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
221	2026-01-03	DANTE-CAIPI Accelerated Contrast-Enhanced 3D T1: Deep Learning-Based Image Quality Improvement for Vessel Wall MRI 2025-01-08, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8424 PMID:39038956	研究论文	本研究提出了一种基于深度学习的去噪算法，用于加速和血液抑制的对比增强颅内血管壁MRI，以在更短的扫描时间内获得高质量图像	首次将展开的深度卷积网络应用于DANTE-CAIPI-SPACE序列的加速和血液抑制后对比增强颅内血管壁MRI，实现了在缩短扫描时间的同时改善图像质量和信噪比	研究样本量相对较小（64名患者），且未在更广泛或多样化的患者群体中进行验证	评估深度学习去噪算法在加速和血液抑制的对比增强颅内血管壁MRI中改善图像质量、减少伪影和提高信噪比的潜力	颅内血管壁MRI图像	医学影像处理	脑血管疾病	MRI, DANTE血液抑制, CAIPIRINHA加速	CNN	3D MRI图像	64名连续患者	NA	展开的深度卷积网络	SNR, CNR, 图像质量评分, 伪影严重程度评分, 动脉和静脉抑制评分, 病变评估评分	NA
222	2026-01-03	Deep Learning-Based Super-Resolution Reconstruction on Undersampled Brain Diffusion-Weighted MRI for Infarction Stroke: A Comparison to Conventional Iterative Reconstruction 2025-01-08, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8482 PMID:39779291	研究论文	本研究评估了基于深度学习的超分辨率重建在脑梗死卒中扩散加权MRI欠采样图像上的图像质量和诊断置信度，并与传统迭代重建方法进行比较	首次将深度学习超分辨率重建技术应用于脑梗死卒中的扩散加权MRI欠采样图像，并与传统压缩感知重建进行系统比较	回顾性研究设计，样本量相对有限（114例），未评估长期临床影响	评估深度学习超分辨率重建在脑梗死卒中扩散加权MRI中的图像质量和诊断价值	脑梗死卒中患者的扩散加权MRI图像	医学影像分析	脑梗死卒中	扩散加权MRI	深度学习超分辨率模型	医学影像	114例连续参与者的DWI检查	NA	NA	SNR, CNR, ADC, 边缘上升距离, Cohen κ系数	NA
223	2025-10-06	Deep Learning-Based Algorithm for Staging Secondary Caries in Bitewings 2025, Caries research IF:2.9Q1 DOI:10.1159/000542289 PMID:39471790	研究论文	开发基于深度学习的算法用于咬翼片中继发龋的检测和分期	采用创新性的病变严重程度连续评估方法，首次将Mask R-CNN与Swin Transformer结合用于继发龋分期	灵敏度值相对较低（所有病变0.737，牙本质病变0.808），样本仅来自荷兰牙科诊所网络	开发用于咬翼片中继发龋检测和分期的深度学习算法	来自383名15-88岁患者的413张咬翼片中的2,612颗修复牙齿	计算机视觉	龋齿	牙科影像分析	CNN	影像	413张咬翼片，2,612颗修复牙齿，383名患者	PyTorch	Mask R-CNN, Swin Transformer	特异性, 灵敏度, ROC曲线下面积, Pearson相关系数, Bland-Altman图	NA
224	2026-07-22	Multimodal MRI radiomics-clinical fusion model predicts intravenous glucocorticoid response in thyroid eye disease 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1726947 PMID:41641033	研究论文	开发多模态MRI影像组学-临床融合模型预测甲状腺眼病患者对静脉糖皮质激素的治疗反应	首次结合多模态MRI影像组学特征、深度迁移学习特征与临床独立预测因子构建融合模型，并以列线图可视化，用于预测甲状腺眼病的静脉糖皮质激素治疗反应	样本量较小（108例），且为回顾性研究，验证集AUC的置信区间较宽，表明模型稳定性需进一步验证	开发一种用于预测甲状腺眼病患者静脉糖皮质激素治疗反应的无创工具，支持个性化治疗计划	来自两家医学机构的甲状腺眼病患者（78例治疗响应者，30例非响应者）	数字病理学	甲状腺眼病	MRI（T1加权成像和脂肪抑制T2加权成像）	CNN	图像	108例患者（78例响应者，30例非响应者）	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
