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
81	2026-07-04	DMSPS: Dynamically mixed soft pseudo-label supervision for scribble-supervised medical image segmentation 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103274 PMID:39043109	研究论文	提出一种动态混合软伪标签监督（DMSPS）的涂鸦监督医学图像分割框架	首次在涂鸦监督分割中引入动态混合软伪标签，并采用两阶段方法扩展稀疏标注区域	未提及具体的局限性	降低医学图像分割的标注成本，同时保持较高的分割性能	心脏结构、腹部器官和脑肿瘤的医学图像分割	计算机视觉	心血管疾病、脑肿瘤	NA	CNN	3D医学图像	ACDC数据集（心脏结构）、WORD数据集（3D腹部器官）、BraTS2020数据集（3D脑肿瘤）	PyTorch	U-Net	DSC	NA
82	2026-07-04	Multi-grained contrastive representation learning for label-efficient lesion segmentation and onset time classification of acute ischemic stroke 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103250 PMID:39096842	研究论文	提出多粒度对比表示学习框架，利用未配对未标记数据改进急性缺血性卒中的病灶分割与发病时间分类	首次充分利用未配对未标记数据中的任务相关线索，设计多粒度对比学习从粗细粒度学习先验表示，并提出多模态区域相关特征融合模块	未明确讨论模型在极端小样本或高度异质性数据上的表现，且未提及计算资源或训练时间成本	提高急性缺血性卒中病灶分割与发病时间分类的标签效率与泛化能力	急性缺血性卒中患者的未目击发病时间分类与缺血病灶分割	机器学习	急性缺血性卒中	多模态MRI	对比学习网络、多任务网络	医学图像	大规模多中心MRI数据集	NA	多粒度对比学习框架、多模态区域相关特征融合模块	未明确具体指标，摘要中提及优越性	NA
83	2026-07-04	Generating multi-pathological and multi-modal images and labels for brain MRI 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103278 PMID:39059240	研究论文	提出一种两阶段生成模型，用于生成多病理和多模态脑MRI图像及对应的语义标签	首次实现2D和3D语义标签图与多模态图像的联合生成，支持下游监督分割任务的数据增强	未明确说明合成数据在真实临床场景中的泛化性验证及模型对罕见病理的生成质量	探索通过生成模型扩充脑MRI数据集，提升下游分割任务性能	脑MRI图像及其对应的语义分割标签	数字病理学	NA	MRI	潜在扩散模型、VAE-GAN	图像	NA	NA	潜在扩散模型、VAE-GAN	NA	NA
84	2026-07-04	Multi-degradation-adaptation network for fundus image enhancement with degradation representation learning 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103273 PMID:39029157	研究论文	提出了一种多退化自适应网络，用于眼底图像增强，可同时处理多种退化类型	提出了多退化自适应模块，可动态生成针对不同退化类型的滤波器，并引入退化表示学习网络和判别器	未在摘要中明确指出局限性	开发一种能够同时处理多种退化类型的自适应眼底图像增强网络	眼底图像	计算机视觉	未指定	深度学习	CNN	图像	未提及	PyTorch	多退化自适应网络	未在摘要中明确列出	未提及
85	2026-07-04	Improving lesion volume measurements on digital mammograms 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103269 PMID:39024973	研究论文	开发了一种基于物理模型和深度学习图像翻译的方法，用于从数字乳腺X光图像中准确估算病灶体积	提出了一种结合物理模型和深度学习图像到图像翻译的新方法，能够在多供应商环境下从处理后的乳腺X光图像生成合成原始图像，从而实现病灶体积的准确测量	本文摘要未提及具体局限性	提高数字乳腺X光图像上病灶体积测量的准确性	乳腺X光图像中的标注肿块	计算机视觉, 数字病理学	乳腺癌	数字乳腺X光检查, MRI	深度学习图像到图像翻译模型	图像	1778张乳腺X光图像及100张MRI检查图像	NA	NA	皮尔逊相关系数, 组内相关系数	NA
