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	2026-02-21	A Deep-Learning Approach for Vocal Fold Pose Estimation in Videoendoscopy 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01431-8 PMID:39939476	研究论文	本研究提出了一种基于深度学习的声带姿态估计框架，用于从临床喉镜视频中估计声带姿态并计算前声门角	提出了一种基于热图回归的深度学习框架，利用三个解剖相关关键点作为先验进行前声门角计算，克服了现有方法在病理图像、噪声和遮挡情况下的局限性	研究仅基于471帧喉镜图像，样本量相对有限，且未详细讨论模型在不同疾病类型间的泛化能力	开发一种自动、准确的声带姿态估计方法，以辅助喉部疾病的诊断	声带姿态估计和前声门角计算	计算机视觉	喉部疾病	视频喉镜检查	深度学习	图像	471帧喉镜图像，来自124名患者（其中28名为癌症患者）	NA	NA	均方根误差, 平均绝对误差	NA
2	2026-02-21	New Machine Learning Method for Medical Image and Microarray Data Analysis for Heart Disease Classification 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01492-9 PMID:40169470	研究论文	本文提出了一种名为DeepGeneNet的新框架，结合深度神经网络和特征选择技术，用于优化基因选择并提高心脏病分类的准确性	提出DeepGeneNet框架，将基因选择与基于DNN的分类统一，并集成超参数优化和U-Net分割技术以增强性能	未明确提及具体的数据集限制或模型泛化能力评估	优化基因选择并提高心脏病分类的准确性	微阵列数据中的基因表达	机器学习	心血管疾病	微阵列技术	DNN	微阵列数据	NA	NA	U-Net	分类准确率	NA
3	2026-02-21	Prediction of Future Risk of Moderate to Severe Kidney Function Loss Using a Deep Learning Model-Enabled Chest Radiography 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01489-4 PMID:40175823	研究论文	本研究开发并验证了一种利用原始胸部X光片数据预测未来中重度肾功能下降风险的深度学习模型	首次利用胸部X光片这一常规影像学检查来预测慢性肾脏病的进展风险，为早期干预提供了新的潜在工具	研究为回顾性设计，且模型性能在外部验证集中有所下降，需要前瞻性研究进一步验证	评估深度学习模型利用胸部X光片预测慢性肾脏病中重度肾功能下降风险的有效性	79,219名估计肾小球滤过率在65至120之间的患者	数字病理学	慢性肾脏病	胸部X光检查	深度学习模型	图像	79,219名患者，分为开发集（37,983）、调优集（15,346）、内部验证集（14,113）和外部验证集（11,777）	NA	NA	一致性指数	NA
4	2026-02-21	Advancing Visual Perception Through VCANet-Crossover Osprey Algorithm: Integrating Visual Technologies 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01467-w PMID:40180632	研究论文	本研究提出了一种用于糖尿病视网膜病变（DR）微病变识别的视觉核心适应网络交叉鱼鹰算法（VCANet-COP），旨在提高检测精度和计算效率	提出VCANet-COP模型，该模型不仅模拟人类视觉系统的初级视觉皮层（V1），还整合了V2、V4和颞下（IT）区域的高阶处理功能，并引入基于鱼鹰优化算法（OOA）的交叉策略来优化超参数和网络配置	未明确提及模型在更广泛或不同质量视网膜图像上的泛化能力，也未讨论临床部署中的实际集成挑战	开发一种准确、高效且计算复杂度低的自动化糖尿病视网膜病变筛查方法	糖尿病视网膜病变（DR）的微病变	计算机视觉	糖尿病视网膜病变	深度学习，稀疏自编码器（SAEs），优化算法	深度学习网络，优化算法	视网膜眼底图像	使用了多个公共数据集（DR-Data, STARE, IDRiD, DRIVE, RFMID），但未提供具体总样本数	NA	VCANet-COP（包含模拟V1、V2、V4、IT区域的前端网络），稀疏自编码器（SAEs）	准确率，灵敏度，特异性，精确率，F1分数，Kappa系数，假阳性率，假阴性率，执行时间	NA
5	2026-02-21	Enhancing Burn Diagnosis through SE-ResNet18 and Confidence Filtering 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01495-6 PMID:40199834	研究论文	本文提出了一种基于深度学习的方法，通过增强的ResNet18架构结合注意力机制，用于烧伤严重程度的准确分类，并引入置信度过滤和后处理模块以提高诊断可靠性	采用集成注意力机制的增强ResNet18架构，结合自适应学习率策略（余弦退火与类别特定梯度适应）、改进的Adam优化器，以及包含置信度过滤和选择性评估的后处理模块	NA	提高烧伤严重程度分类的准确性和实时性能，以支持临床治疗决策	烧伤皮肤图像	计算机视觉	烧伤	深度学习	CNN	图像	NA	NA	SE-ResNet18	准确率, 平均精度均值(mAP)	NA
