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
1	2026-04-04	Low-Field Magnetic Resonance Imaging of the Late Gestation Cervix and Birth Outcome Correlation: A Prospective Cohort Study 2026-May, BJOG : an international journal of obstetrics and gynaecology DOI:10.1111/1471-0528.70103 PMID:41332358	研究论文	本研究利用低场MRI技术对晚期妊娠宫颈进行重建和3D建模，并自动化测量以关联人口统计学和分娩结局	开发了一种新颖、准确的自动化系统，用于评估MRI晚期妊娠宫颈生物测量和体积测量，揭示了宫颈表型可能影响分娩结局的新机制	样本量相对较小（n=97），且仅针对首次尝试阴道分娩的晚期妊娠女性，可能限制结果的普遍性	探究晚期妊娠宫颈的MRI测量与分娩结局之间的相关性	晚期妊娠（36-41周）女性，首次尝试阴道分娩	数字病理学	产科疾病	低场MRI，2D T2加权Turbo-Spin-Echo序列	3D深度学习分割网络	MRI图像	97名晚期妊娠女性	NA	NA	图像重建质量，分割质量，组间变异性，相关性分析，OR值	0.55 T Freemax MRI扫描仪
2	2026-04-04	Accelerating Prostate Cancer Detection Through Histopathological Image Analysis Using Artificial Intelligence 2026-May, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70104 PMID:41376335	研究论文	本研究提出了一种结合CNN集成与Vision Transformer的混合深度学习框架，用于加速前列腺癌的病理图像检测	提出了一种结合CNN集成与Vision Transformer的混合深度学习框架，并引入了交叉注意力融合模块和知识蒸馏技术，以提高检测性能并实现轻量化部署	模型的计算复杂度较高，相比传统CNN需要更多的计算资源	加速前列腺癌的早期检测和准确诊断	前列腺癌的病理组织图像	数字病理学	前列腺癌	病理图像分析	CNN, Vision Transformer	图像	使用公开的PANDA数据集进行训练和测试	NA	VGG-16, DenseNet-121, AlexNet, Vision Transformer	准确率, 真阳性率, 真阴性率, 精确率, F1分数, 假阴性率, 假阳性率	GPU内存, 推理时间
3	2026-04-04	Learning Deep Tree-Based Retriever for Efficient Recommendation: Theory and Method 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3648453 PMID:41452694	研究论文	本文提出了一种基于深度树结构的检索器（DTR），用于提高推荐系统的效率	DTR将训练任务构建为同一层级树节点上的基于softmax的多类别分类，引入了显式的横向竞争，并通过损失函数修正和基于树的采样方法，更好地满足最大堆假设并提升泛化能力	未明确提及具体限制	提高推荐系统的效率，同时保持推荐准确性	推荐系统中的候选物品	机器学习	NA	NA	基于树的深度推荐模型	推荐数据	四个真实世界数据集	NA	Deep Tree-based Retriever (DTR)	推荐准确性、效率	NA
4	2026-04-04	A High-Efficiency and High-Accuracy Cellular Segmentation Scheme for Imperfect Cytoarchitecture Images 2026-May, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70110 PMID:41460794	研究论文	提出了一种针对不完美细胞结构图像的高效高精度细胞分割方案	结合图像增强与预训练的Cellpose算法，无需额外训练即可处理不完美细胞结构图像，显著提升分割精度	未提及方案在处理极端噪声或高度重叠细胞图像时的性能限制	开发一种高效且准确的细胞分割方法，以支持细胞形态学分析和疾病诊断	不完美的细胞结构图像，特别是小鼠脑部图像	数字病理学	NA	图像增强，深度学习分割	Cellpose	图像	未明确指定样本数量，但涉及小鼠脑部图像	未明确指定，但基于Cellpose算法	Cellpose with Cyto3 pretrained weight module	IoU, ACC, MCC, Dice	NA
