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
1341	2026-02-03	Multi-task magnetic resonance imaging reconstruction using meta-learning 2025-Feb, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110278 PMID:39580007	研究论文	提出一种基于元学习的多任务学习方法，用于同时重建不同成像序列采集的MRI图像	首次将元学习（学习如何学习）框架引入多任务MRI重建，并开发了跨图像域和k空间域的近端梯度下降优化方法	未明确说明方法在临床环境中的实时性能或计算效率	提高多序列MRI图像重建的泛化性和性能	多对比度磁共振成像数据	医学影像重建	NA	磁共振成像（MRI）	深度学习	k空间数据，图像数据	NA	NA	NA	像素级误差，定性性能	NA
1342	2026-02-03	Tumor aware recurrent inter-patient deformable image registration of computed tomography scans with lung cancer 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17536 PMID:39589333	研究论文	本文提出了一种肿瘤感知的循环配准（TRACER）深度学习方法，用于肺癌患者间CT扫描的可变形图像配准，以支持基于体素的分析	开发了结合3D卷积长短期记忆网络（3D-CLSTM）的肿瘤感知循环配准方法，通过输入条件化（包括肿瘤分割）和双向肿瘤刚性、图像相似性及变形平滑度损失进行无监督优化	研究主要针对肺癌患者，未涉及其他癌症类型；样本量相对有限（训练集204对，测试集最多765对）	开发一种适用于基于体素分析的、能保持肿瘤拓扑结构的患者间可变形图像配准方法	肺癌患者的3D计算机断层扫描（CT）图像	计算机视觉	肺癌	CT扫描	深度学习	3D图像	训练集：204对3D CT图像；测试集：数据集I（308对）、数据集II（765对）、数据集III（42名患者）	NA	3D卷积长短期记忆网络（3D-CLSTM）	肿瘤体积差异百分比、CT强度均方误差、计划放疗肿瘤剂量差异	NA
1343	2026-02-03	Cross-shaped windows transformer with self-supervised pretraining for clinically significant prostate cancer detection in bi-parametric MRI 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17546 PMID:39589390	研究论文	本研究提出了一种基于自监督预训练的CSwin UNet模型，用于双参数MRI中临床显著前列腺癌的检测	引入了新颖的端到端交叉窗口（CSwin）变换器UNet模型，并结合多任务自监督学习框架以利用未标记数据提升网络泛化能力	NA	增强前列腺癌在双参数MRI中的检测性能	临床显著前列腺癌（csPCa）	计算机视觉	前列腺癌	双参数磁共振成像（bpMRI）	Transformer	图像	PI-CAI数据集（1476名患者）和Prostate158数据集（158名患者）	NA	CSwin UNet	AUC, Average Precision	NA
1344	2026-02-03	A survey on deep learning in medical image registration: New technologies, uncertainty, evaluation metrics, and beyond 2025-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103385 PMID:39612808	综述	本文全面概述了基于深度学习的医学图像配准领域的最新进展，包括网络架构、损失函数、不确定性估计及评估指标	系统总结了深度学习在医学图像配准中的创新技术，如新型网络架构、配准专用损失函数和不确定性估计方法	NA	回顾和总结深度学习在医学图像配准领域的技术发展、应用及未来方向	医学图像配准技术及其在医学成像中的应用	计算机视觉	NA	深度学习	CNN, U-Net	医学图像	NA	NA	U-Net	NA	NA
1345	2026-02-03	Quantification of coronary artery calcification in systemic sclerosis using visual ordinal and deep learning scoring: Association with systemic sclerosis clinical features 2025-02, Seminars in arthritis and rheumatism IF:4.6Q1 DOI:10.1016/j.semarthrit.2024.152598 PMID:39613484	研究论文	本研究探讨系统性硬化症（SSc）临床特征与冠状动脉钙化（CAC）程度及进展之间的关联，并比较了视觉序数评分和深度学习评分方法	首次结合视觉序数评分和深度学习（DeepCAC）方法量化SSc患者的冠状动脉钙化，并分析其与临床特征的关联	单中心回顾性研究，样本量有限（主要目标86例，次要目标171例），可能存在选择偏倚	研究系统性硬化症临床特征与冠状动脉钙化程度及进展的关联	系统性硬化症患者	数字病理学	系统性硬化症	CT影像分析，深度学习	深度学习模型	医学影像（CT扫描）	主要目标86例SSc患者，次要目标171例SSc患者	NA	DeepCAC	回归系数，95%置信区间，p值	NA