6	2026-02-21	Development and Validation of an Early Recurrence Prediction Model for High-Grade Glioma Integrating Temporalis Muscle and Tumor Features: Exploring the Prognostic Value of Temporalis Muscle 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01491-w PMID:40205255	研究论文	本研究开发并验证了一个整合颞肌和肿瘤特征的高级别胶质瘤早期复发预测模型，探讨了颞肌指标的预后价值	首次将术前和术后颞肌指标（面积和厚度）与3D肿瘤影像组学特征相结合，构建了优于仅基于肿瘤特征的预测模型，并通过SHAP分析揭示了颞肌指标对早期复发预测的重要贡献	样本量相对较小（71例患者），且数据来源于单一机构和一个公共数据集，需要更大规模的多中心研究进行验证	开发并验证高级别胶质瘤（HGG）在180天内早期复发的预测模型，评估颞肌指标的预后价值	71例经分子确认的高级胶质瘤患者	数字病理学	脑肿瘤/高级别胶质瘤	深度学习分割，影像组学特征提取	HistGradientBoosting	MRI影像	71例高级别胶质瘤患者（来自本地数据和TCIA RHUH-GBM数据集）	NA	TM_Tumor_HistGradientBoosting	准确率，召回率，F1分数	NA
7	2026-02-21	Domain Shift Analysis in Chest Radiographs Classification in a Veterans Healthcare Administration Population 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01494-7 PMID:40216674	研究论文	本研究评估了领域偏移对胸部X光片分类准确性的影响，并分析了真实标签质量及年龄、性别、检查年份等人口统计学因素的影响	在退伍军人医疗管理人群的胸部X光数据集上系统分析了领域偏移效应，特别关注了检查时间性对模型性能的影响，并比较了不同NLP标签提取工具的性能差异	研究主要针对特定医疗系统（退伍军人医疗管理）的数据，结果可能无法直接推广到其他医疗环境；仅使用了DenseNet121单一模型架构	评估领域偏移对胸部X光片多标签分类任务的影响，并分析标签质量和人口统计学因素对模型性能的作用	胸部X光片图像及其对应的放射学报告	数字病理学	肺部疾病	深度学习，自然语言处理（NLP）标签提取	CNN	医学影像（X光片），文本（放射学报告）	MIMIC-CXR数据集和退伍军人医疗管理胸部X光数据集（VA-CXR）	NA	DenseNet121	AUC（曲线下面积），标签不一致率	NA
8	2026-02-21	A Novel Ensemble Learning Approach for Grouping the State-of-the-Art YOLOV10 and YOLOV11 Models for Kidney Stone Detection in CT and Ultrasound Images 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01499-2 PMID:40234345	研究论文	本文提出了一种结合YOLOV10和YOLOV11模型的集成学习方法，用于在CT和超声图像中检测肾结石	提出了一种新颖的集成框架，结合了最新的YOLOV10和YOLOV11模型，以最小化假阴性和假阳性错误，从而提升个体模型的性能	NA	提高肾结石在医学图像中的检测准确性和精确性	肾结石	计算机视觉	肾结石	CT成像, 超声成像	YOLO	图像	NA	NA	YOLOV10, YOLOV11	精确率, 召回率, F1分数, Map50分数	NA
9	2025-04-26	Correction: Deep Learning-Based Estimation of Radiographic Position to Automatically Set Up the X-Ray Prime Factors 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01476-9 PMID:40274694	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10	2026-02-21	Advancing Pulmonary Embolism Detection with Integrated Deep Learning Architectures 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01506-6 PMID:40281216	研究论文	本研究提出了一种名为HybridNeXt的新型混合深度学习模型，用于从CT图像中检测肺栓塞，并通过深度特征工程方法进一步提升分类性能	提出了一种结合MobileNet、ResNet、ConvNeXt和Swin Transformer等多种先进CNN模块的混合架构HybridNeXt，并开发了基于多级离散小波变换的深度特征工程方法以提高分类准确率	NA	开发用于生物医学图像分类的深度学习模型，特别关注肺栓塞的检测	肺栓塞（PE）和对照组的CT图像	计算机视觉	肺栓塞	CT成像	CNN	图像	NA	NA	HybridNeXt（结合MobileNet、ResNet、ConvNeXt、Swin Transformer）	准确率	NA
