配算法	computer vision	NA	NA	ADStereo	image	多个公共基准测试数据集（如KITTI stereo 2015）	NA	NA	NA	NA
15282	2025-04-06	Joint Spatial and Frequency Domain Learning for Lightweight Spectral Image Demosaicing 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3536217 PMID:40031727	research paper	提出了一种基于联合空间和频域信息学习的轻量级光谱图像去马赛克方法	结合空间和频域信息学习，提出无参数的光谱图像初始化策略和高效的空间-频率变换网络	未明确提及具体局限性	提高光谱图像去马赛克的重建质量和效率	光谱图像	computer vision	NA	Fourier transform, deep learning	spatial-frequency transformer network	image	模拟和真实数据（未明确提及具体数量）	NA	NA	NA	NA
15283	2025-04-06	Local-Global Correlation Fusion-Based Graph Neural Network for Remaining Useful Life Prediction 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3330487 PMID:37983145	研究论文	提出一种基于局部-全局相关性融合的图神经网络框架（LOGO），用于剩余使用寿命（RUL）预测	结合局部和全局信息有效建模传感器相关性，提出自适应融合机制和序列微图定义方法	未明确说明方法在极端工况或传感器故障情况下的鲁棒性	提升复杂系统中剩余使用寿命预测的准确性	多传感器监测的工业设备系统	机器学习	NA	图神经网络（GNN）	GNN	时间序列传感器数据	未明确说明具体样本数量	NA	NA	NA	NA
15284	2025-04-06	MDNN-DTA: a multimodal deep neural network for drug-target affinity prediction 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1527300 PMID:40182923	研究论文	介绍了一种名为MDNN-DTA的多模态深度神经网络模型，用于预测药物-靶标亲和力（DTA）	该模型能够直接从靶蛋白序列准确预测DTA，无需依赖蛋白质3D结构，这在药物发现中具有重要意义	未明确提及具体局限性	提高药物-靶标亲和力预测的效率和准确性	药物分子和靶蛋白的序列	机器学习	NA	深度学习	GCN和CNN	生物序列数据	未明确提及样本数量	NA	NA	NA	NA
15285	2025-04-06	An Automated Deep Learning-Based Framework for Uptake Segmentation and Classification on PSMA PET/CT Imaging of Patients with Prostate Cancer 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01104-y PMID:38587770	研究论文	开发并评估了一种基于深度学习的自动化框架，用于在前列腺癌患者的PSMA PET/CT成像上进行摄取分割和分类	采用解剖学先验引导策略，使深度学习框架专注于PSMA高摄取病变，并构建了多模态决策融合分类框架	样本量相对有限（193例扫描），且仅来自两个机构	自动化全身肿瘤负荷评估	前列腺癌患者的PSMA PET/CT扫描图像	数字病理学	前列腺癌	PSMA PET/CT成像	CNN, 多模态决策融合框架	医学影像	193例[F]DCFPyL PET/CT扫描（137例用于训练和内部测试，56例用于外部测试）	NA	NA	NA	NA
15286	2025-04-06	Few-shot Class-incremental Learning for Retinal Disease Recognition 2024-Sep-18, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3457915 PMID:39292587	研究论文	本文提出了一种名为Re-FSCIL的新框架，用于少样本类增量视网膜疾病识别，通过整合RETFound模型和细粒度模块，采用前向兼容训练策略和监督对比学习来提高模型的适应性和特征判别能力	提出Re-FSCIL框架，整合RETFound模型和细粒度模块，采用前向兼容训练策略和监督对比学习，显著提升了少样本类增量学习在视网膜疾病识别中的性能	NA	开发能够持续学习新类别且保留现有知识的深度学习模型，特别适用于视网膜疾病诊断系统	视网膜疾病	数字病理	视网膜疾病	监督对比学习，特征融合	RETFound	图像	两个新基准数据集RFMiD38和JSIEC39	NA	NA	NA	NA
15287	2025-04-06	Timely ICU Outcome Prediction Utilizing Stochastic Signal Analysis and Machine Learning Techniques with Readily Available Vital Sign Data 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3416039 PMID:38889027	research paper	该研究提出了一种结合随机信号分析和机器学习技术的新方法，用于从ICU患者的实时生命体征时间序列中提取具有强预测能力的特征，以实现准确及时的ICU结果预测	该方法通过随机信号分析和机器学习技术提取有意义的特征，显著提高了ICU结果预测的准确性，超越了包括APACHE IV和深度学习模型在内的基线方法	该方法可能仍面临模型可解释性不足的问题，限制了其在临床实践中的广泛应用	开发一种新方法，用于准确及时地预测ICU患者的结果，以减轻重症监护需求带来的经济和医疗负担	ICU患者的实时生命体征时间序列数据	machine learning	NA	随机信号分析，机器学习	NA	时间序列数据	NA	NA	NA	NA	NA