5	2026-04-04	Deep Learning Integration in Optical Microscopy: Advancements and Applications 2026-May, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70112 PMID:41486782	综述	本文综述了深度学习在光学显微镜中的集成应用，包括图像分类、分割和计算重建等关键领域	探讨了深度学习如何通过卷积神经网络、U-Net、残差网络和生成对抗网络等架构，提升光学显微镜的图像质量、定量分析能力，并降低对专业知识的依赖	需要大量标注数据集、面临动态样本变异性、模型可解释性不足以及潜在的数据偏差等挑战	研究深度学习在光学显微镜中的应用，以克服传统显微镜的光学像差、衍射极限分辨率、低信噪比和对比度差等问题	光学显微镜图像及其相关的生物医学研究数据	计算机视觉	NA	光学显微镜	CNN, U-Net, ResNet, GAN	图像	NA	NA	卷积神经网络, U-Net, 残差网络, 生成对抗网络	NA	NA
6	2026-04-04	Revisiting Out-of-Distribution Detection in Real-Time Object Detection: From Benchmark Pitfalls to a New Mitigation Paradigm 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3650695 PMID:41489965	研究论文	本文针对实时目标检测中的分布外检测问题，揭示了现有评估基准的缺陷，并提出了一种新的训练时缓解范式	揭示了广泛使用的OoD评估基准存在根本性缺陷（高达13%的标注错误），并提出了一种不依赖外部OoD检测器的新型训练时缓解范式，通过语义相似的合成OoD数据集微调检测器	未明确说明合成OoD数据集的构建细节和适用范围，且实验主要基于特定数据集（BDD-100K）	有效减少目标检测器中由分布外输入引起的幻觉错误	实时目标检测模型	计算机视觉	NA	NA	YOLO, Faster R-CNN, RT-DETR	图像	NA	NA	YOLO, Faster R-CNN, RT-DETR	幻觉错误减少率	NA
7	2026-04-04	Explainability-Based Optimized Deep Learning in Histopathological Diagnosis of Multiple Cancers and Development of Mobile Application 2026-May, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70115 PMID:41511077	研究论文	本文提出了一种名为C2RN2GC2A的新型深度学习模型，结合了元启发式优化算法和可解释性AI技术，旨在提高多癌症组织病理学图像分类的效率和准确性	提出了一种结合残差学习和优化高斯扰动的深度学习模型C2RN2GC2A，并引入了基于军事战术的元启发式优化算法2GC2A进行特征选择和参数调优，同时采用LDLRP技术增强模型的可解释性	未明确说明模型在其他数据集上的泛化能力，且假阳性和假阴性数量在部分数据集上较高	提高多癌症组织病理学图像分类的准确性、效率和临床可解释性	组织病理学图像	数字病理学	多癌症	深度学习	CNN	图像	LC25000和BreakHis数据集	NA	Complementary Residual Retentive Network (C2RN2GC2A)	准确率, 训练损失, 验证损失, 假阳性数, 假阴性数	NA
8	2026-04-04	Learn to Enhance Sparse Spike Streams 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3653768 PMID:41528913	研究论文	本文提出首个深度学习框架SS2DS，用于将稀疏的脉冲流增强为密集脉冲流，以解决脉冲相机在低光照高速场景下的性能下降问题	首次提出深度学习框架直接增强稀疏脉冲流，通过估计并增强脉冲发放频率来调整脉冲的时间分布	NA	解决脉冲相机在低光照高速场景下因脉冲稀疏导致现有方法失效的问题	脉冲相机产生的稀疏脉冲流	计算机视觉	NA	脉冲相机成像	神经网络	脉冲流数据	构建了合成和真实稀疏脉冲流数据集	NA	NA	MA, BRISQUE, NIQE, PSNR, SSIM, LPIPS	NA
