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
21	2026-07-06	Enhancing global sensitivity and uncertainty quantification in medical image reconstruction with Monte Carlo arbitrary-masked mamba 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103334 PMID:39255733	研究论文	提出基于蒙特卡洛任意掩码Mamba模型MambaMIR，用于医学图像重建和不确定性量化	创新性地提出任意扫描掩码机制，结合蒙特卡洛方法和Mamba模型，无需超参数调优即可生成不确定性图，同时采用小波变换和GAN变体提升纹理保持和感知质量	未明确提及计算资源需求或大规模临床验证，可能对高维医学图像的实时应用存在计算效率挑战	提高医学图像重建的全局敏感性和不确定性量化精度	医学图像重建任务中的图像数据和不确定性估计	计算机视觉	NA	蒙特卡洛采样、小波变换	Mamba、生成对抗网络	医学图像	NA	NA	Mamba, 生成对抗网络	重建保真度、感知质量	NA
22	2026-07-05	Advancing bioinformatics with large language models: components, applications and perspectives 2025-Jan-31, ArXiv PMID:38259343	综述	全面概述大型语言模型在生物信息学中的关键组成部分、应用及未来展望	系统总结了大型语言模型在基因组学、转录组学、蛋白质组学、药物发现和单细胞分析等多个生物信息学领域的应用，并提供了用户和开发者的实用指南	未提及具体数据或实验验证，仅基于现有文献综述	探讨大型语言模型在生物信息学领域的潜力及应用	大型语言模型在生物信息学中的组件和应用	自然语言处理, 机器学习	NA	大型语言模型	Transformer	文本, 序列数据	NA	NA	Transformer	NA	NA
23	2026-07-05	A deep learning approach for early prediction of breast cancer neoadjuvant chemotherapy response on multistage bimodal ultrasound images 2025-01-23, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01543-7 PMID:39849366	研究论文	提出一种基于深度学习的卷积神经网络模型，利用多阶段双模态超声图像早期预测乳腺癌新辅助化疗疗效	创新性地设计了双模态逐层特征融合模块（BLFFM）和时间混合注意力模块（THAM），能够有效挖掘灰度超声与彩色多普勒血流成像之间的复杂关联和互补特征，并聚焦于化疗前后病灶进展的关键特征	NA	早期预测局部晚期乳腺癌患者新辅助化疗的疗效，为临床诊断和治疗提供依据	局部晚期乳腺癌患者的多阶段双模态超声图像	计算机视觉	乳腺癌	超声成像	卷积神经网络	图像	101名患者的GUS和CDFI视频，经预处理得到3000组多阶段双模态超声图像组合	PyTorch	BLTA-CNN（含BLFFM和THAM的CNN架构）	准确率、精确率、召回率、F1分数、AUC	NA
24	2026-07-05	A radiomics and deep learning nomogram developed and validated for predicting no-collapse survival in patients with osteonecrosis after multiple drilling 2025-01-15, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02859-2 PMID:39815247	研究论文	开发并验证一种结合影像组学和深度学习的列线图，用于预测多钻孔术后股骨头坏死患者无塌陷生存	首次将影像组学与深度学习特征整合构建列线图，用于预测股骨头坏死多钻孔术后无塌陷生存，且DLRC模型在区分能力上优于其他模型	NA	利用影像组学和深度学习预测股骨头坏死患者多钻孔术后无塌陷生存，以识别受益患者	接受多钻孔术的股骨头坏死患者	数字病理学	股骨头坏死	影像组学特征提取、深度学习特征提取、LASSO-Cox回归	深层神经网络	骨盆X线影像	144名患者（212个髋关节）	NA	NA	一致性指数（C-index）、ROC曲线下面积（AUC）、净重分类指数（NRI）、综合判别改善指数（IDI）、校准曲线、决策曲线分析（DCA）	NA
25	2026-07-05	Prediction of urinary tract infection using machine learning methods: a study for finding the most-informative variables 2025-01-09, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02819-2 PMID:39789596	研究论文	利用机器学习方法预测尿路感染，并寻找最具信息量的变量	通过组合XGBoost、决策树和轻量梯度提升机的集成学习方法，结合投票机制，提高了尿路感染预测的准确性，并确定了尿液检测、血液检测和人口统计学数据中的关键预测因子	尿路感染金标准诊断方法（尿培养）耗时长且易出错，研究可能受限于所用数据集的特征选择和样本量	利用机器学习方法进行尿路感染的可靠预测，并找出最相关的预测变量	尿路感染患者和健康对照者的尿液检测、血液检测和人口统计学数据	机器学习	尿路感染	NA	经典机器学习与深度学习模型	表格数据（尿液检测、血液检测和人口统计学数据）	NA	Scikit-learn	XGBoost, 决策树, 轻量梯度提升机	AUC, 准确率	NA
