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	2026-10-26	Single domain generalized polyp detection in colonoscopy scene utilizing vision foundation models 2027-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104268 PMID:42700677	研究论文	提出一种基于视觉基础模型的单域泛化息肉检测方法GPDT，并引入高效变体E-GPDT	在单域泛化设置下利用视觉基础模型和可学习令牌驱动的适配器机制进行息肉检测，并引入知识蒸馏的高效变体	仅在两个多中心基准上评估，边缘设备配置有限，未涉及更多临床场景	解决结肠镜息肉检测中的分布偏移问题，在仅有一个源域数据的情况下实现跨域泛化	结肠镜图像中的结直肠息肉	计算机视觉	结直肠癌	视觉基础模型微调	Transformer	图像	两个多中心息肉检测基准数据集PolypGen和REAL-Colon	NA	Generalizable Polyp Detection Transformer, 适配器机制, 知识蒸馏	检测精度, 推理速度	边缘设备配置
2	2026-10-26	SoftMorph: Differentiable probabilistic morphological operators for image analysis 2027-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104284 PMID:42691733	研究论文	提出SoftMorph框架，将二值形态学算子转换为可微概率形态学算子，并集成到深度学习中进行图像分割	利用真值表将二值形态学算子表示为概率算子的期望，并通过模糊逻辑近似为拟概率算子，保持原始二值算子的计算复杂度，实现可微且兼容梯度优化	未明确说明，可能限于二值形态学算子，需进一步验证泛化能力	解决形态学算子不可微的问题，使其能够集成到深度学习管道中	图像分析中的形态学算子及医学图像分割任务	计算机视觉	NA	NA	NA	图像	NA	PyTorch	NA	NA	NA
3	2026-10-26	Quantitative mapping from conventional MRI using self-supervised physics-guided deep learning: Applications to a large-scale, clinically heterogeneous dataset 2027-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104295 PMID:42731391	研究论文	本研究提出一种自监督物理引导深度学习框架，可直接从常规临床MRI推断定量T1、T2和质子密度图	将基于Bloch的信号模型直接整合进训练目标，实现自监督、物理引导的定量映射，无需专用采集协议	摘要未明确说明局限性	从广泛可用的临床常规MRI数据中推断定量MRI参数，以支持大规模生物标志物研究	临床常规T1加权、T2加权和FLAIR MRI扫描数据	医学影像分析	神经系统疾病	定量MRI、深度学习	深度学习	图像	4121次扫描会话用于训练和评估，超过600次测试会话	NA	NA	组间变异系数、Pearson相关系数、一致性相关系数、平均相对体素差异	NA
4	2026-10-26	Automatic segmentation and modeling of the aortic vessel tree: Overview of the SEG.A 2023 aorta segmentation challenge 2027-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104324 PMID:42762598	研究论文	本文介绍了SEG.A 2023主动脉血管树分割挑战赛，发布了大规模多机构公共数据集，并对比了自动分割算法，结果显示3D U-Net和模型集成策略效果最佳。	推出了大型、公共、多机构的主动脉血管树分割数据集，并建立了新的性能基准，为未来研究提供持久资源。	摘要中未明确提及。	推动从CTA图像中自动分析主动脉血管树的临床转化工具发展，通过挑战赛基准测试自动分割算法。	主动脉血管树（AVT）的CTA图像。	计算机视觉	心血管疾病	计算机断层扫描血管造影（CTA）	深度学习（3D U-Net）	图像	NA	NA	3D U-Net	NA	NA
5	2026-10-26	Multifrequency neural network-based wave inversion in MR elastography with uncertainty quantification 2027-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104317 PMID:42771942	研究论文	提出了一种多频神经网络波反演方法MF-ElastoNet，用于磁共振弹性成像，并利用证据深度学习量化不确定性	采用分层视觉Transformer在小块合成数据上训练，支持任意分辨率和振动频率，并首次使用证据深度学习进行不确定性量化，充分利用多频MRE数据	未明确提及	改进神经网络基MRE波反演，实现准确可靠的多频宽带组织表征	腹部MRE有限元模拟、体模、37名健康志愿者的肝脏、脾脏和肾脏	医学图像分析	NA	磁共振弹性成像	Transformer	图像	37名健康志愿者，以及模拟和体模数据	PyTorch	分层视觉Transformer	NA	NA