9	2026-04-04	Consistency-Aware Spot-Guided Transformer for Accurate and Versatile Point Cloud Registration 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3653989 PMID:41533614	研究论文	本文提出了一种用于点云配准的一致性感知点引导Transformer模型，旨在通过改进粗匹配过程实现更准确、高效和鲁棒的配准	设计了两种稀疏注意力机制：一致性感知自注意力，通过全局一致对应点传播几何一致性；点引导交叉注意力，利用局部一致性动态限制注意力范围，从而显著提升粗匹配的几何一致性和效率	未在摘要中明确说明	开发一种准确、高效且通用的点云配准方法，适用于大规模实时应用	室外LiDAR数据集和室内RGB-D相机数据集中的点云	计算机视觉	NA	NA	Transformer	点云	NA	NA	一致性感知点引导Transformer (CAST)	准确性、效率、鲁棒性、泛化能力	NA
10	2026-04-04	Single-Photon Imaging in Complex Scenarios via Physics-Informed Deep Neural Networks 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3654264 PMID:41538339	研究论文	本文提出了一种基于物理信息深度神经网络（PIDNN）的单光子成像框架，用于在复杂场景中实现高效的三维结构重建	通过将成像物理嵌入深度神经网络进行无监督学习，并引入多尺度时空先验和体积渲染的双分支结构，有效解决了复杂场景中低信噪比、多深度和雾遮挡等问题	未明确说明计算资源需求或实时性能限制，且实验验证可能受限于特定传感器和环境条件	开发一种适应复杂多变传感环境的单光子成像方法，提高光子利用效率和重建质量	复杂场景中的单光子成像数据，包括多返回、多深度和雾干扰情况	计算机视觉	NA	单光子成像	深度神经网络	三维成像数据	NA	NA	U-Net	均方根误差	NA
11	2026-04-04	Deep Learning-based Automated Coronary Plaque Quantification: First Demonstration With Ultra-high Resolution Photon-counting Detector CT at Different Temporal Resolutions 2026-May-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001233 PMID:40843653	研究论文	本研究评估了一种基于深度学习的自动化冠状动脉斑块量化工具在超高分辨率光子计数探测器CT冠状动脉造影中的可行性和可重复性，并探讨了时间分辨率对斑块量化的影响	首次在超高分辨率光子计数探测器CT冠状动脉造影中应用基于深度学习的全自动冠状动脉分割和斑块量化算法，并比较了不同时间分辨率（66毫秒与125毫秒）对量化结果的影响	研究为单中心回顾性设计，样本量较小（45例患者），且仅评估了特定CT扫描仪和重建模式	评估基于深度学习的自动化冠状动脉斑块量化工具在超高分辨率CT数据中的技术稳健性和可重复性，并分析时间分辨率对量化结果的影响	接受临床指征的超高分辨率光子计数探测器CT冠状动脉造影的45例患者	数字病理学	心血管疾病	超高分辨率光子计数探测器CT冠状动脉造影，双源和模拟单源重建模式	深度学习	CT图像	45例患者，共135支冠状动脉（其中119支显示动脉粥样硬化斑块）	NA	NA	斑块体积量化，直径狭窄程度，统计显著性（P值）	NA
12	2026-04-04	Multimodal CT Perfusion-Based Deep Learning for Predicting Stroke Lesion Outcomes in Complete and No Recanalization Scenarios 2026-Apr-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9016 PMID:40973461	研究论文	本文开发了一种基于多模态CT灌注的深度学习模型，用于预测急性缺血性卒中在完全再通和无再通情况下的最终梗死病灶结果	开发了专门针对成功再灌注（预测梗死核心）和失败再灌注（预测核心-半暗带联合区域）的深度学习模型，相比传统基于阈值的方法，提供了更准确的病灶结果预测	样本量相对有限（CR组n=350，NR组n=138），且仅基于CT灌注参数图进行预测，未整合其他影像模态或临床变量	预测急性缺血性卒中的最终病灶位置和体积，以改善临床管理和治疗决策	急性缺血性卒中患者，分为完全再通组（CR）和无再通组（NR）	医学影像分析	急性缺血性卒中	CT灌注成像	深度学习	CT灌注参数图，随访DWI影像	完全再通组350例，无再通组138例，总计488例	nnU-Net	3D nnU-Net	Dice系数	NA