26	2026-07-05	Skin image analysis for detection and quantitative assessment of dermatitis, vitiligo and alopecia areata lesions: a systematic literature review 2025-01-08, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02843-2 PMID:39780145	综述	系统性地回顾了计算机视觉技术用于检测和定量评估皮炎、白癜风和斑秃病变的文献	针对良性皮肤病变的计算机视觉技术进行了系统性综述，重点关注定量疾病评估和深度学习架构的应用	缺乏特定疾病的数据集及其经过精心整理的注释；未来需探索无监督或自监督方法	分析和总结计算机视觉技术在皮炎、白癜风和斑秃检测及定量评估中的应用现状和性能	皮肤病变图像	计算机视觉	皮炎、白癜风、斑秃	NA	深度学习模型（CNN相关架构）	皮肤图像	NA	NA	语义分割、特征提取和分类网络（如U-Net、CNN等）	分割精度、分类准确率、定量评估指标	NA
27	2026-07-05	Texture-preserving diffusion model for CBCT-to-CT synthesis 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103362 PMID:39393132	研究论文	提出一种纹理保留扩散模型，用于CBCT到CT的合成，通过自适应高频优化和双模态特征融合模块增强图像质量	创新性地引入自适应高频优化和双模态特征融合模块，提升高频细节保留和跨模态特征融合能力	未详细说明局限性	提升CBCT到CT合成图像的质量，改善诊断准确性和治疗规划	CBCT和CT图像数据	计算机视觉	NA	CBCT, CT	扩散模型	图像	NA	NA	扩散模型	NA	NA
28	2026-07-05	RFMiD: Retinal Image Analysis for multi-Disease Detection challenge 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103365 PMID:39395210	研究论文	本文报告了与IEEE国际生物医学成像研讨会共同组织的“视网膜图像分析用于多疾病检测”挑战赛的组织、数据集、顶尖参与者的解决方案、评估指标和结果	提出了首个同时涵盖常见和罕见眼底病变的多疾病检测挑战赛，并创建了新的视网膜眼底多疾病图像数据集RFMiD	NA	推动自动眼病分类技术在处理常见疾病和罕见病理方面的发展	视网膜眼底图像中常见及罕见眼病的自动检测与分类	计算机视觉	糖尿病视网膜病变、青光眼、年龄相关性黄斑变性、视网膜中央动脉阻塞、前部缺血性视神经病变等	NA	预训练模型和模型集成	视网膜眼底图像	包含常见和罕见病理的新型RFMiD数据集，具体数量未说明	NA	NA	评估指标	NA
29	2026-07-05	HAGMN-UQ: Hyper association graph matching network with uncertainty quantification for coronary artery semantic labeling 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103374 PMID:39413456	研究论文	提出基于超关联图匹配网络与不确定性量化的冠状动脉语义标注方法	利用超图扩展表示能力并建模高阶关联，结合不确定性量化减少比较次数以加速推理	NA	实现冠状动脉造影图像中冠状动脉分支的准确语义分割	侵入性冠状动脉造影图像中的冠状动脉分支	计算机视觉	冠状动脉疾病	NA	图匹配神经网络	图像	NA	NA	超关联图匹配网络	准确率	NA
30	2026-07-05	TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103373 PMID:39454312	研究论文	提出一种拓扑引导的深度卷积网络TopoTxR，利用多尺度拓扑结构增强DCE-MRI中乳腺实质的表征与化疗反应预测	首次将显式的拓扑特征提取与注意力机制结合到深度学习模型中，用于量化乳腺实质的细微拓扑结构，弥补传统影像组学和深度学习模型对复杂组织结构的量化不足	依赖特定数据集验证，拓扑结构提取可能受图像质量和预处理步骤影响，且在新辅助化疗反应预测中的泛化性需要更多外部验证	提高DCE-MRI中乳腺实质表征的准确性，增强对新辅助化疗反应的预测性能	动态增强磁共振图像中的乳腺实质组织，特别是纤维腺体组织	计算机视觉, 数字病理学	乳腺癌	DCE-MRI	卷积神经网络	图像	VICTRE乳腺虚拟数据集；I-SPY 1数据集161例（47例pCR，114例非pCR）；Rutgers专有数据集120例（69例pCR，51例非pCR）	NA	TopoTxR	准确率, AUC	NA
