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
1	2026-07-13	Interpretable multi-scale deep learning to detect malignancy in cell blocks and cytological smears of pleural effusion and identify aggressive endometrial cancer 2025-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103742 PMID:40779831	研究论文	提出一个可解释的多尺度深度学习框架IMA-SSL，利用胸腔积液细胞块和细胞学涂片的全切片图像检测恶性肿瘤，并识别侵袭性子宫内膜癌	结合自监督学习特征编码器和多尺度注意力机制，实现可解释的胸腔积液恶性预测，在两个独立数据集（细胞块和细胞学涂片）上均优于五种现有方法，并成功应用于公共TCGA数据集的侵袭性子宫内膜癌识别	NA	开发深度学习框架提高胸腔积液恶性诊断的准确性和可靠性，减少误诊率	胸腔积液细胞块和细胞学涂片的全切片图像，以及TCGA子宫内膜癌数据集	数字病理学	肺癌、乳腺癌、子宫内膜癌、结核病、心力衰竭、肺炎	全切片成像	深度学习、多尺度注意力网络、自监督学习	全切片图像	194张细胞学涂片WSI和188张细胞块WSI	PyTorch	多尺度注意力网络、自监督学习特征编码器	准确性、Fisher精确检验p值	NA
2	2026-07-13	Recurrent inference machine for medical image registration 2025-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103748 PMID:40779833	研究论文	提出一种名为递归推理图像配准（RIIR）网络的新型医学图像配准方法，通过元学习求解器迭代优化配准过程	将递归推理引入图像配准，作为元学习求解器，结合隐式正则化和显式梯度输入，学习优化的更新规则，显著提高数据效率和配准精度	NA	提高医学图像配准的准确性和数据效率，解决深度学习方法在大训练数据需求上的不足	配准方法	计算机视觉	NA	MRI, CT	递归神经网络	图像	脑MRI、肺部CT和定量心脏MRI数据集	PyTorch	RIIR网络	配准精度，数据效率	NA
3	2026-07-13	MedCLIP-SAMv2: Towards universal text-driven medical image segmentation 2025-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103749 PMID:40779830	研究论文	介绍MedCLIP-SAMv2框架，利用文本提示实现医学图像分割，支持零样本和弱监督学习	将CLIP和SAM模型集成到统一框架中，引入解耦硬负例噪声对比估计损失和多模态信息瓶颈技术，实现文本驱动的零样本和弱监督医学图像分割	NA	开发一种数据高效、通用性强且可交互的医学图像分割方法	医疗影像中的解剖结构和病理区域分割	机器视觉	乳腺癌、脑肿瘤、肺部疾病	NA	CLIP, SAM	图像	四种医学影像模态数据集（乳腺肿瘤超声、脑肿瘤MRI、肺X光、肺CT）	PyTorch	BiomedCLIP, Segment-Anything-Model (SAM)	准确率	NA
4	2026-07-13	OCELOT 2023: Cell detection from cell-tissue interaction challenge 2025-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103751 PMID:40782597	研究论文	介绍OCELOT 2023挑战赛，旨在通过细胞与组织交互关系提升细胞检测性能	首次利用包含多尺度重叠细胞和组织注释的数据集，验证细胞-组织交互对提升细胞检测性能的重要性	未明确提及局限性，但挑战赛数据仅涵盖特定器官和染色类型，可能限制模型泛化性	验证理解细胞-组织交互对实现人类级细胞检测性能的关键作用，并推动该领域研究	细胞检测与组织分割的交互关系	计算机视觉, 数字病理学	癌症（涵盖多种器官）	H&E染色全玻片图像	深度学习模型	图像（全玻片图像）	来自306个TCGA全玻片图像的673对样本，涵盖六个器官	NA	NA	F1分数	NA
5	2026-07-13	PitVis-2023 challenge: Workflow recognition in videos of endoscopic pituitary surgery 2025-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103716 PMID:40769094	研究论文	PitVis-2023挑战赛针对内窥镜垂体手术视频中的工作流识别任务，包括手术步骤和手术器械的自动识别	将计算机视觉模型应用于内窥镜垂体手术视频，并针对该手术视野小、器械和步骤切换频繁的挑战进行模型优化，同时公开数据集以促进领域发展	数据集仅包含25个视频，样本量较小，可能限制模型的泛化能力	评估和推进内窥镜垂体手术视频中手术步骤和手术器械识别的计算机视觉技术	内窥镜垂体手术视频中的手术步骤和手术器械	计算机视觉	垂体疾病	视频分析	深度学习模型，包括基于Transformer的架构和时空编码器	视频	25个手术视频	NA	Transformer, 自回归解码器, 位置编码, 空间编码器, 时间编码器	NA	NA