6	2026-10-26	FPGL: A meta-learned implicit neural representation framework for medical image segmentation 2027-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104316 PMID:42809994	研究论文	提出FPGL框架，通过元学习共享初始化将隐式神经表示适配于医学图像分割，支持一阶和二阶元学习以及从间接测量进行分割。	将隐式神经表示与元学习结合用于医学图像分割；支持一阶（Reptile）和二阶（MAML）元学习；提出从间接测量（如断层投影）进行分割的广义公式。	在CT数据集上性能显著下降，对空间错位敏感；当前优化设计尚未充分利用扫描中的所有细节。	将隐式神经表示适配于数据集级预测任务，实现医学图像分割。	脑部2D/3D MRI数据集和腹部2D CT数据集。	医学图像分割	NA	隐式神经表示、元学习、断层投影	隐式神经表示、元学习（Reptile、MAML）	图像（MRI、CT）、断层投影	NA	PyTorch	隐式神经表示、U-Net（基线）	NA	NA
7	2026-10-26	UPER: A Unified Polyhedral Representation for universal multi-dimensional diffusion MRI image modeling 2027-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104336 PMID:42854624	研究论文	本文提出了一种统一的用于多维扩散磁共振成像图像建模的框架UPER，通过多面体表示法结合自监督和监督学习，在单一端到端深度学习模型中编码复杂的空间、径向和角度信息。	首次提出将传统基于模型或信号的方法转化为多面体表示，并利用基于Transformer的掩码自编码器在统一框架中处理不同径向和角度空间以及多样的壳配置，实现了对超过10个壳、来自17个数据集的2800次扫描的多维dMRI数据的建模。	摘要中未明确提及研究的局限性，因此无法提供相关信息。	旨在解决医学计算机视觉中高维数据（如3D和4D成像）和有限训练样本带来的挑战，特别是针对扩散磁共振成像（dMRI）数据维度复杂、现有深度学习方法通常需要“个案设计”的问题，开发一个统一的模型来分析多样化的dMRI数据集。	多维扩散磁共振成像（dMRI）数据，包括来自17个数据集的2800次扫描，覆盖超过10个独特的壳。	医学计算机视觉，数字病理学（或医学影像分析）	NA	扩散磁共振成像（dMRI），深度学习	Transformer，掩码自编码器（Masked Autoencoder）	图像（3D和4D医学影像）	2800次扫描，来自17个数据集	PyTorch（基于代码库通常使用，但摘要未明确，故推测；实际未提及，输出PyTorch为常见选择，但严格应输出NA？摘要未明确框架，因此输出NA）	Transformer，掩码自编码器（Masked Autoencoder）	摘要中未明确列出具体评估指标，仅提及“在下游任务中取得优越性能”，因此输出NA。	摘要中未提及计算资源，输出NA。
8	2026-10-26	HyM2Surv: Hypergraph learning for cross-magnification and microbiome-attentive multimodal survival prediction 2027-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104343 PMID:42868931	研究论文	提出基于超图学习的多放大倍数和微生物组注意力多模态生存预测框架HyMSurv	首次利用肿瘤内微生物组信息，通过超图学习捕获跨放大倍数病理交互并构建以微生物组为中心的跨模态连接，缓解模态不平衡	未明确提及	改进癌症预后评估中的多模态生存预测，整合病理图像多放大倍数信息和肿瘤内微生物组数据	癌症患者的多模态数据（全切片图像和微生物组数据）	数字病理学	癌症（泛癌种）	全切片图像分析，微生物组测序	超图学习	图像，微生物组数据	四个TCGA数据集（具体样本量未提及）	PyTorch	超图神经网络	C-index	NA