225	2026-07-15	Analyzing the impact of social security systems on video-based public health surveillance 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1684291 PMID:41929396	研究论文	提出一种结合社会保障系统影响的视频公共卫生监控框架，使用分层流行病学变换器（HET）和策略感知动态校准机制（PDCM）进行时空健康监测	首次将社会保障系统政策信号与视频监控数据结合，通过HET和PDCM实现动态校准预测，提升对早期流行病异常信号的敏感性	未明确说明跨区域政策差异对模型泛化能力的具体影响以及数据集中潜在的人口统计偏差	开发一种能够融合政策干预与人口行为的视频公共卫生监控框架，提升异常检测和短期预测的准确性和响应性	多个城市区域的视频公共卫生监控数据集及其对应的社会保障政策环境	计算机视觉	NA	视频监控	变换器	视频数据	多个城市区域的视频数据集	NA	分层流行病学变换器（HET）	异常检测灵敏度、短期预测准确性	低延迟推理，适用于实时部署
226	2026-07-13	"Patients Aren't Datasets": Generating Return on Investment via Automation, Responsibly 2025, Frontiers of health services management DOI:10.1097/HAP.0000000000000237 PMID:41292082	评论	探讨如何在医疗健康领域通过自动化技术（如机器学习、生成式AI和深度学习）负责任地实现投资回报	强调在利用患者数据进行AI训练以产生投资回报时需平衡数据隐私、合规性和风险管理的责任策略	未具体说明定量评估结果或技术方案的局限性，仅提出框架性讨论	分析AI和新兴技术在医疗健康中实现投资回报的责任策略，包括数据货币化、护理加速和成本降低	美国医疗健康系统中的自动化技术应用、患者数据及利益相关者	机器学习	非特定疾病	NA	机器学习模型、生成式AI模型、深度学习模型	患者数据	NA	NA	NA	投资回报率	NA
227	2026-07-07	Towards unbiased skin cancer classification using deep feature fusion 2025-01-31, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02889-w PMID:39891245	研究论文	介绍了SkinWiseNet（SWNet），一种用于皮肤癌检测和自动分类的深度卷积神经网络，通过多路径特征提取和特征融合提升效率并减少偏见	通过多路径特征提取和网络宽度增强优化特征提取，并引入特征融合以降低对深色皮肤或毛发过多患者的偏见	未提及具体的局限性	开发一种能够无偏检测和分类皮肤癌的深度学习模型	皮肤癌图像，包括良性和恶性类别	计算机视觉	皮肤癌	深度特征融合	卷积神经网络（CNN）	图像	四个数据集：Mnist-HAM10000、ISIC2019、ISIC2020和黑色素瘤皮肤癌	NA	SWNet	准确率、F1分数	NA
228	2026-07-07	Towards a decision support system for post bariatric hypoglycaemia: development of forecasting algorithms in unrestricted daily-life conditions 2025-01-20, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02856-5 PMID:39833876	研究论文	基于线性与深度学习模型开发用于预测日常自由生活条件下胃旁路术后低血糖事件的决策支持系统	首次在真实日常自由生活条件下评估多种算法预测胃旁路术后低血糖事件的能力，并发现递归自回归模型优于深度学习方法	仅使用连续血糖监测数据作为单一输入，未纳入其他生理或行为参数；深度学习方法性能受限	开发短期预测胃旁路术后低血糖事件的决策支持系统	50名接受Roux-en-Y胃旁路术后出现低血糖的患者	机器学习	胃旁路术后低血糖	连续血糖监测	递归自回归模型, 深度学习模型	血糖时间序列数据	50名患者，每名患者监测最多50天	NA	递归自回归模型（rAR），深度学习模型（具体架构未指定）	精确率，召回率，F1分数，每日误报次数，时间增益	NA
229	2026-07-07	iMFP-LG: Identify Novel Multi-functional Peptides Using Protein Language Models and Graph-based Deep Learning 2025-01-15, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzae084 PMID:39585308	研究论文	提出基于蛋白质语言模型和图注意网络的iMFP-LG方法，用于识别多功能肽	将蛋白质语言模型与图注意网络结合用于多功能肽识别，优于现有方法，并具备可解释性	未提及性能泛化性验证或跨数据集测试的局限性	开发高效准确的多功能肽识别方法，促进肽相关药物设计	多功能肽（包括多功能生物活性肽和多功能治疗肽）	机器学习	NA	蛋白质语言模型、图注意网络	图注意网络	肽序列数据	UniRef90数据库中数百万已知肽，筛选出8个候选肽，其中1个经实验验证	PyTorch	图注意网络	准确率、精确率、召回率、F1分数	NA
230	2026-07-06	Cross-view discrepancy-dependency network for volumetric medical image segmentation 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103329 PMID:39236632	研究论文	提出跨视角差异-依赖网络（CvDd-Net）用于体素医学图像分割，通过利用多视角切片先验增强体素表征学习	提出跨视角差异-依赖网络，通过差异感知形态强化模块和依赖感知信息聚合模块，分别挖掘视角特异性形态信息和跨视角依赖关系	未提及明显限制	利用多视角信息提升体素医学图像分割性能	体素医学图像分割任务	数字病理学, 机器学习	甲状腺癌, 宫颈癌, 胰腺癌, 胶质瘤	医学图像分割	CvDd-Net	体素医学图像	四个医学图像数据集（甲状腺、宫颈、胰腺、胶质瘤）	PyTorch	CvDd-Net (差异感知形态强化模块, 依赖感知信息聚合模块)	准确率, 精确率, 召回率, F1分数, Dice系数	NA