6	2026-07-13	SemiSAM+: Rethinking semi-supervised medical image segmentation in the era of foundation models 2025-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103733 PMID:40769095	研究论文	提出SemiSAM+框架，利用基础模型驱动半监督学习，在有限标注数据下高效进行医学图像分割	利用可提示分割基础模型（如SAM）作为通用模型，通过与可训练专用模型的协作学习生成伪标签，实现低标注依赖的高效分割	未明确提及，但可能依赖于基础模型的泛化能力，在极端罕见病变类型或非标准图像上可能效果有限	解决半监督医学图像分割中标注成本高的问题，通过基础模型驱动的方法提升低标注场景下的分割性能	医学图像（包括多数据集评估）	计算机视觉	未指定具体疾病	深度学习	分割模型（通用模型+专用模型协作）	医学图像	三个公开数据集和一个内部临床数据集（数量未明确）	PyTorch（推测）	SAM（Segment Anything Model）及可训练专用分割模型	分割性能指标（精度、Dice系数等，具体未列明）	未提及
7	2026-07-13	Attend-and-Refine: Interactive keypoint estimation and quantitative cervical vertebrae analysis for bone age assessment 2025-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103715 PMID:40769097	研究论文	提出一种通过侧位头影测量片分析颈椎成熟度来评估儿童生长发育潜力的AI辅助方法	引入注意力-精炼网络（ARNet），结合用户交互引导的重新校准网络和形态感知损失函数，显著减少关键点标注的人工工作量并保持结构一致性	NA	通过颈椎形态分析预测儿童生长发育峰值，为正畸治疗提供最佳时机	颈椎骨成熟度特征及关键点标注	计算机视觉	儿科正畸	深度学习关键点估计	注意力-精炼网络（ARNet）	医学图像（侧位头影测量片）	多数据集验证	NA	交互引导重新校准网络	NA	NA
8	2026-07-13	Paired phase and magnitude reconstruction neural network for multi-shot diffusion magnetic resonance imaging 2025-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103771 PMID:40857854	研究论文	提出一种用于多激发扩散磁共振成像的配对相位和幅度重建神经网络	设计了一种联合重建相位和幅度的神经网络，并利用高信噪比b0图像进一步优化网络，实现亚秒级快速重建	未明确提及局限性	实现多激发扩散磁共振成像的快速、高质量图像重建	多激发扩散加权成像数据	计算机视觉, 磁共振成像	肿瘤诊断	扩散加权成像	神经网络	图像	模拟数据和体内数据	NA	配对相位和幅度重建神经网络	客观评价指标, 图像质量评分（伪影抑制、整体质量、信噪比）	NA
9	2026-07-13	Unsupervised 4D-flow MRI reconstruction based on partially-independent generative modeling and complex-difference sparsity constraint 2025-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103769 PMID:40865329	研究论文	提出一种基于部分独立生成模型和复差稀疏约束的无监督4D-flow MRI重建方法，利用深度图像先验框架实现图像恢复	设计了部分独立网络提高参数效率并减小模型规模；引入复差稀疏约束改善相位恢复精度；提出“预训练+ADMM微调”优化算法联合生成与稀疏优化目标	未明确提及局限性	解决有监督4D-flow MRI重建方法对高质量全采样数据依赖性强、泛化能力差的问题	4D-flow MRI图像重建算法	计算机视觉	血管疾病	4D-flow MRI	卷积神经网络	4D-flow MRI图像	两个内部采集数据集：主动脉数据集和脑血管数据集	NA	部分独立网络	重建性能、泛化能力	NA
10	2026-07-13	MSARAE: Multiscale adversarial regularized autoencoders for cortical network classification 2025-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103775 PMID:40865328	研究论文	提出一种多尺度对抗正则化自编码器（MSARAE）用于皮层结构连接网络的扩增与分类	利用拉普拉斯特征向量增强拓扑信息，引入多尺度图卷积层作为编码器捕捉不同尺度的图表示，并通过对抗正则化机制减少潜在空间分布差异	对数据规模有限的情况仍然依赖特定数据集，未探讨在其他脑部疾病或更广泛数据集上的泛化能力	从数据增强角度解决皮层网络分类中样本量有限导致的过拟合问题，提升深度学习模型的泛化性能	皮层结构连接网络，包括多类脑疾病数据集中的连接数据	机器学习，数字病理学	主要抑郁症（MDD），阿尔茨海默病（ADNI）	结构连接网络构建，数据增强	变分自编码器，多尺度图卷积网络，对抗正则化	图结构数据（皮层结构连接网络）	MDD数据集，HCP数据集，ADNI数据集（未具体说明样本数量）	NA	MSARAE（多尺度对抗正则化自编码器），含拉普拉斯特征向量层和多尺度图卷积层	准确率（未具体列出全部指标，但包含分类性能评估）	NA