9	2026-10-26	HistoDiffusion++: A generative visual foundation model for histopathology 2027-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104328 PMID:42868929	研究论文	本文提出了一种用于组织病理学的多倍率生成式视觉基础模型HistoDiffusion++，并在合成数据增强和图像到图像翻译任务上进行了评估	在大规模多倍率组织病理数据集上预训练生成式基础模型，结合预训练判别式基础模型进行表示对齐正则化，提升训练效率和合成质量	未明确讨论模型在数据稀缺条件下的具体表现限制，且未提及计算资源细节	开发组织病理学领域的生成式视觉基础模型，解决数据稀缺条件下图像生成任务探索不足的问题	组织病理学全切片图像（WSI）	数字病理学	多种癌症（33种癌症类型，涉及12个器官/器官系统）	NA	扩散模型	图像	7.4百万个图像块，来自38,373张全切片图像	NA	扩散模型，结合预训练判别式基础模型	分类性能、细胞核分割性能、虚拟染色和伪影修复效果（具体指标未列出）	NA
10	2026-10-26	Mind the Gap: A survey of chronic wound datasets, methods, and clinical translation 2027-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104344 PMID:42868930	综述	系统分析慢性伤口数据集、深度学习方法和移动伤口评估应用之间的关系，揭示数据集、算法与临床应用之间的不匹配	首次系统性地将慢性伤口数据集、深度学习方法和移动应用进行对齐分析，揭示了现有数据集与临床应用需求之间的关键差距，并提出了可操作的建议	作为综述文章，未进行原始实验验证；分析基于已发表文献和公开信息，可能未涵盖所有相关数据集和应用	分析慢性伤口数据集、深度学习方法和移动伤口评估应用之间的关系，识别方法学挑战，并提出开发临床可转化计算机视觉系统的建议	20个慢性伤口数据集（14个公开/部分公开，6个私有）、50种深度学习方法、13个移动应用（商业部署的临床工具和研究原型）	计算机视觉	慢性伤口（糖尿病足溃疡、静脉性溃疡、动脉性溃疡、压力性溃疡）	医学图像分析、深度学习	编码器-解码器架构、自监督学习	图像	20个数据集、50种方法、13个移动应用	NA	编码器-解码器架构、自监督学习	NA	NA
11	2026-10-26	CoilDrop-MRI: Self-supervised physics-guided MRI reconstruction with coil dropout 2027-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104337 PMID:42874157	研究论文	提出一种名为CoilDrop-MRI的自监督物理引导MRI重建方法，通过在接收线圈维度进行dropout来构建输入-目标对，并集成到图像域SENSE和k空间SPIRiT展开架构中，扩展到多激发相位校正扩散MRI重建	首次在自监督MRI重建中利用线圈维度进行数据划分，而非仅局限于k空间域；通过线圈dropout强制网络充分利用接收线圈间的信号相关性；方法可集成到SENSE和SPIRiT展开架构，并扩展到多激发扩散MRI重建	摘要中未明确提及	解决现有自监督MRI重建方法仅在同一k空间域内划分数据、未探索线圈维度的问题，提升自监督并行MRI重建的图像质量和泛化能力	多站点、多场强（0.3T、0.55T、3T）、多模态（T1加权、T2加权、T2-FLAIR、扩散MRI）的MRI数据集	医学图像重建	NA	MRI	展开式深度学习网络	k空间数据、MRI图像	NA	NA	SENSE、SPIRiT展开架构	图像质量（与最先进自监督方法和监督方法比较）	NA
12	2026-10-26	Quantitative Chemical Exchange Saturation Transfer Imaging With Golden-Angle Radial k-Space Sampling and Locally Low-Rank Reconstruction 2026-Dec, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70428 PMID:42906627	研究论文	本文提出一种基于黄金角径向k空间采样、局部低秩重建和神经网络定量的CEST-MRF方法，用于快速、运动鲁棒的3D定量化学交换饱和转移成像	采用径向k空间采样替代EPI读出以避免几何变形和信号丢失；结合局部低秩重建与神经网络定量；使用深度学习优化采集方案	仅在5名健康志愿者和1例中风患者中验证，样本量较小；扫描时间仍需11分钟；未与金标准病理对照	开发运动鲁棒、几何准确的CEST-MRF方法，在临床可行扫描时间内实现可重复的3D定量脑部CEST成像	健康志愿者和一名有远期大脑中动脉梗死病史的受试者	医学影像	脑卒中	化学交换饱和转移磁共振指纹成像（CEST-MRF）、径向k空间采样	神经网络	磁共振图像	5名健康志愿者和1名脑梗死患者	NA	NA	平均误差、变异系数（CV）、组内相关系数（ICC）	NA
