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
17641	2025-03-05	Continuous Estimation of Hand Kinematics from Electromyographic Signals based on Power-and Time-Efficient Transformer Deep Learning Network 2024-Dec-10, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3514938 PMID:40030573	研究论文	本文提出了一种基于Transformer深度学习网络的高效方法，用于从表面肌电信号中连续估计手部运动学，旨在提高模型效率和准确性	采用EMSA（高效多重自注意力）和剪枝机制，同时提高效率和准确性，适用于可穿戴设备的实时应用	研究主要基于Ninapro DB2数据集，可能在其他数据集上的泛化能力有待验证	提高从表面肌电信号中估计手指关节角度的模型效率和准确性，以满足可穿戴设备的实时应用需求	表面肌电信号（sEMG）	机器学习	NA	深度学习	Transformer	信号数据	38名受试者的Ninapro DB2数据集	NA	NA	NA	NA
17642	2025-03-05	"Understanding Robustness Lottery": A Geometric Visual Comparative Analysis of Neural Network Pruning Approaches 2024-Dec-09, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3514996 PMID:40030441	研究论文	本文通过几何视觉比较分析，探讨了神经网络剪枝方法对模型内部特征表示和性能的影响	引入了一种高维模型特征空间的视觉几何分析工具，用于比较和突出剪枝对模型性能和特征表示的影响	由于神经网络的‘黑箱’性质，对剪枝过程的理解仍然有限	揭示不同剪枝方法如何改变网络的内部特征表示及其对模型性能的影响	神经网络模型	机器学习	NA	NA	神经网络	NA	NA	NA	NA	NA	NA
17643	2025-03-05	Scale Propagation Network for Generalizable Depth Completion 2024-Dec-09, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3513440 PMID:40030448	研究论文	本文提出了一种新的尺度传播归一化方法（SP-Norm），用于提高深度补全任务在不同场景中的泛化能力	提出了尺度传播归一化方法（SP-Norm），通过从输入到输出传播尺度信息，同时保留归一化操作以便于收敛，从而解决了现有深度补全模型在未见场景中泛化能力不足的问题	尽管在多个未见数据集上进行了广泛实验，但模型在极端稀疏深度图情况下的表现仍需进一步验证	提高深度补全任务在不同场景中的泛化能力	稀疏深度图	计算机视觉	NA	NA	ConvNeXt V2	图像	六个未见数据集，包含不同类型的稀疏深度图（随机采样0.1%/1%/10%有效像素、4/8/16/32/64线LiDAR点、结构光生成的空洞）	NA	NA	NA	NA
17644	2025-03-05	A Semantic Conditional Diffusion Model for Enhanced Personal Privacy Preservation in Medical Images 2024-Dec-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3511583 PMID:40030430	研究论文	本文提出了一种新的医学图像处理框架——医学语义扩散模型（MSDM），旨在通过语义信息合成医学图像，以增强个人隐私保护	MSDM模型通过集成自适应批归一化（AdaBN）将语义信息编码到高维潜在空间，并直接嵌入去噪神经网络中，从而提高了图像质量和语义准确性，同时确保合成图像与原始图像属于同一分布	尽管MSDM在多个数据集上表现出色，但其对语义掩码的依赖可能限制了其应用范围，尽管提出了Spread算法来自动生成这些掩码	研究目标是开发一种能够有效去除医学图像中个人可识别信息（PII）的框架，以增强患者隐私保护	研究对象是医学图像，特别是包含面部特征、独特解剖结构、罕见病变或特定纹理模式的图像	计算机视觉	NA	扩散模型	MSDM（医学语义扩散模型）	图像	使用了BraTS 2021、MSD Lung、DSB18和FIVES数据集进行实验	NA	NA	NA	NA