1346	2026-02-03	Deep learning-based overall survival prediction in patients with glioblastoma: An automatic end-to-end workflow using pre-resection basic structural multiparametric MRIs 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109436 PMID:39637462	研究论文	本研究开发了一种基于深度学习的端到端工作流程，用于利用术前基本结构多参数磁共振图像预测胶质母细胞瘤患者的总体生存期	提出了一种结合颅骨剥离、肿瘤亚区分割和对比学习集成预测的端到端自动化工作流程，仅使用术前基本结构多参数MRI进行生存预测	机构临床试验数据集样本量较小（19例），且多参数MRI协议存在较大差异可能影响模型泛化能力	开发自动化早期生存预测系统以辅助胶质母细胞瘤患者的及时治疗决策	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	多参数磁共振成像	深度学习模型	磁共振图像	多机构公开数据集235例患者，机构临床试验数据集19例患者	NA	集成学习模型，对比学习模型	AUC，Dice系数	NA
1347	2026-02-03	ItpCtrl-AI: End-to-end interpretable and controllable artificial intelligence by modeling radiologists' intentions 2025-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103054 PMID:39689443	研究论文	提出了一种名为ItpCtrl-AI的端到端可解释且可控的AI框架，通过模拟放射科医生的决策过程来诊断胸部X光片中的发现	开发了一个能模拟放射科医生眼动模式以生成注意力热图的端到端框架，使模型决策过程可解释且允许用户通过方向输入进行控制	未在摘要中明确说明	解决高级深度学习模型在医学诊断中缺乏可解释性的问题，提高计算机辅助诊断系统的透明度和可控性	胸部X光片中的医学发现	计算机视觉	NA	深度学习	NA	图像, 眼动数据	未在摘要中明确说明	NA	NA	准确性	未在摘要中明确说明
1348	2026-02-03	TransformerLSR: Attentive joint model of longitudinal data, survival, and recurrent events with concurrent latent structure 2025-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103056 PMID:39705769	研究论文	本文提出了一种基于Transformer的深度学习框架TransformerLSR，用于联合建模纵向数据、生存数据和复发事件	将深度时间点过程整合到联合建模框架中，并引入新的轨迹表示和模型架构以纳入已知潜在结构	未明确提及具体局限性	联合建模纵向测量、复发事件和生存数据，以解决生物医学研究中的依赖性问题	肾移植术后患者	机器学习	肾移植相关疾病	深度学习	Transformer	纵向数据，生存数据，复发事件数据	NA	NA	Transformer	NA	NA
1349	2026-02-03	Concordance-based Predictive Uncertainty (CPU)-Index: Proof-of-concept with application towards improved specificity of lung cancers on low dose screening CT 2025-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103055 PMID:39721356	研究论文	本文提出了一种基于一致性的预测不确定性指数，用于改进低剂量CT肺癌筛查的风险评估	提出了一种结合亚组分析和个性化AI时间-事件模型的新型预测不确定性指数，通过衡量两者预测一致性来评估偏差-方差权衡，提高了预测的透明度和可靠性	研究依赖于回顾性数据，且模型可能受到删失数据偏差的影响	改进肺癌筛查的风险评估特异性	低剂量CT筛查中的肺癌患者	数字病理学	肺癌	低剂量CT，放射组学特征提取	神经网络多任务逻辑回归时间-事件模型	CT图像，患者人口统计学数据	3,326名在2015年1月1日至2020年6月30日期间接受低剂量CT筛查并在一年内经病理证实为肺癌的患者	MONAI	预训练的深度学习模型	AUC，假阳性率，假阴性率	NA
1350	2026-02-03	Deep learning model for automatic detection of different types of microaneurysms in diabetic retinopathy 2025-Feb, Eye (London, England) DOI:10.1038/s41433-024-03585-1 PMID:39789187	研究论文	本研究开发了一种基于深度学习的软件，用于在非增殖性糖尿病视网膜病变患者的结构光学相干断层扫描图像中自动检测和区分低反射和高反射微动脉瘤	首次在结构OCT图像上使用深度学习模型（特别是DETR）自动检测和分类不同类型的微动脉瘤（低反射与高反射）	自动化方法与手动标注之间的差异主要源于自动化方法错误选择了正常视网膜血管，且YOLO模型性能较差	开发能够自动检测和区分糖尿病视网膜病变中不同类型微动脉瘤的深度学习软件，以辅助临床早期检测和监测	非增殖性糖尿病视网膜病变患者的结构OCT图像及其中的微动脉瘤	计算机视觉	糖尿病视网膜病变	结构光学相干断层扫描	YOLO, DETR	图像	249名患者（498只眼睛）	NA	YOLO, DETR	AUC	NA
