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	2026-07-10	Positional contrastive learning for improved thigh muscle segmentation in MR images 2024-10, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5197 PMID:38822595	研究论文	提出位置对比学习提升MRI大腿图像中个体肌肉分割精度	利用切片轴向位置信息进行自监督预训练，在极少量标注数据下显著提高分割性能	未提及	评估位置对比自监督学习在不同有限标注数据水平下对大腿肌肉分割的效果	老年健康受试者的大腿MRI图像	计算机视觉	老年性疾病	MRI	U-Net	图像	无标注训练集72个T1w MRI大腿扫描，有标注训练集52个，按不同数量（1-40）划分训练测试	PyTorch	U-Net	Dice相似系数	未提及
2	2026-07-10	Deep-learning-based motion correction using multichannel MRI data: a study using simulated artifacts in the fastMRI dataset 2024-10, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5179 PMID:38808752	研究论文	利用深度学习对多通道MRI数据进行运动校正，并使用fastMRI数据集中的模拟伪影进行研究	首次在通道组合前对单个通道图像进行深度学习的运动校正，相比传统通道组合后校正方法显著提升了性能	仅使用模拟刚性运动伪影，未验证在真实运动伪影及其他运动类型上的泛化能力；多通道模型未表现出显著改进	探讨在多通道MRI数据中，通道组合前进行深度学习运动校正能否提升效果	多个站点、多种对比度（不限于健康受试者）的脑部MRI图像	计算机视觉	NA	MRI	条件生成对抗网络（cGAN）	图像	fastMRI数据集中的多站点、多对比度脑部MRI图像	NA	条件生成对抗网络	平均绝对误差（MAE）	NA
3	2026-07-07	Machine learning and deep learning models for the diagnosis of apical periodontitis: a scoping review 2024-10-18, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-024-05989-5 PMID:39419893	综述	评估机器学习与深度学习模型在诊断根尖周炎中的应用现况	系统性地总结了AI模型在根尖周炎诊断中的表现，特别是强调了AI辅助对临床医生诊断敏感性的提升作用	研究间数据集大小、标注技术和算法配置差异显著，且缺乏统一的方法学和性能指标报告标准	评估机器学习与深度学习模型在人类根尖周炎诊断中的应用效果	根尖周炎患者及对应的牙科X光影像	机器学习	根尖周炎	NA	机器学习与深度学习模型	牙科X光影像	纳入19篇研究，具体样本量未统一说明	NA	NA	敏感性，特异性	NA
4	2026-07-05	Multi-detector fusion and Bayesian smoothing for tracking viral and chromatin structures 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103227 PMID:38897031	研究论文	提出一种基于多检测器融合和贝叶斯平滑的概率跟踪方法，用于追踪荧光显微镜图像中的病毒和染色质结构	首次结合多检测器和多尺度数据融合以及贝叶斯平滑，使用基于强度的协方差交集方法整合检测结果，无需优化步骤	未提及	实现荧光显微镜图像中病毒和细胞内结构（显示为不同大小斑点）的自动跟踪，以量化细胞过程	病毒颗粒、细胞内结构（染色质）	计算机视觉	NA	荧光显微镜成像	贝叶斯平滑	图像（荧光显微镜图像）	使用粒子跟踪挑战赛图像数据以及丙型肝炎病毒感染细胞和非感染细胞的实时细胞荧光显微镜图像	NA	NA	NA	NA
5	2026-07-04	Deep Learning Analysis With Gray Scale and Doppler Ultrasonography Images to Differentiate Graves' Disease 2024-10-15, The Journal of clinical endocrinology and metabolism DOI:10.1210/clinem/dgae254 PMID:38609169	研究论文	利用灰度及多普勒超声图像深度学习模型鉴别Graves病	首次开发并比较Xception和EfficientNetB0_2两种深度学习模型，基于超声及多普勒图像鉴别甲状腺毒症亚型，特别是Graves病	单一中心回顾性研究，样本量有限，未涉及外部验证	开发机器学习算法，通过超声和多普勒图像区分甲状腺毒症亚型，重点鉴别Graves病	甲状腺毒症患者超声图像	机器学习	Graves病	超声影像	卷积神经网络	图像	351例GD患者7719张图像，136例甲状腺炎患者2980张图像	DEEP:PHI	Xception, EfficientNetB0_2	准确率, 灵敏度, 特异度, 阳性预测值, 阴性预测值, F1分数	NA
6	2026-07-04	Generating synthetic computed tomography for radiotherapy: SynthRAD2023 challenge report 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103276 PMID:39068830	研究论文	报告SynthRAD2023挑战赛结果，比较MRI和CBCT生成合成CT的方法	利用来自1080名患者的多中心真实数据，评估图像相似性和剂量指标，发现图像相似性与剂量准确性无显著相关	未发现图像相似性指标与剂量准确性之间的显著相关性，表明需结合剂量评估来判断临床适用性	比较和评估从MRI和CBCT生成合成CT的方法，促进无CT放射治疗计划的发展	合成CT生成技术，应用于MRI-only和CBCT-based自适应放疗	机器学习和数字病理学	癌症	图像合成，临床数据集成	深度学习	MRI、CBCT和CT图像	1080名患者数据，用于MRI-to-CT和CBCT-to-CT任务	NA	NA	结构相似性指数，伽马通过率（光子计划，质子计划）	NA
7	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
8	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
9	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
10	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
11	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
12	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
13	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
14	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
15	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
16	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
17	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
18	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
19	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
20	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