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
141	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
142	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
143	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
144	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
145	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
146	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
147	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
148	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
149	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
150	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）
151	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
152	2026-07-04	Deep Learning Estimation of Small Airway Disease from Inspiratory Chest Computed Tomography: Clinical Validation, Repeatability, and Associations with Adverse Clinical Outcomes in Chronic Obstructive Pulmonary Disease 2025-07, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202409-1847OC PMID:40072247	研究论文	利用深度学习从吸气相胸部CT评估小气道疾病，验证其在慢性阻塞性肺疾病中的临床有效性、可重复性及与不良临床结局的关联	首次通过生成式AI仅从吸气相CT估计功能性小气道疾病，替代传统双容积参数响应映射所需的呼气相CT扫描	NA	评估AI模型在仅用吸气相CT估算小气道疾病时的临床表现，并与双容积法比较，同时探究其与肺功能下降等临床结局的关联	慢性阻塞性肺疾病患者中的功能性小气道疾病	机器学习	慢性阻塞性肺疾病	CT	生成式模型	CT图像	SPIROMICS队列2513名参与者（其中1055名用于模型开发，1458名用于验证）及COPDGene队列458名患者	NA	生成式模型	Pearson相关系数, 组内相关系数, FEV1下降率	NA
153	2026-07-04	Artificial intelligence applications for the diagnosis of pulmonary nodules 2025-07-01, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001179 PMID:40326426	综述	评估人工智能在肺结节诊断中的应用，聚焦于临床实践与局限性	系统总结AI在影像和血液/组织诊断中的最新进展，强调临床挑战而非技术细节	缺乏前瞻性多机构验证，存在过拟合和泛化能力不足的问题；AI的“黑箱”性质及与医生评估的重叠输入增加临床整合难度	梳理AI在孤立性肺结节诊断中的临床价值与挑战	孤立性肺结节（SPN）的诊断方法	计算机视觉，机器学习	肺结节	CT影像分析， RNA测序	卷积神经网络，机器学习	影像数据，血液/组织数据	未提及具体样本量	未提及	用于结节检测、假阳性减少、分割和分类的卷积神经网络结构	Dice相似系数（0.70-0.92），曲线下面积（0.86-0.97，最高0.907）	未提及
154	2026-07-04	Comparative analysis and enhancing rainfall prediction models for monthly rainfall prediction in the Eastern Thailand 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.103094 PMID:39802428	研究论文	评估泰国东部月降雨量预测模型，并开发一种新型混合深度学习模型以提高预测精度	针对厄尔尼诺和南方涛动不同条件开发新型混合深度学习模型，优化海洋尼诺指数与当地气象参数之间的时间依赖关系	NA	评估和改进泰国东部的月降雨量预测模型	泰国东部的月降雨量	机器学习	NA	NA	RNN, LSTM, GRU, 混合深度学习模型	气象数据	五个选定站点的月降雨量数据	NA	RNN with ReLU, LSTM, GRU（单层）, LSTM+LSTM, LSTM+GRU（多层）	平均绝对误差 (MAE), 均方根误差 (RMSE)	NA
155	2026-07-04	Automatic Vertical Root Fracture Detection on Intraoral Periapical Radiographs With Artificial Intelligence-Based Image Enhancement 2025-06, Dental traumatology : official publication of International Association for Dental Traumatology IF:2.3Q2 DOI:10.1111/edt.13027 PMID:39829209	研究论文	探索迁移学习技术并结合人工智能图像增强，以提升口腔根尖X光片中垂直根折的诊断准确性	首次结合迁移学习与粒子群优化和深度学习图像增强方法，用于垂直根折的自动检测，并评估了融合模型在离体牙和患者口内图像上的表现	研究样本量有限，仅为378张根尖X光片，且主要聚焦于磨牙和前磨牙，可能限制了模型的泛化能力	提升垂直根折在放射影像中的诊断准确性，开发全自动诊断系统	垂直根折（VRF）的检测	数字病理学	牙科疾病	口腔根尖X光	CNN	图像	378张根尖X光片，包括195颗骨折牙和183颗非骨折牙	NA	DenseNet, ConvNext, Inception121, MobileNetV2	准确率, 精确率, 召回率, F1分数, AUC, kappa值	NA