11	2026-02-21	Low-Rank Fine-Tuning Meets Cross-modal Analysis: A Robust Framework for Age-Related Macular Degeneration Categorization 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01513-7 PMID:40301288	研究论文	本研究提出了一种创新的多模态深度学习框架，通过微调预训练的单模态视网膜模型，结合低秩适应技术和深度典型相关分析，用于年龄相关性黄斑变性的分类任务	引入低秩适应技术以减少多模态整合的计算复杂度，仅使用约0.49%的可训练参数即达到优于全微调的性能，并结合深度典型相关分析最大化跨模态特征相关性	NA	开发一个鲁棒的多模态深度学习框架，用于年龄相关性黄斑变性的分类	年龄相关性黄斑变性患者的彩色眼底摄影和光学相干断层扫描图像	计算机视觉	年龄相关性黄斑变性	彩色眼底摄影, 光学相干断层扫描	Vision Transformer	图像	NA	NA	Vision Transformer	F1分数, AUC-ROC, 准确率	NA
12	2026-02-21	Attention-Based Dual-Path Deep Learning for Blood Cell Image Classification Using ConvNeXt and Swin Transformer 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01479-6 PMID:40301289	研究论文	本文提出了一种结合ConvNeXt和Swin Transformer的双路径深度学习架构，用于血液细胞图像分类，以提高诊断准确性和效率	创新性地融合了卷积神经网络和Transformer的优势，通过双路径架构同时提取局部特征和全局上下文，并引入了多尺度预处理模块来增强图像质量	未明确提及模型在外部验证集或不同设备采集图像上的泛化能力，以及计算资源需求的具体分析	开发一种高精度的自动血液细胞分类方法，以辅助血液学疾病的诊断和监测	血液细胞图像	计算机视觉	血液疾病	图像增强技术（如局部对比度增强、全局光照归一化、形态学特征增强）	CNN, Transformer	图像	17,092张血液细胞图像	NA	ConvNeXt, Swin Transformer	准确率	NA
13	2026-02-21	Super-Resolution Deep Learning Reconstruction for T2*-Weighted Images: Improvement in Microbleed Lesion Detection and Image Quality 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01522-6 PMID:40301290	研究论文	本研究评估了超分辨率深度学习重建（SR-DLR）在脑部MRI中相比传统深度学习重建（DLR）对微出血病灶检测和图像质量的改善效果	首次将超分辨率深度学习重建（SR-DLR）应用于脑部T2*加权图像，以提升微出血检测性能和图像清晰度	研究为回顾性设计，样本量相对较小（69例患者），且仅基于特定MRI序列（T2*加权2D梯度回波和3D血流敏感黑血成像）	评估SR-DLR在脑部MRI中提升微出血检测和图像质量的有效性	脑部微出血病灶及T2*加权MRI图像	医学影像分析	脑血管疾病	脑磁共振成像（MRI），包括T2*加权2D梯度回波和3D血流敏感黑血成像	深度学习模型	医学影像（MRI图像）	69名患者（平均年龄66.2±13.8岁，44名女性）	NA	NA	jackknife替代自由响应接收器操作特性分析、Wilcoxon符号秩检验、配对t检验、半高全宽、边缘上升斜率	NA
14	2026-02-21	A Dirichlet Distribution-Based Complex Ensemble Approach for Breast Cancer Classification from Ultrasound Images with Transfer Learning and Multiphase Spaced Repetition Method 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01515-5 PMID:40301291	研究论文	本研究提出了一种基于狄利克雷分布的复杂集成学习方法，结合迁移学习和多阶段间隔重复法，用于从超声图像中进行乳腺癌分类	创新点包括将教育科学中的间隔重复法应用于人工智能以提升模型成功率和减少学习时间，以及使用基于狄利克雷分布的集成学习系统整合多个预训练模型	研究未明确讨论模型在外部验证集上的泛化能力或临床部署的可行性	开发一个高精度的深度学习模型，用于从超声图像中自动分类乳腺癌，以辅助早期检测和诊断	乳腺癌超声图像	计算机视觉	乳腺癌	超声成像	CNN, 集成学习	图像	使用Breast Ultrasound Images Dataset (BUSI)，具体样本数量未在摘要中明确说明	TensorFlow, PyTorch, Keras (具体框架未明确说明，但基于常见实践推断)	DenseNet201, InceptionV3, VGG16, ResNet152	验证准确率	NA
15	2026-02-21	Multimodal Masked Autoencoder Based on Adaptive Masking for Vitiligo Stage Classification 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01521-7 PMID:40301294	研究论文	本研究提出了一种基于自适应掩码的多模态掩码自编码器，用于白癜风分期分类	提出了一种基于自适应掩码的多模态掩码自编码器，通过构建图像重建任务减少对标注数据的依赖，并采用预训练策略缓解多模态数据稀缺问题	未明确提及具体的研究局限性	解决白癜风分期分类任务中多模态数据标注困难和数据稀缺的问题	白癜风皮肤图像（临床图像和伍德灯图像）	计算机视觉	白癜风	多模态图像分析	自编码器	图像	未标注皮肤图像数据集（具体数量未说明）	NA	Multi-MAE	准确率	NA