1351	2026-02-03	AI-based methods for biomolecular structure modeling for Cryo-EM 2025-Feb, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.102989 PMID:39864242	综述	本文综述了人工智能（特别是深度学习）在冷冻电镜数据处理关键步骤（如大分子结构建模和异质性分析）中的应用	总结了当前最先进的AI技术在冷冻电镜数据处理中的创新应用，特别是深度学习对结构建模和异质性分析性能的提升	NA	探讨AI方法在冷冻电镜生物分子结构建模领域的应用与进展	冷冻电镜数据处理中的大分子结构建模和异质性分析	结构生物学	NA	冷冻电镜	深度学习	图像	NA	NA	NA	NA	NA
1352	2026-02-03	Binary Classification of Laryngeal Images Utilising ResNet-50 CNN Architecture 2025-Feb, Indian journal of otolaryngology and head and neck surgery : official publication of the Association of Otolaryngologists of India DOI:10.1007/s12070-024-05202-9 PMID:40070749	研究论文	本研究提出了一种利用ResNet-50 CNN架构对喉部内窥镜图像进行二分类（癌变与非癌变）的新方法，以辅助喉癌的早期检测	在印度喉癌高发且缺乏先进NBI设备和专业知识的背景下，首次将ResNet-50 CNN架构应用于喉部内窥镜图像的二分类任务，并针对数据稀缺问题将九类形态学分类简化为癌变/非癌变二分类	原始研究计划对九种形态学类别进行分类，但因各类别数据不足而简化为二分类；研究仅使用单一医疗中心的数据，可能影响模型泛化能力	开发基于深度学习的喉癌早期检测与分类系统	喉部内窥镜图像中的癌变与非癌变病变区域	计算机视觉	喉癌	内窥镜成像，图像处理技术	CNN	图像	来自960名患者的1978张内窥镜图像（其中测试集197张，含43张癌变图像和154张非癌变图像）	NA	ResNet-50	ROC曲线下面积（AUC），准确率	NA
1353	2026-02-02	Mitigating the Vanishing Gradient Problem Using a Pseudo-Normalizing Method 2025-Dec-31, Entropy (Basel, Switzerland) DOI:10.3390/e28010057 PMID:41593963	研究论文	本文提出一种伪归一化方法，通过放大梯度来缓解深度神经网络中的梯度消失问题，并在图像分类任务中验证其有效性	引入伪归一化技术，通过定期除以均方根来放大梯度，避免梯度消失同时防止梯度爆炸，且发现网络主要利用图像轮廓信息进行分类	方法仅在双曲正切激活函数的图像分类网络中验证，未涉及其他激活函数或任务类型	解决深度神经网络训练中的梯度消失问题，提升训练稳定性和性能	深度神经网络及其训练过程	机器学习	NA	伪归一化方法	深度神经网络	图像	NA	NA	NA	NA	NA
1354	2026-02-02	Enhancing crayfish sex identification with Kolmogorov-Arnold networks and stacked autoencoders 2025-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34095-z PMID:41469793	研究论文	本研究利用传统机器学习和深度学习模型，对具有不平衡类别分布的表格和图像数据集进行小龙虾性别二分类，提出了一种基于堆叠自编码器的新架构，并验证了Kolmogorov-Arnold网络在分类任务中的有效性	提出了一种基于堆叠自编码器的新架构，用于增强特征提取，并首次将Kolmogorov-Arnold网络应用于小龙虾性别分类任务，展示了其在所有指标上的最佳性能	研究中使用的数据集存在类别不平衡问题，且部分模型在性能提升后出现下降，未详细讨论模型的可解释性或泛化能力到其他物种	提高小龙虾性别分类的准确性，以支持淡水生态系统的人口结构分析	小龙虾	机器学习	NA	图像组合、特征提取	Kolmogorov-Arnold网络, 自编码器, 支持向量机, 多层感知器, 朴素贝叶斯	表格数据, 图像数据	NA	NA	堆叠自编码器	准确率	NA
1355	2026-02-02	Advancing Medical Decision-Making with AI: A Comprehensive Exploration of the Evolution from Convolutional Neural Networks to Capsule Networks 2025-Dec-30, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12010017 PMID:41590902	综述	本文是一篇关于卷积神经网络（CNN）和胶囊网络（CapsNet）在医学图像分析中应用的文献综述，旨在通过比较两者来辅助医疗决策支持	对CNN和CapsNet在医学图像分析中的应用进行了结构化比较，并提出了未来可解释、高效混合深度学习系统的研究方向	作为一篇综述文章，其局限性在于主要基于2018年至2025年发表的文献进行分析，可能未涵盖最新进展	分析比较CNN和CapsNet在医学图像分析中的性能，以支持医疗决策	医学图像分析领域的深度学习架构	计算机视觉	NA	NA	CNN, CapsNet	图像	基于基准数据集BraTS、INbreast、ISIC和COVIDx	NA	卷积神经网络, 胶囊网络	NA	NA