13	2026-04-04	Multicenter Histology Image Integration and Multiscale Deep Learning Support Machine Learning-Enabled Pediatric Sarcoma Classification 2026-Apr-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-2275 PMID:41481196	研究论文	本研究开发了一个基于深度学习的计算流程，利用数字组织病理学切片对儿科肉瘤亚型进行准确分类	采用多中心数据集并进行图像协调以减少中心特异性伪影，系统评估了多种CNN和ViT架构作为特征提取器，并引入多尺度特征提升分类精度，基于SAMPLER的WSI表示方法使训练速度比传统Transformer编码器快三个数量级	未提及	开发一个计算流程以准确分类儿科肉瘤亚型，克服其罕见性和亚型多样性带来的诊断挑战	儿科肉瘤（包括横纹肌肉瘤、非横纹肌肉瘤软组织肉瘤、尤文肉瘤等亚型）	数字病理学	儿科肉瘤	组织病理学成像	CNN, ViT	图像（全切片图像）	867张来自三个医疗中心和儿童肿瘤组的全切片图像	未提及	UNI, CONCH	AUC	未使用图形处理单元（GPU）
14	2026-04-04	Reconstruction of blood flow velocity with deep learning information fusion from spectral ct projections and vessel geometry 2026-Apr, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2423883 PMID:39512150	研究论文	本文研究了一种基于深度学习信息融合的新方法，用于从对比增强X射线投影和血管几何结构中重建变形血管内的血流速度	提出了一种结合线性或非线性降维技术，将Radon投影与血管网格信息融合以重建血流速度场的新方法，并证明其在非稳态血流重建中优于简单的PCA-net	NA	开发一种深度学习重建方法，用于从X射线投影和血管几何中准确估计血流速度	变形血管内的血流速度场	计算机视觉	心血管疾病	对比增强X射线投影	深度学习神经网络	图像投影数据、血管网格几何数据	NA	NA	多种神经网络架构	NA	NA
15	2026-04-04	Deep Learning Model for Histologic Diagnosis of Dysplastic Barrett's Esophagus: Multisite Cohort External Validation 2026-Apr-01, The American journal of gastroenterology DOI:10.14309/ajg.0000000000003495 PMID:40267276	研究论文	本研究通过外部验证一个深度学习模型，用于在组织切片图像上诊断巴雷特食管发育不良的等级	在多个外部学术中心对先前交叉验证的深度学习模型进行外部验证，并使用循环生成对抗网络进行染色标准化，结合YOLO模型和ResNet101分类器的集成方法	研究样本主要来自男性患者（84.7%），可能影响模型在女性人群中的泛化能力；未提及模型在社区病理学家实际工作环境中的表现	改善巴雷特食管发育不良的诊断准确性，减少观察者间变异和过度诊断	巴雷特食管患者的组织切片图像，包括非发育不良、低级别发育不良和高级别发育不良	数字病理学	巴雷特食管	组织切片数字化，染色标准化	深度学习	全切片图像	489张全切片图像（232例非发育不良，117例低级别发育不良，140例高级别发育不良）	NA	YOLO, ResNet101	灵敏度，特异度，F1分数	NA
16	2026-04-04	Structure-Preserving Two-Stage Diffusion Model for CBCT Metal Artifact Reduction 2026-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3628764 PMID:41187053	研究论文	本文提出了一种用于CBCT金属伪影减少的两阶段扩散模型，强调结构保持和领域泛化	提出了一种两阶段扩散框架，第一阶段训练结构感知扩散模型从含伪影图像中提取干净边缘图，第二阶段利用边缘图作为结构先验指导伪影减少过程，并引入了分割引导采样策略以在推理过程中增强结构保持	未明确说明模型在极端金属植入物情况下的性能，也未讨论计算成本和时间效率	减少锥束计算机断层扫描（CBCT）中金属植入物引起的伪影，同时更好地保留解剖结构	牙科临床应用中的CBCT图像	计算机视觉	牙科疾病	扩散模型	扩散模型	图像	NA	NA	两阶段扩散框架	伪影减少效果、牙科结构保持效果	NA
