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
61	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
62	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
63	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
64	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
65	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
66	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
67	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
68	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
69	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
70	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
71	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
72	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
73	2026-07-03	Adversarial EM for variational deep learning: Application to semi-supervised image quality enhancement in low-dose PET and low-dose CT 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103291 PMID:39121545	研究论文	提出了一种基于对抗期望最大化的变分深度学习框架，用于低剂量PET和CT图像质量提升	首次将对抗学习与期望最大化结合到变分深度神经网络中，提出多尺度潜空间编码器-解码器架构，并使用广义高斯模型实现数据特定的鲁棒统计建模，同时开发了半监督版本以减少对正常剂量图像的依赖	未明确讨论计算复杂度或大规模临床验证，且模型性能可能受限于训练数据分布和超参数调优	开发新的深度学习框架以提升低剂量PET和CT图像质量，同时减少对配对正常剂量图像的依赖	低剂量PET和CT图像的质量增强	数字病理学, 计算机视觉	NA	PET, CT	变分自编码器, 生成对抗网络	图像	真实世界PET和CT数据（具体样本量未说明）	PyTorch	编码器-解码器, 多尺度潜空间	峰值信噪比, 结构相似性指数, 均方误差	NA
74	2026-07-03	SDF4CHD: Generative modeling of cardiac anatomies with congenital heart defects 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103293 PMID:39146700	research paper	提出一种类型和形状解耦的生成方法，用于捕捉先天性心脏病患者心脏解剖结构的显著拓扑变异，并生成不同的心脏解剖结构	提出类型和形状解耦的生成方法，首次能够捕捉先天性心脏病不同类型的心脏解剖拓扑变异，并生成保留特定类型独特拓扑的解剖结构	数据集仅包含67名患者，覆盖6种CHD类型和14种组合，样本量较小，可能限制模型泛化能力	开发一种生成模型，用于合成先天性心脏病患者心脏解剖结构，以辅助诊断、治疗规划和图像分割数据增强	先天性心脏病患者的心脏解剖结构	computer vision	congenital heart disease	NA	deep learning	image	67名患者，覆盖6种CHD类型和14种组合	NA	NA	CHD类型正确性、形状合理性、分割准确性	NA
75	2026-07-03	Multimodal representations of biomedical knowledge from limited training whole slide images and reports using deep learning 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103303 PMID:39154617	研究论文	提出一种多模态架构，从有限训练的全切片图像和报告中创建鲁棒的生物医学数据表示，并提高分类性能和数据利用效率	结合监督与自监督学习应对数据稀缺，通过架构设计实现多模态数据检索和图文概念关联而无需额外训练，多模态表示能减半所需数据量并降低计算碳足迹	NA	开发一种多模态深度学习架构，有效整合医学图像与文本报告，创建强大的生物医学数据表示	结肠全切片图像及其对应的病理报告	数字病理学, 计算机视觉, 自然语言处理	结肠癌	全切片成像	CNN, Transformer	图像, 文本	超过6000对结肠全切片图像和对应报告，来自两个数字病理工作流程	PyTorch	ResNet, Transformer	分类准确率, 数据利用效率	NA