1356	2026-02-02	A painting art rendering system by deep learning framework and machine translation 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34058-4 PMID:41461861	研究论文	本研究提出了一种基于深度学习和机器翻译的绘画艺术渲染系统，旨在解决民族大学绘画教学中的技术传承、跨语言障碍和个性化不足等问题	提出了一个集“技术传承-风格渲染-文化解读-个性化指导”于一体的协作教学框架，并引入了改进的生成对抗网络和视觉上下文Transformer模块，实现了八种民族绘画风格的自动渲染和跨民族语言绘画术语的语义映射	未明确说明系统在更广泛绘画风格或语言中的泛化能力，以及计算资源需求的具体细节	开发一个集成系统，以促进民族绘画技术的数字保存和跨文化交流，提升绘画教学效果	民族绘画艺术作品和跨民族语言的绘画术语	计算机视觉, 自然语言处理	NA	深度学习, 机器翻译	GAN, Transformer	图像, 文本	包含12,000件艺术作品和5,000条术语条目的多模态数据集	NA	改进的生成对抗网络, 视觉上下文Transformer	F1分数, 语义匹配率	NA
1357	2026-02-02	An enhanced deep learning framework for intrusion classification enterprise network using multi-branch CNN-attention architecture 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34166-1 PMID:41461889	研究论文	本文提出了一种面向部署的企业网络入侵检测框架，结合了多分支CNN注意力架构与微调决策树分类器	提出了一种结合多分支CNN通道注意力机制与微调决策树分类器的部署导向型入侵检测框架，在保证高精度的同时提供可解释的规则，并展示了跨数据集的泛化能力	NA	开发一个高精度、可解释且适合实际部署的企业网络入侵检测系统	企业网络流量数据	机器学习	NA	NA	CNN, 决策树	网络流量数据	CIC-IDS2017数据集包含超过200万个带标签的网络流（80+个特征），NSL-KDD数据集包含125,000个连接记录（41个特征）	NA	多分支CNN注意力架构	准确率, ROC-AUC, 宏F1分数	NA
1358	2026-02-02	Interpretable multimodal deep learning improves postoperative risk stratification in intrahepatic cholangiocarcinoma in multicentre cohorts 2025-Dec-29, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02282-x PMID:41466129	研究论文	开发了一种基于Transformer的可解释多模态深度学习框架，用于肝内胆管癌患者的术后风险分层	首次将临床变量、影像组学特征和全切片病理图像通过预训练编码器与Transformer网络融合，并利用空间转录组学和蛋白质组学进行生物学验证，揭示了模型注意力机制与肿瘤侵袭性的关联	未明确说明模型在更广泛人群或不同医疗中心间的泛化能力，以及计算资源需求的具体细节	提高肝内胆管癌患者术后风险分层的准确性	肝内胆管癌患者	数字病理学	肝内胆管癌	空间转录组学, 空间蛋白质组学	Transformer	临床变量, 影像组学特征, 全切片病理图像	三个独立验证队列（具体样本数未提供）	NA	Transformer	AUC	NA
1359	2026-02-02	Adaptive Normalization Enhances the Generalization of Deep Learning Model in Chest X-Ray Classification 2025-Dec-28, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12010014 PMID:41590899	研究论文	本研究通过对比分析不同归一化方法，提出了一种自适应预处理流程，旨在提升深度学习模型在胸部X光分类中的泛化能力	提出了一种结合百分位ROI裁剪和直方图标准化的自适应预处理流程，并通过系统性基准测试验证其在多数据集和模型架构下的有效性	在采集异质性强的MIMIC-CXR数据集上性能提升有限	提升深度学习模型在胸部X光分类中的跨数据集鲁棒性和可靠性	胸部X光图像	计算机视觉	NA	NA	CNN	图像	四个公共胸部X光数据集	NA	三种卷积神经网络架构	准确率, F1分数	NA
1360	2026-02-02	Automated deep learning pipeline for callosal angle quantification 2025-Dec-27, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-025-00750-w PMID:41456015	研究论文	本文开发了一个全自动深度学习框架，用于从原始T1 MPRAGE扫描中量化胼胝体角，以辅助常压性脑积水的诊断	提出了一个结合BrainSignsNET进行关键解剖标志点检测和基于UNet的分割网络的全自动、鲁棒性框架，可直接从原始MRI扫描中测量胼胝体角，性能优于报告的人工观察者间变异性	未明确提及，但可能包括对特定MRI序列（T1 MPRAGE）的依赖以及需要进一步的外部验证	开发一个全自动、可靠的深度学习框架，用于量化胼胝体角，以改善常压性脑积水的早期检测和诊断	常压性脑积水患者的MRI扫描图像	数字病理学	常压性脑积水	T1 MPRAGE MRI扫描	深度学习	3D MRI图像	训练和内部验证使用BLSA和BIOCARD数据集；外部验证使用来自约翰霍普金斯湾景医院和PENS试验的376个临床MRI扫描	NA	BrainSignsNET, UNet with EfficientNetB0 encoder	相关系数, 平均绝对误差	NA