31	2026-07-05	Ensemble transformer-based multiple instance learning to predict pathological subtypes and tumor mutational burden from histopathological whole slide images of endometrial and colorectal cancer 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103372 PMID:39461079	研究论文	提出一种基于集成Transformer的多实例学习框架，用于从子宫内膜癌和结直肠癌的组织病理学全切片图像中预测病理亚型和肿瘤突变负荷	首次将集成Transformer与自监督学习视觉Transformer特征编码器结合，用于直接从H&E染色全切片图像预测肿瘤突变负荷和病理亚型	依赖TCGA公开数据集，未在外部独立队列验证；样本量有限（EC 918张切片/529名患者，CRC 1495张切片/594名患者）；仅验证了两个癌症类型	开发一种低成本、高效且易获取的深度学习工具，用于预测子宫内膜癌和结直肠癌患者的病理亚型和肿瘤突变负荷状态	子宫内膜癌和结直肠癌患者的H&E染色组织病理学全切片图像	数字病理学, 机器学习	子宫内膜癌, 结直肠癌	H&E染色全切片成像	Transformer, 多实例学习	组织病理学全切片图像	子宫内膜癌队列918张WSI（529名患者），结直肠癌队列1495张WSI（594名患者）	PyTorch	Vision Transformer (ViT), 多实例学习集成框架 (ETMIL-SSLViT)	精确度, 准确率, Fisher精确检验p值	NA
32	2026-07-05	An objective comparison of methods for augmented reality in laparoscopic liver resection by preoperative-to-intraoperative image fusion from the MICCAI2022 challenge 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103371 PMID:39488186	研究论文	提出MICCAI 2022挑战赛，客观比较腹腔镜肝脏手术中术前到术中图像融合增强现实方法	首次通过挑战赛形式系统评估自动地标检测和配准方法在腹腔镜肝脏手术增强现实中的应用	仅少量团队参与，3D地标分割和3D-2D配准任务仍有较大挑战，且测试数据量有限	探索自动检测解剖地标并用于3D-2D配准的可能性，推动增强现实在手术室的实用化	腹腔镜肝脏手术图像与术前CT/MRI三维模型	数字病理学	肝癌	NA	深度学习、可微渲染	图像	训练数据含9名患者的167张腹腔镜图像和9个术前三维模型；测试数据含2名患者的16张测试图像和2个术前三维模型	NA	NA	地标分割准确率、配准质量	NA
33	2026-07-05	Beyond strong labels: Weakly-supervised learning based on Gaussian pseudo labels for the segmentation of ellipse-like vascular structures in non-contrast CTs 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103378 PMID:39500029	研究论文	提出一种基于高斯伪标签的弱监督学习框架，用于非增强CT中椭圆样血管结构的分割	利用血管结构在CT切片中的椭圆拓扑特性生成高斯伪标签，结合体素重建损失和分布损失进行训练，显著减少标注时间并提升分割性能	NA	开发一种弱监督学习方法以解决非增强CT中血管分割的标注难题	非增强CT扫描中的椭圆样血管结构，尤其是腹主动脉	计算机视觉	血管疾病	CT成像	CNN	图像	一个本地数据集和两个公共数据集，包含非增强CT扫描	PyTorch	NA	Dice系数, Hausdorff距离	NA
34	2026-07-05	A cross-attention-based deep learning approach for predicting functional stroke outcomes using 4D CTP imaging and clinical metadata 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103381 PMID:39500028	研究论文	提出一种基于交叉注意力的多模态深度学习模型，结合4D CTP影像和临床元数据预测急性缺血性卒中患者的功能预后	首次将4D CTP影像与临床元数据结合通过交叉注意力机制进行多模态融合，用于预测卒中功能预后，优于传统融合策略和单模态模型	数据集仅包含70例患者，样本量较小	开发并评估一种新型多模态深度学习模型，用于预测AIS患者90天改良Rankin量表评分	急性缺血性卒中（AIS）患者，接受血管内机械取栓术	深度学习, 医学影像分析	急性缺血性卒中	4D CTP影像, 临床元数据	深度学习多模态模型	影像数据, 临床数据	70例AIS患者	PyTorch, TensorFlow	ResNet, Transformer, 交叉注意力机制	ACC, precision, recall, F1-score	NA
35	2026-07-05	Enhancing chest X-ray datasets with privacy-preserving large language models and multi-type annotations: A data-driven approach for improved classification 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103383 PMID:39546982	研究论文	提出MAPLEZ方法，利用本地执行的大语言模型从胸部X光报告中提取并增强病灶标签，包括存在性、位置、严重度和不确定性，以提升分类质量	首次利用本地执行的大语言模型从胸部X光报告中提取多类型注释（存在性、位置、严重度、不确定性），并在有限分辨率数据集上证明改进注释对分类质量的提升	可能依赖报告质量，且需进一步验证在其他数据集和更多异常类型上的泛化能力	通过隐私保护的大语言模型改进胸部X光数据集的标注质量，提升分类性能	胸部X光报告及对应图像，包括八个异常类型和五个测试集	计算机视觉，自然语言处理	胸部疾病	大语言模型（LLM），胸部X光（CXR）	大语言模型	文本（报告），图像（X光片）	五个测试集，涉及八个异常类型	PyTorch	LLM（未指定具体架构）	macro F1分数， F1分数， AUROC	本地执行（具体GPU未说明）