13	2026-10-26	A one health visual analytics approach for syndromic surveillance 2026-Dec, One health (Amsterdam, Netherlands) DOI:10.1016/j.onehlt.2026.101561 PMID:42921055	研究论文	本文提出一个One Health可视化分析框架，整合异构监测信号与互补预测模型及交互式模型分析，用于传染病综合征监测	将异构One Health信号与互补建模策略及交互式模型溯源相结合，使预测与解释可在跨健康领域同时检验	各数据流的增量价值因物种和配置而异，个体数据流的贡献不一致	构建一个可泛化的One Health方法，实现透明、数据驱动的综合征监测，支持主动决策和公共卫生准备	流感、RSV、COVID-19病例与死亡、COVID-19住院病例，以及废水、动物健康和环境数据	公共卫生监测	流感, RSV, COVID-19	混合效应模型, Transformer深度学习	混合效应模型, Transformer	表格数据, 时间序列数据, 文本/临床报告, 环境数据	NA	NA	Transformer（含时空嵌入）, 混合效应模型	预测准确率	NA
14	2026-10-26	Multiple instance learning for differentiating neoplastic and non-neoplastic brain lesions using MR spectroscopy 2026-Dec, Neuroimage. Reports DOI:10.1016/j.ynirp.2026.100418 PMID:42927027	研究论文	该文评估磁共振波谱（MRS）结合多实例学习（MIL）通过分析完整光谱模式而非孤立代谢物峰值比来区分肿瘤性与非肿瘤性脑病变	将完整光谱视为代谢指纹并通过深度学习捕获，将MRS分类建模为MIL问题以处理患者级弱监督和可变包大小，并采用注意力机制实现光谱决策的可视化与可解释性	回顾性研究设计，仅使用独立内部留出测试集进行验证，缺乏外部验证，注意力机制提示的候选生物标志物仍需未来验证	评估MRS结合MIL能否通过分析完整光谱模式区分肿瘤性与非肿瘤性脑病变，并验证其是否优于传统单峰分析	422名患者的MRS数据（共7442条光谱），其中6598条用于训练，844条用于独立内部留出测试集	医学影像分析	脑肿瘤与脑病变	磁共振波谱（MRS）	CNN，注意力机制	光谱数据	422名患者，共7442条光谱（6598条训练，844条测试）	NA	卷积神经网络（CNN）结合3Pool聚合与注意力池化聚合	AUC，敏感度，特异度	NA
15	2026-10-26	Habitat informed 3D deep learning predicts immunochemotherapy response in esophageal squamous cell carcinoma 2026-Nov-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.117782 PMID:42920785	研究论文	该研究开发了一个整合肿瘤栖息地分析的三通道3D深度学习框架，用于预测局部晚期食管鳞状细胞癌的免疫化疗反应	将肿瘤栖息地分析（基于体素级聚类分割肿瘤亚区域）与3D深度学习（ResNet-50）相结合，构建三通道输入框架（栖息地映射图、裁剪肿瘤图像、ROI掩膜），并利用SHAP分析识别关键纹理特征	研究为回顾性多中心设计，样本量有限（277例），与栖息地放射组学的AUC差异未达统计学显著性（DeLong检验p=0.343），需进一步前瞻性验证	预测局部晚期食管鳞状细胞癌患者对免疫化疗的个体化反应	接受免疫化疗的局部晚期食管鳞状细胞癌患者	数字病理学	食管鳞状细胞癌	CT影像分析、体素级聚类、深度学习	CNN	图像	277例患者（多中心回顾性研究）	NA	ResNet-50	AUC	NA
16	2026-10-26	DPLG-MFP: Enhanced prediction of multi-functional therapeutic peptides via dual-path learning of label sequences and label graphs 2026-Nov-12, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.154704 PMID:42854658	研究论文	提出DPLG-MFP深度学习框架，通过双路径学习标签序列和标签图来增强多功能治疗肽的预测	结合多尺度序列特征提取和循环拆分注意力编码捕捉局部基序和长程上下文依赖，引入双路径标签-序列交互机制建模功能标签相关性及其与肽序列的关联，采用联合优化策略缓解类别不平衡并增强序列表示与标签语义的一致性	仅在MFTP基准数据集上评估，未在其他独立数据集上验证泛化能力；未明确说明计算资源需求；模型预测的生物学解释仍需进一步实验验证	准确预测多功能治疗肽的功能，理解其生物活性并促进基于肽的治疗药物设计	多功能治疗肽（多标签肽序列）	机器学习	NA	深度学习	CNN, 注意力机制, 循环神经网络	序列	MFTP基准数据集（具体样本数未在摘要中说明）	PyTorch	多尺度序列特征提取模块, 循环拆分注意力编码器, 双路径标签-序列交互机制	五个报告指标（具体指标未在摘要中说明）	NA