86	2026-07-04	ALFREDO: Active Learning with FeatuRe disEntangelement and DOmain adaptation for medical image classification 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103261 PMID:39018722	研究论文	提出一种名为ALFREDO的主动学习与特征解耦及域适应相结合的方法，用于医学图像分类	提出特征解耦方法将图像特征分解为域特异性和任务特异性成分，并设计多种新颖代价函数来识别域偏移下信息量大的样本	未在摘要中明确说明局限性	解决域偏移下深度学习模型泛化能力差的问题，通过主动学习选择信息样本提升性能并减少数据需求	医学图像分类任务中的域适应与主动学习	计算机视觉, 数字病理学	未指定具体疾病	NA	深度学习模型（具体架构未提及）	病理图像, 胸部X光图像	一个组织病理学数据集和两个胸部X光数据集	NA	NA	准确率（或其他分类指标，摘要未明确列出）	NA
87	2026-07-04	From vision to text: A comprehensive review of natural image captioning in medical diagnosis and radiology report generation 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103264 PMID:39013207	综述	从视觉到文本：综合评述自然图像描述在医学诊断和放射学报告生成中的应用	专注于自然图像描述在医学图像描述和诊断描述中的应用，系统总结现有模型、数据集和评估指标，并分析其局限性	现有方法在临床实际应用中的局限性被指出，但未深入探讨具体解决方案	综述自然图像描述在放射学领域医学图像描述和诊断描述中的研究现状	自然图像描述、医学图像描述、诊断描述相关研究文献	计算机视觉, 自然语言处理	NA	深度学习	NA	图像, 文本	NA	NA	NA	NA	NA
88	2026-07-04	Deep Bayesian active learning-to-rank with relative annotation for estimation of ulcerative colitis severity 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103262 PMID:38986351	研究论文	提出一种深度贝叶斯主动学习排序方法，利用相对标注自动选择最优图像对，以高效估计溃疡性结肠炎严重程度	将贝叶斯神经网络适配到成对学习排序，并提出基于模型不确定性的主动学习策略来自动选择高信息量的未标注图像对，从而降低相对标注成本并提升性能	NA	开发一种高效、低成本的自动图像严重程度估计方法，解决传统离散标注困难和高成本问题	溃疡性结肠炎内镜图像	计算机视觉	溃疡性结肠炎	NA	贝叶斯神经网络	图像	私有和公共数据集的内镜图像	NA	NA	NA	NA
89	2026-07-04	The ACROBAT 2022 challenge: Automatic registration of breast cancer tissue 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103257 PMID:38981282	研究论文	基于最大规模的全切片图像数据集，比较八种WSI配准算法在乳腺癌组织中的表现，并分析不同WSI属性和临床协变量的影响	首次基于大规模真实临床数据集（4,212张WSI，来自1,152名患者）系统比较多种WSI配准方法，并深入分析影响配准性能的协变量	文中未明确提及局限性	评估当前WSI配准算法在乳腺癌组织图像中的性能，并探究影响配准效果的因素	乳腺癌患者的组织全切片图像（包括免疫组化染色和H&E染色）	数字病理学	乳腺癌	NA	NA	图像	4,212张WSI，来自1,152名乳腺癌患者	NA	NA	配准准确度	NA
90	2026-07-04	A geometric approach to robust medical image segmentation 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103260 PMID:38970862	研究论文	提出一种基于几何方法的稳健医学图像分割模型，利用形状字典与等变特征增强跨领域泛化能力	首次将向量量化形状字典与群等变性结合，通过密集约束提升模型对MRI图像特征变化的鲁棒性	仅针对前列腺和心脏MRI分割任务验证，未在更多多模态任务或小样本场景下测试	解决深度学习分割模型在MRI跨领域（不同采集协议）下因纹理变化导致的性能下降问题	前列腺和心脏MRI图像中解剖结构的形状特征与分割掩膜	数字病理学	前列腺癌、心血管疾病	MRI（多序列成像）	深度卷积神经网络（CNN）	医学图像	NA	NA	形状等变字典 + 向量量化	NA	NA
91	2026-07-04	Dual-stream multi-dependency graph neural network enables precise cancer survival analysis 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103252 PMID:38963973	研究论文	提出了一种双流多依赖图神经网络（DM-GNN），实现精准的癌症生存分析	首次通过特征更新与全局分析双分支结构，结合形态学亲和性与全局共激活依赖关系，实现对全切片图像中复杂补丁相关性的多视图建模，并引入亲和引导注意力重校准模块提升鲁棒性	未在独立外部数据集验证，且依赖TCGA数据集可能存在选择偏倚	实现从组织病理学图像进行精准的癌症预后预测	五类TCGA数据集中的癌症患者全切片图像	数字病理学	癌症	全切片图像分析	图神经网络	病理图像	五个TCGA数据集（具体数量未提及）	NA	DM-GNN（双流多依赖图神经网络）	未见具体指标名称，但通过基准实验比较了与其他方法的性能	NA