16	2026-02-21	Improved Image Quality of Virtual Monochromatic Images with Deep Learning Image Reconstruction Algorithm on Dual-Energy CT in Patients with Pancreatic Ductal Adenocarcinoma 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01514-6 PMID:40307592	研究论文	本研究评估了使用深度学习图像重建算法在双能CT上重建的虚拟单色图像质量，以诊断胰腺导管腺癌	首次在双能CT虚拟单色图像重建中应用深度学习图像重建算法，显著提升了低keV水平下的图像质量	研究为回顾性分析，样本量有限（50例患者），且仅针对胰腺导管腺癌	评估深度学习图像重建算法在双能CT虚拟单色图像重建中对图像质量的改善效果	经组织学确认的胰腺导管腺癌患者	医学影像	胰腺癌	双能CT	深度学习图像重建算法	CT图像	50例患者	NA	TFI-M	对比噪声比, 图像噪声, 软组织锐度, 血管对比度, 肿瘤显著性, 噪声功率谱分析	NA
17	2026-02-21	Deep Learning on Misaligned Dual-Energy Chest X-ray Images Using Paired Cycle-Consistent Generative Adversarial Networks 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01508-4 PMID:40325327	研究论文	本文提出了一种基于配对循环一致性生成对抗网络的框架，用于有效去除双能胸部X射线图像中的运动伪影和统计噪声	提出了一个结合集成判别器、可微增强、抗锯齿卷积层和基础8层U-Net生成器的配对循环一致性生成对抗网络框架，专门用于处理双能胸部X射线图像的对齐和降噪问题	研究仅使用了600次检查的临床数据集，样本量相对有限，且未在更广泛的外部数据集上进行验证	开发一种能够有效去除双能胸部X射线图像中运动伪影和统计噪声的深度学习方法	双能减影胸部X射线图像	计算机视觉	NA	双能减影胸部X射线成像	GAN, U-Net	图像	600次检查的临床图像数据集	NA	U-Net	10%最大值的全宽分析、峰值信噪比、结构相似性指数、Fréchet起始距离	NA
18	2026-02-21	A Deep Learning-Based Framework for Automatic Determination of Developmental Dysplasia of the Hip from Graf Angles 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01518-2 PMID:40325325	研究论文	本文提出了一种基于深度学习的框架，用于从超声图像中自动确定发育性髋关节发育不良的Graf角度	结合DeepLabv3+、形态学操作和局部极大值方法，自动化Graf角度测量，减少操作者依赖性	未明确说明样本量或外部验证结果，可能受限于特定数据集	开发自动化框架以诊断新生儿发育性髋关节发育不良	新生儿髋关节超声图像	计算机视觉	发育性髋关节发育不良	超声成像	CNN	图像	NA	TensorFlow, Keras	DeepLabv3+, ResNet50, InceptionResNetV2, MobilenetV2, Xception	准确率, IoU, PSNR, F-score, SSIM, Cohen's kappa, 组内相关系数, Bland-Altman分析	NA
19	2026-02-21	A Deep Learning Approach for Mandibular Condyle Segmentation on Ultrasonography 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01527-1 PMID:40329156	研究论文	本研究开发并评估了一种基于深度学习的计算机诊断软件，用于超声图像中下颌髁突的分割	首次将YOLOv8深度学习AI模型应用于超声图像中下颌髁突的自动分割，实现了高精度的分割性能	研究仅基于回顾性数据，样本量有限（668张图像），且未在外部验证集上进行测试	开发并评估用于超声图像中下颌髁突分割的计算机辅助诊断软件	匿名成人下颌髁突的超声图像	计算机视觉	颌面部疾病	超声成像	CNN	图像	668张回顾性超声图像	NA	YOLOv8	F1分数, 灵敏度, 精确度	NA
20	2026-02-21	Deep Learning for Classification of Solid Renal Parenchymal Tumors Using Contrast-Enhanced Ultrasound 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01525-3 PMID:40329155	研究论文	本研究评估了深度学习模型利用对比增强超声图像对实性肾实质肿瘤亚型进行分类的能力	首次将ResNet-18和RepVGG架构应用于CEUS图像进行肾肿瘤亚型分类，并采用类激活映射可视化模型决策区域	回顾性研究设计，样本量相对有限（237个肿瘤），未包含所有肾肿瘤亚型	评估深度学习模型对肾实质肿瘤亚型的分类性能	237个肾肿瘤的对比增强超声图像	计算机视觉	肾癌	对比增强超声	CNN	图像	237个肾肿瘤（46个AML，118个ccRCC，48个pRCC，25个chRCC）	NA	ResNet-18, RepVGG-A0	敏感度, 特异度, 阳性预测值, 阴性预测值, F1分数, 马修斯相关系数, 准确率, AUC, 混淆矩阵	NA