17	2026-10-26	Deep Learning for Cardiac Wall Motion Analysis: A Review of Methods, Challenges, and Clinical Applications 2026-Nov, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-026-04147-0 PMID:42053766	综述	综述深度学习在心脏壁运动分析中的方法、挑战与临床应用	系统总结CNN、RNN和Transformer在超声心动图、4D CT和电影MRI中心脏壁运动分析的应用，并讨论数据稀缺、可解释性和外部验证等挑战	数据稀缺、模型可解释性有限、缺乏外部验证	综述预测心脏壁运动的最新方法，重点介绍深度学习在超声心动图、4D CT和电影MRI数据集中的应用	心脏壁运动、心血管风险预测	医学影像分析	心血管疾病	超声心动图、磁共振成像、计算机断层扫描	CNN、RNN、Transformer	图像	NA	NA	卷积神经网络、循环神经网络、Transformer	NA	NA
18	2026-10-26	Early Intraretinal Fluid Reduction is Linked to Vision Gains in Patients with Diabetic Macular Edema 2026-Nov, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-026-01504-z PMID:42771326	研究论文	该研究通过汇总YOSEMITE/RHINE试验数据，分析糖尿病黄斑水肿患者早期视网膜内液体积减少与长期视力改善之间的关系	采用深度学习视网膜OCT分割算法ROSA量化视网膜内液体积变化，并首次按3个月时IRF体积减少比例分组评估长期视觉结局	为事后分析，非预设研究终点，可能存在混杂因素；仅基于两项临床试验的汇总数据，结论需进一步前瞻性验证	评估早期视网膜内液体积减少对糖尿病黄斑水肿患者长期视觉结局的影响	糖尿病黄斑水肿患者	数字病理学	糖尿病黄斑水肿	OCT成像、深度学习图像分割	深度学习分割算法	图像	795只眼（来自795例患者）	NA	ROSA（视网膜OCT分割算法）	最佳矫正视力（BCVA）变化、IRF体积变化、视网膜下液体积变化、≥15个字母增益比例	NA
19	2026-10-26	Dosimetric and therapeutic effectiveness of high-dose-rate radionuclide sources in breast cancer brachytherapy: A systematic review 2026 Nov-Dec, Brachytherapy IF:1.7Q3 DOI:10.1016/j.brachy.2026.07.172 PMID:42744691	系统综述	系统评价和比较了高剂量率近距离放射治疗乳腺癌中常用放射性核素源（¹⁹²Ir、⁶⁰Co、¹⁶⁹Yb）的剂量学特性和治疗有效性	全面比较了三种常用HDR放射性核素源（¹⁹²Ir、⁶⁰Co、¹⁶⁹Yb）的剂量学参数和临床疗效，并纳入了深度学习剂量预测和基于模型的剂量计算等新兴剂量学创新	¹⁶⁹Yb的临床证据仅限于剂量学和Monte Carlo研究，缺乏临床验证；⁶⁰Co的临床证据有限；需要更多前瞻性临床研究来确立长期临床结局	评估和比较乳腺癌近距离放射治疗中常用HDR放射性核素源的剂量学特性和治疗有效性	乳腺癌近距离放射治疗中使用的HDR放射性核素源（¹⁹²Ir、⁶⁰Co、¹⁶⁹Yb）	放射治疗	乳腺癌	高剂量率近距离放射治疗、Monte Carlo模拟、深度学习剂量预测、基于模型的剂量计算算法	深度学习模型	文本、剂量学数据、临床数据	16项研究（包括随机III期试验、30年II期结果、回顾性队列分析和Monte Carlo模拟）	NA	NA	剂量率常数、剂量梯度、组织穿透深度、局部控制率、靶区覆盖率、毒性、美容效果	NA
20	2026-10-26	Deep learning for gamma map prediction in breast IMRT verification 2026-Nov, Medical physics IF:3.2Q1 DOI:10.1002/mp.70717 PMID:42922087	研究论文	开发并评估一个多模态深度学习框架，利用门静脉剂量图像、多叶准直器调制图和计划复杂性指标预测乳腺IMRT验证中的二维伽马图	首次将多模态深度学习用于乳腺IMRT中伽马图的空间预测，超越传统的全局伽马通过率标量指标，提供具有空间分辨率的失败区域预测，并采用专用编码器和中间特征融合的U-Net架构	回顾性单中心数据集，仅针对乳腺IMRT，需外部验证；模型预测的伽马图空间一致性在低通过率区域仍有提升空间	开发并评估一种多模态深度学习框架，用于乳腺调强放射治疗验证中二维伽马图的预测，以提供更具信息性和可解释性的患者特异性质量保证结果	644名接受IMRT治疗的乳腺癌患者的4707个门静脉剂量测量野	医学影像分析	乳腺癌	门静脉剂量测量、多叶准直器调制图、计划复杂性指标、伽马分析	U-Net	图像及数值指标	4707个门静脉剂量测量野（来自644名乳腺癌患者）	NA	U-Net编码器-解码器架构（含多模态专用编码器和中间特征融合）	AUC、平衡准确率、GPR在±3%和±5%内的一致性、分类图级空间一致性	NA