92	2026-07-04	Uncertainty-aware multiple-instance learning for reliable classification: Application to optical coherence tomography 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103259 PMID:38959721	研究论文	提出了一种基于不确定性估计的多实例学习方法UBIX，用于提高深度学习分类模型在光学相干断层扫描图像分析中的可靠性	提出UBIX模块，在推理阶段通过不确定性估计动态检测并排除受局部伪影污染的实例，无需重新训练即可提升模型在不同设备数据上的泛化能力	UBIX对性能影响较小（κ从0.861降至0.708），而对比模型性能显著下降（κ从0.852降至0.084），但未提及对其他类型伪影或多样化分类任务的广泛适用性验证	增强医学图像分析中深度学习分类模型对来自不同设备扫描数据的可靠性	光学相干断层扫描图像中年龄相关性黄斑变性分期任务	计算机视觉	年龄相关性黄斑变性	OCT	CNN	图像	单台扫描仪训练数据与多种外部设备测试数据，包含设备特定伪影	PyTorch	3D神经网络	二次加权kappa系数	NA
93	2026-07-04	Reducing annotating load: Active learning with synthetic images in surgical instrument segmentation 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103246 PMID:38943835	研究论文	提出一种基于主动学习的合成图像生成框架，用于减少手术器械分割中的标注工作量	结合主动学习与合成图像生成，优先选择最具信息量的未标注图像进行人工标注，然后基于这些图像通过裁剪和随机组合生成合成图像，显著降低深度学习对大量标注数据的依赖	未提及具体的局限性	减轻深度学习在手术器械分割任务中的标注负担	内窥镜手术视频中的手术器械	计算机视觉	不适用	不适用	深度神经网络	内窥镜手术图像	两个鼻窦手术数据集和一个腹腔手术数据集	PyTorch	不适用	性能指标	不适用
94	2026-07-04	CCSI: Continual Class-Specific Impression for data-free class incremental learning 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103239 PMID:38936223	研究论文	提出一种基于数据合成的无数据类别增量学习框架CCSI，用于医疗图像分类，解决隐私和存储问题	通过数据反演从已训练类别生成连续类别特定印象（CCSI）替代数据存储，结合多种损失函数（域内对比损失、边际损失、余弦归一化交叉熵损失）提升增量学习性能	未明确讨论框架在更复杂临床场景（如多模态数据）或极端数据不平衡下的表现	实现无数据访问的类别增量学习，提升医疗图像分类模型的适应性和隐私保护	医疗图像分类任务中的增量学习问题，特别是新疾病类型引入时的模型更新	计算机视觉	通用医疗疾病（基于MedMNIST和超声心动图数据集）	数据反演、域内对比学习	卷积神经网络（CNN）	医疗图像	使用MedMNIST的四个公开数据集和内部超声心动图序列	PyTorch	ResNet	分类准确率	NA
95	2026-07-04	Anatomically plausible segmentations: Explicitly preserving topology through prior deformations 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103222 PMID:38936222	研究论文	提出TEDS-Net分割网络，通过学习拓扑保持场变形先验，在保证分割性能的同时保留解剖拓扑结构	首次在分割网络中显式利用拓扑保持场确保解剖结构拓扑正确性，并引入额外修改增强离散域中的拓扑保持效果	主要针对单个结构的拓扑保持，整体场景拓扑表现仍有限制	确保医学图像分割结果拓扑正确，避免影响下游临床图像处理任务	开源医学心脏数据集中的单结构与多结构分割	医学图像分割	心血管疾病	NA	CNN	图像	开源心脏数据集（未说明具体数量）	PyTorch	TEDS-Net（基于变形场的分割网络）	分割性能指标（如Dice系数）、拓扑保持指标（折叠体素数量）	NA
96	2026-07-04	Single-detector multiplex imaging flow cytometry for cancer cell classification with deep learning 2024-09, Cytometry. Part A : the journal of the International Society for Analytical Cytology DOI:10.1002/cyto.a.24890 PMID:39101554	研究论文	开发了一种单探测器多路成像流式细胞仪，结合深度学习实现癌细胞分类	通过空间波分复用技术实现单探测器同时获取明场和多色荧光图像，并设计包含U-net、VDSR和VGG19三种深度学习网络的图像处理方法	未提及	开发一种单探测器多路成像流式细胞仪并用于癌细胞自动分类	三种卵巢细胞系（IOSE80正常细胞、A2780和OVCAR3癌细胞）	数字病理学	卵巢癌	成像流式细胞术	CNN	图像	三种卵巢细胞系（未提及具体细胞数量）	NA	U-net, VDSR (very deep super resolution), VGG-19	准确率	NA