15288	2025-04-06	Contrastive Learning for Joint Normal Estimation and Point Cloud Filtering 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3263866 PMID:37030701	research paper	提出了一种新颖的深度学习方法，用于联合估计点云法线和滤波点云	引入了基于3D块的对比学习框架，将噪声作为增强手段，训练能够生成鲁棒点云块表示的特征编码器，并通过联合损失同时估计点法线和位移	NA	解决点云滤波和法线估计这两个3D领域的基础研究问题	点云数据	computer vision	NA	对比学习	深度学习	3D点云	NA	NA	NA	NA	NA
15289	2024-08-07	Trend Identification and Prediction of Worker Stress Rate Using Deep Learning Algorithm in Indonesia 2024-08, Workplace health & safety IF:2.3Q1 DOI:10.1177/21650799241263623 PMID:38907692	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15290	2025-04-06	Neural Network Layer Algebra: A Framework to Measure Capacity and Compression in Deep Learning 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3241100 PMID:37027551	research paper	提出了一种新的框架来测量深度神经网络的固有特性，特别是容量和压缩性	引入了层代数的概念，并提出了两个新的度量指标：层复杂度和层内在能力，这些指标仅依赖于网络结构而非参数	虽然框架可以推广到任何网络架构，但研究主要集中在卷积网络上	测量深度神经网络的固有特性，即容量和压缩性	深度神经网络，特别是卷积网络	machine learning	NA	NA	CNN	image	NA	NA	NA	NA	NA
15291	2025-04-06	Probabilistic Attention Based on Gaussian Processes for Deep Multiple Instance Learning 2024-Aug, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3245329 PMID:37027623	research paper	提出了一种基于高斯过程的概率注意力机制（AGP），用于深度多实例学习（MIL），以提供预测的不确定性估计	首次将高斯过程引入MIL中的注意力机制，提供实例级可解释性和预测不确定性	未明确提及具体限制，但可能面临高斯过程计算复杂度高的问题	开发一种能够提供预测不确定性的深度MIL方法，特别适用于医学领域	多实例学习模型及其在医学图像分析中的应用	machine learning	cancer	Gaussian processes	AGP (Attention Gaussian Process)	image	小于100个标签的小型数据集以及MNIST和CIFAR-10合成数据	NA	NA	NA	NA
15292	2025-04-06	Artificial Intelligence (AI)-Based Computer-Assisted Detection and Diagnosis for Mammography: An Evidence-Based Review of Food and Drug Administration (FDA)-Cleared Tools for Screening Digital Breast Tomosynthesis (DBT) 2024-Aug, AI in precision oncology DOI:10.1089/aipo.2024.0022 PMID:40182614	综述	本文回顾了基于人工智能的计算机辅助检测和诊断工具在数字乳腺断层合成摄影筛查中的应用及其FDA批准情况	总结了新一代深度学习AI工具在乳腺筛查中的潜力，并评估了FDA批准的六种AI工具的性能	现有证据有限，仅包括两项小规模的实施后临床研究，需要更多前瞻性研究来全面评估影响	评估AI在数字乳腺断层合成摄影筛查中的应用效果	FDA批准的六种基于AI的计算机辅助检测/诊断工具	数字病理学	乳腺癌	深度学习	NA	医学影像	多项多读者多病例研究、回顾性分析和两项真实世界评估	NA	NA	NA	NA
15293	2025-04-06	DM-Fusion: Deep Model-Driven Network for Heterogeneous Image Fusion 2024-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3238511 PMID:37022081	research paper	本文提出了一种深度模型驱动的神经网络DM-Fusion，用于解决异构图像融合问题，结合了基于模型技术的可解释性和深度学习方法的一般化能力	设计了一种深度模型驱动的神经网络，结合了模型技术的可解释性和深度学习方法的泛化能力，提出了任务驱动的损失函数策略以实现特征增强和保留	未提及具体局限性	解决异构图像融合问题，提升融合质量和效率	异构图像	computer vision	NA	deep learning	CNN	image	未提及具体样本数量	NA	NA	NA	NA
15294	2025-04-06	Invertible Residual Blocks in Deep Learning Networks 2024-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3238397 PMID:37022256	research paper	本文研究了深度学习中可逆残差块的条件，并提出了相应的逆算法	提出了残差块可逆的充分必要条件，并针对广泛使用的卷积残差块，展示了在弱条件下通过特定零填充方法实现可逆性	研究仅针对包含一层ReLU的残差块，未涉及更复杂的网络结构	探索深度学习中残差块的可逆性条件及其应用	深度学习网络中的残差块	machine learning	NA	NA	CNN	NA	NA	NA	NA	NA	NA