17645	2025-03-05	Synergizing Anti-Cancer Drug Combinations With Dual-View Hypergraph Representation Fusion 2024-Dec-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3511657 PMID:40030495	研究论文	本文提出了一种名为DVHSyn的深度学习模型，通过双视图超图表示融合来识别协同药物组合	DVHSyn模型首次利用双视图超图表示融合方法，同时学习样本三元组的局部和全局上下文关系，从而更有效地识别协同药物组合	尽管DVHSyn在实验中表现优异，但其预测新型协同药物组合的潜力仍需进一步验证	研究目标是开发一种能够有效识别协同药物组合的深度学习方法，以促进新药开发	研究对象是癌症细胞系的转录组特征和药物的分子结构	机器学习	癌症	深度学习	DVHSyn	转录组数据和分子结构数据	NA	NA	NA	NA	NA
17646	2025-03-05	A Survey and Benchmark of Automatic Surface Reconstruction from Point Clouds 2024-Dec-04, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3510932 PMID:40030509	综述	本文对从点云进行表面重建的传统方法和基于学习的方法进行了全面的调查和基准测试	本文创新性地比较了手工先验和从数据中学习的先验对表面重建精度和鲁棒性的影响，并标准化评估了多种方法	传统方法在应对现实世界3D采集中的各种异常时表现出更强的韧性，而基于学习的方法在相同特性的点云上训练和评估时表现更优	研究从点云进行表面重建的方法，比较传统方法和基于学习的方法的性能	点云数据	计算机视觉	NA	NA	深度学习模型	点云数据	NA	NA	NA	NA	NA
17647	2025-03-05	Efficient Microbubble Trajectory Tracking in Ultrasound Localization Microscopy Using a Gated Recurrent Unit-Based Multitasking Temporal Neural Network 2024-Dec, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3424955 PMID:38976462	研究论文	本文提出了一种基于门控循环单元的多任务时间神经网络（GRU-MT），用于超声定位显微镜中的微泡轨迹跟踪	GRU-MT同时处理微泡轨迹跟踪和轨迹优化任务，并改进了非线性运动模型，以提高轨迹跟踪的准确性	现有深度学习跟踪技术忽略了微泡运动的时间方面，导致其动态行为的建模效果不佳	提高超声定位显微镜中微泡轨迹跟踪的效率和准确性	微泡轨迹	医学影像	NA	超声定位显微镜（ULM）	GRU, RNN, LSTM, Transformer	超声图像	模拟和体内数据集	NA	NA	NA	NA
17648	2025-03-05	Bypassing Stationary Points in Training Deep Learning Models 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3411020 PMID:38913523	研究论文	本文提出了一种绕过深度学习模型训练中停滞点的新方法，旨在通过扩展模型空间并随后将其收缩回原始空间来加速优化器的训练过程	提出了一种新颖的绕过停滞点的方法，并通过代数约束实现模型空间的扩展与收缩，从而加速优化器的训练	未提及具体实验中的局限性	解决深度学习模型训练中因停滞点导致的优化器速度下降问题	深度学习模型的训练过程	机器学习	NA	梯度下降优化器	神经网络	NA	NA	NA	NA	NA	NA
17649	2025-03-05	Deep Spatial-Spectral Joint-Sparse Prior Encoding Network for Hyperspectral Target Detection 2024-Dec, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3403729 PMID:38837919	研究论文	本文提出了一种新颖的深度空间-光谱联合稀疏先验编码网络（JSPEN），用于高光谱目标检测，该网络将领域知识嵌入神经网络，具有明确的解释性	提出了一种新的深度空间-光谱联合稀疏先验编码网络（JSPEN），通过自适应联合空间-光谱稀疏模型（AS2JSM）挖掘高光谱图像的空间-光谱相关性，并设计了优化算法来模拟迭代优化过程	未明确提及具体局限性	提高高光谱目标检测的准确性和解释性	高光谱图像（HSIs）	计算机视觉	NA	深度学习	JSPEN, AS2JSM	图像	未明确提及样本数量	NA	NA	NA	NA