97	2026-07-04	Feasibility Study of Parkinson's Speech Disorder Evaluation With Pre-Trained Deep Learning Model for Speech-to-Text Analysis 2024-Sep, Korean journal of neurotrauma DOI:10.13004/kjnt.2024.20.e30 PMID:39372118	研究论文	本研究探讨使用预训练深度学习模型Wav2Vec对帕金森病语音障碍患者进行语音转文本分析的可行性	首次将预训练Wav2Vec模型应用于帕金森病语音障碍的语音转文本分析，验证其在临床评估中的潜力	样本量较小（仅20例），数据集规模有限可能影响模型泛化能力；仅使用了公开数据集的单次录音，缺乏多时间点或多样化样本的验证	探究预训练深度学习模型（Wav2Vec）在帕金森病语音障碍患者语音转文本分析中的有效性，为临床诊断和评估工具开发提供基础	帕金森病语音障碍患者和健康对照组的语音录音数据	自然语言处理	帕金森病	语音转文本分析	Wav2Vec	语音录音	20例（包括帕金森病患者和健康对照组）	PyTorch	Wav2Vec	准确率	NA
98	2026-07-04	Deep Learning-based Segmentation of Computed Tomography Scans Predicts Disease Progression and Mortality in Idiopathic Pulmonary Fibrosis 2024-08-15, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202311-2185OC PMID:38452227	研究论文	基于深度学习的CT扫描分割预测特发性肺纤维化的疾病进展和死亡率	首次利用深度学习自动分割CT扫描中的四种解剖学生物标志物，并在大型队列中验证其预测预后价值	NA	开发基于深度学习的CT扫描自动分割成像生物标志物，以预测特发性肺纤维化的疾病进展和死亡风险	特发性肺纤维化（IPF）患者	计算机视觉	特发性肺纤维化	CT扫描	深度学习	图像	446名PROFILE队列患者，另有一个英国队列用于外部验证	NA	NA	NA	NA
99	2026-07-04	Comprehensive data analysis of white blood cells with classification and segmentation by using deep learning approaches 2024-07, Cytometry. Part A : the journal of the International Society for Analytical Cytology DOI:10.1002/cyto.a.24839 PMID:38563259	研究论文	使用深度学习方法对白细胞进行分类和分割的综合数据分析	首次结合四种不同数据集进行白细胞分类，并在分割中使用CNN、UNet和SegNet三种神经网络	未提及具体局限性	通过深度学习方法实现白细胞的分类和分割，提高诊断工具的性能	人类外周血白细胞	计算机视觉	NA	显微镜成像	CNN, UNet, SegNet	图像	四种不同数据集的混合	NA	CNN, UNet, SegNet	平衡准确率, 测试准确率	NA
100	2026-07-04	Segmentation, feature extraction and classification of leukocytes leveraging neural networks, a comparative study 2024-07, Cytometry. Part A : the journal of the International Society for Analytical Cytology DOI:10.1002/cyto.a.24832 PMID:38420862	研究论文	通过对比机器学习与深度学习方法，研究白细胞分割、特征提取与分类的性能	首次系统比较传统机器学习（K-means）与深度学习（U-Net、U-Net+ResNet18/34）在白细胞分割中的表现，并评估多种深度网络（AlexNet、VGG16、ResNet18）在特征提取与分类中的效果	未提及对多中心数据集或真实临床环境的验证，可能限制泛化能力	评估并比较不同机器学习与深度学习方法在白细胞自动化分类中的表现	白细胞	计算机视觉	非特定疾病（涉及白血病）	血涂片显微镜成像	CNN、U-Net、ResNet、AlexNet、VGG16	图像	CellaVision、BCCD、ALL-IDB2、PCB-HBC四个数据集的具体样本量未明确给出	PyTorch, TensorFlow	U-Net, ResNet18, ResNet34, AlexNet, VGG16	准确率	NA