17	2026-04-04	Efficient Large-Deformation Medical Image Registration via Recurrent Dynamic Correlation 2026-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3630584 PMID:41201925	研究论文	提出一种基于循环动态相关性的高效大变形医学图像配准框架	提出循环相关框架，通过动态重定位匹配区域以高效处理大变形，并采用轻量级循环更新模块和解耦特征表示	NA	解决医学图像配准中高效处理大变形的问题	脑部MRI和腹部CT图像	医学图像处理	NA	深度学习	卷积网络	医学图像（MRI, CT）	NA	NA	循环相关框架	精度, 计算量（FLOPs）, 运行速度	NA
18	2026-04-04	FunOTTA: On-the-Fly Adaptation on Cross-Domain Fundus Image via Stable Test-Time Training 2026-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3631049 PMID:41212692	研究论文	提出一种名为FunOTTA的眼底图像测试时自适应框架，用于解决跨域眼底图像诊断中的域偏移问题	通过动态记忆库去歧义化减少先验知识偏差，并引入基于可靠类别条件估计与一致性正则化的增量式分类器自适应目标	仅在两种疾病的跨域眼底图像基准上验证，未涵盖更广泛的眼科疾病类型	提升深度学习模型在跨域眼底图像诊断中的泛化能力	眼底图像	计算机视觉	眼科疾病	深度学习	CNN	图像	NA	PyTorch	多种骨干网络（具体未指定）	NA	NA
19	2026-04-04	Deep learning-based image reconstruction significantly improves image quality of MRI examinations of the orbit at 3 Tesla 2026-Apr, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2025.11.003 PMID:41276422	研究论文	本研究评估了基于深度学习的图像重建（DLBIR）在3特斯拉轨道磁共振成像（MRI）中改善图像质量的效果	首次在3特斯拉轨道MRI中系统评估DLBIR技术对图像质量的提升效果，并验证其在保持临床相关信息不丢失的同时显著改善图像质量	样本量相对较小（71名患者），且仅评估了特定MRI序列（冠状T2加权和对比后脂肪饱和T1加权图像），未涵盖所有可能的MRI序列或场强	评估DLBIR技术在轨道MRI中改善图像质量的效益	71名接受3特斯拉轨道MRI检查的患者（48名女性，23名男性，平均年龄52±19.5岁）	医学影像分析	轨道疾病	磁共振成像（MRI），基于深度学习的图像重建（DLBIR）	深度学习模型	磁共振图像	71名患者，包括70名患者的冠状T2加权MR图像和25名患者的对比后脂肪饱和冠状T1加权MR图像	NA	NA	信噪比（SNR），对比噪声比（CNR），图像质量评分（5点Likert量表），异常检测率	NA
20	2026-04-04	Self-Paced Learning for Images of Antinuclear Antibodies 2026-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3637237 PMID:41296939	研究论文	本文提出了一种用于抗核抗体（ANA）图像检测的新型自步学习框架，以解决多实例多标签学习任务中的复杂性问题	提出了一种受人工标注逻辑启发的框架，无需手动预处理即可处理原始显微镜图像，通过实例采样器、概率伪标签分发器和自步学习权重系数三个组件实现端到端优化	未明确说明模型在更大规模或更多样化临床数据集上的泛化能力，以及计算效率的具体分析	开发自动化ANA检测方法以辅助自身免疫性疾病诊断	抗核抗体（ANA）荧光图像	计算机视觉	自身免疫性疾病（如狼疮、干燥综合征、硬皮病）	荧光显微镜成像	深度学习框架	图像	一个ANA数据集和三个公共医学MIML基准数据集（具体数量未说明）	未明确说明	未明确说明具体架构	F1-Macro, mAP, Hamming loss, one-error	NA