17650	2025-03-05	Probabilistic Forecasting With Modified N-BEATS Networks 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3450832 PMID:39240737	研究论文	本文提出了一种改进的N-BEATS深度学习架构，用于生成参数化概率预测，并扩展了该架构以优化预测准确性和稳定性	提出了改进的N-BEATS架构，能够同时优化预测准确性和稳定性，并支持联合优化单周期边际和多周期累积概率预测	实验仅在M4月度数据集上进行，未涉及其他数据集或应用场景	改进时间序列点预测问题中的概率预测方法	单变量时间序列数据	机器学习	NA	深度学习	N-BEATS	时间序列数据	M4月度数据集	NA	NA	NA	NA
17651	2025-03-05	GraKerformer: A Transformer With Graph Kernel for Unsupervised Graph Representation Learning 2024-Dec, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3465213 PMID:39378254	研究论文	本文提出了一种名为GraKerformer的Transformer变体，用于改进无监督图表示学习（UGRL）中的结构信息表示和性能	GraKerformer通过利用最短路径图核（SPGK）来加权注意力分数，并结合图神经网络，有效地编码了图的细微结构信息	未明确提及具体限制	改进无监督图表示学习中的结构信息表示和性能	图数据	机器学习	NA	最短路径图核（SPGK）	Transformer	图数据	基准数据集	NA	NA	NA	NA
17652	2025-03-05	Deep Learning Image Segmentation Based on Adaptive Total Variation Preprocessing 2024-Dec, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3418937 PMID:39405157	研究论文	本文提出了一种基于MS模型的两阶段图像分割方法，旨在提高复杂结构和背景图像的分割精度	引入了由梯度算子和自适应加权矩阵组合形成的各向异性正则化项，通过自适应加权矩阵提供水平和垂直方向的不同权重，使曲线沿物体局部特征切线方向扩散，并过滤掉与图像目标无关的信息，减少复杂背景的干扰	NA	提高复杂结构和背景图像的分割精度	图像	计算机视觉	NA	NA	深度学习	图像	NA	NA	NA	NA	NA
17653	2025-10-07	Interactive Prognosis Framework Between Deep Learning and a Stochastic Process Model for Remaining Useful Life Prediction 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3310482 PMID:37725744	研究论文	提出一种深度学习与随机过程模型交互的剩余使用寿命预测框架	通过集成健康指标构建与退化建模的优化目标函数，解决了传统方法中健康指标与退化模型不匹配的关键缺陷	仅通过两个涡扇发动机案例验证方法有效性，需要更多工业场景验证	提高退化系统剩余使用寿命预测的准确性	退化系统的传感器数据	机器学习	NA	传感器数据融合	自编码器	传感器数据	两个涡扇发动机案例	NA	堆叠压缩自编码器	预测精度	NA
17654	2025-10-07	Deep Learning for Visual Localization and Mapping: A Survey 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3309809 PMID:37738191	综述	本文对基于深度学习的视觉定位与建图方法进行了全面调查和分类	提出了深度学习在定位与建图领域的分类体系，系统性地探讨了深度学习在该领域的应用潜力与方法论	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	调查深度学习在视觉定位与建图领域的研究现状和发展趋势	基于深度学习的定位与建图方法，包括视觉里程计、全局重定位、建图和SLAM	计算机视觉	NA	深度学习	NA	视觉数据	NA	NA	NA	NA	NA