11	2026-07-13	Supervised white matter bundle segmentation in glioma patients with transfer learning 2025-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103766 PMID:40876100	研究论文	探索迁移学习在神经胶质瘤患者白质纤维束分割中的应用	首次研究迁移学习在健康人群训练的深度学习模型适应神经胶质瘤患者的有效性，并首次全面描述域转移及其复杂性，区分系统性和肿瘤特异性成分	迁移学习无法适应肿瘤导致的大范围白质变形	评估迁移学习在临床患者中白质纤维束自动分割的效果	神经胶质瘤患者的白质纤维束	机器学习	神经胶质瘤	NA	深度学习模型	影像数据	NA	NA	NA	NA	NA
12	2026-07-13	HarmonicEchoNet: Leveraging harmonic convolutions for automated standard plane detection in fetal heart ultrasound videos 2025-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103758 PMID:40876099	研究论文	提出一种轻量级频率引导深度学习模型HarmonicEchoNet，用于胎儿心脏超声视频中标准切面自动检测	首次将基于离散余弦变换的谐波分解与空间通道注意力机制结合，在保持高精度的同时实现模型参数效率提升近10倍，推理速度提升10-15倍	未提及对不同超声设备、操作者经验差异的鲁棒性验证，以及实时临床应用中的潜在干扰因素	实现胎儿心脏超声标准切面的自动高效检测	胎儿心脏超声视频中的标准切面图像	计算机视觉	先天性心脏疾病	胎儿超声心动图	CNN+注意力机制	超声视频图像	来自PULSE和CAIFE两个私有研究的四个数据集	PyTorch	谐波卷积块（HCB）、谐波空间通道挤压激励模块（hscSE）	准确率、推理时间、参数效率	NA
13	2026-07-13	Completing spatial transcriptomics data for gene expression prediction benchmarking 2025-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103754 PMID:40885036	研究论文	提出了用于空间转录组学数据中基因表达预测的标准化基准和补全模型	首次建立系统性整理的SpaRED数据库，包含26个公共数据集，提供标准化资源用于模型评估；提出SpaCKLE，一种基于Transformer的基因表达补全模型，将均方误差降低超过82.5%	未提及具体限制，但可能包括数据集的多样性有限以及未讨论泛化性到其他空间转录组技术	解决空间转录组学中基因表达预测任务的数据集、预处理和训练协议不一致问题，建立公平比较的基准	空间转录组学数据中的基因表达预测模型	数字病理学	NA	空间转录组学	Transformer	组织学图像和基因表达谱	26个公共数据集	PyTorch	Transformer	均方误差	NA
14	2026-07-13	Leveraging sparse annotations for leukemia diagnosis on the large leukemia dataset 2025-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103760 PMID:40897065	研究论文	提出大规模白血病数据集LLD和利用稀疏注释的白细胞检测与属性预测方法	首次构建包含多显微镜、多相机、多放大倍数的大规模白血病数据集，并提出多任务模型同时实现白细胞检测和形态属性预测，且能利用稀疏注释减少标注负担	NA	解决白血病诊断中缺乏大规模多任务数据集的问题，提高诊断可解释性和临床接受度	白血病患者外周血涂片中的白细胞	计算机视觉	白血病	显微镜成像	多任务模型	图像	48名患者的白细胞图像	NA	NA	NA	NA
15	2026-07-10	Manual annotation based sentiment analysis of user feedback in health and wellness app reviews 2025-12-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28799-5 PMID:41461774	研究论文	本研究通过对健康与健身移动应用评论进行情感分类和语言强度分析，评估用户感知，并比较多种分类算法性能	将情感分类与语言强度分析相结合，对用户反馈进行五级分类（从高度积极到高度消极），并比较传统机器学习与深度学习算法在健康应用评论情感分析中的效果	NA	分析健康与健身移动应用的用户反馈，通过情感分类和语言强度分析评估用户感知，为数字健康平台的设计和沟通策略提供见解	从Google Play商店收集的健康与健身移动应用用户评论	自然语言处理	NA	NA	支持向量机、朴素贝叶斯、决策树、随机森林、卷积神经网络	文本	20651条用户评论	NA	支持向量机、朴素贝叶斯、决策树、随机森林、卷积神经网络	准确率	NA
16	2026-07-10	VAULT-OCT: vault accuracy using deep learning technology-an artificial intelligence model for predicting implantable collamer lens postoperative vault with AS-OCT 2025-12-01, Journal of cataract and refractive surgery IF:2.6Q1 DOI:10.1097/j.jcrs.0000000000001743 PMID:40660493	研究论文	开发一种基于深度学习的模型VAULT-OCT，利用术前OCT图像预测可植入式隐形眼镜术后拱高	首次利用深度学习技术直接从术前AS-OCT图像预测ICL术后拱高，为ICL尺寸选择提供新方法	NA	开发准确预测ICL术后拱高的深度学习模型	接受ICL植入患者的术前AS-OCT图像与术后拱高测量数据	机器学习	近视矫正	AS-OCT	CNN	图像	162名患者的324只眼睛	NA	自定义分类器	平均绝对误差, 均方根误差	NA