76	2026-07-03	TS-AI: A deep learning pipeline for multimodal subject-specific parcellation with task contrasts synthesis 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103297 PMID:39154619	研究论文	提出了一种名为TS-AI的两阶段深度学习网络模型，通过合成任务对比图实现个体化的大脑皮质图谱划分	首次在不获取实际任务fMRI扫描数据的情况下，利用合成的任务对比图实现个体化脑图谱划分，并设计特征一致性损失函数提高个体特异性	未提及具体局限性	开发一种基于深部学习的多模态个性化脑图谱划分方法，以解决任务功能MRI数据获取耗时且成本高的问题	大脑皮质表面的功能亚区个体化划分	机器学习	阿尔茨海默病	fMRI、任务功能磁共振成像、静息态网络、解剖连接	深度学习网络	任务fMRI数据、静息态网络信号、解剖连接数据	未明确说明样本数量，但涉及多个参考图谱和数据集	NA	两阶段网络模型	测试-重测可靠性、同质性、认知行为预测	NA
77	2026-06-30	Association between myosteatosis and impaired glucose metabolism: A deep learning whole-body magnetic resonance imaging population phenotyping approach 2024-10, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.13527 PMID:39009381	研究论文	利用深度学习全身体部MRI表型分析方法，研究肌脂肪变性（myosteatosis）与糖代谢障碍之间的关联	首次利用全自动深度学习模型量化全身T1加权Dixon MRI上的肌脂肪变性，提出定量骨骼肌脂肪分数（SMFF）作为新的评估指标，并验证其作为糖代谢障碍独立预测因子的潜力	研究对象来自德国人群，可能存在地域偏倚；样本量相对较小（380名参与者）	探究肌脂肪变性（尤其是定量骨骼肌脂肪分数SMFF）与糖代谢障碍的关联，并评估其作为风险指标的潜力	无症状个体的肌脂肪变性（包括IMAT和SMFF）与糖代谢障碍的关系	计算机视觉	糖代谢障碍	MRI（磁共振成像）	深度学习模型（未具体说明架构类型）	图像（全身T1加权Dixon MRI）	380名KORA研究参与者（平均年龄53.6±9.2岁，BMI 28.2±4.9 kg/m²，57.4%男性）；另外使用NAKO队列数据进行内部验证	NA	NA	Dice系数、受试者工作特征曲线下面积（AUC）、比值比（OR）	NA
78	2026-06-30	Cachexia in preclinical rheumatoid arthritis: Longitudinal observational study of thigh magnetic resonance imaging from osteoarthritis initiative cohort 2024-10, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.13533 PMID:38923846	研究论文	一项纵向观察研究，探讨了类风湿性关节炎前期患者大腿肌肉组成和脂肪组织变化与恶病质的关系	首次发现类风湿性关节炎前期存在恶病质样肌肉减少和脂肪浸润变化，与临床症状出现前的早期阶段相关	基于骨关节炎倡议数据集，可能无法完全代表类风湿关节炎前期人群；样本量相对较小；未控制饮食和运动等混杂因素	比较类风湿性关节炎前期患者与对照人群大腿肌肉组成和脂肪组织的纵向变化	骨关节炎倡议队列中定义为类风湿性关节炎前期的参与者，与倾向评分匹配的对照参与者	数字病理学	类风湿性关节炎	MRI	深度学习	图像	322名参与者的408条大腿（102例类风湿性关节炎前期和306例对照）	NA	NA	NA	NA
79	2026-06-30	Artificial neural network inference analysis identified novel genes and gene interactions associated with skeletal muscle aging 2024-10, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.13562 PMID:39210538	研究论文	通过人工智能神经网络推理分析，识别与骨骼肌衰老相关的新基因和基因相互作用	采用人工神经网络推理（ANNi）结合深度学习的群智能神经网络方法（Intelligent Omics），首次发现CHAD、ZDBF2、USP54和JAK2作为预测衰老的强相互作用基因	RT-qPCR验证中，运动相关基因（EIF4A2、NIPAL3、SCFD1、KDM5D）未表现出差异表达	利用人工智能方法识别与肌肉衰老和运动相关的新基因、基因相互作用及分子通路	肌肉转录组数据、人体肌肉活检样本	机器学习	老年疾病	RNA-seq	人工神经网络，深度学习	转录组数据	8名年轻男性（25±4岁）和8名老年男性（78±7.6岁）的肌肉活检样本	Intelligent Omics	NA	P值	NA
80	2026-06-29	Leveraging Artificial Intelligence and Data Science for Integration of Social Determinants of Health in Emergency Medicine: Scoping Review 2024-10-30, JMIR medical informatics IF:3.1Q2 DOI:10.2196/57124 PMID:39475815	综述	本文通过范围综述探讨人工智能和数据科学在急诊医学中整合社会健康决定因素的应用潜力	首次系统评估AI和数据科学在急诊科中建模、提取和整合社会健康决定因素数据的能力，强调自然语言处理技术的预测性能	研究尚处于早期阶段，缺乏标准化SDOH数据收集方法，且算法需针对不同患者群体优化	评估AI和数据科学在急诊科中整合社会健康决定因素数据的潜力，并识别未来研究领域	2015-2022年间发表的关于AI或数据科学在急诊医疗中应用SDOH的研究	自然语言处理	NA	NA	机器学习, 自然语言处理, 深度学习	文本	26项研究	NA	规则型NLP, 深度学习, 模式匹配	F1分数, 特异性	NA