156	2026-07-04	Integrating Social Determinants of Health and Established Risk Factors to Predict Cardiovascular Disease Risk Among Healthy Older Adults 2025-06, Journal of the American Geriatrics Society IF:4.3Q1 DOI:10.1111/jgs.19440 PMID:40099367	research paper	本研究整合社会健康决定因素与既有风险因子，预测健康老年人心血管疾病风险	首次将社会健康决定因素纳入心血管疾病风险预测模型，并发现其对女性的影响大于男性	NA	评估社会健康决定因素对心血管疾病风险预测的改善效果	70岁及以上无心血管疾病、痴呆症及独立活动受限的老年人	machine learning	心血管疾病	NA	随机生存森林、DeepSurv、神经多任务逻辑回归	纵向临床数据与社会学数据	12896名健康老年人（5884名男性，7012名女性）	NA	随机生存森林、DeepSurv、神经多任务逻辑回归	C-index, 综合Brier分数, 5年AUC, 10年AUC	NA
157	2026-07-04	Automatic Segmentation of Vestibular Schwannoma From MRI Using Two Cascaded Deep Learning Networks 2025-04, The Laryngoscope DOI:10.1002/lary.31979 PMID:39744768	research paper	提出一种级联两个卷积神经网络模型的方法，用于从MRI中自动分割前庭神经鞘瘤，以提升分割性能	创新性地采用了两个UNet模型顺序连接，第一个UNet的分割结果输入第二个网络进行精炼，并结合空间注意力机制，在2D、2.5D和3D架构上均提升了分割效果	深度学习方法因肿瘤变异性面临泛化挑战，论文未详细讨论跨中心或大样本验证的局限性	通过深度学习自动检测和分割前庭神经鞘瘤，提升MRI自动分割性能	前庭神经鞘瘤	computer vision	vestibular schwannoma	MRI	CNN	image	使用公共和私有数据集，包含对比增强T1和高分辨率T2加权MRI图像，具体样本数量未提及	NA	UNet	Dice score	NA
158	2026-07-04	Artificial Intelligence in Temporal Bone Imaging: A Systematic Review 2025-03, The Laryngoscope DOI:10.1002/lary.31809 PMID:39352072	综述	系统综述人工智能在颞骨影像学中的应用	首次系统综述AI在颞骨成像中的应用，涵盖72篇研究并评价质量	现有研究存在异质性和质量差异，需更标准化的方法学	阐明人工智能在颞骨影像学中的当前作用	颞骨影像学中的人工智能应用，包括CT和MRI成像	计算机视觉	颞骨疾病	NA	神经网络	图像	72篇研究	NA	卷积神经网络	NA	NA
159	2026-07-04	Toward Intelligent Head Impulse Test: A Goggle-Free Approach Using a Monocular Infrared Camera 2025-03, The Laryngoscope DOI:10.1002/lary.31848 PMID:39422423	研究论文	提出一种无需护目镜的智能头脉冲测试方法，使用单目红外摄像头和深度学习进行前庭功能评估	首次提出用单目红外摄像头替代传统头部护目镜，结合两阶段多模态视频分类网络，实现无需校准的完全自动化前庭功能检测	未提及具体局限性	开发一种无需护目镜、低成本、易操作的智能头脉冲测试方法，用于评估前庭功能	前庭功能检测中的视频头脉冲测试视频片段	计算机视觉，机器学习	前庭功能障碍	红外摄像头录制	两阶段多模态视频分类网络	视频	文章中未明确提及具体样本数量	PyTorch	两阶段多模态视频分类网络	准确率	NA
160	2026-07-04	A deep learning method for total-body dynamic PET imaging with dual-time-window protocols 2025-03, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-07012-1 PMID:39688700	research paper	开发了一种基于深度学习的双向序列到序列模型，用于从双时间窗协议预测全身动态PET图像，以缩短扫描时间	提出双向注意力序列到序列模型，利用双时间窗协议预测完整动态PET图像，显著缩短扫描时间并提高图像质量	仅针对肺结节和乳腺结节患者，样本量较小（70例），且需要进一步验证在其他患者群体和不同示踪剂中的泛化能力	开发深度学习算法从双时间窗协议预测动态PET图像，减少扫描时间并促进动态PET的临床推广	70例诊断为肺结节或乳腺结节的患者（年龄53.61±13.53岁，32名男性）	machine learning	NA	动态PET/CT成像	Bi-AT-Seq2Seq	图像	70例患者（32名男性，38名女性）	NA	Bi-AT-Seq2Seq	MAE, Bias, PSNR, SSIM, CCC	NA