17	2026-07-10	Multimodal deep learning for predicting postoperative vault and selecting implantable collamer lens sizes using AS-OCT and ultrasound biomicroscopy images 2025-12-01, Journal of cataract and refractive surgery IF:2.6Q1 DOI:10.1097/j.jcrs.0000000000001747 PMID:40929576	研究论文	开发并验证一种多模态深度学习模型，利用前段光学相干断层扫描和超声生物显微镜图像结合临床特征预测术后拱高和选择可植入式隐形眼镜尺寸	首次利用多模态深度学习模型整合AS-OCT和UBM图像与临床数据，显著提升ICL V4c植入术后拱高预测和尺寸选择的准确性，克服了单模态数据分析的局限性	未来需要扩大样本量并进行多中心验证以增强模型的泛化性和临床适用性	提高ICL V4c植入术后拱高预测和尺寸选择的准确性	105名接受ICL V4c植入的参与者（209只眼睛）的626张AS-OCT图像和1309张UBM图像	机器学习	NA	AS-OCT, UBM	CNN, LightGBM, XGBoost, Random Forest	图像, 临床数据	105名参与者，209只眼睛，1935张图像	NA	ResNet50, LightGBM, XGBoost, Random Forest	平均绝对误差, 均方根误差, R², 准确率, 敏感度, 特异度, 精确率	NA
18	2026-07-10	Does brain connectivity hold the key to safer roads? EEG-based fatigue detection in young drivers using interpretable deep learning 2025-Dec, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108251 PMID:41014829	research paper	基于脑电图脑连接分析的年轻驾驶员疲劳检测深度可解释模型研究	提出整合多头自注意力与长短期记忆（MHSA-xLSTM）的深度学习模型，并结合SHAP可解释性方法分析脑网络拓扑特征对疲劳识别的贡献	未提及明确局限性	通过脑电图脑连接分析，设计准确且可解释的年轻驾驶员疲劳检测模型	年轻驾驶员的脑电图信号及疲劳状态	机器学习	NA	脑电图	MHSA-xLSTM	脑电图信号	32名年轻驾驶员在真实道路和实验室环境下的数据	NA	多头自注意力-长短期记忆网络	准确率	NA
19	2026-07-10	Metabolomic biomarkers enhance prediction of feeding intolerance in ICU septic patients 2025-12, Clinics and research in hepatology and gastroenterology IF:2.6Q2 DOI:10.1016/j.clinre.2025.102731 PMID:41207616	研究论文	通过整合代谢组学与临床数据，开发了预测重症监护脓毒症患者肠内喂养不耐受的深度学习模型	首次将代谢组学生物标志物与传统临床指标结合，利用深度学习算法构建了综合预测模型，显著提升了肠内喂养不耐受的预测性能	样本量较小（60例脓毒症患者），缺乏外部验证数据，模型在临床应用前需要进一步外部验证	评估代谢组学生物标志物在预测脓毒症患者肠内喂养不耐受中的附加价值	重症监护室脓毒症患者的血清代谢物特征及肠内喂养不耐受结局	机器学习	脓毒症	LC/MS	深度学习算法	代谢组学数据与临床数据	60例脓毒症患者（30例ENFI，30例喂养耐受）及20例健康对照	NA	NA	AUC, 准确率, 精确率, F1分数, 决策曲线分析净收益, Net Reclassification Index, Integrated Discrimination Improvement	NA
20	2026-07-10	Zone-specific real-time traffic conflict risk modeling for freeway tunnels: a CrossTabNet approach 2025-Dec, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108274 PMID:41072155	研究论文	提出一种针对高速公路隧道分区实时交通冲突风险建模的CrossTabNet方法	将交通冲突分析、精细的隧道分区与可解释深度学习相结合，并开发了结合特征交互层与TabNet编码器的CrossTabNet架构，能够捕获高阶非线性关系并保持可解释性	NA	对高速公路隧道进行分区实时交通冲突风险建模，以解决传统碰撞数据的局限性	高速公路隧道的车辆轨迹数据及其衍生的替代安全措施（基于交通冲突）	机器学习	NA	NA	CrossTabNet	轨迹数据（数值型）	NA	NA	CrossTabNet（特征交互层 + TabNet编码器）	预测性能（未明确列出具体指标，如准确率、AUC等，需根据原文推断）	NA