231	2026-07-06	Deep unfolding network with spatial alignment for multi-modal MRI reconstruction 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103331 PMID:39243598	研究论文	提出一种带有空间对齐的深度展开网络用于多模态磁共振成像重建	将空间对齐任务自适应地嵌入到重建过程中，增强了两者互补性，并提升了框架的可解释性	现有方法未能将空间对齐与重建过程自适应集成，且框架可解释性弱	加速多模态磁共振成像采集过程，利用完全采样的参考模态从高度欠采的k空间数据中重建目标模态	多模态磁共振成像数据中的空间对齐与重建问题	计算机视觉	不适用	磁共振成像	深度展开网络	医学图像（MRI）	四个真实数据集	PyTorch	DUN-SA	重建性能（具体指标未提及）	未提及
232	2026-07-06	Mammography classification with multi-view deep learning techniques: Investigating graph and transformer-based architectures 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103320 PMID:39244796	研究论文	评估基于图与Transformer的多视图深度学习架构在乳腺钼靶分类中的表现	首次在中等规模数据集上系统比较Transformer和图网络与传统多视图卷积神经网络在弱监督条件下的性能和可解释性，揭示不同归纳偏置导致的互补优势	未使用像素级监督，对微小病灶检测仍具挑战；数据集中等规模可能限制泛化性	探索多视图深度学习架构在乳腺钼靶筛查中的自动分类与可解释性优化	乳腺钼靶四视图（头尾位和内外斜位）的影像数据	计算机视觉	乳腺癌	乳腺钼靶成像	视觉Transformer、图神经网络、卷积神经网络	影像	CSAW数据集（中等规模，具体样本数未提及）	PyTorch	ViT、图神经网络、多视图CNN	准确性、可解释性指标	NA
233	2026-07-06	ATEC23 Challenge: Automated prediction of treatment effectiveness in ovarian cancer using histopathological images 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103342 PMID:39260034	meta-analysis	总结ATEC23挑战赛中利用组织病理学图像预测卵巢癌治疗效果的方法评估	提出结合Cox比例风险分析和Kaplan-Meier生存分析评估预测模型作为患者选择指标的有效性，并强调多分辨率卷积模块在病理预测任务中的关键作用	当前MIL方法在预后分类任务中的局限性	开发基于组织病理学图像的自动化系统，预测卵巢癌患者对贝伐珠单抗治疗的疗效	卵巢癌患者组织病理学全切片图像（284张用于训练，180张核心组织图像用于测试）	digital pathology	ovarian cancer	NA	深度学习模型（如DCNN、MIL、Inception）	histopathological images	284张全切片图像（训练），180张核心组织图像（测试）	NA	DCNN, Inception	Cox比例风险分析, Kaplan-Meier生存分析	NA
234	2026-07-06	Low-dose computed tomography perceptual image quality assessment 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103343 PMID:39265362	研究论文	组织了低剂量CT感知图像质量评估挑战赛，引入了首个包含1000张CT图像及放射科医生评分的开源数据集，并对六种提交方法进行了全面分析	构建了首个开源CT图像质量评估数据集并组织挑战赛，探索了无参考图像质量评估方法超越全参考方法的潜力	未明确指出本文方法的局限性	开发更符合放射科医生感知的深度学习图像质量评估方法	低剂量CT图像的质量评估方法	计算机视觉	NA	CT成像	深度学习模型	图像	1000张CT图像	NA	NA	放射科医生评估分数	NA
235	2026-07-06	O-PRESS: Boosting OCT axial resolution with Prior guidance, Recurrence, and Equivariant Self-Supervision 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103319 PMID:39270466	研究论文	提出一种名为O-PRESS的新型计算方法，通过先验引导、循环机制和等变自监督学习，提升光学相干断层扫描（OCT）的轴向分辨率	将OCT物理建模与深度学习无缝集成，无需配对图像即可实现轴向分辨率实时增强，以自监督方式同时解决分辨率提升和噪声抑制两个任务	未明确说明局限性	突破光谱带宽物理限制，低成本提升OCT轴向分辨率并降低噪声	光学相干断层扫描（OCT）图像	计算机视觉	NA	OCT	深度递归神经网络	图像	NA	PyTorch	等变自监督网络、循环机制网络	量化指标、视觉评估、信噪比	NA