17655	2025-10-07	A Hybrid Data Preprocessing-Based Hierarchical Attention BiLSTM Network for Remaining Useful Life Prediction of Spacecraft Lithium-Ion Batteries 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3311443 PMID:37725745	研究论文	提出一种基于混合数据预处理的深度学习模型，用于预测航天器锂离子电池的剩余使用寿命	结合Box-Cox变换、CEEMDAN去噪、PCA降维和滑动窗口技术的混合数据预处理方法，以及多尺度分层注意力双向LSTM模型	NA	提高航天器锂离子电池剩余使用寿命预测的准确性和模型可靠性	航天器锂离子电池	机器学习	NA	Box-Cox变换、CEEMDAN、PCA、滑动窗口技术	BiLSTM	时间序列数据	基于两个锂离子电池数据集的多种类型实验	NA	MHA-BiLSTM（多尺度分层注意力双向长短期记忆网络）	特征提取和多维时间序列预测性能	NA
17656	2025-10-07	On the Real-World Adversarial Robustness of Real-Time Semantic Segmentation Models for Autonomous Driving 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3314512 PMID:37782588	研究论文	本文评估了自动驾驶中实时语义分割模型对抗真实世界对抗样本的鲁棒性	提出了新的损失函数增强攻击能力，改进了EOT方法用于场景中补丁放置，并首次将对抗补丁检测方法扩展到语义分割模型并实现实时性能	对抗效应在空间上通常局限于图像中补丁周围的区域	评估自动驾驶视觉感知中语义分割模型对真实世界对抗攻击的鲁棒性	语义分割模型	计算机视觉	NA	对抗攻击	深度学习模型	图像	NA	NA	语义分割模型	像素误分类率	NA
17657	2025-10-07	Pixel-Centric Context Perception Network for Camouflaged Object Detection 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3319323 PMID:37819817	研究论文	提出一种用于伪装目标检测的像素中心上下文感知网络PCPNet	通过像素重要性估计函数和个性化上下文定制，实现更有效的像素级上下文信息利用	NA	解决伪装目标检测中上下文信息利用不充分的问题	视觉上嵌入背景环境的伪装目标	计算机视觉	NA	深度学习	CNN	图像	四个COD基准数据集、五个SOD基准数据集、五个息肉分割基准数据集	NA	PCPNet, VCG模块, PIE函数, LCRM模块	NA	NA
17658	2025-10-07	Physical Adversarial Attacks for Surveillance: A Survey 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3321432 PMID:37824320	综述	本文系统回顾了针对监控系统的物理对抗攻击研究进展	提出了分析物理对抗攻击的统一框架，并首次对四大关键监控任务（检测、识别、跟踪和行为识别）的物理对抗攻击进行全面调研	作为综述性文章，不包含原始实验数据和新方法验证	分析物理对抗攻击对监控系统的威胁并探讨防御策略	监控系统中的深度学习模型	计算机视觉	NA	深度学习	NA	监控视频、图像	NA	NA	NA	NA	NA
17659	2025-10-07	Bayesian Hierarchical Graph Neural Networks With Uncertainty Feedback for Trustworthy Fault Diagnosis of Industrial Processes 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3319468 PMID:37843997	研究论文	提出一种带有不确定性反馈机制的贝叶斯分层图神经网络，用于工业过程的可靠故障诊断	通过不确定性反馈机制将不确定性信息融入训练过程，并利用分层图结构结合领域知识学习故障表示	NA	开发可靠的工业过程故障诊断方法	工业过程数据	机器学习	NA	贝叶斯深度学习	图神经网络	工业过程数据	NA	NA	贝叶斯分层图神经网络	故障诊断性能，可信度验证	NA
17660	2025-10-07	Understanding Double Descent Using VC-Theoretical Framework 2024-Dec, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3388873 PMID:38669171	研究论文	本文使用VC理论框架分析深度学习网络在分类任务中的泛化性能，特别是解释双下降现象	首次在分类设置下使用VC理论框架解释过参数化网络中的双下降现象	理论分析主要针对分类任务，可能不直接适用于其他类型的学习问题	理解深度学习网络的泛化能力，特别是双下降现象的理论基础	深度学习网络、支持向量机、最小二乘法和多层感知器分类器	机器学习	NA	VC理论分析、经验建模	多层感知器,SVM	NA	NA	NA	多层感知器	VC边界	NA