36	2026-07-05	Large-scale multi-center CT and MRI segmentation of pancreas with deep learning 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103382 PMID:39541706	研究论文	提出一种结合nnUNet与Transformer网络的新型胰腺分割方法PanSegNet，在大规模多中心CT和MRI数据集上实现了准确的胰腺自动分割	首次将nnUNet与Transformer网络结合，并引入新型线性注意力模块实现体积计算，同时收集并公开了大规模多中心MRI胰腺分割数据集	未明确说明，但研究为回顾性设计，且MRI数据来自少数机构，泛化性尚需进一步验证	提高胰腺在CT和MRI上的自动分割准确性，推动基于MRI的胰腺分割方法研究	胰腺	计算机视觉	胰腺疾病	CT, MRI	nnUNet, Transformer网络	CT图像, MRI图像	767次MRI扫描（来自499名参与者）和1350例CT扫描	nnUNet, PyTorch（推测）	nnUNet, Transformer, PanSegNet	Dice系数, Hausdorff距离(HD95), Cohen's kappa系数, 皮尔逊相关系数R	未指定，可能使用GPU
37	2026-07-04	A hybrid CNN-Bi-LSTM model with feature fusion for accurate epilepsy seizure detection 2025-01-06, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02845-0 PMID:39762881	研究论文	提出一种结合特征融合的混合CNN-Bi-LSTM模型，用于准确检测癫痫发作	首次将离散小波变换、SVM-RFE特征选择与CNN-Bi-LSTM混合模型结合，实现高精度癫痫发作分类	未提及模型在真实临床环境中的计算效率及跨中心泛化能力验证	开发快速、准确、非侵入性的癫痫发作检测方法	脑电图（EEG）信号	机器学习	癫痫	EEG信号分析	CNN-Bi-LSTM	EEG信号	Bonn数据集、New Delhi数据集、CHB-MIT数据集（具体样本数未说明）	NA	卷积神经网络（CNN）与双向长短期记忆网络（Bi-LSTM）	准确率、敏感度、特异性、精确度、F1分数	NA
38	2026-07-04	GNCnn: A QuPath extension for glomerulosclerosis and glomerulonephritis characterization based on deep learning 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.11.049 PMID:39802211	研究论文	提出一个名为GNCnn的QuPath扩展，用于基于深度学习的肾小球硬化和肾小球肾炎表征	首个专为肾病理学设计的开源QuPath扩展，集成了深度学习模型，可在肾病理学家工作空间内直接完成肾小球检测、硬化和肾小球肾炎分类的完整工作流	NA	为肾病理学家提供一个免费易用的应用，用于测量和分析肾小球以识别肾小球硬化和肾小球肾炎	肾小球	数字病理学	肾小球硬化, 肾小球肾炎	全切片成像	深度学习	图像	NA	QuPath	NA	Dice系数, 平衡准确率	NA
39	2026-07-04	An Optimized Bidirectional Long Short-Term Memory Model Based on Hyperspectral Analysis of Protein Content in Milk Powder 2025-Jan, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.4556 PMID:39803281	研究论文	提出了一种基于高光谱分析的优化双向长短期记忆模型，用于快速检测奶粉中的蛋白质含量	引入注意力机制为BiLSTM隐藏状态分配不同权重，并利用鲸鱼优化算法自动优化模型超参数	未提及	实现奶粉蛋白质含量的快速无损检测	奶粉样品中的蛋白质含量	机器学习	NA	高光谱分析	双向长短期记忆网络结合注意力机制	高光谱数据	NA	NA	BiLSTM-Attention	决定系数, 均方根误差	NA
40	2026-07-03	Deep learning for the classification of atrial fibrillation using wavelet transform-based visual images 2025-01-21, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02872-5 PMID:39838437	研究论文	利用基于小波变换的视觉图像和深度学习进行心房颤动分类	首次使用Morse连续小波变换将心电图信号转换为图像，并结合深度学习进行房颤分类，获得了优于同类研究的效果	将信号转换为小波形式可能仅带来微小改进，但可能显著提升未来基于信号的诊断结果	探索使用Morse连续小波变换结合深度学习分类房颤的方法	心电图信号中的房颤分类	机器学习	心血管疾病	ECG信号处理	CNN	图像	未明确指定	NA	NA	准确率, F1分数, AUC	NA