236	2026-07-06	Will Transformers change gastrointestinal endoscopic image analysis? A comparative analysis between CNNs and Transformers, in terms of performance, robustness and generalization 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103348 PMID:39298861	研究论文	比较卷积神经网络与Transformer在内窥镜图像分析中的性能、鲁棒性和泛化能力	首次系统性地比较Transformer与CNN在消化道内窥镜图像分析中的临床相关性能、泛化能力和鲁棒性，涵盖巴雷特食管肿瘤检测、结肠息肉分割和血管发育不良检测等多个应用场景	未提及具体的计算资源需求或训练时间比较，可能缺乏对实时处理性能的详细评估	评估并比较先进CNN与Transformer在消化道内窥镜图像分析中的性能、泛化能力和鲁棒性	巴雷特食管肿瘤检测、结肠息肉分割和血管发育不良检测	计算机视觉, 数字病理学	消化道疾病	内窥镜成像	CNN, Transformer	图像	训练集10208张图像（2079名患者），测试集7118张图像（998名患者），包含多个测试集	PyTorch	CNN, Transformer	准确率, 精确率, 召回率, F1分数, AUC, Dice系数	NA
237	2026-07-06	Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103307 PMID:39303447	研究论文	通过Medico 2020和MedAI 2021挑战赛验证结肠镜中息肉和器械分割方法的有效性	组织两届挑战赛，系统分析息肉与手术器械分割方法的进步；引入透明度评估机制，由胃肠病学专家评估可重复性、故障案例分析和消融研究	方法缺乏多中心和分布外测试；许多算法使用私有数据或闭源软件，可重复性不足	开发高效透明的结肠镜图像自动分析系统，减少息肉漏检率并提升诊断准确性	结肠镜图像中的息肉和手术器械分割方法，以及算法透明度与可解释性	医学图像分析	结直肠癌（癌前息肉）	深度学习	分割模型（术语未明确说明，如U-Net等）	图像（结肠镜视频帧）	2020年17个团队，2021年另有17个团队；具体图像数量未提及	NA	NA	Dice系数，平均交并比，透明度评分	NA
238	2026-07-06	Re-identification from histopathology images 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103335 PMID:39316996	研究论文	证明深度学习算法能从组织病理图像中以较高精度重新识别患者身份	首次证明即使是相对简单的深度学习算法也能在大型组织病理数据集中以较高精度重新识别患者身份，并系统比较了多种全切片图像分类器和特征提取器	未明确说明局限性	评估从组织病理图像重新识别患者身份的风险，以保护患者隐私	肺癌（肺鳞癌和肺腺癌）及脑膜瘤的组织病理切片	数字病理学	肺癌, 脑膜瘤	组织病理图像分析	深度学习（分类器和特征提取器）	图像（全切片图像）	TCIA数据集（肺鳞癌和肺腺癌）及内部脑膜瘤数据集	NA	全切片图像分类器及特征提取器	F值	NA
239	2026-07-06	Maxillofacial bone movements-aware dual graph convolution approach for postoperative facial appearance prediction 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103350 PMID:39332232	研究论文	提出一种基于双图卷积的术后面部外观预测模型，考虑面部表面几何和骨移动信息，实现更准确的预测	创新性地在欧几里得空间和测地空间构建面部网格双图，同时利用骨移动信息指导面部移动预测，并采用从粗到细的预测策略以提高鲁棒性	现有深度学习方法仅从面部点云学习特征，独立处理区域点，难以感知表面细节和拓扑结构，且单步预测易受弱监督训练影响产生扭曲预测	提高正颌手术后面部外观预测的准确性和计算效率	正颌手术患者的面部外观术后变化	计算机视觉	颌面疾病	NA	图卷积网络（GCN）	面部网格数据（点云）	真实临床数据（具体数量未提及）	PyTorch	双图卷积网络（Dual Graph Convolution）	定性评估和定量指标（具体指标未提及）	NA
240	2026-07-06	A Flow-based Truncated Denoising Diffusion Model for super-resolution Magnetic Resonance Spectroscopic Imaging 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103358 PMID:39353335	研究论文	提出一种基于流的截断去噪扩散模型用于磁共振波谱成像超分辨率重建	通过截断扩散链并使用归一化流网络估计截断步骤，大幅缩短采样过程，同时支持多尺度超分辨率、不确定性估计和锐度调整	NA	开发一种后处理方法，从低分辨率MRSI数据生成高分辨率MRSI，加快采样速度并提高图像质量	高分辨率磁共振波谱成像（MRSI）	机器学习	神经疾病	磁共振波谱成像（MRSI）	扩散模型与流模型	MRSI数据	25例高级别胶质瘤患者的H-MRSI数据集	PyTorch	去噪扩散模型（DDPM），归一化流网络	采样速度、图像质量评估（神经放射科医师评估）	NA