15295	2025-04-06	TSRNet: A Dual-Stream Network for Refining 3D Tooth Segmentation 2024-Jun-18, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3413345 PMID:38889041	research paper	提出了一种名为TSRNet的双流网络，用于优化现有3D牙齿分割算法的粗糙分割结果	通过双流网络TSRNet结合边界图和距离图的信息，迭代优化粗糙分割的边界	未提及具体的数据集规模或计算资源需求	改进3D牙齿分割的边界精度	3D牙齿分割结果	computer vision	NA	deep learning	TSRNet (dual-stream network)	3D image	NA	NA	NA	NA	NA
15296	2025-04-06	Machine Learning Prediction of Lymph Node Metastasis in Breast Cancer: Performance of a Multi-institutional MRI-based 4D Convolutional Neural Network 2024-05, Radiology. Imaging cancer DOI:10.1148/rycan.230107 PMID:38607282	research paper	开发了一种基于多机构MRI数据的4D卷积神经网络模型，用于无创预测乳腺癌淋巴结转移	提出了一种结合动态图像时间信息的4D CNN模型，整合临床病理指标以提高预测性能	研究为回顾性设计，样本量相对有限（350例患者）	开发深度学习模型预测乳腺癌淋巴结转移状态	新诊断的原发性浸润性乳腺癌患者	digital pathology	breast cancer	dynamic contrast-enhanced (DCE) breast MRI	4D CNN	MRI图像	350例女性患者（平均年龄51.7±11.9岁）	NA	NA	NA	NA
15297	2025-10-07	Targeted-BEHRT: Deep Learning for Observational Causal Inference on Longitudinal Electronic Health Records 2024-04, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3183864 PMID:35737602	研究论文	开发基于Transformer的深度学习模型T-BEHRT，结合双重稳健估计方法，从纵向电子健康记录中进行观察性因果推断	首次将Transformer架构与双重稳健估计相结合用于EHR因果推断，在存在多种混杂因素情况下能更准确估计风险比	仅在抗高血压药物与癌症风险的特定关联上进行验证，需要进一步测试在其他临床场景的适用性	开发能够从观察性电子健康记录中得出无混杂因果结论的深度学习方法	抗高血压药物类别与癌症发病风险的因果关系	机器学习	心血管疾病	电子健康记录分析	Transformer	纵向电子健康记录	NA	NA	Transformer, T-BEHRT	绝对误差和, 风险比	NA
15298	2025-10-07	A Comprehensive Survey on Community Detection With Deep Learning 2024-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2021.3137396 PMID:35263257	综述	本文对深度学习在社区检测领域的最新进展进行了全面综述	提出了新的分类法系统梳理深度学习社区检测方法，涵盖深度神经网络、深度非负矩阵分解和深度稀疏过滤等前沿技术	作为综述文章，不包含原始实验验证，主要依赖现有文献分析	系统梳理和总结深度学习在社区检测领域的研究现状和发展趋势	网络数据中的社区结构	机器学习	NA	深度学习	CNN, GAN, 图注意力网络, 自编码器	网络数据	NA	NA	卷积网络, 图注意力网络, 生成对抗网络, 自编码器	NA	NA
15299	2025-10-07	Probabilistic Causal Effect Estimation With Global Neural Network Forecasting Models 2024-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3190984 PMID:35853064	研究论文	提出一种结合概率预测与全局深度学习模型的新方法DeepProbCP，用于估计干预措施对多个处理单元的因果效应	首次将概率预测与全局深度学习模型结合用于因果效应估计，通过估计反事实时间序列概率分布而非仅点预测，能捕捉分布尾部或方差的变化	方法依赖于时间序列属性和大规模相关时间序列数据，在数据稀缺场景下可能受限	开发更准确的因果效应估计方法，特别适用于干预措施影响分布尾部或方差而非均值的情况	多个处理单元的时间序列数据	机器学习	NA	深度学习时间序列预测	RNN	时间序列数据	大规模相关时间序列集合	NA	自回归循环神经网络	分位数预测精度	NA
15300	2025-10-07	A Comprehensive Framework for Long-Tailed Learning via Pretraining and Normalization 2024-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3192475 PMID:35895650	研究论文	提出通过对比预训练和特征归一化改进长尾学习特征提取器和分类器的综合框架	提出平衡对比损失和快速对比初始化方案改进长尾预训练，并提出包含广义归一化和分组可学习缩放的新型广义归一化分类器	NA	改进长尾识别中的特征提取器和分类器性能	视觉数据中的长尾分布	计算机视觉	NA	对比学习	深度学习	图像	NA	NA	NA	准确率, 效率	NA